“poslovna inteligencija i upravljanje opskrbnim lancem” ante luetića

SVEUČILIŠTE U SPLITU EKONOMSKI FAKULTET

POSLIJEDIPLOMSKI DOKTORSKI STUDIJ

POSLOVNA EKONOMIJA

ANTE LUETIĆ

POSLOVNA INTELIGENCIJA I UPRAVLJANJE OPSKRBNIM LANCEM

DOKTORSKA DISERTACIJA

Mentor: prof. dr. sc. Neven Šerić

Doktorand: Ante Luetić mr. oec.

matični broj 9090118

Split, 2013.

I

SADRŽAJ

I. UVODNA RAZMATRANJA ......................................................................................................... 1

1. Definiranje problema istraživanja ............................................................................................ 1

2. Svrha i ciljevi istraživanja ........................................................................................................ 8

3. Metode istraživanja ................................................................................................................ 10

4. Obrazloženje strukture rada ................................................................................................... 12

II. TEORIJSKI OKVIR KONCEPTA POSLOVNA INTELIGENCIJA I UPRAVLJANJE OPSKRBNIM LANCEM .............................................................................................................. 14

1. Teorijski aspekt koncepta poslovna inteligencija .................................................................. 14

1.1. Temeljne teorijske odrednice i nastanak koncepta poslovna inteligencija ..................... 14

1.1.1. Upravljanje poslovnim podacima i informacijama ...................................... 14

1.1.2. Različiti pristupi fenomenu poslovne inteligencije ....................................... 21

1.1.3. Terminološko određenje pojma business intelligence i njemu srodnih pojmova u znanstvenim radovima ............................................................................. 25

1.1.3.1. Intelligence i inteligencija ........................................................... 26

1.1.3.2. Odnos različitih intelligence pojmova u znanstvenim radovima ....... 29

1.1.3.3. Kompetitivna inteligencija – Competitive Intelligence .................. 34

1.1.3.4. Strateška inteligencija – Strategic Intelligence ............................... 37

1.1.3.5. Tržišna inteligencija – Market Intelligence ................................... 39

1.2. Razmatranje koncepta poslovna inteligencija u kontekstu strateškog menadžmenta .... 42

1.2.1. Pojmovno definiranje strateškog menadžmenta ........................................... 42

1.2.1.1. Analiza okoline poduzeća ........................................................... 43

1.2.1.2. Formuliranje strategije, njena implementacija i kontrola ostvarenja . 46

1.2.2. Intelligence aktivnosti u procesu strateškog menadžmenta ........................... 48

1.3. Ciklus, sustav i karakteristike poslovne inteligencije..................................................... 54

1.3.1. Poslovna inteligencija kao kontinuirani proces ........................................... 54

1.3.2. Informacijska tehnologija – podrška za funkcioniranje ................................ 59

1.3.2.1. Skladište podataka – Data Warehouse .......................................... 60

1.3.2.2. Rudarenje podacima – Data Mining ............................................. 62

1.3.2.3. OLAP alati ............................................................................... 63

1.3.2.4. Poslovne kontrolne ploče – Business Dashboards .......................... 65

1.3.3. Ključni elementi poslovne inteligencije ...................................................... 67

1.3.4. Zaštita podataka i informacija – defenzivna poslovna inteligencija ............... 72

1.3.5. Budućnost poslovne inteligencije .............................................................. 79

II

1.4. Evaluacija poslovne inteligencije ................................................................................... 82

1.4.1. Mjerenje poslovne inteligencije ................................................................. 82

1.4.2. Provedena istraživanja u Hrvatskoj ........................................................... 93

2. Teorijski aspekt upravljanja opskrbnim lancem .................................................................... 97

2.1. Različiti teorijski pristupi upravljanju opskrbnim lancem ............................................. 97

2.1.1. Povijesne pretpostavke nastanka opskrbnog lanca ...................................... 97

2.1.2. Logistika, opskrbni lanac i upravljanje opskrbnim lancem ......................... 101

2.1.3. Definiranje upravljanja opskrbnim lancem ............................................... 103

2.2. Evolucija upravljanja opskrbnim lancem i njegove odrednice ..................................... 110

2.2.1. Elementi, principi i procesi upravljanja opskrbnim lancem ........................ 110

2.2.2. Faze zrelosti upravljanja opskrbnim lancem ............................................. 116

2.2.3. Evaluacija strategija upravljanja opskrbnim lancem ................................. 120

2.3. Odrednice suvremenog upravljanja opskrbnim lancem ............................................... 126

2.3.1. Aktualna znanstvena istraživanja u kontekstu opskrbnih lanaca .................. 126

2.3.2. Vrednovanje uspješnosti upravljanja opskrbnim lancem ............................ 131

2.3.3. Održivo upravljanje opskrbnim lancem .................................................... 135

III. KONCEPTUALNI MODEL ODNOSA POSLOVNE INTELIGENCIJE I UPRAVLJANJA OPSKRBNIM LANCEM ............................................................................................................ 143

1. Razvoj teorijskog modela .................................................................................................... 143

1.1. Važnost i razmjena podataka i informacija .................................................................. 143

1.2. Informacijska tehnologija i sustav ................................................................................ 153

1.3. E-poslovanje ................................................................................................................. 162

1.4. Integracija ..................................................................................................................... 170

1.5. Vidljivost ...................................................................................................................... 178

1.6. Suradnja ........................................................................................................................ 185

1.7. Napredna analitika........................................................................................................ 194

1.8. Elastičnost .................................................................................................................... 205

2. Inteligencija opskrbnog lanca .............................................................................................. 214

3. Konceptualni model istraživanja i povezanost hipoteza ...................................................... 232

IV. EMPIRIJSKO UTVRĐIVANJE VEZE IZMEĐU KONCEPTA POSLOVNA INTELIGENCIJA I UPRAVLJANJA OPSKRBNIM LANCEM ............................................................................. 237

1. Metodološki aspekti empirijskog istraživanja ...................................................................... 237

1.1. O empirijskom istraživanju i definiranju osnovnog skupa ........................................... 237

1.2. Nacrt istraživačkog projekta ......................................................................................... 239

1.3. Instrument istraživanja ................................................................................................. 241

1.4. Metodologija prikupljanja podataka ............................................................................. 242

III

1.5. Obrada podataka ........................................................................................................... 244

2. Operacionalizacija varijabli ................................................................................................. 245

2.1. Nezavisna varijabla: Poslovna inteligencija ................................................................. 245

2.2. Zavisna varijabla: Upravljanje opskrbnim lancem ....................................................... 248

2.3. Varijabla: Informacijska vidljivost ............................................................................... 250

2.4. Varijabla: Integracija .................................................................................................... 250

3. Rezultati empirijskog istraživanja ........................................................................................ 252

3.1. Temeljne karakteristike uzorka istraživanja ................................................................. 253

3.2. Analiza elemenata konceptualnog modela istraživanja ................................................ 256

3.2.1. Poslovna inteligencija u hrvatskim poduzećima ........................................ 256

3.2.2. Postignuta razina informacijske vidljivosti u hrvatskim poduzećima ............ 275

3.2.3. Postignuta razina integracije u hrvatskim poduzećima ............................... 281

3.2.4. Upravljanje opskrbnim lancima u hrvatskim poduzećima ........................... 288

3.3. Pouzdanost mjernih ljestvica ........................................................................................ 305

3.4. Faktorska analiza istraživačkih varijabli ..................................................................... 313

3.5. Prosudba istraživačkih hipoteza ................................................................................... 320

V. ZAVRŠNA RAZMATRANJA .................................................................................................... 332

1. Sinteza rezultata istraživanja i njihova rasprava .................................................................. 332

2. Ograničenja provedenog istraživanja i sugestije za buduće aktivnosti ................................ 341

3. Zaključak ............................................................................................................................. 343

SAŽETAK ........................................................................................................................................... 349

ABSTRACT ........................................................................................................................................ 350

POPIS SLIKA ..................................................................................................................................... 351

POPIS TABLICA ................................................................................................................................ 352

POPIS GRAFOVA .............................................................................................................................. 355

POPIS PRILOGA ................................................................................................................................ 356

POPIS KRATICA ............................................................................................................................... 357

LITERATURA .................................................................................................................................... 360

1

I. UVODNA RAZMATRANJA

1. Definiranje problema istraživanja

Bremenitost poslovanja poduzeća na globalnom tržištu danas karakteriziraju iznimno

kompleksni konkurentni odnosi (Davneport i Harris, 2007; Slone et al., 2010.) te složeni rizici

tržišne održivosti (Waters, 2009; Haanaes et al., 2011). Tehnološki su postupci dostigli

respektabilnu razinu (Fisher i Raman, 2010.), a varijable troškovnih inputa svedene su na

nekada nepojmljivo niske razine u strukturi konačne cijene proizvoda i usluge (Trent i

Roberts, 2010.). Kvaliteta tržišne komunikacije također je razvijena kroz različite

specijalizirane i pod specijalizirane modele i oblike (Howson, 2008; Eckerson, 2011.).

Konkurentnost između opskrbnih lanaca postaje jedna od najznačajnijih paradigmi

suvremenog poslovanja (Lambert, 2008.), a poslovna izvrsnost opskrbnih lanaca izravno je

korelirana s porastom vrijednosti za dioničare (Slone et al., 2010.). Aktualna istraživanja

ukazuju da još uvijek u segmentu upravljanja opskrbnim lancima postoje područja na kojima

se može efikasno štititi konkurentnost, tržišnu poziciju i ostvareni tržišni udio poduzeća.

Iznimno važna sastavnica efikasnosti poslovanja, bez obzira na sigurnosne, političke,

prirodne, socijalne i ekonomske faktore okruženja, poslovni je sustav upravljanja podacima i

informacijama, poglavito s aspekata koji određuju troškovne inpute u opskrbnom lancu

konkretnog poslovnog subjekta. Istraživanje Sveučilišta Stanford (Srića, 1999.) ukazalo je da

se cjelokupno ljudsko znanje stečeno do 1900. godine udvostručilo do 1950. godine, a od tada

se količina svjetskog znanja udvostručuje svakih pet do osam godina. Novije procjene (Merv,

2010.) govore kako se velika skladišta podataka utrostručuju svake dvije godine, a prema

istraživanju koje je proveo Gartner (Mearian, 2010.), 47% ispitanika rast podataka

kvalificiralo je među tri najveća izazova suvremenog menadžmenta. Navedene spoznaje

ukazuju na činjenicu da je suvremeno poslovanje doseglo razinu na kojoj informacija postaje

statistički najznačajniji fokus suvremenog menadžmenta (The Economist, 2010.). Učinkovito

upravljanje podacima i informacijama poduzećima omogućuje donošenje efikasnih strateških,

taktičkih i operativnih odluka, ali podrazumijeva i korjenite promjene u koncepciji poslovnog

promišljanja i funkcioniranju, s obzirom na značaj informacija, njihovu količinu, brzinu

2

protoka i međusobnu povezanost i uvjetovanost. U kontekstu upravljanja opskrbnim lancem

ovoj se činjenici može pristupiti s dva stajališta:

� iznalaženja načina rješavanja problema upravljanja velikom količinom podataka;

� iznalaženja modela efikasnog upravljanja tim poslovnim resursom u cilju učinkovite i

efikasnije transformacije podataka u informacije, znanje te, u konačnici, unapređenja

konkurentnosti poslovanja poduzeća.

Spoznaja da menadžment više ne može donositi odluke na temelju intuicije već na egzaktnim

činjenicama rezultirao je razvojem koncepta poslovna inteligencija (PI) (engl. Business

Intelligence – BI) (Panian i Klepac, 2003; Buchanan i O’Connell, 2006; Javorović i Bilandžić,

2007; Isik, 2010.). Istraživanja (McGonagle i Vella, 2002; Liautaud i Hammond, 2006.)

ukazuju da tipično poduzeće posjeduje 90% potrebnih podataka i informacija nužnih za

efikasno poslovanje, ali učinkovito koristi svega 10% raspoloživih podataka i informacija. S

obzirom da je riječ o relativno novom pojmu, nije postignut konsenzus oko definicije. Razlog

tome jest i činjenica što mu pojedini autori u svojim istraživanjima pristupaju iz različitih

perspektiva te ga tumače kao: proces (Howson, 2008; Fleisher i Bensoussan, 2007; Pettit,

2008; Taskov, 2009.), koncept (Panian i Klepac, 2003; Hannula i Pirttimaki, 2003; Williams i

Williams, 2007; Isik, 2009.), disciplinu (Hwang i Cappel, 2008.), strategiju (Kalakota i

Robinson, 2002; Liautaud, i Hammond, 2006.), arhitekturu ili skup aplikacija (Li, 2008.),

poslovno-obavještajnu aktivnost (Javorović i Bilandžić, 2007.), proizvod s dodanom

vrijednošću (Fleisher i Bensoussan, 2003.), način poslovnog promišljanja (Oreščanin, 2003.),

sistem (Hugos, 2006.), pa čak i menadžersku filozofiju (Pirttimaki, 2007.). Moss i Atre

(2003.) smatraju da business intelligence ili inteligencija o poslovanju nije ni proizvod ni

sistem već jedinstvenost svake organizacije kao i politike i poslovnih pravila u skladu s

kojima se upravlja poduzećem.

Zajednički elementi navedenih tumačenja mogu se rezimirati u definiciji kako je to koncept

organiziranog, sustavnog, legalnog, legitimnog i etičkog prikupljanja, analiziranja i upotrebe

podataka i iz njih dobivenih informacija koje menadžmentu pružaju korisna znanja za

donošenje efikasnijih, bržih, kvalitetnijih i efektivnijih poslovnih odluka na svim

upravljačkim razinama u funkciji postizanja kontinuiteta poslovne održivosti i više razine

konkurentnosti.

3

Pregledom i analizom opsežne znanstvene građe, objavljenih dostupnih rezultata istraživanja,

te respektirajući svrhu i ciljeve planiranog istraživanja koje disertacija pretpostavlja, namjera

je istražiti poslovnu inteligenciju kao menadžerski koncept u upravljanju opskrbnim lancem

poduzeća. U hrvatskim znanstvenim krugovima nije postignuto opće suglasje oko prevođenja

pojma intelligence kao sastavnog dijela sintagme business intelligence1. Naime, potrebno je

imati u vidu činjenicu da intelligence u kvalitativnom smislu ima veću vrijednost od

informacije (Dedijer, 1999.) jer podrazumijeva krajnji proizvod nastao prikupljanjem,

verifikacijom, analizom i evaluacijom podataka odnosno informacija. Iako određeni domaći

znanstvenici u svojim radovima koriste izvornu sintagmu (Javorović i Bilandžić, 2007;

Bilandžić, 2008; Bazdan 2009.), ipak uvažavajući engleske terminološke pristupe2, ali i

preporuke nekih drugih domaćih autora (Panian i Klepac, 2003; Garača, 2009.), uz izvornu

sintagmu, koristio se termin poslovna inteligencija kao najkorišteniji u hrvatskom

znanstvenom opusu.

Uslijed nepostojanja globalno prihvaćene definicije različiti istraživači koriste drugačije

termine te istražuju njihove međuodnose; competitive intelligence (CI) (Kahaner, 1997;

Prescott i Miller, 2001; Thierauf, 2001; Brody, 2008; Sharp, 2009; Michaeli, 2004.), market

intelligence (MI) ( Handfield, 2006; Jenster i Soilen, 2009; Hedin et al., 2011.), strategic

intelligence (SI) (Liebowitz, 2006; Xu, 2007; Cohen, 2009.), competitor intelligence (CpI)

(Mintzberg3, 1994; Fuld, 1995; Porter, 1998.). Iz proučene se literature može konstatirati kako

američki znanstvenici većinom koriste pojam competitive intelligence, dok se u europskim

radovima pretežito prakticira termin business intelligence (Bilandžić, 2008; Jenster i Soilen,

2009; Popovič et al., 2010.). Iako se u znanstvenoj literaturi uočava da određeni autori za

termin BI koriste i pojam knowledge management (KM) treba naglasiti kako se ipak radi o

različitim pojmovima, usko povezanim, obzirom da BI predstavlja dio KM-a pa se određena

istraživanja bave njihovim odnosom (Thierauf, 2001; Marin i Poulter, 2003; Herschel et al.,

2005; Clark et al., 2007; Dwivedi i Butcher, 2009.). Isti primjeri također ukazuju na

aktualnost problematike odabrane za istraživanje, odnosno na potrebu i korisnost teorijske

obrade i sistematiziranja tog fenomena te s njime povezanih terminoloških pojmova kako bi

se u konačnici pridonijelo globalnom znanstvenom opusu.

1 Najčešće korišteni prevodi ove sintagme jesu: poslovna inteligencija, poslovno izvještavanje, poslovne izvjesnice, poslovno obavješćivanje, poslovno istraživanje te upravljanje poslovnim podacima i informacijama. 2 Prema Pons Cobuild English Learner's Dictionary,Collins Publisher, London, 1989., p. 506., pojam intelligence se objašnjava kao; sposobnost razumijevanja i učenja stvari, sposobnost razmišljanja i razumijevanja umjesto djelovanja prema instiktu odnosno, automatizmom. 3 Prema Pirtimmaki, V.: Business Intelligence as a Managerial Tool in Large Finnish Companies, 2007., p. 61.

4

Predmet mnogih istraživanja bile su koristi koje menadžment može polučiti primjenom

koncepta PI. Hwang i Cappel (2008.) utvrdili su kako većina ispitanika smatra ovaj koncept

vrlo važnim za uspjeh poduzeća, te očekuju da će važnost i ubuduće rasti. Godinu dana

kasnije Hwang (2009.) potvrđuje navedene rezultate kod 89% ispitanika. Hannula i Pirttimaki

(2003.) uzorkuju najuspješnija poduzeća u Finskoj te konstatiraju kako njih 80% ima

organizirane aktivnosti poslovne inteligencije, jer su ocijenili značaj istih za poboljšanje i

unapređenje postupka prikupljanja informacija potrebnih za planiranje i odlučivanje. Također,

utvrđeno je kako najveći postotak informacija (95%) poduzeća prikupljaju o konkurentima i

tržištu na kojem se natječu, dok nešto manje (80%) prikupljaju o svojim kupcima. Navedeno

je istraživanje od osobite važnosti jer je provedeno u izrazito kompetitivnim odnosima

gospodarskih subjekata u Finskoj. Tri godine kasnije broj je korisnika porastao na 95%

(Pirttimaki, 2007.). Isik (2009.) razvija okvir utjecaja mogućnosti BI-a na njegov uspjeh u

različitim okruženjima. Istraživanja učinaka primjene ovog koncepta pokazala su većinom

nefinancijske efekte poput povećanja kvalitete i pravovremenosti informacija (Thierauff,

2001; Hannula i Pirttimaki, 2003; Williams i Williams, 2004; Lonnquist i Pirttimaki, 2006.),

kroz unapređenje ili reinženjering temeljnih poslovnih procesa (Williams i Williams, 2007.),

odnosno kroz unapređenje performansi poduzeća (Elbashir i Williams, 2007.).

Treba istaknuti kako su određeni autori istraživali elemente i utjecaj e-poslovanja (engl. e-

business) na poslovanje poduzeća (Lee i Whang, 2001; Johnson i Whang, 2002; Swaminathan

i Tayur, 2003; Wagner et al., 2003; Hill i Scott, 2004; Croom, 2005; Panian, 2005; Johnson et

al., 2007; Sanders, 2007; Leon-Pena, 2008; Borges et al., 2009; Chen et al., 2009.) što je

također jedan od poticaja za provedbu planiranog istraživanja u kontekstu opskrbnog lanca.

Rezultati navedenih istraživanja ne ukazuju na uopćene zaključke, a istraživanja iste materije

u kontekstu efektivnosti opskrbnog lanca su iznimno rijetka na globalnoj razini. Sljedeći

preporuke istraživanja odabranih autora (Hugos, 2006; Elbashir i Williams, 2007; Jourdan et

al., 2007; Panian, 2008; Bayraktar et al., 2009; Hadaya i Cassivi, 2009; Stock et al., 2010.)

ova disertacija je usmjerena na istraživanje odnosa između koncepta poslovna inteligencija i

upravljanja opskrbnim lancem zbog potencijala tog segmenta poslovanja na konkurentsku

poziciju poduzeća u okruženju.

Promjene u poslovnoj filozofiji poduzeća koje su posljedica globalnih utjecaja visoko

kompetitivnog eksternog okruženja te internih karakteristika i čimbenika mikro okruženja,

snažno dolaze do izražaja u funkcioniranju i upravljanju opskrbnim lancima. U suvremenim

istraživanjima povezanim s upravljanjem opskrbnim lancima utvrđene su određene poveznice

5

i zakonitosti, međutim na mnoge dileme još uvijek nisu dati konkretni odgovori, jer nisu ni

istraživane. Aktualnost i kompleksnost ove problematike potvrđuje rast broja istraživanja u

logističkom segmentu opskrbnih lanaca posljednjih godina (Gubi et al., 2003; Chen i Paulraj,

2004; Arlbjorn et al., 2008; Zhang et al., 2009.)4. Činjenica da se 60 - 70% troškova

poslovanja poduzeća kontrolira proširenim opskrbnim lancem (Žibret, 2007; Ditman et al.,

2010.) predstavlja dodatni poticaj za istraživanja na tom polju.

Odnosi između elemenata i pojedinih procesa opskrbnog lanca, varijabli koje na njih utječu te

posljedično njihov utjecaj na efikasnost upravljanja opskrbnim lancem, predmetom su brojnih

teorijskih i empirijskih radova. Empirijske su analize ukazale na važnost određenih elemenata

u kontekstu upravljanja opskrbnim lancem. U evolutivnom kontekstu određeni su empirijski

radovi bili fokusirani na određivanje dostignutog stupnja razvoja istraživanih opskrbnih

lanaca te određivanju karakterističnosti tih faza (Poirier i Quinn, 2006; Handfield, 2006.).

Promatrajući upravljanje opskrbnim lancem kroz procesni pristup, koji je razvio Lambert, za

naglasiti je kako je riječ o interfunkcijskom i interorganizacijskom procesu (Kaplan i Norton,

2006.).

Analizom znanstvene građe u kontekstu prethodno navedenoga može se uočiti na što su

pojedini autori dali naglasak pri istraživanju ove problematike;

� važnost informacija (Simatupang i Sridharan, 2001; Hackathorn, 2004; Fawcett et

al., 2007.) odnosno, upravljanje podacima i informacijama (Francis, 1998; Lee et al.,

2000; Tan, 2002; Miller, 2005; Hugos, 2006; Kim et al., 2006; Panian i sur., 2007;

Zhou i Benton, 2007; Trent, 2007; Howson, 2008; Redman, 2008; Hadaya i Cassivi,

2009; Jacoby, 2009; Klein i Rai, 2009; Li et al., 2009; Pereira, 2009; Sodhi i Son,

2009; Watson, 2009; Ramayah i Omar, 2010; Stock et al., 2010; Yigitbasioglu, 2010;

Davenport i Snabe, 2011; Ha et al., 2011.). Jacobi (2009.) predviđa da će sposobnost

upravljanja informacijama u budućnosti kreirati vitalnu konkurentsku prednost

opskrbnih lanaca što je logično jer se konkurentska prednost postiže kapitaliziranjem

onoga po čemu je poduzeće jedinstveno (Stubs, 2011.).

� informacijska tehnologija (IT) (Srića i Miller, 2001; Thierauf, 2001; Reyes i

Raisinghani, 2002; Gunasekaran i Ngai, 2004; Subramani, 2004; Auramo et al., 2005;

Hugos, 2006; Liautaud i Hammond, 2006; Dehning et al., 2007; Garača, 2008; Palvia

4 Riječ je o istraživanjima koja su analizirali objavljene znanstvene i stručne članke na temu upravljanja opskrbnim lancima te su utvrdili uzlazni trend broja objavljenih radova.

6

et al., 2006; Karkkainen et al., 2007; Porter, 2008; Sanders, 2008; Bayraktar et al.,

2009; Pereira, 2009; Stoel i Muhanna, 2009; Swanson, 2012.).

� e-poslovanje (Earl, 2000; Kalakota i Robinson, 2001; Handfield i Nichols, 2002;

Johnson i Whang, 2002; Panian, 2003; Spremić, 2003; Swaminathan i Tayur, 2003;

Wagner et al., 2003; Hill i Scott, 2004; Koh i Maguire, 2004; Croom, 2005;

Bloomberg et al., 2006; Johnson et al., 2007; Sanders, 2007; Waters, 2007; Garača,

2008; Borges et al., 2009; Chen et al., 2009; Garača, 2009.).

� integracija (Lee i Whang, 2001; Stank et al., 2001; Thierauf, 2001; Frohlich i

Westbrook, 2002; Handfield i Nichols, 2002; Rabelo et al., 2002; Vickery et al., 2003;

Chen et al., 2007; Harland et al., 2007; Chang et al., 2008; Speier et al., 2008;

Swafford et al., 2008; Li et al., 2009; Downing, 2010; Anbanandan et al., 2011; Saeed

et al., 2011.). Prava integracija opskrbnih lanaca bit će moguća tek onda kada svi

sudionici lanca budu spremni međusobno razmjenjivati podatke i informacije radi

postizanja zajedničkih ciljeva (Li et al., 2009.).

� vidljivost (Joshi, 2000; Thompson et al., 2001; Handfield i Nichols, 2002;

Montgomery et al., 2002; Swaminathan i Tayur, 2003; Christopher, 2005; Auramo,

2006; Johnsen, 2006; Wang i Wei; 2007; Waters, 2007; La Grouw, 2008; Jacoby,

2009; Heaney, 2011; McCrea, 2011.). Istinska je vidljivost postignuta ako su

informacije i njihove analize korisne u procesu donošenja poslovnih odluka.

� suradnja (Akintoye et al., 2000; Lee i Whang, 2001; Handfield i Nichols, 2002;

Johnson i Whang, 2002; Kocakulah et al., 2002; McLaren et al., 2002; Skjoett-Larsen

et al., 2003; Swaminathan i Tayur, 2003; Barratt, 2004; Christopher i Peck, 2004;

Manthou et al., 2004; Christopher, 2005; Croom, 2005; Holweg et al., 2005;

Simatupang i Sridharan, 2005; Hugos, 2006; Li et al., 2006; Verecke i Muylle, 2006;

Johnson et al. 2007; Patrakosol i Olson, 2007; Sanders, 2007; Li, 2008; Chong et al.,

2009; Anbanandan et al., 2011; Taylor, 2012.).

� napredna analitika (Morris et al., 2002; Morris et al., 2003; Brown, 2007; Davenport

i Harris, 2007; Hair, 2007; Panian et al., 2007; Elbashir et al., 2008; Redman, 2008;

Bose, 2009; Ranjan, 2009; Watson, 2009; Davenport et al., 2010; Hubbard, 2010;

Laursen i Thorlund, 2010; Trkman, et al., 2010; Eckerson i Hammond, 2011; Kiron i

Shockley, 2011; Kruschewitz i Shockley, 2011; Lavalle et al., 2011; Stubs, 2011.). U

7

razvoju poslovne inteligencije napredna analitika jest samo logičan slijed (Elbashir et

al., 2008; Watson, 2009.) na OLAP alate i rudarenje podacima (Redman, 2008.).

� elastičnost (Thierauff, 2001; Christopher i Peck, 2004; Gunasekaran i Ngai, 2004;

Christopher, 2005; Gebauer i Schober, 2006; Swafford et al., 2006; Zhang et al., 2006;

Sanders, 2007; Tachizawa, 2007; Waters, 2007; Lambert, 2008; Li, 2008; Pettit,

2008; Tang i Tomlin, 2008; Cecere, 2009; Jacoby, 2009; Pereira, 2009; Whitby i

Scott, 2009; Grawe et al., 2011; Hofman et al., 2011; Soon i Udin, 2011.).

U navedenim se okvirima pozicionira temeljni koncept istraživanja. U literaturi su razvidna tri

pristupa u ovakvim istraživanjima, s obzirom da pojedini autori stavljaju naglasak na

informatički aspekt (Reyes i Raisighani, 2002; Vural et al., 2006; Baars et al., 2008; Sabbaghi

i Vaidyanathan, 2008.), drugi promatraju PI kao menadžerski koncept kojemu informacijska

tehnologija (IT) predstavlja alat za provedbu (Christopher i Peck, 2004; Pirttimaki et al.,

2006; Maguire i Suluo, 2007; Pirttimaki, 2007; Wilkins, 2007; Copacino, 2008; La Grouw,

2008; Shaker, 2009; Pirzadeh i Pirzadeh, 2009.), dok treći pristupaju objedinjujući navedeno

pa shodno tome u upotrebi koriste sintagme Supply Chain Intelligence (SCI) (Dyson i Koruth,

2004; Noonan i Wallace, 2006; Stefanović et al., 2006; Lee i Cheng, 2007; Panian et al.,

2007; Rogers i Panos, 2006; Smouther, 2009.) odnosno, Supply Market Intelligence (SMI)

(Handfield, 2006; Trent i Roberts, 2010.). Slijedom navedenog, disertacija je usredotočena na

poslovnu inteligenciju kao menadžerski koncept kojemu informacijska tehnologija predstavlja

sredstvo u primjeni i implementaciji u kontekstu upravljanja opskrbnim lancem. Nastavno na

iznesene spoznaje temelji se kreacija konceptualnog modela ovog istraživanja.

Kao što je već naglašeno, empirijska su istraživanja ukazala na važnost koncepta poslovna

inteligencija u funkcioniranju poduzeća te utjecaj efikasnog upravljanja opskrbnim lancem na

dugoročnu održivost i efikasnost poslovanja poduzeća. Temeljem iznesene eksplikacije

problema ocijenjeno je znanstveno relevantnim istražiti primjenu koncepta poslovna

inteligencija te njezin odnos s upravljanjem opskrbnim lancem. Pregledom dostupne recentne

znanstvene građe iz područja poslovne inteligencije te iz područja upravljanja opskrbnim

lancem utvrđeno je kako slična istraživanja do danas nisu provedena. Slijedom navedenog,

posebno s obzirom na to da je 21. stoljeće – stoljeće informacija i znanja, a cijena pravodobne

informacije jest jednaka cijeni tržišnog opstanka, nameće se potreba i opravdanost za

istraživanjem primjene koncepta poslovna inteligencija i njezinim odnosom s upravljanjem

8

opskrbnim lancem. Znanstveni problem i predmet znanstvenog istraživanja odnosi se na dva

objekta istraživanja:

� koncept poslovna inteligencija

� upravljanje opskrbnim lancem.

2. Svrha i ciljevi istraživanja

Polazeći od postavljenog problema istraživanja te temeljem nedovoljnog broja provedenih

empirijskih istraživanja na globalnoj razini, postavlja se temeljno pitanje kako primjena

koncepta poslovna inteligencija pridonosi efikasnosti upravljanja opskrbnim lancem .

Glavna svrha i cilj istraživanja jest ispitivanje i razumijevanje uspostavljene veze između

elemenata koncepta poslovna inteligencija i varijabli koje određuju efikasnost

upravljanja opskrbnim lancem.

Znanstveno-spoznajni ciljevi istraživanja su:

� Istražiti, analizirati i kritički valorizirati postojeće znanstvene spoznaje i ostvarene

doprinose iz područja proučavanja čime će se opisati dosadašnji teorijski i empirijski

nalazi iz segmenata poslovne inteligencije i upravljanja opskrbnim lancem.

� Sistematizirati, klasificirati i raspraviti pojmove i koncepte iz područja proučavanja

potrebnih za provedbu ovog istraživanja te s njima povezanih pojmova.

� Objasniti elemente koncepta poslovna inteligencija (izvore podataka i informacija,

njihovu pouzdanost, pristupačnost, naprednu analitiku, korištenje intuicije u

odlučivanju i vrijeme odlučivanja, te organizaciju poslovne inteligencije), njihov

međusobni odnos te varijable koje nastaju kao primjena ovog koncepta (informacijska

vidljivosti i integracija) u kontekstu upravljanja opskrbnim lancem (agilnost,

prilagodljivost, usklađenje, proaktivnost i performanse). Osim navedenog, istražiti će

se i analizirati veza i međusobni odnos u vertikalnoj domeni modela.

� Temeljem znanstvenih spoznaja i na njima definiranih hipoteza istraživanja, oblikovati

model kojemu je cilj utvrđivanje zakonitosti, smjera i intenziteta veza između

9

koncepta poslovna inteligencija i efikasnog upravljanja opskrbnim lancem te ga

empirijski testirati.

Navedeni ciljevi rezultirati će novim znanstvenim spoznajama, što će otvoriti i prostor za

provedbu nekih budućih istraživanja u određenim segmentima te problematike.

Istraživanjem će se ostvariti i određeni operativni odnosno pragmatični ciljevi. S obzirom na

to kako je riječ o relativno novom konceptu, koji još uvijek nije saživio u hrvatskoj poslovnoj

praksi u onom opsegu kao što je to slučaj u visoko konkurentnim gospodarstvima, planirano

će istraživanje imati veliko praktično značenje za ona poduzeća koja uvode ili se spremaju na

uvođenje ovog koncepta. Osim navedenog, cilj je utvrditi i trenutnu sliku odnosno spoznaju

stanja u hrvatskim poduzećima. Rezultati će služiti menadžmentu za donošenje kvalitetnijih i

efikasnijih strateških i taktičkih odluka u segmentu upravljanja opskrbnim lancima.

Istraživanje ove problematike s ciljem dokazivanja postavljenih hipoteza te postizanje svrhe i

ciljeva istraživanja podrazumijeva odgovore na brojna pitanja, od kojih su najvažnija sljedeća:

1) Primjenjuju li poduzeća koncept poslovna inteligencija na razini cijelog sustava ili na

razini određene strateške poslovne jedinice, odnosno pojedinih procesa, te koji se

problemi javljaju pri implementaciji tog koncepta?

2) Koliko se u poslovanju koriste neke od tehnologija i platformi za skladištenje

podataka, rudarenje podacima, OLAP alati, napredne analitičke tehnike, upravljačke

ploče te simulacijski i vizualizacijski programi?

3) Koje su determinante suvremenog načina upravljanja opskrbnim lancem?

4) Koliko se koriste raspoloživi podaci i informacije, te kakve kvalitete za donošenje

poslovnih odluka u opskrbnim lancima?

5) Koliko je prisutna intuicija u odlučivanju?

6) Koliko primjena koncepta poslovna inteligencija može utjecati na informacijsku

vidljivost, integraciju i elastičnost opskrbnog lanca?

7) Koje su najveće prepreke za uspješno upravljanje opskrbnim lancem?

8) Koliko poduzeće poznaje svoje partnere, odnosno koliko je spremno na razmjenu

podataka i informacija u funkciji integracije opskrbnog lanca?

10

9) Pravi li poduzeće razliku u spremnosti razmjene podataka i informacija između svojih

dobavljača i kupaca?

10) Pravi li poduzeće razliku između razmjene strateških i operativnih podataka i

informacija sa svojim partnerima?

11) Koje su evidentne prednosti implementacije koncepta poslovna inteligencija u

upravljanju opskrbnim lancem?

12) Koje se aktivnosti mogu predložiti za efikasnije korištenje istraživanog koncepta?

3. Metode istraživanja

Za potrebe izrade i dovršenja ove doktorske disertacije, a temeljem predstavljenog problema

istraživanja, provedeno je istraživanje u kojemu su se koristile različite kombinacije

znanstvenih metoda za potrebe argumentacije i evaluacije postavljenih znanstvenih hipoteza.

Prvi dio istraživanja (istraživanje za stolom) bio je usmjeren na pretraživanje sekundarnih

izvora podataka čija je obrada poslužila za izradu teorijskog dijela rada. Kritički se analizirala

recentna znanstvena i stručna literatura iz područja poslovne inteligencije i problematike

upravljanja opskrbnim lancem. Inicijalni izbor literature izvršen je temeljem osobnog uvida u

područja istraživanja pri čemu su pretražene brojne baza podataka, među kojima su

najznačajnije: Science Direct, DOAJ (Directory of Open Access Journals), Emerald, EBSCO,

Sege Journals Online, Wiley InterScience, TDWI (The Data Warehouse Institute), SCIP

(Strategic and Competitive Intelligence Professionals), Springer, AIS (Association for

Information Systems), MIT Sloan. Osim navedenih baza, korišteni su raspoloživi fundusi

knjižnica Ekonomskog fakulteta u Splitu i Ekonomskog fakulteta u Zagrebu.

Za što kvalitetniju obradu sekundarnih podataka kako bi se stekao uvid u tijek razvoja

znanstvene misli istraživanih područja i prezentiranje već poznatih spoznaja te stjecanja i

prezentiranja vlastitih saznanja, koristile su se metode primjerene istraživanjima u društvenim

znanostima. U ovom su istraživanju najrelevantnije:

11

� metoda analize kojom se raščlanjivanjem poznatih tvrdnji stekla jasnija predodžba o

objektima proučavanja,

� metoda sinteze kojom su se povezale jednostavnije tvrdnje i zaključci u složenije i

općenitije tvrdnje sa svrhom boljeg i sistematičnijeg proučavanja odnosa između

objekata istraživanja,

� metode indukcije i dedukcije za donošenje zaključaka u teorijskom i empirijskom

dijelu rada,

� metoda generalizacije sa svrhom uopćavanja od posebnog pojma do općenitijeg,

� metoda deskripcije za opisivanje pojmova, zakonitosti i postupaka,

� metoda komparacije za potrebe uspoređivanja istih ili sličnih činjenica, pojava i

procesa.

Drugi dio istraživanja (istraživanje na terenu) predstavlja najvažniji empirijski dio ove

disertacije. Namjera je ovog istraživanja bila obuhvaćanje poduzeća koja primjenjuju koncept

poslovne inteligencije u svom poslovanju. Istraživanje na terenu provelo se s ciljem testiranja

postavljenih hipoteza, a anketni je upitnik predstavljao glavni instrument za prikupljanje

primarnih podataka.

Osim metode obrade podataka koja je provedena u programskom paketu SPSS 16 (Statistical

Package for the Social Science), korištena je metoda prezentiranja rezultata istraživanja u

obliku tablica i grafova. Za ocjenjivanje postavljenih hipoteza dominantna je bila metoda

korelacije. S obzirom na tri uvodna pitanja (o poduzeću) napravila se analiza varijance s

jednim promjenjivim faktorom. Također se upotrijebila faktorska analiza s ciljem utvrđivanja

primjerenosti operacionalizacije varijabli poslovna inteligencija i upravljanje opskrbnim

lancem.

12

4. Obrazloženje strukture rada

Doktorska se disertacija sastoji od pet osnovnih poglavlja.

U prvom poglavlju pod naslovom Uvodna razmatranja, definira se i elaborira problem,

predmet te objekti istraživanja doktorske disertacije. Također, opisani su znanstveni i

praktični ciljevi koji su se istraživanjem željeli ostvariti te znanstvene metode korištene u

teorijskom i empirijskom dijelu rada. Ovaj je dio zaključen s prikazom strukture izložene

materije.

Teorijski okvir koncepta poslovna inteligencija i upravljanje opskrbnim lancem naslov je

drugog poglavlja. U prvom su dijelu detaljno elaborirane relevantne teorijske spoznaje i

nastanak istraživanog koncepta poslovne inteligencije. S obzirom na to da je riječ o relativno

novoj paradigmi evaluirani su različiti pristupi pojedinih istraživača kao i terminološko

određenje izvornog pojma business intelligence i njemu srodnih pojmova korištenih u

znanstvenim djelima. Slijedi razmatranje i pozicioniranje ovog koncepta u kontekstu

strateškog menadžmenta te prikaz njegovog ciklusa, sustava, elemenata i načina

funkcioniranja. Poseban je naglasak stavljen na najrelevantnije odrednice koje su važne u

kontekstu ovog istraživanja. Objasnio se odnos informacijske tehnologije i poslovne

inteligencije te su prikazana razmatranja obrambene uloge poslovne inteligencije u funkciji

zaštite podataka i informacija. Ovaj je dio zaključen prikazom rezultata recentnih istraživanja

o uspješnosti implementacije, primjene i različitih mjerenja poslovne inteligencije, te su

prezentirana različita razmatranja daljnjeg razvoja ovog fenomena. U drugom su dijelu

izloženi različiti teorijski pristupi tumačenju pojmova opskrbnog lanca i menadžmenta

opskrbnog lanca, povjesne pretpostavke njegovog nastanka te je objašnjen odnos logistike i

opskrbnog lanca. Prikazana je evolucija opskrbnog lanca i njegove suvremene odrednice te je

u tom kontekstu dan pregled rezultata relevantnih znanstvenih istraživanja. Posebna je pažnja

posvećena analizi elemenata vrednovanja uspješnosti funkcioniranja opskrbnog lanca,

prezentirane su faze zrelosti te je izvršena evaluacija različitih strategija upravljanja

opskrbnim lancem. Poglavlje se zaključuje razmatranjem održivog upravljanja u suvremenim

uvjetima poslovanja i tržišnog nadmetanja.

13

Konceptualni model odnosa poslovne inteligencije i upravljanja opskrbnim lancem naslov

je trećeg poglavlja. U prvom se dijelu elaboriraju elementi koji su utjecali na razvoj modela

istraživanja: važnost i razmjena podataka i informacija, informacijska tehnologija i sustav, e-

poslovanje, integracija, vidljivost, suradnja, napredna analitika i elastičnost. U drugom su

dijelu prikazani rezultati dosadašnjih istraživanja poslovne inteligencije i upravljanja

opksrbnim lancem unutar kojih je uočen neistražen prostor kao osnovica za ovu disertaciju.

Poglavlje se zaključuje s objašnjenjem postavljenih znanstvenih hipoteza i njihovom

grafičkom prezentacijom u istraživačkom modelu.

Empirijsko utvrđivanje veze između koncepta poslovna inteligencija i upravljanje

opskrbnim lancem naslov je četvrtog poglavlja. U prvom se dijelu poglavlja elaborira

metodološki aspekt empirijskog istraživanja, opisuje protokol istraživanja te objašnjavaju

osnovne karakteristike uzorka. Objašnjen je nacrt istraživanja, način prikupljanja podataka te

njihova obrada. Iznesena su osnovna teorijska polazišta temeljem kojih se objašnjavaju

varijable modela te način njihove operacionalizacije. Posljednji dio sadrži detaljnu

prezentaciju rezultata empirijskog istraživanja o odnosu koncepta poslovna inteligencija i

upravljanja opskrbnim lancem. Analiza rezultata provedena je u kontekstu postavljenih

hipoteza istraživanja te je tako izvršena njihova prosudba.

Završna razmatranja naslov je posljednjeg, petog poglavlja u kojemu je predstavljena sinteza

rezultata istraživanja te rasprava o njima. Evaluirane su teorijske i empirijske spoznaje nastale

kao rezultat testiranja predloženog modela te izneseni znanstveni i praktični doprinosi

provedenog istraživanja. Na kraju, predstavljena su ograničenja te predložene smjernice za

daljnja istraživanja.

14

II. TEORIJSKI OKVIR KONCEPTA POSLOVNA

INTELIGENCIJA I UPRAVLJANJE OPSKRBNIM LANCEM

1. Teorijski aspekt koncepta poslovna inteligencija

U ovom će se poglavlju objasniti temeljne teorijske odrednice i nastanak koncepta poslovna

inteligencija. Vodeći računa o problemu istraživanja razmotrit će se analizirani koncept u

kontekstu strateškog menadžmenta te prezentirati ciklus, sustav i elementi poslovne

inteligencije, poveznice s informacijskom tehnologijom, objasniti njen obrambeni element te

evaluirati provedena istraživanja u Republici Hrvatskoj.

1.1. Temeljne teorijske odrednice i nastanak koncepta poslovna inteligencija

Za što kvalitetnije sagledavanje teorijskih odrednica i nastanka koncepta poslovna

inteligencija, potrebno je obraditi povijesnu evoluciju potrebe za prikupljanjem podataka i

informacija te proanalizirati različite istraživačke pristupe fenomenu poslovne inteligencije,

kako bi se u konačnici izvršilo terminološko određenje izvorne sintagme i njoj srodnih

intelligence pojmova u znanstvenim radovima.

1.1.1. Upravljanje poslovnim podacima i informacijama

Poput suvremenog pitanja o najvažnijoj pretpostavci preživljavanja tvrtke na današnjim

turbulentnim tržištima (Panian i Klepac, 2003.) moguće je parafraziranjem postaviti pitanje:

koja je najvažnija pretpostavka opstanka u povijesnim dimenzijama bez obzira je li riječ o

pojedincima, nomadima, narodima ili državama? U funkciji osiguranja svojega preživljavanja

u agresivnoj okolini biti informiran, odnosno znati, jest prva i najvažnija ljudska potreba, što

podrazumijeva kontinuirano traženje, interpretiranje i korištenje podataka i informacija sa

svrhom razumijevanja odnosno shvaćanja (Cohen, 2009., p.1). Iako je sam pojam poslovna

inteligencija relativno kratko u upotrebi, njegova bit vjerojatno dolazi iz vremena kada su se

15

ljudi počeli baviti organiziranjem svojega života. Polazeći od ovakve postavke, zanimljivo je

vidjeti koje su događaje ili aktivnosti iz raznih razdoblja ljudske povijesti pojedini istraživači

naglašavali kao početke primjene obavještajnih odnosno izvještajnih aktivnosti. Velik

doprinos informacijsko-komunikacijskom razvoju dala je pojava pisane riječi prije pet tisuća

godina, a posebno pojava nove tehnologije ovladavanja proizvodnjom papirusa oko 2500

godine prije Krista (Javorović i Bilandžić, 2007., p. 20). Autori naglašavaju svjedočenje

Biblije koja pokazuje kolika je važnost pridavana prikupljanju podataka odnosno

obavještajnoj djelatnosti za ostvarivanje neposrednih zadataka i ciljeva5. Herring (1996., p.

54.) također se reflektira na Bibliju6 i Sun Tzua. Iako se točan podatak nikada neće znati,

pretpostavlja se da je za vrijeme kralja Ptolomeja II Philadelphusa u knjižnici u Alexandriji

bilo pohranjeno 500.000 svitaka dokumenata, što je predstavljalo najveću kolekciju znanja u

to doba (Stubbs, 2011., p. 1.). Panian i Klepac (2003., p. 28.) smatraju kako je nastanak prvog

osiguravajućeg društva Lloyd's vrijeme kada je rođena poslovna inteligencija, a s obzirom da

su već tada osiguravatelji ovisili o točnim i ažurnim informacijama. Prije 2000 godina

tajanstveni kineski ratnik-filozof Sun Tzu napisao je možda najutjecajnije djelo o strategiji,

gdje je ustvrdio da onaj tko ima informaciju ima i moć, odnosno naglasio je vrijednost

prethodnog znanja7.

Istražujući trajnu ulogu informacija u snagama pojedinih zemalja Cohen (2009., p. 2-5.) ih

dijeli na pionire (Venecija, Švedska i Velika Britanija) i suvremene intelligence sisteme, gdje

pripadaju Japan, Njemačka, SAD i Francuska. U slučaju Venecije, čija je snaga bila najjača

između X. i XII. stoljeća, navodi se primjer veleposlanika koji su tvorili dobro organiziranu

mrežu informatora diljem Europe. Usporedbe radi, vrijedno je navesti primjer Dubrovačke

Republike gdje je njezin Senat na sjednici od 12. kolovoza 1301. godine donio odluku o

formiranju tri centra, između kojih je u kontekstu ovog rada najzanimljiviji Centar za

sakupljanje vijesti i informacija, čiji je zadatak bio prikupljanje važnih vojnih, gospodarskih i

političkih informacija iz ostalih zemalja (Dedijer, 2000., p. 131.). Ključni ljudi ovog centra

bili su Miho Procula, Prero Prodanelli i Marin Držić. Kao svježiji pionirski primjer, Cohen

(2009.) navodi Veliku Britaniju gdje su velike korporacije od 50-ih godina prošlog stoljeća

uvodile Marketing Intelligence (MkI) službe. U vrijeme kraljice Elizabete I., njezin državni

5 Autori navode nekoliko biblijskih citata u prilog svojoj tvdnji (p. 21-22). 6 Herrring citira Mojsija kada je naložio plemenima da izvide zemlju Kananovu. 7 Sun Tzu smatra da ono što omogućuje pametnu vladu i mudro vojno vodstvo da nadvlada druge i ostvari iznimna postignuća jest prethodno znanje. Za prethodno znanje drži da se ne može dobiti od duhova i utvara, ne može se imati analogijom (na ranija zbivanja), već se mora dobiti od ljudi, ljudi koji znaju prilike kod neprijatelja. Sun Tzu, Umijeće ratovanja, Misl, Zagreb, 2001., p. 254.

16

tajnik zadužen za obavještajnu službu, Francis Walsingham utemeljio je prethodnika

britanskog Secret Intelligence Servicea. Od XVII. stoljeća Britanci imaju Centar za

obavještajnu aktivnost i sigurnost, a od 1899. godine Odsjek za komercijalno-obavještajnu

aktivnost (Bazdan, 2009., p. 59). Jedan od pet principa koje je japanski car proklamirao 1868.

godine glasi: skupljati svo znanje o svijetu što može koristiti Japanu (Dedijer, 2000., p. 307.).

U XIX. stoljeću Bismarck osniva obavještajnu službu kako bi postigao prednost u

industrijskoj revoluciji nad viktorijanskom Britanijom (Bazdan, 2009; Cohen, 2009.).

Posebnost suvremenog njemačkog obavještajnog sistema leži u strateškoj informacijskoj

povezanosti banaka, osiguravajućih društava te velikih korporacija. Ovakva centralna

organizacija povezana je s trgovačkim društvima, manjim kompanijama te konzultantskim

tvrtkama u jedinstvenom nacionalnom interesu.

Prescott (1999.) nastanak poslovne inteligencije razmatra kroz tri pravca. Iskonom smatra već

spomenutog stratega Sun Tzua, dok drugi pravac obavještajnih aktivnosti, koji nastaje u

vrijeme II svjetskog rata, smješta unutar polja nacionalne sigurnosti kao političko pitanje.

Treći, najnoviji pravac, koji je bio predmet njegovog istraživanja, prvenstveno je

karakterističan za gospodarstvo. S obzirom na to da je njegov rad star preko 14 godina

zanimljivo je vidjeti kako je Prescott analizirao tri razvojne faze poslovne inteligencije, te

predvidio četvrtu. Prvu fazu smješta u 60-e i 70-e godine prošlog stoljeća te je naziva

„Prikupljanje poslovne inteligencije“. Potom, 80-ih godina nastupa druga razvojna faza koju

označava kao „Industrijsku i konkurentsku analizu“ koja traje do razdoblja pisanja njegovog

rada te je zamjenjuje faza pod nazivom „Poslovna inteligencija za strateško odlučivanje“.

Karakteristika predviđajuće četvrte faze jest „Poslovna inteligencija kao konkurentska

sposobnost“.

Pirttimaki (2007., p. 4.) drži kako korijeni poslovne inteligencije i ostalih intelligence

aktivnosti leže, između ostalog, u vojnom planiranju. U poslovanju se pojavljuju 60-ih godina

prvenstveno kao aktivnost pohrane unutar poduzeća, dok prava ekspanzija započinje tek 80-ih

godina kada u Sjevernoj Americi nekoliko najvećih kompanija organizira obavještajne

aktivnosti. Istovremeno, u Europi je fokus ovih aktivnosti još uvijek u sigurnosnoj sferi

(Gilad i Gilad, 1985; Pirtimakki, 2007.). Autori koji preferiraju informatički aspekt nastanak

poslovne inteligencije vežu uz sustave za potporu odlučivanju DSS8 (engl. Decision Support

8 Autori navode model optimizacije prihoda kod kapitalno intezivnih djelatnosti, te optimizaciju logističke mreže kao najranije primjere korištenja sistema za potporu odlučivanju.

17

Systems) i EIS9 (engl. Executive Information Systems) (Williams i Williams, 2007., p. 3-4).

Iako je Dedijer dao veliki doprinos u suvremenom promišljanju i razvoju intelligencea, a neki

ga čak smatraju ocem pojma social intelligence10 (SoI), odnosno djedom pojma intelligence

(Hedin et al., 2011., p. ix.), sam pojam business intelligence veže se uz ime Howarda

Dresnera, analitičara Gartnera (Javorović i Bilandžić, 2007; Hwang i Cappel, 2008; Watson,

2009; Isik, 2010.).

Iako nije rijedak slučaj da se u literaturi pojmovi podatak i informacija izjednačavaju s

obzirom da je podatak glavni sadržaj informacije (Javorović i Bilandžić, 2007., p. 29.), ipak

među njima postoji bitna razlika stoga je potrebno terminološki razlučiti ove pojmove te ih

proanalizirati u kontekstu njihovih odnosa s inteligencijom i znanjem. Prema Ekonomskom

leksikonu (1995., p. 319.), informacija jest objektivno svojstvo promatrane zbilje iz koje se

ona izdvaja ali ne egzistira kao samostalna supstancija, već kao izraz odnosa korisnika i

obavijesti koje tako prima. Pribavljanje relevantnih informacija daje potrebno znanje koje se

usmjeruje prema određenom zadatku i cilju što se želi postići. Prema klasičnoj definiciji

(Pirttimaki 2007., p. 38.), informacija treba ispunjavati tri uvjeta: prvo, uvijek treba postojati

objašnjenje kako informacija ne bi bila obična izjava; drugo, uvijek treba postojati potreba za

istinom; treće, ona ne smije biti produkt pogrešnog vjerovanja. Znanje se obično promatra kao

širi koncept od informacije, a podatak se na informacijskoj hijerarhiji pozicionira na najnižoj

razini. Intelligence, koja je u stvari destilirana informacija, predstavlja razvoj jedinstvene

spoznaje o činjenicama iz tvrtkinog okruženja (Miller, 2001., p. 12-13.). Redman (2008., p.

14-15.) smatra kako nije sporno da informacije nastaju od podataka, ali isto tako dodaje da oni

nisu jedini izvor informacija. Naime, promatrano kroz prizmu poslovne inteligencije svaki

tržišni signal može potencijalno postati informacija11. Određeni podatak može se prezentirati

na nekoliko različitih načina, stoga je jednako važna njegova selekcija i metoda predstavljanja

donositeljima odluka. Fuld (2010., p. 32.) kaže da je relativno lako naći informaciju ako se

znaju postaviti prava pitanja. Imati bolji pristup podacima ne mora izravno utjecati na tvrtkine

performanse, razlike se stvaraju u tome što kompanije rade s prikupljenim podacima

(Howson, 2008., p. 3.). Bilandžić i Javorović (2007., p. 29.) objašnjavaju da podatak nije

činjenica, jer sadrži mnoštvo činjenica koje ga određuju te o njemu govore. Tvrde da obrađeni

podatak, odnosno znanje o podatku, događaju ili pojavi s utvrđenim dokazanim činjenicama

9 Aplikacije poslovne inteligencije poput tablice uravnoteženih ciljeva, upravljačkih ploča te ostalih analitičkih programa predstavljaju izravni razvoj sustava za podršku vrhovnom menadžmentu. 10 Nedjeljnji vjesnik, 20.06.2004. 11 Redman drži da određeni tržišni signal može biti „informativan“ iako ne predstavlja podatak u njegovom osnovnom smislu.

18

predstavlja informaciju. Prema Thieraufu (2001., p. 4.), podatak postaje poslovna intelligence

kada se nalazi u rukama donositelja odluke koji zna što s njim treba uraditi. Kahaner (1997.,

p. 20-21.) tvrdi da je temelj konkurentske inteligencije poznavanje razlike između informacije

i inteligencije, jer intelligence predstavlja ono što je potrebno donositeljima odluka.

Informaciju promatra kao faktičnu, dok mu inteligencija predstavlja kolekciju informacija

koje su prethodno filtrirane i analizirane, a upravo sposobnost pretvaranja informacije u

inteligenciju vodi poslovnom uspjehu. Za razliku od Kahanera (1997., p. 21.), koji ne povlači

razliku između inteligencije i znanja s obzirom da tvrdi kako su to sinonimi, Thierauf (2001.,

p.7-13.) analizi podataka, informacija, inteligencije i znanja dodaje još mudrost12 i istinu, kao

što je prikazano u tablici 1.

Tablica 1. Odnos inteligencije na različitim razinama sažimanja

Razina sažimanja Definicija Važnost problema

Pristup odlučivanju

Priroda problema

Istina potvrda činjenice ili

stvarnosti vitalan konsenzus

strukturiran do nestrukturiran

Mudrost sposobnost jasne prosudbe kritičan konsenzus nestrukturirani

Inteligencija konkretna spoznaja u

razumijevanju određenih relacija

vrlo širok savjetodavan nestrukturirani i polustrukturirani

Znanje prikupljeno od eksperata

temeljeno na iskustvu važan savjetnička grupa polustrukturirani

Informacija strukturirani podatak koristan za analizu

minoran do važan savjetnički strukturirani i

polustrukturirani

Podatak nestrukturirana činjenica minoran individualan strukturiran

Izvor: Thierauf, R. J.: Effective Business Intelligence Systems, Quorum books, London, 2001., p. 8.

Svrha informacije nije znanje već mogućnost poduzimanja akcije (Drucker, 2001., prema

Sharp, 2009., p. 19.). Informacija postaje inteligencija kada zadovoljava kritične intelligence

potrebe (engl. Critical Intelligence Needs – CIN) (Fleisher i Bensoussan, 2007., p. 7.).

Liebowitz (2006., p. 6-7.) slično razmatra organizacijsku inteligenciju kao proces dodavanja

vrijednosti nastao iz tvrtkine nematerijalne imovine (znanje zaposlenika, menadžment,

12 Thierauf filozofski smatra da je istinska polazna točka ove razine ponizna tvrdnja „Ne znam!“ Esencijalno smatra da mudrost predstavlja osobni kapacitet stečen iskustvom i razmišljanjem.

19

dioničari i kupci) koja se hijerarhijski sastoji od podataka, potom informacija koje sa

spoznajom i iskustvom postaju znanje. Ono u specifičnim područjima postaje ekspertiza, koja

u konačnici s godinama iskustva i učenja postaje mudrost. Panian i sur. (2007., p. 171.)

opisuju informacijski lanac vrijednosti (engl. Information Value Chain), gdje izvorni podaci

nastaju kao nusprodukt pri obavljanju poslovnih transakcija te se u koracima transformiraju u

poslovnu inteligenciju koja se potom može angažirati za poboljšano izvođenje kasnijih

poslovnih transakcija.

Paralelno s porastom kompleksnosti podataka i informacija javlja se pitanje njihove kvalitete i

problema informacijske paralize13 (Hedin et al., 2011., p. 8-9.). Shannon je svojim radom14

dokazao da informacija može biti kvantificirana i mjerljiva, što je predstavljalo inovaciju i

svojevrsnu revoluciju (Stubbs, 2011. p. 2.). Vrednovati poslovnu informaciju nije jednostavan

zadatak s obzirom da je ona nematerijalna pa se u njezinom vrednovanju ne mogu primijeniti

konvencionalne metode. Panian i Klepac (2003., p. 40) upozoravaju da se prilikom

utvrđivanja vrijednosti informacija treba uzeti u obzir i određena doza subjektiviteta onih

pojedinaca ili skupina koji informaciju stvaraju, ali i onih koje ih primaju kako bi ih koristili u

neke specifično njima zanimljive svrhe.

Liautaud i Hammond (2006., p. 29.) tumače i vrednuju informacije polazeći od činjenice da se

njihova vrijednost proteže u kontinuumu te zaključuju kako se vrijednost informacije može

zadovoljavajuće precizno definirati kao funkcija broja korisnika koji mogu pristupati tim

informacijama i analizirati ih i broja poslovnih područja kojima korisnici pripadaju. Slika 1.

prikazuje kontinuum vrijednosti za neku informaciju i određuje pet zona u kojima se

vrijednost podataka progresivno povećava: područje izlaganja podataka, područje prve dobiti

od informacija, područje inteligencije poduzeća, područje proširenog poduzeća i područje

trgovanja informacijama. Oni (2006., p. 13-22.) razlučuju četiri modela upravljanja

informacijama:

� informacijska diktatura; riječ je o centraliziranoj upravljačkoj kulturi u kojoj tek

nekolicina korisnika ima pristup podacima;

� informacijska anarhija; koja nastaje kada pojedinci ili odjeli počnu upravljati vlastitim

potrebama za informacijama kreirajući osobne informacijske sustave koji su često bili

prepravljeni proturječnim i netočnim podacima;

13 Simptomi informacijske paralize javljaju se kod prikupljanja/dobivanja novih informacija koje donositelju odluka neće pomoći već otežati izbor relevantnih informacija potrebnih za korištenje u procesu odlučivanja. 14 Riječ je o radu „A Mathematical Theory of Communication“ iz 1948. godine.

20

� informacijska demokracija; predstavlja rezultat evolucije gdje informacije teku na

slobodan i uređen način;

� informacijska veleposlanstva; predstavljaju virtualna mjesta izvan granica kompanije

preko kojih partneri mogu razmjenjivati podatke i informacije, odnosno, služe za

povezivanje s dobavljačima, kupcima te za posredovanje u prodaji informacija.

Slika 1. Krivulja vrijednosti informacija

Izvor: Liautaud, B., Hammond M.: e-Poslovna inteligencija, Prudens Consilium, Varaždin, 2006., p. 31.

Hubbard (2010., p. 99.) navodi tri razloga zašto informacija uopće ima vrijednost u

poslovanju; (1) smanjuje neizvjesnost o odlukama što ima ekonomske posljedice, (2) utječe

na ponašanje drugih15 što također ima ekonomske posljedice, (3) informacija ponekad ima

svoju vlastitu tržišnu vrijednost. Vrijednost informacije jednaka je vrijednosti smanjenja

rizika.

15 Hubbard smatra kako je vrijednost informacije, što se tiče njenog efekta na ljudsko ponašanje, točno jednaka vrijednosti razlike u ljudskom ponašanju.

21

1.1.2. Različiti pristupi fenomenu poslovne inteligencije

U prvom poglavlju definirajući problem istraživanja navedeno jest kako uslijed nepostojanja

konsenzusa oko njezine definicije pojedini istraživači pristupaju poslovnoj inteligenciji na

različite načine, što se odražava kako u njezinom objašnjavanju, tako i u naglascima na

elemente koji je determiniraju. Howson (2008., p. 1.) objašnjava PI kroz procesni pristup

navodeći kako je sačinjavaju set tehnologija i procesa koji omogućavaju ljudima na svim

poslovnim razinama pristup podacima i njihovoj analizi. Tehnologija omogućava poslovnu

inteligenciju, međutim potencijalno preveliki fokus na njoj se može negativno odraziti na

sputavanje ljudskih inicijativa. Slično upozoravaju Williams i Williams (2007., p. 15.) kada

kažu da implementacija poslovne inteligencije zahtijeva tehnologiju; međutim, tehnologija

sama po sebi nije dovoljna jer ako tu implementaciju ne prate procesne promjene neće se

postići nikakve prednosti i progresi. Eckerson (2011., p. 32.) poslovnu inteligenciju vidi kao

skup procesa, alata i potrebnih tehnologija za preoblikovanje podataka u informacije,

informacija u znanje i planove koji pokreću učinkovite poslovne aktivnosti.

Thierauf (2001., p. 4.) kaže da su mnogi informacijski sistemi vezani uz sistem poslovne

inteligencije; međutim, razlika jest u tome što oni asistiraju donositeljima odluka u boljoj

informiranosti, dok sistem poslovne inteligencije ide korak dalje prezentirajući uvid i

razumijevanje za njihove aktivnosti danas i sutra16. Fleisher i Bensoussan (2007., p. 6.)

također definiraju PI kao proces kojim poduzeća prikupljaju akcijabilne informacije o

konkurentima i konkurentskom okruženju te ih, idealno, primjenjuju u aktivnostima

planiranja i odlučivanja s ciljem unapređenja poslovnih performansi. Pettit (2008.) prihvaća

definiciju SCIP-a17 koja kaže kako je riječ o procesu etičkog prikupljanja, analiziranja i

pružanja neophodnih informacija koje su relevantne, specifične, prigodne i prediktivne u

odnosu na poslovno okruženje i samo poduzeće. Pretpostavka ovakvog tumačenja jest

dobivanje akcijabilne informacije kao gotovog proizvoda.

Cavalcanti (2005., p. 8-9.) i Taskov (2009., p. 70.) definiraju poslovnu inteligenciju dvojako, i

to kao proces i proizvod polazeći od teze da akcijabilna informacija predstavlja sukus i svrhu

samog procesa. Prema Herringu (1996., p. 55-56.), primarni cilj sistema poslovne

inteligencije jest omogućavanje konkurentskih prednosti kroz bolju informiranost donositelja 16 Thierauf slikovito kaže da sistem poslovne inteligencije pruža donositeljima odluka mogućnost da konstantno drže prst na pulsu njihovih poslovnih aktivnosti i odluka. 17 Riječ je o udruženju BI/CI profesionalaca, SCIP predstavlja akronim od Society of Competitive Intelligence Professionals, a 2011. godine je riječ Society zamijenjena sa riječi Strategic.

22

odluka te efikasnijih strategija i poslovnih operacija. U kontekstu ove definicije sam pojam

intelligence definira kao proces i proizvod koji predstavlja akcijabilnu informaciju za

djelovanje menadžmenta. Mohanty (2008., p. 21.) smatra kako je PI temeljena na poslovnim

informacijama, prethodnim aktivnostima i strategijama za budućnost te predstavlja sve za

postizanje veće profitabilnosti analiziranjem velike količine podataka i brojki, prezentiranjem,

kvalificiranjem, pronalaženjem trenda i skrivenih uzoraka, osnaživanjem akcije za rješavanje

problema te pružanjem djelotvornog uvida.

Watson (2009., p. 491.) i Ranjan (2009., p. 60.) pristalice su šire definicije s obzirom da kažu

kako PI obuhvaća aplikacije, tehnologije i procese za prikupljanje, skladištenje i analiziranje

podataka kako bi poslovnim korisnicima olakšali donošenje boljih odluka. Watson ističe kako

PI ne uključuje samo davanje, odnosno plasman podataka (engl. Getting data out), već i

prikupljanje podataka (engl. Getting data in). Panian i Klepac (2003., p. 24-25.) naglašavaju

da svijest o potrebi prihvaćanja ovog koncepta u kompanijama raste iz dana u dan, te navode

njene jezgrene značajke: zasniva se na personalizaciji, proaktivna je, te nastaje iz operativnih

podataka. Može se reći da poslovna inteligencija predstavlja ranije prikriveno znanje koje se

otkriva iz operativnih, rutinski prikupljenih poslovnih podataka primjenom odgovarajućih

računsko-logičkih metoda, obično podržavanih informacijskom tehnologijom (Panian i sur.,

2007., p. 1.). Ono što poduzeća trebaju izbjeći jest da budu bogata podacima a siromašna

informacijama (Williams i Williams, 2007., p.1.). U svojem istraživanju 50 najvećih finskih

kompanija Hannula i Pirttimaki (2003., p. 593.) također razmatraju poslovnu inteligenciju kao

koncept te je definiraju kao organiziran i sistematičan proces nabave, analize i raspodjele

informacija značajnih za poslovne aktivnosti. Istražujući uspjeh koncepta poslovna

inteligencija Isik (2009., p. 9-13.) zaključuje kako se većina definicija reflektira ili prema

tehnološkoj ili prema organizacijskoj perspektivi, iako bi u tom smislu trebao postojati

kompromis. Hwang i Cappel (2008.) u svojemu proučavanju zaključuju kako se termin

poslovna inteligencija koristi u dva konteksta: kao sistem pod čime podrazumijevaju

prethodno navedene sisteme za podršku odlučivanju (DSS), te kao proces. Za tumačenje

procesnog pristupa mnogi autori citiraju The Data Warehouse Institute koji objašnjava

poslovnu inteligenciju kao proces pretvaranja podataka u znanje, te znanje u akciju za

postizanje poslovne dobiti. Želeći naglasiti širinu poslovne inteligencije, autori je

objašnjavaju kao disciplinu koji sačinjavaju zajedno sistemi i procesi.

Kako bi objasnili koncept poslovne inteligencije Williams i Williams (2003., p. 2-3.)

definiraju ono što ona nije; običan proizvod, tehnologija niti metodologija. Polazeći od ovih

23

ograničenja objašnjavaju je kao kombinaciju proizvoda, tehnologija i metoda s ciljem

organiziranja ključnih informacija potrebnih menadžmentu za poboljšanje profita i

performansi, što je prikazano na slici 2.

Slika 2. Što business intelligence znači u praksi

Izvor: Williams, S., Williams, N.: The Profit Impact of Business Intelligence, Morgan Kaufman, San Francisco, 2007., p. 3.

Biere (2003., p. 18.) kaže kako je PI koncizna i metodična transformacija podataka iz svih

izvora u novu formu koja pruža informacije za poticanje poslovanja a usmjerene su prema

konačnom rezultatu. Polazeći od ovakve definicije zaključuje kako je svrha investiranja u

poslovnu inteligenciju transformacija poduzeća iz reaktivnog u proaktivno u odnosu na

podatke. Brody (2008., p. 10.) smatra kako se većina definicija reflektira prema procesu, a tek

potom prema proizvodu. Kalakota i Robinson (2002., p. 387. i 424.) kažu kako je pretvaranje

podataka u znanje posao poznat pod imenom poslovna inteligencija te zaključuju kako u svom

najosnovnijem obliku ona predstavlja poslovnu strategiju tvrtke jer je postala presudnim

faktorom budućnosti poduzeća i poslovanja. U strateškom smislu PI promatraju i Liautaud i

Hammond (2006., p. 115.) obzirom da tvrde kako projekt poslovne inteligencije donosi

24

vrijednost kao dio šire strategije poduzeća. Slikovito objašnjavaju kako podaci pokreću

poslove, poslovi se ubrzavaju informacijama, a olimpijski se rekord postiže inteligencijom.

Liebowitz (2006., p. 13-22.) u kontekstu razmatranja intelligence pojmova na prvo mjesto

svrstava umjetnu inteligenciju (engl. Artificial Intelligence - AI) koja se odnosi na izgradnju

računalnih programa kao dopune snazi ljudskog mozga, uz ogradu da ne moraju nužno ostale

intelligence aktivnosti uključivati AI već da se u njima mogu koristiti. Moss i Atre (2003., p.

4-5.) tumače da poslovna inteligencija nije ni proizvod ni sistem već arhitektura i kolekcija

integriranih operativnih aplikacija i aplikacija za potporu odlučivanju te baze podataka koje

omogućuju poslovnoj skupini lakši pristup poslovnim podacima. Zaključuju da je PI18

jedinstvenost svake organizacije kao i politike i poslovnih pravila u skladu s kojima se

upravlja tvrtkom. Upravo tu jedinstvenost treba istražiti kao bi se mogla istražiti konkurentska

prednost. Li (2007., p. 307.) također definira poslovnu inteligenciju kao skup aplikacija za

prikupljanje podataka, njihovu organizaciju, analizu i ekstrakciju te sistem za lakše

spoznavanje tržišta, klijenata, dobavljača i proizvoda. Proučavajući evoluciju poslovne

inteligencije prema naprednoj analitici Stubbs (2011., p. 300.) je definira kao široku

klasifikaciju informatičkih tehnologija koje podržavaju identifikaciju i prezentaciju spoznaja.

Garača (2009., p. 138.) ubraja PI u sustave za podršku odlučivanju za potrebe najviših razina

menadžmenta, a informacije koje se kreiraju odnose se na razdoblje predviđanja. Vitt et al.,

(2002., p. 13.) označava poslovnu inteligenciju kao široko područje tehnologija, platformi

softvera, specifičnih aplikacija i procesa koji imaju tri perspektive: brže donošenje poslovnih

odluka, pretvorbu podataka u informacije i upotrebu racionalnog pristupa menadžmentu. U

svojoj analizi McGonagle i Vella (2002., p. 35-37.) zaključuju da se u literaturi udomaćio

termin competitive intelligence, dok za business intelligence kažu kako ga neki koriste za

opisivanje CI aktivnosti, odnosno za povezivanje s menadžmentom podataka (engl. Data

Management) i skladištem podataka (engl. Data Warehouse).

Javorović i Bilandžić (2007., p. 205.) smatraju kako je business intelligence (poslovno-

obavještajna aktivnost) obavještajna aktivnost u poslovnom svijetu koju planiraju,

organiziraju i provode poslovni subjekti, pri čemu ta aktivnost podrazumijeva proces legalnog

prikupljanja javnih i svima dostupnih podataka etičnim sredstvima, njihovu analizu i

pretvaranje u gotove poslovno-obavještajne analize („znanje“) radi pružanja potpore čelništvu

poslovnog subjekta s ciljem donošenja i realizacije što kvalitetnijih poslovnih odluka

18 Moss i Atre poslovnu inteligenciju također nazivaju inteligencijom o poslovanju (Business intelligence, or intelligence about the business...), p. 31.

25

usmjerenih na očuvanje postojeće pozicije poslovnog subjekta u poslovnom okruženju,

izbjegavanje bilo kakvih prijetnji i u konačnici na ukupni kvalitativni napredak poslovnog

subjekta. Hugos (2006., p. 120-121.) jednostavnije definira PI: kao sistem koji pomaže

tvrtkama da shvate što se događa unutar njih samih kao i unutar tržišta na kojima posluju.

Srića i Muller (2001., p. 43.) opisuju je kao sposobnost skupljanja, obrade, interpretacije i

uporabe informacija u svrhu uspješnijeg poslovanja, tj. sposobnost pretvaranja podataka i

informacija u inteligentne akcije.

Prema Giladu (1996., p. 21.), poslovna inteligencija19 jest alat poslovnog lidera, osnovna

nadležnost što nastaje od tvrtkinog usmjerenja na kupca, koja neprestano nastoji istražiti

konkurentsku izvrsnost, dok istovremeno osujećuje konkurentska iznenađenja. Ovo je

potrebno sagledati u kontekstu strateške namjere postizanja i očuvanja najbolje tržišne

pozicije. Cohen (2009., p. 49.) tumači stratešku inteligenciju20 kao formalizirani proces

istraživanja, prikupljanja i procesuiranja informacija te distribucije znanja korisnog u

strateškom menadžmentu. Sharp (2009., p. 15-20.) analizira PI kao menadžersku disciplinu te

je definira kao znanje i buduće znanje o ukupnom poslovnom okruženju koje rezultira

akcijom. Upravo akcija determinira njezin uspjeh jer ako ona izostane informacija ostaje na

razini lijepo je znati, dok realizirana akcija potvrđuje poslovnu inteligenciju kao kontinuirani

proces i proizvod. Poslovna inteligencija nije ništa manje već krucijalna druga polovica

strateškog planiranja (Meyer, 1987., prema Gilad, 1996., p. 21.).

1.1.3. Terminološko određenje pojma business intelligence i njemu srodnih pojmova u znanstvenim radovima

Prije nego se razmotre različiti intelligence koncepti i pojmovi potrebno je istaknuti kako u

svojoj osnovi skoro svi dijele isti smisao kao i business intelligence: prikupiti sirove podatke,

pretvoriti ih u informacije kako bi se u konačnici dobilo akcijabilno znanje i inteligencija za

donošenje upravljačkih odluka. U ovom će se poglavlju razmotriti odnos pojmova intelligence

19 Zbog točnosti citata potrebno je kazati kako Gilad koristi pojmove business intelligence i competitive intelligence kao sinonime jer kaže: „Business or competitive intelligence is...“ 20 Cohen, kao francuski autor, u svojoj knjizi objašnjava terminološke razlike i probleme koji se javljaju kod prevođenja pojmova vezanih uz intelligence. Iako će o ovoj problematici biti više riječi u sljedećem poglavlju potrebno je navesti kako ona koristi termine intelligence, business intelligence i strategic intelligence za opis globalnih intelligence aktivnosti.

26

i inteligencija, prezentirati međusobni odnos različitih intelligence termina u istraživanim

znanstvenim radovima te analizirati sličnosti i razlike najčešće korištenih intelligence

pojmova povezanih s poslovnom inteligencijom.

1.1.3.1. Intelligence i inteligencija

Izraz poslovna inteligencija najčešće je korišteni hrvatski prijevod engleskog pojma business

intelligence, iako se koriste i termini „poslovno izvještavanje“, „poslovne izvjesnice“,

„poslovno obavješćivanje“, „poslovno istraživanje“ te „upravljanje poslovnim podacima“

(Panian i Klepac, 2003; Klepac i Mršić, 2006; Javorović i Bilandžić, 2007; Akrap, 200821;

Bilandžić, 2008; Bazdan, 2009; Garača, 2009.). S obzirom da je i u svjetskim razmjerima riječ

o relativno novome pojmu još uvijek se u domaćim krugovima nije postigao konsenzus oko

prijevoda. Ovome najviše pridonosi nemogućnost jednoznačnog prevođenja pojma

intelligence kao sastavnoga djela sintagme business intelligence.

Prema engleskom rječniku hrvatskog izdanja (Filipović, 1991., p. 578.), pojam intelligence

prevodi se kao:

1) pamet, razum, inteligencija, pronicljivost, razumijevanje, brzo shvaćanje,

snalažljivost, prisebnost, razumijevanje;

2) obavijest, obavještajna služba.

Prema Ponsovom rječniku (1989., p. 506.), ovaj se pojam objašnjava kao:

1) sposobnost razumijevanja i učenja stvari;

2) sposobnost razmišljanja i razumijevanja umjesto djelovanja prema instinktu ili

automatizmom;

3) informacija prikupljena od vlade ili vojske o njihovim neprijateljima.

Noviji Oxfordov rječnik (2010., p. 807.) intelligence tumači kao:

1) sposobnost učenja, razumijevanja i logičnog razmišljanja o različitim stvarima,

sposobnost dobrog djelovanja;

21 Članak je izvorno objavljen pod pseudonim Danijel Ćosić Dragan.

27

2) tajna informacija koja je prikupljena npr. o stranoj zemlji, pogotovo o

neprijateljskoj, ljudi koji prikupljaju ove informacije.

Prema Rječniku hrvatskog jezika (Anić, 2007., p. 149.), inteligencija se tumači kao:

sposobnost shvaćanja i brzog snalaženja u novim prilikama, sposobnost otkrivanja zakonitosti

u odnosima među činjenicama i rješavanju problema, oštroumnost te pamet. Leksikon

menadžmenta (Bahtijarević-Šiber i Sikavica, 2001., p. 177.) kaže kako je riječ o individualnoj

sposobnosti rješavanja problemskih situacija koje se ne mogu rješavati na neki naučen,

standardan način. To je opća snalažljivost u rješavanju problema. Ponekad se jednostavno

određuje kao sposobnost rezoniranja i brzina mentalnog shvaćanja, odnosno sposobnost osobe

da uči, misli apstraktno, rješava probleme i općenito se prilagođava novim situacijama u

svojoj okolini.

Von Clausewitz (1852. prema Michaeli, 2004., p. 2.) objašnjava intelligence kao sve

informacije koje se imaju o neprijatelju i njegovoj zemlji a predstavljaju temelj za planiranje i

poduzimanje akcija. Američka vojna enciklopedija tumači pojam intelligence kao proizvod

nastao kao rezultat prikupljanja, obrade, integracije, analize, procjene i interpretacije

dostupnih informacija koje se odnose na druge države ili područja (Javorović i Bilandžić,

2007., p. 174.). Rodenberg (2012., p. 15.) također kaže da se korijeni intelligence aktivnosti

nalaze (i još su uvijek) u vojsci i državi. Američka obavještajna služba (Central Intelligence

Agency – CIA) (Herring, 1996., p. 54.) definira ovaj pojam kao znanje i prethodno znanje o

svijetu koji nas okružuje – preludij za predsjedničku22 odluku i akciju. U sklopu ove analize

potrebno je naglasiti kako intelligence ima u kvalitativnom smislu veću vrijednost od

informacije, jer je to krajnji proizvod nastao sustavnim prikupljanjem, verifikacijom i

analizom podataka odnosno informacija kako bi se steklo znanje o određenim problemima,

odnosno, to je sve što je potrebno znati da bi se učinkovito djelovalo (Dedijer, 1999.). U

kontekstu poslovne inteligencije Mohanty (2008., p. 22.) tumači intelligence kao sposobnost

realizacije poslovnog uspjeha jednostavnijim pristupom akcijabilnim informacijama kroz

pravovremen i točan uvid u poslovne okolnosti. Fuld (1995., p. 24.) tumači intelligence kao

implikaciju koja omogućuje donošenje odluka, odnosno u svom novijem djelu (2010., p. 20.)

objašnjava kako intelligence predstavlja učinkovito korištenje informacije te odlučivanje

22 U svom članku Herring predlaže da se riječ Presidental zamijeni sa CEO, COO, CFO ili general manager kako bi se definicija elegantno prilagodila poslovnom svijetu i uvjetima.

28

temeljem slike koja ne treba biti perfektna23. Ona podrazumjeva čistu sliku konkurencije,

razumijevanje njihove strategije te rano djelovanje temeljem tog znanja.

Garača (2009., p. 138.) objašnjava problem: u engleskom jeziku riječ intelligence ima dva

značenja, a u hrvatskom samo jedno - inteligencija, te dodaje kako je za ovu situaciju

(prevođenje pojma business intelligencea op.a.) relevantno ono značenje koje se odnosi na

prikupljanje, obradu, analizu i interpretaciju podataka o okruženju nekog sustava u vojno-

sigurnosnom kontekstu24. Bilandžić (2008., p. 28-33.) nije pristalica korištenja prijevoda

poslovna inteligencija već se zalaže za korištenje izvorne sintagme25. Promatrajući

intelligence kroz prizmu menadžmenta Fleisher i Bensoussan (2003., p. 6.) ga definiraju kao

proizvod s dodanom vrijednošću koji je nastao iz prikupljanja, procjene, analize, integracije i

tumačenja svih raspoloživih informacija što se odnose na jedan ili više aspekata

menadžmenta, a koji je neposredno ili potencijalno značajan za donošenje odluka, dok Waters

(2010., p. 11.) kaže kako je osnovna svrha intelligencea smanjenje neizvjesnosti u svakom

konfliktu26. Akrap (2008., p. 56.) taj uradak, engleski intelligence koji je rezultat analitičke

obrade, na različite načine prikupljenih podataka, naziva izvjesnicom27.

Iako postoje ozbiljne rasprave s kvalitetnom argumentacijom oko načina rješavanja

prevođenja sintagme business intelligence, odnosno prvenstveno pojma intelligence činjenica

jest da se domaći autori još uvijek nisu približili usklađenju svojih stavova. Ovo i ne mora

čuditi pogotovo kada se ima u vidu koliko nejasnoća, preklapanja i korištenja različitih

sinonima postoji u inozemstvu kod definiranja i opisivanja intelligence pojmova i područja

što će se vidjeti u nastavku ovog rada. Zbog što kvalitetnije prezentacije istraživačke materije

u nastavku će rada biti korištene zajedno izvorne sintagme i hrvatski prevodi.

23 Fuld (2010., p. 20.) smatra kako nije cilj kreiranje savršene slike, već slike koja održava spoznajnu realnost. 24 Garača smatra da analogija vojno-sigurnosnih sustava sa suvremenim poslovnim aspektima i uvjetima poslovanja te organiziranje posebnih odjela za ove zadatke u poslovnim sustavima ukazuje da je najbolje upotrebljavati izvorni naziv. 25 Bilandžić objašnjava svoj stav s nekoliko argumenata; 1) u smislu prijevoda, odnosno tumačenja da pojam intelligence osim inteligencije označava i obavještajnu djelatnost, obavještajne časnike, obavještajne proizvode i obavještajne službe; 2) u sadržajnom smislu, jer kaže da je krajnji rezultat business intelligencea akcijabilno znanje, a ono ga razlikuje od inteligencije; 3) za business intelligence kaže da je to obavještajna funkcija u spektru poslovanja, te s inteligencijom ima veze utoliko što je to inteligentni mehanizam, mehanizam kojim se stječe znanje. 26 Waters (2010., p. 11.) objašnjava kako je od Kaina i Abela pa do današnjih dana borbe protiv terorizma osnovna svrha intelligencea smanjenje svih oblika neizvjesnosti u konfliktu, borbi ili konkurentnosti. 27 Slijedom već navedene analogije, Akrap naziv intelligence u širem smislu, odnosno u smislu organiziranog i smislenog kružnog izvještajnog procesa, po kojem izvještajne službe svojim korisnicima podnose izvješća u obliku izvjesnica prevodi pojmom izvjesništvo.

29

1.1.3.2. Odnos različitih intelligence pojmova u znanstvenim radovima

Mnogi autori svjesni terminoloških problema nastalih uslijed povijesnih, jezičnih,

kulturoloških ili poslovnih okolnosti pokušali su na različite načine dati svoj doprinos

uređenju odnosa unutar širokog spektra intelligence područja. Cohen (2009., p. 31.) u svojem

istraživanju pronašla je u upotrebi 25 različitih termina u publikacijama objavljenim od 1967.

godine na engleskom jeziku.

Među ranijim radovima jest ono McGonagle i Velle (1996., p. 13-18.) gdje autori polaze od

definiranja pojma Cyber Intelligence pod čime podrazumijevaju viziju intelligence aktivnosti

koja funkcionira u de facto nevidljivim granicama odnosno, ona predstavlja ekspresiju

nastanka mrežne organizacije. Prema njima, Cyber Intelligence se sastoji od nekoliko djelova:

kompetitivne inteligencije, strateške inteligencije, tržišne inteligencije, upravljanja krizom,

usporedbi s tržišnim liderima, reverznog inženjeringa (engl. Reverse engineering), te

obrambene inteligencije što je prikazano na slici 3.

Slika 3. Preklapanje blokova koji tvore Cyber Intelligence

Izvor: McGonagle, John J., Vella, Carolyn M.: A New Archetype for Competitive Intelligence, Quorum books, London, 1996., p. 18.

30

Jenster i Soilen (2009., p. 12-14.) osnovno intelligence područje dijele na dva glavna dijela:

privatni i državni. U svojem radu predlažu zamjenu starog značenja BI s terminom Private

intelligence jer se, prema njima, termin BI previše povezuje s informacijskom tehnologijom u

sklopu intelligence analize. Njihov dijagram odnosa različitih intelligence područja prikazan

je na slici 4.

Slika 4. Studija intelligence aktivnosti

Izvor: Jenster, Per V., Soilen, Klaus S.: Market Intelligence – Building Strategic Insight, Copehagen Business School Press, 2009., p. 13.

Tyson (1986., p. 9. prema Hannula i Pirttimaki, 2003., p. 594.) osamdesetih godina prošlog

stoljeća identificirao je potrebu kontinuiranog motrenja kupaca, konkurencije, dobavljača i

drugih interesnih polja te zaključio da BI čine: customer intelligence, competitor intelligence,

market intelligence, technological intelligence, product intelligence te environmental

intelligence. Brody (2008., p. 10.) u svojoj analizi kaže kako autori koriste termine poslovna

inteligencija, strateška inteligencija, korporativna inteligencija, tehnička inteligencija,

konkurentska analiza, kupčeva inteligencija te monitoring okoline kada u stvari govore o

31

kompetitivnoj inteligenciji. U prilog tezi o različitim pristupima i tumačenjima vrijedno je

usporediti prezentiran Jensterov i Soilenov dijagram s rezultatima istraživanja koje je objavila

Pirttimaki o povezanosti intelligence koncepata (Pirttimaki, 2007., p. 93.). Prema njoj,

najznačanija je razlika između business intelligencea i ostalih koncepata u tome što su ostali

koncepti većinom usredotočeni na vanjsko okruženje ili jedinstveni informacijski element te

se informacije prikupljaju iz vanjskih izvora, dok se poslovna inteligencija generalno definira

kao šira.. Slika 5. prikazuje rezultate njezinog istraživanja odnosa različitih intelligence

koncepata. Za uočiti jest kako temelj njezina model asocira na onaj koji su prezentirali

McGonagle i Vella (slika 3.), a osnovnu - ključnu razliku predstavlja različito pozicioniranje

(i definiranje) BI-a te izostavljanje njezinog obrambenog aspekta.

Slika 5. Odnos business intelligencea i ključnih intelligence koncepata

Izvor: Pirttimaki, V.: BI as a Managerial Tool in Large Finnish Companies, 2007., disertacija, Tampere University of Technology, p. 93.

Za dobivanje jasnije slike o odnosima i korištenjima pojedinih termina potrebno je pogledati i

usporediti rezultate nekoliko istraživanja na ovu temu. Global Intelligence Alliance (GIA) u

proljeće 2005. godine provela je istraživanje o korištenju CI u velikim kompanijama28 na

28 Rezultati su objavljeni u dokumentu „Competitive Intelligence in Large Companies – Global Study“, GIA white paper 4/2005.

uzorku od 287 poduzeća iz 18 država

Hong Konga, Indije, Japana, Koreje, Malezije, Meksika, Nizozemske, Norveške, Singapura,

Tajvana, Tajlanda i Švicarske).

istraživanje tržišta (engl. Market Research

7,6% nadzor tržišta (engl. Market Monitoring

upravljanje znanjem (KM). Dvije godine kasnije ponovili

poduzeća iz devet zemalja (Belgije, Brazila,

Španjolske, Velike Britanije i SAD).

(26,3%), potom MI (16,7%), te CI (14,2%)

Graf 1. Rezultati korištenih pojmova

Izvor: Konstrukcija autora na temelju podataka rezultata istraživanja „Market Intelligence in Large Companies Global Study“ objavljenih 22.05.2007.

Ovo je istraživanje također pokazalo da su njemač č

pojam intelligence (CI, MI ili BI)

29 Nedostatak ovog uzorka predstavlja č

imaju svoje partnere, tako da su iz uzorka izuzete neke zemlje s razvijenim Francuske, SAD i Velike Britanije. Takođ30 Rezultati istraživanja pod naslovom „prezentirani su na Webinaru, 22.05.2007. godine.

26,2%

19,7%

Terminologija korištenih pojmova

ća iz 18 država29 (Australije, Brazila, Kanade, Kine, Finske Njemač


Tajvana, Tajlanda i Švicarske). Prema ovom istraživanju 29.6% poduzeć

Market Research), 20% termin BI, 16,2% CI, 13,6% termin MI

Market Monitoring), 5,1% competitor intelligence, te

Dvije godine kasnije ponovili su istraživanje30

ća iz devet zemalja (Belgije, Brazila, Finska Njemačke, Indije, Nizozemske,

Španjolske, Velike Britanije i SAD). Prema ovom istraživanju, najkorišteniji

(26,3%), potom MI (16,7%), te CI (14,2%), što je prikazano na grafu 1.

Rezultati korištenih pojmova

Izvor: Konstrukcija autora na temelju podataka rezultata istraživanja „Market Intelligence in Large Companies Global Study“ objavljenih 22.05.2007.

đer pokazalo da su njemački ispitanici samo u 40% sluč

, MI ili BI) , a najviše su u upotrebi bili pojmovi istraživanje tržišta,

Nedostatak ovog uzorka predstavlja činjenica da je GIA provodila istraživanje samo u onim zemljama gdje

imaju svoje partnere, tako da su iz uzorka izuzete neke zemlje s razvijenim intelligenceFrancuske, SAD i Velike Britanije. Također, objedinjeni su rezultati deset zemalja pod oznakom Azija

Rezultati istraživanja pod naslovom „Market Intelligence in Large Companies –prezentirani su na Webinaru, 22.05.2007. godine.

19,7%16,7%

14,2%

9,4%6,4% 6,0%

Terminologija korištenih pojmova

32

(Australije, Brazila, Kanade, Kine, Finske Njemačke,


.6% poduzeća koristi termin

), 20% termin BI, 16,2% CI, 13,6% termin MI,

competitor intelligence, te 2,8% 30 na uzorku od 281

čke, Indije, Nizozemske,

ajkorišteniji je pojam BI

Izvor: Konstrukcija autora na temelju podataka rezultata istraživanja „Market Intelligence in Large Companies –

đ čki ispitanici samo u 40% slučajeva koristili

u upotrebi bili pojmovi istraživanje tržišta,

da je GIA provodila istraživanje samo u onim zemljama gdje intelligence aktivnostima poput

znakom Azija – Pacifik. – Global Study 2007“

1,3%

33

strateški uvid (engl. Strategic Insight) ili strateška analiza tržišta (engl. Strategic Market

Analysis), dok su belgijski i brazilski ispitanici u više od polovice slučajeva koristili termin

MI. Frishammar (2002., p. 152.) analizirao je različite načine i karakteristike procesuiranja

informacija te su njegovi zaključci prikazani u tablici 2.

Tablica 2. Usporedba različitih načina procesuiranja podataka

Ori

jen

taci

ja

pre

ma

bu

duć

no

sti

Ffo

kus

Met

od

a

Do

dav

anje

vr

ijed

no

sti

Vez

a s

od

lučiv

anje

m

Dje

lokr

ug

Skeniranje okruženja

da nabavljanje generalnih info

o događajima ili fenomenima u okruženju

skeniranje da i ne jaka širok,

uključuje BI

Business Intelligence

da interpretacija informacija o promjenama u okruženju

intelligence ciklus

da jaka

dio skeniranja okruženja, uključuje

ostale intelligence

Competitive Intelligence

da interpretacija informacija o

konkurentskoj poziciji intelligence

ciklus da jaka dio BI-a

Competitor Intelligence


konkurentima intelligence


Market Intelligence

da interpretacija informacija s

fokusom na kupce intelligence


Political Intelligence


političkim faktorima intelligence


Marketing research

da informacije iz okruženja o

firminim marketinškim planovima

marketinško istraživanje

da jaka uže

Information management

da (do neke

granice)

primarni fokus na menadžmentu IT-a ali isto

tako planiranje info politike, info sistema i info protoka

n/a da i ne jaka šire, uključuje informacijski

sistem

Izvor: Frishammar, J.: Characteristics in information processing approaches, International Journal of Information Management, 2002., 22, p. 152.

Cavalcanti (2005., p. 9.) u sklopu svojeg istraživanja utjecaja BI-a na poslovni uspjeh je

razlučio poslovnu inteligenciju na dva dijela;

� external intelligence (ExI) koji se sastoji:

34

- environmental intelligence (odnosi se na ekonomsku, tehnološku, socijalnu,

političku, zakonodavnu i prirodnu okolinu),

- market intelligence (odnosi se na izravne i neizravne konkurente, dobavljače i

partnere, distributere, proizvode te dijelove tržišta),

- consumer intelligence (odnosi se na današnje klijente, stvarne – krajnje

potrošače, potencijalne kupce, demografske i fizičke informacije i znanje o

trendovima ciljane skupine).

� organizational intelligence (OI) (odnosi se na marketing i prodaju, proizvodnju,

istraživanje i razvoj, financije, ljudske potencijale, te generalnu administraciju).

Za vrijeme realizacije VisiPro projekta31 tijekom 2005. godine napravljena su istraživanja o

korištenju intelligence terminologije u Finskoj i Kanadi. Prema rezultatima istraživanja

(Pirttimaki, 2007., p. 10-11.), termin BI u Finskoj se koristi u dvije trećine slučajeva (67%),

dok se u Kanadi najviše koristi termin CI (39%). Pirttimaki (2007., p. 136.) ove je rezultate

usporedila s onima iz istraživanja provedenog 2002. godine te je zaključila kako među njima

nema značajnije razlike. BI je statistički najznačajniji termin u upotrebi, dok je CI gotovo

zanemariv (7-8%).

1.1.3.3. Kompetitivna inteligencija – Competitive Intelligence

Iako je pojam competitive intelligence nastao prije pojma business intelligence, još uvijek

postoje određena razmimoilaženja različitih autora u njihovim tumačenjima s obzirom da ih

neki koriste kao sinonime, dok drugi rade jasnu razliku. Osim samih autora, uočava se i

terminološka razlika vezana uz različita zemljopisna područja, pa Pirttimaki (2007., p. 61.)

kaže da je termin BI relativno prevladavajući u Europi, dok se termin CI više koristi u sj.

Americi. Prema Bilandžiću (2008., p. 24-25.), američko gospodarstvo naglašava

konkurentnost (engl. Competitiveness), pa stoga i ne čudi što se uz intelligence aktivnosti na

američkom tržištu udomaćio naziv competitive intelligence.

31 VisiPro označava dvogodišnji istraživački projekt pokrenut 2000. godine od strane Tampere University of Technology (TUT) pod nazivom „Business Intelligence Processes and Technologies in Improving the Visibility of Business Processes and Value Networks“ s ciljem dubljeg razumijevanja fenomena Business Intelligence.

35

Fuld (2010., p. 1-5.), po mnogima tvorac samog pojma competitive intelligence, kaže da se

ona temelji na dva bloka: jedan je sposobnost pronalaska prave informacije, a drugi, kritičniji,

predstavlja sposobnost nepristrane interpretacije prošlih tržišnih poremećaja. On ne dvoji da

će ova aktivnost, vidjeti kroz i ispred brzo mijenjajućeg rivala, postati kritična komponenta

poslovnog arsenala. Gilad, jedan od pionira ovog područja (1996., p. 20.), ubraja se među

autore koji ne prave razliku između ova dva analizirana pojma, štoviše njima kao sinonim

pridružuje i pojam competitor intelligence.

Wheelen i Hunger (2006., p. 92.) također drže da je riječ o istom pojmu32 i definiraju ga kao

formalni program prikupljanja informacija o tvrtkinoj konkurenciji te kažu kako je riječ o

jednom od najbrže rastućih polja unutar strateškog menadžmenta. Premda Howson (2008., p.

1-2.) koristi pojam business intelligence, istovremeno konstatira kako su u upotrebi i drugi

termini poput competitive intelligencea, izvještavanja (engl. Reporting), analize te zaključno

relativizira terminologiju jer zaključuje kako bez obzira koji se termin koristi važan je konačni

cilj. Sharp (2009., p. 21-22., 98.) priznaje kako su se ovi pojmovi koristili kao sinonimi do

kasnih 90-ih godina prošlog stoljeća, a danas se business intelligence prvenstveno odnosi na

rudarenje podacima (engl. Data Mining), praksu koja je pokretana informatičkom

tehnologijom jer je, prema njoj, ovaj termin uzurpiran od strane IT zajednice.

Objašnjavajući je istovremeno kao proces i proizvod, Panian i sur. (2007., p. 18.) kažu da

kompetitivna inteligencija tvrtke obuhvaća široku lepezu znanja, informacija i podataka o

njenoj sveukupnoj konkurenciji: od identifikacije korporacijskih ciljeva konkurenata, njihovih

jakih strana i nedostataka, preko podataka o zaposlenicima, njihovih životopisa i osobnih

profila menadžera, pa sve do njihovih planova razvoja i plasmana novih proizvoda i poslovnih

strategija konkurentskih poduzeća. Panian i sur. (2007., p. 1-4.) u svojoj su analizi poslovne

inteligencije krenuli logičkim redom analizirajući i raščlanjujući tvrtkine izvore podataka, što

je u konačnici rezultiralo sa četiri osnovne sastavnice: klijentskom inteligencijom,

kompetitivnom inteligencijom, inteligencijom opskrbnog lanca i unutarnjom inteligencijom

tvrtke, što je prikazano na slici 6. Bilandžić i Javorović (2007., p. 197.) ističu kako ni u ovom

slučaju ne postoji općeprihvaćena definicija, ali ukazuju da ih većina određuje competitive

intelligence kao obavještajnu djelatnost odnosno proces prikupljanja podataka legalnim

sredstvima i iz javnih (otvorenih) izvora, obrade tih podataka te izrada analiza koje služe pri

32 Wheelen i Hunger u jednoj rečenici pružaju definiciju pojma competitive intelligence, a slijedeću započinju s „Often called business intelligence, it is...“

36

donošenju odluka u poslovnim subjektima vezano za ukupnu tržišnu konkurenciju, konkretne

konkurente na tržištu i konkurentnost poslovnog subjekta koji provodi aktivnost.

Slika 6. Sastavnice poslovne inteligencije

Izvor: Panian, Ž. i sur.: Poslovna inteligencija – Studija slučajeva iz hrvatske prakse, Narodne Novine, Zagreb, 2007., p. 5.

Prema Breedingu (2001., p. 64-65.), koncept BI tvori pet sastavnica: competitive intelligence,

customer/prospect intelligence, market intelligence, technical intelligence, te partner

intelligence33. Liebowitz (2006., p. 19-20.) business intelligence gleda uže nego competitive

intelligence koja u naravi predstavlja nalaženje onog što nam treba pomoću onog što imamo34.

Miler (2001., p. 9. i 13.) slikovito je usporedio poduzeće bez intelligence aktivnosti s avionom

bez radara te navodi i razlikuje četiri tipa ovih aktivnosti; strategic, business, competitive i

competitor intelligence. Fleisher i Bensoussan (2007., p. 6-7.) također prave razliku među

pojmovima te pozicioniraju competitive intelligence između business intelligencea i

competitor intelligencea. Specijalizirano polje PI-a poznato kao CI isključivo se fokusira

prema vanjskom kompetitivnom okruženju. Povezujući BI sa sofverskim rješenjima,

Rodenberg (2012., p. 19.) definira CI kao analitički i intelektualni proces koji transformira

neagregirane tržišne, kupčeve, konkurentske, dobavljačeve, tehnološke i ostale ključne

podatke-informacije-znanje u korisnu akcijabilnu intelligence za unapređeno odlučivanje.

33 U sklopu partner intelligencea Breeding pozicionira profile partnera (tvrki), biografije ključnih ljudi u partnerskim organizacijama te baze podataka kupaca partnerskih organizacija. 34 Liebowitz ovu konstataciju preuzima iz knjige Helen Rothberg i Scotta Ericksona „From Knowledge to Intelligence: Creating Competitive Advantage in the Next Economy“.

37

1.1.3.4. Strateška inteligencija – Strategic Intelligence

Jedan od načina kako pojedini autori preciziraju ulogu i poziciju business intelligencea u

sklopu poslovanja jest diferencijacija prema određenim razinama važnosti, odnosno složenosti

poslovanja, pa Thierauf (2001., p. 66-67.) radi kategorizaciju na operativnu, taktičku i

stratešku. Prema njemu, operational intelligence pomaže donositeljima odluka u raznim

sferama poslovanja kroz razdoblja od nekoliko dana, tjedana ili mjeseci, dok tactical

intelligence pokriva vremenski prostor od godinu dana. Strategic intelligence koristan je

donositeljima odluka na najvišim upravljačkim razinama menadžmenta za primjereno

kombiniranje relevantnih vanjskih i unutarnjih podataka, informacija i znanja za buduće

razdoblje koji obično iznosi od dvije do pet godina. Thierauf (2001., p. 310.) naglašava

važnost financijske inteligencije (engl. financial intelligence - FI) koji prožima sva tri

navedena osnovna tipa intelligencea35.

McGonagle i Vella (1996., p. 18) vrše podjelu na strategic intelligence, competitive

intelligence, market intelligence i defensive intelligence. Nekoliko godina kasnije McGonagle

i Vella (2002., p. 36-37) redefiniraju svoju podjelu prema strateškoj, taktičkoj, tehnološkoj i

ciljanoj orijentaciji. Stratešku orijentaciju definiraju slično kao i Thierauf, međutim, u sklopu

nje još naglašavaju intelligence aktivnosti oko potencijalnih spajanja, preuzimanja i mogućih

partnerstava. Objašnjavaju kako je riječ o korporativnom radaru dizajniranom za

omogućavanje pogleda na ukupno okruženje: konkurencije te regulativne i političke domene.

U svom modelu Cyber Intelligencea McGonagle i Vella (1996., p. 52-54.) ne uspostavljaju

izravnu poveznicu između strateške i tržišne inteligencije objašnjavajući to činjenicom da se

tržišna bavi sadašnjošću i pružanjem podrške za operativno odlučivanje, a ne strateško.

Istovremeno stratešku inteligenciju usko povezuju s upravljanjem krizama i obrambenom

inteligencijom. Prema Liebowitzu (2006., p. 14 i 22.), koji također pravi razliku od

operational i tactical intelligencea, SI predstavlja agregaciju svih intelligence aktivnosti u

poduzeću, odnosno upravljanje znanjem (engl. Knowledge Management – KM), business

intelligence, te competitive intelligence. Prema njemu, zadatak je SI maksimiziranje strateške

misije i vizije poduzeća (Liebowitz, 2006., p. 60.). Objašnjavajući SI, Miller (2001., p. 13.)

naglašava odnos sa strateškim odlučivanjem te razvojem proizvoda. On povlači jasnu razliku

između SI, BI, CI i competitor intelligencea.

35 Thierauf navodi kako postoje široke poslovne mogućnosti korištenja integriranih alata, tehnika i metoda financial intelligencea u razvoju fleksibilnog business intelligencea za različite aktivnosti; trgovanja, portfolio analize, arbitraže, te analize tečaja i financijskih instrumenata.

38

Marchand i Hykes36 (2007., p. 1-3.) kažu da SI znači pravovremeno imati pravu informaciju u

rukama pravih ljudi kako bi oni mogli donijeti informirane poslovne odluke u svezi strateške

budućnosti poslovanja. Zadatak je strateške inteligencije opskrbiti kompaniju s potrebnim

informacijama o njenoj okolini kako bi se mogle anticipirati promjene te dizajnirati

primjerene poslovne strategije. Autori povlače razliku između SI i CI objašnjavajući potonji

kao proizvod pripremljen od strane manje grupe analitičara za potrebe višeg menadžmenta

kako bi im se olakšalo donošenje odluka, npr. hoće li ući u zajednički posao s drugom

kompanijom.

Panian (2007., p. 91-92.) smatra da se strateške primjene fokusiraju na ostvarivanje

dugoročnih ciljeva poput povećanja prihoda i smanjenja troškova, a primjenom poslovne

inteligencije na taktičkoj i operativnoj razini dolazi do njezine demokratizacije s obzirom da

prestaje biti ekskluzivnim dobrom ili pravom manjih skupina unutar tvrtke. Tablica 3.

prikazuje Panianovu razdiobu najvažnijih obilježja strateške, taktičke i operativne PI.

Tablica 3. Najvažnija obilježja strateške, taktičke i operativne poslovne inteligencije

Strateška PI Takti čka PI Operativna PI

Poslovni fokus Ostvarivanje dugoročnih poslovnih ciljeva

Upravljanje taktičkim inicijativama radi ostvarivanja strateških ciljeva

Upravljanje i optimizacija dnevnih poslovnih operacija

Primarni korisnici Vrhovni menadžment i poslovni analitičari

Srednji menadžment, poslovni analitičari i operativni menadžment

Operativni menadžment i klijenti

Vremenski horizont Mjeseci, godine Dani, tjedni, mjeseci Unutar radnog dana

Podaci Povijesni, ključni pokazatelji uspjeha

Povijesni pokazatelji i podaci

Aktualni, realnovremenski podaci

Izvor: Panian Ž. i sur.: Poslovna inteligencija – Studije slučajeva iz Hrvatske prakse, Narodne Novine, Zagreb, 2007., p. 93.

36 Marchand i Hyke su u stvarnosti dali definiciju business intelligencea, međutim njihova je definicija stavljena u ovo poglavlje s obzirom da su je titulirali kao strategic intelligence, a dobro dođe kao potvrda različitih pristupa i terminoloških i pojmovnih razmimoilaženja istraživača.

39

Prema Brouardu (2007., p. 123.), SI predstavlja rezultat procesuiranja informacija pomoću

kojih poduzeće ostaje informirano o svojem okruženju sa zadatkom donošenja odluka

sukladnih postavljenim ciljevima, a čine ga četiri potprocesa: tehnološko skeniranje,

konkurentsko skeniranje, komercijalno skeniranje te socio skeniranje. Termini koji se koriste

za opisivanje sličnih koncepata su, prema njemu, business intelligence, competitive

intelligence, skeniranje okruženja (engl. Environmental Scanning), te strateško skeniranje

(engl. Strategic Scanning).

Cohen definira SI (2009., p. 49.) kao formalizirani proces istraživanja, prikupljanja,

procesuiranja i distribucije znanja korisnog u strateškom menadžmentu. Osim informacijske

funkcije, glavni su ciljevi SI anticipiranje prijetnji i prilika iz okruženja (anticipatorska

funkcija), predlaganje i angažiranje (proaktivna funkcija), pomoć u strateškom odlučivanju te

unapređenje konkurentnosti i performansi poduzeća. Realizacija navedenog zahtijeva

organizacijsku mrežu strukturiranu od ljudi, tehnike i financijskih metoda. Potrebno je

istaknuti kako Cohen (2009., p. 47.) izjednačava koncept SI s BI, za koje kaže da su evoluirali

iz koncepta konkurentske inteligencije. Istražujući evoluciju aktivnosti praćenja i nadgledanja

poslovne okoline, Cohen analizira i razloge uslijed kojih se u Francuskoj relativno kasno

udomaćio termin intelligence, a koji su nastali isključivo zbog problema u prevođenju37.

Prema Milleru (1996., p. 200.), za razvoj konkurentske strategije CI treba obuhvatiti sve ono

što uistinu može utjecati na razvoj tvrtkine konkurentnosti: kupce, konkurente, ekonomiju,

političko okruženje, poslovnu praksu, kulturu i sl. Ovakve aktivnosti CI se slobodno mogu

nazvati strateška inteligencija, s obzirom da naglašavaju one aspekte vanjskog okruženja koji

izravno dugoročno utječu na poslovanje i opstanak.

1.1.3.5. Tržišna inteligencija – Market Intelligence

U poglavlju o kompetitivnoj inteligenciji prikazana je Panianova analiza poslovne

inteligencije koja se temeljem izvora podataka dijeli na dvije podgrupe: unutarnju

inteligenciju tvrtke i tržišnu inteligenciju. Za tržišnu postoje tri glavna izvora podataka, i to:

37 Cohen navodi problem prevoda pojma intelligence na francuski jezik koji ima dva značenja; sposobnost razumijevanja i informacija. Upravo određenje pojma informacije stvaralo je probleme obzirom da je jedno tumačenje strogo vojno, te samim time nije prikladno za poslovnu upotrebu. Iz ovog je razloga u upotrebi bio preferiran pojam watch, pa čak i surveillance u odnosu na intelligence.

40

klijenti tvrtke, konkurencija tvrtke te tvrtkini poslovni partneri iz opskrbnog lanca, što

rezultira s njenim trima potkategorijama: klijentskom inteligencijom, kompetitivnom

inteligencijom te inteligencijom opskrbnog lanca (Panian i sur., 2007., p. 2.). Sharp ( 2009., p.

22.) kaže kako je market intelligence (MI) noviji termin koji je postao sinonim za CI kako bi

se razlikovao od pojma competitor intelligence, a označava fokus prema tržištu. Obrazlaže

kako neki misle da je to intelligence o potrošačkim proizvodima, dok poduzeća koja se bave

istraživanjem tržišta koriste ovaj termin kako bi podigli vrijednost svojih istraživanja

inicirajući da je u njima uključena analiza. Za one koji ga koriste u financijskoj sferi, MI se

odnosi na podatke o burzama i sličnim tržištima.

Handfield (2006., p. 159-160.) gleda na BI i MI kao sinonime, te u kontekstu razmatranja

opskrbnog lanca38 smatra kako je ocjena rizika glavno što BI/MI timovi mogu dostaviti, a

glavni elementi MI i BI-a su mu: kupčevi zahtjevi, cijena, konkurenti, kapacitet, tehnološka

predviđanja, opskrba resursima, regulatorno tijelo (zakonodavni propisi, op.a.) te rizik

opskrbnog lanca. Slično kao i Panian, Handfield (2006., p. 44.) također govori o internom i

eksternom intelligenceu jer smatra kako za uspješno kreiranje BI-a i MI-a koje će omogućiti

efikasnije funkcioniranje menadžmenta opskrbnog lanca poduzeća trebaju razviti

centraliziranu grupu posvećenu upravljanju tim internim i eksternim intelligenceom. U

navedenom smislu, ova bi grupa trebala imati dva glavna zadatka; izradu ekspertize o

unapređenju financijske analize i poslovnog razvoja (zadatak BI-a), te izradu ekspertizu o

razvoju tržišta, industrije i dobavljača (zadatak MI-a).

Prema Apgaru (2006., p. 3 i 20.), inteligencija rizika (engl. Risk Intelligence – RI) se odnosi

na individualnu ili organizacijsku sposobnost za učinkovito vaganje rizika koje uključuje

klasificiranje, karakteriziranje, izračun prijetnji, razumijevanje odnosa, brzo učenje,

spremanje, oporavljanje, djelovanje na temelju relevantnih informacija, efikasnu

komunikaciju te prilagođavanje novonastalim uvjetima. Ovako definiran RI autor promatra

kao varijaciju MI-a ili čak sigurnosne inteligencije (engl. Security Intelligence – SeI). Prema

Hedinu et al. (2011., p. 9.), MI pomaže poduzećima da shvate njihovo poslovno okruženje, na

njemu uspješno konkuriraju te kao rezultat postižu rast. Gledajući ga kao program za MI kažu

da prikuplja informacije o tržišnim igračima i strateški važnim temama procesuirajući ih tako

da razvojem spoznaje o istima pomažu odlučivanje. U organizacijskom smislu MI se prema

njima svrstava unutar strateškog planiranja, poslovnog razvoja ili marketinga. Složenost

38 Handfieldov prvenstveni fokus jest opskrbni lanac, međutim, također kaže da se market intelligence te ocjena rizika ne koriste samo u upravljanju opskrbnim lancem već i u ostalim funkcijskim i poslovnim jedinicama.

41

problematike međusobnih odnosa raznih intelligence područja i pojmova najbolje se ogleda

kroz činjenicu da Hedin et al. (2011., p. 9.) prave razliku između pojmova competitive i

business intelligence, jer pod potonjim podrazumijevaju informatičke tehnike i procesuiranje

numeričkih podataka, ali istovremeno kao sinonime koriste pojmove market intelligence i

competitive intelligence, dok Lynch (2006., p. 5 i 7.) pod pojmom MI podrazumijeva potrebu

monitoringa konkurencije.

Jenster i Soilen (2009., p. 11-14.) MI smatraju širim pojmom, te unutar njega pozicioniraju

BI, CI, kao najveća područja, te marketing intelligence i competitor intelligence kao najmanje

područje. Objašnjavaju (p. 162.) marketing intelligence kao aktivnost koja je usmjerena

prema budućnosti, a podrazumijeva prikupljanje, analizu i interpretaciju relevantnih internih i

eksternih marketinških podataka. U osnovi je dijele na dva područja; kontinuiranu

inteligenciju (koja podrazumijeva prikupljanje signala, simptoma i činjenica koje se mogu

koristiti u ocjenjivanju određenih performansi ili pripremi za nastupajuće probleme, odnosno

fokusirana je prema identifikaciji nepoznatih prijetnji) i inteligenciju čiji je fokus rješavanje

određenih problema. Prema Thieraufu (2001., p. 243.) marketing intelligence predstavlja

primjenu taktičke inteligencije u marketingu, a karakterizira je: (1) osluškivanje kupaca i

promatranje njihovog ponašanja kroz vrijeme, (2) proširenje istraživanja i analize tržišta, (3)

korištenje tržišnih podataka za otkrivanje novih znanja o kupcima, te (4) korištenje programa

taktičke inteligencije.

Breeding (2001., p. 65.), kao što je već rečeno, MI pozicionira unutar BI te ga definira kao širi

tržišni pristup s makro perspektive, koji ispituje industrijske grupe ili zemlje/trgovačke

organizacije, kao i socijalna, politička, ekonomska ili pitanja okruženja. Prema Akrapu39

(2008., p. 64.), tržišno izvjesništvo jest proces sustavnog prikupljanja, obrade, organizacije

pristupa, pohrane i raščlambe javno dostupnih podataka, zakonom dopuštenim metodama i

sredstvima, o tržištu na kojem tvrtka djeluje ili na kojem namjerava djelovati, te ga smatra

užim pojmom od BI-a i CI-a. U istraživanju utjecaja informacijske tehnologije na marketinšku

orijentaciju Borges et al. (2009., p. 884.) su stava da se marketinška orijentacija odnosi na

generiranje MI o trenutnim i potencijalnim klijentima, te dijeljenje intelligencea između

odjela kako bi se ubrzao odgovor prema tržištu.

39 Akrap umjesto termina Market Intelligence koristi termin tržišno izvjesništvo.

42

1.2. Razmatranje koncepta poslovna inteligencija u kontekstu strateškog menadžmenta

U sklopu ovog poglavlja prezentirati će se osnovni elementi i faze strateškog menadžmenta, te

će se potom obraditi pozicioniranje i značenje intelligence aktivnosti u procesu strateškog

menadžmenta.

1.2.1. Pojmovno definiranje strateškog menadžmenta

Prema Leksikonu menadžmenta (2001., p. 542.), u poslovnom se smislu strategija definira

kao plan, obrazac ponašanja, konkurentni položaj i (ili) perspektiva kojima se integriraju

glavni ciljevi, politike i slijed akcija poduzeća u kohezivnu cjelinu. Može se reći kako je

strategija poduzeća glavni organizacijski plan poduzeća u ostvarivanju zacrtanih ciljeva, skup

akcija usmjerenih postizanju trajnije prednosti poduzeća nad konkurencijom, unapređenje

vlastitog položaja prema potrošačima ili poboljšanjem alokacije resursa, ali i respektiranjem

socijalnog okruženja i utjecaja državnih institucija (Ekonomski leksikon, 1995., p. 858.).

Strateški se menadžment u literaturi kao pojam pojavljuje sredinom sedamdesetih godina

prošlog stoljeća a, prema Bahtijarević-Šiber i Sikavica (2001., p. 556.), predstavlja proces

kojim menadžeri postavljaju misiju organizacije, temeljne dugoročne ciljeve organizacije,

razvijaju strategije za postizanje tih ciljeva te poduzimaju sve potrebno za provedbu planova

kojima se žele ostvariti postavljeni ciljevi. I kod definiranja ovog pojma, uslijed pomanjkanja

konsenzusa, vlada semantička zbrka (Buble, 2005., p. 5.), te se može utvrditi kako postoji više

modela procesa i teorija strateškog menadžmenta s međusobnim razlikama. Ahlstrand et al.

(prema Niven, 2008., p. 116.) navode deset strateških škola u trajnoj praksi menadžmenta:

škola nacrta, škola planiranja, škola pozicioniranja, poduzetnička škola, kognitivna škola,

škola učenja, škola moći, kulturna škola, škola okruženja te škola konfiguracije, a Niven

(2008., p. 115.) razmatra najvažnija načela strategije: razlikovne aktivnosti, kompromisi,

pristajanje, kontinuitet te različiti misaoni procesi. Fleisher i Bensoussan (2003., p. 12.) kažu

da strateški menadžment uključuje sve aspekte poslovanja te zahtijeva znanje i razumijevanje

utjecaja okoline na organizaciju kako bi se osiguralo donošenje korektnih poslovnih odluka.

Okvir strateškog menadžmenta trebao bi pomoći donositeljima odluka lakše razumijevanje

onih elemenata koji trebaju biti usklađeni kako bi se donosile efikasne odluke.

43

1.2.1.1. Analiza okoline poduzeća

Wheelen i Hunger (2006., p. 11.) raščlanjuju svoj model strateškog menadžmenta, prikazan na

slici 7. na četiri faze: prva je faza u stvari predfaza, koja se bavi tvrtkinim okruženjem, te se

pod njezinim utjecajem nastavlja formuliranje strategije kao druga faza. U sljedećoj fazi

slijedi implementacija strategije, da bi se u posljednjem koraku odnosno fazi obavljale

kontrola i evaluacija. Prva faza, posebno zanimljiva u kontekstu ovog rada, obuhvaća

istraživanje vanjske i unutarnje okoline s ciljem dijagnosticiranja svih bitnih faktora iz

tvrtkinog vanjskog ili unutarnjeg okruženja koji imaju ili će to u budućnosti imati utjecaja na

poslovanje i egzistenciju poduzeća. Ovom se analizom treba dobiti što jasnija i potpunija

slika poslovne situacije koja će kasnije biti podloga za izbor adekvatne strategije tako da

Dulčić (1997., 9. 79.) kaže kako je cilj ne samo uočiti koje su to komponente i s njima

povezani kritični ili strateški faktori, nego i procijeniti je li njihov utjecaj predstavlja priliku ili

prijetnju za poduzeće. Imajući u vidu karakteristike raznih poduzeća i njihov različiti položaj

na tržištu, Buble (2005., p. 15.) kaže kako ta analiza mora biti prilagođena specifičnim

potrebama promatranog poduzeća.

Slika 7. Elementi procesa strateškog menadžmenta

Izvor: Wheelen, T.D., Hunger, D.J.: Strategic Management, 10th ed., Pearson Prentice Hall, New Jersey, 2006., p.11.

44

Prema Bahtijarević-Šiber i Sikavica (2001., p. 377.), okolina poduzeća predstavlja dio

vanjskog svijeta s kojim poduzeće dolazi u kontakt; ukupnost vanjskih faktora koji utječu na

organizaciju, na njezino oblikovanje i ponašanje, te na ponašanje njezinih članova. Temeljna

potreba nužna za kreiranje i realizaciju poslovne politike proizlazi upravo iz poznavanja

okoline, pa Mencer (2003., p. 29.) drži da poslovanje nije samo posljedica internog

razmišljanja poslovodstva na temelju uočene snage i slabosti poduzeća već i spoznaje o

mogućnostima i ograničenjima koje pruža njegova okolina. Okolina se poduzeća koja treba

biti predmet obrade poslovne inteligencije dijeli na eksternu, odnosno vanjsku, koja je

prikazana na slici 8., i internu, odnosno unutarnju okolinu. Eksterna okolina obuhvaća one

dimenzije ili dijelove okoline koji indirektno utječu na poduzeće, a Kotler (1988., p. 41.)

prijetnje okoline promatra kao izazov postavljen nepovoljnim trendom ili razvojem u okolini

koji bi pozicije kompanije doveo do erozije kada ne bi bilo odlučne akcije. Polazeći od

prikazanog Wheelen-Hungerovog modela, ova se okolina može podijeliti na dva ključna

segmenta:

� opću ili socijalnu okolinu, koja predstavlja onaj dio vanjske okoline što je udaljen od

poduzeća pa stoga na nju teško može utjecati, a Dulčić (2005., p. 19.) je prezentira

putem pet ključnih dimenzija; prirodno-ekološke okoline, znanstveno-tehnološke

okoline, ekonomske okoline, političko-pravne okoline, te sociokulturne okoline.

� poslovnu okolinu ili okolinu zadatka, koja je za razliku od opće okoline puno bliža

poduzeću, čine sudionici iz njegove neposredne blizine koji bitno utječu na njegovo

poslovanje te i ne čudi da su poduzeća više orijentirana na ovu okolinu s kojom su u

dnevnom doticaju i o kojoj imaju više potrebnih informacija. Ovu okolinu tvori devet

ključnih dijelova: dobavljači, kupci-potrošači, konkurenti, dioničari, zaposleni i

sindikati, kreditori, vladine (državne) organizacije, društvene organizacije i strukovna

udruženja.

Internu okolinu predstavlja onaj dio ukupne okoline poduzeća koji se nalazi u njemu samome

te se u potpunosti nalazi pod utjecajem poduzeća, a čine je:

� organizacijska struktura, koja predstavlja najvažniji dio unutarnje okoline poduzeća,

jer se njezinim pravilnim izborom i oblikovanjem omogućuje najbolje iskorištenje

vlastitih snaga i vanjskih prilika. Prema Weihrichu i Koontzu (1998., p. 184.),

organizacijska struktura sa svojim sustavom delegiranja treba biti oblikovana da

pomogne menadžerima u ostvarenju ciljeva i donošenja odluka nužnih za

45

oživotvorenje planova, a Kotler (1998., p. 38.) smatra da kompanija prvo treba odlučiti

o budućem pravcu razvoja, a zatim razviti organizacijsku strukturu i sisteme da to

provede;

� organizacijska kultura, koja predstavlja način ponašanja zaposlenika koji usvajajući

određen sustav vrijednosti, prihvaćajući zadane norme ponašanja i poštujući

odgovarajuće običaje i tradiciju, pridonose stvaranju organizacijske klime u poduzeću

(Buble, 2006., p. 80.);

� organizacijski resursi koji su konkretna sredstva pomoću kojih poduzeće funkcionira,

a čine ih: fizički, ljudski, informacijski i financijski.

Slika 8. Eksterna ili vanjska okolina poduzeća

Izvor: Dulčić, Ž. in Buble, M. (red.): Strateški menadžment, Ekonomski fakultet, Split, 1997., p. 74.

Strateška analiza vanjske i unutarnje okoline izvodi se pomoću Andrewsove40 SWOT41

matrice, koju neki autori nazivaju i TOWS. Ova se analiza smatra jednom od najčešće

korištenih tehnika strateške analize (Mencer, 2003., p. 71.), a s obzirom na to da se temelji na

kvalitativnim podacima, razumljiva je, jasna i jednostavna za uporabu (Pfeifer, 2005., p. 69.).

40 Prema Fleisher i Bensoussan (2003., p. 92.), Ken Andrews se smatra pionirom SWOT analize. 41 SWOT analiza naziv je dobila od prvih slova bitnih parametara analize (engl. Strenghts – Weaknesses – Opportunities – Threats) snage, slabosti, prilike i prijetnje.

46

Iako je ova analiza izuzetno pogodna za poduzeće i vrednovanje informacija o njemu, ona

također ima i određena ograničenja koje treba imati na umu prilikom isčitavanja njezinih

rezultata. S obzirom da se zasniva na ekspertnoj procjeni jedne ili manjeg broja osoba ova

analiza može biti subjektivna. Pfeifer (2005., p. 69.) navodi kako teorija kaosa navodi

primjere gdje čak i neznatne promjene na marginalnim čimbenicima rezultiraju dramatičnim

promjenama u uvjetima funkcioniranja, a takvi marginalni čimbenici u SWOT analizi

najčešće ne ulaze u čimbenike visoke vjerojatnosti, što može rezultirati ozbiljnim strateškim

previdima. Kada je riječ o analizi opće ili socijalne okoline tada je jedna od najčešće

korištenih metoda PEST analiza koja se bavi utjecajem političko-pravnih (P), ekonomskih

(E), socijalno-kulturnih (S) i tehnoloških (T) čimbenika (Fleisher i Bensoussan, 2007., p. 89-

90.). Ovom se analizom utjecajni faktori ponderiraju s obzirom na njihovu važnost i utjecaj

opće okoline na poduzeće. Poslovna okolina ili okolina zadatka predstavlja najvažniji

segment vanjske okoline poduzeća, a njezina analiza se može izvršiti na nekoliko načina:

stakeholder analizom42, analizom konkurencije, te skeniranjem poslovne okoline.

1.2.1.2. Formuliranje strategije, njena implementacija i kontrola ostvarenja

Glavne naznake preostale tri faze prezentirane su u nastavku u svojim najosnovnijim crtama.

Formuliranje strategije predstavlja drugu fazu u procesu strateškog menadžmenta, što

podrazumijeva razvoj dugoročnih planova za efikasno upravljanje prilikama i prijetnjama iz

vanjskog okruženja i unutarnjim snagama i slabostima, odnosno to je, prema Singer (1997., p.

182.), izbor one strategije koja omogućava definirane misije i ciljeva. Kaplan i Norton (2001.,

p. 73.) kažu kako formuliranje strategije predstavlja jedan korak u logičnom kontinuitetu koji

se kreće od definirane misije na najvišem vrhu do linijskih izvršitelja. Teorija strateškog

menadžmenta obuhvaća veliki broj klasifikacija mogućih strategija, a jedna od najrazvijenijih

teza opću hijerarhiju strategija poduzeća dijeli na:

� cjelovitu (korporacijsku) strategiju, čiji je zadatak definiranje politike rasta,

investiranja, spajanja i razdvajanja, razvoja te raspodjele resursa na razini cijelog

poslovnog sustava;

42 Stakoeholder analiza, odnosno analiza zainteresiranih poduzeća, promatra sve one poslovne subjekte o čijim aktivnostima ovisi opstanak poduzeća.

47

� poslovnu ili strategiju poslovnih jedinica, koja predstavlja strategiju poslovanja s

određenom strateškom poslovnom jedinicom, odnosno skupinom proizvoda;

� funkcijsku strategiju, koja je usmjerena na pojedino poslovno funkcijsko područje, a

podupire ostvarivanje korporacijskih i poslovnih strategija.

Prema Kaplanu i Nortonu (Niven, 2008., p. 29.), samo 10% organizacija provodi svoju

strategiju, a prepreke u njezinoj provedbi jesu:

� prepreka u viziji, samo 5% radne snage razumije viziju,

� prepreka u ljudima, samo 25% menadžera ima poticaje povezane sa strategijom.

� prepreka u menadžmentu, 85% direktorskih timova provodi manje od jednog sata

mjesečno razgovarajući o strategiji. S obzirom na to da je u većini poduzeća sve

usmjereno na postizanje kratkoročnih financijskih ciljeva, menadžment će učiniti sve u

njihovom postizanju, ali obično na račun stvaranja dugoročne vrijednosti za tvrtku.

� prepreka u resursima, 60% organizacija ne povezuje proračune sa strategijom.

Najzahtjevniju fazu u procesu strateškog menadžmenta predstavlja implementacija strategije s

obzirom da je to proces kojim se provode i primjenjuju strategije i politike na osnovi budžeta,

programa, pravila i procedura, a njezin sukus jest strategijska promjena. Prema Cinguli

(2005., p. 158.), u postupku implementacije strategija se pretvara u niz poslovnih politika

kojima se postiže kontinuirano poboljšanje u odvijanju operativnih poslovnih aktivnosti i

programa. Kako bi promjena stare i implementacija nove strategije polučila očekivane

rezultate bitno je unaprijed definirati ciljeve koji će biti nedvosmisleno zacrtani u prostoru i

vremenu čime se omogućava usporedba planiranih s ostvarenim veličinama, te razraditi

taktičke i operativne zadatke svake poslovne funkcije. Najbolji ciljevi imaju pet svojstava:

preciznost, mjerljivost, izvedivost (dostižnost), dosljednost i prikladnost za kompanije za

kompanije kojima su namijenjeni43.

Kontrola ostvarenja strategije predstavlja proces u kojemu se tekuće aktivnosti i performanse

uspoređuju s očekivanim odnosno utvrđenim standardima kako bi se mogla ustanoviti

eventualna odstupanja i njihovi uzroci te poduzeti potrebne mjere za njihovo otklanjanje.

Prema Bubli (2005., p. 241.), temeljni je zadatak strateške kontrole u tome da pomogne

vrhovnom menadžmentu u ostvarivanju ciljeva poduzeća pomoću nadzora i vrednovanja

procesa strateškog menadžmenta u cjelini, a posebno u implementaciji odabrane strategije.

Weihrich i Koontz (1998., p. 583.) smatraju da kontrola pojednostavljuje usporedbu 43 Strategija – Economistove poslovne enciklopedije, Privredni vjesnik, Zagreb, 1996., p. 38.

48

postavljenih ciljeva i ostvarene učinkovitosti te pruža priliku za učenje koje predstavlja

osnovu organizacijskih promjena. Smith (2003., p. 129.) kaže kako puko mjerenje rezultata

nije dovoljno jer se tajna uspjeha faze kontrole nalazi jednim dijelom u stupnju discipline

(reda) koju nameće sustav, a drugim dijelom u načinu ponašanja i dosljednosti same

organizacije. Buble (1998., p. 385.) navodi četiri temeljna razloga za provođenje

implementacije strategije:

� promjene u okolini - faktore iz okoline, nad kojima poduzeće nema ili ima vrlo mali

utjecaj treba kontinuirano pratiti jer se s vremenom mogu bitno promijeniti te tako

ugroziti realizaciju strategije;

� delegiranje - problemi iz ove domene mogu se odraziti na efikasnost ljudskih resursa;

� kompleksnost poduzeća - vrlo osjetljivi odnos strategija ↔ struktura te kompleksnost

organizacijske strukture poduzeća može narušiti uspješno ostvarenje ciljeva;

� menadžerske greške - na uspjeh provođenja strategije može utjecati iracionalno

ponašanje menadžmenta iz svih faza strateškog menadžmenta te je kontrola

menadžmenta važna kako zbog uočavanja grešaka, tako i za njihovo otklanjanje.

1.2.2. Intelligence aktivnosti u procesu strateškog menadžmenta

Iako se iz izložene materije prethodnog dijela može naslutiti koliko je koncept PI potreban

poduzeću u procesima strateškog menadžmenta, u ovom će se poglavlju ta poveznica

konkretnije obraditi. Waters (2010., p. 6.) objašnjava kako vrijeme samo po sebi ne

predstavlja značajnu prednost međutim, način kako poduzeća koriste vrijeme, kako analiziraju

informacije, prilagođavaju strategiju te manevriraju svojim reusursima kreira konkurentske

prednosti. Fuziranje intelligencea i strategije kako bi se donosile brže i jasnije odluke s manje

raspoloživih informacija je jedini način dugoročnog opstanka što predstavlja svrhu poslovne

inteligencije. Wheelen i Hunger (2006., p. 92.) pozicioniraju CI u prvu fazu, predfazu svojeg

modela prikazanog na slici 4., te ističu kako je primarna aktivnost odjela CI monitoring

konkurenata, organizacija koje nude iste, slične ili zamjenske proizvode ili usluge u poslovnoj

zoni u kojoj djeluje kompanija. Međutim, kada se vidi da prvu fazu svojeg modela (Wheelen i

Hunger, 2006., p. 10.) tumače kao promatranje, evaluaciju i diseminaciju informacija iz

49

vanjskog i unutarnjeg okruženja ključnim ljudima organizacije, može se ustvrditi kako bi se

ovo objašnjenje idealno uklapalo među obrađene definicije PI iz prethodnog poglavlja.

Smatraju da učinkoviti proces CI predstavlja ključni input za strateško planiranje.

Prema Milleru (1996., p. 215.), tijekom procesa strateškog planiranja uloga SI profesionalaca

bi trebala biti ključna u razvoju prikladne strategije s obzirom na njihovu sposobnost

razumijevanja globalnih implikacija nadolazećih čimbenika koji utječu na poslovanje. Prema

Gonan Božac (2005., p. 108.), analizi kritičkih pitanja i prikupljanjem informacija što ulaze u

određeni analitički okvir (SWOT) uloga je opskrbljivati menadžment informacijama koje

podupiru donošenje korporacijskih i/ili poslovnih strategija, a kvaliteta inputa ovisna je o

ukupnosti informacijske, spoznajne i akcijske osposobljenosti poduzeća koja čini BI

poduzeća. Lynch (2006., p. 5 i 7.) definira korporativnu strategiju kao identifikaciju svrhe

poduzeća, planova i aktivnosti za postizanje te svrhe odnosno kao traženje tržišnih

mogućnosti. Po njemu, tri su osnovna elementa korporativne strategije: strateška analiza,

strateški razvoj te strateška implementacija, a aktivnosti MI također pozicionira pod stratešku

analizu i smatra da korporativna strategija može biti uspješna ako se temelji na analizi

konkurenata.

Za Portera, konkurentska strategija pretpostavlja postavljanje poslovanja tako da se

maksimiziraju one vrijednosti koje poduzeće razlikuje u odnosu na svoju konkurenciju. Kako

bi poduzeće bilo efikasno u prikupljanju podataka i analizi konkurencije, on smatra (1998., p.

71-74.) da mu je potreban organiziran mehanizam što ga naziva Competitor Intelligence

System. Elementi ovog sistema nisu isti u svim poduzećima te prvenstveno ovise o

partikularnim potrebama pojedinog poduzeća, industrije u kojoj djeluje, sposobnosti

zaposlenika, interesu menadžmenta te njegovom talentu.

Individualni dobavljači, konkurenti i klijenti duž lanca vrijednosti tvore klastere, industrije i

makro okruženje – činitelje dinamizma koje poduzeće treba shvatiti kako bi održalo svoju

strategiju (Hedin et al., 2011., p. 5.). Kompleksno i multidimenzionalno operativno okruženje

poduzeća u kontekstu strateške analize prikazuje slika 9.

50

Slika 9. Operativno okruženje u kontekstu strateške analize

Izvor: Hedin, H., Hirvensalo, I., Vaarnas, M.: The Handbook of Market Intelligence, John Wiley and Sons, Chichester, 2011., p. 135.

Prema Fleisheru i Bensoussanu (2003., p. 4-6.), CI je nužna za stratešku analizu, a s obzirom

da su poduzeća u suvremenim uvjetima poslovanja prisiljena strateški razmišljati zaključuju

kako je upravo to osnovni razlog zašto trebaju razvijati i unapređivati svoju poslovnu

inteligenciju. Herring (1996., p. 70-73.) navodi pet osnovnih proizvoda intelligence analize

koji se trebaju sagledati u kontekstu strateškog menadžmenta:

� intelligence ranog upozorenja za prevenciju menadžerskih i organizacijskih

iznenađenja;

� intelligence kao podrška za proces strateškog odlučivanja;

� intelligence kao podrška taktičkom i operativnom odlučivanju;

� ocjenjivanje konkurencije i izvještaji o monitoringu;

� intelligence kao podrška strateškom planiranju i procesu donošenja strategije.

Fuld (2010., p. 143.) objašnjava koncept ranog upozorenja (kojeg on naziva sposobnošću

gledanja u budućnost) kroz četiri faze: (1) skiciranje plana mogućih budućih događaja, (2)

identificiranje signala koje treba gledati za svaki od događaja, (3) angažiranje ljude koji su

sposobni realizirati ove aktivnosti u svojemu svakodnevmom radu te (4) osiguranje aktivnog

djelovanja kada se uoče najraniji signali. Osmanagić Bedenik (2007., p. 137-142.) objašnjava

51

sustave ranog upozorenja kao specifične sustave opskrbljivanja informacijama čiji je zadatak

signaliziranje latentnih opasnosti i rizika, ali i prilika i prijetnji. Riječ je o informacijama o

situacijama koje još nisu nastupile, no ako se pojave, poduzeće treba reagirati želi li izbjeći

krizu. Ovisno o obilježjima okoline i vrstama informacija razlikuju se tri generacije ovih

sustava: prvu obilježavaju informacije ranog upozorenja, drugu generaciju karakteriziraju

specifični indikatori ranog upozorenja, dok se treća generacija naziva strateškim radarom

(predstavlja instrument prikupljanja i obrade strateški relevantnih tihih signala u područjima:

uže okoline poduzeća, informacija o konkurenciji, šire okoline poduzeća i znanja unutar

poduzeća).

Analogno operativnom i strateškom upravljanju Osmanagić Bedenik (2007., p. 144.) razlikuje

operativne i strateške sustave ranog upozorenja. Zadatak strateškog sustava jest u

pravodobnoj spoznaji slabih signala, loše definiranih i nejasno strukturiranih informacija koje

upućuju na strateške diskontinuitete. Operativni sustavi su usmjereni na prošlost i sadašnjost,

temelje se na informacijama o likvidnosti i uspjehu poduzeća, a kao podloge rabe financijska

izvješća. U svojem novijem djelu Fleisher i Bensoussan (2007., p. 4.) istražuju kako se pojam

analize koristi u intelligence kontekstu pa analizu definiraju kao uspješno apliciranje

znanstvenih i neznanstvenih metoda i procesa kojima se interpretiraju podaci i informacije

kako bi se proizveli spoznajni (pronicljivi) intelligence pronalasci i učinkovite preporuke za

donošenje odluka i zaključuju kako kompetitivna analiza predstavlja kamen temeljac

efikasnog formuliranja strategije i njezinog izvršenja. Analiza se kao aktivnost prepoznala

početkom ere znanja i intelektualnog kapitala za što se može reći da koincidira s nastankom

poslovne inteligencije.

Održanje ove sposobnosti u budućnosti zahtijeva od CI praktičara analizu koja će biti

uvjerljiva, relevantna, pravovremena, shvatljiva i akcijabilna za donositelje odluka (Fleisher i

Bensousan, 2007., p. 13.). Zbog objektivnosti razmatranja procesa i nalaza odnosno preporuka

analize potrebno je ukazati na određene moguće greške koje su prema Heueru (1999., p.

161.):

� analitičari obično precjenjuju točnost svojih prošlih procjena;

� korisnici obično podcjenjuju koliko su naučili iz prošlih izvještaja;

� kontrolori intelligence proizvoda koji rade obdukciju njihovih promašaja obično

procjenjuju da su događaji bili lakše predvidivi nego što je to u stvari bio slučaj.

52

Herring (1999.) je temeljem svojih istraživanja kreirao ključne intelligence teme (engl. Key

Intelligence Topics - KIT) kako bi pomogao poduzećima u sferama njihovog poslovanja. KIT

protokol se sastoji od tri dijela: strateško odlučivanje i akcije, prikazano u tablici 4., elementi

ranog upozorenja, te opis ključnih tržišnih igrača. Analiza zahtjeva KIT protokola pokazuje

koliko je jaka poveznica poslovne inteligencije sa strateškim menadžmentom poduzeća.

Intelligence o kupcima, konkurentima, potencijalnim partnerima, dobavljačima te ostalim

utjecajnim skupina jest kompanijina prva, a često i posljednja linija obrane.

Tablica 4. Ključne intelligence potrebe za strateško odlučivanje

1. Osiguranje intelligence inputa za kompanijin strateški plan za kreiranje budućeg konkurentskog okruženja.

2. Formuliranje globalne konkurentske strategije: procjena uloge konkurenata u postizanju naših poslovnih ciljeva.

3. Globalizacija industrije: kako i s kim nastaviti? Što naši konkurenti rade i s kim?

4. Razvoj tržišta: procjena trenutne konkurentske situacije, opis najvjerojatnijih budućih situacija.

5.

Strateške odluke o investiranju: identifikacija i procjena šansi u konkurentskom okruženju, što uključuje:

- kritične investicije drugih, - potrebne investicije drugih kompanija, - uloga investicijske zajednice - mogući alternativni izvori za buduće investicije poput alijansi, akvizicija i sl.,

6. Da li širiti trenutne proizvodne kapacitete ili graditi nove novčano isplativije?

7. Koje planove i akcije trebamo poduzeti za održanje tehnološke konkurentnosti s našim najvećim tržišnim takmacima?

8. Program razvoja proizvoda: identificirati i ocijeniti program vodećih konkurenata te procijeniti status ostalih konkurentskih tehnologija.

9. Razvoj i lansiranje novog proizvoda: kada i gdje će konkurenti uzvratiti? Kako će oni utjecati na naše planove?

10. Kako će naša nova prodajna/marketinška strategija biti prepoznata na tržištu? Naši konkurenti? Naši distributeri?

Izvor: Herring, Jan P.: Key Intelligence Topics: A Process to Identify and Define Intelligence Needs, Competitive Intelligence Review, 1999., 10 (2), p. 8.

S obzirom da je u prethodnom poglavlju objašnjena SWOT analiza ovdje će se navesti autori

koji su je razmatrali u kontekstu odnosa intelligence – strateški menadžment (Javorović i

53

Bilandžić, 2007; p. 250-251; Howson, 2008; p. 87; Bilandžić, 2008; p. 99-100; Sharp, 2009;

p. 63; Hedin et al., 2011; p. 167-168; Sutbs, 2011; p. 26-27.). Prema Kahaneru (1997., p. 98-

99.), riječ je o jednoj od osnovnih ali ne nužno jednostavnih analiza konkurencije koja također

može dobro poslužiti za usporedbu s vlastitom firmom. Miller (2001., p. 90.) kaže da je

korisna u predviđanju konkurentskih strategija, a za Fleishera i Bensoussana (2003., p. 97.)

korisna je za procjenu stanja između tvrtkine strategije, internih sposobnosti i vanjskih

mogućnosti.

Za dobivanje potpune slike potrebno je stavove teoretičara usporediti s rezultatima

istraživanja o poziciji intelligence aktivnosti, a među prvima je GIA-ino iz 2005. godine.

Prema njemu, 54% poduzeća na prvo mesto stavlja strateško planiranje i razvoj poslovanja

kao najveće korisnike CI-a. S obzirom da među istraživanim zemljama ima značajnih razlika

za navesti je kako u Njemačkoj 83% poduzeća rangira strateško planiranje na prvom mjestu, a

u Finskoj i Norveškoj to radi njih 74%.

Istraživanje obavljeno 2011. godine (Hedin et al., 2011., p. 26-27.) pokazalo je kako 39%

poduzeća klasificira MI kao dio strateškog planiranja i razvoja poslovanja, a 37% kao dio

prodaje i marketinga. Poveznicu intelligence aktivnosti sa strateškim menadžmentom može se

promatrati kroz još dva pokazatelja: prema istraživanju 43% direktora MI odjeljenja izravno

izvještava glavnog izvršnog direktora (engl. Chief Executive Officer- CEO), a trećina internih

klijenata MI-a pripadaju vrhovnom menadžmentu. U IHEDN44 studiji (Cohen, 2009., p. 48.)

950 francuskih menadžera definira ekonomsku i stratešku inteligenciju (engl. Economic and

Strategic Intelligence - ESI) kao organizirani servis korporacijskom strateškom menadžmentu

zbog unapređenja konkurentnosti pomoću prikupljanja, informacijskog procesuiranja i

distribucije znanja korisnog u kontroli okoline. Istraživanje koje je provela Howson45 (2008.,

p. 64-65.) pokazalo je kako je 52% korisnika BI-a iz sfere poslovne i financijske analize, a

preko 40% su izvršni direktori i menadžeri.

Istraživanje (Badr et al., 2006., p. 15-35.) o doprinosu CI europskim farmaceutskim

poduzećima pokazalo je kako CI nije samo korisna već krucijalna u procesu strateškog

menadžmenta. Uočeno je kako u svakoj fazi procesa postoji razina koja se jedino može

uspješno realizirati primjenom CI-a. Također su utvrdili slaganje ispitanika o vrijednosti i

44 IHEDN je akronim za Institut des hautes études de défense nationale, odnosno, francuski Institut za studije visoke nacionalne sigurnosti. 45 Istraživanje je provedeno 2007. godine na uzorku od 513 poduzeća (69% iz SAD, 12% iz Europe), 43% su bile velike kompanije, 30% srednje velike, a 27% male kompanije.

54

doprinosu CI-a strateškoj analizi i fazi formuliranja strategije, koja se pokazala manja kada je

u pitanju implementacija i kontrola. BI proizvodi informacije koje smanjuju neizvjesnost u

strateškom planiranju i odlučivanju (Frishammar, 2003., p. 320.) te se može zaključiti kako će

ta veza u perspektivi samo jačati.

1.3. Ciklus, sustav i karakteristike poslovne inteligencije

U sklopu ovog poglavlja obraditi će se poslovna inteligencija kao kontinuirani proces, alati i

tehnike koji se koriste u njezinom normalnom funkcioniranju, ključni elementi koji je

determiniraju, obrambeni segment te izgledi u budućnosti.

1.3.1. Poslovna inteligencija kao kontinuirani proces

Poslovna inteligencija predstavlja okvir uspješnosti menadžmenta, stalan i kontinuiran ciklus

gdje poduzeća postavljaju svoje ciljeve, analiziraju napredak, stječu uvid, poduzimaju radnje

te mjere svoju uspješnost. Ova ciklička aktivnost jest u stvari proces sastavljen od različitih

međusobno povezanih i uvjetovanih faza koja je ponavljajućeg karaktera s obzirom na brzinu

i intenzitet promjena u vanjskoj i unutarnjoj okolini poduzeća. Riječ je o procesu bez kraja

koji ne daje konačne odgovore (Javorović i Bilandžić, 2007., p. 213.). Slično kao i kod

definiranja poslovne inteligencije, različiti autori imaju različite pristupe, pa iako te razlike

nisu drastične vrijedno ih je obraditi. Prema Vitt et al. (2002., p. 17-22.), PI ciklus se sastoji

od četiri komponente:

� analize, svjesnim selektiranjem i podsvjesnim filtriranjem se određuju podaci koji su

potrebni za prikupljanje i obradu, a mentalnim modelom nazivaju kolekciju svega za

što mislimo da znamo o tome kako nešto funkcionira;

� spoznaje, koja se može javljati kao operacijska ili strateška;

� akcije, pod čime se podrazumijeva proces donošenja odluka. S kvalitetnim

spoznajama poduzeće će moći brže reagirati na nove okolnosti;

55

� mjerenja, a prema autorima, PI termin za najvažnija mjerenja jesu ključni pokazatelji

uspjeha (engl. Key Performance Indicators – KPI) koje menadžeri trebaju razumjeti,

potom ih analizirati, te konačno temeljem kojih trebaju poduzimati korektivne akcije.

Panianov (2007., p. 85-91.) ciklus se također sastoji od četiri faze koje se razlikuju od ostalih

modela:

� faza mjerenje, koja je obično najdugotrajnija, a služi za prikupljanje ključnih

pokazatelja uspješnosti danas i u prošlosti te ću pružiti odgovore na pitanje „Što?“

odnosno, „Kakvo je stanje poslovanja?“;

� faza analize, tijekom koje se prikupljeni podaci pregledavaju i ocjenjuju na nove i

različite načine kako bi se otkrili skriveni odnosi koji će poslužiti za dobivanje

odgovora na pitanje „Zašto?“ odnosno „Zašto je nešto takvo kakvo jest?“;

� faza planiranja, tijekom koje je cilj odgovoriti na pitanje „Što-ako?“ odnosno,

potrebno je utvrditi koja je opcija najizglednija, odnosno kakva bi promjena ili

kombinacija promjena tvrtku mogla odvest u najpovoljnijem smjeru;

� faza dodavanja vrijednosti, koja predstavlja najvažniju fazu, a tijekom koje se nastoji

pronaći odgovor na pitanje „Kako?“ odnosno „Kako napraviti poboljšanja u

segmentima gdje su otkriveni problemi u prethodnim fazama?“. Tijekom ove faze do

punog izražaja dolazi potreba za suradnjom koja je jedan od ključnih preduvjeta

uspješnosti sustava PI.

Herringov (1996., p. 56.) ciklus se sastoji od pet faza: (1) planiranja i usmjeravanja, (2)

skladištenja i prerade podataka, (3) kolekcije i izvještavanja, (4) analize i izrade izvještaja, te

(5) razdjele korisnicima. Fleisher i Bensoussan (2003., p. 6.) ciklus promatraju kroz šest

sastavnica, iako između njihovoga modela i Herringova nema razlike već je riječ o razlici u

prezentaciji: (1) potrebe, (2) planiranje i usmjeravanje, (3) skladištenje i prerada podataka, (4)

izrada zbirke, (5) analiziranje i izvještavanje, (6) razdjela korisnicima. Ciklus uvijek počinje s

ključnim intelligence temama (KIT) definiranim od strane vrhovnog menadžmenta. Prema

Kahaneru (1997., p. 43-45.), koji smatra da je competitive intelligence učinkovitiji kao proces

a ne kao funkcija, ciklus se sastoji od četiri dijela:

� planiranja i upravljanja, pod čime se podrazumijeva od strane menadžmenta

određivanje ciljeva i načina izvršenja, a potrebno je napomenuti kako ova faza

predstavlja kraj prethodnog CI ciklusa;

56

� prikupljanja, pod čime se podrazumijeva prikupljanje sirovih podataka koji su

praktički svima dostupni ako zainteresirani znaju gdje ih potražiti;

� analize, koja predstavlja najkritičniju fazu cijelog ciklusa jer je potrebno izvagati

informacije, pronaći uzorke te prirediti različite inačice mogućih scenarija:

� distribucije gotovih intelligence proizvoda.

Prema Kovacichu (2000., p. 331-335.) i Milleru (2001., p. 14-16.), ciklus se također sastoji od

četiri faze:

� identifikacije ključnih donositelja odluka i njihovih intelligence potreba;

� prikupljanja informacija iz primarnih i sekundarnih izvora;

� analize informacije i njihove nadgradnje u intelligence, pri čemu je potreban

znanstveni pristup, statistički softver i poznavanje tehnika modeliranja;

� raspodjele tih intelligence uradaka prema donositeljima odluka, te preporučuju kako je

zbog uspješnosti ove posljednje faze potrebno znati na koji način i kako donositelji

odluka preferiraju prezentiranje završnih intelligence izvještaja.

Javorović i Bilandžić (2007., p. 206-213.) prezentiraju model identičan Kahanerovom kroz

četiri temeljne faze te kažu kako im je zajedničko da se nijedna ne događa sama od sebe, što

znači da svaka faza također zahtijeva brižljivo planiranje i sustavnu provedbu. Njihove faze

jesu: planiranje i upravljanje ciklusom BI, prikupljanje podataka, pri čemu se razlikuju dvije

razine: opća, u kojoj mogu sudjelovati svi zaposlenici, i konkretna, gdje su strogo određeni

interesi i zadaci, a podatke prikupljaju profesionalci; obrada i analiza podataka te distribucija

gotovih obavještajnih proizvoda. Garača ( 2009., p. 140.) ciklus opisuje kroz šest faza:

� definiranje i analiza potreba odnosno, identifikacija kritičnih potreba za određenim

znanjima;

� kontinuirano promatranje poslovnog okruženja i prikupljanje informacija;

� obrada podataka i analiza informacija;

� pohranjivanje proizvedenog znanja na siguran i jednostavan način koji će omogućiti

ponovnu upotrebu tog znanja ili biti osnova za proizvodnju novih znanja;

� prezentacija rezultata istraživanja PI-a, što predstavlja važan zadatak zbog

kompleksnosti;

� upotreba rezultata istraživanja, osiguravanje povratnih informacija i definiranje

novonastalih potreba.

57

Prema Sharp (2009., p. 215-216.), proces uvijek započinje i završava s podatkom, a njezini se

ciklusi razlikuju od prethodno prezentiranih: (1) podatak, (2) informacija, (3)

analiza/intelligence, (4) odlučivanje, (5) akcija, (6) rezultati, te povratak na početnu fazu.

Slika 10. prikazuje blago redizajnirani model Fleishera i Bensoussana (2007., p. 8.) u odnosu

na ranije prezentirani, međutim, vidljivo je kako je riječ o isključivo kozmetičkim

promjenama, a suštinski se nije ništa bitno promijenilo. U sklopu prve faze - plana određuju

se potrebe, uspostavljaju zahtjevi, te razvijaju potrebni planovi kako bi se u drugoj fazi

prikupljali podaci iz unutarnjeg i vanjskog okruženja, provela inicijalna klasifikacija i

redukcija prikupljenih podataka. Nakon obavljene analize dobiveni se intelligence proizvodi

dostavljaju i prezentiraju donositeljima odluka. Posljednja faza generira povratne informacije

kako bi se mogao pokrenuti sličan ili nadopunjujući novi ciklus.

Slika 10. Ciklus poslovne inteligencije

Izvor: Fleisher Craig S., Bensoussan, Babette E.: Business and Competitive Analysis, FT Press, New Jersey, 2007., p. 8.

Hedin et al. (2011., p. 63-65.) razvijaju šest faza MI ciklusa:

� analitičke potrebe - identifikacija ključnih i stvarnih potreba imat će najveći utjecaj na

kvalitetu isporučenih materijala, više nego bilo koja druga faza ovog ciklusa. Potrebno

je također voditi računa o činjenici kako u stvarnosti menadžment možda i ne može u

58

potpunosti artikulirati koje su mu točno informacije potrebne već će to fragmentirano

naznačiti. Stoga analitičari trebaju znati kako identificirati potrebe menadžmenta,

poznavati organizaciju i poslovanje te zadržati objektivnost;

� obuhvaćanje sekundarnih izvora informacija - autori namjerno razdvajaju i daju

prednost sekundarnim izvorima podataka u odnosu na primarne izvore zbog više

razloga: jeftiniji su, analizom sekundarnih izvora lakše će se upravljati kasnijim

intervjuima, te nakon obrade sekundarnih izvora određeni podaci se neće trebati

nabavljati iz primarnih izvora;

� primarno istraživanje;

� analiza - davanje smisla prikupljenim podacima i informacijama;

� isporuka - potrebno je voditi računa o sugestijama vezanim za prvu fazu kako bi učinci

bili maksimalni;

� korištenje povratne veze - bez obzira koliko analiza bila kvalitetno učinjena, uvijek se

javljaju nova pitanja, dileme ili dvojbe, tako da su povratne informacije izuzetno

važne u kontekstu započinjanja novog ciklusa.

Iz prezentirane se materije može zaključiti kako su razlike u navedenim ciklusima minimalne,

a polazeći od činjenice da je sadržaj važniji od forme može se pretpostaviti da četiri osnovne

faze pokrivaju kompletan proces. Planiranje i upravljanje, kao prva faza, odnosi se na

nespornu artikulaciju ciljeva, postojanje jasne predodžbe o zahtjevima, prioritetima,

pokazateljima koji se trebaju pratiti, rokovima i resursima i izvršiteljima. Ovaj prvi korak u

ciklusu poslovne inteligencije Meyer (1999.) naziva izgradnjom intelligence profila tvrtke

kojim se treba definirati što tvrtka treba znati. Prikupljanje podataka predstavlja drugu fazu, a

izvori podataka se mogu podijeliti na one koji se nalaze u poduzeću46 (podaci iz sustava, te

podaci od zaposlenika), i one izvan poduzeća (primarni i sekundarni publicirani izvori).

Prema Kahaneru (1997., p. 54-55.), primarni je materijal sirov, nepromijenjen te u većini

slučajeva potpun, dok je sekundarni (ponekad jedini mogući izvor) većinom unaprijed

selektiran ili promijenjen. Govoreći o izvorima podataka za industrijsku analizu Porter (1998.,

prema Wheelen i Hunger, 2006.,) ih dijeli na šest temeljnih skupina: promatrači ili motritelji

industrije, dobavljači, prodavači ili distributeri, kupci ili korisnici usluga, intervjui o

konkurentima, te servisne organizacije. Kovacich (2000., p. 327.) navodi tri područja u

kojima se prikupljaju podaci;

46 Kovacics (2000., p. 332.) navodi kako određene procjene govore da se 80% onoga što je menadžemntu potrebno za donošenje boljih odluka već nalazi u njihovoj kompaniji.

59

� bijela zona - koju karakterizira etičnost i legalnost,

� siva zona - nije etična, međutim još uvijek je legalna,

� crna zona - neetična i nelegalna.

Fuld (2010., p. 260.) naglašava kako jedan od najvećih izazova u prikupljanju informacija

predstavlja sposobnost razlikovanja između aktivnosti koja je agresivna i one koja je neetična

ili nelegalna. Bit analize kao treće faze jest u vrednovanju dobivenih odnosno prikupljenih

podataka u smislu pouzdanosti i preciznosti te njihova obrada i pretvaranje u informacije i

inteligenciju47. Važno je napomenuti da se treba izbjeći GI-GO efekt (engl. Garbage in –

Garbage out). Javorović i Bilandžić (2007., p. 211.) kažu kako se kvaliteta gotove

obavještajne informacije može vrednovati kroz tri elementa: točnost koja se utvrđuje nakon

događaja, relevantnost u odnosu prema izvornim zahtjevima, tj. potrebe krajnjih korisnika i

pravodobnosti dostavljanja. Kahaner (1997, p. 134-135.) objašnjava karakteristike kvalitetno

napravljenog analitičkog materijala: odgovarajuća prema potrebama menadžmenta,

fokusirana a ne generalna, pravovremena, visoke razine povjerenja, te prezentacija rezultata u

najboljem obliku prema menadžmentu.

Distribucija kao završna faza označava raspodjelu raspoloživa znanja korisnicima odnosno

donositeljima odluka. U ovoj fazi PI treba osigurati menadžmentu pouzdanu sliku stvarnosti,

što kompletniju i relevantniju za domenu poslovnog odlučivanja. Ovdje je potrebno naglasiti

važnost povratne veze odnosno povratne informacije o kvaliteti, zadovoljstvu i ispunjenju

zadatka kako bi ciklus PI zaista bio životan.

1.3.2. Informacijska tehnologija – podrška za funkcioniranje

Iako je misija informacijske tehnologije (engl. Information Technology – IT) pružanje potpore

poslovanju (Williams i Williams, 2007., p. 117.), to se u praksi može razlikovati i varirati s

obzirom na samu razinu razvijenosti IT u pojedinoj kompaniji. Kao što je u uvodu ovog rada

navedeno, IT će se razmatrati u kontekstu alata provedbe koncepta PI, tako da će se u sklopu

ovog dijela obraditi skladište i spremište podataka, rudarenje podacima, OLAP alati, te

kontrolne ploče.

47 Kahaner (1997., p. 96.) kaže kako je osnovni cilj intelligence projekta naći odgovor.

60

1.3.2.1. Skladište podataka – Data Warehouse

Današnje poslovanje karakterizira sve veći broj događaja, a podaci - čija količina

eksponencijalno raste - dobiveni iz tih aktivnosti najčešće se pohranjuju u operativnim

bazama podataka čiji je zadatak prikazivanje stvarnog, najnovijeg stanja poslovnog sustava.

Informacijska anarhija ozbiljan je problem s kojim se poduzeća susreću, a Liautaud i

Hammond (2006., p. 17.) kažu da nastaje kada pojedinci ili cijeli dijelovi tvrtke počnu

upravljati vlastitim potrebama za informacijama razvijajući pri tom vlastite informacijske

sustave (engl. Information System – IS) koji nisu mogli međusobno komunicirati te su,

posljedično, često bili prepravljeni proturječnim i netočnim podacima. Količina podataka koje

je trebalo prikupljati i pohranjivati postala je zapanjujuća (Panian, 2007., p. 48.) , tako da je

Inmon (prema Panian i Klepac, 2003., p. 80.) 1992. godine predstavio koncept skladišta

podataka kojemu su svojstvena četiri obilježja:

� subjektnost - podrazumijeva usmjerenost predmetima, odnosno organiziranost

podataka oko predmeta;

� sadržajna nepromjenjivost - znači da se jednom pohranjeni podaci u pravilu više ne

mijenjaju;

� integriranost - označava njihovu konzistentnost;

� povezanost s vremenom - podaci su vezani uz određeno vremensko razdoblje,

odnosno povijesnog su karaktera, dok su kod operativnih baza pohranjeni samo

najsvježiji podaci.

Objašnjavajući skladište podataka, pojedini autori naglašavaju razliku od poslovne

inteligencije, tako da Howson (2008., p. 2.) kaže kako ono može i ne mora biti dio arhitekture

PI, ali to nikako nije sinonim za nju, dok je Ranjan (2009., p. 62.) smatra značajnom

komponentom PI, a Panian (2007., p. 50.) temeljem sustava PI. Davenport et al. (2010., p.

33.) kažu da kompanijina skladišta podataka (eng. Enterprise Data Warehouse – EDW)

sadrže sve potrebne informacije – sadašnje i povijesne. Kalakota i Robinson (2002., p. 401.)

smatraju da je inicijativa za uspostavom skladišta podataka često prvi zahtjev uspješne

strategije poslovne inteligencije.

Rasmussen (2002., p. 13.) objašnjava da DW sadrži široku paletu podataka koji predstavljaju

koherentnu sliku poslovnih uvjeta u jedinstvenoj točki vremena. Williams i Williams (2007.,

p. 10.) drže da je ono ključni omogućavatelj koncepta PI jer je uslijed pada cijena pohrane

61

podataka, posebnih alata te načina organiziranja podataka postalo jeftinije i ekonomičnije, a

Wixom i Watson (2001., p. 18.) kažu da je nastalo kao produkt poslovnih potreba i

tehnoloških prednosti. Laursen i Thorlund (2010., p. 139.) objašnjavaju da se skladište

podataka sastoji od tehničkog i poslovnog dijela. Tehnički dio treba osigurati da se podaci

prikupljaju, skladište, kombiniraju, strukturiraju i čiste bez obzira koji im je izvor, dok

poslovni dio treba osigurati kreiranje poželjnih ključnih pokazatelja i izvještaja. Najopsežniji

posao u procesu skladištenja podataka predstavljaju procesi integriranja podataka i

organizacija njihovih sadržaja. ETL procesi (engl. Extract, Transform, Load) imaju zadatak

ekstrahirati odnosno zahvaćati ili vaditi, transformirati odnosno preoblikovati te puniti ili

unositi podatke iz jednog ili više transakcijskih sustava u skladište podataka48.

Spremišta podataka (engl. Data Mart - DMa) predstavlja podskup podataka koji dolazi iz

centralnog skladišta podataka (Howson, 2008., p. 30.), a koriste se za specifične potrebe

pojedinih dijelova poduzeća (Ranjan, 2009., p. 62.), odnosno prema Laursenu i Thorlundu

(2010., p. 153. ), ono predstavlja specijaliziranu verziju skladišta podataka. Karakteristično

jest da su strukturirana za lakši pristup krajnjeg korisnika (Williams i Williams, 2007., p.

201.). Prema Panianu (2007., p. 93.), osnovna tehnologija strateške poslovne inteligencije je

tehnologija centraliziranog skladišta podataka, dok je taktičke PI tehnologija distribuiranih

spremišta podataka.

Prema istraživanju Cuter Information Corp. (Ćurko, 2002., p. 66.) najvažnije koristi koje

tvrtke traže i očekuju od svojih skladišta podataka jesu: bolja poslovna inteligencija (39%),

smanjenje vremena lociranja, pristupa i analize informacija (21%), konsolidacija različitih

izvora informacija (20%), strateška prednost pred konkurencijom (11%), brže osvajanje

tržišta (5%), te zamjena starih sustava potpore odlukama (3%). Rezultati istraživanje koje su

proveli Wixom i Watson (2001., p. 17.) pokazalo je da menadžerska podrška i resursi pomažu

pronalaženju odgovora na pitanja koja se javljaju tijekom implementacije projekta skladišta

podataka. Također je ustanovljeno kako resursi, korisnički angažman, te obučen projektni tim

povećavaju vjerojatnost da će se ovaj projekt implementacije odviti unutar postavljenog

budžeta, u planiranom vremenu s predviđenom funkcionalnošću.

48 Detaljnije u knjizi Panian, Ž., Klapac, G.: Poslovna inteligencija, Masmedia, Zagreb, 2003., p. 86-94.

62

1.3.2.2. Rudarenje podacima – Data Mining

Nevjerojatna količina i složenost podataka jednostavno potiču na njihovo prekopavanje49 koje

nadilazi obično izvješćivanje radi otkrivanja modela koje bi u suprotnome bilo teško

prepoznati (Liautaud i Hammond, 2006., p. 163.). Rudarenje podataka (engl. Data Mining –

DM) može se definirati kao pronalaženje zakonitosti u podacima (Thierauf, 2001; p. 108-109;

Panian i Klepac, 2003; p. 247.), odvajanje korisnog od nekorisnog (Garača, 2008., p, 96.),

odnosno prema Kudybai i Hoptroffu (2001., p. 8.), to je skup tehnologija koje ujedinjuju

primjenu statističkih tehnika i matematičkih formula kao alata, pokušavajući identificirati

značajnost međuveza između povijesnih podataka koje bi potom mogli biti iskorišteni za

prognoziranje, izvršenje analize osjetljivosti ili samo identificiranje značajnosti veza između

podataka koju su na raspolaganju. Primjenom ovih alata moguće je otkriti do tada

neprepoznate matrice ponašanja, lakše i točnije se mogu predvidjeti budući trendovi što bi u

konačnici trebalo rezultirati donošenjem poslovnih odluka utemeljenih na znanju (engl.

Knowledge-driven decisions).

Vitt et al. (2002., p. 58-59.) kažu da se zadaci DM-a mogu kategorizirati kao deskriptivni ili

prediktivni, što prvenstveno ovisi o problemima koji treba riješiti. Prema Milleru (2001., p.

150-151.), oko 90% informacija jesu nestrukturirani dokumenti pa kaže da bi se DM principi

trebali primijeniti u konceptu što ga naziva rudarenje dokumentima (engl. Document Mining).

Cilj ove aktivnosti bilo bi zaključivanje relacija i odnosa u kontekstu pretraživane

dokumentacije bez unaprijed definiranih odnosno pretpostavljenih relacija. Najčešće korištene

metode rudarenja podacima jesu (Kudyba i Hoptroft, 2001; Vit et al., 2002; Panian i Klepac,

2003; Bilandžić, 2008; Garača, 2008; Watson, 2009.):

� metoda potrošačke košarice - ova analiza otkriva skrivena pravila u nizu transakcija

koje se tiču prodaje roba, odnosno ona otkriva asocijativna pravila koja pokazuju koji

se parovi artikala i s kojom vjerojatnošću kupuju zajedno;

� klasteriranje - podrazumijeva postupak kojim se provodi grupiranje ili pridruživanje

objekata sličnih karakteristika, gdje je cilj pronaći grupe koje se međusobno razlikuju,

dok su istovremeno članovi unutar grupa dosta slični jedni drugima;

� neuronske mreže - mogu biti vrlo snažan alat za predviđanje trendova i prognoziranje

na temelju povijesnih podataka, a svoje začetke ideja o ovim mrežama vuče iz

49 U knjizi e-Poslovna inteligencija pojam Data Mining se prevodi kao prekopavanje podataka, iako se može reći kako je u Hrvatskoj uvriježen prijevod rudarenje podacima.

63

neuropsihologije, s obzirom na to da su iskorištena saznanja o ponašanju živčanih

stanica;

� stabla odlučivanja - glavni zadatak ove metode jest određivanje varijabli i njihovih

vrijednosti koje determiniraju neki skup, a primjenu nalaze prilikom analize sklonosti

potrošača kupnji određenog proizvoda s obzirom na raspoložive atribute;

� genetički algoritmi - u većini slučajeva služe za probleme optimizacije pa nisu

eksponirani kao gore navedeni primjeri;

� neizrazita logika (engl. Fuzzy Logic);

� napredne matematičke i statističke analize.

U primjeni rudarenja podacima javljaju se i određeni problemi, tako da Panian (2007., p. 71.)

navodi kako su pojedini alati katkad teški za upotrebu te se proizvođači trude kako bi

pojednostavnili njihovo rukovanje uz istovremeno zadržavanje funkcionalnosti. Vitt et al.

(2002., p. 58.) osim kompleksnosti navodi i problem cijene što se odrazilo na usporavanje

korištenja. Također treba biti svjestan činjenice da se rudarenjem podacima često otvara više

novih pitanja nego što se dobiva odgovora na postavljena, pa nije rijedak slučaj de se koristi u

tandemu sa OLAP alatima.

1.3.2.3. OLAP alati

Jedan od najraširenijih i izuzetno uspješnih načina izvođenja znanja iz podataka predstavljaju

OLAP50 (engl. On-Line Analytical Processing) alati odnosno multidimenzijske analize

(Watson, 2009., p. 510). Porastom količine raspoloživih informacija i pojavom strožih

zahtijeva za kvalitetnijom podrškom odlučivanju spoznalo se da koncepti, metode i tehnike,

odnosno klasični načini elektroničke obrade podataka ne mogu udovoljiti novonastaloj

situaciji te da je potrebno definirati nove načine obrade podataka posebno dizajnirane za tu

namjenu (Garača, 2008., p. 79-80.). Ime OLAP može se usporediti s on-line obradom

transakcija – OLTP (engl. On-Line Transaction Processing), terminom koji je bio u upotrebi

prije nastanka OLAP-a. OLTP sustavi dizajnirani su za bilježenje velikog broja transakcijskih

podataka i optimizirani su za podršku jednostavnih upita, dok su, prema Thieraufu (2001., p.

50 Prema Vitt et al. (2002., p. 35.), termin OLAP kreirao je matematičar E. F. Codd te je 1993. godine kreirao set kriterija kojima trebaju udovoljavati baze podataka nad kojima bi se primjenjivao OLAP.

64

98.), Vitt et al. (2002., p. 36-37.) i Ranjanu (2009., p. 61.), OLAP kocke namijenjenje analizi

velikih količina podataka metodama raslojavanja i presijecanja (engl. Slice and Dice Method).

Druge mogućnosti jesu opcija rotacije (engl. Pivoting) po principu pokaži i klikni, te bušenje

odnosno svrdlanje (engl. Drill down), a omogućuje da se vidi koje informacije dovode do

jedinstvene ukupne vrijednost.

Najvažnije i ujedno najvrijednije svojstvo OLAP alata zasniva se na multidimenzijskoj

analizi, što znači da se podaci mogu istovremeno promatrati kroz veći broj filtera koji se u

znanstvenoj terminologiji nazivaju dimenzije. Broj dimenzija teoretski ničim nije ograničen

(Laursen i Thorlund, 2010., p. 156.), a u praksi se taj broj može popeti na više od deset, a s

obzirom da to prelazi spoznajne mogućnosti prosječnog čovjeka može se zaključiti da ovi

alati omogućuju proširenje ljudske inteligencije. Sljedeća njihova važna karakteristika jest

brzina koja omogućuje postavljanje pitanja i dobivanje odgovora u najkraćem roku, praktički

odmah. U većini slučajeva vrijeme odgovora sustava na upit jest unutar nekoliko sekundi, a

kod složenijih upita ponekad je potrebno više od trideset sekundi. Klasično se izvještavanje

koristilo za prikaz podatka koje je poduzeće imalo u različitim bazama podataka raznih

dijelova sustava, a multidimenzijski se OLAP alati koriste za objašnjenje zašto su određeni

poslovni događaji upravo takvi (Moss i Atre, 2003., p. 284.). Među osnovne kvalitete OLAP

kocke Panian (2007., p. 66-67.) navodi: analizu i rukovanje izvještajima brzinom misli,

prigodno (ad hoc) svrdlanje iz sumarnih podataka prema transakcijskim pojedinostima,

razmjenu i dijeljenje OLAP kocaka s personaliziranim aspektima uz visok stupanj sigurnosti

odnosno pouzdanosti, te automatsko stvaranje i sinkroniziranje OLAP kocaka. Howson

(2008., p. 41-42.) naglašava karakteristike u odnosu na izvještavanje; multidimenzionalnost,

brzinu, visoku interaktivnost, različite razine agregacije, te kros-dimenzijsku kalkulaciju.

Prema rezultatima istraživanja51 (Pendse, 2005., p. 11.), osnovni razlozi za izbor OLAP alata

jesu: funkcionalnost (41%), jednostavnost upotrebe (31%), uspješnost query karakteristika

(24%) te cijena (21%). Postoji nekoliko inačica ovih alata, a prema Panianu (2003., p. 244.) i

La Grouw (2008., p. 250.), to su MOLAP (engl. Multidimensional OLAP), HOLAP (engl.

Hybrid OLAP), ROLAP (engl. Relational OLAP), te DOLAP (engl. Desktop OLAP). Iako se

u praksi mogu pronaći sve navedene varijante, kao najzastupljenija rješenja pokazali su se

hibridni OLAP-i.

51 Istraživanje je proveo World Research Inc Survey.com na uzorku od više od 5.000 ispitanika iz 106 zemalja.

65

1.3.2.4. Poslovne kontrolne ploče – Business Dashboards

S obzirom da stara kineska poslovica kaže kako slika vrijedi više od tisuću riječi, a u slučaju

poslovne inteligencije se može reći brojeva (Howson, 2008., p. 197.) ne čudi ubrzani razvoj

modela i načina što učinkovitijih prezentacija svih vrsta informacija. Treba napomenuti kako

vizualizacija nije novost s obzirom da su njezini prvi pokušaji zabilježeni u XVIII. stoljeću52

(Eckerson i Hammond, 2011., p. 4). Kontrolna ploča (engl. Dashboard) predstavlja

vizualizirani prikaz najvažnijih informacija potrebnih za ostvarivanje jednog ili više ciljeva,

konsolidiran i uređen tako da može biti izložen na jednom računalnom zaslonu, čime se

omogućuje cjelovit uvid u sve relevantne informacije odjednom (Panian, 2007., p. 191.).

Analogno, poslovna kontrolna ploča (engl. Business Dashboard) napredni je vizualizacijski

alat koji pomaže poslovnim korisnicima znati kako se odvija njihovo poslovanje. Koristeći

jednostavna grafička rješenja i tablice one prezentiraju velike količine podataka kako bi

korisnici lakše uočavali trendove i uzorke (La Grouw, 2008., p. 260.). Promatrajući je kroz

prizmu funkcionalnosti poslovne inteligencije Garača (2009., p. 142.) je objašnjava kao

digitalno upravljačko mjesto s uvidom u aktivnosti ostvarivanja strategije, definiranim

metrikama i poslovnim performansama.

Panian i sur. (2007., p. 196. i 209.) naglašavaju važnost izbora ključnih pokazatelja

uspješnosti koji će se prezentirati putem kontrolnih ploča, a La Grouw (2008., p. 261.) u tom

smislu ističe da oni trebaju biti usklađeni s korporativnim ciljevima, lako razumljivi,

relevantni, mjerljivi, povezani, te vidljivi. Povezujući ih s tablicom uravnoteženih ciljeva

(engl. Balanced ScoreCard – BSC) Laursen i Thorlund (2010., p. 156.) navode kako u većini

slučajeva informacije dolaze iz relacijskih baza podataka i OLAP kocaka te se korisnicima

prezentiraju preko kontrolnih ploča. Howson (2008., p. 45-47.) također kaže da se termini

kontrolna ploča i tablica uravnoteženih ciljeva koriste naizmjenično te navodi da je, prema

njoj, osnovna razlika u tome što se BSC fokusira na zadanim mjerama i uspoređuje ih s

predviđenim ili ciljanim veličinama, dok kontrolne ploče prezentiraju podatke i brojke na

različite načine. Panian i sur. (2007., p. 209-213.) ih uspoređuju te kažu kako su kontrolne

ploče u visokoj mjeri prilagodljive specifičnim potrebama pojedinačnih korisnika, dok

primjena BSC-a, koje se mogu smatrati središnjim – stožernim točkama sustava strateškog

upravljanja, iziskuje primjenu daleko strukturiranijeg i manje prilagodljivog pristupa.

52 Autori navode primjer škotskog inžinjera i političkog ekonomistu Williama Playfaira (1759-1823) koji je producirao mnogobrojne vizualizacije ekonomskih i političkih tema Britanskog carstva, npr. kretanja britanskog duga u razdoblju od 1688. do 1800. godine.

66

Kontrolne ploče odražavaju ono što se dogodilo, a tablice uravnoteženih rezultata usmjerene

su budućnosti što je prikazano na slici 11.

Slika 11. Uloga poslovnih kontrolnih ploča i usporednih tablica

Izvor: Panian, Ž.; Poslovna inteligencija – Studije slučajeva iz hrvatske prakse, Narodne Novine, Zagreb, 2007., p. 213.

Za razliku od nekih navedenih autora, Cokins (2009., p. 104.) uočava razliku iz konteksta

njihovog korištenja te objašnjava kako BSC ima stratešku dimenziju, a kontrolne ploče

operativnu. Prema Eckersonu (2011., p. 101.) kontrolne ploče performansi53 pružaju

informacije koje kombiniraju monitoring, analizu, izvještavanje, predviđanje i vizualizaciju u

jedinstvenom integriranom okruženju. Prema njemu postoje tri vrste ovih instrumenata:

� operativne ploče - služe za monitoring procesa, događaja i aktivnosti koje se

pojavljuju (svake minute, sata, dana);

� taktičke ploče - mjere i analiziraju performanse aktivnosti, procesa i ciljeva pojedinog

odjela;

� strateške ploče - prate progres prema zacrtanim strateškim ciljevima.

53 Eckerson koristi termin Performance Dasboards.

67

1.3.3. Ključni elementi poslovne inteligencije

Različiti pogledi pojedinih autora na fenomen poslovne inteligencije ogledaju se također u

drugačijim pristupima i vrednovanju čimbenika ključnih za učinkovitu implementaciju,

razvoj, uspjeh i/ili budućnost samog koncepta. U evolutivnom ih je smislu zanimljivo

kronološki proanalizirati, te usporediti s rezultatima određenih naknadnih istraživanja. Prema

Thieraufu (2001., p. 95. i 161.), postoje četiri esencijalna elementa efikasnog BI-a:

� nadogradnja aktualnog IS-a sa sustavom poslovne inteligencije (engl. Business

Intelligence System – BIS);

� korištenje metode rudarenja podataka ili otkrivanja znanja s softverom poslovne

inteligencije kako bi se bolje razumjele kompanijine operacije, današnje i one u

budućnosti;

� izgradnja efikasnog skladišta podataka i IS-a u realnom vremenu gdje je fokus na

mnoštvu faktora povezanih s internetom, intranetom i ekstranetom;

� povećanje korištenje kompjuterske mreže koja je povezana s e-trgovinom.

Prema Atre (2003., p. 2-8.) uspjeh poduzeća nikada nije plod slučajnosti, a do uspjeha će doći

ako tvrtka brže donosi bolje i pouzdanije odluke, pojednostavljuje operacije (engl. Streamline

operations), skraćuje vrijeme ciklusa razvoja novog proizvoda, maksimizira vrijednost svoje

proizvodnje, anticipira nove mogućnosti, te provodi kvalitetniji i fokusiraniji marketing uz

unapređenje odnosa s kupcima i dobavljačima. Navedeno će mu omogućiti PI, međutim on

istovremeno ukazuje poduzećima na razumijevanje deset kritičnih izazova:

� pogrešno shvaćanje i razumijevanje BI projekata kao kros-organizacijske aktivnosti

naime, potrebna je organizacijska kultura shvaćanja BI-a na razini cijelog poduzeća;

� pogrešan izbor sponzora BI projekta, ako to nije osoba iz top menadžmenta, te ako ona

nije uvjerena u uspjeh - on će izostati;

� nedostatak ključnih menadžera u razvojnom timu BI projekta54;

� nedostatak obučenog i raspoloživog osoblja;

� nepostojanje jasno definiranog plana, metoda, ciljeva i putokaza;

� nedostatak spoznaje o BI projektu kao iterativnom procesu u kojemu se resursi,

planovi, vremenske skale i ciljevi kontinuirano usklađuju;

54 Atre navodi kako 20% ključnih menadžera koristi BI aplikacije u 80% svojeg vremena, pa stoga smatra potrebnim identificiranje i uključivanje bitnih IT i poslovnih menadžera od samog početka razvoja BI-a.

68

� problem identifikacije i artikulacije informacijskih potreba postavljenih pred BI,

� nerazumijevanje potrebe za korištenjem podataka o podacima (engl. Meta-data);

� previše oslanjanja na različite metode i alate, pa predlaže da se u perspektivi svjesno

teži korištenju manjeg broja alata s obzirom da njihov veći broj povećava

kompleksnosti te zahtijeva veći administrativni angažman.

Williams i Williams (2007., p. 171-181.) navode četiri kritična faktora BI uspjeha:

� utvrđivanje odnosno razumijevanje na koji će način uvođenje BI-a unaprijediti

performanse poduzeća - ovdje su potencijalni problemi: nepostojanje usklađenosti BI

strategije s poslovnom strategijom, nesnalažljivost u definiranju informacijskih

potreba, te nepostojanje marketinške vizije za dobivanje organizacijske podrške.

� osnivanje i rukovođenje BI programom - moguće su greške: ad hoc praksa za

selektiranje BI projekta, neadekvatno vođenje BI programa, nestrateško pozicioniranje

BI unutar organizacije, neadekvatni resursi i nekvalitetno financiranje kao podrška

uspješnosti BI inicijative;

� optimiziranje infrastrukture korištene IT za potrebe BI-a - mogući problemi: korištenje

tehničke infrastrukture koja je neadekvatna za podršku poslovnoj inteligenciji,

korištenje IT standarda i politika koji su dizajnirani za operativni sistem;

� upravljanje organizacijskim promjenama potrebnim za postizanje novih vrijednosti -

potencijalne greške: nekorištenje reinženjeringa poslovnih procesa za optimizaciju

korištenja BI svojstava, pomanjkanje volje za organizacijskim promjenama,

nedostatak inicijativa te nekorištenje punog potencijala informacija.

Panian (2007., p. 108-119.) navodi pretpostavke (zlatna pravila) koje će jamčiti veći

stupanj vjerojatnosti uspješnijih sustava:

� korisnike treba razumjeti - gotovo 90% ili i više poslovnih korisnika u većini

organizacija ne žele trošiti vrijeme na stvaranje, mijenjanje ili drugačije rukovanje

informacijama čak i kad su im nadohvat ruke PI alati pomoću kojih to mogu činiti;

� valja primijeniti paradigmu broja klikova - što je potrebno više klikova da bi se

došlo do konačnog rezultata, to je uložen veći trud, stoga ne čudi nastojanje da se

osigura prijem željenih informacija sa što manjim brojem klikova;

� napredniji korisnici trebaju biti konzumenti, ali i proizvođači informacija;

� valja uspostaviti i njegovati sveprisutnu kulturu mjerenja s obzirom da se onim što

se može mjeriti može i upravljati;

69

� razvoj poslovne inteligencije treba biti strateško opredjeljenje tvrtke.

Neke od navedenih sugestija i elementi svoju su potvrdu našli u rezultatima istraživanja

koje je objavila Howson (2008., p. 89., 115., 184.). Prema njima, 55% ispitanika partnerstvo

između poslovanja i IT-a (engl. Business-IT partnership) označilo je kao esencijalno za

uspjeh uvođenja BI-a u poduzeće. Na drugom mjestu se nalazi podrška vrhovnog

menadžmenta sa 53%, dok treće mjesto pripada usklađenju55 BI-a i poslovnih ciljeva odnosno

korporacijske strategije. Upravljanje BI programom prosječno je ocijenjeno kao vrlo važno za

postizanje BI uspjeha, što je vrednovalo 25% ispitanika. Otprilike isti broj poduzeća ima

implementiran BI na razini određenog odjela kao i na razini cijelog poduzeća, međutim skoro

dvostruko (31% u odnosu na 16%) dalo je ocjenu vrlo zadovoljan na razini poduzeća u

odnosu na razinu odjela. Istraživanje je također ukazalo na određene kulturološke elemente, u

uspješnim BI kompanijama 73% ispitanika se složilo (ili strogo složilo) da se odluke

dominantno donose na temelju činjenica u odnosu na dobar osjećaj, za razliku od onih

kompanija koje nisu uspješne u korištenju BI-a gdje je 80% ispitanika potvrdilo da koriste

dobar osjećaj za odlučivanje. Ovdje je potrebno ukazati na moguću tzv. zamku dokaza (engl.

Evidence Trap) koja nastaje kada donositelji odluka traže informacije koje će potvrditi već

donesene odluke na temelju iskustva ili dobrog osjećaja. Druga razlika koja, po autorici,

spada pod kulturološku jest da uspješna BI poduzeća u 79% slučajeva sebe doživljavaju kao

efikasne lean upravljače, za razliku od 63% dijelimično BI uspješnih, odnosno 47%

neuspješnih.

Hedin et al. (2011., p. 42.) u sklopu rezultata svojih istraživanja ukazali su na šest ključnih

faktora uspješnosti (engl. Key Success Factors - KSF):

� opseg intelligencea - odnosi se na definiranje svrhe MI programa, korisnika i

vremenskog okvira (prošlost, sadašnjost, budućnost) intelligence aktivnosti te

određivanje tema za koje će se trebati prikupiti informacije, a obično je tu riječ o

kupcima, konkurentima, dobavljačima, trendovima i geografskim tržišnim

područjima;

� intelligence proces - koji se odnosi na prikupljanje, analizu i izvještavanje

informacijama korisničkih grupa. Ovaj proces uvijek treba biti vezan uz korporacijske

55 Kaplan i Norton su u svojoj knjizi „Alignment“ slikovito objasnili ovaj pojam kao „nešto slično sinkronizaciji koju postiže posada veslačkog čamca“.

70

procese poput strateškog planiranja, marketinga, prodaje, inovacija, menadžmenta

proizvoda i upravljanja opskrbnim lancem;

� intelligence isporuke - pod čime se podrazumijevaju konkretni outputi prethodno

objašnjenog procesa. Ove isporuke mogu biti opipljive poput analitičkih izvještaja,

prikaza profila s tržišta, ili je riječ o interaktivnom radionicama i brifinzima. Ovdje je

također moguće uključiti posebno razvijene IT programe dizajnirane za tzv.

samoposluživanje krajnjih korisnika;

� intelligence alati - riječ je o softverskim alatima koji su zaduženi za provođenje

definiranih procesa te kao pomoć procesuiranju podataka u informacije i inteligenciju

koja se normalno dostavlja korisnicima. Pod ovim alatima se također mogu

podrazumijevati i određene analitičke tehnike;

� intelligence organizacija - podrazumijeva sve resurse čijom kombinacijom su

omogućeni intelligence procesi. Formiranje intelligence organizacije započinje činom

definiranja vlasnika korporacijskih intelligence aktivnosti kojemu su potrebne interne i

eksterne mreže podrške. Unutarnja se mreža odnosi na korisnike i stvaratelje iz

različitih dijelova organizacije, dok se vanjska mreža odnosi na sve izvore iz eksterne

okoline, poput partnera, industrijskih konzultanata, kreatora istraživačkih izvještaja i

sl.;

� intelligence kultura - zadužena je za održavanje intelligence programa u životu, a

najvažniji element ove kulture jest vrhovni menadžment sa svojom iskrenom

podrškom intelligence aktivnostima.

Promatrajući BI kao sustav, Bilandžić (2008., p. 87-90.) ukazuje na potrebu integriranja,

organiziranja i usklađivanja nekoliko elemenata: ljudski (kadrovski), operativni (djelatnost),

organizacijski (okvir funkcioniranja) i tehnički (informatički). Prema njemu, gradnja BI

sustava treba biti postavljena u skladu sa shvaćanjem da je BI sastavni dio strateškog

upravljanja, a sam se sustav može uspostaviti na tri načina:

� neformalni oblik organiziranja - na način kada pojedini djelatnici uz svoj primarni

posao obavljaju i aktivnosti iz BI spektra;

� formalni oblik - koji podrazumijeva uspostavu posebnih organizacijskih jedinica

zaduženih za BI;

� formalni centralizirano-decentralizirani model - karakterističan velikim

multinacionalnim kompanijama.

71

I on naglašava organizacijsku kulturu povezujući je sa sviješću zaposlenika o sadržaju i

važnosti BI-a, čime on posljedično postaje dio poslovne kulture kompanije. Indikatori koji,

po njemu, ukazuju na uspješnost BI-a u kompaniji jesu:

� to bi trebao biti sustav koji kompaniji donosi novac;

� top menadžment bi trebao znati što je BI, kolika mu je važnost u poslovanju i uloga u

procesima te redovito rabiti rezultate u procesu donošenja odluka;

� BI sustav bi trebao stvoriti realne poslovne intelligence analize koje omogućuju

kompaniji da uvijek bude korak ispred konkurenata;

� Intelligence analize trebaju pružiti realnu sliku o položaju kompanije u poslovnom

okruženju i u odnosu na konkurente te predvidjeti razvoj budućih događaja.

Garača (2009., p. 139.) iznosi načela BI-a iz kojih se u svari mogu iščitati elementi potrebni

za uspješno funkcioniranje bez obzira koja se tehnologija koristi:

� centralizacija, Bi mora biti podređen strateškim interesima poslovnog sustava;

� objektivnost, podrazumijeva se korektnost u prezentaciji dobivenih rezultata;

� pravovremenost, bitne informacije i rezultati trebaju biti dostupni u vrijeme potrebe za

njima;

� prilagodljivost, odnosno fleksibilnost BI sustava različitim potrebama i zahtjevima

poslovnog sustava;

� kontinuiranost, stanje predmeta istraživanja treba se kontinuirano provjeravati;

� sustavnost, metodičko korištenje svih raspoloživih resursa;

� dostupnost, informacije i rezultati trebaju biti dostupni svim zainteresiranim i

ovlaštenim osobama;

� etičnost, osim podataka o internom poslovanju, legalno i etički se može prikupljati

najveći dio javno dostupnih podataka;

� sveobuhvatnost, potrebno je koristiti sve raspoložive izvore podataka, bilo da su

primarni ili sekundarni, bez obzira na učestalost njihovog pojavljivanja ili

objavljivanja.

72

1.3.4. Zaštita podataka i informacija – defenzivna poslovna inteligencija

Polazeći od pretpostavke koliku vrijednost podaci i informacije predstavljaju za tvrtku i

njezino poslovanje, namaće se potreba pronalaženja načina za njihovo efikasno čuvanje i

branjenje. Nolan (2001., p. 205.) logično objašnjava temeljni princip kada kaže: ako

intelligence aktivnosti imaju vrijednost tada ih je vrijedno i štititi. Što pod pojmom poslovne

protuobavještajne aktivnosti (engl. Business Counterintelligence - BC) podrazumijevaju

pojedini autori te koliko su široka tumačenja nabolje se vidi iz analize nekoliko probranih

definicija (Barrett, 2000., p. 29; Bernhardt, 2003., p. 88-90; Shear, 2009., p. 56-57.):

� Ispravno shvaćen cilj BC-a predstavlja angažman i neutralizaciju nastojanja

konkurentskih prikupljanja korištenjem raznih fleksibilnih i aktivnih mjera (Nolan,

2001.);

� BC se bavi upadima koji nisu ni protuzakoniti ni neetični. Iako se mogu koristiti

barijere za sprječavanje egzodusa informacija, BC treba biti uspostavljen u tvrtkinim

procedurama, ali i u glavama zaposlenika, a ne preko ulaznih točaka na (web)

stranicama (West, 2001.);

� BC je višeslojni zaštitini štit koji krije vaše slabosti od onih koji mogu, znajući ih,

profitirati na vaš trošak. Također se koristi za ograničavanje izloženosti vaše snage

onima koji to ne trebaju znati. To je tekući defenzivni proces kojim organizacija

sagledava svoju unutrašnjost lećama protivnika kako bi blokirala svoju izloženost

ekonomskoj, cyber ili industrijskoj špijunaži, prijevarama, terorizmu, nebrizi,

prevelikom otkrivanju, nezakonitom stjecanju vlasničkih informacija te drugim

sigurnosnim rizicima (Martin, 2002.);

� BC je proces preveniranja intelligence napora drugih strana, često, ali ne nužno

konkurenata. Razumijevanje BC-a podrazumijeva razumijevanje procesa poslovne

inteligencije kako biste shvatili kako netko drugi možda prikuplja informacije o vama

(Barrett, 2000.);

� Kao što je PI široko ugrađena u korporativno istraživanje i planiranje, tako je i praksa

BC koja štiti podatke vaše kompanije od legalnih ili ilegalnih intelligence aktivnosti

drugih poduzeća (Miller, 2001.);

� BC je akcija poduzeta protiv protivnikovih intelligence aktivnosti, špijunaže ili

sabotaže (Fleisher i Blenkhorn, 2001.);

73

� BC se bavi ofenzivnim i defenzivnim aktivnostima kako bi neutralizirala efikasnost

stranih/neprijateljskih intelligence operacija, zaštitila osjetljive informacije, spriječila

subverzije, sabotaže i terorističke aktivnosti usmjerene prema ljudima, strateškoj

infrastrukturi te materijalima (South Africa Government White Paper on Intelligence,

1995.);

� Misija BC-a jest zaštita cjelokupnog subjekta, bez obzira je li riječ o vladi ili

korproaciji, od unutrašnje ili vanjske povrede (Sulc, 1997.).

Shear (2009., p. 58.) konsolidira proučene analize te kaže kako BC podržava proces PI kroz

zaštitu, čuvanje, doprinos i korištenje znanja slijedeći interne ofenzivne i defenzivne etične

procedure kako bi se adekvatno neutralizirale štetne ili potencijalno štetne aktivnosti koje se

provode iznutra ili izvana, legalnim ili ilegalnim sredstvima, od strane vanjskih ili unutarnjih

subjekata. U najširem smislu može se ustvrditi kako je zadatak BC-a zaštita informacija od

onih koji nisu autorizirani za njezino posjedovanje kako bi se spriječile potencijalne prijetnje

te unaprijedila sigurnost (Bernhardt, 2003., p. 89.), odnosno rizik gubitka poslovnih

informacija koje posjeduje poslovni subjekt svesti na najmanju moguću mjeru (Javorović i

Bilandžić, 2007., p. 228.). S obzirom da je poslovna inteligencija isključivo orijentirana

prema poslovnoj domeni, a termin protuobavještajno djelovanje ima prizvuk vojnog, odnosno

špijunskog, primjerenije bi bilo ove aktivnosti nazvati defenzivna ili obrambena poslovna

inteligencija (engl. Defensive Business Intelligence - DBI). Jelens56 (DeGenaro, 2005., p. 13-

14.) razlikuje ova dva pojma te kaže kako se defenzivna inteligencija sastoji od:

� sigurnosnih protumjera (obrana od protivničkih pokušaja, tradicionalno fizičke -

potrebne ali nedovoljne);

� operativne sigurnosti (uskraćivanje protivniku bilo kakvih dokaza o planiranju i

izvršenju osjetljivih aktivnosti);

� kontraobavještajnih aktivnosti (otkrivanje protivnikovih intelligence aktivnosti).

McGonagle i Vella (1996., p. 91.) objašnjavaju kako realizacija obrambene inteligencije

(engl. Defensive Intelligence – DI)57 obuhvaća nekoliko aktivnosti: (1) nadgledanje

informacija distribuiranih od strane kompanije, (2) evaluacija konkutrentskih aktivnosti – da li

su poduzete na temelju neobjavljenih informacija, (3) preporuka politika i načina kontrole

56 Georg Jelens je u vrijeme objave članka (2005. godina) bio direktor operativne sigurnosti National Security Agency (NSA). 57 I kod se ovog pojma može uočiti različito korištenje termina tako da u ovom slučaju autori objašnjavaju pojam Defensive Intelligence a navode kako se ponekad koristi pojam Counter Intelligence.

74

upravljanja osjetljivim informacijama. Na slici 12. je prikazano njihovo povezivanje

obrambene inteligencije s ostalim elementima Cyber Intelligencea.

Slika 12. Poveznica obrambene inteligencije s ostalim elementima modela

Izvor: McGonagle, John J., Vella, Carolyn M.: A New Archetype for Competitive Intelligence, Quorum books, London, 1996., p. 96.

Javorović i Bilandžić (2007., p. 214.) kažu kako ova aktivnost ima tri cilja: zadržavanje status

quo vezano za položaj pravnog subjekta u poslovnom okruženju, procjenu mogućih opasnosti

i prijetnji te zaštitu poslovnog subjekta od nelegalnih i neetičnih napada drugih subjekata.

Ovaj ciklični proces sastoji se od nekoliko međusobno povezanih faza (Barrett, 2000., p. 31-

38; Nolan, 2001., p. 210-212.):

� postavljanje i definiranje zadataka - sigurnost se treba gledati kao proaktvni i

integralni dio programa BC-a. Sa strateške razine potrebno je točno i precizno

definirati opseg (što se treba zaštititi) i ciljeve koji se trebaju izvršiti te način i

tehnologiju njihove realizacije;

� ocjena konkurencije - aktivna procjena tko i na koji način ugrožava (ili potencijalno)

ugrožava interese kompanije te kakve su intelligence sposobnosti konkurencije ili

drugih interesenata. Kod ove aktivnosti potrebno je poći od pretpostavke da aktivnosti

usmjerene prema kompaniji ne moraju biti ni legalne ni etične58, ali isto tako da

potencijalni ugrožavatelji mogu djelovati preko samih zaposlenika59;

58 Nolan navodi informaciju FBI-a kako je u šest godina evidentirano 1.100 slučajeva industrijske špijunaže u kojoj je procijenjena šteta u iznosu od 300 milijardi USD. 59 Javorović i Bilandžić navode kako su istraživanja pokazala da su u preko 70% slučajeva za gubitak informacija krivi zaposlenici kompanije (2007., p. 230.)

75

� procjena ranjivosti - podrazumijeva analizu slabosti same organizacije koje

istovremeno mogu biti prilike svim neprijateljskim čimbenicima. Ranjivosti se mogu

klasificirati kroz nekoliko dimenzija: operativne (odnose se na način kako poduzeće

izvodi svoje dnevne operacije, kako otkrivaju svoju budućnost te kako štite

informacije pogotovo u kontekstu svijesti zaposlenika koje su informacije osjetljive),

fizičke (najveća ranjivost proizlazi iz ne korištenja fizičkih zaštita: brava, lozinki,

važnih dokumenata), osobne (odnose se na način kako poduzeća zapošljavaju i

upravljaju svojim zaposlenicima), tehničke (prvenstveno se odnosi na računala,

njihovo korištenje i zaključavanje);

� dizajn i razvoj protumjera - zasniva se na prethodno utvrđenom stanju ranjivosti

poduzeća sukladno čemu se i određuju prikladne mjere koje ne moraju nužno biti

skupe nego učinkovite. Prvi element u izgradnji ove faze jest podizanje svijesti

zaposlenika o važnosti zaštite informacija te potencijalnim posljedicama ugroze.

Slijedeću važnu karika predstavlja uspostava sigurnosne klasifikacije informacija i

razrada sheme njihove dostupnosti;

� analiza - dat će ocjenu kakav je bio učinak poduzetih mjera te koje se aktivnosti i na

koji način trebaju usavršiti kako bi se kvalitetno ispunili postavljeni sigurnosni ciljevi;

� distribucija - ključni trenutak kojim se analitičke procjene dostavljaju menadžmentu te

vrijedi isto pravilo kao i kod poslovne inteligencije - prava informacija u pravo

vrijeme pravim osobama.

Kahaner (1997., p. 252-254.) objašnjava osnovnu ideju OPSEC60 metode – identificirati

relativnu važnost svake informacije kako bi se poduzele prikladne mjere za njezinu zaštitu. Za

razliku od tradiocionalnih sigurnosnih metoda koje su nastojale izbjeći rizik po svaku cijenu,

ova tehnika pomaže upravljati rizikom u razumnom i analitičkom smislu na ekonomičan

način kroz pet koraka:

� identifikacija kritičnih informacija - predstavlja izbor informacija koje konkurencija

treba kako bi stekla prednosti u odnosu na tvrtku koja se štiti. Najčešće je riječ o

formulama, trgovačkim tajnama, ugovorima, planiranim akvizicijama te strateškim

planovima;

� analiza prijetnji - podrazumijeva identifikaciju konkurenata i ocjenu sposobnosti

učinka njihovih intelligence aktivnosti;

60 OPSEC predstavlja akronim od Operation Security, odnosno, za operaciju sigurnosti.

76

� analiza ranjivosti - sastoji se od procjene mogućih curenja vlastitih informacija i

razumijevanja ovog problema od strane zaposlenika kojima su te informacije

dostupne;

� procjena rizika - podrazumijeva analizu mogućih posljedice ukoliko konkurencija

dobije određene štićene informacije, odnosno, kako bi se to moglo odraziti na tržišni

udjel, kupce ili poziciju tehnološke razine;

� upotreba protumjera - prvi korak predstavlja promjena načina zaposlenika kako rade

svoj posao, potom način njihovog razmišljanja o poslu te posljedično pristup

upravljanju podacima i informacijama.

Gordon i Loeb (2001., p. 71-75.) slično, kroz pet koraka, razvijaju obrambeni aspekt

sistemske analize konkurencije (engl. Competitor Analysis System – CAS) gdje svaki korak

karakterizira nužnost promišljanja prethodnog:

� identifikacija trenutnih i potencijelnih konkurenata - identifikacija mogućih budućih

konkurenata predstavlja izazov obzirom da je u analizi potrebno uočiti mnoge

prikrivene elemente teško primjetnih karakteristika;

� određivanje informacija koje predstavljaju ciljeve uočenih konkurenata (o tržišnom

udjelu, razvoju novih proizvoda, informacije o potencijalnim spajanjima, o

neobjavljenim financijskim pokazateljima, strukturi troškova...);

� procjena dostupnosti ovih informacija - predstavlja temeljnu obrambenu mjeru;

� ocjena njihove vrijednosti za konkurente - zbog jednostavnije obrade predlažu tri

vrijednosne kategorije;

� sprečavanje konkurentskih CAS aktivnosti.

Bernhardt (2003., p. 88-96.) navodi tri pitanja na koje svaka tvrtka treba odgovoriti kako bi

identificirala razinu svoje obrambene spremnosti: (1) što naši konkurenti žele saznati o nama i

zašto?, (2) na koji način to žele postići?, (3) koje mjere su na raspolaganju za sprječavanje tih

aktivnosti? Osim navedenog, Bernhardt sugerira i moguće indikatore aktivnosti usmjerenih

protiv organizacije:

� konkurenti su upoznati s novim projektima, povjerljivim poslovima, poslovnim

tajnama i strategijama;

� tvrtka dobiva upite od nepoznatih (studenti, istraživači i sl.) o svojim poslovnim

tajnama i novim projektima;

� serviseri i tehničko osoblje održavanja posjećuje kompanije bez da su pozvani;

77

� isti konkurenti uvijek pobjeđuju poduzeće na raznim natječajima;

� postavljeni uređaji za prisluškivanje u sobama za sastanke;

� poduzeće stalno zaprima upite za posjete raznih stranih delegacija;

� konkurenti redovito prvi lansiraju novi proizvod vrlo sličan onom kojeg poduzeće

razvija;

� krađa povjerljivog materijal ili računala kojima se koristi menadžment;

� ključni zaposlenici napuštaju poduzeće i prelaze konurenciji.

Rezultati istraživanja61 koje je proveo Calof (2004.) pokazuju da generalno postoji

zadovoljavajuća praksa zaštite informacija, međutim također je ustanovljeno kako poduzeća

slabo procjenjuju aktivnosti poslovne inteligencije usmjerene protiv njih, pa zaključuje kako

je sigurnosna svijest velika a defenzivna niska. U prilog navedenoj ocjeni idu rezultati

istraživanja62 koje je proveo ASIS63 (Fitzpatrick i Burke, 2003., p. 21.) prema kojima su četiri

naznačajnije posljedice curenja informacija: gubitak konkurentske prednosti, smanjenje

tržišnog udjela, povećanje troškova namjenjenih istraživanju i razvoju te povećanje stopa

osiguranja. U kontekstu navedene materije vrijedno je navesti jedno od rijetkih istraživanja64

povrede informacijske sigurnosti od strane zaposlenika poduzeća koje je provela Shropshire

(2009., p. 296-310.). U istraživačkom su modelu prediktorske varijable: financijske promjene,

deformacije u ponašanju, zlouporaba opijata (droga i alkohol) te promjena posla, dok su

zavisne IT špijunaža i sabotaža. Rezultati ovog istraživanja potvrdili su hipoteze: (1)

financijske su promjene u korelaciji sa IT špijunažom, (2) deformacije u ponašanju su u

korelaciji s IT sabotažom, (3) zlouporaba opijata je u korelaciji sa IT sabotažom, (4) promjene

posla su u korelaciji sa IT sabotažom, ali nisu u korelaciji sa IT špijunažom.

Prema Nolanu (2001., p. 213-216.), kada se PI i DPI integriraju u jedinstven model rezultati

mogu biti impresivni, a model takve integracije prikazuje slika 13. Integracija se očituje kroz

tri elementa: prvi i osnovni element koji ujedno predstavlja početnu i krajnju točku jest

menadžment odnosno donositelji strategije i najvažnijih odluka. Druga su dva integrirajuća

elementa izrada analiza i njihova distribucija krajnjim korisnicima.

61 Istraživanje je provedeno na uzorku od 3.080 kanadskih visokotehnološki razvijenih poduzeća od kojih se dobilo 1.025 odgovora što predstavlja odziv od 33%. 62 Istraživanje je provedeno 1999. godine na poduzećima iz grupe Fortune 1000. 63 ASIS predstavlja akronim od American Society for Industrial Security , odnosno američko udruženje za industrijsku sigurnost. 64 Ovim su istraživanjem obuhvaćene institicije vlade SAD, organizacije iz obrambene sfere, te financijskih i zdrastvenih usluga. Iz navedenih se baza generirao 41 slučaj, a kanoničkom su analizom ukupno obrađena 62 slučaja.

78

Slika 13. Integralni model zaštite poslovne inteligencije

Izvor: Nolan, J.A.: Intelligence and Security in Business, in Miller, J.: Millenium Intelligence: Understanding and Conductiong Competitive Intelligence in the Digital Age, CyberAge Books, New Jersey, 2001., p. 213.

Barrier (2004., p. 54.) navodi rezultate istraživanja65 prema kojem se 30% ispitanika izjasnilo

kako njihovo poduzeće ne provodi nikakve mjere zaštite trgovinskih tajni. Isto je istraživanje

pokazalo kako su dva najčešća načina zaštite: potpisivanje dokumenta o zašititi podataka

(engl. Nondisclosure agreement) i dokument kojim se uposlenik obvezuje da neće preći raditi

u konkurentsko poduzeće (engl. Noncompete agreement). Bernhardt (2003., p. 90-93.)

preporučuje preventivne mjere koje bi se mogle primijeniti u većini poduzeća: edukacija

zaposlenika (kako bi na vrijeme prepoznali prijetnje), obrambene mjere (identifikacija

mogućih prijetnji među zaposlenicima), mjere tehničkog nadzora (služe identifikaciji ilegalno

postavljenih uređaja) te testiranje penetracije (ocjena ranjivosti sigurnosnih sustava).

65 Society for Human Resource Management je tijekom ožujka 2004. proveo istraživanje na uzorku od 247 HR profesionalaca.

79

1.3.5. Budućnost poslovne inteligencije

Današnje uvjete poslovanja karakteriziraju neizvjesnost, nepredvidivost te nesigurnost, a

globalne pokazatelje međunarodnog monetarnog fonda (engl. International Monetary Fund)

prikazuje graf broj 2.

Upravo zbog navedenih okolnosti Ranjan (2009., p. 63.) predviđa rast potrebe za BI

analizama u realnom vremenu (engl. Real time) ili blizu realnog vremena (engl. Near real

time), odnosno očekuje rast potreba za ažuriranim informacijama, slično kao na burzama za

koje će korisnici očekivati da ih dobiju s klikom ili dva miša. Ovo će se odraziti na smanjenje

potrebama za tjednim ili mjesečnim izvještajima.

Graf 2. Promjene u globalnom okruženju

Izvor: International Monetary Fund: Global Financial Stability Report in: Hostman, B.: Future Scenarios for the Five Key Business Intelligence and Information Management Initiatives, Gartner Business Intelligence Summit, march 9-11, 2009., p.2.

Watson (2009., p. 499-503.) predviđa četiri trenda:

� skalabilnost, koja označava sposobnost BI-a u rukovanju velikih količina podataka,

većeg broja korisnika, složenijih upita (engl. Query) bez smanjenja performansi i

djelotvornosti sistema;

0

2

4

6

8

10

makroekonomski rizik

rizik novih tržišta

kreditni rizik

tržišni i rizik likvidnosti

potreba za rizikom

monetarni i financijski rizik

tra.07

lis.08

80

� sveprožimajući (engl. Pervasive) BI, pod čime podrazumijeva svojevrsnu

demokratizaciju BI-a za široku skupinu korisnika, ne samo unutar organizacije već to

predviđa i za tvrtkine kupce i dobavljače. Izazovi koji se u tom smislu postavljaju jesu

vrijeme, cijena, kompleksnost izbora, nabava te implementacija;

� operacijski BI, napretkom tehnologije aktualne se operacije ne moraju samo

nadgledati, na njih se može utjecati korištenjem realnih podataka tako da on

upotrebljava termin skladište podataka u realnom vremenu (engl. Real time Data

Warehouse);

� organizacija na temeljima BI-a (engl. BI-based organization), prateći razvoj BI-a

može se reći da je od nečega poželjnog (engl. Nice to have) postao uvjet

konkurentnosti (Davenport, 2006.), nešto bez čega poduzeće ne bi moglo funkcionirati

u budućnost.

Poslovna je inteligencija trebala izaći iz područja povijesnih analiza i usmjeriti se prema

budućnost, pa se može reći da se od nje očekuje prediktivnost i proaktivnost (Panian, 2007., p.

49.). Pod prediktivnošću podrazumijeva mogućnost predviđanja budućih događaja, stanja,

promjena ili procesa, dok proaktivnost znači mogućnost osmišljavanja, pripremanja i

poduzimanja akcija primjerenih anticipiranim događajima, stanjima, promjenama i procesima.

Kada informacija o nekom zbivanju dođe do skladišta podataka, upozorenje o tome prenosi se

do korisnika putem različitih vrsta mehanizama, što Liautaud i Hammond (2006., p. 96.)

nazivaju proaktivnom inteligencijom.

Rudarenje podataka, statističke analize i prediktivna analitika nisu ništa novo, međutim, ono

što ih je promijenilo jest način kako su integrirani u BI jer je menadžment prepoznao koliko

se široko mogu primjenjivati ove analize (Howson, 2008., p. 204-205.). Tradicionalni su

izvještaji pomagali shvatiti što se dogodilo i donekle zašto se to dogodilo. Rudarenje

podacima identificiralo je uzorke i trendove u podacima kako bi se moglo predvidjeti što će se

dogoditi, dok napredna analitika pruža širi kontekstualni uvid i interpretaciju koje izravno

vode prema specifičnim akcijama (La Grouw, 2008., p. 258.).

Hedin et al. (2011., p. 223-236.) temeljem rezultata svojeg istraživanje prezentirali su MI

trendove do 2015. godine:

� iz perspektive lanca vrijednosti kupci, konzumenti i konkurenti će i dalje biti u

primarnom fokusu intelligence aktivnosti;

� upravljanje rizikom i risk intelligence postaju važna područja unutar MI-a;

81

� tržišta u nastajanju predstavljaju najveće prilike stoga će biti ciljevi povećane

intelligence aktivnosti;

� sukreacija u intelligence aktivnostima podrazumijeva zajednički rad MI profesionalaca

i donositelja odluka;

� kvalitetnija integracija MI u poslovni proces i u proces donošenja odluka pod čime se

podrazumijeva bolje razumijevanje poslovanja i korporativnih strategija i ciljeva od

strane MI profesionalaca, ali istovremeno se podrazumijeva da donositelji odluka

trebaju razumjeti način funkcioniranja MI-a te im omogućiti šire vidike unutar polja

interesa za određenim informacijama;

� budući MI outputi trebaju imati povećanu razinu analize i dubljeg uvida, lakšu

pristupačnost (on-line), poboljšanu vizualizaciju te povećanu orijentiranost prema

budućnosti. Za očekivati je veći udio scenario analiza, ratnih radionica (engl. war

gaming workshop), razvijanja različitih varijanti mogućih ishoda, personalizirane

intelligence uratke i sl.;

� razvoj sistema ranog upozoravanja;

� prepoznata su četiri trenda preferiranja informacija:

o stvarno jednostavne vijesti (engl. Really Simple Syndication – RSS) za

individualne korisnike,

o unošenje informacija s Googlea ili nekog drugog izvora otvorenog tipa,

o korištenje pametnih telefona za MI potrebe,

o korištenje video materijala za MI potrebe;

� osim navedenih kanala očekuje se daljnji razvoj umjetne inteligencije (AI) i alata za

obradu teksta te geografskog informacijskog sistema (engl. Geographical Information

System – GIS);

� u organizacijskom smislu očekivanja su podijeljena s obzirom da dio sudionika

očekuje povećanu centralizaciju (u MI smislu), dok drugi očekuju suprotno;

� izmještanje (engl. Outsourcing) netemeljnih MI aktivnosti izvan organizacije;

� naglašeniji interni marketing i podrška vrhovnog menadžmenta MI aktivnostima.

82

1.4. Evaluacija poslovne inteligencije

1.4.1. Mjerenje poslovne inteligencije

Potreba mjerenja poslovne inteligencije proizlazi iz same činjenice da menadžment treba znati

doprinos svakog poslovnog elementa, procesa, aktivnosti ili funkcije ukupnom rezultatu, bez

obzira je li riječ o opipljivom ili neopipljivom učinku. Upravo zbog specifičnosti područja

mjerenja, u literaturi postoji širok spektar razmišljanja, sugestija i prijedloga. Stubs (2011., p.

100.) smatra kako je vrijednost stvorena jedino onda kada je poduzeta akcija, a ne kada se

stekao uvid. Lonnqvist i Pirttimaki (2006., p. 33.) navode kako su dva osnovna razloga

mjerenja PI-a: određivanje same vrijednosti poslovne inteligencije (odnosno vidjeti je li

vrijedna investicije) i upravljanje njezinim procesom. Kahaner (1996., p. 230-231.) tvrdi kako

je utjecaj intelligence operacija indirektan te da nema jednostavne korelacije između prihoda i

novca potrošenog za aktivnosti PI66, ali isto tako postavlja obrnuto pitanje: koliko poduzeće

gubi ne primjenjujući PI? Simon (GIA, 2004., p. 5.) slično kaže jer smatra kako je teško

izmjeriti izravnu novčanu dobit, što govori i Pirttimaki (2007., p. 77.). Ona kaže da mjerenje

izravne financijske dobiti od PI predstavlja težak zadatak zbog neopipljive prirode PI

aktivnosti i njezinih rezultata, te zbog činjenice da se realizirana dobit odnosno koristi

disperziraju kroz cijelo poduzeće. Simon (1998., prema GIA, 2004., p. 6.) u svojem

razmatranju dijeli mjere na tvrde i meke, gdje pod tvrdim mjerama podrazumijeva standardne

mjere organizacijskih procesa izražene kroz vrijeme, novac i kvalitetu. Meke mjere

predstavljaju subjektivne pokazatelje poput radne atmosfere, navika, osjećaja i sl.

Vrijednost poslovne inteligencije Mohanty (2008., p. 22.) razmatra u kontekstu informacijske

agilnosti koju smatra ključnom za postizanje poslovne agilnost, tako da je, po njemu, pravo

pitanje kako izračunati informacijsku agilnost. Najvažnijim faktorom po kojem se razlikuju

agilna poduzeća od svoje konkurencije jest sposobnost donošenja informiranih odluka.

Buchda (2007., p. 34-40.) u svojoj analizi navodi tri rana primjera mjerenja poslovne

inteligencije: Herring, 1996; Davidson, 2001; McGonagle i Vella, 2002. Temeljem svojih

istraživanja Herring navodi četiri mjere efikasnosti (engl. Measures of Effectiveness – MOE):

ušteda vremena, izbjegavanje troškova, uštede na troškovima te unaprjeđenje prihoda. Iako je

prijedlog zanimljiv, nije jasno kako bi se ovi pokazatelji trebali mjeriti. Prema McGonagle i

66 Kahaner slikovito kaže kako je pokušaj kvantificiranja izravnog efekta od PI jednak kao da neki grad pokuša kvantificirati povrat koji dobiva jer ima izvrsne škole, bolnice, vatrogasce, policiju i sl.

83

Vella (2002., prema Buchda, 2007., p. 35.), The Future Group identificirali su najčešće mjere

efikasnosti: poduzete akcije (67%), promjene tržišnog udjela (49%), realizacija financijskih

ciljeva (49%), te razvoj novih proizvoda (44%).

Davidson (2001.) predlaže model povrata na investicije kompetitivne inteligencije (engl.

Return on Competitive Intelligence Investment – ROCII) za specifičan projekt razlikujući pri

tome strateške rezultate (omjer točnog predviđanja, ispunjavanje ciljeva te mjerenje

zadovoljstva: ukupnog, kvalitetom, relevantnošću, pravovremenošću, preciznošću i uvidom) i

operativne rezultate (ocjena inkrementalne vrijednosti, mjerenje faktora rizika, ispunjenje

ciljeva, mjerenje zadovoljstva). Temeljem navedenoga predlaže formulu:

�� =�� č�� + �� ( ��š��)

��š��

U navedenoj formuli (i njezinom objašnjenju) ostalo je nedorečeno na koji bi se način trebalo

precizno razdvojiti strateški i taktički element. Sawka (2000., p. 1-4.) kaže da poslovodstvo

traži konkretne i mjerljive koristi od PI kao dokaz njene vrijednosti te smatra kako je najbolje

mjerenje njezine korisnosti kroz evaluaciju doprinosa pojedinoj odluci te posljedičnoj analizi

koristi koje je kompanija imala od te odluke. U svojoj analizi predlaže četiri vrste mjerenja:

� izbjegavanje troška - poslovna inteligencija može imati mjerljiv utjecaj na

izbjegavanje nepotrebnih troškova u području kapitalnih investicija, razvoja proizvoda

te razvoja tržišta;

� poboljšanje prihoda - pokazati u kojoj mjeri aktivnosti PI pridonose povećanju

prihoda;

� povećanje investicija67 - investicije bi trebale ostvariti veći povrat kada su inputi

poslovne inteligencije uključeni u donošenje odluka. Potrebno je izmjeriti povećani

povrat koji je nastao kao rezultat aktivnog korištenja PI;

� stvaranje vrijednosti - može se mjeriti na različite načine, a Sawka ovdje sugerira PI

menadžerima da analiziraju sve mjere kako bi pronašli one gdje PI ima ili će imati

potencijalni doprinos, npr. zadovoljstvo zaposlenika ili kupaca.

67 Sawka priznaje kako je posljednje dvije mjere, povećanje investicija i stvaranje vrijednosti teže kvantificirati.

84

Marin i Poulter (2004., p. 202-203.) navode kako većina poduzeća još nije pronašla adekvatan

način mjerenja svojih PI aktivnosti. Moss i Atre (2003., p. 37-40.) priznaju kako je teško

pokazati adekvatan ROI, međutim smatraju kako je potrebno analizom informacija u PI

okruženju pokazati koliko poduzeće može učinkovitije djelovati i prilagoditi se na rastuće

tržišne promjene. Drže kako sve inicijative poslovne inteligencije pridonose barem u jednoj

od sljedećih kategorija:

� porast prihoda - identifikacija novih tržišta ili niša, efikasnija prodaja, brže

prepoznavanje novih mogućnosti, brži izlazak na tržište;

� porast prihoda - bolje ciljana promotivna populacija, rano upozorenje o padajućem

tržištu, identifikacija lošijih proizvodnih linija ili proizvoda, identifikacija internih

nedjelotvornosti, učinkovitije upravljanje proizvodima;

� poboljšanje kupčeva zadovoljstva - unaprijeđeno razumijevanja kupčevih preferencija,

unaprijeđenje proizvoda po kupčevim očekivanjima, prodaja dodatnog proizvoda

postojećem kupcu, ponovljena prodaja, brže reagiranje na kupčeve žalbe;

� povećanje ušteda - smanjenje izgubljenih ili otpisanih proizvoda, reduciranje zahtjeva

za prilagođenim izvještavanjima;

� povećanje tržišnog udjela - povećanje broja kupaca koji su prešli od konkurencije,

zadržavanje ili povećanje stope zadržavanja kupaca u odnosu na prethodno razdoblje

ili na konkurenciju.

Williams i Williams (2003., p. 3.) kažu kako investicija u PI treba kreirati određenu imovinu

koja će se koristiti za generiranje dodanog novčanog toka. Slikovito pojašnjavaju svoj stav

navodeći primjer kako investicija u PI koja će unaprijediti predviđanje neće donijeti dodanu

vrijednost ako se to predviđanje ne iskoristi u operativnim procesima što bi, posljedično,

trebalo rezultirati u opipljivim ekonomskim koristima. Temeljem ovakvog pristupa razlučuju

dvije opcije gdje PI pridonosi poslovnoj vrijednosti: unapređenjem upravljačkih procesa

(planiranje, kontroling, monitoring, mjerenja), te unapređenjem operativnih procesa (detekcija

prevara, promotivne kampanje, procesuiranje narudžbi, nabavljanje, procesiuranje plaćanja...).

Naime, poslovna vrijednost PI leži u njezinom korištenju u upravljačkim procesima koji

utječu na operativne procese kroz povećanje prihoda ili smanjenje troškova, ili u njezinom

izravnom korištenju u operativnim procesima. Iako potvrđuju (Williams i Williams, 2007., p.

21-22.) kako je ROI analiza ključna komponenta poslovnih analiza, ipak predlažu širu

analitičku perspektivu koja bi se trebala sastojati od:

85

� oportunitetne analize PI - kombiniranjem analize okruženja, industrijske analize i

ocjenom strategije sa sveobuhvatnom procjenom kako bi se PI trebala koristiti da

omogući provedbu te strategije i podrži ključne poslovne procese;

� ocjene spremnosti PI - riječ je o ocjeni organizacijske, poslovne i tehničke spremnosti

za dostavu podataka u sistem PI. Također je potrebno procijeniti kulturu odlučivanja,

spremnost prema promjenama te mogućnosti upravljanja promjenama, jer sve to utječe

na korištenje poslovne inteligencije;

� inženjeringa procesa - riječ je o vrednovanju korištenja pojedinih aplikacija PI u

kontekstu upravljačkih ili operativnih procesa;

� ROI analize - korištenje procjene troškova i diskontinuiranog novčanog toka za

procjenu neto sadašnje vrijednosti investicije u PI inicijative;

� upravljanja promjenama - temeljem ocjena procesnog reinženjeringa potrebno je

utvrditi potrebni stupanj traženih promjena, vještina i nužnog osposobljavanja.

Smatraju kako upravo inženjering procesa i upravljanje promjenama identificiraju ključne

poslovne aktivnosti koje je potrebno urediti kako bi investicije u PI kreirale poslovnu

vrijednost. Poduzeća kod kojih su učinkovitiji business/IT odnosi polučuju bolje rezultate

investicija u poslovnu inteligenciju (Williams i Williams, 2007., p. 23.). Panian i sur. (2007.,

p. 188-189.) navode tri aplikacije u cjelokupnom portfelju aplikacija poslovne inteligencije

koje su usmjerene povećanju uspješnosti poslovanja: uravnotežene poredbene tablice rezultata

poslovanja koje podržavaju proces upravljanja poslovanjem, analitiku klijenata koja podržava

proces stvaranja prihoda tvrtke, te alati za upravljanje opskrbnim lancem koji podržavaju

operativne procese u sveukupnom opskrbnom lancu. Svaka od navedenih aplikacija ima

potencijal unaprijeđenja rezultata poslovanja u nekom segmentu.

U kontekstu mjerenja BI performansi Lonnqvist i Pirttimaki (2006., p. 36.) navode primjer

tablice uravnoteženih rezultata (BSC) te prizme performansi koja se sastoji od pet aspekata:

zadovoljstvo dionika, njihov doprinos, strategije, procesi i mogućnosti. Osnovna ideja prizme

performansi jest stvaranje okvira koji treba usmjeriti pažnju menadžmenta prema onome što

je važno za dugoročni uspjeh te pomoći organizacijama u dizajniranju, izgradnji i održavanju

sistema mjerenja performansi. Ovaj pristup koriste prema PI procesima kroz četiri koraka:

zadovoljstvo i doprinos korisnika PI, strategija PI, PI proces te mogućnosti. Blenkhorn i

Fleisher (2007., p. 10-22.) navode specifičnosti mjerenja performansi kod poslovne

inteligencije:

86

� varijabilnost svojstvena ukupnom strateškom procesu u kojem PI predstavlja sastavni

dio - mnoge studije iz područja strategije nisu uspjele raspodijeliti koristi koje su

postignute zahvaljujući strategiji, industriji ili uvjetima;

� nedostatak strateških alata u PI - PI ne mora nužno biti dio najaktivnijih ili

najsnažnijih korisnika planiranja, budžetiranja ili drugih upravljačkih informacijskih

alata u usporedbi s drugim organizacijskim funkcijama;

� često postojanje nejasnih veza PI s ostatkom organizacije - teško je razlučiti koje su

koristi ostvarene prvenstvo/djelom/jedino uz pomoć PI;

� kvantitativni pokazatelji često mogu biti loši indikatori performansi PI - može (ali i ne

mora) biti opipljive poveznice između broja produciranih izvještaja, datih preporuka,

potrošenog novca ili broja usluženih klijenata;

� često je loša komunikacija kvalitativnih podataka unutar PI funkcije.

Njihovo je istraživanje68 pokazalo da veliki problem predstavlja izbor varijabli koje bi se

trebale koristiti u ROI kalkulaciji za PI, tako da smatraju kako je ovaj pokazatelj u najboljem

slučaju nedovoljan, a u najgorem neprimjeren.

Elbashir et al. (2008., p. 135-153.) pristupili su ovoj problematici kao IT sistemu te su razvili

mjerni model temeljen na razumijevanju karakteristika sistema poslovne inteligencije.

Testiranje69 su izvršili kroz ispitivanje odnosa procesnih i organizacijskih performansi. PI

sistem definirali su kao sistem za prikupljanje podataka i izvještavanje koji pruža

menadžerima na različitim razinama pravovremene, relevantne i iskoristljivije informacije za

lakše donošenje odluka. Taj se sistem sastoji od querry analiza i izvještavanja (OLAP, alati

rudarenja podacima, statističke analize, predviđanje, kontrolne ploče) te specijaliziranih baza

podataka (skladište podataka i spremište podataka). Organizacijske su performanse

konstruirali pomoću: povećanje prihoda, sniženje prodajnih troškova, povećanje geografske

distribucije prodaje, poboljšanje profitne marže, povećanje ROI-a, unaprijeđenje

konkurentskih prednosti. Procesne su performanse konstruirali kroz tri dimenzije: odnosi s

dobavljačima (unapređena suradnja, sniženje troškova međusobnih transakcija, unapređenje

odgovornosti, povećanje broja obrtaja zaliha te sniženje zaliha), klijentska inteligencija

(sniženje troškova povrata, sniženje marketinških troškova, skraćenje vremena plasmana

proizvoda na tržište) i efikasnosti internih procesa (unapređenje efikasnosti internih procesa,

68 Istraživanjem (radionice i grupne diskusije) obuhvaćena su 103 PI profesionalca iz poduzeća čiji je godišnji prihod veći od 100 mil. USD. 69 Ciljani uzorak predstavljali su menadžeri (1873) iz 612 poduzeća koji koriste PI softver. Istraživanju je pristupilo 419 menadžera iz 212 poduzeća, što predstavlja odziv od 22%.

87

povećanje radne produktivnosti, smanjenje troškova efikasnog odlučivanja, sniženje

operativnih troškova). U modelu su predviđene dvije kontrolne varijable koje se nisu pokazale

značajnima: veličina poduzeća te vrijeme proteklo od usvajanja. Rezultati su potvrdili

značajnu vezu između procesnih i organizacijskih performansi za uslužne (financijske,

konzalting) i neuslužne (trgovina i maloprodaja, te proizvodnja) sektore, međutim, razlika se

pojavila kod industrija tako da se kod neuslužne industrije pokazala snažnija veza između

analiziranih performansi. Zaključno se može reći kako neuslužni sektor bolje pretvara

procesne u organizacijske performanse, za što autori nalaze potporu u elementu odnosa s

dobavljačima.

Cohen (2009., p. 62-74.) smatra kako se umjesto odnosa intelligence prakse i performansi

poduzeća treba uspostaviti odnos između performansi intelligencea i performansi poduzeća. U

svojem modelu polazi od IS-a kojega prilagođava poslovnoj inteligenciji te predlaže

razmatranje četiri elementa;

1. različiti tipovi mjera ili kategorija - ova se skupina može podijeliti u tri grupe:

tehničku (fokus je na mjerenju alata), ekonomsku (mjere se troškovi, efikasnost i

efektivnost), te organizacijsku (zadovoljstvo korisnika);

2. različiti objekti mjerenja - temeljem prethodno navedenih mjera ovdje se navode

varijable: resursi korišteni u aktivnostima sistema PI (iz tehničke perspektive mjerenja

ovi resursi mogu biti financijski, organizacijski, tehnički, ljudski ili procesni),

kvaliteta informacije (informativna, anticipativna, te analitička), korišteni procesi (što

je korišteno i pod kakvim uvjetima?), te rezultati samog sistema (je li korištenje

polučilo mjerljive koristi, niže troškove, povećanu prodaju, više inovacija, bolji

financijski rezultat i sl.);

3. prethodni izbori koncepta mjerenja;

4. problemi povezani s konceptom mjerenja.

Četiri elementa iz druge točke čine okosnicu modela utjecaja učinkovitosti PI na

organizacijske performanse. Boyer et al. (2010., p. 3.) smatraju kako PI daje veću vrijednost

poduzeću na tri načina: (1) smanjuje ukupnu cijenu vlasništva (TCO) za IT te povećava ROI

za softver i hardver, (2) kroz svoju strukturu osigurava širok spektar ažurnih informacija za

odlučivanje što utječe na produktivnost i učinkovitost, (3) uspješna PI povećava razinu

suradnje kroz čitavo poduzeće te utječe na bolje korištenje resursa. Analizirajući vrijednost

poslovne analitike Stubs (2011., p. 115-130.) objašnjava opipljivu korist kao povrat koji se

88

izravno može preslikati na neku od formi ekonomskog povrata za razliku od neopipljive

koristi koja stvara povrat koji je teško, a često i nemoguće za izračunati. Primjeri opipljive

koristi jesu: rast prihoda, smanjenje troškova, rast profitabilnosti, poboljšanje likvidnosti,

smanjenje sumnjivih i spornih potraživanja, dok su neopipljive: osobna ušteda vremena i

unapređenje produktivnosti, strateški uvid, smanjenje neizvjesnosti, brži bolje odlučivanje, te

više pouzdanih podataka. Stubs predlaže (2011., p. 248-259.) okvir unutar kojega

menadžment bira najzanimljivije pokazatelje u zavisnosti od ciljeva, strategija, okolnosti,

potreba, a koji obuhvaća:

� poslovne mjere - koje omogućuju usporedivost, a predstavljaju ih financijski

(osiguravaju menadžmentu kvantificiranje opipljivih vrijednosti imovine koju su

stvorili) i analitički pokazatelji (predstavljaju neekonomske mjere koje su često

usklađene s ključnim pokazateljima, a prvenstveno se odnose na pokazatelje

operativnih aktivnosti);

� analitičke mjere - čiji je fokus na kvaliteti stvorene imovine, a najčešće su to mjere

točnosti, unapređenja ili devijacija;

� tehničke mjere - koje pomažu u identifikaciji kako se promatrani procesi i tehnologije

mogu optimalizirati.

Hedin et al. (2011., p. 16.) kažu kako je utjecaj MI na kvalitetu donošenja odluka teško

kvantificirati, međutim efikasnost intelligence programa se može lakše izmjeriti kroz vrijeme

i novac. Novije istraživanje70 koje su proveli Vierkorn et al. (2010.) pokazalo je da trećina

ispitanih poduzeća (34%) uopće ne mjeri uspješnost investicije poslovne inteligencije, dok ih

manje od trećine (31%) to radi određenom kombinacijom kvalitativnih i kvantitativnih

mjerenja. Miller (2009) razlikuje ROI za PI projekt od kvalitete poslovne inteligencije koja je

determinirana ocjenama: korektnosti i integriteta podataka, pretvorbom podataka u korisne

informacije, brzinom i formatom dostave te zadovoljstvom krajnjeg korisnika. Popovič et al.

(2010., p. 5-29.) kažu kako se indirektne koristi od PI sistema poput veće kvalitete

informacija ili dostizanje ciljeva unapređenja kvalitete ne mogu zanemariti, dok se prava

vrijednost krije u unapređenju poslovnih procesa te samim time i unapređenju performansi. U

ocjeni koristi autori polaze od IT perspektive te smatraju da zrelost PI pojedine tvrtke

podrazumijeva sposobnost PI sistema da pruži kvalitetnu informaciju i sposobnost korištenja

te informacije u unapređenju poslovnih performansi. U procjeni vrijednosti PI sustava njihov

70 Istraživanje je provedeno na uzorku od 402 sudionika ( 79% iz Eurpope, a 17% iz Sjeverne Amerike), 25% je proizvodnih poduzeća, 24% iz područja IT-a, te 13% iz financijskog sektora.

89

model polazi od navedene definicije te ključnim smatraju definiranje elemenata koji

omogućuju lakše korištenje kvalitetnih informacija pruženih od strane PI. U navedenome

smislu predlažu mjerenje strateškog usklađenja, kulture kontinuiranog procesnog

unapređenja, kulture korištenja informacija i analiza, upravljanja odlučivanjem te suradnje

business/ IT. Hočevar i Jaklič (2010., p. 99.) tvrde da je mjerenje koristi od PI veći problem

nego što je mjerenje troškova te navode najčešće korištene modele: ROI, neto sadašnja

vrijednost (NPV), analiza troška i koristi, ukupna cijena vlasništva (engl. Total Cost of

Ownership – TCO), studija slučaja, subjektivna evaluacija. Temeljem svojeg istraživanja

studija slučaja za ocjenu isplativosti/korisnosti OLAP alata primijenili su pokazatelje strateške

analize uzročno-posljedičnih odnosa.

U kontekstu mjerenja poslovne inteligencije modeli zrelosti predstavljaju zanimljiv pokazatelj

implementacije, kompletiranosti, učinkovitosti, upravljivosti i korisnosti, te će se u nastavku

prikazati četiri modela. Jedan od prvih pokušaja bio je kada su Watson et al. (2001., p. 42-50.)

razvili model zrelosti za skladište podataka koji se sastojao od tri razine (uvođenja, rasta i

zrelosti) te devet specifičnih dimenzija (troškova i koristi, organizacijskog utjecaja, korištenja

skladišta, utjecaja na sposobnosti korisnika, korisnika skladišta podataka, osoblja, stabilnosti

proizvodnog okruženja, arhitekture, te podataka). Williams i Williams (2007., p. 47. i 98.)

navode tri ključna faktora koji pokrivaju sedam BI elemenata koji utječu na ROI:

� sposobnost usklađenja i vodstva - strateško usklađenje, partnerstvo PI i poslovanja,

upravljanje portfoliom PI;

� sposobnost korištenja - kultura kontinuiranog procesnog unapređenja, kultura

korištenja informacija i analitike, kultura procesnog odlučivanja;

� sposobnost dostava - tehnička spremnost poslovne inteligencije i skladišta podataka.

Njihov model puta PI (engl. Business Intelligence Pathway) sastoji se od tri faze:

� informacijski fokus prve faze jest odgovor na pitanje što (korisnici žele), a

karakteristično jest da se informacije koriste kao prije implementacije PI, dok se

određeni pomaci vide u njihovom bržem dobivanju;

� u drugoj fazi poduzeća počinju shvaćati ulogu informacija te se prethodno pitanje što

nadopunjuje sa zašto, tko, gdje, kako;

� finalna faza zrelosti gdje su svi dijelovi poduzeća uključeni u organizacijske promjene.

Ako se uistinu želi ostvariti puni potencijal PI tvrtke trebaju biti spremne redefinirati

90

ulogu informacija, promijeniti način i logiku potražnje za informacijama te promijeniti

način njihove upotrebe.

IDC (Vesset et al., 2008.) kreirali su model prožimajuće71 poslovne inteligencije te ga

testirali72 u praksi. Prožimajuća PI rezultira kada se organizacijska kultura, poslovni procesi i

tehnologije dizajnirani i implementirani sa ciljem unapređenja strateških i operativnih

mogućnosti odlučivanja širokog spektra internih i vanjskih zainteresiranih sudionika. U

njihovom se modelu definira:

� šest pokazatelja prožimajuće PI (zavisnih varijabli): stupanj unutrašnjeg korištenja,

stupanj vanjskog korištenja, broj domena, frekvencija ažuriranja podataka te

analitička orijentiranost;

� pet ključnih faktora koji imaju najveći utjecaj na ispunjavajuću PI (nezavisnih

varijabli); stupanj treninga, kvaliteta dizajna, prominencija upravljanja

performansama te prominencija vođenja.

TDWI model (Eckerson, 2007.) fokusiran je na tehnički aspekt te se zrelost ocjenjuje u osam

elemenata: opsega, sponzorstva, financiranja, vrijednosti, arhitekture, podataka, razvoja i

dostave. Model se sastoji od pet faza i dviju prepreka, što je prikazano na slici 14.

Slika 14. TDWI Model zrelosti poslovne inteligencije

Izvor: Eckerson, W.W.: TDWI's Maturity Model, TDWI Research, Jully 2007., p. 4.

71 Engl. Pervasive 72 Istraživanje je napravljeno na uzorku od 1.141 poduzeća iz 11 zemalja.

91

U ovom je modelu potrebno naglasiti dvije prepreke. Zaljev se javlja između druge i treće

faze i karakterizira ga kombinacija lošeg planiranja, problemi kvalitete podataka, percepcija

menadžmenta, financiranje te unutarnji otpori. Ponor se javlja između četvrte i pete faze te je

dosta ozbiljniji i složeniji nego prije navedeni. Naime, ovdje se javljaju problemi volatilnosti

poslovanja (agilni procesi, fleksibilna arhitektura te usklađenje business/IT odnosa koji su

ključni za rješavanje volatilnosti), semantičke standardizacije (svaki odjeljak gleda svijet

svojim očima tako da su usklađenja i dogovori nužni), tranzicija prema korporativnom IT

(kulturološko i organizacijsko usklađenja IT-a i poslovanja su neizostavni), izvještajni kaos

(samoposluživanje izvještavanja vodi u kaos, stoga je potrebno kreirati standardan set

izvještaja i izgleda upravljačkih ploča) te izbjegavanje nefleksibilnosti arhitekture.

Graf 3. predstavlja korelaciju između indeksa zrelosti tržišne inteligencije i učinkovitosti

odlučivanja prema istraživanju koje su proveli Hedin et al., (2011.). Njihovi su rezultati

pokazali jaku i statistički značajnu korelaciju između percipiriane kvalitete odlučivanja i

indeksa zrelosti tržišne inteligencije.

Zrelost tržišne inteligencije

1 2 3 4 51

2

3

4

5

Graf 3. Korelacija zrelosti tržišne inteligencije i učinkovitosti odlučivanja

Izvor: Hedin, H., Hirvensalo, I., Vaarnas, M.: The Handbook of Market Intelligence, John Wiley & Sons, Chichester, 2011., p. 33.

92

Istraživanjem73 deset modela zrelosti Lahrmann et al. (2010.) utvrdili su kako je samo jedan

utemeljen na teoriji te generalno zaključuju kako su poveznice između strategije poslovne

inteligencije, njezine zrelosti te organizacijskog uspjeha još uvijek nejasne. Howson (2008., p.

58.) je temeljem svojeg istraživanja74 o mjerenju uspjeha PI zaključila kako su najčešći

pokazatelji: unaprijeđenje poslovnih performansi (70%); bolji pristup podacima (68%);

podrška ključnih dionika (53%); percepcija korisnika o kritičnosti misije (50%); ROI (43%);

postotak aktivnih korisnika (31%); uštede troškova (31%).

Rezultati istraživanja75 (TDWI, 2011; 2012.) uspješnosti poslovne inteligencije provedenih

2011. i 2012. godine prikazani su i uspoređeni u tablici 5.

Tablica 5. Rezultati istraživanja uspješnosti poslovne inteligencije

U koliko je vremena posljednja BI investicija vratila pozitivan rezultat?

2010 2011 2012

Manje od 6 mjeseci 13% 16% 18%

Od 6 mjeseci do godine dana 22% 23% 22%

Između godinu i dvije dana 17% 17% 15%

Između dvije i tri godine 4% 8% 6%

Preko 3 godine 2% 4% 1%

Ne računaju povrat 41% 32% 38%

Koliko smatrate Vaše BI inicijative uspješne?

Visoko 22% 24% 28%

Umjereno 64% 59% 59%

Niska 14% 18% 13%

Izvor: prema TDWI Report: 2011 TDWI BI Benchmark Report – Organizational and Performance Metrics for Business Intelligence Teams, p. 10-11. i TDWI Report: 2012 TDWI BI Benchmark Report – Organizational and Performance Metrics for Business Intelligence Teams, p. 10.

73 Istraživanje je provedeno analizom 24 znanstvena časopisa. 74 Cf. p. 52. 75 Istraživanja su provedena na uzorku od 160 (2011.), odnosno 410 (2012.) profesionalaca poslovne inteligencije.

93

Iz prikazanih se rezultata može zaključiti kako se percepcija visoke uspješnosti povećava iz

godine u godinu, dok je umjerena uspješnost (uz vidljivu mogućnost napretka) relativno

konstantna. Osim rasta povrata BI incijativa unutar šest mjeseci, zbirni pokazatelji za povrat u

roku dvije godine također su u blagom porastu (sa 52% na 56%).

1.4.2. Provedena istraživanja u Hrvatskoj

U Hrvatskoj, prema spoznajama autora napravljeno je pet istraživanja o poslovnoj

inteligenciji, te se u nastavku navode pojedinačne karakteristike svakog od njih. Ćurko (2002.,

p. 63-75.) je istraživala76 korištenja alata i tehnologija PI (skladište podataka, OLAP i

rudarenje podacima) među najvećim hrvatskim poduzećima. Rezultati njezinog istraživanja

pokazali su da je većina ispitanika (oko 80%) upoznata s terminom skladišta podataka, te su

samo ti ispitanici odgovarali na upitnik. Nadalje, 35% ispitanika koristi dok ih 11% razvija

skladište podataka, što autor drži zadovoljavajućim (ukupno 46%) ako usporedimo s

podacima Cutter Information Corp. iz 1999. godine prema kojima su ti pokazatelji na

svjetskoj razini između 65% i 70%. Inicijative za DW projekat većinom su došle iz IS odjela

(61%) odnosno rukovodstva poduzeća (30%). Najveći razlog za uvođenje ovog projekta jest

smanjenje vremena potrebnog za pronalaženje, pristup i analizu podataka (80%), a najveći

korisnici su: operativni menadžment (63%) i top menadžment (53%). Pokazalo se da se

OLAP alati koriste samo u 18% poduzeća, što je začuđujuće s obzirom da su ove dvije

tehnologije komplementarne pa je bilo za očekivati veću uporabu. Alati rudarenja podacima

koriste se samo u 6% poduzeća, dok ih 25% to planira. Začuđujuće se također pokazalo da

38% voditelja IS službi ne zna za OLAP alate, a otprilike polovica ih nije upoznato sa

pojmom rudarenja podacima.

Pejić Bach et al. (2007., p. 243-248.) istraživali77 su utjecaj i implementaciju alata poslovne

inteligencije u hrvatskim bankama. Definirajući alate PI (query i analize, OLAP, integrirana

analitika, vizualizacija, rudarenje podacima te skladište podataka) u svom su se istraživanju

usredotočili na posljednja dva navedena kao najkorištenija u bankarskoj industriji. Prema 76 Istraživanje je napravljeno između svibnja i rujna 2000. godine na uzorku od 106 poduzeća slučajno odabranih s popisa 400 najvećih poduzeća prema listi Privrednog vjesnika. 77 Istraživanje je provedeno na uzorku od 23 banke od ukupno registrianih 41 na dan 31.12.2003. godine metodom intervjua tijekom rujna 2003. godine.

94

autorima, korištenje PI može pomoći kod sprečavanja pranja novca, upravljanja kreditnim

rizikom, kod kreditnog bodovanja, za zadržavanje bančinih klijenata, otkrivanju prijevara,

upravljanju tržišnim rizikom, upravljanja operativnim rizikom te upravljanju strateškim

performansama kod financijskih usluga. Njihovo je istraživanje pokazalo da su najkorištenije

tehnologije: internet (86%), skladište podataka (62%), sistemi za podršku odlučivanju (57%)

te rudarenje podacima (48%). Autori su pod alate PI svrstali skladište podataka i rudarenje

podacima, tako da se pokazalo kako samo 44% banaka koriste alate poslovne inteligencije.

Utvrđeno je također da banke koje koriste PI imaju veću ukupnu imovinu, nešto brži rast te

imovine, veći udio u ukupnom bankarskom tržištu RH te veću dobit prije oporezivanja.

Jurišić (2007.) prikazao je rezultate istraživanja78 primjene PI u hrvatskom gospodarstvu.

Rezultati istraživanja pokazuju:

� samo 9% tvrtki (2) ima poseban PI odjel, 44% (10) se povremeno bavi ovim

aktivnostima u sklopu drugih funkcija, dok ih se 47% (11) uopće ne bavi poslovnom

inteligencijom;

� 42% poduzeća (5) ima poseban odjel između tri i pet godina, dok ih 25% (3) ima

između pet i deset, odnosno između godinu i pet godina;

� 50% poduzeća (6) ima jednu organizacijsku razinu između PI jedinice i upravnog

odbora, 8% (1) ih ima dvije, dok ih je 42% (5) izravno pod upravnim odborom;

� četiri najpodržavanija procesa od strane PI-a jesu: strateški razvoj, razvoj novih

proizvoda, marketing te prodaja;

� najčešći proizvodi PI-a jesu: tržišne analize, profili konkurenata, ad-hoc izvještaji,

rana upozorenja, te mjesečni intelligence izvještaji;

� najkritičnija područja PI-a u Hrvatskoj jesu: nedefinirani proces poslovne

inteligencije, nedostatak educiranih stručnjaka, te podrška vrhovnog menadžmenta.

Zebić (2010., p. 71-77.) objavio je rezultate provedenog istraživanja79 u sklopu izrade svojeg

specijalističkog poslijediplomskog rada. Rezultati ovog istraživanja pokazuju:

� polovica analiziranih poduzeća ima odjel zadužen za prikupljanje i analizu

informacija;

78 Istraživanje je provedeno 2005. godine na uzorku od 85 poduzeća, od kojih se odazvalo 23. 79 Istraživanjem su obuhvaćena 84 poduzeća od kojih se dobilo 50 odgovora, što predstavlja odziv od 59,52%, uz napomenu kako nije navedeno na koji su način izabrana poduzeća za analizu.

95

� 60% poduzeća ima taj odjel između pet i deset godina, dok ih 20% ima između godine

i pet godina;

� u 60% poduzeća taj je odjel izravno pod upravom ili između njih postoji samo jedna

organizacijska razina;

� 69% poduzeća odjel PI smjestilo je unutar sektora korporativnih strategija i

marketinga, a 69% koristi podršku PI pri procesima razvoja poslovnih strategija,

odnosno 65,4% pri procesima marketinga i prodaje;

� glavnim razlog za pokretanje PI aktivnosti pokazala se potreba za informacijama u

procesima planiranja i odlučivanja (64%), dok se njihovim učinkom pokazalo

kvalitetnije detektiranje prilika i prijetnji (56%), brže donošenje odluka (42%), te više

kvalitetnih poslovnih informacija (40%);

� primarni izvori podataka jesu prodaja (60%), potrošači/klijenti (56%) i konkurenti

(30%);

� najkorištenije analitičke metode jesu: financijska analiza (60%), analiza trendova

(58%), SWOT analiza (50%), profiliranje konkurenata (30%), analiza scenarija (20%);

� najkritičnijim područjima u razvoju PI pokazali su se: nedefinirani poslovno-

obavještajni proces (34%), prepoznavanje ključnih informacija (28%), nedostupni

izvori informacija (26%), podrška vrhovnog menadžmenta (26%), nedostatak

obrazovanog osoblja (26%).

Zebić zaključuje kako bi glavni fokus budućeg razvoja trebao biti usmjeren prema edukaciji

menadžmenta i zaposlenika, posebno zbog prepoznavanja ključnih informacijskih potreba.

Bilandžić et al. (2012., p. 15-26.) istražili80 su upoznatost s business intelligenceom, njegovu

primjenu, te planove vezane za budućnost kod hrvatskih poduzeća. Ključna hipoteza

njihovoga istraživanja jest da većina tvrtki koje posluju na teritoriju RH ne primjenjuje BI

kontinuirano kao institucionaliziranu sustavnu poslovnu funkciju81. Najvažniji zaključci

njihovog istraživanja jesu:

80 Istraživanje je napravljeno u suradnji Odsjeka za sociologiju Filozofskog fakulteta Sveučilišta u Zagrebu i poslovnog tjednika Lider na uzorku od 1.000 najvećih hrvatskih poduzeća po visini prihoda za 2009. godinu. Istraživanje se provodilo u razdoblju od listopada 2010. godine do travnja 2011. godine, na njega se odazvala 233 poduzeća što predstavlja odziv od 23,3%. 81 Izvedene hipoteze su: (1) primjena BI aktivnosti nije jednako zastupljena u svim regijama, (2) primjena BI aktivnosti zastupljenija je u velikim tvrtkama, (3) primjena BI aktivnosti nije jednako zastupljena u svim djelatnostima, (4) primjena BI aktivnosti zastupljenija je u tvrtkama koje sebe smatraju konkurentnijima na tržištu.

96

� iako većina tvrtki (57%) primjenjuje neke od BI aktivnosti, institucionalizirani odjel

za ove aktivnosti ima tek 19% poduzeća, a približno njih četvrtina (24%) ne

primjenjuje nikakvu BI aktivnost;

� s obzirom na regiju82 u kojoj poduzeća djeluju nisu utvrđene značajnije razlike u

primjeni BI-a; međutim, uočava se kako se najviše tvrtki s institucionaliziranim BI

odjelom te tvrtki koje primjenjuju neke od aktivnosti BI-a nalazi u sjeverozapadnoj

regiji (78%), što je i razumljivo s obzirom da se u njoj nalazi grad Zagreb, te dvije od

četiri najrazvijenije županije. U južnoj regiji nalazi se najviše tvrtki (31%) koje ne

primjenjuju ni jednu od BI aktivnosti;

� između tvrtki postoji statistički značajna razlika s obzirom na veličinu tvrtke i

primjenu BI-a; međutim, pokazalo se da nema utvrđene razlike između malih i

srednjih tvrtki;

� BI aktivnostima najviše se služe u sektoru bankarstva i financija (84%) te u sektoru

informacija i komunikacija (82%);

� nije utvrđena statistički značajna razlika u primjeni BI aktivnosti, s obzirom na

procjenu konkurentnosti tvrtki te s obzirom na kretanje tržišnog udjela u posljednjih

godinu dana;

� većina je poduzeća (više od 90% od onih koje provode neku od BI aktivnosti)

usmjerena prema prikupljanju podataka koji su povezani s konkurentima,

potencijalnim poslovnim suradnicima te krajnjim potrošačima roba i usluga;

� poduzeća koja imaju institucionaliziran odjel ili provode neku od BI aktivnosti

smatraju kako on pridonosi u predviđanju i upravljanju rizicima, prepoznavanju

isplativih tržišnih niša, prepoznavanju snage i slabosti konkurenata, razvijanju novih

profitabilnih proizvoda, praćenju vanjskih faktora koji utječu na poslovanje, povećanju

produktivnosti, boljoj komunikaciji i suradnji unutar poduzeća, većoj sigurnosti

vlastitih informacija, povećanju tržišnog udjela, ostvarenju većeg profita, uštedi

vremena, upravljanju odnosa s krajnjim potrošačima, upravljanju ljudskim resursima

te profiliranju poslovnih partnera.

� poduzeća koja ni na koji način ne primjenjuju BI kao glavne razloge navode

nedovoljno poznavanje funkcioniranja BI sustava, nepostojanje kompetentnog kadra,

te nedostatna financijska sredstva.

82 U istraživanju je Republika Hrvatska podijeljena na tri regije; (1) sjevernu (65%), (2) istočnu (13%) i (3) južnu (21%).

97

2. Teorijski aspekt upravljanja opskrbnim lancem

U okviru poglavlja objasniti će se evolucija poslovanja koje je bila preduvjet nastanka

opskrbnog lanca te će se razmotriti odnosi pojmova logistika, opskrbni lanac i upravljanje

opskrbnim lancem u znanstvenim djelima.

2.1. Različiti teorijski pristupi upravljanju opskrbnim lancem

2.1.1. Povijesne pretpostavke nastanka opskrbnog lanca

Može se kazati kako upravljanje opskrbom seže od 1832. godine kada je Charles Babbage

objavio tekst pod naslovom „O ekonomiji strojeva i proizvodnji“83, odnosno od 1933. godine

kada je Lewis84 objavio prvi tekst koji se isključivo bavio nabavom (Bloomberg et al., 2006.,

p. 4; Li, 2008., p. 59.). Segetlija ( 2008., p. 5.) pak smatra kako se početkom znanstvene

rasprave na području gospodarske logistike smatra Morgensternov rad85 iz 1955. godine.

Međutim, isto tako se može ustvrditi kako osnovni prapočeci logistike i opskrbnog lanca sežu

još u doba gradnje piramida, s obzirom da su i tada postojali principi kretanja materijala i

informacija u funkciji zadovoljenja nečijih zahtjeva (Christopher, 2005., p. 3.). Rezultati

mnogih bitaka, počevši od američkog rata za neovisnost od Britanaca pa do drugog svjetskog

rata, bili su determinirani uspjesima odnosno fatalnim logističkim i opskrbnim greškama86.

Prema Segetliji (2008., p. 14-15.) logistika je pojam koji potječe od Platonova izraza za

praktičnu matematiku, u novije doba ova se riječ uvriježila u vojnom području, a iz njega je

ušla u gospodarsko područje i odnosi se u prvom redu na dobra (materijalne tokove). Prema

Bloomberg et al. (2006., p. 3-9.), opskrbni lanac tvore tri komponente: upravljanje nabavom,

upravljanje operativom i integralna logistika, koje imaju različite evolucijske faze

karakteristične po određenim događajima ili koncepcijama. U navedenom smislu upravljanje

operativom razvijalo se kako slijedi:

83 Charles Babbage: On the Economy of Machinery and Manufacturing“, London, 1832. 84 Howard T. Lewis: Industrial Purchasing, New York, Prentice-Hall, Inc. 1933. 85 Morgenstern, O.: Note of the Formulation of the Theory of Logistics“, Naval Research Logistic Quarterly, 2., 1955., p. 129-137. 86 Vidi opširnije nekoliko primjera iz povjesti ratovanja gdje je logistika odigrala presudnu ulogu u Christopher, M.: Logistics and Supply Chain Management, 3rd ed., Prentice Hall and Financial Times, London, 2005., p. 3.

98

� industrijska revolucija - od 1769. do 1776. godine, parni stroj, podjela rada;

� znanstveno upravljanje - od 1911. do 1913. godine, principi znanstvenog upravljanja i

studije o vremenu i pokretu, pokretna traka;

� međuljudski odnosi - od 1930. do 1940. , teorije motivacije;

� znanost o upravljanju - od 1947. do 1951. godine, linearno programiranje, digitalno

računalo, simulacije, teorije vremenskog rasporeda;

� revolucija u kvaliteti - od sedamdesetih do osamdesetih godina prošlog stoljeća, lean

proizvodnja, u pravo vrijeme (engl. Just In Time – JIT), totalno upravljanje kvalitetom

(Total Quality Management – TQM);

� informacijsko doba - osamdesete i devedesete godine prošlog stoljeća, računalna

integralna proizvodnja, World Wide Web;

� globalizacija – od 1990., svjetska tržišta i operacije.

Jacoby (2009., p. 5-11.) navodi manji broj evolutivnih karakterističnih faza:

� industrijska revolucija;

� masovna proizvodnja, u sedamdesetim godinama prošlog stoljeća 60% kontrolnih

aktivnosti izvodilo se ručno (uključujući primanje narudžbi, isporuku kupcu,

kvantificiranje i vremenski raspored proizvodnje, izvještavanje, nadgledanje zaliha

sirovina i gotovih proizvoda...);

� sindikati i pregovaranja (pogotovo u transportnoj i operativnoj sferi);

� deregulacija (nakon deregulacijskog zakona u SAD vozarine su postale

konkurentnije);

� globalizacija, najznačajniji katalizator promjena87 uz uočljiv porast broja partnera

uključenih u opskrbne lance;

� informacijski pomak prema kupcu, kupci počinju odlučivati koji će se proizvod i kada

kretati unutar lanca, što posljedično znači da znanja kompanija o njihovim kupcima

počinju eksponencijalno rasti.

Segetlija (2008., p. 21.) navodi četiri razvojne faze poslovne logistike:

� logistika kao uslužna funkcija, orijentirana na tokove materijala i roba;

� logistika kao koordinirajuća funkcija, orijenitrana na tokove;

87 Prema Jacobiju (2009., p. 7.) između 1950. i 2000. godine svjetska trgovina rasla je po prosječnoj godišnjoj stopi između 5 i 6%, s tim da je između 1990. i 2000. taj rast iznosio između 8 i 9%, a između 2000. i 2008. godine između 17 i 18%.

99

� logistika kao orijentacija na tok cijelog poduzeća (orijentacija na procese i vrijednosne

lance);

� logistika kao orijentacija na tok kojim se prelaze granice poduzeća (SCM).

Još je jedan element igrao važnu ulogu u razvoju opskrbnog lanca – cijena nabavljenih

dobara. Prema Žibretu (2007., p. 7.), početkom osamdesetih godina prošlog stoljeća nabavni

su troškovi činili 40% ukupnih rashoda tvrtke, a danas su na razini 60% ukupnih rashoda, što

je dominantno utjecalo na činjenicu da se ovom segmentu počinje poklanjati sve veća pažnja,

odnosno da postaje strateški interes tvrtke. Udjel troška nabavljenog materijala kao postotak

dolarske vrijednosti prodaje u odabranim industrijama prikazuje tablica 6.

Tablica 6. Trošak nabavljenih materijala kao postotak dolarske vrijednosti prodaje

Industrija Postotak u dolarskoj vrijednosti prodaje

hrana i prehrambeni proizvodi 64%

naftna industrija 83%

transportna oprema 60%

duhan 27%

prosječna američka proizvodna tvrtka 54%

Izvor: Bloomberg, David J., LeMay, S., Hanna, Joe B.: Logistika, Mate, Zagreb, 2006., p. 12.

Li (2008., p. 59-61.) je pokušao objediniti razvojne faze nabave i opskrbnog lanca

prezentirane od NAPM-a (National Association of Purchasing Management) te modela

Monzcka et al. (2005.) u sedam faza:

� prva faza koja obuhvaća razvojne začetke i traje do početka prošlog stoljeća – nakon

industrijske revolucije masovna je proizvodnja pozicionirala nabavnu funkciju na

razinu tvrtkinog odjela;

� od 1900. do 1914., profiliranje nabavne funkcije;

� od 1914. do 1945., zahvaljujući ratnim aktivnostima raste važnost nabavne funkcije,

potom doprinos važnosti nabavne funkcije daje proizvođač automobila Ford razvojem

masovne proizvodnje;

� od kasnih četrdesetih do sredine šezdesetih godina, kvalitetnije profiliranje nabavne

funkcije;

100

� od sredine šezdesetih do početka osamdesetih godina, vrijeme razvoja koncepta

upravljanja materijalom, popularizacija JIT-a, naglasak se polako stavlja na

dobavljače;

� od kasnih osamdesetih do kraja stoljeća, globalizacija i e-commerce, razvijaju se

koncepti izravne trgovine B2B (engl. Business to Business) B2C (engl. Business to

Customer), razvija se opskrbna mreža;

� današnje doba, integrirani opskrbni lanac uz pomoć IT-a, vrijeme provođenja

reinženjeringa poslovnih procesa, te strateški utjecaj naprednih tehnologija.

Potočan (2007., p. 34-36.) navodi četiri glavna koncepta protoka roba i materijala:

� upravljanje materijalima, izvorno je nastalo iz nabavne funkcije shvaćajući važnost

integracije protoka materijala kroz podupiruće funkcije. Ovdje je uključena nabava,

otpremništvo, upravljanje zalihama, upravljanje trgovinom, planiranje proizvodnje,

kontrola i fizička distribucija;

� prodaja roba (engl. merchandising), odgovornost trgovine jest organizacija

maloprodaje, izgled reklamnog dijela te upravljanje zalihama;

� logistika, u odnosu na upravljanje materijalima logistika je dosta proširen koncept iako

ima autora koji ih izjednačavaju;

� SCM, predstavlja širi, strateški značajniji koncept koji uključuje cjelokupan opskrbni

lanac s ciljevima: zadovoljavanje kupca, formuliranje i implementacija odgovarajuće

strategije te efikasno upravljanje lancem.

Pravila poslovanja drastično su se izmijenila (Handfield i Nichols, 2002., p. 3.), prije je

karakteristika uspješnih kompanija bila vertikalna integracija sa ciljem maksimalne

efikasnosti na bazi ekonomije obujma, dok je danas na djelu virtualna integracija u kojoj se

svaka kompanija fokusira na aktivnost u kojoj je najbolja (Hugos, 2006., p. 21-22.).

Razmatranje evolucije opskrbnog lanca može se zaključiti onim što ga danas karakterizira -

dodavanje vrijednosti. Prema Handfieldu i Nicholsonu (2002., p. 6.), opskrbni lanac nije samo

troškovno razmatranje, čine ga ukupnost sadržaja krajnjeg proizvoda ili usluge što uključuje

kvalitetu, tehnologiju, isporuku te postprodajnu aktivnost. Ako se može upravljati ukupnim

sadržajem, tada će se sigurno moći zadovoljiti kupčeve potrebe.

101

2.1.2. Logistika, opskrbni lanac i upravljanje opskrbnim lancem

Iako su pojmovi opskrbni lanac (engl. Supply Chain - SC) i upravljanje opskrbnim lancem

(engl. Supply Chain Management – SCM) u upotrebi od ranih osamdesetih godina još uvijek

ne postoji teorijsko jedinstvo u njihovim definicijama te je potrebno kritičko sagledavanje

raznih pristupa pojedinih autora. Vrlo često ovaj se pojam poistovjećuje s pojmom logistike

pa je prema Watersu (2007., p. 38.), riječ o istim pojmovima, a izbor termina isključivo je

semantičke prirode. Logistika odnosno upravljanje opskrbnim lancem jest funkcija odgovorna

za transport i skladištenje materijala na njihovom putovanju od izvornih dobavljača, preko

prelaznih operacija do krajnjeg kupca. Potvrdu za svoje stajalište nalazi u tumačenju

britanskog Instituta logistike i transporta (Chartered Institute of Logistics and Transport),

prema kojemu, logistika predstavlja strateški menadžment ukupnog opskrbnog lanca.

Segetlija kaže kako SCM ima svoje podrijetlo u središnjim logističkim problemima (2007., p.

22.), te da upravljanje opskrbnim lancem reprezentira kvalitativno novi razvojni stupanj u

životnom ciklusu poslovne logistike (Segetlija, 2008., p. 18.). Na ovakvim postavkama navodi

Baumgartenovu definiciju (2003.) koji smatra kako logistika poduzeća obuhvaća cjelovito

planiranje, upravljanje, provođenje i kontrolu svih tokova dobara i informacija koji se

događaju kako unutar poduzeća tako i onih koji prelaze granice poduzeća. Logistika priprema

rješenja za cjelovite i djelomične sustave u poduzećima, koncernima, mrežama i virtualnim

poduzećima, koji su orijentirani na kupce i procese (Segetlija, 2008., p. 22.). Zelenika (2008.,

p. 227.) objašnjava logističko-opskrbni lanac kao skup interesno povezanih logističkih karika,

odnosno logističkih partnera (subjekata) koji samostalno ili u sklopu logističko-distribucijskih

lanaca opskrbljuju kupce, potrošače, korisnike nečim, primjerice: materijalom, vodom, pićem,

hranom, naftnim derivatima, znanjem, kapitalom ili različitim potrepštinama. Ovi lanci

ostvaruju svoju misiju samo tada kada se kvalitetnti proizvodi (ili usluge) u optimalnim

količinama i u odgovarajućim asortimanima dostave na pravo mjesto, u pravom trenutku i uz

najpovoljnije uvjete za sve logističke subjekte takvih lanaca.

Lambert (2008., p. 3-4.) u svojoj analizi objašnjava kako je sve do nedavno i Council of

Logistic Management (CLM) tumačio da SCM predstavlja logistiku integriranu s kupcima i

dobavljačima, što se promijenilo kasnije kada je CLM prezentirao modificiranu definiciju

logistike prema kojoj ona predstavlja dio upravljanja opskrbnim lancem koji planira,

implementira, kontrolira efikasno kretanje (prema naprijed i unazad) i skladištenje dobara,

102

usluga i informacija između točke nastanka (engl. Point of origin) i točke konzumacije (engl.

Point of consumption) sa ciljem zadovoljenja kupčevih želja. Jacoby (2009., p. 33.) je

stajališta da logistika podrazumijeva koordinaciju protoka roba, informacija i kapitala od

dobavljača do kupca radi maksimiziranja korisnosti uz minimiziranje operativnih troškova

naglašavajući da se za razliku od SCM-a logistika ne proteže cijelim područjem od dobavljača

do kupca. Prema njemu opskrbni lanac je set aktivnosti uključenih u kretanje roba i pratećih

usluga od krajnjeg dobavljača do krajnjeg kupca, a upravljanje opskrbnim lancem predstavlja

koordinaciju navedenih aktivnosti kako bi se maksimizirala ekonomska dodana vrijednost

(engl. Economic Value Added – EVA). Christopher (2005., p. 4-5.) također naglašava kako je

upravljanje opskrbnim lancem širi koncept od logistike koju tumači kao proces strateškog

upravljanja nabavom, kretanjima i skladištenjima materijala, djelomično i kompletno gotovih

proizvoda (i informacija) kroz organizaciju i njezine marketinške kanale, tako da su sadašnja i

buduća profitabilnost maksimizirane kroz troškovno efikasna ispunjavanja narudžbi.

Logistički je menadžment primarno nadležan za optimizaciju protoka unutar poduzeća, dok

mu SCM predstavlja upravljanje uzvodnih (opskrbnih) i nizvodnih (distribucijskih) odnosa s

dobavljačima i kupcima kako bi se dostavila vrhunska kupčeva vrijednost uz najmanji trošak

cjelokupnog lanca. Američko udruženje koje predstavlja ljude iz prakse što se bave

opskrbnim lancem, tj. Council of Supply Chain Management Professionals (CSCMP),

definira SCM88 kao planiranje i upravljanje svim aktivnostima uključenim u traženje i

opskrbu, preobrazbu te sve aktivnosti logističkog menadžmenta. Također uključuje

koordinaciju i suradnju s partnerima u lancu koji mogu biti dobavljači, posrednici, vanjski

pružatelji usluga ili kupci.

Handfield i Nichols (2002., p. 62-63.) prihvaćaju tumačenje logistike koju je dao CLM te

kažu kako superiorne logističke performanse predstavljaju primarno područje u kojima

organizacije koje participiraju u integriranom SCM-u mogu učiniti značajna unapređenja.

Polazeći od rezultata studije CLM-a, prema kojima su poduzeća svjetske klase sklonija

eksploataciji logistike kao sržne kompetencije u odnosu na njihove zaostajale konkurente,

smatraju da se ova logika može proširiti i na interorganizacijske opskrbne lance. Prema

nalazima studije ključna područja koja čine razliku vrhunskih poduzeća u odnosu na

istraživanu materiju su:

� pozicioniranje u vezi odabira strateških i strukturnih pristupa vođenju logističkih

operacija; 88 Prema http://cscmp.org/aboutcscmp/definitions.asp, pregledano, 14.01.2010.

103

� integracija unutarnjih postignuća izvrsnosti logističkih operacija i razvoja graničnih

poveznica čvrstih odnosa unutar opskrbnih lanaca;

� agilnost poduzeća s obzirom na relevantnost, smještaj i fleksibilnost;

� mjerenja internih i eksternih performansi.

Polazeći od navedenih premisa, Handfield i Nichols (2002., p. 8.) kažu da opskrbni lanac

obuhvaća sve organizacije i aktivnosti povezane s protokom i transformacijom dobara od faze

sirovina do krajnjih korisnika, kao i pratećih informacija, dok upravljanje opskrbnim lancem

predstavlja integraciju i menadžment organizacija što čine opskrbni lanac i aktivnosti kroz

kooperativne odnose, efikasne poslovne procese te visoku razinu dijeljenja informacija kako

bi se kreirao visoko vrijedan sistem koji će organizacijama omogućiti održivu konkurentsku

prednost. Hugos (2006., p. 3-4.) smatra da su se prije početka korištenja pojma SCM (kraj

osamdesetih godina) koristili izrazi logistika i operacijski menadžment te u svojoj analizi

navodi određene definicije za opskrbni lanac: usklađenje poduzeća koja donose proizvode

(Lambert et al., 1998.), faze koje su izravno ili neizravno uključene u zadovoljenje kupčevih

potreba (Chopra i Meindl, 2003.). Na kraju ovog razmatranja, vrijedno je navesti razmišljanje

Mentzera et al. (2001., p. 3.) koji kažu kako definicije opskrbnog lanca imaju više zajedničkih

elemenata u različitih autora nego je to slučaj s definiranjem i objašnjavanjem upravljanja

opskrbnim lancem.

2.1.3. Definiranje upravljanja opskrbnim lancem

U proteklih je deset godina SCM bio dosta puta definiran i redefiniran, što je dobrim dijelom

zavisilo o različitim motivacijama i interesima (Bolstroff i Rosenbaum, 2007., p. 13.). Radi

lakšeg poimanja različitih pristupa, ponekad i suprotstavljenih, potrebno je sagledati određene

definicije SCM-a koje su se iskristalizirale u znanstvenoj literaturi posljednjih dekada (prema

Croom et al., 2000., p. 69. i Mentzer et al., 2001., p. 6.):

� Monczka, Trent i Handfield (1998.) - SCM jest koncept čiji je primarni cilj integracija

i upravljanje nabavkom, tokom i kontrolom materijala koristeći ukupne sustavne

perspektive kroz mnogostruke funkcije i poveznice dobavljača;

104

� Tan et al. (1998.) - SCM se fokusira na to kako poduzeća koriste procese svojih

dobavljača, njihovu tehnologiju i sposobnosti radi povećavanja konkurentskih

prednosti. Riječ je o menadžerskoj filozofiji koja prelazi tradicionalne aktivnosti

unutar poduzeća objedinjujući trgovačke partnere sa zajedničkim ciljevima;

� La Londe i Masters (1994.) - kažu da strategija opskrbnog lanca uključuje dva ili više

poduzeća koji su ušli u dugoročnu suradnju, razvoj povjerenja i privrženosti tom

odnosu, integraciju logističkih aktivnosti uključujući dijeljenje podataka o potražnji i

prodaji te potencijal za promjene u kontroli logističkih procesa;

� Jones i Riley (1985.) - integrativni pristup bavljenja planiranjem i kontrolom tokova

materijala od dobavljača prema krajnjim korisnicima;

� Berry et al. (1994.) - namjera SCM-a jest gradnja povjerenja, razmjena informacija o

tržišnim potrebama, razvoj novih proizvoda, reduciranje liste dobavljača prema

originalnim (izvornim) proizvođačima kako bi se razvili svrsishodni dugoročni odnosi;

� Saunders (1995.) - vanjski lanac (SCM) je ukupni lanac razmjene koji se proteže od

originalnog izvora sirovine kroz različite uključene tvrtke u procesuiranju materijala,

proizvodnje, sastavljanja, distribucije i maloprodaje krajnjem kupcu;

� Stevens (1989.) - cilj upravljanja opskrbnim lancem jest usklađenje zahtjeva kupca s

tijekom materijala od dobavljača kako bi se postigla ravnoteža između ciljeva koji

često izgledaju sukobljeno, povećanog servisiranja kupca, niže razine zaliha te nižih

cijena jediničnih proizvoda.

� Houlihan (1988.) - identificira razlike između upravljanja opskrbnim lancem i

klasičnog upravljanja materijalima:

o SCM se promatra kao jedinstven proces, a odgovornost različitih segmenata

unutar lanca nije razdvojena i pretpostavljena funkcijskim područjima poput

proizvodnje, nabave, distribucije i prodaje;

o SCM zahtijeva i na kraju zavisi o strateškom odlučivanju. Opskrba je

zajednički cilj praktično svake funkcije unutar lanca i ima strateško značenje

zbog njezinog utjecaja na ukupne troškove i tržišni udjel;

o SCM zahtijeva drugačiji pogled na zalihe koje se koriste kao mehanizam

ravnoteže posljednjeg a ne prvog mjesta;

o zahtijeva se novi pristup - integracija umjesto povezivanja.

� Kopczak (1997.) - set poduzeća uključujući dobavljače, izvršitelje logističkih usluga,

proizvođače, distributore, prodavače, kroz koje teku materijali, proizvodi i

informacije;

105

� Lee i Ng (1997.) - mreža poduzeća koja starta s poddobavljačima a završava s

krajnjim kupcima u kojoj se proizvodi i distribuira roba i usluge;

� Cooper et al. (1997.) - SCM je integrativna filozofija koja upravlja ukupnim tokom

distribucijskog kanala od dobavljača do krajnjeg korisnika.

U svojoj analizi različitosti definicija i pristupa SCM-u Croom et al. (2000., p. 68.) zaključuju

i dijelimično potvrđuju Saundersovu tezu (1995.) kako većina definicija ipak dijele jednu

zajedničku liniju, fokus im je na vanjskom okruženju poduzeća. Vouk (2005., p. 1014.) u

objašnjavanju opskrbnog lanca kaže kako se sastoji od aktivnosti i organizacija kroz koje

prolaze materijali na svom putu od dobavljača do krajnjeg kupca. Želeći naglasiti

kompleksnost odnosa sudionika i procesa, pojedini autori koriste termin mreža (Elram, 1991;

Christopher, 1992; Lee i Billington, 1992; Lee and Ng, 199789; Zsidisin i Ritchie, 2008.), pa

tako Panian (2007., p. 27.) promatra SCM kao upravljačku disciplinu koja podrazumijeva

izgradnju mreže za integriranje poslovnih aktivnosti tvrtke, počevši od nabave sirovina i

materijala od dobavljača, preko proizvodnje, do distribucije i isporuke konačnih proizvoda

i/ili usluga klijentima. Zaključuje kako opskrbni lanac predstavlja način uklapanja tvrtke u

njezino poslovno okruženje stvarajući neki oblik intraorganizacijske zajednice tvrtke s

odabranim poslovnim subjektima iz tog okruženja.

Groznik (2005., p. 97.) tumači opskrbni lanac kao slijed procesa koji premještaju robu i

usluge od narudžbe kupca kroz faze sirovine, opskrbe, proizvodnje i distribucije gotovog

proizvoda kupcu. Uspoređujući povijesni i suvremeni SCM Zsidisin i Ritchie (2008., p. 2.)

smatraju kako je, za razliku od povijesnoga čija je osnovna karakteristika reaktivno

djelovanje, značajka suvremenog SCM-a potreba strateškog pristupa uz naglašenu

proaktivnost. Svi elementi lanca odnosno njegove sastavnice trebaju težiti održivoj

konkurentnosti i profitabilnosti kroz okretniju, efikasniju, elastičniju sveobuhvatnu strategiju

usmjerenu prema kupcu. Christopher (2005., p. 38-40.) sažima upravljanje opskrbnim lancem

kroz četiri „R“:

� odgovornost (engl. Responsiveness) - sposobnost brzog odgovora prema kupčevim

potrebama postaje kritično za uspjeh, a kroz prizmu ovog elementa u mjenjajućem

okruženju ključnim smatra agilnost;

89 Prema Croom et al., 2000., p. 69.

106

� pouzdanost (Engl. Reliability) - značajno unapređenje jest moguće jedino kroz

reinženjering procesa koji utječu na performanse, a temelje tih procesa predstavlja

vidljivost;

� elastičnost (Engl. Resilience) - turbulentno i volatilno okruženje zahtijeva sposobnost

lanca da bude elastičan kako bi uspješno odoljevao poremećajima;

� odnose (Engl. Relationships) - po definiciji, SCM se odnosi na upravljanje odnosima,

a uspješniji će biti oni koji se rukovode principima zajedničke koristi u međusobnim

odnosima.

Hugos (2006., p. 4.) definira SCM kao koordinaciju proizvodnje, zaliha, lokacije i transporta

između sudionika opskrbnog lanca kako bi se postigao najbolji miks odgovornosti i

efikasnosti za tržište na kojem se djeluje. Iako svaki opskrbni lanac ima svoje posebnosti,

određeni su elementi svima zajednički pa smatra kako poduzeća moraju individualno i

zajednički donositi odluke u pet ključnih područja koji su, u stvari, pokretači opskrbnog lanca:

� proizvodnja - koje proizvode tržište želi?, koliko i kada to proizvoditi?, odgovore treba

dati master plan proizvodnje koji treba uzeti u obzir kapacitete, balansiranje

opterećenja, kontrolu kvalitete i održavanje opreme;

� zalihe - koja je razina zaliha potrebna u svakoj fazi opskrbnog lanca?, koja je količina

potrebna na lageru u obliku sirovina, poluproizvoda i gotovih proizvoda?, primarna

funkcija zaliha u opskrbnom lancu jest zaštita od neizvjesnosti, a s obzirom da njihovo

držanje predstavlja trošak pitanje je koja im je optimalna razina;

� lokacija - gdje trebaju biti locirani proizvodni objekti i skladišta?, koja je troškovno

najisplativija lokacija?, da li koristiti postojeće ili graditi nove objekte?;

� transport - kako će se zalihe micati s jedne na drugu lokaciju?, kako optimalizirati i

izabrati najbolji način transporta zrakom, morem, cestom i željeznicom?, koliko

sigurnost/nesigurnost transporta utječe na razinu zaliha?;

� informacija - koliko podataka treba prikupljati, a koliko informacija dijeliti?,

vremenska i precizna informacija osigurava bolju koordinaciju i kvalitetnije

odlučivanje u domeni proizvodnje, lokacije, zaliha i transporta.

Analizirajući ponašanje lidera i sljedbenika, Defee et al. (2009.) objašnjavaju kako se SCM

sastoji od lidera i dva ili više članova koji su izravno vezani s jednim ili više uzvodnih ili

nizvodnih tokova proizvoda, usluga, novca ili informacija sa ciljem ostvarivanja zajedničke

dobiti za sve članove, a ne samo za lidera. Mentzer et al. (2001., p. 18.) definiraju SCM kao

107

sistematsku stratešku koordinaciju tradicionalnih poslovnih funkcija i taktika kroz te funkcije

unutar određene kompanije te kroz poslovanje unutar opskrbnog lanca sa ciljem dugoročnog

unapređenja performansi pojedine kompanije i opskrbnog lanca u cjelini. Tradicionalne

poslovne funkcije poput marketinga, prodaje, istraživanja i razvoja, predviđanja, proizvodnje,

nabave, logistike, informacijske tehnologije, financija i servisa kupcu omogućavaju tok lanca

(proizvoda, usluga, financijski resursa te povezanih informacija) između poddobavljača do

krajnjeg kupca osiguravajući mu vrijednost i zadovoljstvo. Njihov model prikazuje slika 15.

O p s k r b n i l a n a c

G l o b a l n o o k r u ž e n j e

proizvodi

Tijek lanca opskrbe

usluge

informacije

Izvori financiranja

potražnja

predviđanje

zadovoljstvokupca /vrijednost /profitabilnost /

konkurentskaprednost

Interkorporativna koordinacija

prijenos funkcija, vanjski pružatelji usluga, upravljanje odnosima, struktura lanca opskrbe

Interfunkcijskakoordinacija

(povjerenje,privrženost,rizik,zavisnost,

ponašanja)

marketing

prodaja

istraživanje i razvoj

predviđanje

nabava

logistika

informacijski sustav

financije

servisiranje kupaca

proizvodnja

poddobavljači dobavljačicentralno

poduzećekupac

kupčev

kupac

Slika 15. Model upravljanja opskrbnim lancem – Mentzer et al.

Izvor: Mentzer, John T., DeWitt, W., Keebler, James S., Min, S., Nix, Nancy W., Smith, Carlo D., Zacharia, Zach G.: Defining Supply Chain Management, Journal of Business Logistics, 2001., 22 (2), p. 19.

Označavajući SCM kao disciplinu Bowersox (2007., p. 5.) ističe šest imperativa što tvore

okvir integrativnog poslovnog modela opskrbnog lanca: usmjerenost kupcu kao centru (engl.

Customer-centricity), operativna izvrsnost, integrativni menadžment, odgovornost u realnom

vremenu, prednost mrežne organizacije i suradnja. Prema Tyndal et al. (1998.), određeni

autori objašnjavaju SCM u operativnom smislu uključujući tu kretanje materijala i proizvoda,

drugi mu pristupaju kao menadžerskoj filozofiji, a treći kao menadžerskim procesima, pa

Mentzer et al. (2001., p. 7.) definicije SCM-a razvrstavaju u tri kategorije: menadžerska

filozofija, implementacija menadžerske filozofije i menadžerski procesi. Pristupajući SCM-u

kao filozofiji upravljanja, naglašavaju sljedeće karakteristike:

108

� sistematski pristup kako bi se opskrbni lanac sagledao u cjelini te se na takav način

upravljalo cjelokupnim tokom roba - od dobavljača do krajnjeg kupca;

� stratešku orijentaciju prema kooperativnim nastojanjima za sinkronizacijom i

usmjerenošću unutarnjih i vanjskih sposobnosti u jedinstvenu cjelinu;

� usmjerenost prema kupcu kako bi se kreirala jedinstvena i individualizirana vrijednost

za kupca, a rezultirala bi njegovim zadovoljstvom.

Kako bi se uspješno primijenila navedena filozofija, poduzeća trebaju uspostaviti takvu

praksu koja će im omogućiti tu realizaciju. Temeljem svojih istraživanja, Mentzer et al.

(2001., p. 8-10.) navode neophodne aktivnosti:

� zajedničko ponašanje - potrebno je izvršiti proširenje ovog (unutarnjeg) ponašanja

kroz vanjske integracije s dobavljačima i kupcima;

� zajedničko dijeljenje informacija - što se posebno odnosi na planiranje i monitoring

procesa, ali isto tako na informacije o stanju zaliha, predviđanjima, marketinškim i

prodajnim strategijama, što se posljedično treba odraziti na smanjenje nesigurnosti

među partnerima;

� zajedničko dijeljenje rizika i nagrada - što bi dugoročno trebalo rezultirati

konkurentskim prednostima;

� kooperacija - startajući od zajedničkog planiranja i završavajući sa zajedničkom

kontrolom svih aktivnosti kako bi se evaluirale performanse lanca, a suradnja može

biti jednostavna ili nadopunjujuća, što se svakako treba odraziti na rezultatima;

� zajednički ciljevi i fokus na servisiranju kupaca - uspostava zajedničkih ciljeva

predstavlja odraz politike integracije partnera lanca;

� integracija procesa - što uključuje porijeklo, proizvodnju i distribuciju kroz cijeli

opskrbni lanac;

� partnerstvo u izgradnji i održavanju dugoročnih odnosa.

Odluka o udruživanju u određeni opskrbni lanac koja podrazumijeva višu razinu odnosa,

tipično je vođena očekivanjima o unapređenjima performansi odnosno postizanju boljih

rezultata i ostvarivanju strateških ciljeva, tako da Handfield i Nichols (2002., p. 156.) navode

ciljeve u različitim područjima, prikazane u tablici 7.

109

Tablica 7. Različiti ciljevi udruživanja u opskrbni lanac

Perspektiva proizvođača Perspektiva dobavljača materijala

Cilj

evi u

dru

živa

nja

� unapređenje unutarnjih operacija � smanjenje troškova � smanjenje zaliha � unapređenje kvalitete � skraćenje vremena isporuke � stabilnost opskrbe i cijena � povećanje korištenja dobavljačevih

tehnologija i stručnosti � skraćenje vremena razvoja proizvoda za

tržište

� povećanje volumena prodaje � povećanje lojalnosti kupca � osiguranje usluga koje dodaju vrijednost � povećanje troškova zamjene dobavljača � smanjenje troškova

Perspektiva proizvođača Perspektiva distributera

Cilj

evi u

dru

živa

nja

� povećanje volumena prodaje � povećanje raspoloživosti � povećanje svježine � sniženje troška šteta � inovacija novih proizvoda � niži troškovi zaliha � smanjenje šteta � preciznost fakturiranja � unapređenje politike cijena i promocija � unapređenje servisa kupcu � unapređenje isporuka narudžbi

� povećanje profitabilnosti � smanjenje zaliha � povećanje obrta � svježina proizvoda � sniženje troškova dostave � proizvodi po mjeri kupca � konfiguracija � unapređenje vrijednosti za kupca

Perspektiva proizvođača Perspektiva dobavljača usluge

Cilj

evi u

dru

živa

nja

� unapređenje koordinacije između transportnih operacija i opskrbe proizvoda

� smanjenje baze prijevoznika � smanjenje troškova � unapređenje uslužnosti � unapređenje skladištenja, proizvodnosti

distribucijskog rada i korištenja prostora � održavanje elastičnosti isporuka � postizanje konsolidiranih koristi � izgradnja podrške industriji u

aktivnostima opskrbnog lanca

� povećanje tržišnog udjela � upravljanje operacijskim različitostima � osiguranje usluge koje dodaju vrijednost � povećanje profitabilnosti � razvijanje bližih odnosa s industrijskim

liderima � zadovoljavanje proizvođačevih kupaca � osiguranje budućeg konkurentskog

položaja

Izvor: Handfield, R.B., Nichols, E.L.: Supply Chain Redesign: Transforming Supply Chains into Integrated Value Systems, Financial Times Prentice Hall, New Jersey, 2002., p. 156-157.

110

2.2. Evolucija upravljanja opskrbnim lancem i njegove odrednice

Postoje različita tumačenja određenih autora o evoluciji i elementima opskrbnog lanca, što

prvenstveno zavisi o njihovom pristupu te ciljevima provedenih istraživanja. U ovom će se

dijelu prikazati elementi opskrbnog lanca te faze njegove zrelosti s prikazom rezultata

određenih istraživanja.

2.2.1. Elementi, principi i procesi upravljanja opskrbnim lancem

Definirajući principe SCM-a, Hugos (2009., p. 34-36.) polazi od kupčeve točke gledišta te ih

objašnjava:

� efikasnost - ne smije biti rasipanja u najširem smislu te riječi što će se pozitivno

odraziti na unapređenje svih procesa;

� pouzdanost - unapređenjem procesa te sinkronizacijom potražnje i opskrbe na svim

vezama opskrbnog lanca, poduzeća će postići konstantu u kvaliteti proizvoda i usluga;

� fleksibilnost - koju istovremeno naziva i agilnost, podrazumijeva prilagodljive odnose,

procese usmjerene kupcu te neprekinuti protok informacija unutar lanca. Postati

efikasan i pouzdan podrazumijeva omogućavanje fleksibilnosti pogotovo kad su

unapređenja učinjena zahvaljujući eliminaciji grešaka i rasipanja;

� inovativnost - efikasnost, pouzdanost i fleksibilnost vremenom će zaostajati, stoga je

za kvalitetno konkurentsko i održivo pozicioniranje potrebna kontinuirana

inovativnost: procesa te proizvoda i usluga.

Istražujući elemente i karakteristike upravljanja opskrbnim lancem Storey et al. (2006., p.

760.) pokušali su identificirati idealne karakteristike:

� neprekinuti tok od inicijalnog dobavljača do krajnjeg kupca;

� opskrbni lanac vođen potražnjom;

� razmjena informacija kroz cijeli lanac (kompletna vidljivost);

� suradnja i partnerstvo (uzajamna korist i dodana vrijednost za sve sudionike; win-

win90, zajedničko učenje, zajednički dizajn i razvoj);

� omogućena informacijska tehnologija; 90 Pobjeda svih uključenih strana, odnosno, u tom odnosu nema poraženih.

111

� proizvodi idu izravno na police;

� optimalno konfiguriranje pakiranja proizvoda;

� odgovornost prema kupcu;

� agilnost i težnja lean proizvodnji;

� maksimalna prilagodba

� segmentacija tržišta.

Temeljni elementi SCM-a koje navodi Stevenson (2007.) predstavljeni su u tablici 8.

(Hasrulnizzam, 2009., p. 493.).

Tablica 8. Elementi upravljanja opskrbnim lancem

Elementi T i p i č n i p r e d m e t

Kupci Određivanje proizvoda i usluga koje kupci žele.

Predviđanje Predviđanje količina i vremena kupčevih narudžbi.

Dizajn Povezivanje kupaca, želja, proizvodnosti i vremena plasmana na tržište.

Planiranje kapaciteta Usklađivanje opskrbe i potražnje.

Procesuiranje Kontroliranje kvalitete i raspored posla.

Zalihe Zadovoljavanje potražnje uz istovremeno upravljanje troškovima držanja zaliha.

Nabava Evaluacija potencijalnih dobavljača, podržavanje operativnih potreba nabavljenih roba i usluga.

Dobavljači Monitoring kvalitete dobavljača, točnosti isporuke, fleksibilnosti, održavanje odnosa s dobavljačima.

Lokacija Određivanje lokacije objekata (proizvodnih i skladišnih).

Logistika Određivanje kako najbolje pomicati informacije i materijale.

Izvor: Hasrulnizzam, W., Mahmood, W., Muhamad, M.R., Tahar, N.M.: Supply Chain Management: After Business Process Re-Engineering, Proceedings of World Academy of Science, Engineering and Technology, May 2009., p. 493.

Supply Chain Council (Liautaud i Hammond, 2006., p. 215.) pojednostavljuju stvar te svaki

opskrbni lanac svode na četiri osnovna procesa: planiranje, nabavu sirovina, izradu i dostavu,

koji obuhvaćaju upravljanje ponudom i potražnjom, nabavu proizvodnih sirovina i dijelova,

proizvodnju i sastavljanje, uskladištenje i kontrolu zaliha, primanje i upravljanje narudžbama,

raspodjelu robe te krajnju dostavu kupcima.

112

Lambert (2008., p. 2-12.) temeljem opće teorije upravljanja razvija procesni pristup SCM-u,

što predstavlja GSFC-ov (Global Supply Chain Forum) model prikazan na slici 16.:

� upravljanje odnosima s kupcima (engl. Customer Relationship Management) - proces

pruža strukturu za razvoj i održavanje odnosa s kupcima te je, sukladno misiji

poduzeća, kroz njega potrebno identificirati ključne kupce i grupe kupaca i povećati

njihovu lojalnost pružajući im proizvode i usluge po njihovim željama;

� upravljanje odnosima s dobavljačima (engl. Supplier Relationship Management) -

proces predstavlja zrcalo upravljanja odnosima s kupcima te je potrebno sa svakim

ključnim dobavljačem postići kvalitetan poslovni odnos. Kod oba procesa Lambert

naglašava poželjni win-win ishod;

� upravljanje uslugama kupcima (engl. Customer Service Management) - ključni cilj

procesa predstavlja zadatak monitoriranja i rješavanja potencijalnog problema prije

nego što se on uopće pojavi kupcu te je potrebna koordinacija između njega,

upravljanja odnosima s kupcima, dobavljačima, ali i upravljanja proizvodnim tokom;

� upravljanje potražnjom (engl. Demand Management) - zadatak procesa predstavlja

balansiranje između kupčevih zahtjeva i mogućnosti opskrbnog lanca te nije limitiran

na predviđanje, nego treba uključiti sinkronizaciju opskrbe i potražnje, smanjiti

varijabilnost i povećati elastičnost (fleksibilnost). Kvalitetno organiziran proces

koristi podatke prodajnog mjesta (engl. Point of sale) te ključne podatke o kupcu kako

bi se smanjila neizvjesnost;

� ispunjavanje narudžbi (engl. Order Fulfillment) - u proces su uključene sve aktivnosti

potrebne za dizajniranje mreže kako bi se omogućilo pravovremeno zaprimanje

kupčevih želja te minimizirali troškovi isporuke;

� upravljanje proizvodnim tokom (engl. Manufacturing Flow Management) - proces

uključuje sve aktivnosti potrebne za nabavu, implementaciju i upravljanje

proizvodnom fleksibilnošću tijekom kretanja proizvoda kroz pogon;

� razvoj i plasman proizvoda (engl. Product Development and Commercialization) -

kroz suradnju s dobavljačima i kupcima proces je zadužen za razvoj i plasman

proizvoda na tržište. U sklopu toga potrebno je u koordinaciji s upravljanjem

odnosima s kupcima identificirati kupčeve artikulirane i neartikulirane potrebe,

selektirati materijale i dobavljače (u koordinaciji s procesom upravljanje odnosima s

dobavljačima) te asistirati ostalim procesima za što lakši prolaz novog proizvoda kroz

opskrbni lanac;

113

� upravljanje povratima (engl. Return Management) - aktivnosti procesa povezane su s

reverznom logistikom, povratima i izbjegavanjima, a ispravno organiziran i

implementiran omogućit će ne samo efikasno upravljanje obrnutim tokom, već će

pružiti mogućnosti identifikacije uzročnih problema kako bi se u budućnosti otklonili

ili neutralizirali.

Slika 16. Upravljanje opskrbnim lancem – Lambert

Izvor: Lambert, Douglas E.: Supply Chain Management: Processes, Partnerships, Performance, 3rd. Ed., Supply Chain Management Institute, Sarasota, 2008., p. 305.

Svaki od navedenih procesa ima svoje strateške i operativne potprocese. Strateški potprocesi

omogućavaju strukturu za implementaciju te predstavljaju nužan korak u integraciji poduzeća

s ostalim članovima opskrbnog lanca. Slično objašnjavaju Kaplan i Norton (2006., p. 221-

222.) koji tvrde da je upravljanje opskrbnim lancem interfunkcijski i interorganizacijski

proces. Interfunkcijski jest jer efikasna proizvodnja i opskrba zahtijevaju usku suradnju

između marketinga, proizvodnje, nabave, prodaje i logistike, dok je interorganizacijski jer

sistem i procesuiranje između svih sudionika - dobavljača sirovina, proizvođača, distributera i

prodavača - moraju biti integrirani i koordinirani sa ciljem optimizacije performansi cijelog

114

lanca. Još se jedan procesni pristup iskristalizirao u praksi u posljednjoj dekadi - riječ je o

SCOR (Supply Chain Operations Reference) modelu koji je nastao unutar neprofitne

organizacije Supply Chain Council (SCC). Ovaj model integrira poznate koncepte poslovnog

reinženjeringa, uspoređivanja s najboljima (engl. Benchmarking) te mjerenja procesa unutar

krosfunkcijskog okvira, a prikazuje ga slika 17.

Slika 17. Okvir SCOR modela

Izvor: Bolstorff, P., Rosenbaum, R.: Supply Chain Excellence – A Handbook for Dramatic Improvement Using the SCOR Model, 2nd ed., Amacom, New York, 2007., p. 3.

Prvenstvena namjera razvoja ovog modela jest efikasna komunikacija između partnera u

opskrbnom lancu, a za što kvalitetniju provedbu on sadrži: opis uključenih upravljačkih

procesa, okvir odnosa između tih procesa, standardne mjere za mjerenje performansi procesa,

upravljačke prakse najboljih kompanija te usklađenje značajki i funkcija. Model se sastoji od

pet osnovnih procesa čije se karakteristike navode u nastavku (Bolstorff i Rosenbaum, 2007.,

p. 2-3.):

� planiranje (planiranje i upravljanje potražnjom i opskrbom) - podrazumijeva ocjenu

opskrbnih resursa, zahtjeva agregatne i prioritetne potražnje, planiranje zaliha za

distribuciju i proizvodnju te potrebe kapaciteta;

� nabavljanje - podrazumijeva nalaženje, nabavu, inspekciju, zadržavanje i autorizaciju

plaćanja dobavljačima za sirovine i nabavljene gotove proizvode;

� proizvodnja - obuhvaća zahtijevanje i prijem materijala, obradu, testiranje proizvoda,

pakiranje te njihovo izdavanje;

115

� isporuka - predstavlja realizaciju naručenih proizvoda u kvalitativnom i

kvantitativnom smislu;

� povrat - predstavlja osjetljiv dio navedenih aktivnosti obzirom da upravlja s oštećenom

ili neprihvaćenom robom.

SCC je 2004. godine prezentirao dva nova okvira kao prilog mozaiku kompanijinog lanca

vrijednosti (Bolstorff i Rosenbaum, 2007., 240-245.). CCOR (Customer Chain Operations

Reference) model definira kupca kao dijela lanca vrijednosti, a sastavljen je integracijom

planiranja, odnosa, prodaje, ugovora, servisa te omogućujućih procesa (engl. plan, relate, sell,

contract, service and enable processes). DCOR (Design Chain Operations Reference) model

definira dizajn kao dio lanca vrijednosti nastalog integracijom planiranja, istraživanja, dizajna,

integracije, poboljšanja i omogućujućih procesa (engl. plan, research, design, integrate,

amend and enable processes). Prema Handfieldu i Nicholsu (2002., p. 68.), najznačajnija

vrijednost SCOR modela predstavlja mogućnost članovima lanca da u sklopu postignute

integracije razgovaraju istim jezikom. S obzirom da je model ogledalo tradicionalnih funkcija

(planiranje = logistika, izvor = nabavljanje, proizvodnja, isporuka = transport), Jacoby (2009.,

p. 229-230.) kaže da ga dosta poduzeća koristi samo za uspoređivanje tradicionalnih

funkcionalnih performansi. Uspoređujući GSCF i SCOR modele, Lambert et al., (2008., p.

313.) zaključuju kako su oba fokusirana na implementaciju krosfunkcijskih procesa u

opskrbnom lancu; međutim, drže da je GSCF više uključen s obzirom da involvira sve

poslovne funkcije te širi set aktivnosti. Osim navedenog, prema njima, GSFC osigurava

mehanizam za razmatranje generiranja prihoda, radije nego da se fokusira na sniženje

troškova.

Izvrsnost opskrbnog lanca donosi dioničarima vrijednost91 jer kontrolira otkucaje srca

poduzeća – temeljni tok materijala i informacija od dobavljača preko poduzeća do kupaca

(Slone et al., 2010., p. 5.). Svjetska klasa SCM-a kreira ekonomski profit kada:

� podržava veći prihod omogućavajući besprijekornu dostavu kupcu;

� snižava trošak kroz učinkovitije operacije;

� snižava potreban kapital pomoću nižih zaliha, ukupnog radnog kapitala te kreirajući

idealnu92 fizičku mrežu.

91 Slone et al. pojašnjavaju kako vrijednost za dioničare predstavlja ekonomski profit što se dobije kad se od profita odbije trošak kapitala potreban za njegovo generiranje. 92 Izvorna riječ na engleskom jeziku glasi streamlined što se prevodi kao nešto što ne pruža otpor, aerodinamično...

116

2.2.2. Faze zrelosti upravljanja opskrbnim lancem

Za razumijevanje opskrbnog lanca i načina njegovoga funkcioniranja esencijalno jest

poznavanje organizacije procesa koji se mogu definirati kao logična serija transakcija što

konvertiraju inpute u rezultate odnosno outpute (Handfield i Nichols, 2002., p. 40-41.).

Poslovni procesi predstavljaju lanac logički povezanih repetitivnih aktivnosti koji koriste

tvrtkine resurse za preradu ili transformaciju određenog objekta (fizičkog ili mentalnog) za

postizanja specifičnog i mjerljivog rezultata za interne ili eksterne kupce.

Poirier i Quinn (2003; 2006.) navode pet razina zrelosti opskrbnog lanca:

1. poduzeća su fokusirana na funkcijska i procesna poboljšanja, a riječ je o internim

aktivnostima usmjerenima oko unutarnje integracije. Kao vodič u ovoj najranijoj fazi

može se koristiti SCOR model;

2. nastavlja se evolucija opskrbnog lanca još uvijek unutar poduzeća jer se shvaća da se

uštede mogu generirati u svim elementima lanca unutar poduzeća. Dolazi do pomaka

nabave prema strateškoj funkciji, baza dobavljača se usmjerava prema strateškim,

poboljšava se protok informacija unutar poduzeća. Autori ističu kako mnogim

poduzećima predstavlja problem iskorak prema trećoj fazi koji je prvenstveno

kulturološke naravi;

3. strateško shvaćanje dobavljača rezultira njihovim involviranjem u ranije faze razvoja

proizvoda. Logistika, transport i funkcije skladištenja uspostavljaju globalne relacije s

kvalificiranim logističkim servisima;

4. intenzivan razvoj odnosa s kupcima i dobavljačima što rezultira razvojem lanca

vrijednosti, intenzivira se razmjena i korištenje informacija u uzvodnim i nizvodnim

aktivnostima. Karakteristika ove faze predstavlja uspostava elektronske trgovine (engl.

e-commerce) i elektronskog poslovanja (engl. e-business);

5. najnapredniju fazu karakterizira maksimalna komunikacijska povezanost kroz cijelu

mrežu opskrbnog lanca uz iscrpno korištenje svih raspoloživih tehnoloških

mogućnosti.

Istraživanje koje su proveli McCormak i Johnson (2000., prema Lockamy i McCormak,

2004., p. 273.) pokazalo je kako je orijentiranosti prema poslovnim procesima (engl. Business

Process Orientation – BPO) kritično za smanjenje konflikta, poticajno za jače povezivanje

unutar poduzeća te za unapređenje performansi. Ključni elementi BPO-a su: upravljanje

117

procesima i mjerenje, procesni poslovi (poslovi fokusirani na procese a ne na funkcije) te

procesni pogled (krosfunkcijski horizontalni pogled na poslovanje).

Temeljem svojih istraživanja odnosa zrelosti opskrbnog lanca i njegovih performansi

Lockamy i McCormak (2004., p.272.) razvili su model procesne zrelosti upravljanja

opskrbnim lancem na temeljima modela BPO čiji su elementi prikazani u tablici 9.

Tablica 9. Model zrelosti orijentiranosti poslovnim procesima BPO

Prošireni

Konkurentnost se pojavljuje između mreža poduzeća. Suradnja između tvrtki postaje rutinska do točke gdje prakse naprednih procesa dozvoljavaju transfer odgovornosti nevezano za legalnost vlasništva procesa. Povjerenje i zajednička zavisnost povezuje cjelokupnu proširenu mrežu. Uspostavljena je čvrsta horizontalna kultura orijentirana prema kupcu.

Integrirani

Kompanija, njezini dobavljači i kupci uspostavljaju kooperaciju na procesnoj razini. Organizacijska struktura i poslovi temeljeni su na procesima, a tradicionalne funkcije polako nestaju. Mjerenje procesa i upravljanje sustavom duboku su ugrađeni u organizaciju. Pojavljuju se naznake naprednih procesa.

Povezani

Ova razina predstavlja prijelomnicu. Vodstvo kompanija strateški uspostavlja upravljanje procesima. Širi obuhvat procesa i struktura postavljeni su izvan tradicionalnih funkcija. Kooperativnost između funkcija unutar poduzeća, prodavača i kupaca poprima obilježje timova koji dijele zajedničke mjerljive procese i ciljeve.

Definirani

Osnovni su procesi definirani i dokumentirani. Promjene u ovim procesima trebaju se odvijati kroz formalne procedure. Poslovni i organizacijska struktura uključuju procesne aspekte, ali ostaju tradicionalni. Predstavnici funkcija održavaju koordinacijske sastanke u svezi procesnih aktivnosti.

Ad hoc Procesi su nestrukturirani ili loše definirani. Ne postoji mjerenje procesa, organizacijska se struktura temelji na tradicionalnim funkcijama, a ne na horizontalnim procesima.

Izvor: Lockamy, A., McCormak, K.: The development of a supply chain management process maturity model using the concepts of business process orientation, Supply Chain Management: An International Journal, 2004., 9 (4), p. 275.

Handfield i Nicholson (2002., p. 24-25.) navode korake u implementaciji integriranog lanca

vrijednosti koji započinju optimizacijom i koordinacijom između poslovnih funkcija. Nabava,

operacije i distribucija trebaju biti usklađeni s poslovnom strategijom i zajedničkim mjerama

performansi, i treba se znati u kojem smjeru poduzeće ide. Osnovni procesi (ispunjavanje

118

narudžbi, strategija nabave i logistički tok) trebaju biti analizirani i unapređeni, a temeljna

mrežna struktura povezanosti s dobavljačima i kupcima treba biti optimizirana. Uspostava

integriranog opskrbnog lanca koji će opskrbiti krajnjeg kupca ili člana lanca sa zahtijevanim

materijalima, u potrebnim količinama, u zahtijevanoj formi, s potrebnom dokumentacijom, na

zahtijevanu lokaciju, u pravo vrijeme, uz najniže moguće troškove leži u samom srcu SCM-a

(Handfield i Nicholson, 2002., p.39.). Kako bi se postigli ovi ciljevi, potrebno je:

� razumjeti postojeći opskrbni lanac i izraditi njegovu mrežu;

� prepoznati kritičnu ulogu vremenskog ciklusa opskrbnog lanca;

� napraviti reinženjering logistike opskrbnog lanca;

� uspostaviti sistem mjerenja performansi cjelokupnog lanca.

Model zrelosti upravljanja opskrbnim lancem prikazuje slika 18.

Slika 18. Model zrelosti upravljanja opskrbnim lancem

Izvor: Lockamy, A., McCormak, K.: The development of a supply chain management process maturity model using the concepts of business process orientation, Supply Chain Management: An International Review, 2004., 9 (4), p. 276.

119

Vezano za prikazana dva modela zanimljivo je vidjeti rezultate određenih istraživanja o

dostignutim stupnjevima integriranosti. Prema rezultatima istraživanja Poirera i Quinna

(2006.), više od polovice kompanija smješteno je na treću razinu, za razliku od istraživanja

provedenog tri godine ranije (Poirier i Quinn, 2003.) kada je većina bila pozicionirana između

druge i treće razine. 75% ispitanika potvrdilo je da su kontinuirana poboljšanja njihovog

opskrbnog lanca urodila uštedom troškova odnosno porastom prihoda. Međutim, isto tako

treba naglasiti kako je istraživanje pokazalo kako je samo 40% ispitanika potvrdilo da imaju

određeni plan aktivnosti u slučaju ozbiljne ranjivosti njihovog lanca. Handfield (2006., p. 14-

16.) navodi rezultate istraživanja koje je provelo SCR (Supply Chain Redesign) 2005. godine

o razinama zrelosti preko 500 srednje do velikih poduzeća:

� ad hoc - sva promatrana poduzeća su prošla ovu inicijalnu fazu;

� definirani - 27% poduzeća;

� povezani - 66% poduzeća;

� integrirani - 7% poduzeća;

� prošireni - još niti jedno poduzeće nije podiglo funkcioniranje opskrbnog lanca na ovu

razinu.

Prema Spekman et al. (1998., p. 53-67.), menadžment je svjestan kako je uspjeh poduzeća

povezan sa snagom najslabijeg partnera unutar opskrbnog lanca i zato predlažu prisnu

suradnju i integraciju cijelog lanca kako bi se mogle uživati pune pogodnosti sniženja

troškova i povećanja prihoda, odnosno, zalažu se za sljedeću evoluciju:

� pregovaranje na otvorenom tržištu - glavna tema razgovora jest cijena, odnosi su

suparnički;

� kooperacija - nekoliko dobavljača, dugoročni ugovori;

� koordinacija - informacijska povezanost, razmjena podataka i informacija između

sudionika;

� suradnja - integracija opskrbnog lanca, zajedničko planiranje, tehnološka suradnja.

Pitanje mjerenja odnosno mogućnosti operacionalizacije mjerenja integracije opskrbnog lanca

rezultirala je razvojem tehnike Q-podjele (engl. Q-sort techniques), a rezultati istraživanja

(Boon-itt i Paul, 2005., p. 47-52.) pokazali su kako je riječ o korisnom metodičnom pristupu.

Ovu su tehniku izvorno razvili Bowersox et al. (2000.) i Stank et al. (2001.), i sastoji se od

šest dimenzija: integriranost s kupcem, unutarnja integracija, integriranost s dobavljačima,

tehnološka integracija i planiranje, integracija mjerenja te integracija povezanosti tj. veza.

120

2.2.3. Evaluacija strategija upravljanja opskrbnim lancem

Prije donošenja odluke o implementaciji i provođenu određene strategije upravljanja

opskrbnim lancem potrebno je da poduzeće uopće prepozna takav koncept kao svoju stratešku

odrednicu, odnosno, potrebna mu je takva orijentacija. Mentzer et al. (2001., p. 11.) definiraju

orijenatciju prema opskrbnom lancu (engl. Supply Chain Orientation - SCO) kao

prepoznavanje organizacije sistematskog i strateškog uključivanja taktičkih radnji uključenih

u upravljanje različitih tokova unutar opskrbnog lanca. Može se reći da je poduzeće strateški

orijentirano prema opskrbnom lancu ako menadžment može vidjeti posljedice upravljanja

uzvodnim i nizvodnim tokovima proizvoda, usluga, financija i informacija sa svojim

dobavljačima i kupcima. Min i Mentzer (2004., p. 65.) predlažu kulturološke elemente koje bi

poduzeća trebala graditi i njegovati u svojim odnosima s partnerima iz opskrbnog lanca:

� povjerenje, sastoji se od kredibilnosti i dobronamjernosti, determinira kooperaciju i

privrženost odnosu;

� privrženost, implicitno ili eksplicitno obećanje o kontinuitetu odnosa između partnera

iz lanca;

� kooperativne norme, predstavljaju percepciju zajedničkih napora dobavljača i

distributera u ostvarenju pojedinačnih i zajedničkih ciljeva uz istovremeno

suzdržavanje od poduzimanja oportunističkih aktivnost;

� organizacijska uskladivost;

� podrška vrhovnog menadžmenta.

S obzirom da su odnosi u opskrbnom lancu tipično dugoročni te zahtijevaju važnu stratešku

koordinaciju, Mentzer et al. (2001., p. 12.) istraživali su predhodnost i posljedice upravljanja

opskrbnim lancem, gdje se pod prethodnošću podrazumijeva ukupnost faktora koji

povećavaju ili onemogućavaju implementaciju filozofije orijentiranosti prema opskrbnom

lancu. Njihova je analiza prikazana na slici 19.

121

Slika 19. Upravljanje opskrbnim lancem – prethodnost i posljedice

Izvor: Mentzer, John T., DeWitt, W., Keebler, James S., Min, S., Nix, Nancy W., Smith, Carlo D., Zacharia, Zach G.: Defining Supply Chain Management, Journal of Business Logistics, 2001., 22 (2), p. 192.

Jedan od uzroka neuspjeha opskrbnih lanaca jest nerazumijevanje prirode potreba što se

posljedično odražava na dizajn i strategiju upravljanja opskrbnim lancima. Fischer 1997. (Li,

2008., p. 13-14.) je sugerirao dva različita pristupa: efikasan i odgovoran opskrbni lanac.

Svrha odgovornog opskrbnog lanca jest brza reakcija na tržišne zahtjeve. Ovakvi modeli

najbolje odgovaraju okolini gdje je predviđanje potražnje nisko, greške predviđanja visoke,

životni ciklus proizvoda kratak, uvođenje novog proizvoda brzo, a postoji i veliki izbor novih

proizvoda. Svrha efikasnog opskrbnog lanca jest koordinacija toka materijala i usluga kako bi

se minimizirale zalihe te povećala efikasnost proizvođača u lancu. Ovakav tip modela najbolje

odgovara tržištima gdje se potražnja može dobro predvidjeti, greške predviđanja su male,

životni ciklus proizvoda je duži, a izbor novih proizvoda skučen.

Efikasno funkcioniranje opskrbnih lanaca ima svakim danom sve veći utjecaj na poslovanje i

opstanak poduzeća, stoga ne čude mnoga istraživanja akademske zajednice sa ciljem

pronalaženja modela za poboljšanje njihove učinkovitosti i djelotvornosti. Bilo koja strategija

opskrbnog lanca treba početi s kupčevim sadašnjim i budućim potrebama (Slone et al., 2010.,

p. 34.). Temeljem evolutivnih faza prikazanih u prethodnom poglavlju Spekman et al. (1998.)

razvili su matricu strategija upravljanja opskrbnim lancem vidljivu na slici 20.

122

Slika 20. Matrica strategija upravljanja opskrbnim lancem

Izvor: Spekman, R.E., Kamauff, J.W., Myhr, N.: An empirical investigation into supply chain management: a perspective on partnership, Supply Chain Management: An International Journal, 1998., 3 (2), p. 59.

Jacoby (2009., p. 34-38.) navodi četiri osnovna principa za unapređenje SCM-a:

produktivnost, pouzdanost, fleksibilnost i inovativnost93. Na osnovi ovako postavljenih

principa razvijaju se četiri temeljne strategije SCM-a:

� racionalizacija, uključuje temeljne procese koji se javljaju kod nabavljanja (aukcija,

kolekcija, ugovaranje, porijeklo), proizvodnje te upravljanje sadržajima. Ova je

strategija izvrsna u upravljanju operativnim troškovima kroz SCM kako bi se postiglo

cjenovno vodstvo i veća profitabilnost nego u konkurenata;

� sinkronizacija, uključuje temeljne procese koji se javljaju kod sastavljanja, upravljanja

zalihama, održavanja, upravljanja materijalima, operacijama, kontroli proizvodnje i

kvalitete, ispunjavanju narudžbi, povratima, popravcima i recikliranju. Cilj ove

strategije jest postizanje vjerodostojnosti i besprijekornih izvršavanja unutar lanca

(pravi proizvod na pravo mjesto u pravo vrijeme) kako bi se postigao isti volumen

izlaza s manjom imovinom (kapacitetom proizvodnje) i manjim radnim kapitalom;

� adaptacija, uključuje temeljne procese koji se javljaju kod servisa kupcima,

predviđanja, marketinga, segmentacije kupaca, rudarenja podacima, distribucije,

uvođenja novih proizvoda, te politike cijena. Prilagodba podrazumijeva izvrsnost u

izgradnji jedinstvene sposobnosti korištenja opskrbnog lanca u postizanju kvalitetnijih

odnosa s kupcima, a uključuje odgovornosti i fleksibilnost;

93 Jacoby kaže da mnogi autori u osnovne principe također uvrštavaju suradnju kao vodeći princip međutim, on smatra da ona ne dodaje vrijednost za krajnjeg kupca. Dakle, prema njemu, suradnja jest nužna, ali ne i dovoljna.

123

� inovacija (inovativnosti), uključuje tradicionalne procese u inženjeringu, istraživanju i

razvoju, ranijem involviranju dobavljača i dijeljenju inovativnih ideja, partnerstvo te

upravljanje rizikom. Primjena ove strategije u opskrbnom lancu omogućava bržu,

frekventniju i efikasniju promociju novog proizvoda što utječe na kvalitetniju

brendiranost u očima kupaca.

Elementarne tehnike nužne za provođenje ovih strategija jesu:

� dizajniranje mreže opskrbnog lanca, to će omogućiti brže i učinkovitije odgovore uz

niže troškove;

� planiranje kapaciteta, kako bi ih se pravovremeno imalo dovoljno, uključujući

dugoročno modeliranje odlučivanja;

� upravljanje rizikom, kako bi se efikasno izbalansirao rizik s dobitkom za postizanje

vrhunskih performansi bez nepoželjnog rizika;

� monitoring i mjerenje kako bi se pratilo izvršenje zadane strategije.

Anderson et al. (2007.) smatraju da uspješni menadžeri opskrbnog lanca odbacuju

tradicionalističke poglede na poduzeće i njegove dijelove smatrajući kako je pravi pokazatelj

uspjeha način kako se vodi cjelokupan lanac gradeći vrijednost za kupca, uz istovremeno

povećanje profitabilnosti svake komponente lanca. Povećanje uspješnosti treba se provoditi

kako na strateškoj tako i na taktičkoj razini, uz holistički pristup koji će omogućiti da

napredak čitavog lanca bude veći nego zbroj poboljšica njegovih pojedinih dijelova. Predlažu

sedam temeljnih principa u razradi strategije SCM-a:

� provođenje segmentacije kupaca, kako bi se opskrbni lanac prilagodio pojedinoj grupi

tako da pruži veću vrijednost ciljanom kupcu uz povećanje profitabilnosti.

Segmentacijom je potrebno razviti portfelj različitih usluga prilagođenih pojedinoj

ciljanoj skupini kupaca;

� adaptacija logističke mreže prilagođena zahtjevima i profitabilnosti pojedinog

segmenta kupaca;

� osluškujući tržišne signale potrebno je uskladiti planiranje opskrbe dužinom cijelog

opskrbnog lanca osiguravajući pri tome dosljedno predviđanje i optimalnu alokaciju

resursa;

� diferencirati proizvode prema potrebama kupaca te izvršiti konverziju brzine duž

cijelog lanca;

124

� strateški upravljati izvorima kako bi se postiglo smanjenje vlastitih troškova sirovina i

usluga;

� razviti stratešku tehnologiju koja obuhvaća cjelokupan opskrbni lanac s idejom

omogućavanja potpore višestrukim razinama odlučivanja te pružiti jasan pregled

protok roba, usluga i informacija;

� usvojiti mjerenje kanala (engl. Channel-spanning) za ocjenu kolektivnog uspjeha

efikasne i efektivne realizacije krajnjeg korisnika.

Porter (1998., p. 35-41.) je definirao tri opće strategije: segmentacije (fokusiranja),

diferencijacije proizvoda te cjenovnog odnosno troškovnog vodstva. Prema istraživanju koje

je 2008. godine proveo Boston Strategies International (Jacoby, 2009., p. 53-54.), 54%

poduzeća provodi low-cost strategiju, 28% fokusirano je na određeno tržište, dok ih 18%

provodi diferencijaciju proizvoda. Istraživanje je pokazalo korelaciju između poslovne

strategije i strategije opskrbnog lanca, kao što prikazuje tablica 10. Strategija niskih cijena

(engl. low-cost) odnosi se na strategiju opskrbnog lanca prvenstveno usmjerenu na rezanje

troškova, a poduzeća koja provode ovu strategiju daju prednost racionalizaciji i sinkronizaciji

u odnosu na inovaciju i adaptaciju. Strategija segmentacije pomaže strategiji opskrbnog lanca

proizvodnju posebnog proizvoda (u očima njegovog kupca). Istraživanje je pokazalo da

poduzeća koja provode ovu strategiju provode također strategiju adaptacije opskrbnog lanca.

Ona poduzeća koja provode strategiju diferencijacije žele uslužiti dio tržišta drugačije nego to

radi njihova konkurencija, stoga provode strategije adaptacije i inovacije.

Tablica 10. Korelacija između poslovnih strategija i strategija opskrbnog lanca

Poslovna strategija Racionaliazcija Sinkronizacija Adaptacija

(prilagodba) Inovacija

(inovativnost)

Diferencijacije negativna negativna pozitivna pozitivna

Segmentacije (fukusiranja)

negativna negativna pozitivna negativna

Troškovno vodstvo (niske cijene)

pozitivna pozitivna negativna negativna

Izvor: Jacoby, D.: Guide to Supply Chain Management, The Economist Newspaper Ltd., London, 2009., p. 54.

125

Temeljem svojih istraživanja, Slone et al. (2012., p. 40.) iskristalizirali su pet ključnih

elemenata koji kreiraju izvrsnost opskrbnih lanaca, odnosno strategiju za postizanje

izvrsnosti:

� izbor pravih vođa i razvoj talenta - s obzirom na izuzetnu kompleksnost suvremenih

opskrbnih lanaca selektiranje menadžmenta koji će ga voditi predstavlja ključnu točku

uspjeha. Karakteristike tih ljudi trebale bi biti (Slone et al., 2012., p. 63.): globalna

orijentiranost, sposobnost sistemskog razmišljanja, inspirirajuće i utjecajno vodstvo,

tehnološka obrazovanost94 te superiorne poslovne vještine;

� izbor i implementacija prikladnih tehnoloških rješenja - primjereno primijenjena

tehnologija može biti glavni pokretač unapređenja opskrbnog lanca u generator

ekonomskog profita, omogućavajući poduzeću rezanje troškova i zaliha te

unapređenje servisa kupcima. Tehnološke kategorije koje su primjenjive u opskrbnim

lancima jesu: softver, tehnologije e-poslovanja (engl. e-business technologies),

vidljivost i produktivnost te procesno napredovanje;

� unutarnja suradnja - bit će uspješna kada prodaja, marketing i operacije nađu način da

usklade fokusiranje na servisiranje kupca tako da maksimiziraju ekonomski profit. S

obzirom da je opskrbni lanac horizontalni krosfunkcijski proces važno je eliminirati

vertikalne funkcijske barijere koje ga sprečavaju;

� vanjska suradnja - sastoji se od zajedničkog rada dobavljača i kupaca radi postizanja

unapređenja. Uspješnija suradnja članova opskrbnog lanca zahtijeva dosta teškog rada

te izgradnju zajedničkog povjerenja kroz duže razdoblje što znači čvrsto uvjerenje

partnera o snazi suradnje, potom zajednička privrženost investiranju vremena i resursa

u izgradnju odnosa, te vjera u dokumentirane procese koji odražavaju odnos.

� upravljanje promjenama - mnogi projekti opskrbnih lanaca nisu postigli željenu razinu

izvrsnosti jer se učinci nisu mogli jasno mjeriti, artikulirati niti voditi. Također je

potrebno izvršiti identifikaciju rizika kako bi se njime moglo upravljati, a preduvjet

navedenom u sklopu upravljanja promjenama jest prva faza, odnosno izbor ključnih

ljudi koji će ovim upravljati.

94 Prema autorima, tehnologija postaje ključni čimbenik izvrsnosti opskrbnih lanaca tako da se zahtijeva tehnološka pismenost menadžmenta. AMR Research predviđa da će investiranje opskrbnih lanaca u IT nastaviti rasti po stopi od 15% godišnje (Slone et al., 2012., p. 74.).

126

2.3. Odrednice suvremenog upravljanja opskrbnim lancem

2.3.1. Aktualna znanstvena istraživanja u kontekstu opskrbnih lanaca

Termin upravljanje opskrbnim lancem nije samo korišten za objašnjavanje logističkih

aktivnosti te planiranje i kontrolu materijala i informacija koji su se kretali unutar ili izvan

poduzeća. Istraživači su ga također koristili da objasne strateška i interorganizacijska pitanja,

za ispitivanje i proučavanje alternativnih organizacijskih formi te za objašnjavanje relacija

koja su poduzeća razvijala sa svojim dobavljačima i kupcima. Harland (1996., p. 64.) sažeo je

četiri glavna istraživačka područja u domeni SCM-a: pitanja unutar organizacije, teme između

dvije organizacije, problemi unutar lanca te pitanja unutar mreže.

Temeljem istraživanja 400 članaka vezanih za problematiku opskrbnih lanaca, Chen i Paulraj

(2004., p. 131-144.) razvili su teorijski okvir kako bi se bolje razumjelo područje problema i

mogućnosti vezanih za SCM, a prikazan je na slici 21.

Slika 21. Teorijski okvir za istraživanje upravljanja opskrbnim lancem

Izvor: Chen, I.J., Paulraj, A.: Understanding supply chain management: critical research and a theoretical framework, International Journal of Production Research, 2004., 42 (1), p. 133.

127

Tri su ključne pokretačke sile u razvoju SCM-a: neizvjesna okolina, orijentacija prema kupcu

i informacijska tehnologija, dok su četiri osnovna pravca istraživačkih usmjerenja:

� strateška nabava - povijesno gledajući nabava je imala pasivnu ulogu u poslovanju sve

do osamdesetih godina, kada je počela njezina evolucija;

� upravljanje opskrbom - upravljanje opskrbom razlikuje se od SCM-a jer SCM

obuhvaća sve aspekte dostave proizvoda ili usluge kupcu dok je upravljanje

opskrbnom prvenstveno usmjereno na odnos kupac – dobavljač. Osnovne teme koje su

se proučavale u sklopu ovog dijela jesu:

o komunikacija - efikasna dvostrana komunikacija je esencijalna za uspješan

odnos s dobavljačima i kupcima. U namjeri da riješe potencijalne probleme i

osiguraju nesmetan tok roba i usluga strane u lancu trebaju biti voljni dijeliti

podatke i informacije;

o redukcija baze dobavljača - iako se u prošlosti smatralo da je poželjnije imati

više dobavljača koji se međusobno nadmeću, novije spoznaje jesu suprotne:

smanjenjem broja dobavljača omogućuje se intenziviranje odnosa na obostranu

korist;

o dugoročni odnosi - ovdje nije riječ o trajanju odnosa već je naglasak da nisu

privremeni ili povremeni. Kroz ovakve odnose partneri su voljni dijeliti

informacije, rizik, zajednički ulaziti u razvoj novih proizvoda i sl.;

o izbor dobavljača - vezano je uz prethodno navedeno s obzirom da njihov

pravilan izbor za specifične potrebe može imati veliki utjecaj na financijski i

operativni rezultat. Spremnost dijeljenja informacija može se smatrati

pokazateljem međusobnog povjerenja;

o certificiranje dobavljača - pregledavanjem svih aspekata njegovih performansi

i činom konačnog izbora za očekivati je da će odnos kupac – dobavljač biti

unaprijeđen u smislu pouzdanja i povjerenja;

o učešće dobavljača - primjeren broj članaka bavio se odnosom angažmana

dobavljača u razvoju novog proizvoda s obzirom da se to može izravno

odraziti na povećanje kvalitete, smanjenje troškova te skraćenje vremena

razvoja i plasmana proizvoda na tržište;

o krosfunkcijski timovi - identificirani su kao važan doprinos uspjehu izbora

dobavljača, dizajnu proizvoda, pravovremenoj proizvodnji (JIT); smanjenju

troškova, povećanju kvalitete te unaprjeđenju komunikacije;

128

o povjerenje i privrženost - suradnja u kojoj poduzeća razmjenjuju važne

informacije i uključuju se u dugoročne odnose dobavljač – kupac predstavlja

početak istinske interakcije opskrbnog lanca;

� logistička integracija - može biti dvojaka, interna i eksterna odnosno proširena.

Karakterizira je integracija logističkih aktivnosti kroz funkcijske odjele unutar

poduzeća, jednako kao i integracija firminih logističkih aktivnosti s istovjetnim

aktivnostima drugih članova lanca;

� koordinacija opskrbne mreže - veliki broj istraživanja bio je usmjeren prema nalaženju

matematičkog modela sa ciljem optimiziranja planiranja i koordiniranja tri temeljne

pozicije opskrbnog lanca; nabave, proizvodnje i distribucije.

Temeljem rezultata navedenog istraživanja Chen i Paulraj (2004.b) predložili su i testirali set

mjera i instrumenata za ocjenjivanje različitih modela SCM-a: neizvjesna okolina, fokus

prema kupcu, podrška vrhovnog menadžmenta, strateška nabava, konkurentski prioriteti,

informacijska tehnologija, struktura opskrbne mreže, logistička integracija, performanse

dobavljača, performanse kupca te odnos kupac – dobavljač unutar kojega se nalaze: redukcija

baze dobavljača, dugoročni odnosi, komunikacija, krosfunkcijski timovi, uključivanje

dobavljača, što je prikazano na slici 22.

Slika 22. Okvir za razvoj mjernih instrumenata upravljanja opskrbnim lancem

Izvor: Chen, I.J., Paulraj, A.: Towards a theory of supply chain management: the construct and measurements, Journal of Operations Management, 2004., 22 (2), p. 121.

129

Burges et al. (2006., p. 703-729.) analizirali su uzorak od 100 statistički izabranih članaka iz

domene SCM-a s pouzdanošću od 90% a objavljivani su od 1985. do 2005. godine.

Istraživanje je pokazalo da se najviše članaka (35%) bavi proizvodnjom, dok druga najveća

grupa (16%) obuhvaća različite industrijske sektore. Najveći broj članaka (57%) SCM

sagledava kao proces, četvrtina (24%) ga analizira kao sistem, dok ih 9% razmatra kao

aktivnost. S obzirom da ne postoji konsenzus oko mjerila i konstrukata za ocjenu SCM-a

autori su razvili svoj pristup sa sedam mjerila: vodstvo, unutarorganizacijski odnosi,

međuorganizacijski odnosi, logistika, orijentacija prema procesnim unapređenjima,

informacijski sistem te poslovni rezultati. Prema ovakvoj klasifikaciji, najviše se članaka

bavilo procesnim unapređenjima (35%) i međuorganizacijskim odnosima (25%). Ni jedan

analizirani članak nije pružio novu originalnu teoriju, a prema klasifikaciji koju su napravili

Handfield i Malnyk 1998. (prema Burges et al., 2006.) o šest tipova aktivnosti vezanih uz

teoriju - otkriće, opisivanje, mapiranje, izgradnja odnosa, validacija teorije te proširenje

teorije - najviše članaka (40%) bavi se opisivanjem. U metodološkom smislu najviše je

analitičko konceptualnih (39%), empirijskih studija slučajeva (32%) te statistička testiranja

(22%).

Arlbjorn et al (2007., p. 452-474.) napravili su istraživanje znanstvenika koji se bave

problemima SCM-a i logistike u nordijskim zemljama te su utvrdili dominantna područja

njihovih istraživačkih interesa95:

� opskrbni lanci i mreže - 54,16%;

� transport - 25,69%;

� logistika / organizacija opskrbnih lanaca - 23,61%;

� poslovni odnosi - 21,52%;

� distribucija - 19,44%.

Zhang et al. (2009.) napravili su sveobuhvatno istraživanje 157 doktorskih disertacija s

kineskih sveučilišta u razdoblju od 1999. do 2006. godine u području SCM-a. U svojoj su

analizi identificirali 17 tematskih područja, a u kontekstu ovog rada zanimljivo jest da su

poslovnu inteligenciju pozicionirali u skupinu s informacijskom tehnologijom,

informacijskim sustavima, CRM-om, sustavima za odlučivanje te RFID tehnologijom unutar

koje je obrađeno deset disertacija (6,37%). Više od pola disertacija (55%) obrađuje

95 Istraživanje je obuhvatilo 353 znanstvenika iz pet zemalja: Danske, Finske, Islanda, Norveške i Švedske, a odziv je bio 144 (41%).

130

proizvodne probleme, dok ih se trećina (33%) odnosi na poljoprivredne teme. Harlandovu

(1996.) četverodijelnu raspodjelu tema iz opsega SCM-a dodatno su proširili na sedam razina,

počevši od funkcijske razine, potom procesne, organizacijske, međuorganizacijske, razine

lanca, mrežne, te razine makro opskrbnog lanca. Prema ovakvoj podjeli, više od polovine

disertacija (54%) obrađuje teme makro i razine lanca.

Gubi et al. (2003., p. 854-885.) istražili su 71 objavljenu disertaciju sa skandinavskog

područja96 u razdoblju od 1990. do 2001. godine, te su zaključili kako su proizvodnja i

prijevoz dva dominantna područja istraživanja (zajedno čine 80%). Preko polovine disertacija

(56,33%) bavi se istraživanjima funkcija pojedinačne firme, dok ih manje od trećine (29,57%)

to radi na razini lanca ili mreže. U teorijskom smislu97, skoro polovina disertacija (47%)

klasificirana je kao T3 teorija. Za razliku od Zhang et al., koji su identificirali 17 tematskih

područja, Gubi et al. klasificirali su ih osam, gdje trećina obuhvaća logistiku, dizajn sustava,

njegovu strukturu i efikasnost. Posebnost ovog istraživanja jest prikaz tematskih područja

koja nisu obrađivana u analiziranim disertacijama, a autori su ih klasificirali na; kupčeve

zahtjeve, strateške izvore, usklađenje mreže, agilnost, okruženje/održivost, e-trgovanje,

informacijski sustav, integraciju te virtualnu logistiku.

Zachariassen i Arlbjorn (2010., p. 332-352.) istražili su 70 nordijskih98 disertacija objavljenih

u razdoblju od 2002. do 2008. godine, a s obzirom da su primjenili metodologiju koju su

razvili Gubi et al. (2003) rezultati se mogu usporediti s njihovim. Kao i kod starijeg

istraživanja, problemi iz proizvodnje su i dalje dominantni, međutim, prepolovljen je broj

tema iz područja prijevoza a povećan iz područja trgovine na veliko i malo. Promatrajući

operativnu razinu, može se zaključiti kako su se istraživačka usmjerenja značajno pomakla s

pojedinog poduzeća prema međusobnom odnosu i opskrbnom lancu. Analizirajući tematska

područja može se zaključiti kako je smanjen interes za strukturiranje i dizajn sustava u odnosu

na starije nalaze. Progres znanstvene misli može se uočiti kada autori, slijedeći primjer

prethodnog istraživanja, sugeriraju neistražene a aktualizirane teme: globalizacija, pitanja

okoline/korporacijske i socijalne odgovornosti, upravljanje rizikom, sigurnost te humanitarna

logistika. 96 Za razliku od prethodno navedenog nordijskog istraživanja ovdje nije uključen Island. 97 Jensen je 1995. (Gubi et al., 2003., p. 864.) objasnio tri tipa teorija: T1 teorija može biti znanstvena ako je moguće pružiti dokaz o njezinoj efikasnosti u rješavanju praktičnog problema ili o izboru najbolje varijante između mnogo ponuđenih. Ovakva se teorija sastoji od skupine principa, procedura, koncepata, notacija i simbola. Teorija T2 pruža odgovor na teorijski problem. Njena osnovna funkcija jest objašnjenje. T3 teorija nastaje primjenom teorije T2 na praktični problem. Prema Jensenu, upravo su teorije T3 najčešće u menadžmentu i znanosti o poslovanju. 98 U ovo istraživanje također nije uključen Island.

131

U jednom od najnovijih istraživanja (Hofman, 2011.) identificirano je šest taktika odnosno

trendova koje koriste lideri u području upravljanja opskrbnim lancima: evolucija iz opskrbnog

lanca u lanac vrijednosti, segmentacija opskrbnih lanaca, balans prodajnog i operativnog

planiranja (engl. Sales & Operations Planning), povećanje inovativnosti u funkcioniranju

opskrbnih lanaca, hijerarhija metrike opskrbnog lanca, proširenje opskrbnih lanaca u opskrbne

mreže.

2.3.2. Vrednovanje uspješnosti upravljanja opskrbnim lancem

Veliki utjecaj što ga upravljanje opskrbnim lancem ima na poslovanje poduzeća rezultiralo je

brojnim pokušajima pronalaženja metrike za njegovo ocjenjivanje. Kaplan i Norton (1996., p.

75-85.) razvili su tablicu uravnoteženih ciljeva (BSC) koja istovremeno predstavlja

komunikacijski alat, sustav mjerenja te sustav strateškog upravljanja, a koja se može

primijeniti na opskrbni lanac (Handfield i Nichols, 2002., p. 70.). Ovaj pristup uključuje

financijske i operativne pokazatelje za mjerenje kratkoročnih i dugoročnih performansi (Li,

2008., p. 335.) te pomaže organizacijama u svladavanju triju glavnih pitanja: djelotvornog

mjerenja organizacijskog učenja, povećanja nematerijalne imovine i izazova provedbe

strategije (Niven, 2008., p. 19.). Christopher (2005., prema Jacoby, 2009., p. 184-185.)

predlaže jednu inačicu ekonomske dodane vrijednosti, odnosno tržišnu dodanu vrijednost

(engl. Market Value Added – MVA) koja u stvari predstavlja neto sadašnju vrijednost od

EVA-e, odnosno MVA= NPV(EVA). Međutim, ovo je teško izračunati na razini cijelog

opskrbnog lanca. Jacoby (2009., p. 186.) smatra kako svaka strategija opskrbnog lanca na

najvišoj razini donosi određen financijski učinak koji se može mjeriti, i smatra kako:

� racionalizacija može utjecati na poboljšanje neto marže (engl. Net margin) za 1 - 4%;

� sinkronizacija može utjecati na povećanje povrata od neto imovine (engl. Return on

net assets) za 1 - 4%;

� adaptacija može povećati bruto maržu (engl. Gross margin) za 5 - 7%;

� inovacija može utjecati na povećanje prihoda do 10%.

Brewer i Speh (2000., p.) razvili su model koji povezuje upravljanje opskrbnim lancem i

uravnoteženu tablicu rezultata, a prikazan je u tablici 11.

132

Tablica 11. Okvir upravljanja opskrbnim lancem i uravnotežene tablice rezultata

Upravljanje opskrbnim lancem → Uravnotežena tablica rezultata

Ciljevi upravljanja opskrbnim lancem: � smanjenje gubitaka � sažimanje vremena � fleksibilan odgovor � sniženje jedinične cijene

→ Perspektiva poslovnih procesa

Koristi za kupca: � unapređenje kvalitete proizvoda i usluga � unapređenje pravovremenosti � unapređenje fleksibilnosti � povećanje vrijednosti

→ Perspektiva kupca

Financijske koristi: � veća profitna marža � unaprijeđen novčani tijek � rast prihoda � veći povrat na imovinu

→ Financijska perspektiva

SCM unapređenja: � inovacija proizvoda i procesa � upravljanje odnosima � informacijski tijek � prijetnje / zamjene

→ Perspektiva učenja i inovacija

Izvor: Brewer, P.C., Speh, T.W.: Using the Balanced scorecard to measure supply chain performance, Journal of Business Logistics, 2000., 21 (1), p. 85.

Četiri područja mjerenja; financijska, kupčeva, procesa te učenja i razvoja odražavaju

strateške ciljeve poduzeća odnosno opskrbnog lanca, te su povezani u ukupnom mjerenju.

Kaplan i Norton (2004., p. 9-15) naknadno su razvili strateške mape koje predstavljaju

evoluciju tablice uravnoteženih rezultata, a u naravi predstavljaju grafički prikaz onoga što

tvrtke trebaju raditi dobro u svakoj od četiri perspektive kako bi se uspješno provela strategija

(Niven, 2008, p. 38.).

Hugos (2006., p. 133-134.) polazi od teze de se prvo treba evaluirati tržište na kojem djeluje

opskrbni lanac kako bi se mogle identificirati potrebne performanse što se trebaju mjeriti i

pratiti. U navedenome smislu, polazi od potražnje i opskrbe te definira četiri tipa tržišta:

� razvijajuće tržište, karakteristično po niskoj i nepredvidivoj razini potražnje i opskrbe;

� rastuće tržište, na kojemu je potražnja visoka a opskrba niska;

� stabilno tržište, potražnja i opskrba su na visokoj razini;

� zrelo tržište, opskrba je veća od potražnje.

133

S obzirom na različitosti navedenih tržišta, svako od njih ima jedinstven miks vlastitih

traženih performansi, što znači da poduzeća prvenstveno trebaju prepoznati tržište na kojemu

funkcioniraju njihovi opskrbni lanci kako bi im mogli postaviti realne ciljeve. Hugos (2006.,

p. 137-146.) koristi četiri kategorije: servis kupcu (pokazatelji koji mjere sposobnost

opskrbnog lanca u zadovoljavanju kupčevih očekivanja), interna efikasnost (pokazuje koliko

je poduzeće - opskrbni lanac sposobno poslovati tako da generira odgovarajuću razinu

profitabilnosti), potražna fleksibilnost (mjeri sposobnost odgovora na nesigurnost razine

potražnje) te razvoj proizvoda (obuhvaća sposobnost poduzeća i opskrbnog lanca za

kontinuiranim razvojem skupa s tržištem na kojemu funkcioniraju), a odnos tržišta i kategorija

pokazatelja prikazuje slika 23.

Slika 23. Matrica tipova tržišta i potrebnih pokazatelja performansi

Izvor: Hugos, M.: Essentials of Supply Chain Management, 2nd ed., John Wiley & Sons Inc., New Jersey, 2006., p. 139.

Temeljem svojih istraživanja99 Lee (2004., p. 102-112.) je zaključio kako brzina i troškovna

učinkovitost nisu one aktivnosti koje kreiraju konkurentsku prednost, već se to postiže

pomoću koncepta nazvanog tri A; agilnošću (engl. Agility), prilagodljivošću (engl.

Adaptability) i usklađenjem (engl. Alignment). Osnovne karakteristike za postizanje ovih

elemenata su:

99 Lee je istraživanjem obuhvatio 60 velikih kompanija i njihovih opskrbnih lanaca.

134

� agilnost (odgovor na kratkoročne promjene u potražnji ili opskrbi, te postupanje s

vanjskim poremećajima): promicanje protočnosti informacija s kupcima i

dobavljačima, razvoj suradničkih odnosa s dobavljačima, dizajniranje za odgodu,

izgradnja zaliha održavanjem jeftinijih ali ključnih komponenti, imati pouzdane

logističke sustave ili partnere, izrada planova i razvoj timova za upravljanje krizama;

� prilagodljivost (prilagodba dizajna opskrbnog lanca kako bi se zadovoljile strukturne

tržišne promjene te modificirale opskrbne mreže za strategije, proizvode i

tehnologije): monitoring svjetskih ekonomija kako bi se pronašle nove opskrbne baze i

tržišta, korištenje posrednika za razvoj svježe opskrbne i logističke strukture,

razmatranje i evaluacija potreba krajnjih korisnika, a ne samo posredničkih korisnika,

razvoj fleksibilnog dizajna proizvoda, određivanje pozicija proizvoda u kontekstu

njihovih tehnoloških i životnih ciklusa;

� usklađenje (kreiranje inicijativa za bolje performanse): slobodna razmjena informacija

s prodavačima i kupcima, jasna raspodjela uloga, ciljeva i odgovornosti za dobavljače

i kupce, pravedno dijeljenje rizika, troška i dobiti od realizacije unaprijeđenih

inicijativa.

AMR Research100 provodi kontinuirana istraživanja primjene opskrbnog lanca kod poduzeća

koja pripadaju u skupinu Fortune Global 500. Smatraju (Friscia et al. 2009.) da je princip

vođenja potražnjom (engl. Demand driven) vladajući princip upravljanja opskrbnim lancem,

pod čime podrazumijevaju izgradnju opskrbnog lanca koji će uslužiti kupca s operativnom i

inovacijskom izvrsnošću. Ovaj se princip sastoji od tri preklapajuća područja:

� upravljanje opskrbom - proizvodnja, logistika i nabava;

� upravljanje potražnjom - marketing, prodaja i servis;

� upravljanje proizvodom - istraživanje i razvoj, inženjering, te razvoj proizvoda.

Izvrsnost je stvar vidljivosti, komunikacije i pouzdanih procesa koji povezuju ova tri prostora

u jednu cjelinu. Kada ovi procesi zajednički funkcioniraju, poslovanje može brzo i efikasno

odgovoriti na tržišne prilike ili kupčeve zahtjeve (Hofman, 2011.). Njihovo je istraživanje iz

2009. godine potvrdilo trend prisutan u posljednjih nekoliko godina o rastućoj ulozi

100 AMR Research Inc. je 2009. godine prodan Gartner Research Inc.

135

intelektualnog kapitala kao ključnog faktora u strategiji opskrbnog lanca101. Predlažu dvije

vrste mjerenja izvrsnosti (Hofman, 2004. i Friscia et al., 2009.):

� operativna izvrsnost, koja uključuju isporuku kakva je obećana kupcu te držanje

troškova pod kontrolom. Ovakvo mjerenje ne bi trebalo predstavljati veći problem, a

na vrhu hijerarhije mjera nalazi se:

o mjera narudžbe (engl. Order rate);

o ukupni troškovi opskrbnog lanca (engl. Total supply chain costs).

� inovacijska izvrsnost, koju je teže izmjeriti, a obuhvaća:

o vrijeme isporuke proizvoda kupcu kako bi ga omogao početi koristiti i time od

njega dobivati vrijednost ( engl. Time to value);

o povrat na lansirani novi proizvod (engl. Return on new product launch).

Završna razina usluge, zadovoljstvo kupca, te konkurentnosti i performanse spadaju među

najvažnije mjere uspješnosti upravljanja opskrbnim lancem. Ljungberg (2002.) smatra da su

mjere raspoređene u dva osnovna dijela, što zavisi radi li se o osnovnoj aktivnosti procesa ili o

potrebnim resursima za obavljanje tog procesa. Chen i Paulraj (2004., p. 146-147.) navode

kako mnoge studije primjenjuju financijske i/ili operativne mjere i zaključuju kako mjerenje

opskrbnog lanca nije adekvatno ako se sastoji od financijskih ili operativnih pokazatelja.

2.3.3. Održivo upravljanje opskrbnim lancem

Poglavlje o upravljanju opskrbnim lancem potrebno je završiti s razmatranjem jednog od

dominantnih rastućih trendova ovog područja. Jedini način za postizanje kontinuiranog rasta i

uspješnog poslovanja jest tretirati održivost kako ključnu polugu jednako kao i marketing,

financije, ljudske resurse ili opskrbni lanac (Haanaes et al. 2011., p. 24.). Carter i Rogers

(2008., p. 361.) navode kako je, prema podacima KPMG-a iz 2005. godine, 68% poduzeća iz

skupine 250 najvećih radilo izvještaje o održivosti, a 80% ih je to radilo u kontekstu

upravljanja opskrbnim lancem. Istraživanje koje su 2009. godine proveli Berns et al.

101 Metodologija njihovog istraživanja najboljih opskrbnih lanaca složena je od financijskih pokazatelja i mišljenja sutručnjaka. Tri financijska pokazatelja koja čine 50% ocjene jesu: povrat na imovinu (ROA), obrtaj zaliha i rast prihoda. Preostalih 50% ocjene dobiva se temeljem ocjenjivanja stručnog skupa.

136

pokazuje kako je najprihvaćenija definicija Brundtland komisije102. Po njoj održivost se

odnosi na ispunjavanje potreba sadašnje generacije ne ugrožavajući pri tom mogućnost

budućih generacija da zadovolje svoje potrebe (Berns et al., 2009., p. 45.). Osim navedene

definicije, menadžment ovaj pojam povezuje uz: klimatske promjene, okolinu, ekonomska i

socijalna pitanja, održavanje poslovanja, te dugoročna pitanja. S obzirom na širinu obuhvata

definicije pojavljuje se više pitanja nego odgovora (Linton et al., 2007., p. 1076.), a između

inih jesu kako definirati održivost u kontekstu poduzeća i potom opskrbnog lanca.

Shrivastava (1995., prema Carter i Rogers, 2008.) objašnjava održivost kao potencijal

poduzeća za smanjenje dugoročnog rizika, što je povezano s pražnjenjem resursa,

fluktuacijom cijena energenata, proizvodnim obvezama, zagađivanjem te upravljanjem

gubicima. Efikasna globalna strategija održivosti može rezultirati u: (1) povećanju profita

kroz značajnu operativnu efikasnost – smanjenje globalnog gubitka i troška; (2) poticanje

ljudi i njihove zajednice – opredjeljenje prema prihvaćanju globalnih uvjeta rada, te

usklađenost s regulativnim zahtjevima; (3) smanjenje oslanjanja na oskudna sredstva – voda,

određene sirovine – dok se smanjuju gubici – osigurava se dugoročna globalna održivost

(Closs et al., 2011., p. 102.).

Polazeći od definicija SCM-a koje pružaju Mentzer et al. i Lambert et al., Carter i Rogers

(2008., p. 368.) definiraju održivo upravljanje opskrbnim lancem kao stratešku, transparentnu

integraciju i postizanje organizacijskih socijalnih i ekonomskih ciljeva, te ciljeva iz područja

okoline kroz sustavnu koordinaciju ključnih međuorganizacijskih procesa zbog unapređenja

dugoročnih ekonomskih performansi pojedine kompanije i pripadajućeg joj opskrbnog lanca.

Gupta i Palsule-Desai (2011., p. 235.) kažu da održivost SCM-a predstavlja set menadžerskih

praksi koje uključuju:

� utjecaj na okolinu kao imperativ;

� sagledavanje svih faza kroz cijeli lanac vrijednosti za sve proizvode;

� multidisciplinarnu perspektivu koja uključuje sve faze životnog ciklusa proizvoda.

Carter i Rogers (2008.) oblikuju model održivog SCM-a polazeći od tri komponente; okoline,

socijalnih i ekonomskih performansi (planet, ljudi, zarada – engl. planet, people, profit)

kojima pridružuju četiri podržavajuća aspekta: organizacijsku kulturu, strategiju, upravljanje

rizikom i transparentnost, što je prikazano na slici 24.

102 Svjetska komisija za okoliš i razvoj (engl. World Commision on Environment and Development) dala je ovu definiciju 1987. godine.

137

Slika 24. Model održivog upravljanja opskrbnim lancem

Izvor: Carter, C.R., Rogers, D.S.: A framework of sustainable supply chain management: moving toward new theory, International Journal of Physical Distribution & Logistics Management, 2008., 38 (5), p. 367.

Održivi SCM zahtijeva uspostavu vrijednosti i etičnosti kroz organizaciju te efikasno,

fleksibilno i zeleno IT okruženje, jednako kao i usklađenje s korporacijskom strategijom za

održivi razvoj (Teuteberg i Wittstruck, 2010., p. 1002.). Gupta i Palsule-Desai (2011., p. 236-

238.) također kategoriziraju četiri dimenzije održivog SCM-a, međutim, značajno drugačije:

strateška razmatranja (organizacijska strategija, strategija i struktura opskrbnog lanca,

marketinška strategija), odlučivanje na funkcijskim sučeljima (razvoj proizvoda i njegov

ciklus, određivanje cijene i normiranje povrata, predviđanja, nabava informacija, te njihova

vrijednost), regulatorne i vladine politike (proširena odgovornost i granica trgovačkog

programa), integrativni modeli i alati potpore odlučivanju. U kontekstu ove disertacije

zanimljivo je vidjeti da autori razmatraju pozicioniranje informacija u odnosu na upravljanje

neizvjesnostima i koja pitanja postavljaju; kako i kada će bolje informacije unaprijediti

upravljanje povratima?, koje su informacije u tom smislu vrijednije?

138

Linton el at. (2007., p. 1078.) smatraju da fokusiranje na opskrbni lanac predstavlja iskorak

prema usvajanju i razvijanju šire definicije održivosti koja također mora integrirati područja i

tokove izvan osnovnog upravljanja opskrbnim lancem. U navedenom smislu oni pozicioniraju

sljedeće teme: (1) dizajn proizvoda, (2) proizvodnja nusproizvoda, (3) nusproizvodi dobiveni

tijekom korištenja proizvoda, (4) produženje vijeka trajanja proizvoda, (5) kraj životnog

ciklusa proizvoda, (6) sanacija na kraju životnog vijeka. Seuring i Muller (2008., p. 1699-

1710.) analizirali su 191 članak103 gdje je dominantna bila obrada studija slučajeva (70

članaka), te empirijsko istraživanje (53 članka). U dimenzijskom smislu teme su podijeli u tri

kategorije: pitanja okoliša (140 članaka), socijalna pitanja (20 članak), te članci koji imaju

obje dimenzije (31 članak). Ekonomsku dimenziju autori nisu posebno klasificirali polazeći

od pretpostavke kako se ona u konačnici nalazi u svim člancima. U svojoj su analizi

identificirali:

� inicijative održivog SCM-a: pravni zahtjevi, zahtjevi kupaca, odgovor zainteresiranim

strankama, konkurentska prednost, pritisci raznih ekoloških i socijalnih grupa,

gubljenje reputacije;

� barijere: visoki troškovi, kompleksnost i veliki napor koordinacije, nedostatak

komunikacije kroz opskrbni lanac;

� podržavajuće elemente: komunikacija unutar kompanije, upravljački sustav – ISO,

monitoring, evaluacija, izvještavanje, sankcije, edukacija dobavljača i zaposlenih te

integracija poslovnih politika.

Teuteberg i Wittstruck (2010., p. 1001-1015.) analizom 142 članka104 utvrdili su sedam

razmatranih tema (perspektiva) unutar ovog područja: političke, ekonomske, socijalne,

tehnološke, organizacijske te psihološke. Ovo je istraživanje zanimljivo po činjenici da je

selektiralo neriješene probleme specificirane u obrađivanim člancima po utvrđenim

perspektivama uz napomenu kako je uzrok njihovom većem broju činjenica da je održivost

nematerijalna pa stoga i teža za ekonomsku valorizaciju. Interesantno pitanje vezano uz temu

ovog rada jest: kako se znanje može koristiti i prezentirati u ekološkom upravljanju

informacijskim sistemom? Ipak, krucijalnim se postavlja pitanje može li održivi SCM biti

profitabilan, odnosno kako to izmjeriti?

103 Istraživanje je obuhvatilo 191 objavljeni članak u razdoblju od 1994. do 2007. godine. 104 Istraživanje je obuhvatilo 142 članka objavljena u devet visokokvalitetnih časopisa od 1995. do 2010. godine.

139

Carter i Easton (2011., p. 46-62.) prezentirali su jedno od novijih istraživanja105 literature s

tematikom održivog SCM-a. S obzirom da njihovo istraživanje pokriva dvije dekade,

zanimljivo jest usporediti nalaze u tim razdobljima. Pojmovi održivost i ekologija u početku

su se koristili kao sinonimi do konceptualizacije održivosti. U novije doba utvrđen je porast

broja istraživanja iz područja korporativne socijalne odgovornosti (engl. Corporate Social

Responsibility – CSR) i održivosti. Kod razmatranja industrija što su obrađivane u

promatranim člancima ne uočavaju se nikakvi trendovi, odnosno, članci s ovog naslova

izbalansirani su kroz cijelo razdoblje. Za cijelo promatrano razdoblje čak 42% članaka nije

prikazalo validaciju koja bi trebala predstavljati qonditio sine qua none svakog empirijskog

istraživanja, međutim, ovdje je prisutan pozitivan trend jer u prvoj dekadi to je bio slučaj kod

65% članaka, a u drugoj dekadi u 26%. Kada se promatraju jedinice analize ukupno gledajući

tvrtka je najzastupljenija, međutim za uočiti je trend prijelaza na opskrbni lanac kao centar

analize.

Tvrtkin lanac vrijednosti treba razviti i podržati širu perspektivu održivosti kako bi se

osiguralo da njihovi kupci, poslovanje, opskrbni lanac, zajednica te relacije i interakcije s

okolinom ostanu održivi (Closs et al., 2011., p. 104.). Efikasan marketing te SCM kritični su

za tvrtkinu održivost s obzirom da: (1) balansiraju narudžbu i opskrbu, (2) identificiraju i

kvantificiraju ključne poslove i isplative resurse, (3) razvijaju talent s perspektive globalnih

operacija. Temeljem rezultata istraživanja konceptualizirali su 4E model: ekološki (zeleni),

etični, educirajući, te ekonomski (engl. Environmental, Ethical, Educational, Economic). U

jednom od novijih istraživanja Miemczyk et al. (2012.) bavili su se održivošću s dva aspekta:

ekološkog i socijalnog, promatranog kroz tri razine: izravno između dva partnera,

povezanošću s lancem te s mrežom. Svojim su istraživanjem sintetizirali moguće mjere

(Myemczyk et al., 2012., p. 478-496.): za ekološku održivost (generički interni procesi,

materijali, gubitci, recikliranje, zagađenje, trošak, slaganje i standardi, energija, CO2,

strategija, monitoring, proizvod, rizik), te za socijalnu održivost (generički interni procesi,

socijalno vlasništvo, zajednica, etičko ponašanje, konflikt interesa, kodeks prakse i

ponašanja).

The United Nations Global Compact (2010., prema Blackhurst et al., 2012., p. 4.) smatraju

kako je održivost u opskrbnom lancu pokrenuta prema poslovnim potrebama, posebno zbog;

upravljanja rizikom (koji je po svojoj prirodi ekološki, socijalni i ekonomski), realizacije

105 Za svoje su istraživanje odabrali 7 najutjecajnijih časopisa iz područja SCM-a publiciranih u razdoblju 1991. do 2010. godine, te su na kraju u obradu uzeli 80 članaka.

140

efikasnosti (smanjenje troška materijala, rada, energije i transporta) i kreacije održive

proizvodnje (koja bi trebala zadovoljiti potrebe svih zainteresiranih uključujući vladu, klijente

i dobavljače). Kako bi pomogli malim i srednjevelikim poduzećima u postizanju izvrsnosti

održivog SCM-a, a temeljem svojih istraživanja106, Blackhurst et al. (2012., p. 10-11.) razvili

su kritične faze koje se mogu usporediti s ciklusom poslovne inteligencije: (1) razumjeti

činjenice107, (2) razviti viziju, (3) kreirati plan aktivnosti, (4) izvršiti, analizirati i promijeniti.

U analiziranim održivim opskrbnim lancima identificirali su određene zajedničke

karakteristike: pravne i regulatorne usklađenosti, upravljanje prirodnim resursima, angažman

zainteresiranih te tablice rezultata dobavljača (engl. Supplier Scorecards). Nedostatak

kvalitetnih informacija dijagnosticirali su kao najvažniji razlog zbog kojeg se tvrtke odlučnije

ne bore za svoju održivost.

Mann et al. (2010., p. 53.) u svojem su istraživanju identificirali čimbenike koji usmjeravaju

tvrtke prema usvajanju održivog SCM-a: dva se nalaze izvan poslovanja (zakonodavstvo i

ekologija), a tri su locirana u poslovanju (financije, interni poslovni procesi i kupci). Osim

navedenih elemenata, u svoju analizu uključuju i socijalnu komponentu unutar koje se nalaze

zainteresirani, a nisu vlasnici koji izravno ili neizravno utječu na tvrtkine performanse.

Zainteresirani se mogu podijeliti u dvije skupine: primarnu (kupci, zaposlenici, dobavljači,

tehnološki konzorciji, komplementarni inovatori te donositelji političkih odluka i regula) i

sekundarnu (lokalna zajednica, grupe aktivista, religijske zajednice, udruženja trgovaca,

predstavnici zajednice, odvjetnici). Mefford (2011.) predložio je model prema kojemu

primjena modernih proizvodnih metoda (lean proizvodnja, odnosno proizvodnja na

vrijeme108, eliminacija gubitaka109, unapređenje kvalitete kroz kontinuirana procesna

unapređenja, kvalitete izvora110, kontinuirana unapređenja111) rezultira održivim

korporativnim ponašanjem koje se u konačnici održava na dobrobit svih zainteresiranih

(zaposlenih, kupaca, dioničara, zajednice te ekološke okoline).

106 Autori su istraživali najbolje prakse opskrbnih lanaca u tvrtkama: Walmart, P&G, Pella, John Deere, Caterpillar te ConAgra Foods. 107 Za što kvalitetniju realizaciju prve faze, CIRAS (engl. Center for Industrial Research and Service) razvio je metodologiju za ocjenjivanje održivosti opskrbnog lanca. Unutar svake sekcije (financijske, socijalne i ekološke) posebno se ocjenjuju opskrba, interne operacije, kupci i distribucija. 108 Engl. Just in time - JIT 109 Jap. muda 110 Jap. jidoka 111 Jap. kaizen

141

Razmatranje održivosti nabolje je zaključiti usporedbom rezultata istraživanja provedenih

2009. (Berns et al.), 2010. (Haanaes et al.) i 2011. godine112 (Kiron et al.). Jedno od prvih i

najopsežnijih istraživanja113 (Berns et al., 2009., p.3.) na temu održivosti pokazalo je

zanimljive rezultate:

� izvjestan je strogi konsenzus da održivost ima, a imat će i dalje, materijalni utjecaj na

to kako će poduzeća misliti i djelovati; više od 92% ispitanika potvrdilo je da njihova

kompanija na neki način pozicionira održivost;

� održivost će preživjeti recesiju, manje od 25% ispitanika potvrdilo je da su smanjili

svoju privrženost održivosti tijekom negativnog ekonomskog ciklusa;

� iako su se svi složili da održivost ima utjecaj na njihovo poslovanje, mnogi su

potvrdili da ne istražuju u potpunosti mogućnosti smanjenje rizika povezanog s

održivošću;

� održivost će postati značajna za poslovnu strategiju i menadžment, što znači da će

tvrtke morati razviti nove mogućnosti i karakteristike, uključujući internu i eksternu

suradnju, nagrađivanje dugoročnog promišljanja, razvoj novih mogućnosti u

područjima mjerenja, kvalitetnije izvještavanje te aktivno komuniciranje s okolinom;

� najveće dobiti poduzeća vide kroz unapređenje brenda kompanije;

� tri najdominantnije strategije održivosti jesu: unapređenje efikasnosti kroz potrošnju

energije, smanjenje troška te izgradnja svjesnosti.

Vodeće kompanije uočavaju isplativost održivosti: u neopipljivim prednostima,

unapređenjima procesa, sposobnosti inovativnosti, te u prilici za rast (Haanaes et al., 2011., p.

24). Prema njihovom istraživanju, najveće pogodnosti od održivosti jesu: unapređenje

reputacije brenda, povećanje konkurentskih prednosti, pristup novim tržištima te povećanje

tržišne margine. Najvažniji nalazi istraživanja koje su proveli Kiron et al. (2012., p. 69-74.)

jesu:

� dvije trećine ispitanika smatra kako je održivost nužna za postizanje konkurentnosti na

današnjim tržištima;

� kupci (41%) jesu najčešći razlog promjene poslovnog modela kompanije, potom

slijede zakonodavstvo (35%), deficitarni resursi (30%), konkurenti (28%), te striktni

zahtjevi partnera iz lanca vrijednosti (26%);

112 U istraživanju je sudjelovalo više od 4.000 menadžera iz 113 zemalja. 113 Istraživanje je napravio MIT Sloan Management Review u suradnji s Boston Consulting Group na uzorku od više od 1.500 menadžera, te 400 znanstvenika.

142

� zapažena je uloga institucionalnih investitora koje zahtijevaju više informacija o

održivosti poduzeća i investicija poduzeća u tom pravcu;

� 25% ispitanika kao najveću dobit od održivosti pozicioniralo je unapređenje

inovativnosti u proizvode i servis (godinu ranije ovaj je pokazatelj bio 16%);

� Europa se smatra liderom održivosti (63%), potom slijedi S. Amerika (35%);

� u provođenju održivosti najvažnija je podrška vrhovnog menadžmenta (75%);

� najuspješnija poduzeća imaju posebno praćenje i izvještavanje o održivosti (39%);

� najuspješnija poduzeća imaju čistu unutarnju komunikaciju (52%) te ključne

pokazatelje uspješnosti koji se odnose na održivost (50%);

� primjena održivosti u najuspješnijim poduzećima odrazila se na povećanu suradnju s:

kupcima (66%), dobavljačima (59%), vladama/donositeljima političkih odluka (47%)

te unutarnjim poslovnim jedinicama (41%).

143

III. KONCEPTUALNI MODEL ODNOSA POSLOVNE INTELIGENCIJE I UPRAVLJANJA OPSKRBNIM LANCEM

1. Razvoj teorijskog modela

U uvodnom su poglavlju navedeni elementi iz područja proučavanja ovog rada u čijim se

okvirima pozicionira temeljni koncept istraživanja. U ovom će se poglavlju detaljnije obraditi

istraživanja čiji su rezultati, smjernice, ograničenja i preporuke pridonijela razvoju

istraživačkog modela, a riječ je o obradi pojmova: važnost i razmjena podataka i informacija,

informacijska tehnologija, e-poslovanje, integracija, vidljivost, suradnja, napredna analitika te

elastičnost.

1.1. Važnost i razmjena podataka i informacija

Tretiranje informacije kao mjerljive veličine promijenilo je svijet (Stubbs, 2011., p. 2.).

Istraživati poslovnu inteligenciju i upravljanje opskrbnim lancem bez razmatranja utjecaja i

vrijednosti podataka i informacija na njihovo funkcioniranje u današnjim je uvjetima -

besmisleno. Francis (1998.) je utvrdio kako su upravljanje informacijama i fizičko upravljanje

opskrbnim lancem u simbiozi te je sposobnost lanca za efikasnim osiguranjem protoka

materijala uvjetovano njegovom sposobnošću da upravlja informacijama. Njegovo je

istraživanje pokazalo kako je informacija ključna determinanta efikasnosti opskrbnog lanca.

Razmjena informacija jest strategija za postizanje kohezije svih funkcija članova opskrbnog

lanca; međutim, uslijed postojanja asimetričnih informacija114 opskrbni lanac trpi a to se

odražava: u nerazumijevanju oko zajedničkih napora, problemima u reagiranju na tržišnu

neizvjesnost, u neoptimalnom odlučivanju te u oportunističkom ponašanju (Simatupang i

Sridharan, 2001.). Prema autorima, postoje četiri temeljne koristi razmjene informacija u

opskrbnom lancu, a okvir odnosa razmjene informacija i prava odlučivanja koju su razvili

prikazan je u tablici 12:

114 Asimetrične se informacije pojavljuju kada pojedini sudionici opskrbnog lanca imaju različite informacije o raspoloživim resursima (kapacitetima, zalihama, fondovima), troškovima, operacijama (prodaja, proizvodnja, isporuka, predviđanje) te tržišnim uvjetima.

144

� postizanje ugovorne jasnoće - omogućuje optimalnu alokaciju resursa, mjerenje

performansi, lakšu distribuciju opterećenja i koristi kroz prikladne inicijative;

� aktivno bavljenje tržišnim neizvjesnostima - razmjena prodajnih podataka omogućiti

će kvalitetnije predviđanje buduće prodaje, optimalizaciju zaliha neugrožavajući

prodaju uslijed nedostatka asortimana;

� podupiranje suradnje unutar lanca - posljedično se odražava na sniženje troškova

narudžbi, zaliha i transporta;

� reduciranje oportunizma.

Tablica 12. Mogući izbori strukture razmjene informacija

Potreba za redefiniranjem prava odlučivanja

Zadržavanje prava odlučivanja Redefiniranje prava odlučivanja

Nema otkrivanja

privatnih informacija Otkrivanje privatnih

informacija Nema otkrivanja

privatnih informacija Otkrivanje

privatnih informacija

Nema stjecanja informacija

Konkurentski opskrbni lanac

Sporazum o otkrivanju

Kratkoročan sporazum115

Sporazum s principalom

Stjecanje informacija

Sporazum o stjecanju Sporazum o komunikaciji

Sporazum s principalom

Kolaborativan opskrbni lanac

Izvor: Simatupang, T.M., Sridharan, R.: A Characterisation of Information Sharing in Supply Chains, Operational Research Society of New Zeland (ORSNZ) Conference, 2001., p. 16.

Lee et al. (1997., p. 546-558.) utvrdili su kako razmjena prodajnih informacija čini glavnu

strategiju protiv efekta biča (engl. Bullwhip effect) koji predstavlja fenomen povećavanja

varijabilnosti potražnje duž opskrbnog lanca. Ova deformacija potražnje (engl. Demand

distortion) kreira probleme dobavljačima: neprecizno predviđanje, slabije korištenje

kapaciteta, povećanja zaliha, te lošiji servis kupcu. Koristeći analitički model Lee et al.

(2000., p. 626-643.) razvili su opskrbni lanac u dvije razine te su istraživali koristi od

razmjene potražnih informacija. Utvrdili su da sama razmjena informacija značajno pridonosi

smanjenju proizvođačevih zaliha i troškova. Njihovi su rezultati također pokazali da će

115 Engl. Arm-lenght agreement

145

proizvođač imati značajne uštede ako je: korelacija potražnje s vremenom visoka, varijanca

potražnje u istom razdoblju također visoka te kada je dugo vrijeme isporuke. Temeljem

navedenog, zaključuju kako će razmjena informacija posebno biti efikasna u

visokotehnološkim industrijama (engl. High-tech industry). Prema istraživanju koje je proveo

Tan116 (2002., p. 42-53.), razmjena informacija jest krucijalna za efikasne operacije cijelom

dužinom opskrbnog lanca i na svim funkcijskim razinama, odnosno, razmjena informacija

unapređuje tvrtkine performanse, a nedostupnost informacija nepovoljno se odražava na

konkurentnost.

Široka primjena raznih aplikacija sa svrhom optimiziranja operacija opskrbnog lanca dovest

će do rapidnog porasta podataka, te će upravo sposobnost upravljanja tim podacima i

informacijama u budućnosti predstavljati važnu vrijednost za vlasnike, a način tog upravljanja

predstavljati će vitalnu konkurentsku prednost SCM-a (Jacoby, 2009., p. 206-207.). Prema

procjenama Boston Strategies International – BSI (Jacoby, 2009., p. 207.) od 1987. do 2015.

godine vrijednost materijalne imovine bit će prepolovljena, dok će istovremeno vrijednost

informacijske imovine biti udvostručena. Ključni aspekt SCM-a jest efikasno upravljanje

proizvodima i informacijskim tokom (Stock et al., 2010., p. 33.). Fawcett et al. (2007., p. 358-

368.) u svojem su istraživanju117 identificirali i analizirali dvije dimenzije razmjene

informacija (povezanost i spremnost) te su utvrdili kako obje utječu na operativne

performanse i kritične su za razvoj spremnosti razmjene informacija. Njihovo je istraživanje

također pokazalo koje su prepreke boljoj razmjeni informacija: cijena i kompleksnost

implementacije naprednih sistema, inkompatibilnost različitih sistema, različite razine

povezanosti kroz opskrbni lanac te nedovoljno razvijena poslovna kultura razmjene

informacija između partnera. Razmjena informacija dogodit će se kada postoji ugodan odnos i

povjerenje kako će se razmjenjene informacije prikladno koristiti za postizanje unapređenja

suradnje.

Prikladno upravljanje informacijskim, materijalnim i financijskom tokovima između članova

opskrbne mreže postaje kritično važno s obzirom da se iz njih slijeva znanje koje će se koristi

za optimizaciju odnosa u lancu (Hadaya i Casivi, 2009., p. 20.). Njihovo je istraživanje118

116 Uzorak ovog istraživanja sačinjavalo je 4.500 poduzeća iz baze podataka Institute for Supply Management (ISM) i American Production and Inventory Control Society (APICS), a obrađeno je 411 pristiglih kompletiranih odgovora, što predstavlja stopu odziva od 9,1%. 117 Istraživanje je obavljeno poštom a sadržavalo je 558 iskoristivih odgovora, što je predstavljalo stopu odziva od 12%. 118 Istraživanje je obavljeno e-mailom, a od 130 poslanih upitnika menadžerima opskrbnih lanaca prvog reda povratnih odgovora bilo je 53 što predstavlja odziv od 40,8%.

146

pokazalo: razmjena znanja pozitivno utječe na međuorganizacijski informacijski sistem i

procesne inovacije, procesne inovacije pozitivno utječu na performanse, ali za razmjenu

znanja i međuorganizacijski informacijski sistem nije utvrđeno da utječu na performanse.

Analiza varijance ukazala jest na činjenicu da su poduzeća spremnija dijeliti znanje sa svojim

dobavljačima nego s kupcima. Prema Hugosu (2006., p. 15-16.), informacije predstavljaju

vezu između svih aktivnosti i procesa opskrbnog lanca, a koriste se za:

� koordinaciju dnevnih aktivnosti, a odnose se na funkcioniranje ostalih elemenata

opskrbnog lanca: proizvodnje, zaliha, lokacije i transporta;

� predviđanje i planiranje, kako bi se anticipirali budući zahtjevi i događaji.

U poduzeću se kompromis između odgovornosti i efikasnosti mjeri koristima koje pruža

dobra informacija u odnosu na trošak njezinog nabavljanja. Izdašna i precizna informacija

omogućuje efikasne operativne odluke te bolje predviđanje; međutim, potrebno je voditi

računa da trošak izgradnje i instalacije sistema za obradu takvih informacija može biti visok.

Što su kompanije spremnije međusobno razmjenjivati informacije, to su obostrano

odgovornije. U svojem su istraživanju Klein i Rai119 (2009., p. 735-762.) identificirali tri tipa

strateških informacija unutar odnosa u opskrbnom lancu:

� operativne (o zalihama, kapacitetima ili proizvodnim planovima), čijom se razmjenom

partnerima omogućuje optimizacija ulaznih resursa;

� strateške (o financijskoj metrici i troškovima), čijom se razmjenom omogućuje

suradnja u poboljšanju ekonomskih rezultata te učinkovitije korištenje financijskih

sredstava;

� strateško-konkurentne (o konkurentskom položaju i planiranim tržišnim aktivnostima)

čija razmjena osigurava koordinaciju prodajnih i marketinških aktivnosti s

operativnom potrebama.

Njihovo je istraživanje također utvrdilo: strateško razmjenjivanje informacija pozitivno i

značajno utječe na performanse odnosa za obje strane jer su povećali produktivnost i

reducirali troškove, te da su kupci koji su ovisniji o svojim dobavljačima spremniji na

razmjenu strateških informacija kako bi postigli sinergiju s dobavljačevim resursima i

sposobnostima. Zhou i Benton (2007., p. 1348-1365.) istraživali120 su integraciju razmjene

119 U ovom je istraživanju uzorak uključivao 183 menadžera ključnih kupaca s prodavačeve strane (odazvalo ih se 132 odnosno 72%), te 183 menadžera s kupčeve strane (odazvalo ih se 91, odnosno 49%). 120 Uzorak se u ovom istraživanju sastojao od 745 proizvodnih poduzeća, a iskoristivih odgovora bilo je 125 što predstavlja odziv od 18%.

147

informacija i prakse opskrbnog lanca. U svojoj su analizi praksu opskrbnog lanca odredili

pomoću tri kategorije: planiranja, proizvodnje na vrijeme (JIT) te isporuke. Tri aspekta

određuju razmjenu informacija:

� podupiruće tehnologije koje omogućavaju razmjenu informacija;

� njihova kvaliteta (preciznost, dostupnost, pravovremenost, unutarnja povezanost,

vanjska povezanost, kompletnost, relevantnost, pristupačnost, ažuriranost);

� njihov sadržaj (sadržaj informacija koje proizvođač razmjenjuje sa svojim kupcem, te

sadržaj informacija koje kupac razmjenjuje sa svojim proizvođačem).

Njihovo je istraživanje pokazalo:

� učinkovita razmjena informacija značajno poboljšava praksu opskrbnog lanca;

� dinamizam opskrbnog lanca (brzina promjena u proizvodima i procesima) značajno

utječe na razmjenu informacija, te nešto manje na praksu opskrbnog lanca;

� učinkovita razmjena informacija i efikasna praksa opskrbnih lanaca imaju značajan

utjecaj na karakteristike isporuka (isporuka na vrijeme, stopa ispunjenja narudžbe,

pouzdanost isporuke). Može se utvrditi kako se rezultati ovog istraživanja razlikuju od

Hadayinih i Cassivijevih u domeni performansi.

Sodhi i Son121 (2009., p. 937-945.) identificirali su faktore koji utječu na partnerske

performanse (razmjena informacija, povjerenje, zajedničko partnersko upravljanje, specifični

odnosi te partnerska asimetrija), i utvrdili su kako se faktori koji najbolje modeliraju strateške

performanse razlikuju od onih koji modeliraju operativne performanse. Zaključuju kako

povjerenje i razmjena informacija mogu najbolje zadovoljiti ciljeve postavljene u operativnoj

učinkovitosti.

U kontekstu razmatranja uloge i važnosti podataka i informacija potrebno je utvrditi kada su

uopće podaci i informacije raspoloživi za bilo kakvu aktivnost, a što je pokazao Hackathorn

(2004.) i predstavljeno je na slici 25. Prema njegovoj analizi, u vremenskom kontinuumu

između zbivanja nekog događaja i poduzimanja akcije neminovno dolazi do kašnjenja u

barem nekom od tri segmenta (Panian, 2007., p. 95; Howson, 2008., p. 110; Watson, 2009., p.

501.):

� kašnjenja podataka, obuhvaća vrijeme od nastanka nekog događaja do trenutka kada

su podaci spremni za analizu; 121 Istraživali su 71 povezan odnos dobavljač – trgovac u industriji pakiranih proizvoda u Južnoj Koreji.

148

� kašnjenja analize, obuhvaća vremensko razdoblje za obradu prikupljenih podataka;

� kašnjenja akcije obuhvaća vrijeme od dostave informacije do trenutka poduzimanje

aktivnosti.

poslovni

događaj

spremljeni

podaci

dostavljena

informacija

poduzeta

akcija

i z g

u b

l j

e n

o

v r

i j

e m

e

vrijednost

vrijemer a z l i k a u a k c i j i

k aš n

jenje

podata

k a

k aš njenje analiz e

kašnjenje odluke

Slika 25. Sastavnice vremena poduzimanja aktivnosti

Izvor: Hackathorn, R.: The BI Watch: Real-Time to Real-Value, DM Review, January 2004., p. 3.

Kroz prizmu prethodne slike zanimljivo je analizirati istraživanje122 koje je proveo The

Economist (Kielstra, 2007.). Na pitanje o dostupnosti podataka potrebnih za odlučivanje više

od polovine ispitanika (54%) odgovorilo je da su im dostupni s manjim kašnjenjem, četvrtini

(25%) s većim kašnjenjem, dok ih je samo 10% potvrdilo kako ih imaju u trenutku kada su im

potrebni. Nastavno na navedeni prikaz, potrebno je istaknuti kako ne postoji identična

vremenska potreba za svim informacijama. Istraživanje123 pokazuje (Davenport i Snabe,

2011., p. 60.) kako se određene informacije traže i dobivaju češće i brže od ostalih

(informacije o prodaji te novosti o konkurentima i kupcima). Najvažnije je prepoznati ključne

122 Istraživanje je provedeno on-line na uzorku od 154 menadžera (40% iz Europe, 31% iz Sjeverne Amerike i 23% iz Azije). Više od 50% ispitanika bilo je sa „C“ razine (CEO, CFO, CIO). 123 Istraživanje je obuhvatilo 302 starija izvršna menadžera.

149

donositelje odluka kako unutar poduzeća, tako i unutar opskrbnog lanca, te potom definirati

opseg informacija koje su im potrebne. Osim razmatranja o raspoloživosti te vremenskoj

uvjetovanosti podataka i informacija, također je zanimljivo vidjeti rezultate istraživanja o

važnosti pojedinih informacija u odnosu na stanje ekonomije tržišta na kojemu funkcioniraju

ispitanici, što prikazuje graf 4.

Graf 4. Najvažnije informacije u različitim ekonomijama

Izvor: Davenport, Thomas D., Snabe, Jim H.: How Fast and Flexible Do You Want Your Information, Really?, MIT Sloan Management Review, spring 2011., 52 (3), p. 60.

Kompromis između preciznosti i vremena primanja informacije predstavlja treću zanimljivost

ovog razmatranja. Naime, postavlja se pitanje koliko treba biti precizna informacija, odnosno,

koliko je menadžment ili drugi donositelj odluka spreman žrtvovati preciznost u odnosu na

brzinu. Rezultat istraživanja s prikazom tipova informacija s pripadajućim postotkom

ispitanika koji traže potpuno potvrđenu informaciju kako bi je mogli koristiti, prezentirani su

u tablici 13.

0,0% 10,0% 20,0% 30,0% 40,0% 50,0%

zadovoljstvo zaposlenika

tržišni udio

razina zaliha

podaci o kupcima/dobavljačima

scenario planovi / simulacije

potraživanja/obveze

budžeti/potrošnja/troškovi

novčani tijek

strateški i operativni rizik

karakteristike zaposlenika/produktivnost

najvažnije informacije u padajućoj ekonomiji

najvažnije informacije u rastućoj ekonomiji

150

Tablica 13. Rang lista najpotrebnijih točnih informacija

Tip informacije % Tip informacije %

Novac / novčani tijek 74 Performanse zaposlenika 48

Budžeti / potrošnja / troškovi 67 Kvaliteta 43

Potraživanja / obveze za plaćanje 67 Tržišni udio 35

Prodaja 60 Strateški / operativni rizik 32

Razine proizvodnje 58 Zadovoljstvo kupca 28

Razine zaliha 50 Zadovoljstvo zaposlenika 27

Izvor: Davenport, Thomas D., Snabe, Jim H.: How Fast and Flexible Do You Want Your Information, Really?, MIT Sloan Management Review, spring 2011., 52 (3), p. 61.

Prema rezultatima istraživanja (Kielstra, 2007., p. 18.) najvažniji atributi informacija

potrebnih za odlučivanje su: kvaliteta (65%), dostatnost (18%), pravovremenost (13%) i

cijena (5%). Redman (2008., p. 54.) navodi deset navika kako se najuspješnije tvrtke brinu za

kvalitetu podataka: fokusiranje na najvažnije potrebe najvažnijih klijenata, primjenjivati

izuzetnu pozornost na procese, upravljati svim kritičnim izvorima podataka uključujući

dobavljače, mjeriti kvalitetu na izvoru i u poslovnom smislu, organizirati kontrolu na svim

razinama kako bi se spriječile jednostavne greške i kreirala osnovica za pomak naprijed,

razviti vještinu za kontinuirana unapređenja, uspostaviti i postizati agresivne ciljeve

unapređenja, formalizirati upravljanje odgovornošću za podatke, prednjačiti u nastojanjima

koristeći stariju grupu te shvatiti kako je tema kvalitete podataka lagana, a aktivno upravljanje

zahtijeva kulturološke promjene.

Prema istraživanju124 koje su proveli Kim et al. (2006., p. 40-54.), razmjena informacija

predstavlja kamen temeljac za ostale kanalne mogućnosti (engl. Channel capabilities) jer

značajno utječe na suradnju, odgovornost među partnerima i tržišne performanse. Prema

Trentu (2007., p. 250-251.), uspješno globalno nabavljanje zahtijeva spremnost podjele

informacija sa svojim dobavljačima, gdje se pod informacijama o performansama

podrazumijeva periodično izvještavanje o kvaliteti, isporukama, trajanju ciklusa, fleksibilnosti

te cjenovnim elementima. Drugi aspekt razmjene informacija odnosi se na ocjenu doprinosa

dobavljačeve tehnologije, zajedničkim tehnološkim planovima te investicijama. Jedno od 124 Istraživanje je provedeno e-mailom na uzorku od 1.949 menadžera iz SAD temeljem baze podataka CLM-a (Council of Logisitics Mannagement). Obrađeno je 184 povratnih upitnika što predstavlja odziv od 10,7%.

151

novijih istraživanja125 odnosa razmjene informacija i performansi opskrbnog lanca proveli su

Ramayah i Omar (2010., p. 35-52.), gdje su performanse odredili kao: isporuke prema

zahtijevanom datumu, potrebno vrijeme reakcije na kupčeve zahtjeve, fleksibilnost u

ispunjavanju zahtjeva te kretanje troškova. Pod razmjenom operativnih informacija

podrazumijevali su kratkoročne informacije (dnevne ili tjedne) koje se većinom odnose na

prodaju i logističke aktivnosti, dok su pod razmjenom strateških informacija podrazumijevali

one informacije koje mogu dugoročno utjecati na na poslovanje. Utvrdili su kako je utjecaj

razmjene strateških informacija veći nego utjecaj razmjene operativnih informacija. Iako su

utvrdili da kvaliteta informacija ne utječe kao intervenirajuća varijabla ni na jedan odnos,

zanimljivo je navesti njihove determinirajuće elemente te kvalitete: točnost, pravovremenost,

kompletnost, adekvatnost i kredibilitet. Usporedbe radi, možda najopsežnije određivanje

kvalitete informacije ponudio je Miller126 (2005., p. 93-102.): točnost, vjerojatnost,

objektivnost, preciznost, pouzdanost, relevantnost, pravovremenost, kompletnost,

primjerenost, razumljivost, objašnjivost, dosljednost, sažetost, oblikovanost, pojavnost,

dostupnost, sigurnost i raspoloživost.

U istraživanju127 povjerenja menadžera dobavljača prema kupcima (mjereno na osobnoj

razini) Ha et al. (2011., p. 56-77.) utvrdili su kako emocionalno povjerenje (engl. Affective

trust) značajno utječe na razmjenu informacija (frekvencija kontakata, korištenje

kompatibilnih informacijskih sustava, voljnost prema razmjeni operativnih i strateških

podataka) koje također značajno utječu na logističke performanse (ispunjavanje narudžbi,

vrijeme ispunjenja narudžbi, operativna fleksibilnost, obrtaj zaliha te ukupni logistički

troškovi). Učinkovito upravljanje informacijskim tokom predstavlja jedno od najznačajnijih

izazova suvremenih opskrbnih lanaca, odnosno esencijalno, bilo koja tehnika SCM-a

predstavlja povećanje vrijednosti razmjene informacija kroz lanac (Li et al., 2009., p. 155.).

Postoje četiri kategorije razmjene informacija unutar lanca: nema razmjene, razmjena

opskrbnih informacija, razmjena potražnih informacija te razmjena svih informacija, što je

prikazano u tablici 14.

125 Istraživanje je napravljeno na uzorku od 250 proizvodnih poduzeća iz sjevernog dijela Malezije a upitnik je bio usmjeren na izvršni menadžment nadležan za nabavu. Iskoristivih odgovora bilo je 58 što predstavlja odziv od 23,2%. 126 Engl. accuracy, believability, objectivity, precision and relaibility of the information, relevancy, timeliness, completeness and information appropriateness, comprehensibility, interpretability, consistency, conciseness, format and appearance of the information, accessibility, security and availability. 127 Uzorak se sastojao od 965 korejskih poduzeća, a obrađeno je 265 vraćenih odgovora (od čega 165 proizvodnih poduzeća) što je predstavljalo stopu odgovora od 27,5%.

152

Tablica 14. Vrste razmjene informacija u opskrbnom lancu

Tip Namjera Upravljač Sadržaj

Razmjena opskrbnih informacija

Koordinacija aktivnosti poduzeća sa svojim dobavljačima i donošenje boljih odluka u domeni nabave.

Neizvjesnost vremena realizacije, kvaliteta dijelova i opskrbnog procesa.

Razmjena rasporeda, vremena realizacije, kapaciteta, vremena odgovora, razine servisa, dostupnosti, dizajna proizvoda

Razmjena potražnih informacija

Usklađenje opskrbnih aktivnosti s potrebama svojih nizvodnih partnera i tržišnih zahtjeva.

Neizvjesnost tržišta, proizvodnje i distribucijskog sistema.

Razmjena zahtjeva u realnom vremenu, prodajnih podataka, tržišnih trendova, kupčevih preferencija, troškova i rasporeda, razina zaliha, isporuka, kapaciteta.

Razmjena svih informacija

Maksimalna korist od razmjene informacija.

Neizvjesnost opskrbe, potražnje i procesa.

Razmjena opskrbnih, potražnih i operativnih informacija.

Izvor: Li, J., Sikora, R.T., Shaw, M.J.: Supply Chain Management: A Multi-Agent System Framework, 2009., p. 159., in Dwivedi, A., Butcher, T. (eds.): Supply Chain Management and Knowledge Management, Palgrave Macmillan, London, 2009.

Yigitbasioglu (2010., p. 550-578.) napravio je paralelno istraživanje128 o spremnosti kupaca

za razmjenu informacija s ključnim dobavljačima. Rezultati su pokazali da neizvjesnost

(potražnje i okoline) i zavisnost pozitivno utječu na razinu razmjene informacija s ključnim

dobavljačima, odnosno, raste međusobno povjerenje te se razvija suradnja. Popovič et al.

(2009.) istraživali129 su utjecaj sistema poslovne inteligencije na kvalitetu informacija kroz

dva aspekta: kvalitete sadržaja i kvalitete dostupnost. Rezultati su pokazali da je korištenje PI

pozitivno utjecalo na kvalitetu informacija, s time da se utjecajnijim pokazalo na kvalitetu

dostupnosti.

128 Kriterij za izbor poduzća bio je: minimalan rihod od 15 mil.EUR-a te da se bave proizvodnjom, sastavljanjem ili distribucijom tih proizvoda, a uzorak je bio sastavljen od 1.170 finskih i 1.290 švedskih poduzeća. Stopa odziva je bila 11,5% kod finskih, a 10% kod švedskih poduzeća. 129 Istraživanje je provedeno na uzorku od 1.329 slovenskih srednjih i velikih poduzeća, od kojih se dobilo 181 odgovor, što predstavlj odziv od 13,6%.

153

1.2. Informacijska tehnologija i sustav

Prema Liautaudu i Hammondu (2006., p. 13.) suvremene informacijske tehnologije i na njima

razvijeni informacijski sustavi postaju strateško oruđe poduzeća te s vremenom o njima ovisi

cjelokupna uspješnost i perspektiva poslovanja. Srića i Miller (2001., p. 79.) tvrde kako je

razvoj informatičke tehnologije u većoj mjeri utjecao na razvoj poslovnih trendova nego

obrnuto, jer bez tog razvoja i mogućnosti koje IT pruža ne bi bilo moguće ni zamisliti

suvremene poslovne trendove i funkcioniranje modernih poslovnih sustava. Garača (2008., p.

13.) kaže kako su to tehnologije130 potrebne za elektroničku obradu podataka, a prije svega se

to odnosi na upotrebu hardvera i softvera za transformaciju, pohranjivanje, zaštitu, obradu i

pretraživanje podataka i informacija s bilo kojeg mjesta i u bilo koje vrijeme. Informacijski se

sustav može smatrati podsustavom poslovnog sustava, a osnovne su mu funkcije (Garača,

2009., p. 4.):

� dokumentacijska, sređivanje poslovnih podataka o proteklim događajima;

� informacijska, osiguravanje potrebnih informacija o stanju sustava u realnom

vremenu;

� upravljačka, osiguravanje informacijskih podloga za odlučivanje i upravljanje na svim

razinama.

IT podržava interne operacije te suradnju između poduzeća u opskrbnom lancu, a efikasno

korištenje ove tehnologije predstavlja ključni aspekt tvrtkinog uspjeha (Hugos, 2006., p.

103.). Prema Srići (1999., p. 8.), postoji šest osnovnih utjecaja IT-a na poslovnu politiku:

� ove se tehnologije ugrađuju u sve veći broj proizvoda i usluga postajući tako njihovim

sastavnim dijelom; to će sve više postajati prevladavajući trend što će se posljedično

znatno odraziti na vođenje poslovne politike;

� utjecaj trenda kreiranja novih proizvoda i usluga utemeljenih na informatici;

� IT iz temelja mijenja poslovne odnose s obzirom na to da novi oblici informacijskih

usluga i telekomunikacijske tehnologije omogućuju obavljanje transakcija koje nisu

isključivo vezane za radno mjesto;

130 Garača u svojoj knjizi koristi pojam informatičke tehnologije jer ga smatra primjerenijim zbog svoje sveobuhvatnosti te kaže kako je to sinonim za pojmove informacijska tehnologija i informacijsko komunikacijska tehnologija.

154

� u definiranju poslovne strategije izuzetno je važno unaprijed shvatiti trendove kao

moguću posljedicu utjecaja IT koje mogu zahtijevati redefiniranje proizvoda, usluga,

djelatnosti ili organizacije tvrtke;

� smanjenje troškova poslovanja s obzirom da tehnologija pruža mogućnosti

modernizacije poslovanja, kvalitetnijeg upravljanja financijskim tokovima i resursima,

podržava racionalno korištenje energije, što sve utječe na konkurentske prednosti

poduzeća;

� utjecaj IT na bolje definiranje ciljeva poduzeća, što podrazumijeva primjenu

informacija kao resursa za upravljanje.

Palvia et al. (2006., p. 1042-1063.) proveli su analizu131 o korištenim modelima u

istraživanjima IS-a. Temeljem svojih nalaza, klasificirali su 11 različitih modela koji su

prezentirani u tablici 15.

Tablica 15. Frekvencija IS istraživačkih modela

M o d e l frekvencija %

Nikakav model 283 21,5

Popis varijabli - prikazane su samo varijable relevantne za istraživačko pitanje 167 12,7

Popis varijabli i pripadajućih im razina 22 1,7

Popis varijabli i implicitnih odnosa 12 0,9

Jednostavan dijagram utjecaja - odnos zavisnih i nezavisnih varijabli 102 7,7

Višeredni dijagram utjecaja - jednostavni dijagram proširen s više redova132 460 34,9

Vremenski dijagram utjecaja - događaji su poredani kronološki 54 4,1

Jednostavna mreža – najčešći prikaz 2 x 2 (dvije razine dvije varijable) 58 4,4

Kompleksna mreža 11 0,8

Vennov dijagram 18 1,4

Matematički model 119 9,0

Kombinacija nekih od navedenih modela 11 0,8

Izvor: Palvia, P., Midha, V., Pinjani, P.: Research Model in Information Systems, Communications of the Associations for Information Systems, 2007., 17 (47), p. 1053.

131 Istraživanje je obuhvatilo 1.226 članaka objavljenih u sedam vodećih IS časopisa u razdoblju od 1998. do 2003. godine. 132 Višeredni dijagram utjecaja ima najznačajniji trend rasta od svih modela u promatranom razdoblju.

155

Porter (2008., p. 84-92.) naglašava vrijednost informacija za postizanje konkurentnosti te

navodi kako informacijska tehnologija (IT) utječe na konkurentnost na tri načina:

� mijenjajući industrijsku strukturu - pet konkurentskih sila (snaga kupca, snaga

dobavljača, prijetnje novih ulaza, prijetnje zamjenskih proizvoda te suparništvo

između postojećih konkurenata) determinira industrijsku profitabilnost, a IT može

mijenjati svaku od navedenih sila i tako, posljedično, utjecati na atraktivnost pojedine

industrije133;

� omogućavajući konkurentsku prednost - IT utječe na vrijednost samih aktivnosti ili

omogućuje kompanijama postizanje konkurentskih prednosti iskorištavajući ukazane

šanse u svojem okruženju. IT može promijeniti tvrtkine troškove u bilo kojem dijelu

lanca vrijednosti, omogućiti diferencijaciju, ili promijeniti konkurentsko okruženje

mijenjajući odnos konkurentskog okvira i konkurentskih prednosti134;

� otvarajući mogućnost za razvijanje kompletno novih poslova na tri načina -

omogućavajući izvodljivost novih poslovnih tehnologija, kreirajući potražnju za

novim proizvodima te omogućavanjem novih poslovnih aktivnosti u okviru već

postojećih.

U razmatranju poslovne vrijednosti informacijske tehnologije Kohli i Grover (2008., p. 25-

27.) rezimiraju ono što je poznato:

� IT kreira vrijednost - mnoge studije su pokazale da je paradoks proizvodnje (engl.

Productivity Paradox) razriješen, odnosno, postoji kritična količina istraživanja koja

pokazuju odnos IT-a i nekog aspekta kompanijine vrijednosti;

� IT kreira vrijednost pod određenim uvjetima - polazeći od činjenice da obični (i

izolirani) hardver i softver ne mogu kreirati vrijednost, oni trebaju biti dio šireg

tvrtkinog procesa dodavanja vrijednosti kako bi uz druge IS-ove i organizacijske

faktore dali svoj doprinos;

� vrijednost koje se kreira sa IT-om manifestira se u različitim pravcima - kroz procesna

unapređenja (vrijeme trajanja ciklusa), profitabilnost (ROA), poboljšanje usluge

133 Porter navodi nekoliko primjera: (1) IT povećava snagu kupca u industriji gdje se sklapaju kupljene komponente, (2) IT zahtijeva velika ulaganja u kompleksne softvere pa na taj način podiže barijeru za nove ulaske, (3) IT ima veliki utjecaj na međusobno pregovaranje kupaca i dobavljača s obzirom da utječe na povezivanje između kompanija, (4) IT mijenja odnose između omjera, automatizacije i fleksibilnosti s potencijalno dubokim posljedicama. 134 IT je omogućila odnos između industrija koje ga u povijesti nisu imale, odnosno, omogućila je poduzećima sposobnost koordinacije nacionalnih, regionalnih i globalnih aktivnosti.

156

kupcu, unapređenja opskrbnog lanca; ili na različitim razinama - individualnoj,

grupnoj, organizacijskoj, industrijskoj ili procesnoj;

� vrijednost se može manifestirati sa zakašnjenjem - što je razumljivo s obzirom na

vrijeme koje je potrebno za uvođenje, prilagođavanje, prihvaćanje i uhodavanje i zato

ne čudi ako je potrebno rezultate pričekati i više od godine dana;

� postoje faktori koji utječu na odnos IT-a i vrijednosti - poput strateških usklađenja,

organizacijskih i procesnih promjena i njihovih karakteristika, razmjene informacija te

širine korištenja IT-a.

Fleisher i Bensoussan (2007., p. 30.) objašnjavaju IS135 kao kombinaciju softvera i hardvera

koji se u kontekstu analitičkih procesa koriste kao podrška prikupljanju informacija, njihovoj

klasifikaciji, sintezi i distribuciji. Prema istraživanju koje je proveo London School of

Economics (Compass Group, 1998., prema Sanders, 2007., p. 1334.), IT jest pozicionirana

kao firmin top strateški alat, ali uz napomenu da izvor konkurentske prednosti nije tehnologija

sama za sebe, nego superiorna razmjena informacija koju ona omogućuje. Reyes i

Raisinghani (2002., p. 256-263.) smatraju da je integracija informacijskih tehnologija (sistemi

utemeljeni na znanju136 i inteligentni sustavi za podršku odlučivanju) ključni za podršku i

unapređenje kontrole proizvodnje i zaliha (engl. Production and inventory control – PIC).

Prema njima, tri su glavna doprinosa IT-a upravljanju znanjem: prikupljanje znanja (kroz

marketinška istraživanja, sisteme kompetitivne inteligencije, planiranje scenarija), distribucija

informacija (kroz intranet, programsku opremu za skupni rad137, elektronsku poštu, e-biltene)

te interpretacija informacija.

Gunasekaran i Ngai (2004., p. 269-295.) kažu da je efikasan opskrbni lanac nemoguć bez

primjene IT-a jer ona predstavlja njegov živčani sistem. U svojoj su analizi sistematizirali

objavljene članke na temu odnosa IT-a i SCM-a te razvili okvir dotadašnjih istraživanja:

strateško planiranje, virtualno poduzeće, e-trgovina, infrastruktura IT-a, upravljanje znanjem i

upravljanje informacijskom tehnologijom i pitanja implementacije IT-a. Najčešće citirani

problemi ovog odnosa jesu: nedostatak integracije između IT-a i poslovnih modela,

nedostatak odgovarajućeg strateškog planiranja, loša IT infrastruktura, neadekvatna

135 Fleisher i Bensoussan (2007., p. 31.) navode kako pod informacijskim sustavom (IS) podrazumijevaju Management Information System (MIS), Decision Suport System (DSS), Enterprise Information System (EIS), Enterprise Resource Planning System (ERP), Business Intelligence System (BIS), Executive Information System (ExIS), Marketing Information System (MkIS), Knowledge Management System (KM) ili neki drugi koji je poduzeće razvilo za svoje potrebe. 136 Engl. knowledge-based system 137 Engl. groupware

157

implementacija znanja o informacijskoj tehnologiji u SCM-u. Najvažniji zaključci i preporuke

ovog istraživanja jesu: u strateški informacijski sistem treba uključiti strateške ciljeve SCM-a,

arhitektura IS-a treba biti dizajnirana za SCM kako bi on mogao biti drugačiji od

tradicionalnih organizacija; nije lako implementirati uspješan strateški IS jer je potrebno

unijeti dosta promjena u interne i eksterne poslovne operacije; potrebno je uvesti mjerenje

performansi prikladno za IT; potrebno je razviti standard i okvir za kvalitetno apliciranje IT-a

u upravljanju opskrbnim lancem; sugestija za potrebna dodatna istraživanja usklađenja

informacijskog modela i modela opskrbnog lanca.

Subramani (2004., p. 45-73.) s dobavljačeve strane proučavao138 je utjecaj korištenja IT-a na

dvije vrste nematerijalne imovine, poslovne procese i specifično područje znanja. Korištenje

IT-a u ovom istraživanju je dvostruko: za eksploataciju, pod čime se podrazumijevaju akcije

koje usavršavaju stare i uspostavljene uzorke; za istraživanje, pod čime se podrazumijevaju

aktivnosti na uspostavi novih uzoraka. Operativna je korist definirana kao posljedica sniženih

transakcijskih i proizvodnih troškova uslijed međuorganizacijskog korištenja IT-a koji se

očituju kroz unapređenje procesa, troškovne efikasnosti, te poboljšane usluge kupcu. Strateška

je korist objašnjena kao rezultat čvršće povezanosti s kupcima, a uključuje znanje o

karakteristikama i poboljšicama proizvoda po zahtjevima kupaca, te povećani volumen

prodaje. Rezultati ovog istraživanja pokazali su da korištenje IT-a za eksploataciju pozitivno i

značajno utječe na poslovne procese; korištenje IT-a za istraživanje pozitivno i značajno

utječe na specifično područje znanja; potvrđeni su pretpostavljeni posredni učinci IT

eksploatacije i istraživanja. Osobitim doprinosom literaturi smatra se dokazivanje da

dobavljači mogu imati koristi od sudjelovanja u inicijativama lidera, koristi upotrebe IT-a su

posredovani dobavljačevom implementacijom specifičnih poslovnih procesa i područja

znanja. Kod ocjenjivanja navedenih rezultata, potrebno je na umu imati činjenicu kako su

ovdje istraživani dobavljači samo jednog trgovca, pa se stoga ne bi mogli uopćavati.

Temeljem svojih istraživanja139, Auramo et al. (2005., p. 82-100.) nude pet sugestija u odnosu

IT-a i SCM-a: (1) uspješne kompanije razvile su fokusirane inačice e-poslovanja kako bi

unaprijedile najvažnije elemente usluge kupcu, (2) unaprijeđena efikasnost omogućuje

fokusiranje na kritične poslovne aktivnosti, (3) korištenjem e-poslovanja unapređuje se

138 Istraživanje je provedeno u Kanadi u suradnji s vodećim trgovcem Alphom koji je među prvima uveo IT u svoj opskrbni lanac. Obuhvaćeno je 640 poduzeća od kojih je dobiveno 211 odgovora što predstavlja odziv od 33%. 139 Istraživanje je operacionalizirano kroz tri faze: (1) intervjui s devet SCM konzultanata, (2) 48 intervjua s poduzećima koja su progresivna u korištenju IT-a u svom opskrbnom lancu, (3) 18 dubinskih intervjua – studije slučajeva.

158

kvaliteta informacija, (4) e-poslovanje podržava zajedničko planiranje i unapređuje agilnost

cijele opskrbne mreže, (5) za postizanje strateških učinaka korištenje IT-a treba biti povezano

s redizajnom procesa. Sanders (2008., p. 349-367.), na temelju Subramanijeva modela,

istraživala140 je kako se dva načina korištenja IT-a od strane dobavljača odnose na operativnu

i stratešku suradnju s njihovim kupcima. Operativna suradnja podrazumijeva razmjenu

informacija za učinkovito izvršenje zadataka, dok strateška suradnja podrazumijeva razmjenu

informacija zbog organizacijskog planiranja i pozicioniranja strategija. Najvažniji zaključci

ovog istraživanja jesu:

� korištenje IT-a za eksploataciju (unapređenje starih procesa) izravno utječe na

operativnu suradnju; međutim nije nađeno da utječe i na stratešku suradnju;

� korištenje IT-a za istraživanje (razvoj novih načina korištenja tehnologije) izravno

utječe na stratešku suradnju; međutim, nije nađeno da utječe i na operativnu suradnju;

� operativna i strateška suradnja pozitivno utječu na operativne koristi, strateška

suradnja pozitivno utječe na strateške koristi; međutim nije nađeno da operativna

suradnja utječe na strateške koristi;

� dobavljači bi trebali koristiti IT na oba načina kako bi postigli ukupne koristi odnosa

sa svojim kupcima.

Utjecajem financijskih koristi mjerenih u povratu na imovinu (engl. Return on Asset – ROA)

te u povratu na prodaju (engl. Return on sales – ROS) od implementacije IT-a u SCM u

svojem su se istraživanju141 bavili Dehning et al. (2007., p. 806-824.). Njihovi su rezultati

pokazali da su analizirana poduzeća povećala bruto maržu, obrtaj zaliha, tržišni udio, povrat

na prodaju te su reducirali generalne, prodajne i administrativne troškove. Još su bolji rezultati

uočeni kod visokotehnoloških industrija, a autori pretpostavljaju da je razlog sposobnost tih

poduzeća u bržem kretanju tihih informacija kroz SCM procese, unutar i izvan granica

poduzeća kako bi se moglo brže reagirati na nepredviđene događaje. Odnos SCM-a,

informacijskog sustava te faktora koji ih sprečavaju i omogućavaju bio je predmet

istraživanja142 koje su proveli Bayraktar et al. (2009., p. 133-149.). SCM su operacionalizirali

kroz 12 vještina: blisko partnerstvo s dobavljačima, blisko partnerstvo s kupcima, opskrba na 140 Istraživanje je obuhvatilo 1.000 dobavljače prve razine orginalnih proizvođača djelova (engl. Orginal Equipment Manufacturer - OEM) u kompjutorskoj industriji. Iskoristivih je odgovora bilo 241, što je predstavljalo odziv od 24,1%. 141 Istraživanjem su obuhvaćene 123 proizvodne firme u razdodblju od 1994. do 2000. godine. Mjerene performanse uspoređivane su za razdoblje od godinu dana prije do dvije godine nakon implementacije. 142 Istraživanje je obuhvatilo 800 malih i srednjih poduzeća koja se bave proizvodnjom metalnih proizvoda i strojevima opće namjene na širem području Istanbula od kojih se odazvalo 229 odnosno 25,4%. Upitnik je bio namijenjen izvršnom menadžmentu SCM-a i IS-a.

159

vrijeme (JIT), e-nabava, vanjska usluga, podizvođači, 3PL (engl. Third party logistic),

strateško planiranje, usporedba s najboljim opskrbnim lancima, nekoliko dobavljača, puno

dobavljača, te držanje sigurnosnih zaliha. IS su definirali kroz 13 elemenata, faktore koji

sprečavaju kroz sedam, one koji omogućavaju kroz osam, te operativne performanse kroz

sedam varijabli (smanjenje vremena proizvodnje, preciznost predviđanja, bolje planiranje

resursa, bolja operativna učinkovitost, sniženje zaliha, ušteda te točniji troškovi). Istraživanje

je pokazalo:

� praksa SCM-a pozitivno utječe na operativne performanse;

� praksa IS-a također pozitivno utječe na operativne performanse;

� postoji značajno negativan utjecaj faktora koji sprečavaju postizanje operativnih

ciljeva SCM-a i IS-a;

� elementi koji omogućavaju odnos SCM-IS imaju moderirajući efekt na odnos SCM-a i

operativnih performansi.

Ključnim doprinosom autori drže empirijsko testiranje liste faktora koji sprečavaju i

omogućavaju odnos SCM-IS kako bi ih menadžment malih i srednjih poduzeća mogao

prepoznati te poduzeti aktivnosti sukladno potrebama tvrtke. Karkkainen et al. (2007., p. 264-

286.) istražili143 su kako i zašto poduzeća koriste međuorganizacijski IS u upravljanju

opskrbnim lancem. Temeljem svojih zaključaka, predložili su tri kategorije korištenja, kao i

njihove vodiče (engl. Drivers):

� za transakcijski proces; sniženje troškova i manualnog rada, unapređenje kvalitete

informacija, ubrzanje transfera informacija, visoki volumen transakcija te kontinuitet

poslovnog odnosa;

� za planiranje i suradnju unutar opskrbnog lanca; potrebna podrška specifičnoj

kolaborativnoj potražnji te upravljanju zalihama;

� za praćenje narudžbi i koordinaciju isporuka; projektna orijentacija i tranzitna

konsolidacija.

Pereira (2009., p. 372-379.) proučavanjem objavljenih radova na temu odnosa IT-a,

upravljanja informacijama (engl. Information management - IM) i SCM-a zaključio je kako je

potrebno razviti prikladnu strategiju opskrbnih lanaca koja će im omogućiti da istovremeno

budu čvrsti i elastični ne narušavajući im pritom efikasnost. U tom smislu, IT predstavlja

jedan od temeljaca koji podržavaju IM u opskrbnom lancu jer predstavlja alat koji će pomoći 143 Istraživanje je napravljeno na temelju 16 studija slučajeva finskih poduzeća.

160

menadžmentu da ubrza protok povećane količine informacija kroz lanac. Smatra da buduća

istraživanja trebaju naći odgovore na pitanja kako modelirati odnos IM-a, IT-a i

nepredviđenih događaja i izvora nestabilnosti u opskrbnom lancu, te kako modelirati IT da

potiče bolji IM kako bi dodao vrijednost opskrbnom lancu?

Stoel i Muhanna (2009., p. 181-189.) proučavali144 su koliko tri industrijske karakteristike

(dinamizam, izdašnost i kompleksnost) utječu na različite mogućnosti IT-a na mjerenje

financijskih performansi. Organizacijske IT sposobnosti definirali su kao kompleksan skup IT

resursa, sposobnosti i znanja koji se primjenjuju u poslovnim procesima, a omogućavaju

poduzeću koordinaciju aktivnosti i korištenja IT imovine za postizanje željenog rezultata. Ove

se sposobnosti dijele na interne (pomoću kojih poduzeće nudi proizvode i usluge uz

minimalne troškove) i eksterne (pomoću kojih poduzeće pravovremeno reagira prema

kupcima i dobavljačima). Performanse su mjerili s većim brojem pokazatelja: povratom na

prodaju (ROS), povratom na imovinu (ROA), operativnim prihodom na prodaju (engl.

Operating income to sales – OIS), operativnim prihodom na imovinu (engl. Operating income

to assets - OIA), operativnim prihodom na zaposlene (engl. Operating income to employees -

OIE), troškom prodane robe (engl. Cost of goods sold to sales - COG/S), troškom prodaje i

generalne administracije (engl. Selling and general administration expense to sales – SGA/S).

Rezultati su pokazali kako utjecaj IT sposobnosti ovisi o karakteristikama industrijske okoline

u kojoj se poduzeće natječe, odnosno:

� relacija između eksterne IT sposobnosti i performansi poduzeća snažnija je u

turbulentnim uvjetima (dinamizam) nego u stabilnim uvjetima;

� relacija između eksterne IT sposobnosti i performansi snažnija je u poduzećima koja

djeluju u okruženjima koje karakterizira visok dinamizam, visoka izdašnost te visoka

kompleksnost.

Iako koristi nisu sporne, potrebno je voditi računa da se u implementaciji novih

informacijskih tehnologija stvari ne razvijaju uvijek kako su planirane. Značajne

karakteristike ovih inovacija jesu: skupa cijena, dugotrajnost i problematičnost (Swanson,

2012., p.77.). Kao prilog ovoj ocjeni zanimljivo je proanalizirati dva istraživanja sustava

podrške upravljačkoj funkciji (engl. Enterprise Resource Planning – ERP). Hunton et al.

144 Za istraživanje im je poslužila godišnja lista 500 poduzeća s izvrsnim IT sposobnostima koju izdaje časopis Information Week. Lista se formira temeljem saznanja o primjeni i kreativnom korištenju tehnologije koja pomaže kreiranju značajnih poslovnih vrijednosti.

161

(2003., p. 165-184.) uspoređivali145 su poduzeća koja primjenjuju i ona koja ne primjenjuju

ERP sustave kroz četiri pokazatelja; povrat na imovinu (ROA), povrat na prodaju (ROS),

obrtaj imovine (ATO), povrat na investicije (ROI). Njihovi su rezultati pokazali:

� ROA, ROI i ATO su statistički značajno bolji kod poduzeća koja primjenjuju ERP

(nakon tri godine primjene) u odnosu na ona koja ga ne primjenjuju;

� prosječni trogodišnji ROI i ROA su statistički značajno veći kod poduzeća koja

primjenjuju ERP;

� performanse poduzeća koja primjenjuju ERP se nisu statistički značajno promjenila

uspoređujući razdoblje prije i poslije implementacije, ali su se pogoršale kod onih koji

ne primjenjuju ERP;

� postoji pozitivna (negativna) veza između financijskog zdravlja i performansi (ROA,

ROI i ROS) za mala (velika) poduzeća.

U odnosu na prezentirane nalaze, Wieder et al. (2006., p. 13-29.) u svom su istraživanju146

došli do drugačijih rezultata. ERP su operacionalizirali kroz tri dimenzije: njegovo uvođenje,

povjest i proširenje prema SCM-u. Zavisne varijable su ključni pokazatelji performansi

opskrbnog lanca (SCOR model) i poduzeća (ROA, ROI, ROS). Najvažniji zaključci ovog

istraživanja jesu:

� nije utvrđena statistički značajna razlika performansi između poduzeća koja

primjenjuju ERP i onih koji ga ne primjenjuju, niti u domeni elemenata opskrbnog

lanca;

� duža primjena ERP-a pozitivno utječe na performanse poduzeća međutim, to nisu

mogli utvrditi i za opskrbni lanac.

145 Istraživanje je provedeno na uzorku od 63 poduzeća kojima su se mjerili financijski pokazatelji za razdoblje od tri godine prije implementacije te tri godine nakon implementacije. U uzorak su uzeta dodatna 63 poduzeća koja ne primjenjuju ERP zbog kontrole utjecaja makroekonomskih uvjeta na postignute rezultate. 146 Istraživanje je provedeno na uzorku od 1874 australska poduzeća od kojih se dobilo 106 odgovora što predstavljala odziv od 5,7%.

162

1.3. E-poslovanje

E-poslovanje (engl. E-business) podrazumijeva onakav suvremeni oblik organizacije

poslovanja tvrtke ili ustanove koja se zasniva na intenzivnoj primjeni informacijske i,

posebice, internetske tehnologije pri obavljanju svih ključnih, odnosno jezgrenih (engl. Core)

poslovnih funkcija (Panian, 2003., p. 45.). Prema Garači (2009., p. 147.), učinkovita i

djelotvorna implementacija upravljanja lancem opskrbe može se ostvariti samo intenzivnim

razvojem i primjenom e-poslovanja, a klasifikacija se može izvršiti kroz sljedeće modele

(Bloomberg et al., 2006., p. 242; Waters, 2007., p. 65; Garača, 2008., p. 148-151.):

� B2B (engl. Business to Business) - označava potpunu elektroničku povezanost

poslovanja između članova, a njegovo korištenje omogućuje znatno smanjenje

ukupnih troškova poslovanja uz povećanu produktivnost i u konačnici povećanje

profita. Primjena ovog modela treba osigurati potpunu suradnju koja uključuje

dijeljenje potrebnih i relevantnih informacija, a njegova suština jest e-trgovanje,

elektronička integracija tržišta te obavljanje poslovnih transakcija. Najprivlačniji dio

ovog poslovanja jest povećanje efikasnosti kroz smanjenje troškova;

� B2C (engl. Business to Customer) - važan je za krajnje elemente lanca, odnosno za

trgovanje s krajnjim kupcem ili potrošačem, a pretpostavlja posjedovanje B2B modela

radi poslovanja sa svojim dobavljačima. Ovo je najrasprostranjeniji model e-

poslovanja, a uglavnom se odnosi na e-prodaju, e-trgovinu te e-marketing;

� B2R (engl. Business to Reseller) - predstavlja podmodel B2B modela, a služi za

poslovanje s distributivnim lancima;

� C2C (engl. Customer to Customer) – nastaje kao posljedica izravnog trgovanja između

fizičkih osoba kao prodavača i kupaca koji se nalaze u kategoriji krajnjih potrošača.

Earl (2000., prema Spremić, 2003., p. 106.) je evolucije e-poslovanja podijelio u šest faza:

vanjske komunikacije (fokus je na internetu), unutarnje komunikacije, e-trgovina, e-

poslovanje, e-poduzeće te transformacija prema poslovnim modelima nove ekonomije. Prema

Handfieldu i Nicholsu (2002., p. 19-21.), poslovni će sistemi evoluirati od onih gdje je

dobavljač u centru prema onima u kojima je kupac u centru tako da progresiju vide kroz četiri

faze: prisutnost weba, e-trgovina, isporuka podataka te automatizacija. Kalakota i Robinson

(2001., p. 322-323.) drže da e-poslovanje omogućuje tvrtkama sve četiri evolutivne faze

SCM-a: razmjenu informacija, izgradnju zajedničkih sustava mjerenja učinkovitosti i

163

planiranja, bolju suradnju te redizajn proizvoda i procesa. Prema njima, glavni su trendovi

koji upravljaju e-poslovanjem (Kalakota i Robinson, 2001., p. 42.):

� kupac; brži servis, samousluživanje, veći izbor proizvoda, integrirana rješenja;

� e-samousluživanje; integrirana prodaja i servis, glatka podrška, fleksibilno

ispunjavanje narudžbi i pogodno servisiranje kupca, povećana preglednost procesa;

� organizacija; izmještanje poslovanja u vanjsko okruženje, proizvodnja po ugovoru,

virtualna distribucija;

� zaposlenik; vrbovanje najboljih i najpametnijih, zadržavanje talentiranih;

� tehnologija za poslovanje poduzeća; integrirane aplikacije, integracija većeg broja

kanala, posredničke aplikacije;

� opća tehnologija; bežične web aplikacije, pokretni uređaji za obradu i razmjenu

informacija, konvergencija sastavnica infrastrukture i pružatelji aplikacijskih servisa.

Koncept e-poslovanja primjenjiv je u mnogim poslovnim djelatnostima, no najuspješnije u

primjeni ovog koncepta bile su djelatnosti: e-prodaja, e-trgovanje, e-bankarstvo, e-zabava, e-

izdavaštvo te e-marketing (Garača, 2008., p. 145.). Johnson i Whang (2002., p. 413-423.)

istraživali147 su odnos e-poslovanja i upravljanja opskrbnim lancem. Temeljem svojih nalaza,

e-poslovanje su kategorizirali kroz tri forme: e-trgovinu (pomaže mreži partnera opskrbnog

lanca identificirati i brzo odgovoriti na promijenjene kupčeve zahtjeve prikupljene preko

interneta), e-nabavu (omogućuje kompanijama korištenje interneta za izravnu ili neizravnu

nabavu materijala, kao i upravljanje servisom poput transporta, skladištenja, plaćanja,

kontrole kvalitete i dokumentacija), te e-suradnju (olakšavanje koordinacije različitih odluka i

aktivnosti izvan transakcijske domene među partnerima opskrbnog lanca korištenjem

interneta). Teo i Choo (2001., p. 67-83.) bavili su se utjecajem interneta na kvalitetu

informacija poslovne inteligencije. U svom su istraživanju148 njegov utjecaj operacionalizirali

kroz tri dimenzije: istraživanje (sastoji se od primarnog koje podrazumijeva prikupljanje

novih podataka i sekundarnog koje se odnosi na istraživanje već prikupljenih podataka za

neke druge svrhe), interno korištenje (sastoji se od unutrašnje suradnje i distribucije) i vanjsko

korištenje (koje podrazumijeva vanjsku suradnju i distribuciju). Prema njihovim rezultatima:

� postoji statistički značajna pozitivna veza između korištenja interneta za istraživanje i

kvalitete informacija poslovne inteligencije;

147 Istraživali su članke objavljene na temu e-poslovanja i SCM-a u razdoblju od 2000. do 2002. godine. 148 Istraživanje je provedeno na uzorku od prvih 600 singapurskih kompanija s popisa „Singapore 1000“ od kojih se dobilo 129 odgovora što predstavlja odziv od 21,5%.

164

� nije utvrđeno postojanje značajne veze između internog korištenja interneta za

suradnju i distribuciju i kvalitete informacija PI-e;

� postoji statistički značajna veza između vanjskog korištenja interneta za suradnju i

distribuciju i kvalitete informacija PI-e;

� veća kvaliteta informacija poslovne inteligencije unapređuje strateške performanse

poduzeća.

Ključne razlike između aktivnosti upravljanja tradicionalnim projektima i projektima

implementacije koncepta e-poslovanja prikazuje tablica 16.

Tablica 16. Ključne razlike upravljanja tradicionalnim i projektima implementacije e-poslovanja

Ključno obilježje Tradicionalno upravljanje projektima Upravljanje projektima implementacije e-poslovanja

Ciljevi Usko postavljeni i fiksirani Široko postavljeni i promjenjivi

Opseg Uzak Širok, s tendencijama daljnjeg širenja

Radni zadaci osoblja U pravilu, redovni radni zadaci, u punom radnom vremenu

Najčešće kao dodatni zadaci uz redovne radne zadatke

Kriti čni put Fokusiranje na najduži put Fokusiranje na rizične zadatke; najduži put je važan, ali ne i kritičan

Tehnologija Podržavajuća uloga Ključna uloga

Zahtjevi Stabilni Dinamički i promjenjivi

Trajanje početnog projekta Godinu dana i više Manje od godinu dana, nerijetko nekoliko mjeseci

Tip završetka Uglavnom jednokratni Neprekidni i trajni

Završetak projekta Projekt završava s dosizanjem ključnih ciljeva

Dosizanje postavljenih ciljeva uvjetuje utvrđivanje novih

Povezanost s drugim projektima

ograničena Intenzivna, zbog dijeljenja zajedničkih resursa

Struktura zadataka Mnogo slijednih zadataka Mnogo usporednih zadataka

Stavovi osoblja Obično podržavajući Nerijetko odbojni

Izvor: Panian, Ž.: Odnosi s klijentima u e-poslovanju, Sinergija nakladništvo, Zagreb, 2003., p. 49.

165

Spremić (2003., p. 111-119.) istraživao149 je praksu e-poslovanja (koju definira kao korištenje

interneta za povezivanje s kupcima, partnerima i dobavljačima, te prihvaćanje novih

organizacijskih pravila kako bi se efikasnije poslovalo) u najvećim hrvatskim kompanijama.

Prema njegovim rezultatima, hrvatska poduzeća ne uviđaju e-poslovanje kao važnu inovaciju

koja će radikalno promijeniti poslovanje, ali shvaćaju evoluciju u tom pravcu. Uočeni

problemi implementacije jesu:

� manje od trećine inicijativa za uvođenje e-poslovanja dolazi od menadžmenta;

� samo trećina analiziranih poduzeća ima strateški plan za e-poslovanje;

� loši, odnosno, nedovoljni temelji za ovakav tip poslovanja.

Usporedbe radi sa Spremićevim podacima o hrvatskim poduzećima, u Velikoj Britaniji je

2000. godine 83% dobavljača koristilo B2B modele (MRO, 2001., prema Waters, 2007., p.

65.). Swaminathan i Tayur (2003., p. 1387-1406.) uočavaju kako je pojava e-poslovanja

kreirala nekoliko izazova i mogućnosti u okruženju opskrbnog lanca. Internet je povećao

mogućnosti kupnje proizvoda i usluga bez odlaska u trgovinu, što znači da vrijeme realizacije

određuje koliko će kupac čekati između prodaje i isporuke pa se ekstremno povećava

odgovornost SCM-a. Nadalje, u e-okruženju kupčeva očekivanja u pogledu brzine i vremena

također rastu, a istovremeno se otvaraju nove prilike u tradicionalnom segmentu opskrbnog

lanca zahvaljujući mogućnosti razmjene informacija; izbor dobavljača, e-nabava, uspostava

protokola razmjene informacija; sinergijskih efekata; udruživanje radi utjecaja na rizik...

Wagner et al. (2003., p. 343-354.) istraživali150 su odnos e-poslovanja i e-opskrbnih strategija.

Iako je ovdje riječ o malom uzorku, zanimljivi su njihovi nalazi: uvođenje e-poslovanja

većinom je diktirano od strane kupaca, dobavljači jačih kupaca nisu imali puno izbora nego

prihvatiti uvođenje e-poslovanja kako bi zadržali poslove; bilo je za očekivati da poduzeća u

visokotehnološkim industrijama imaju veći udio u e-poslovanju nego je to slučaj kod onih s

nižom tehnološkom razinom, što je također slučaj u poduzeća kćeri jačih i većih kompanija. U

istraživanju je zamijećeno kako kupci očekuju više informacija od dobavljača; međutim, nisu

prepoznali da će obostrana razmjena informacija poboljšati obostrani potencijal. Faktori koji

dominantno utječu na koristi od uvođenja jesu: cijena implementacije, kulturološke promjene

i trening osoblja, razvoj kupaca i dobavljača te nedostatak tehnoloških vještina unutar

149 Uzorak u ovom istraživanju predstavljalo je 400 najvećih poduzeća prema podacima „Privrednog vjesnika“ za 2001. godinu, a odazvalo se 116 poduzeća, što predstavlja stopu odziva od 27%. 150 Uzorak u ovom istraživanju činilo je 120 malih i srednjih škotskih poduzeća (SMEs) smještenih u centralnom pojasu, od čega je njih 20 pristupilo dubinskom intervjuiranju.

166

poduzeća. Hill i Scott (2004., p. 48-57.) u istraživanju151 uloge poslovne inteligencije i e-

poslovanja u unapređenju kvalitete odlučivanja ustanovili su: kvalitetno odlučivanje jest

snažno ovisno o ažuriranju prikupljenih informacija iz niza uglavnom nepovezanih izvora,

poduzeća prepoznavaju potrebu efikasnog marketinga i upravljanja informacijskim sustavom,

poduzeća imaju zanimljive izvore podataka ali s njima se ne upravlja efikasno, poduzeća

veliku vrijednost poklanjaju osobnim kontaktima te poduzeća shvaćaju važnost PI i e-

poslovanja. Koh i Maguire (2004., p. 338-348.) istraživali152 su primjenu e-poslovanja u

malim i srednjim poduzećima Velike Britanije. Njihovi su rezultati ukazali na porast primjene

e-poslovanja kod B2B i B2C aktivnosti; međutim, zaključuju kako promatrana poduzeća

generalno nisu svjesna kako se znanje može kreirati kroz e-poslovanje.

Croom (2005., p. 55-73.) u svojem istraživanju153 definira e-poslovanje kao korištenje sistema

i otvorenih kanala za razmjenu informacija, komercijalne transakcije te dijeljenje znanja

između organizacija. Rezultati su pokazali glavne ciljeve strategije implementacije e-

poslovanja: integracija SCM-a, pritisak na cijene i redukcija troškova, razvoj znanja i učenja,

intelektualno vlasništvo i kontrola informacijskog toka, te brzina poslovnih promjena.

Upravljanje znanjem pokazalo se značajnim u dvije domene: klijentskoj inteligenciji i

inoviranju proizvoda. Najvažnije aktivnosti međuorganizacijskog sistema (engl. Inter

organizational systems - IOS) jesu: e-mail, stranice weba, prenos sredstava, elektronska

razmjena podataka (engl. Electronic data interchange - EDI), MS Outlook, Lotus notes,

razmjena znanja, upravljanje odnosima s kupcima (CRM), te tvrtkino planiranje resursa (engl.

Enterprise resource planning – ERP). Najveće koristi od strategije realizacije jesu:

unaprijeđena usluga prema kupcu, unaprijeđen informacijski tok te financijske koristi;

suprotno, najveće su prepreke: razvojni troškovi, integracijska kultura te potrebno vrijeme.

Temeljem ukupnih rezultata istraživanja napravljen je prikaz evolucije e-poslovanja u SCM-u

kroz pet faza, koje su prikazane u tablici 17.

151 U istraživanju je sudjelovalo 11 visokotehnoloških kompanija iz Sjeverne Irske. 152 Uzorak je predstavljalo 126 poduzeća, od kojih je dobiveno 108 odgovora, što predstavlja stopu odgovora od zavidnih 86%. Upitnik je bio namijenjen voditeljima IT sektora odnosno poslovanja. 153 Istraživanjem je obuhvaćeno 92 kompanije (najpoznatije među njima su: AT&T, BAA, Dell Computers, Ford Motor Company, Heinz, IBM, Lloyds, Nestle, Pepsi Co., P&G, Sony Corporation, Unilever), te je dodatno napravljano šest studija slučajeva.

167

Tablica 17. Faze evolucije e-poslovanja u upravljanju opskrbnim lancem

1 2 3 4 5

Fokus B2C B2B reinženjering

procesa B2X154

transparentni cjevovod

Sistemi e-mail, web,

EDI CRM

planiranje resursa

e-nabava e-realizacija

Procesi prodaja za

naplatu upravljanje odnosima

planiranje procesa i

kontroling

upravljanje opskrbnom

bazom

integrirana logistika

Strategije rast prodaje strateško

upravljanje računovodstvom

operativna unapređenja

nabava opskrbni lanac

Primarni cilj unaprijediti

pristup kupcu segmentacija

kupaca

operativna koordinacija, planiranje i

kontrola

upravljanje opskrbom

integrirano upravljanje materijalima

Informacijski fokus

kanalska tehnologija

klijentska inteligencija

procesni i proizvodni

podaci

nabavne procedure

logistička koordinacija

Glavni procesni

imperativi novčani tok kupčev portfolio

operativni troškovi

ukupni troškovi akvizicije

odgovornost

% 84 54 37 29 12

Izvor: Croom, Simon R.: The Impact of e-business on supply chain management – An empirical study of key developments, International Journal of Operations & Production Management, 2005., 25 (1), p. 70 i 71.

Prema Watersu (2007., p. 65.), e-poslovanje nije samo unaprijedilo nabavu već je omogućilo

potpuno nove tipove logistike gdje se važnost pomakla s fizičkih materijala prema

informacijama. Johnson et al. (2007., p. 1260.) u sklopu svojeg istraživanja155 korištenja

tehnologije e-poslovanja u opskrbnim lancima prikazali su nekoliko zanimljivih rezultata

prethodnih istraživanja:

� Mukhopadhayay et al., 1995., rezultat primjene EDI-a jest ušteda troškova;

� Frochlich, 2002., ustanovio je pozitivnu vezu između dobavljačeve i kupčeve e-

integracije i e-poslovanja s operativnim performansama;

� Boyer i Olson, 2002., nabava preko interneta vodi do koristi u performansama;

154 B2X predstavlja poveznicu s horizontalnom i vertikalnom (tipično vanjskom) razmjenom. 155 Uzorak je sastavljen od 640 velikih proizvođačkih i uslužnih poduzeća iz SAD-a (562) i Kanade (78), a odazvala su se 284 poduzeća, što predstavlja odziv od 44%. Osim provedenog istraživanja autori su također obradili četri studija slučaja.

168

� Wu et al., 2003., zaprimanje on-line narudžbi i e-nabava ne utječu na performanse,

usvajanje e-poslovanja u ulaznim i izlaznim komunikacijama utječe na performanse;

� Barua et al., 2004., on-line informacijske sposobnosti na kupčevoj strani vode prema

unapređenju financijskih performansi, dok identične sposobnosti na opskrbnoj strani

ne vode prema unapređenju tih performansi.

Performanse su u svojem istraživanju mjerili s dvije varijable: povrat na imovinu (ROA) i

povrat na prodaju (ROS), dok su operacionalizaciju tehnologije e-poslovanja predvidjeli kroz

dvije forme: transakcijsku i relacijsku. Faktorska je analiza ovo upotpunila jer se transakcijska

dimenzija dodatno podijelila na uparenu koordinaciju (engl. Dyadic coordination) i

određivanje cijene (engl. Price determination). Rezultati ovog istraživanja jesu interesantni

(Johnson et al., 2007., p.1264-1272.):

� uparena koordinacija (elektronska/on-line sistem narudžbi, elektronski/on-line katalog

dobavljača, elektronska povezanost s dobavljačima u realnom vremenu, elektronska

razmjena podataka) jest najkorištenija tehnologija;

� širenjem razvoja strateških resursa, posebno internih i kupčevih timova, širi se

korištenje tehnologija e-poslovanja;

� posljednje, što je zanimljivo praktičarima, e-poslovne tehnologije usmjerene prema

smanjenju troškova uparene koordinacije rezultiraju poboljšanjem performansi.

Sanders (2007., p. 1332-1347.) također je istraživala156 odnos tehnologija e-poslovanja na

organizacijsku suradnju (vanjsku i unutarnju) i performanse. Za potrebe rada definirala je

korištenje tehnologija e-poslovanja kao korištenje interneta, weba, te drugih web aplikacija za

provođenje unutarnjih i vanjskih poslovnih procesa. Organizacijske su se performanse mjerile

kroz četiri pokazatelja: troškovi, kvaliteta, isporuke i vrijeme uvođenja novog proizvoda.

Rezultati su pokazali:

� korištenje tehnologija e-poslovanja izravno i neizravno značajno utječu na

performanse; suradnja predstavlja rezultat ljudske interakcije koja može biti podržana

s informacijskom tehnologijom ali nikako zamijenjena s njom;

� pokazatelj značajnosti utjecaja unutarorganizacijske suradnje na performanse sugerira

da poduzeća trebaju investirati u strategije koje promiču unutarnju suradnju i

integraciju;

156 Uzorak je obuhvaćao 2.000 velikih industrijskih poduzeća u SAD, a dobiveno je 245 odgovora što predstavlja odziv od 12,3%.

169

� obzirom da je model dokazao utjecaj vanjske suradnje na unutarnju, angažmanom u

međuorganizacijskoj suradnju automatski se potiče i unutarnja pa se sinergijom djeluje

na performanse.

Borges et al. (2009., p. 863-890.) temeljem istraživanja157 utjecaja IT-a na marketinšku

orijentaciju u e-poslovanju tri studija slučaja zaključili su kako strateško razumijevanje o

najboljem načinu korištenja IT-a jest ono što kreira konkurentsku prednost. Prema njima,

marketinška orijentacija podrazumijeva prikupljanje i distribuiranje market intelligencea (MI)

od strane poduzeća te njegov odgovor na tržišna događanja. Zaključuju, za poticanje uspjeha

e-poslovanja menadžment treba fokus korištenja IT-a usmjeriti prema aktivnostima MI-a.

Temeljem svojih analitičkih sposobnosti da razumije MI tvrtka će bit u stanju definirati

adekvatniji odgovor prema tržištu koji će koristiti IT da doda vrijednost za klijenta.

Chen et al. (2009., p. 879-886.) istraživali158 su utjecaj između tehnologija e-poslovanja,

tvrtkinog znanja, prakse opskrbnog lanca te konkurentskih performansi. Performanse su

mjerene kroz četiri pokazatelja: troškovi, kvaliteta, isporuka, fleksibilnost159. Organizacijsko

se znanje mjerilo samo kroz dva pokazatelja; znanje o zalihama s dobavljačima i kupcima te

odluke o planiranju proizvodnje i predviđanje potražnje s kupcima i dobavljačima. Rezultati

su pokazali:

� organizacijsko znanje ima pozitivan učinak na praksu opskrbnog lanca koja pozitivno

utječe na operativne performanse;

� organizacijsko znanje i tehnologije e-poslovanja su međusobno utjecajne;

� tehnologije e-poslovanja igraju važnu ulogu u dijeljenju znanja.

Zaključno, rezimiraju da stvaranje organizacijskog znanja kroz e-poslovanje omogućava

njegovo značajno dijeljenje i difuziju između članova opskrbnog lanca te efikasno

unapređivanje prakse opskrbnog lanca kako bi se uskladila s konkurentskim performansama.

157 Tri studije slučaja se odnose na dva najveća maloprodajna lanca u Brazilu; Sonae Brasil (kupio ga je Wall-Mart) i Pao de Acqucar, te Subramano koja je u to vrijeme bila najveća dot.com kompanija u Brazilu. 158 U ovom su istraživanju usvojeni rezultati iz baze IMSS-a (International Manufacturing Strategy Surveys). Analizirana su 522 uzorka velikih proizvođača iz 23 zemlje. 159 Za primijetiti je kako se ovi elementi razlikuju u samo jednom pokazatelju u odnosu na one koje je koristila Sanders; umjesto fleksibilnosti ona je koristila vrijeme uvođenja novog proizvoda, a i to se može na određeni način promatrati kao fleksibilnost.

170

1.4. Integracija

Sinkronizirane logističke aktivnosti između članova lanca kreiraju vrijednosti za krajnjeg

korisnika snižavajući troškove povezane s redundancijom i umnožavanjem. Integracija

logističkih sposobnosti i resursa različitih entiteta opskrbnog lanca pozicionira cijeli lanac

prema boljem servisiranju odabranih kupaca zahtijevajući dramatično novi način razmišljanja

i djelovanja (Stank et al., 2001., p.32.). Integracija je izuzetno važna s obzirom na

karakteristike odnosa unutar lanca jer se njegova kompleksnost eksponencijalno povećava

rastom broja sudionika i proizvoda (Rabelo et al., 2002., p. 2.). Bowersox, Closs i Stank

(1999., prema Rabelo i Clark, 2002., p. 33-34.) razvili su okvir šest kritičnih kompetencija

integracije opskrbnog lanca, a svaka od njih obuhvaća jedinstvene funkcijske sposobnosti

koje odražavaju organizacijsko znanje i iskustvo bitno za razvoj logističkih prepoznatljivosti:

� integracija kupaca - izgradnja trajne prepoznatljivosti s kupcima;

� interna integracija - sposobnost povezivanja internih radova u bešavne procese za

potporu kupčevim zahtjevima;

� integracija materijala / servisa dobavljača - sposobnost povezivanja vanjskih radova u

bešavno slaganje s internim procesima;

� tehnološka i integracija planiranja - sposobnost održavanja IS za podršku širokom

spektru operativnih konfiguracija potrebnih za servisiranje različitih tržišnih

segmenata;

� integracija mjerenja - razvoj i održavanje mjernih sustava koji pomažu parcijalne

strategije i procese;

� integracija odnosa, sposobnost razvoja i održavanja zajedničkog mentalnog okvira s

kupcima i dobavljačima međuovisnosti poduzeća i načela suradnje.

Stank et al. (2001., p. 32-46.) testirali160 su navedeni okvir, kao i odnos njega i performansi

poduzeća koje su operacionalizirane kroz 13 varijabli: ranija obavijest o dospijeću,

zadovoljstvo kupca, pouzdanost dostave, brzina dostave, fleksibilnost vremena isporuke,

obrtaj zaliha, podrška IS-a, niži logistički troškovi, kapacitet ispunjenja narudžbi, fleksibilnost

narudžbi, fleksibilnost proizvodnje (prilagodba kupcu), odgovornost prema ključnim kupcima

160 Mjere za ovo istraživanje izvedene su kroz pilot testiranje skoro 3.700 sudionika iz Sjeverne Amerike, Europe te regije pacifičkog oceana (Pacific Rim). Kroz 26 studija slučaja razvijene su mjere za perspektivu opskrbnog lanca. Upitnik je poslan u sva poduzeća (proizvodna i distribucijska) Sjeverne Amerike koji su članovi CLM-a (Council of Logisitic Management) tako da se uzorak sastojao od 2.680 poduzeća, od kojih je 306 odgovorilo, pa je postignuta stopa odziva bila 11,4%.

171

te povrat na imovinu (ROA). Rezultati su pokazali da kupčeva integracija (koja je značajni

prediktor šest varijabli performansi) predstavlja najkritičniju poveznicu s unapređenjem

performansi. Druga po važnosti pokazala se interna integracija (koja je značajni prediktor

četiri varijable performansi), što znači da se menadžment koji želi postići kvalitetnu

integraciju sa svojim kupcima treba potruditi da se cijelo poduzeće integrira. Zaključno se

može ustvrditi kako je istraživanje pokazalo da unaprijeđena integracija opskrbnog lanca vodi

prema boljim performansama.

Lee i Whang (2001.) istraživali su odnos e-poslovanja i integracije opskrbnog lanca kroz

četiri dimenzije: informacijska integracija, sinkronizacija planiranja, koordinirani radni slijed

te novi poslovni modeli, što je prikazano u tablici 18.

Tablica 18. Dimenzije integracije opskrbnog lanca

Dimenzije Elementi Koristi

Informacijska integracija

� Djelenje informacija i transparentnost

� Izravni i pravovremeni pristup

� Smanjeni efekt biča � Rana detekcija problema � Brži odgovor � Izgradnja povjerenja

Sinkronizirano planiranje

� Suradničko planiranje, predviđanje i nadopuna

� Zajednički dizajn

� Smanjeni efekt biča � Niži troškovi � Optimalno korištenje kapaciteta � Unaprjeđene usluge

Koordinacija radnog slijeda

� Koordinirana proizvodnja, planiranje i operacije, nabava, obrada narudžbi, inženjerske promjene i dizajn

� Integrirani, automatizirani poslovni procesi

� Dostizanje efikasnosti i preciznosti � Brži odgovor � Unaprjeđeni servis � Ranije vrijeme za tržište � Razgranata mreža

Novi poslovni modeli

� Virtualni resursi � Logističko restrukturiranje � Maksimalna prilagodba kupcu � Nove usluge � Klikni i baci modeli

� Bolje korištenje imovine � Povećana efikasnost � Ulazak na nova tržišta � Kreiranje novih proizvoda

Izvor: Lee, H.L., Whang, S.: E-Business and Supply Chain Integration, Standford Global Supply Chain Forum, SGSCMF-W2-2001, novembar 2001., p. 3.

Najvažnije odrednice njihovog izlaganja jesu:

� integracija ne može biti kompletna bez čvrste veze među kompanijama, odnosno

suradnje inspirirane temeljem percepcije o zajedničkoj koristi;

172

� za osiguranje da je opskrbni lanac vođen potražnjom, razmjena informacija predstavlja

kritični moment, što se pozitivno odražava na problem efekta biča;

� informacijsko čvorište (engl. Information hub) predstavlja rješenje za razmjenu

podataka, a predstavlja središte mreže kroz koje organizacije međusobno djeluju u

provođenju integracije opskrbnog lanca, s mogućnošću spremanja podataka te

procesuiranja informacija; upravo ono treba osigurati nesmetan tok informacije

pravom partneru u pravo vrijeme;

� poput razmjene informacija, zajedničko planiranje, predviđanje i nadopunjavanje

svim sudionicima višestruko se isplati, što je potvrđeno rezultatima istraživanja161;

� aplikacije e-poslovanja mogu pružiti veliku količinu potražnih podataka s potencijalno

značajnom vrijednošću pa se korištenjem rudarenja podataka, spremištima podataka te

ostalih analitičkih tehnika poduzeću može pružiti poslovna inteligencija162 od interno

generiranih izvora.

Simatupang et al. (2002., p. 289-308.) sistematizirali su četiri moda suradnje unutar

opskrbnog lanca, što su prikazani u tablici 19.

Tablica 19. Sistematizacija tipova suradnje

Obostrana suradnja

Komplementarnost Usklađenost

Fokus suradnje

Operativna povezanost Logistička sinkronizacija (Cilj: proizvodi, usluge, te logistički procesi)

Razmjena informacija (Cilj: informacija)

Organizacijska povezanost Usklađenje inicijativa (Cilj: koristi i rizici)

Zajedničko učenje (Cilj: znanje i sposobnosti)

Izvor: Simatupang, T.M., Wright, A.C., Sridharan, R.: The knowledge of coordination for supply chain integration, Business Process Management Journal, 02002., 8 (3), p. 292.

Logistička je integracija odgovorna za osiguranje usklađenosti logističkih procesa kako bi se

dostavili proizvodi ili usluge koje će zadovoljiti kupčeve želje, a to znači unapređenja koja će

prodinijeti dodanoj vrijednosti. Koordinacija razmjene informacija pokušava uspostaviti

161 Temeljem rezultata istraživanja koje su proveli Standford University i Anderson Consulting 1998. godine. 162 Autori na jednom mjestu koriste termin business intelligernce, a na drugom market intelligence, bez objašnjavanja eventualnih odnosa između njih, pa se može protumačiti da ih koriste kao sinonime.

173

zajedništvo informacija kada sudionici (vlasnici informacija) međusobno surađuju.

Usklađenost inicijativa podrazumijeva mehanizme kako bi se korist i/ili rizik povezan s

logističkom funkcijom podijelili među sudionicima lanca stimulirajući ih tako prema

postizanju veće profitabilnosti. Zajedničko se učenje bavi nastojanjima uvođenja i dijeljenja

znanja (posebno tacitnog) izvan granica poduzeća. Prema njihovom modelu, svaki od četiri

moda (preko svojih elemenata) utječe na integraciju opskrbnog lanca odnosno na njegove

operativne performanse (usluga kupcu, frekvenciju zaliha, brzinu odgovora, kvalitetu i

dostupnost proizvoda), što u konačnici utječe na financijske performanse (vrijeme pretvorbe

novca, logističke troškove, povrat neto imovine, ukupni dani opskrbe).

Prema Handfieldu i Nicholsu (2002., p. 4.), integracija e-poslovanja značajno je unaprijedila

organizacijske performanse podržavajući ključne principe poslovnog uspjeha: brži pristup

tržištu s novim proizvodima i uslugama, bolja usluga, kvalitetniji prodajni proces, niži

operativni troškovi, niži proizvodni troškovi, niži troškovi zaliha. Potrebno je naglasiti kako je

integracija također značajno povećala kompleksnost (sigurnost, pouzdanost, tolerancija

greške, vladine regulative...). Frohlich i Westbrook (2002., p. 729-745.) istraživali163 su odnos

između integracije strategija opskrbnog lanca i performansi. U radu su prezentirali četiri tipa

strateških integracija: slaba integracija, integracija opskrbe, integracija potražnje te integracija

potražnog lanca - upravljanje potražnim lancem (engl. Demand Chain Management - DCM).

Također su identificirali tri pokretača potražnje na temelju weba: pristup novim tržištima,

očekivana unapređenja internih performansi te vanjski pritisak (partnera ili konkurencije).

Njihovo je istraživanje pokazalo:

� DCM utječe na performanse kod proizvođačkih kompanija; međutim, to nije

potvrđeno za uslužna poduzeća;

� strategije vođene potražnjom motivirane su očekivanim internim unapređenjima;

� strategije vođene opskrbom motivirane su pristupima novim tržištima.

Vickery et al. (2003., p. 523-539.) istraživali164 su utjecaj integriranih strategija opskrbnog

lanca na performanse, pod čime su podrazumijevali integrativne IT i integraciju opskrbnog

lanca. Integrativne IT operacionalizirali su kroz elektronsku razmjenu podataka (EDI),

163 Podaci za istraživanje prikupljeni su iz stratificiranog slučajnog uzorka proizvođačkih i uslužnih kompanija iz Velike Britanije, a 890 prikupljenih odgovora činilo je odziv od 20%. 164 Uzorak istraživanja sačinjavalo je 150 najvećih dobavljača General Motorsa, Forda i Chryslera prema preporuci profesionalne asocijacije AIAG (Automotive Industry Action Group). Ovi dobavljači generiraju preko 90% volumena nabave sjevernoameričkih proizvođača automobila. Istraživanju se odazvalo 57 poduzeća, što predstavlja odziv od 38%.

174

integrirani IS te kompjuteriziranu proizvodnju, a integraciju opskrbnog lanca kroz partnerstvo

s dobavljačima, prisnije odnose s kupcima i kros-funkcijske timove. Performanse su mjerene

kroz tri pokazatelja: povrat na imovinu prije oporezivanja, povrat na investicije (engl. Return

on investment - ROI) te povrat na prodaju (ROS). Rezultati su pokazali izravnu pozitivnu

vezu između:

� integriranih IT i integracije opskrbnog lanca;

� integracije opskrbnog lanca i usluge kupcu;

� usluge kupcu i tvrtkinih performansi;

Iz postavljenog i testiranog modela može se zaključiti kako je utjecaj integracije opskrbnog

lanca na tvrtkine financijske performanse indirektan, odnosno, preko usluga kupcu.

Zanimljivo istraživanje165 opsega integracije (marketinga i logistike) i njezinog utjecaja na

performanse napravili su Chen et al. (2007., p. 5-21.). Priklanjaju se definiciji integracije koju

su dali Kahn i Mentzer (1998.) prema kojoj je to proces interakcije i suradnje između

različitih odjela i to ih dovodi do kohezivne organizacije. Performanse su mjerili s pet

pokazatelja: zadovoljstvo kupca, ukupna konkurentska pozicija, prodaja, neto profitna marža

te povrat na imovinu (ROA). Njihovi su rezultati pokazali kako: nije potvrđeno da suradnja

marketinga i logistike utječe na performanse poduzeća, ali ova suradnja utječe na kros-

funkcijsku integraciju, što također utječe na performanse. Može se zaključiti kako suradnja

marketinga i logistike posredno, preko kros-funkcijske integracije, utječe na performanse.

Harland et al. (2007., p. 1234-1254.) istraživali166 su prepreke u integraciji informacija u četiri

opskrbna lanca u razdoblju od četiri godine. Rezimirali su koje su se prepreke u literaturi do

tada pokazale kao najveće: nedostatak strateškog usklađenja informacijskih strategija s

lancem, veličina pojedinog poduzeća unutar lanca, nedostatak spoznaje o potencijalima e-

poslovanja te nedostatak motivacije ili nedovoljna razvijenost samih aktera. Njihovo je

istraživanje pokazalo disparitet između egzistirajućeg i planiranog korištenja e-poslovanja kod

velikih nizvodnih poduzeća u usporedbi s onim uzvodnim. Promatrana poduzeća vrlo su

oprezna, planiraju investiranje u e-poslovanje ako ih dominantni nizvodni kupci prisile;

međutim, oni ne shvaćaju punu korist koju će polučiti usvajanjem e-poslovanja.

165 434 potencijalna poduzeća s liste Fortune Top 500 i članova CSCMP-a (Council of Supply Chain Management Professionals) selektirana su u uzorak, od kojih se dobilo 125 odgovora, što predstavlja odziv od 28,8%. 166 Ovim je istraživanjem obuhvaćeno 29 malih i srednjih poduzeća (SMEs) koji su bili članovi četri različita opskrbna lanca.

175

Swafford et al. (2008., p. 288-297.) istraživali167 su izravne i neizravne odnose IT integracije,

fleksibilnosti i agilnosti opskrbnog lanca. Fleksibilnost opskrbnog lanca definirali su kao

sposobnost tvrtkinih unutarnjih funkcija u opskrbnom lancu: u razvoju, nabavi, proizvodnji i

distribuciji, dok je agilnost više fokusirana na brzinu. Zaključuju, riječ je o dva različita

koncepta, s time da fleksibilnost dolazi prije agilnosti. Performanse su mjerene kroz povrat

na imovinu (ROA), tržišni udio, profitnu maržu te odnos prodaje i zaposlenika. IT integracija

pokazuje u kojem se opsegu IT koristi za integraciju informacija i suradnju između odjela:

dizajna i razvoja, nabave, proizvodnje te logistike i distribucije. U istraživanju su identificirali

domino efekt između IT integracije koja utječe na fleksibilnost opskrbnog lanca, a ona na

agilnost koja u konačnici pridonosi boljim performansama. Također se pokazalo da nije

potvrđena izravna veza između integracije IT-a i agilnosti opskrbnog lanca. Može se zaključiti

kako poduzeća koja posjeduju integriran IT i postignutu fleksibilnost opskrbnog lanca imaju

veći potencijal za postizanje njegove agilnosti nego ona koja imaju samo integriranu IT.

Chang et al. (2008., p. 1-12.) istraživali168 su odnos međuorganizacijskog sistema (IOS)

odnosno IT investicija i performansi poduzeća (profitabilnost, produktivnosti i zadovoljstvo

kupca), te utjecaj dva moderirajuća elementa - dinamičke sposobnosti tj. integracijske

sposobnosti (IT integracija i procesna integracija) i sposobnosti suradnje (koordinacija i

monitoring). Rezultati istraživanja pokazali su da integracijske sposobnosti značajno

moderiraju utjecaj IOS-a na tvrtkine performanse. Suradničke sposobnosti djelomično

moderiraju ovaj odnos s obzirom da koordinacija značajno utječe, dok za monitoring to nije

utvrđeno. Zaključno se može ustvrditi kako IOS investicije u opskrbnom lancu s višim

stupnjem integracije i koordinacije omogućuju bolje rezultate. Speier et al. (2008., p. 21-38.)

istraživali su teorijski okvir odnosa informacijske integracije i performansi opskrbnog lanca.

Temeljem svojeg prvog postulata, smatraju da će poduzeća koja imaju višu razinu orijentacije

na opskrbni lanac (SCO) investirati u više razine integracije IS-a. Prema slici 26.

informacijska integracija može se evaluirati kao specifična komponenta tvrtkine orijentacije

na opskrbni lanac.

167 U ovom su istraživanju sudjelovala poduzeća iz SAD, a obrađen je 131 odgovor što predstavlja odziv od 20%. 168 U uzorku je bilo 825 tajvanskih poduzeća iz PC i elektronske industrije, od kojih se dobilo 145 odgovora, što predstavlja odziv od 17,57%.

176

nis

ka

← o

rije

nac

ija

na

op

skrb

ni

lan

ac →

vis

ok

a

Slika 26. Odnos između orijentacije na opskrbni lanac i integracije IS-a

Izvor: Speier, C., Mollenkpof, D., Stank, T.P.: The Role of Information Integration in Facilitating 21st Century Supply Chains: A Theory-Based Perspective, Transportation Journal, 2008., 47 (2), p. 26.

Interno povezivanje, kao prva razina informacijske integracije, podrazumijeva povezivanje

unutarnjih procesa; za razliku, od druge razine, gdje se poduzeće povezuje sa svojim

dobavljačima i kupcima razmjenjujući točne i pravovremene informacije o procesima,

narudžbama i isporukama. Na trećoj razini dva partnera aktivno surađuju koristeći informacije

za poboljšanje usluga kupcu te snižavanje troškova. Četvrta razina predstavlja proširenje

suradnje prema svim članovima lanca. Agilnost razmatraju kroz četiri dimenzije koje su dali

Goldman et al. (1995. prema Speier et al., 2008., p. 31.): fokusu prema obogaćivanju kupaca,

suradnji radi postizanja konkurentskih prednosti, organizaciji radi savladavanja promjena i

smanjenja nesigurnosti te utjecaju na učinak ljudi i informacija. Prema autorima, agilnost

poboljšava odnos između orijenacije na opskrbni lanac i integracije IS-a, koje djeluju na

performanse poduzeća.

177

Sezen (2008., p. 233-240.) istražio169 je utjecaj integracije, razmjene informacija i dizajna na

performanse opskrbnog lanca koje su operacionalizirane kroz tri dimenzije: fleksibilnost,

resursi i izlazni rezultati. Nezavisne su varijable operacionalizirane kroz pet dimenzija, uz

napomenu da je razmjena informacija podijeljena na dva dijela kako bi se posebno ocjenile

razmjene s dobavljačima i s kupcima. Rezultati su pokazali:

• integracija pozitvno i značajno korelira s fleksibilnošću i izlaznim performansama;

međutim, ne i s resusima;

• razmjena informacija i dizajn pozitivno i značajno koreliraju sa sve tri dimenzije

performansi, s tim da resursi i izlazne performanse najviše koreliraju s dizajnom, a

flaksibilnost s razmjenom informacija;

• prema rezultatima regresije, jedini značajan efekt na resurse i izlazne performanse ima

dizajn, dok integracija i razmjena informacija imaju manji utjecaj od dizajna.

Downing (2010., p. 134-137.) u svojem se istraživanju170 bavio razlikama u performansama

tri vrste poduzeća: onih koja ne koriste elektronsku integraciju opskrbnog lanca, onih koja ne

koriste web kao osnovu svoje integracije, te onih koja koriste web kao osnovu svoje

integracije opskrbnog lanca. Performanse su operacionalizirane kroz: troškove procesa,

operativni efikasnost, zadovoljstvo kupca, koordinacija, suradnja i privrženost između EDI

partnera te ukupne performanse. Njegovo je istraživanje pokazalo:

� pomicanje elektronske integracije opskrbnog lanca prema webu rezultira sniženjem

troškova;

� operativna efikasnost pokazala se najboljom kod integracije temeljene na webu;

� zadovoljstvo kupca pokazalo se najbolje kod elektronske integracije koja nije

utemeljena na webu;

� dugoročna koordinacija, suradnja i privrženost EDI partnera također se pokazala

najboljom kod integracija koje nisu utemeljene na webu.

Zaključno se može konstatirati da integracija utemeljena na webu ima niže troškove,

superiornu operativnu efikasnost, višu kooperaciju između partnera te bolje ukupne

performanse.

169 Uzorkom je obuhvaćeno 196 proizvodnih turskih poduzeća, od kojih je pristiglo 125 odgovora, što predstavlja odziv od 63,78%. 170 U uzorku je bilo 320 poduzeća (financijske usluge) primarno iz sjevernoistočnog dijela SAD, od kojih je odgovorilo 129, što predstavlja odziv od 40%.

178

Saeed et al. (2011., p. 7-42.) istraživali171 su model interorganizacijskog sistema (IOS) kod

različitih primjera integracija opskrbnih lanaca. Temeljem sveobuhvatnog pregleda literature,

IOS su operacionalizirali kroz varijable: integracije aplikacija, kompatibilnost podataka,

analitičke sposobnosti, evaluacijske sposobnosti te upozorenja. Integraciju opskrbnog lanca

konceptualizirali su kroz tri dimenzije: stratešku (do koje su mjere članovi lanca razvili

zajedničku razmjenu znanja koja olakšava inovativne aktivnosti, razmjenu novih ideja te

zajedničko djelovanje u identificiranju i implementiranju unapređenja), operativnu (do koje

mjere članovi lanca povezuju odlučivanje na različitim razinama surađujući u određenim

operativnim procesima i aktivnostima kroz razmjenu informacija) i financijsku (do koje mjere

partneri iz opskrbnog lanca zajednički investiraju u projekte od obostranog interesa). Rezultati

su pokazali da uspješna poduzeća slijede konfiguraciju IOS karakteristika prema efikasnom

razvoju i podupiru procesne mogućnosti njihovog opskrbnog lanca. Poduzeća na nižoj razini

integracije konfiguriraju svoj IOS kao podršku evaluaciji dobavljača i automatskim

upozorenjima. Što poduzeća više uzdižu razinu svoje integracije veća se pažnja posvećuje

sistemskoj integraciji, planiranju i predviđanju.

1.5. Vidljivost

Za efikasno upravljanje opskrbnim lancem menadžmentu je potrebna njegova vidljivost. Pod

time se podrazumijeva da su podaci i informacije s bilo koje njegove razine dostupni

donositelju odluka u kritičnom trenutku potrebe za njima, tako da Swaminathan i Tayur

(2003., p. 1395.) dijeljenje informacija i vidljivost navode kao sinonime. Thompson et al.

(2001., p. 3.) u svojem su istraživanju172 identificirali šest pokretača logističkih sustava

svjetske klase nazvavši ih ispunjenje izvrsnosti:

� suradnja - razmjena podataka s ključnim kupcima, dobavljačima i partnerima u

realnom vremenu, usklađenje individualnog i organizacijskog, standardizacija procesa

i izvođenja;

171 U prvom je koraku bilo 597 poduzeća slučajno odabranih iz baze ELM Guide to North American Supplier Database. U drugom je koraku bilo 254 poduzeća slučajno odabranih iz baze Dun and Bradstreet database. Ukupno je primljeno 50 odgovora, što predstavlja odziv od 6%. 172 Istraživanjem su obuhvaćena 432 SCM profesionalca, od kojih je 50% iz proizvođačke industrije.

179

� optimizacija - implementacija novih alata i procesa, eliminacija neučinkovitosti,

štednja duž cijelog lanca;

� povezanost - standardizacija aplikacija i platformi, poticanje mnogostruke (engl.

Many-to-many) suradnje, omogućavanje trgovinske razmjene;

� izvođenje - unapređenje transporta, distribucije, zaliha, te upravljanja narudžbama,

ubrzanje financijskih podmirivanja, mjerenje performansi;

� brzina - povećanje odgovornosti, unapređenje prilagodljivosti te pristup informacijama

u realnom vremenu;

� vidljivost - praćenje protoka zaliha, ažuriranje statusa narudžbi u realnom vremenu, te

upravljanje incidentima.

Vidljivost objašnjavaju kao sposobnost gledanja i upravljanja protokom proizvoda, usluga i

informacija u realnome vremenu, a uključuje pristup zalihama u tranzitu, dostupnost

proizvoda te informacije o statusu narudžbi. Njihovo je istraživanje kod ispitanika pokazalo

sljedeću vidljivost procesa: izbor prijevoznika (79%), praćenje odlaznih pošiljki (65%),

praćenje dolaznih pošiljki (61%), upozorenja kašnjenja pošiljki (58%), vidljivost narudžbi

(57%). Može se zaključiti kako vidljivost predstavlja kompleksno područje s obzirom da

obuhvaća ljude, procese, tehnologije te informacijske protoke.

Montgomery et al. (2002., p. 3.) u istraživanju173, što je uslijedilo kao nastavak onog kojeg su

proveli Thompson et al., utvrdili su da vidljivost nije taktičko pitanje jer ima strateške

implikacije na cijelo poduzeće, odnosno, vidljivost se može promatrati s taktičke i strateške

perspektive. S taktičke perspektive menadžmentu se omogućuje vidljivost protoka materijala,

dostupnosti kapaciteta i resursa unutar lanca, dok se strateška perspektiva poklanja resursima

opskrbne mreže tako da vidljivost omogućuje procjenu i preoblikovanje mreže u skladu s

promjenama u poslovnom okruženju. Prema autorima, upravo vidljivost omogućuje i

osigurava ostale identificirane pokretače izvrsnosti opskrbnog lanca s obzirom da su rezultati

istraživanja pokazali poboljšice u ciklusima (dolaska materijala s 19 na 16 dana, obrtaj zaliha

s 11 na 15). Vidljivost jest temelj upravljanja događanjima u opskrbnom lancu (engl. Supply

Chain Event Management - SCEM) čiji se model sastoji od šest nadograđujućih faza

(Montgomery et al., 2002., p. 5-14.):

� proširena povezanost, koja omogućuje dobavljačima, logističarima te kupcima

dijeljenje događanja transakcija u opskrbnom lancu;

173 Istraživanje je napravljeno na uzorku od 365 SCM profesionalaca, od kojih je 58% iz proizvođačke industrije.

180

� transparentnost poduzeća, koja omogućuje poslovnim korisnicima da vide narudžbu,

zalihe te informacije o isporukama važnim za njihovu specifičnu ulogu u opskrbnom

lancu;

� upozorenje temeljem iznimki (engl. Exception-Based Alerting), temeljem pristupa da

svaki problem ne treba biti problem, ovo predstavlja pravilo koje dozvoljava

menadžmentu fokusiranje na procese umjesto na pojedine događaje;

� događaj kao odgovor (engl. Event Based Response), omogućuje odlučivanje,

optimizaciju i preoblikovanje u realnom vremenu kao dinamički odgovor na

upozorenja, vidljivost osigurava uočavanje problema dovoljno rano za pronalaženje

solucija;

� mjerenja performansi174, pružaju svim zainteresiranim i odgovornim osobama

potreban alat (jasan, mjerljiv i međusobno dogovoren) za mjerenje njihovog doprinosa

lancu;

� omogućene kontrola predstavlja ideju u budućnosti, vrh SCEM piramide, kada će

poduzeće u svom odgovoru na događanja biti u stanju poluautomatski reagirati.

Christopher (2005., p. 242-253.) vidljivost sagledava u kontekstu upravljanja rizikom u

opskrbnom lancu a sastoji se od sedam faza: razumjeti opskrbni lanac, unaprijediti ga,

identificirati kritične putove (čvorove i linkove), upraviti s njima, unaprijediti vidljivost

opskrbnog lanca, uspostaviti kontinuirani tim te raditi zajedno s dobavljačima i kupcima u

unapređenju procedura za upravljanje rizikom. Problem limitirane vidljivosti opisuje kao

nemogućnost nekog člana lanca da vidi status pojedinih uzvodnih ili nizvodnih operacija,

njihovu razinu te progres kroz lanac što rezultira u kašnjenju uočavanja problema te,

posljedično, i njegovo rješenje. Najveća korist postignutom transparentnošću informacijskog

protoka treba biti povećanje efikasnosti samih procesa i unapređenje efikasnosti ukupnog

lanca (Christopher, 2005., p. 181.).

Handfield i Nichols (2002., p. 300.) navode koristi od uspostavljene informacijske vidljivosti:

uklanjaju se organizacijske barijere, ugrađuje se vidljivost dužinom cijelog lanca, upravlja se

pomoću mjerenja, skraćuje se vrijeme trajanja ciklusa pojedinih procesa, potiče se suradnja u

odlučivanju te se smanjuju problemi prikrivenosti. Waters (2007., p. 209-210.) smatra

dijeljenje informacija temeljem vidljivosti koju objašnjava kao mogućnost da jedan član lanca

174 U njihovom se istraživanju pokazalo da su najčešće operativne mjere: varijabilnost troškova, izgubljena prodaja, obrtaj zaliha gotovih proizvoda, ispunjenje narudžbi, obrtaj zaliha sirovina, perfektna narudžba te isporuka na vrijeme.

181

vidi što se događa kroz cijeli lanac. Najrelevantnijim informacijama u kontekstu vidljivosti

smatra one o razinama zaliha, potražnji, promocijama, uvođenju novih proizvoda, tržišnim

uvjetima, operativnim planovima, performansama, riziku, neočekivanim događajima te

izgubljenoj prodaji. Kvalitetna će vidljivost potaknuti temeljni cilj logističkih menadžera da

zalihe zamijene informacijama, što će rezultirati s dvije ključne koristi; menadžment će moći

raditi zajedničke informirane i efikasne planove u svezi rizika te će smanjiti količinu rizika

koji nastaje kao posljedica loše komunikacije.

Prema Johnsenu (2006., p. 6.), tehnologija igra značajnu ulogu; međutim, vidljivost

tradicionalnog opskrbnog lanca koja je fokusirana isključivo prema fizičkoj distribuciji

dostavlja samo jedan dio ukupne slike i predlaže trodimenzionalni pristup u funkciji pune

vidljivosti i uspješne kontrole: fizički opskrbni lanac, financijski opskrbni lanac, te

dokumentacijski i podatkovni opskrbni lanac. Prema La Grouw (2008., p. 388-389.), izvještaji

poslovne inteligencije i ključni pokazatelji uspjeha (KPI) koji omogućuju jedan pogled kroz

cijeli opskrbni lanac također podupiru kros-funkcijsku analizu svih podataka i informacija iz

lanca, uključujući upravljanje zalihama, nabavu, proizvodnju te plaćanje računa. Prema njoj,

vidljivost izravno utječe na dva kritična faktora:

� odgovornost - performanse i proizvodni ciljevi trebaju biti usklađeni kroz sve faze, a

donositelji odluka na svim razinama trebaju shvatiti kako performanse u njihovom

području odgovornosti utječu na sveukupne performanse opskrbnog lanca;

� pouzdanost - potrebna je usklađenost metrike kako bi se prevenirala nekonzistentnost

te spriječilo širenje i plasman krivih informacija.

Auramo (2006., p. 46-57.) u svojem je istraživanju175 identificirala tri kategorije vidljivosti

koje su rezultirale u izravnim operativnim koristima, u izravnim strateškim koristima te u

dugoročnim strateškim koristima: vidljivost transakcija, vidljivost suradničkih procesa te

vidljivost u korištenju, što je prikazano u tablici 20.

175 Rezultati istraživanja za potrebe izrade disertacije objavljeni su u pet članaka, a korištene istraživačke metode su bile Delphi radionica te studije sliučajeva.

182

Tablica 20. Tri kategorije vidljivosti opskrbnog lanca M o g u ć n o s t i

Vid

ljivo

st tr

ansa

kcija

Izravne operativne koristi: pažljivo planiranje inačica e-poslovanja za unapređenje informacijske kvalitete; razumijevanje implikacija mogućnosti na temelju operativnih odluka (koordinirajuće odluke) o istim podacima kroz opskrbni lanac.

Izravne strateške koristi: prikupljanje mogućnosti transferiranih realiziranih resursa (zahvaljujući efikasnosti unapređenja)

Dugoročne strateške koristi: temelj varijanti e-poslovnog planiranja i suradnje za unapređenje agilnosti opskrbne mreže; nekoliko alata e-poslovanja s reinženjeringom procesa; mogućnost pomicanje prema proizvodnji po narudžbi.

Vid

ljivo

st p

roce

sa

Izravne operativne koristi: unapređenje prakse upravljanja dokumentacijom i pojednostavljenje procesa; postizanje ušteda zahvaljujući lakšem pristupu dokumentima; informacije su dostupne u realnom vremenu, te je smanjeno vrijeme u pretraživanju; razvoj efikasnosti u reagiranju i kontroli izmjene dokumentacije.

Izravne strateške koristi: Pružanje kupcima dokumentacijske vidljivosti kroz projekte.

Dugoročne strateške koristi: korištenje akumuliranih metapodataka za upravljanje potencijalnim uskim grlima u projektnim operacijama; Korištenje suradničkih mogućnosti za suvremeni inženjerski pristup.

Vid

ljivo

st u

kor

ište

nju

Izravne operativne koristi: mogućnost ranijih pristupa zahtijevanim informacijama, te korištenje tog vremena za servisiranje kupaca iz centraliziranih zaliha; pribavljanje zahtijevanih informacija bolje kvalitete za povećanje točnosti i efikasnosti planiranja; korištenje dobavljačeve pozicije za utjecanje na kupčeve zahtjeve.

Izravne strateške koristi: promjena mjera performansi od vremena isporuke i preciznosti prema dostupnosti i performansama kupčevih procesa; zahvaćanje bolje kvalitete zahtijevanih informacija za poboljšanje usluge kupcu.

Dugoročne strateške koristi: transfer akumuliranog znanja o korištenju proizvoda, operativnoj okolini i kupčevom ponašanju u kreiranju nove - poboljšane usluge; mogućnost ranijeg pristupa zahtijevanim informacijama, korištenje tog vremena za pomicanje prema proizvodu po narudžbi strategiji.

Izvor: prilagođeno prema Auramo, J.: Implications of Supply Chain Visibility: Benefits in Transaction Execution and Resource Network Management, Helsinki University of Technology Laboratory of Industrial Management, doctoral dissertation, 2006., p. 49-55.

183

Wang i Wei (2007., p. 647-674) istraživali176 su kako međuorganizacijsko upravljanje

(relacijsko upravljanje i virtualna integracija) kreira vrijednost u konteksu opskrbnog lanca

(informacijsku vidljivost i fleksibilnost opskrbnog lanca). Relacijsko upravljanje definiraju

kao mjeru unutar koje partneri iz lanca koriste mehanizme poput relacijskih normi i

zajedničkih akcija za održavanje svojih odnosa temeljenih na zajedničkim ciljevima. Ova je

dimenzija operacionalizirana kroz četiri konstrukta: povjerenje, privrženost, koordinacija te

zajedničko rješavanje problema. Virtualnu integraciju definiraju kao mjeru unutar koje

trgovački partneri koriste IT za omogućavanje zajedničkih operacija između partnera u lancu,

kao što su nabava, proizvodnja i logistika. Informacijska je vidljivost operacionalizirana kroz:

upravljanje proizvodom, transakcijama, statusom procesa, planiranjem / predviđanjem,

operativnim performansama. Njihovo je istraživanje pokazalo:

� relacijsko upravljanje i virtualna integracija vode prema informacijskoj vidljivosti;

� relacijsko upravljanje izravno i neizravno (preko informacijske vidljivosti) utječe na

fleksibilnost opskrbnog lanca;

� virtualna integracija ne utječe izravno na fleksibilnost; međutim, utječe preko

informacijske vidljivosti.

Zaključno se može istaknuti kako poduzeće može postići veću fleksibilnost unutar

egzistirajućih međuorganizacijskih odnosa poboljšavajući informacijsku vidljivost kroz

virtualnu integraciju i relacijsko upravljanje.

Jacoby (2009., p. 109.) smatra da vidljivost i suradnja mogu eliminirati dio efekta biča koji

nastaje kao posljedica nemogućnosti viđenja cjelokupnog lanca. Smatra da se vidljivost

najlakše dostiže kroz dijeljenje predviđanja potražnje, proizvodnih planova te stanja zaliha s

trgovačkim partnerima. McCrea (2011., p. 36-38.) razvija korake prema optimalnoj

vidljivosti: (1) ocijeniti vlastitu logističku strategiju, (2) odrediti vodstvo, (3) integrirati se s

trgovačkim partnerima, (4) razmisliti o strategiji zaliha, (5) otvoriti komunikacijske linije s

kupcima, (6) iskoračiti izvan uobičajenog preuzimanja narudžbi, (7) razmišljati globalno, (8)

mudro koristiti informacije. Joshi (2000) u svojem je istraživanju simulirao distribuciju piva

unutar koje su bili veletrgovac, maloprodaja, distributor i proizvođač. Proučavao je različite

metode predviđanja s razmjenom informacija (vidljivost) i bez razmjene informacija. Razine

zaliha dosta su fluktuirale, a rezultati su pokazali da informacijska vidljivost i suradnja utječu

176 U istraživanju je sudjelovalo 980 proizvodnih firmi slučajno odabranih iz direktorija 5.000 najvećih tajvanskih poduzeća. Obrađeno je 150 pristiglih odgovora, što predstavlja odziv od 15,3%.

184

na 40% do 70% sniženje zaliha. McCrea (2011., p. 38.) navodi ostale neopipljive koristi od

vidljivosti: smanjenje u izgubljenoj prodaji zbog nepostojanja zaostataka, unaprijeđenje

usluge kupcu zbog pravovremene isporuke te povećano povjerenje u upravljanje lancem zbog

točnog i pravovremenog znanja o lokaciji proizvoda. Prema istraživanju177 koje je provela

Aberdeen group (Heaney, 2011.), tri dominantna pokretača unapređenja vidljivosti jesu porast

kompleksnosti globalnih operacija (44%), potreba unapređenja operativnosti i preciznosti

opskrbnog lanca (37%), te ovlaštenje (mandat) za smanjenje troškova lanca (29%). Ovo je

istraživanje pokazalo koje su najčešće strateške aktivnosti koje poduzimaju najbolja poduzeća

za postizanje vidljivosti:

� efikasni, moderni i jednostavni procesi za lakši monitoring, unaprijeđenu iskoristivost

ili učinkovitost (66%);

� unaprijeđena unutarnja vidljivost i integracija u transakcijama i troškovima opskrbnog

lanca (60%);

� unaprijeđena pravovremenost i točnost razmijenjenih podataka o transakcijama iz

opskrbnog lanca (46%);

� povećanje B2B povezanosti / vidljivosti prema procesima na dobavljačevoj strani

(31%).

Temeljem rezultata istraživanja, sugeriraju fokusiranje na tri područja: zrnatost (najbolja

poduzeća imaju 40% bolju vidljivost na SKU razini u unutarnjoj liniji zaliha, te 41% na

vanjskoj), vrijeme za informaciju (najbolja poduzeća imaju 57% bolju vidljivost o

internacionalnom statusu pošiljke), kvaliteta i čišćenje podataka (najbolja poduzeća imaju

85% vjerojatnosti da će im podaci prikupljeni u monitoringu opskrbnog lanca biti točni više

od 90%). Poduzeća trebaju: povećati vidljivost unutar i izvan granica svoje organizacije,

koristiti poslovnu inteligenciju, pokrenuti se prema sigurnosti, elastičnosti i efikasnosti u

izvršavanju zadataka unutar opskrbnog lanca.

177 U istraživanju su sudjelovala 183 poduzeća, od kojih je 58% iz Sjeverne Amerike a 19% iz Europe.

185

1.6. Suradnja

Mnogi istraživači povezuju odnose integracije i suradnje, tako da Lee i Whang (2001., p. 2.)

kažu da poduzeća koja žele biti konkurentna trebaju postići veću koordinaciju i suradnju s

ostalim partnerima iz opskrbnog lanca i taj pristup nazivaju integracija opskrbnog lanca.

Pozivajući se na istraživanje koje su proveli Standford University i Accenture, navode kako

poduzeća koja imaju profit veći od prosjeka imaju također postignuti viši stupanj razmjene

informacija, iz toga zaključuju da je suradnja izravno povezana s profitom (Lee i Whang,

2001., p. 7.). Handfield i Nichols (2002., p. 27.) smatraju da postignuta suradnja kroz

razmjenu informacija o predviđanju i potražnji može pomoći dugoročnom planiranju

kapaciteta, zaliha te potrebnih ljudskih resursa. Smatraju kako suradnja u vrednovanju

temeljnih kompetencija, razvoja novih proizvoda, te upravljanja troškovima predstavlja

temeljnu priliku za postizanje unapređenja. Suradnju i integraciju povezuju s povjerenjem

koje predstavlja osnovicu za uspostavu suradnje, a glavni su im elementi: pouzdanost,

sposobnost, naklonost, ranjivost te lojalnost (Handfield i Nichols, 2002., p. 163-169.).

Lambert i Knemeyer (2004., p. 132.) kažu kako implementacija partnerstva košta jer zahtjeva

dodatnu komunikaciju, suradnju i sudjelovanje u dijeljenju rizika, pa zaključuju, kako će ono

biti opravdano jedino ako rezultira boljim prinosom nego što bi poduzeće ostvarilo bez takve

suradnje. Polazeći od teze da sinkronizacija predstavlja ključ odgovornosti opskrbnog lanca,

Christopher (2005., p. 199-204.) drži da se njezine koristi ne mogu postići bez suradnje. I on

naglašava povjerenje koje predstavlja temelj za dugoročni razvoj odnosa s limitiranim brojem

dobavljača, što naziva izvorom partnerstva (engl. Partnership sourcing)178. Matrica ovakvog

odnosa može se upotrijebiti kako za uzvodne, tako i za nizvodne odnose s distributerima i

veletrgovcima. Vođenje zaliha od strane prodavača (engl. Vendor Managed Inventory – VMI)

predstavlja jedan od znakovitijih primjera uspostavljene suradnje za koju je karakteristično da

kupac ne dostavlja klasične narudžbe, nego razmjenjuje informacije sa svojim dobavljačem

temeljem kojih taj dobavljač preuzima odgovornost za njihovo održavanje.

Još se jedan koncept veže uz područje suradnje, a riječ je o suradničkom predviđanju,

planiranju i popunjavanju (engl. Collaborative Forecasting, Planning and Replenishment –

CFPR) u kojemu, zahvaljujući internetu, kupci i dobavljači dijele i razmjenjuju predviđanja,

detektiraju varijance, razmjenjuju ideje te surađuju kako bi uskladili međusobne različitosti

178 Christopher kao sinonim koristi i drugi izraz Co-makership.

186

(Lee i Whang, 2001., p. 8.). The Associations for Operations Management179 definira CFPR

kao suradnički proces gdje trgovački partneri zajednički planiraju ključne aktivnosti u

opskrbnom lancu: od proizvodnje i isporuke sirovina do proizvodnje i isporuke gotovog

proizvoda krajnjem kupcu (Li, 2008., p. 18.). Swaminathan i Tayur (2003., p. 1397.) smatraju

da će ovo prognoziranje temeljem razmijenjenih informacija pridonijeti efikasnosti opskrbnog

lanca zbog koordiniranog predviđanja te generiranja boljih informacija, a Hugos (2006., p.

188.) naglašava kako je ova implementacija zahtijevna te da treba vremena i truda kako bi

uspjela.

Skjoett-Larsen et al. (2003., p. 531-549.) istraživali180 su odnos SCM-a i CFPR-a, a razlike

CFPR-a kroz tri razine suradnje prikazuje tablica 21. Prema rezultatima istraživanja,

najvažniji aspekti međuorganizacijske suradnje jesu: povjerenje (4,6), postavke zajedničkih

ciljeva (3,9), razmjena podataka (3,61), formalni ugovori (3,37), količina transakcija

informacija (3,29) te količina transakcija proizvoda (3,3). Najvažnija područja suradnje su se

pokazala: razvoj proizvoda (3,79), nadopunjavanje (3,69), predviđanje (3,62), proizvodnja

(3,56) te promocija (3,07).

Tablica 21. Dimenzije različitih razina CFPR-a

Dimenzije Osnovni CFPR Razvijeni CFPR Napredni CFPR

Razmjena informacija

Narudžbe i potvrde, Podaci o zalihama

Podaci o potražnji, planiranju narudžbi, promocijama, te proizvodnji

Podaci o potražnji, planiranju narudžbi, promocijama, te proizvodnji

Razina razgovora Ne Donekle Često

Koordinacija / sinkronizacija

Ne Donekle Sve aktivnosti

Razvoj kompetencija

Ne Ne Znanje

Evaluacija Ne Ne Iskustvo

Tip odnosa Transakcijski Razmjena informacija Zajedničko učenje

Teorijsko objašnjenje

TCA Mreža Temeljem resursa i kompetencija

Izvor: Skjoett-Larsen, T., Thernoe, C., Andresen, C.: Supply chain collaboration: Theoretical perspective and empirical evidence, International Journal of Physical Distribution & Logistics Management, 2003., 33 (6), p. 537.

179 Ovo se udruženje nekada zvalo American Production and Inventory Control Society – APICS. 180 Istraživanje je napravljeno na uzorku od 2.868 Danskih poduzeća (s prihodom većim od 3,2 mil EUR-a) od kojih se 218 odazvalo što predstavlja stopu odziva od 7,6%.

187

Akintoye et al. (2000., p. 159-168.) istraživali181 su suradnju u opskrbnim lancima: pokazalo

se da je 47,5% ispitanika smatra kritičnom, odnosno 42,5% važnom za svoje poslovanje.

Njihovo je istraživanje pokazalo najvažnije:

� faktore u odnosu na razvoj odnosa s dobavljačima: bolja kvaliteta usluge, odnos troška

i koristi, te pojednostavljenje procesa izgradnje i naručivanja;

� faktore u odnosu na razvoj odnosa s klijentima: odnos troška i koristi te

pojednostavljenje procesa izgradnje, natječajnih procedura, te faze dizajna;

� ciljeve suradnje: koristi za klijente, unaprijeđenje usluge kupcu, smanjenje

papirologije i birokracije, povećanje profitabilnosti, smanjenje troškova unutar

organizacije, povećanje konkurentnosti, koristi za dobavljače;

� ključne faktore za efikasniji razvoj suradnje: povjerenje, pouzdanost opskrbe, podrška

vrhovnog menadžmenta, zajednički interes, slobodan protok informacija, zajedničko

poslovno planiranje, bliža povezanost potražnje i opskrbe, integrirani IT;

� prepreke u razvoju suradnje: nedostatak podrške vrhovnog menadžmenta, neshvaćanje

koncepta suradnje, neadekvatna organizacijska struktura, nedovoljna partnerska

podrška te nejasne strateške koristi.

Lee (2000., prema McLaren et al., 2002., p. 350.) smatra kako je suradnički SCM dizajniran

da podrži poboljšanu razmjenu informacija i suradnju u planiranju između partnera kako bi se

smanjila asimetrija unutar lanca, što će se odraziti na višku zaliha i efektu biča. Suradnja se na

takav način podržava kroz tri mehanizma: integraciju informacija, koordinaciju procesa i

resursa te izvještavanjem o izmjerenim performansama kako bi se osigurala odgovornost. Za

učinkovito upravljanje opskrbnim lancem sve njegove funkcije i elementi koja ga tvore

trebaju biti potpuno integrirani. Komunikacijske mreže koje predstavljaju centar e-poslovanja

omogućuju njegovu integraciju, osiguravajući suradnju njegovih različitih entiteta (Kocakulah

et al., 2002., p. 2.).

Johnson i Whang (2002., p. 420.) definiraju e-suradnju kao internetom omogućen poslovni

međuodnos koji prelazi jednostavni prodaj/kupi odnos, a uključuju dijeljenje i integraciju

informacija te dijeljenje odlučivanja, procesa i izvora. Barratt (2004., p. 30-42.) formu

suradnje dijeli na dvije temeljne kategorije: vertikalnu (koja uključuje suradnju s kupcima,

dobavljačima, te internu odnosno međufunkcijsku) i horizontalnu (koja uključuje suradnju s

181 U istraživanju je sudjelovalo 100 najvećih građevinskih poduzetnika (prema vrijednosti projekata) u Velikoj Britaniji, od kojih se dobilo 40 odgovora što predstavlja odziv od 40%.

188

konkurentima, drugim organizacijama, te također internu). Smatra da suradnju treba

podupirati suradnička kultura koju tvore: povjerenje, zajedništvo, razmjena informacija te

otvorenost i komunikacija. Korištenje IT-a za razmjenu podataka kreira virtualni opskrbni

lanac koji se radije temelji na informacijama nego na zalihama. Ključnim elementima koji

determiniraju uspješnu suradnju drži: upravljanje promjenama, kros-funkcijske aktivnosti,

usklađenje procesa, zajedničko odlučivanje te metriku opskrbnog lanca. Također definira i

strateške elemente dugoročne održivosti opskrbnog lanca: resurse i privrženost,

međuorganizacijsku podršku, kooperativni fokus i iznimno važnu ulogu tehnologije.

McLaren et al. (2002., p. 351-354.) klasificiraju sustave koji podržavaju različite stupnjeve

suradnje i koordinacije u opskrbnom lancu u tri grupe: sistemi na osnovi poruke (engl.

Message-based systems), e-nabavna čvorišta i portali odnosno mjesta koja podržavaju nabavu

dobara ili usluga preko elektroničkih kataloga, natječaja ili aukcija, te zajednički i suradnički

SCM sustavi koji uključuju planiranje, predviđanje i nadopunjavanje. Prema njima, troškovi

suradnje mogu se podijeliti u dvije kategorije: ukupni troškovi vlasništva (TCO) i

oportunitetni partnerski troškovi koji nastaju zbog povezanosti sa specifičnim partnerom

(trošak nefleksibilnosti), a model troška i koristi prikazan je na slici 27.

Slika 27. Model troška i koristi od suradnje u SCM-u

Izvor: McLaren, T., Head, M., Yuan, Y.: Supply chain collaboration alternatives: understanding the expected costs and benefits, Internet Research: Electronic Networking Applications and Policy, 2002., 12 (4), p. 348-364.

189

Visoka razina suradnje u opskrbnom lancu može značajno pomoći u smanjenju rizika

(Christopher i Peck, 2004., p. 17-18.). Prema njima, vodeći princip suradničkog ponašanja jest

razmjena informacija koja utječe na smanjenje neizvjesnosti pa se može zaključiti kako je cilj

postići inteligenciju opskrbnog lanca (SCI) koja će omogućiti vidljivost uzvodnih i nizvodnih

profila rizika. U svojem radu SCI opisuju kao proces korištenja znanja koje se generiralo i

razmjenjivalo između partnera u opskrbnom lancu. U kontekstu navedenoga, znanje

opskrbnog lanca kategoriziraju u tri razine:

� strateško, poznavanje trendova i nadolazećih tema koje u budućnosti mogu utjecati na

kontinuitet opskrbnog lanca; ovaj se tip informacija kreira kroz PEST analizu;

� taktičko, potrebno je znanje kako bi se procijenio rizik tekućih operacija, potražnje,

opskrbe i procesa;

� operativno, odnosi se na dnevno upravljanje poslovanjem.

Manthou et al. (2004., p. 241-250.) razvijaju model virtualnog e-lanca s ciljem da integrira

tehničku i organizacijsku infrastrukturu, olakša e-poslovne procese, identificira i sinkronizira

specifične uloge i odgovornosti partnera te omogući inteligentno odlučivanje utemeljeno na

stečenom znanju. Integraciju opskrbnog lanca u virtualnom okruženju definiraju kao proces u

kojemu dobavljači, partneri i kupci unutar zajedničkog tržišta suradnički planiraju,

implementiraju i upravljaju protokom informacija, usluga i proizvoda kroz lanac kako bi

unaprijedili poslovne operacije u smislu brzine, agilnosti, kontrole u realnome vremenu,

odnosno odgovora kupcu. U smislu navedenoga, modul e-inteligencije opskrbnog lanca (engl.

e-Supply Chain Intelligence – eSCI) vodi suradnju događanja i procesa te prezentira

informacije namijenjene za odlučivanje (engl. Decision-oriented informations).

Suradnja u opskrbnim lancima pojavljuje se u različitim formama međutim može se reći da

postoji zajednički cilj: kreirati transparentan, vidljiv uzorak potražnje koji se kreće kroz cijeli

lanac (Holweg et al., 2005., p. 171.). U svojem su istraživanju182 identificirali četiri koncepta

suradnje, što je prikazano na slici 28. Pojam tradicionalni (tip 0) podrazumijeva da svaka

razina opskrbnog lanca kreira narudžbe i nadopune bez obzira na situaciju u uzvodnom ili

nizvodnom dijelu. Jedina dostupna informacija dobavljaču u ovakvom načinu funkcioniranja

jest narudžba. Razmjena informacija (tip 1) podrazumijeva da trgovac i dobavljač i dalje

naručuju neovisno jedan o drugome; međutim, ipak razmjenjuju informacije o potražnji i

182 U istraživanju su analizirali multinacionalne i nacionalne proizvođače iz Velike Britanije i iz nordijskih zemalja, a istraživanje su podržali Cardiff Business School, Cambridge MIT Center for Competitiveness and Innovation, te Helsinki University of Technology.

190

planiranim aktivnostima kako bi uskladili svoja predviđanja kapaciteta i dugoročno

planiranje. Tip 2 podrazumijeva da je zadatak nadopune narudžbi prepušten dobavljaču koji

tako preuzima odgovornost za održavanje zaliha trgovca i posljedično razine njegove usluge.

Sinkronizirana opskrba (tip 3) eliminira točku odlučivanja te objedinjuje odluku o nadopuni s

planiranjem materijala i proizvodnje dobavljača. Na ovakav način dobavljač preuzima

odgovornost za kupčeve zalihe na operativnoj razini te koristi vidljivost za planiranje vlastitih

operacija.

Slika 28. Koncepti suradnje u opskrbnim lancima

Izvor: Holweg, M., Disney, S., Holmstrom, J., Smaros, J.: Supply Chain Collaboration: Making Sense of the Strategy Continuum, European Management Journal, 2005., 23 (2), p. 172.

Zaključuju, uspješnost suradnje zavisi o dvama faktorima: postignutoj razini integracije

internih i eksternih operacija te postignutog stupnja usklađenja postavki opskrbnog lanca u

smislu geografske disperzije, uzorka potražnje te karakteristika proizvoda. Simatupang i

Sridharan (2005., p. 44-62.) na osnovi svog istraživanja183 kreiraju indeks suradnje opskrbnih

lanaca temeljen na trima dimenzijama: dijeljenju informacija (koje su operacionalizirali sa

deset elemenata), sinkronizaciji odlučivanja (operacionalizirano sa devet elemenata), te

usklađenju inicijativa (operacionalizirano sa šest elemenata). Performanse su u ovom

istraživanju operacionalizirane kroz postizanje bolje realizacije, zaliha te odgovornosti.

Temeljem rezultata istraživanja, može se zaključiti kako:

183 Istraživanje je napravljeno na Novom Zelandu na uzorku od 200 trgovaca i 200 dobavljača. Konačni iskoristivi uzorak sastojao se od 367 poduzeća, od kojih je dobiveno 76 odgovora, što predstavlja odziv od 21%.

191

� razmjena informacija ima najveću važnost između triju dimenzija suradnje (težina

0,45), potom slijedi sinkronizacija odlučivanja (0,34), te usklađenje inicijativa (0,21);

� sve tri dimenzije suradnje značajno utječu na performanse realizacije i zalihe;

� sinkronizacija odlučivanja i usklađenje inicijativa značajno utječu na odgovornost;

međutim, to se nije utvrdilo za razmjenu informacija što ima umjeren efekt;

� korelacija je potvrdila jaku vezu između indeksa suradnje i indeksa performansi.

Li et al. (2006., p. 107-124.) konceptualizirali su praksu opskrbnog lanca kroz pet dimenzija

(strateško partnerstvo s dobavljačima, odnosi s kupcima, razina razmjene informacija,

kvaliteta razmjene informacija te odgoda) te su istraživali184 njihov utjecaj na konkurentske

prednosti (cijena/trošak, kvaliteta, zavisnost isporuka, inovacija proizvoda i vrijeme za tržište)

i organizacijske performanse (tržišne i financijske). Njihovi su rezultati pokazali da viša

razina prakse opskrbnog lanca poboljšava konkurentske prednosti i unapređuje organizacijske

performanse, te da konkurentske prednosti također utječu na organizacijske performanse.

Hugos (2006., p. 188.) smatra kako je najbolji početak za promociju suradnje u opskrbnom

lancu mjerenje efekta biča. Vereecke i Muylle (2006., p. 1176-1198.) istraživali185 su odnos

između suradnje i unapređenja performansi. Suradnja je operacionalizirana kroz razmjenu

informacija (o razinama zaliha, o planiranju proizvodnje i predviđanju potražnje te o

frekvencijama isporuke) i strukturnu suradnju (lokacija postrojenja, korištenje kanban metode

te upravljanje zalihama od strane prodavača). Unapređenje performansi operacionaliziralo se

kroz 12 varijabli grupiranih u pet područja: performanse isporuka (brzina isporuke i

pouzdanost isporuke), trošak (produktivnost rada, korištenje kapaciteta te obrtaj zaliha),

performanse nabave (troškovi nabave i vrijeme trajanja nabave), fleksibilnost (volumen

fleksibilnosti i fleksibilni miks), te kvaliteta (kvaliteta proizvoda i dogovor oko proizvodnje).

Rezultati ovog istraživanja pokazali su:

� slabu empirijsku podršku za pozitivan odnos između suradnje dobavljača (ili kupaca) i

unapređenja performansi;

� parcijalnu empirijsku podršku za utjecaj suradnje (i dobavljača i kupaca) na stope

poboljšanja;

� potvrdu utjecaja razmjene informacija na unapređenje performansi;

184 Uzorak se sastojao od 3.137 poduzeća iz SAD, od kojih se odazvalo 196, što predstavlja odziv od 6,3%. 185 Istraživanjem su obuhvaćena 374 inžinjersko-montažna poduzeća iz 11 europskih zemalja.

192

� djelomičnu potvrdu utjecaja strukturne suradnje na unapređenje performansi (samo

kod fleksibilnosti i nabave);

� snažnu potvrdu hipoteze da poduzeća koja imaju značajna unapređenja performansi

pokazuju višu razinu razmjene informacija i strukturne suradnje.

Karuranga et al. (2008.) temeljem svojeg istraživanja186, pokušali su pronaći elemente

mjerenja suradnje u opskrbnom lancu. Njihovi su rezultati pokazali da se suradnja može

definirati preko:

• četri zajednička faktora dobavljača i kupaca - zajedničko predviđanje prodaje,

razmjena osnovnih informacija, zajedničko planiranje te zjedničko unapređenje

isporuke;

• dva elementa na strani kupaca - djeljenje resursa logističke imovine i razmjena

evaluacije performansi;

• dva elementa na strani dobavljača - implementacija sustava nadupunjavanja i

zajednički razvoj novih proizvoda.

Chong et al. (2009., p. 150-160.) istraživali187 su odnos između faktora opskrbnog lanca

(povjerenje, količina proizvoda i frekvencija transakcija i složenost proizvoda) i usvajanja

alata e-suradnje (izravni alati nabave, zamjenski alati, alati za predviđanje nestašice, alati za

isporuku, dizajnerski alati, alati za planiranje i predviđanje, strateški alati, e-čvorište, e-

tržnice). E-suradnju razmatraju kao implementaciju alata IT-a za potrebe suradnje unutar

opskrbnog lanca koja je započeta primjenom EDI-a, a nastavila se preko e-trgovanja. Njihovo

je istraživanje pokazalo da povjerenje ima najjači utjecaj na usvajanje e-suradnje, potom

slijedi kompleksnost proizvoda, te količina proizvoda i frekvencija.

Prema Tayloru (2012., p. 191-193.), svi informacijski sustavi trebaju efikasnu suradnju

između poslovnih ljudi i IT odjela, ali sustavi upravljanja odlučivanjem (engl. Decision

Management Systems – DMS) zahtijevaju suradnju i trećeg elementa - analitičkog tima što je

posebno zanimljivo u kontekstu ovog rada. Ovakva trostruka suradnja potrebna je zbog

nekoliko razloga:

186 Istraživanje je provedeno na uzorku od 695 drvoprerađivačkih poduzeća iz kanadske pokrajine Quebec od kojih se dobilo 312 odgovora, što predstavlja odziv od 44,9%. 187 Uzorak je sačinjavalo 400 malezijskih poduzeća koja se bave elektronikom, od kojih se odazvalo 109, što predstavlja odziv od 27,25%.

193

� riječ je o poslovnim odlukama, pa bez obzira što mogu biti i male, utjecaj na

poslovanje je velik zbog njihove velike količine;

� ovaj sustav rukuje velikim volumenom i malim kašnjenjem odluka, odluke moraju biti

česte i brze, što znači automatizaciju;

� donose se odluke koje su ograničene pravilima i propisima, a mnoge uključuju

optimizaciju i korištenje analitike kako bi se predvidio rizik, prijevara ili poslovne

mogućnost.

Ove tri grupe najčešće nisu surađivale zbog nekoliko razloga: IT odjel i poslovni korisnici

nalaze se na različitim (često i suprotnim) stranama, analitičari su većinom fokusirani na

idealnost svojeg modela, a manje na rezultat, te nedostatak općeg međusobnog razumijevanja.

Uspostavom međusobne suradnje DMS može doći do punog izražaja u smislu agilnosti,

prilagodljivosti i analitičnosti (Taylor, 2012., p. 205.). Anbanandam et al. (2011., p. 82-98.)

istraživali188 su metodu za mjerenje suradnje u opskrbnom lancu na bazi teorije grafa.

Suradnja je operacionalizirana kroz: podršku vrhovnog menadžmenta, dijeljenje informacija,

povjerenje među članovima lanca, dugoročne odnose te dijeljenje rizika i koristi. Pokazatelj

performansi operacionaliziran je kroz: realizaciju, zalihe, odgovornost i kvalitetu. Rezultati su

pokazali da se indeks suradnje pozitivno odnosi prema indeksu performansi, čime su potvrdili

rezultate koje su prezentirali Simatupang i Sridharan189.

Predmet istraživanja190 Patrakosola i Olsona (2007., p. 53-62.) jest: na koji način suradnja

utječe na tvrtkine IT inovacije koje se objašnjavaju kao generiranje i razvoj novih ideja ili

organizacijskog ponašanja povezanog s informacijskom tehnologijom. Ove su se inovacije

operacionalizirale kroz investicije u istraživanje i razvoj te broj registriranih patenata.

Suradnja je operacionalizirana kroz zajedničko ulaganje, zajedničko istraživanje i razvoj te

kvalitetnije međusobne povezanosti, dok se veličina poduzeća gledala kroz ukupnu prodaju.

Najvažniji zaključci njihovog istraživanja jesu:

� veličina poduzeća značajno i pozitivno pridonosi IT inovacijama, velike su firme

inovativnije od manjih;

� međuorganizacijska suradnja povezana je s evolucijskim, a ne revolucijskim

unapređenjima;

188 Istraživanje je provedeno na uzorku od 100 poduzeća (proizvođača i trgovaca nošnji) iz Indije, od kojih je primljeno 35 odgovora, što predstavlja odziv od 35%. 189 Cf. p. 187. 190 U istraživanju su sudjelovale 23 vrhunske IT firme (Apple, Cisco, Dell, HP, IBM, Intel, Micron, Microsoft, Motorola, Texas Instruments, Xerox...) u razdoblju od devet godina, od 1995. do 2003. godine.

194

� što su ova (promatrana) poduzeća više angažirana u međusobnoj suradnji, veći će biti

efekt na IT inovacije;

� količina IT inovacija u određenom vremenu ne zavisi o prethodnim inovacijama, pa

zaključuju da visokoinovativna poduzeća to možda neće uspjeti održati;

� ne trebaju se brzo očekivati velike koristi od bliske međuorganizacijske suradnje.

1.7. Napredna analitika

Istraživanja pokazuju da se 40% glavnih odluka ne donose na temelju činjenica, nego na

temelju menadžerovog osjećaja (Accenture, 2008., prema Davenport et al., 2010., p. 1.).

Napredna analitika (engl. Predictive analytics – PA) predstavlja podskup (Davenport i Harris,

2007., p. 7.), disciplinu unutar BI-a (Laursen i Thorlund, 2010., p. xxi) odnosno evolucijsku

fazu u razvoju BI-a (Bose, 2009., p. 156., Watson, 2009., p. 499.), tako da poduzeća postaju

svjesna kako njezinim korištenjem unapređuju konkurentske prednosti te da će, posljedično,

polučiti bolji ROI na investiciju u PI negoli je to bio slučaj prethodnih godina (Bose, 2009., p.

158.). Slično kao i kod pojma business intelligence i ovdje različiti autori koriste drugačije

termine; poslovna (Laursen i Thorlund, 2010; Trkman et al., 2010; Stubbs, 2011.), prediktivna

(Watson, 2009.) ili napredna (Bose, 2009; Ranjan, 2009.) analitika. Davenport i Harris191

(2007., p. 7.) tumače analitiku kao ekstenzivno korištenje podataka, statističkih i

kvantitativnih analiza, objašnjavajućih i predviđajućih modela za donošenje odluka i

poduzimanje akcija. Također se mogu uočiti razlike i kod definiranja i objašnjavanja analitike

tako da će se navesti neke najkarakterističnije.

Redman (2008., p. 142.) izjednačava ovaj pojam s rudarenjem podataka, slično i Watson

(2009., p. 510.) koji kaže kako je riječ o grupi analitičkih tehnika i procesa (klaster analiza,

analiza tržišne košarice) što služe za pronalaženje odnosa između podataka te korištenje tih

otkrića za predviđanje budućih događanja. Ranjan (2009., p. 62.) također poistovjećuje

naprednu analitiku s rudarenjem podacima, predviđanjem te prediktivnom analitikom192 koje

koriste prednosti statističke analize za predviđanje ili projiciranje određenih mjera ili

činjenica. Cokins (2009., p. 49.) naprednu analitiku dijeli u dvije grupe; rudarenje podacima i

191 Davenport i Harris u svojim radovima koriste izraz analitika bez dodatnih pridjeva. 192 Ranjan u svom radu ne objašnjava razliku između napredne i prediktivne analitike.

195

optimizaciju poslovanja koju promatra u širem kontekstu obuhvaćajući pri tome područja

kontrole kvalitete, kontinuiranog unaprijeđenja poslovanja, kontrole zaliha, optimizacije

cijena, predviđanja, te statističkih korelacija. Hair (2007., p. 305.) ih razlikuje te kaže kako

prvo rudarenje podacima traži uzorke i obećavajuće odnose, a tek potom napredna analitika

koristi potvrđene odnose kako bi predvidjela buduće trendove, događaje te uzorke ponašanja.

Prema njemu, elementi PA se sastoje od tri grupe modela: prediktivnih, deskriptivnih i

odlučujućih. Davenport i Harris (2007., p. 159.) navode pet pitanja na koje menadžment i IT

trebaju pronaći odgovore kako bi se postigle koristi od analitičkog nadmetanja:

� relevantnost podataka; koji su podaci potrebni za nadmetanje u analitičnosti?

� izvori podataka; gdje se mogu pronaći ti podaci?

� količina podataka; koliko je potrebno tih podataka?

� kvaliteta podataka; kako bi podaci mogli biti točniji i vrijedniji za analizu?

� upravljanje podacima; koja su pravila i procedure potrebne za njihovo upravljanje od

nastanka do spremanja?

Panian i sur. (2007., p. 51-53.) navode primjer analiti čke aplikacije transparentnog lanca

potražnje (engl. Demand Chain Visibility) kao dobar primjer prediktivne193 i proaktivne

tržišne inteligencije jer omogućuje stvaranje cjelovitog uvida u sve segmente lanca potražnje,

regije, pojedinačna prodajna mjesta, brendove, kategorije i zalihe. Prema njima, tehnologija

prediktivne i proaktivne PI nadograđuje se na tehnologiju skladištenja podataka i koristi

logiku, hijerarhiju, metriku i pravila ugrađena u skladište podataka kako bi se stvorio

svojevrsni zajednički jezik korisnika iz svih djelova tvrtke. Četiri glavne novosti koje donosi

aplikacija transparentnosti lanca potražnje jesu mogućnosti:

� preciznije i točnije detaljno predviđanje potražnje: kako bi što uspješnije mogle

predviđati tržišnu potražnju tvrtke trebaju moći kombinirati statistička predviđanja s

predviđanjima zasnovanim na znanju i iskustvu;

� učinkovitije analiziranje utjecaja poticaja ili motivatora potražnje na stvaranje

potražnje: cijena predstavlja samo jedan od čimbenika koji utječu na oblikovanje

potražnje, pa tvrtke trebaju moći razumjeti i vidjeti odnose svih ostalih faktora koji

imaju utjecaj na formiranje potražnje;

� brže utvrđivanje prihoda, varijabilnih troškova i profita u svezi s promjenama u

potražnji: boljim upravljanjem događajima i unapređenjem profitabilnosti ključnih

193 Panianove definicije prediktivnosti i proaktivnosti, cf. p. 77.

196

kupaca, dobavljača i/ili prodajnih mjesta tvrtke mogu balansirati prihod s varijabilnim

troškovima kako bi se ostvarile planirane veličine profita;

� kontinuirano uspoređivanje ostvarenih rezultata s utvrđenim planovima i ciljevima

poslovanja: uspješno planiranje jest kontinuirani proces te je važno osigurati

mehanizam za permanentno praćenje i usporedbu stvarnih i planiranih veličina.

Bose (2009., p. 158.) kaže kako to nije tehnologija već grupa pristupa, organizacijskih

procedura i analitičkih alata194 koji se međusobno kombiniraju kako bi se dobile informacije

za analizu temeljem kojih bi se mogli predviđati određeni ishodi ili varijante rješenja zadanih

problema. Drži kako su integracija podataka i rudarenje podacima osnove napredne analitike

iza kojih slijede statističke analize, njegovu definiciju u svojem su radu prihvatili i Trkman et

al. (2010., p. 318.). Odnos operativnog i analitičkog BI-a prikazuje tablica 22.

Tablica 22. Operativna Vs. analitička poslovna inteligencija

Karakteristike Operativni BI Analitički BI

Fokus Profitabilne transakcije koje vode prema operativnoj efikasnosti

Kreacija i korištenje intelligencea koja vodi diferencijaciji od konkurencije

Tip odlučivanja Operativno (dnevno) Taktičko / strateško

Temeljna tehnologija OLAP i izvještavanje Napredna analitika

Naglasak Pridobivanju kupaca Zadržavanju kupaca

ROI Srednji do visok Visok

Mjere Zadovoljstvo kupca Vrijednost kupca i lojalnost

Organizacija upravljanja kupcem

Funkcija ili jedinica proizvoda Segmenti kupaca

Temelji se na Informacijama o kupcima Informacijama od kupaca

Vrsta interakcije Proaktivna interakcija s kupcima Presonalizirana interakcija s kupcima, u realnom vremenu

Opseg Interni, poduzeće fokusirano prema unapređenjima

Eksterni, usmjereno prema kupčevim unapređenjima

Učenje Dugo učenje i implementacija Kraće učenje i implementacija

Izvor: Bose, R.: Advanced analytics: opportunities and challenges, Industrial Management & Data Systems, 2009., p. 158.

194 U svojem istraživanju Bose pod alatima navodi proizvođače softverskih rješenja za naprednu analitiku.

197

Brown (2007., p. 37-59.) ocjenjuje kako dosta poduzeća premalo pažnje posvećuje detaljima

tako da im promaknu važni aspekti performansi zbog nedovoljne analitičnosti. Zbog

navedenoga predlaže modificirani model uravnotežene tablice performansi koji bi se trebao

sastojati od:

� vanjskih mjera - iako je riječ o pokazateljima na koje tvrtka ne može utjecati potrebno

ih je uključiti s obzirom da mogu značajno utjecati na ukupne pokazatelje;

� kupčevih mjera - trebale bi pokazati zdravstveno stanje odnosa s pojedinim kupcem

kroz nekoliko mjera (kupčevo mišljenje i percepcija, ponašanje, doprinos internih

procesa razvoju odnosa);

� ljudskih mjera - pokazatelji zadovoljstva zaposlenika, izbora zaposlenika te efikasne

međusobne komunikacije;

� internih mjera - izazov analitičnosti jest probrati, sumirati i sažeti podatke o

najvažnijim dimenzijama koji su generatori poslovnog uspjeha: kvaliteti proizvoda i

usluge, produktivnosti, pravovremenosti i kreativnosti;

� financijskih i strateških mjera - koje pokazuju stanje organizacije s financijske

perspektivne, odnosno njezin progres prema zacrtanoj viziji.

Prema Stubbsu (2011., p. 9-10.), razlika između poslovne analitike i drugih inicijativa jest u

njezinoj sposobnosti da daje konstantan povrat uz relativno nisku investiciju tako da igra

značajnu ulogu u podršci strateškom planiranju, kreiranju konkurentskih prednosti, te

pružanju taktičnih vrijednosti. Diferencijaciju između napredne analitike i izvještavanja

objašnjava u većem korištenju statistike i matematičkih tehnika: operacijskih istraživanja,

parametrijske i neparametrijske statistike, multivarijantne analize i predviđajućih modela.

Polazeći od teze da je poslovna analitika multidisciplinarna aktivnost te da njezina vrijednost

ne dolazi od aktivnosti kao takve već od izvršenja, Stubbs (2011., p. 115-145.) objašnjava

opipljive i neopipljive koristi. Najčešći primjeri opipljive koristi jesu: porast prihoda, sniženje

troškova, povećanje profitabilnosti, poboljšanje likvidnosti te smanjenje spornih potraživanja.

Većina mjera koristi jedan od tri elementa: novac, vrijeme ili neku vrstu povrata. Zaključuje,

opipljive se koristi mogu naći u: poboljšanjima vezanima za prihod i profitabilnost,

unapređenjima proizvodnosti, odgođenim troškovima te smanjenju rizika. Neopipljiva se

korist najčešće javlja kao: osobne uštede vremena i unapređenja produktivnosti, mogućnost

strateškog uvida, smanjenje neizvjesnosti, brže i kvalitetnije odlučivanje te povećanju

vjerodostojnih podataka. Stvarajući okvir mjerenja koji pomaže poduzeću da opravda

198

investicije, optimizira interne aktivnosti te utvrdi prioritete, Stubbs (2011., p. 237-260.) ga

dijeli na tri područja:

� poslovne mjere: sastoje se od financijskih rezultata (kvantificiraju opipljivu vrijednost)

i rezultata aktivnosti (većinom ključni pokazatelji uspjeha);

� analitičke mjere: većinom se odnose na kvalitetu imovine, a najčešće su to mjere

točnosti, unapređenja te devijacije;

� tehničke mjere: pokazuju kako bi se procesi i tehnologije mogle optimizirati.

Laursen i Thorlund (2010., p. 18-20.) navode četiri scenarija odnosa PA i tvrtkine strategije:

� nema formalne povezanosti, što znači da se PA koristi po potrebi i od slučaja do

slučaja, pa se može zaključiti da se podaci ne koriste za odlučivanje na strateškoj

razini;

� PA podupire strategiju na funkcijskoj razini, u ovom se slučaju PA angažira za

monitoring strateških performansi; međutim, pitanje jest postoji li povratna veza

prema strategiji;

� dijalog, što označava progres prema dvostrukoj komunikaciji, odnosno PA dostavlja

analize i predviđanja;

� holistički odnos, koji karakterizira zrelost, mogućnost, volja i sposobnost rada s

informacijama na različitim razinama, tako da se PA koristi kao strateški izvor.

Namjena centra kompetencije poslovne inteligencije (engl. Business Intelligence Competeny

Center – BICC) jest dvostruka: maksimiziranje protoka prihoda od PA, te pozicioniranje PA

kao poslovnog a ne IT procesa, a primarni zadatak dostava prave informacije i znanja pravoj

osobi u pravo vrijeme (Laursen i Thorlund, 2010., p. 184-185.). Analitičke aktivnosti trebaju

imati ciljeve, a kada je riječ o opskrbnom lancu potrebno je objediniti podatke nabave,

prodaje, logistike i financija kako bi se napravila integrirana analiza te stekli uvjeti za

osnovano odlučivanje. Menadžment je tada u mogućnosti sagledati financijske i operativne

utjecaje svojih odluka u procesima lanca (Davenport et al., p. 80-81.). Njihovu matricu

analitičkih pitanja u opskrbnom lancu prikazuje slika 29.

199

Slika 29. Matrica analitičkih pitanja u opskrbnom lancu

Izvor: Davenport, T.D., Harris, J.G., Morison, R.: Analytics at Work – Smarter Decisions Better Results, Harvard Business Press, Boston, 2010., p. 81.

Davenport et al. (2010., p. 3.) navode koristi od analitičnosti:

� analitika predstavlja alat menadžmenta za razumijevanje dinamike poslovanja

uključujući kako ekonomska i tržišna pozicija utječu na poslovne performanse;

� pokazuje što uistinu funkcionira u organizaciji;

� smanjuje troškove i povećava učinkovitost jer prediktivni modeli omogućavaju

kompaniji da uvidi tržišne promjene i na njih brže reagira;

� upravljanje rizikom i predviđanje tržišnih promjena;

� vrednovanje prethodnih investicija (IT) kako bi se dobio kvalitetniji uvid i osiguralo

brže izvršenje.

IDC195 (Morris et al., 2002.) napravio je istraživanje196 o financijskim rezultatima primjene

poslovne analitike. Istraživanje je pokazalo:

195 IDC je akronim za International Data Corporation. 196 Istraživanje je napravljeno na temelju 43 studija slučaja.

200

� da 49% promatranih poduzeća očekuje povrat na ovu investiciju u razdoblju do jedne

godine, a 32% njih to očekuje između jedne i tri godine;

� prosječna investicija vrijedna je 1,4 mil USD, a ukupni se trošak u prvih pet godina

penje do prosječnog iznosa od 4,5 mil USD, što uključuje: vanjski i unutarnji servis,

softversku licenciju i održavanje, nabavku hardvera i njegovo održavanje te trening i

obuku korisnika;

� median petogodišnjeg ROI-a iznosi 112%.

Temeljem provedenog istraživanja, navode pet važnih principa za povećanje ROI-a:

prepoznavanje aplikacijskih imperativa, demokratizacija informacijske imovine, izgradnja

discipline u procesu odlučivanja, prepoznavanje potrebnih novih vještina kod analitičara,

suočavanje s kompleksnošću. Također su zaključili koje su to koristi što ih poduzeća mogu

polučiti primjenom poslovne analitike: bolje odlučivanje, usklađenje s poslovnim ciljevima,

unapređenje poslovnih performansi, poboljšanje vidljivosti te mogućnost kontinuiranih

unapređenja. Godinu dana kasnije (Morris, 2003.) IDC napravio je istraživanje197 koje je

pokazalo da prediktivni projekti (po klasifikaciji IDC-a riječ je o rudarenju podacima) imaju

ROI median od 145%, a neprediktivni (po klasifikaciji IDC-a riječ je o query upitima,

izvještavanju i osnovnim analizama) 89%. Najveće koristi od projekata što su koristili

prediktivnu analitiku pokazale su se u poboljšanju poslovnih procesa, pogotovo u unapređenju

kvalitete odlučivanja, preciznijoj segmentaciji kupaca te brzini odgovora na događanja. Prema

ovom istraživanju198, 4% koristi odnosi se na tehnologiju a 96% na produktivnost i

unapređenje procesa.

Trkman et al. (2010., p. 318-327.) istraživali199 su utjecaj PA (u različitim područjima

opskrbnog lanca prema SCOR modelu) na performanse lanca, uz moderirajuće utjecaje

orijentacije prema poslovnim procesima (BPO) i podrške IS-a. Njihovo je istraživanje

pokazalo da PA u proizvodnji (engl. Make) ima najveći utjecaj na performanse opskrbnog

lanca. Također je utvrđeno kako IS ima veći moderirajući utjecaj od BPO-a iz čega bi se

moglo zaključiti da BPO nije nužan uvjet za primjenu poslovne analitike. Lavalle et al.

197 Istraživanjem je obuhvaćeno 40 projekata, od kojih je 15 klasificirano kao prediktivni, a 25 kao neprediktivni. 198 IDC mjeri tri tipa koristi: tehnološku (uštede u tehnologiji ili tehnološkim troškovima), produktivnosti (uštede u vremenu i naporima), te unapređenje procesa (sve ono što se na razini godine može kvantificirati kao ušteda u procesu usljed korištenja analitičkih aplikacija). 199 Istraživanje je napravljeno na uzorku od 310 poduzeća iz SAD, Europe, Kanade, Brazila i Kine.

201

(2011., p. 21-32.) proveli su opširno istraživanje200 o korištenju analitike u poslovanju, u

nastavku se iznose najvažniji elementi:

� najbolja poduzeća koriste analitiku pet puta više nego ona slabija, a više od polovice

ispitanika potvrdili su da unapređenje informacija i analitike jesu njihovi najvažniji

prioriteti;

� 60% ispitanika potvrdilo jest da inovativnost za postizanje konkurentske

diferencijacije je najvažniji poslovni izazov, a isti je postotak potvrdio da njihova

tvrtka ima više podataka negoli ih može efikasno koristiti;

� top menadžment želi poslovanje gdje je odlučivanje temeljeno na podacima, želi

izrade scenarija i simulacija kako bi dobili vodič prema najboljim akcijama kada

neočekivano konkurent izazove poremećaj ili se u zoni opskrbnog lanca dogodi potres;

� analitika treba biti povezana sa strategijom, jednostavna za razumijevanje i korištenje

kod krajnjih korisnika te ugrađena u organizacijske procese kako bi se aktivnosti

mogle pravovremeno odvijati;

� korelacija između performansi i analitički pokrenutog menadžmenta ima snažne

implikacije za tvrtku, bez obzira da li ona nastoji rasti, biti efikasnija ili teži

konkurentskoj diferencijaciji;

� gotovo 40% ispitanika kao najvažniju prepreku za implementaciju navelo je

nedostatak razumijevanja načina korištenja analitike za unapređenje poslovanja,

potom slijedi nedostatak propusnosti menadžmenta zbog različitih prioriteta, te

nedostatak internih vještina.

Prema uočenoj analitičkoj snazi, u istraživanju su kategorizirali tri vrste poduzeća: ona koja

imaju težnju201 (najudaljenija su od željenih analitičkih ciljeva, fokusirani su na efikasnosti i

automatizam egzistirajućih proces), iskusna (ova poduzeća izlaze izvan okvira upravljanja

troškovima, razvijaju korisnije načine prikupljanja, inkorporiranja i djelovanja na temelju

analitike, tako da počinju optimizirati svoje poslovanje) i transformirana (posjeduju značajno

iskustvo u korištenju analitike za postizanje konkurentskog razlikovanja, fokusirani su na

kupčevu dobit, održavanje optimizacije). Odnos današnjih (u trenutku istraživanja) i

očekivanih trendova prikazuje slika 30.

200 MIT Sloan Management Review i IBM Institute for Business Value proveli su istraživanje na uzorku od 3.000 ispitanika iz 108 zemalja i 30 industrija. 201 Ovu prvu grupu poduzeća nazivaju Aspirational.

202

Slika 30. Najvažnije analitičke tehnika danas i predviđanje za 24 mjeseca

Izvor: Lavalle, S., Lesser, E., Shockley, R., Hopkins, M.S., Kruschewitz, N.: Big Data, Analytics: The New Path to Value, MIT Sloan Management Review, winter 2011., 52 (2), p. 27.

Područja gdje su sve tri vrste poduzeća primijenili poslovnu analitiku jesu: financijsko

upravljanje, operacije i proizvodnja te prodaja i marketing. Poslovnu analitiku primijenili su

samo iskusna i transformirana poduzeća u području strategija i razvoja poslovanja,

usluživanja kupaca te istraživanja i razvoja. Samo su transformirana poduzeća i u ovim

poljima primijenili poslovnu analitiku: upravljanje rizikom, iskustva s kupcima, planiranje i

alokacija rada, generalno upravljanje te upravljanje tržištem i brendom. Najvažnije

karakteristike podataka prema ispitanicima jesu: integriranost, konzistentnosti i

standardiziranost, pouzdanost, jednostavnost, pravovremenost, zaštićenost te troškovna

efikasnost.

Za razliku od prethodnog, u novijem se istraživanju202 kao najvažniji cilj navodi rast prihoda

(Kruschewitz i Shockley, 2011. p. 87-89., i Kiron i Shockley, 2011., p. 57-63.); međutim,

ukupno gledajući tri glavna cilja jesu identična samo je razlika u redoslijedu. Među

najvažnijim nalazima ovog istraživanja jesu:

� 40% ispitanika potvrdilo je da imaju kompletan ili pretežiti pristup traženim

podacima, dok je većina ispitanika pokazala manje zadovoljstvo;

� najvažniji poslovni ciljevi za korištenje analitike jesu: pravovremeno odlučivanje,

unapređenje alokacije resursa, smanjenje organizacijskih troškova, povećanje

202 MIT Sloan Management Review i IBM Institute for Business Value napravili su istraživanje na uzorku od 4.500 ispitanika iz 122 zemlje i 30 industrijskih grana.

203

razumijevanja kupaca, povećanje produktivnosti zaposlenih, ubrzanje razvoja novih

proizvoda i usluga, te identificiranje novih tržišta;

� najvažnije karakteristike traženih podataka jesu: konzistentnost, pravovremenost,

relevantnost te kvalitetnije metode prikupljanja;

� najveće prepreke ostale su iste kao i u prethodnom istraživanju, nedostatak

razumijevanja načina korištenja analitike, nedostatak propusnosti menadžmenta te

nedostatak vještina;

� ove je godine 58% ispitanika potvrdilo dobitak vrijednosti od PA za razliku od njih

37% iz prošlog istraživanja;

� polazeći od uspostavljene klasifikacije poduzeća najveći porast konkurentskih

prednosti temeljem korištenja PA imala su iskustvena poduzeća (+66%), potom

transformirana (+23%), dok su najniže rangirana zabilježila pad (-5%);

� kultura orijentiranosti na podatke, upravljanje informacijama i analitičke ekspertize

jesu tri međusobno podupiruća elementa u izgradnji konkurentne analitičnosti;

� među iskustvenim poduzećima iskristalizirana su dva podtipa temeljem pristupa prema

analitici: suradnička (kreiraju informacijsku platformu širom poduzeća kao podršku

prostranom i konzistentnom korištenju analitike) i specijalizirana (izgradnja posebnih

analitičkih eksperata unutar poduzeća). Suradnička skoro tri puta više koriste analitiku

za vođenje buduće strategije, dvostruko više pružaju uvid bilo kome u organizaciji

kome je to potrebno. S druge strane, specijalizirana imaju bolje i naprednije analitičke

tehnike i sposobnosti. Može se zaključit, izbor strategije zavisi o tipu kompanije,

industrije kojoj poduzeće pripada, te kakvo poduzeće želi sutra biti.

TDWI203 (Eckerson i Hammond, 2011., p. 1-19.) proveli su istraživanje204 o korištenju

vizualizacije i napredne analitike, a njihovi najvažniji zaključci jesu:

� usprkos rastu popularnosti vizualizacije, korisnici još uvijek koriste ⅔ svojeg vremena

u analiziranju podataka iz tablica ili teksta;

� ¾ ispitanika potvrdilo je njezin pozitvan utjecaj na uvid u poslovanje, više od ⅔

ispitanika potvrdilo je njen pozitivn utjecaj na povećanje radne produktivnosti, dok je

njih više od ¾ potvrdilo povećanje korisničkog usvajanja;

203 TDWI je akronim za The Data Warehouse Institute 204 Istraživanjem je obuhvaćeno 210 ispitanika od kojih je 76% BI odnosno IT profesionalaca, 72% iz Sjeverne Amerike, 11% iz Europe, a 6% iz Azije.

204

� mogućnosti vizualizacije ima presudan utjecaj pri kupovini novih BI proizvoda za više

od 70%;

� vizualizacija se pokazala korisnom kod prezentacija: analize vremenskih serija (71%),

komparacija raznih kategorija (59%), detekcije nepripadajućih članova skupa (59%),

analize performansi (58%), analize varijance (43%), prediktivne analize (39%),

analize dimenzijskih podataka (37%), statističke analize (37%) te analize segmenata

(36%);

� najveći korisnici vizulizacije jesu: rukovoditelji (74%), marketing (60%), prodaja

(52%), operacije (35%), financije (33%) te usluge (28%);

� dvije su glavne kategorije: vizualno izvještavanje (koje koristi grafikone za opisivanje

poslovnih performansi metrikom i vremenskim serijama) i vizualna analiza (koja

omogućuje korisniku vizualno istraživanje i pronalaženje novih spoznaja).

Alati vizualnog izvještavanja dizajnirani su za vizualizaciju performansi prema unaprijed

definiranim mjerilima za menadžment, dok alati vizualne analitike omogućavaju analitičarima

istraživanje trendova i anomalija u serijama podataka kako bi mogli kreirati nove izvještaje za

ostale zainteresirane korisnike. Kako bi poduzeće djelovalo interaktivno u vizualizaciji te

polučilo maksimalne koristi, potrebna je prilagodba, suradnja i kontinuirana iteracija. Jedno

od novijih istraživanja205 poslovne analitike206 proveli su Kiron et al (2012., p. 47-52.) koji su

u svom uzoku identificirali pet razina analitičkih sposobnosti. Njihovi rezultati pokazuju

nekoliko zanimljivosti. Značajna većina ispitanika potvrdila je kako im je pristup

informacijama i povjerenje u podatke poraslo:

� poboljšao se pristup korisnim podacima (70%);

� poraslo je povjerenje u podatke (60%);

� poboljšala se točnost internih podataka (60%);

� poboljšala se točnost vanjskih podataka (45%);

� koriste se svi ili većina podataka koje generira organizacija (43%);

� uvijek ili često imaju pristup podacima za odlučivanje (35%).

Više od ⅔ uzorkovanih poduzeća (67%) potvrdilo je da im analitika omogućava barem

umjerenu konkurentsku prednost. Najnaprednija se razina (11% poduzeća) razlikuje od ostalih

205 Istraživanje je proveo MIT Sloan Management Review u suradnji sa SAS Institute na uzorku od preko 2.500 menadžera iz 123 zemlje i 25 industrija. 206 U svom istraživanju analitiku su definirali kao korištenje podataka i odgovarajućih uvida razvijenih kroz primjenjene analitičke discipline (poput statističkih, kontekstualnih, kvantitativnih, prediktivnih, kognitivnih ili drugih modela) za vođenje planiranja, odlučivanja, izvršenja, upravljanja, mjerenja i učenja na bazi činjenica.

205

kroz nekiliko dimenzija: uočena je snažna korelacija između korištenja analitike za postizanje

konkurentskih prednosti te inovativnosti i ciklusa upravljanja podacima207. Pokazatelji

(percipirane) učinkovitosti u svih pet faza za najbolja poduzeća iznose više od 80%. Više od

¾ ovih poduzeća (78%) potvrdilo je kako njihovi zaposlenici koji izravno komuniciraju s

kupcima imaju pristup potrebnim podacima i informacijama kako bi mogli aktivno utjecati na

poboljšanje prodaje i produktivnosti. Pokazalo se također kako je potreba za što bržim

informacijama kod ovih poduzeća značajno izraženija nego kod ostalih (87% smatra je vrlo

važnom). Možda najvažnija spoznaja o ovim organizacijama jest njihova evolucija i napredak

kao rezultat primjene analitike. Prema Laursenu i Thorlundu (2010., p. 224-225.), budućnost

poslovne analitike jest razvoj i dodatna unapređenja sve tri dimenzije iz osnovne definicije -

pružanje podrške pravom odlučivanju pravih ljudi u pravo vrijeme.

1.8. Elastičnost

Iako ne postoji opće prihvaćena definicija, elastičnost odnosno fleksibilnosti može se

objasniti kao sposobnost sistema da se povrati u prijašnje ili poželjno stanje nakon što su

nastupili poremećaji; tj. može se reći kako su elastični procesi fleksibilni i agilni te sposobni

za brzu promjenu (Christopher, 2005., p. 254., Waters, 2007., p. 178.). Elastični opskrbni

lanci možda nisu s najnižim troškovima, međutim, oni su se u stanju uspješno nositi s

neizvjesnom okolinom. Tang i Tomlin (2008., p. 155-174.) razmatrali su utjecaj fleksibilnosti

na smanjenje negativnog utjecaja rizika što se u kontekstu opskrbnog lanca može pojaviti na

nekoliko načina:

� rizik opskrbe - primijenjene fleksibilne strategije jesu: fleksibilna opskrbna strategija

preko mnogobrojnih dobavljača, te fleksibilna opskrbna strategija kroz fleksibilne

ugovore o opskrbi;

� rizik procesa - strategija je fleksibilan proces kroz fleksibilne proizvođačke procese

(organizacija proizvodnje koja bi bila u mogućnosti raditi širi spektar proizvoda);

207 Ovaj ciklus Kiron et al. nazivaju transformacijski ciklus, a sastoji se od pet faza; prikupljanja informacija, njihove analize, agregiranja/integriranja, korištenja uvida zbog strateškog vođenja, te distribucije informacija i strateškog uvida.

206

� rizik potražnje - strategije jesu fleksibilan proizvod kroz prolongiranje (konačno

sastavljanje proizvoda u što kasnijoj fazi), te fleksibilna strategija cijena208.

Važna komponenta upravljanja potražnjom jest pronalaženje načina za smanjenje

varijabilnosti te povećanje operativne fleksibilnosti s obzirom da to povećanje omogućuje

tvrtki bržu reakciju na unutrašnja i vanjska događanja (Lambert, 2008., p. 87.), te utječe na

pouzdanost, kvalitetu, trošak i brzinu procesa (Lambert, 2008., p. 103.). Ova se aktivnost

nalazi unutar operativnih potprocesa koji počinju s prikupljanjem podataka i informacija,

nastavljaju se preko predviđanja, zatim sinkronizacije, iza koje slijedi smanjenje varijabilnosti

i povećanja fleksibilnosti, te završava mjerenjem performansi. Različiti konteksti i objašnjenja

fleksibilnosti prikazani su u tablici 23.

Tablica 23. Tipovi fleksibilnost

Tip fleksibilnosti Definicija

Organizacijska fleksibilnost

Proizvodnja ili operacije

Sposobnost organizacije da upravi proizvodnim resursima i neizvjesnošću kako bi zadovoljili različite kupčeve zahtjeve.

Tržište Sposobnost masovne prilagodbe te izgradnja bliskijih odnosa s klijentima, uključujući dizajn novih proizvoda i modifikaciju postojećih.

Opskrba Sposobnost rekonfiguracije opskrbnog lanca kao izvora opskrbe i kupčevih promjena.

IS Sposobnost usklađenja IS-a s promjenjivim kupčevim zahtjevima.

Proizvodna fleksibilnost

Mix Sposobnost brze promjene na drukčiji proizvod bez promjena u kapacitetu.

Volumen Sposobnost ekonomičnog i efikasnog rada u različitim veličinama i/ili serijama različitih količina.

Širenje Modularna gradnja i širenje kapaciteta.

Rukovanje materijalima

Sposobnost efikasnog transporta različitih dijelova između različitih procesnih centara različitim putovima.

Proces Sposobnost učinkovite obrade dobivenih dijelova na različite načine.

Strojevi Sposobnost ekonomičnog i efikasnog obavljanja različitih operacija.

Radni centri Sposobnost radne snage da ekonomično i efikasno izvrši širok spektar zadataka.

Izvor: Lambert, D.M.: Supply Chain Management: Processes, Pertnership, Performance, 3rd. ed., Supply Chain Management Institute, Sarasota, 2008., p. 130.

208 Dell rapidno prilagođava cijene kao odgovor na neusklađenost ponude i potražnje.

207

Swafford et al. (2006., p. 118-140.) istraživali209 su utjecaj IT-a na fleksibilnost i agilnost

lanca vrijednosti te, posljedično, na njegove performanse. Iako neki autori izjednačavaju

fleksibilnost i agilnost (npr. Jacoby, 2009., p. 35.) Swafford et at. ih razlikuju, jer je, agilnost

izvedena iz relevantnosti, smještaja i fleksibilnosti. Naime, objašnjavaju kako se fleksibilnost

fokusira na sposobnost promjene, dok se agilnost fokusira na brzom odgovoru u kraćem

vremenu. U njihovom se modelu agilnost izvodi iz karakteristika fleksibilnosti kroz četiri

ključne komponente (razvoja proizvoda, nabave, proizvodnje te logistike) uključujući

mogućnosti IT-a unutar navedenih elemenata. Njihovo je istraživanje pokazalo: da poduzeća

imaju bolju agilnost kroz integraciju informacija duž lanca vrijednosti nego kroz njegove

aktivnosti. Poduzeća s većom fleksibilnošću funkcija lanca vrijednosti uživaju višu razinu

agilnosti, imaju točniju isporuku, ROA te tržišni udio.

Zhang et al. (2006., p. 390-399.) istraživali210 su fleksibilnost protoka informacija kroz lanac

vrijednosti te njihov utjecaj na zadovoljstvo kupca. Istraživanje je pokazalo pozitivnu, jaku i

izravnu vezu između fleksibilne diseminacije informacija i fleksibilnosti razvoja strategije, te

između nje i kupčeva zadovoljstva.

Prema Watersu (2007., p. 197-199.), elastičnost jest rezultat aktivnog upravljanja rizikom pa

navodi principe dizajniranja elastičnog opskrbnog lanca:

� početak jest u samoj organizaciji - prvi princip zahtijeva uspostavu upravljanja

rizikom opskrbnog lanca211 (engl. Supply Chain Risk Management – SCRM), pod

čime se podrazumijeva definiranje politika rizika, uspostavu tima, instalaciju i

testiranje sistema i procedura;

� uspostava strateškog pogleda - odnosno podrška strateškog menadžmenta, pogotovo

kad je riječ o odnosima s drugim organizacijama u lancu;

� razumijevanje koncepta rizika opskrbnog lanca - elemente rizika, uloge, ciljeve,

interakcije, sile, dinamiku te snagu;

� razmatranje rizika u dizajnu - prilikom odlučivanje potrebno je voditi računa o

efektima rizika;

� snaga lanca jednaka je snazi njegove najslabije karike - poremećaj ili prekid toka na

bilo kojem dijelu lanca reflektira se na sve ostale njegove elemente; stoga

209 Uzorak se sastojao od 678 poduzeća od kojih je došlo 135 odgovora što predstavlja odziv od 20%. 210 U istraživanju su sudjelovala 273 poduzeća što predstavlja odziv od 9,2%. Uzorak je preuzet iz baze podataka The Society of Manufacturing Engineers. 211 Waters (2007., p. 76.) definira upravljanje rizikom opskrbnog lanca kao proces sistematskog identificiranja, analize i bavljenja rizikom u opskrbnom lancu.

208

identifikacija rizika pomaže u pronalaženju njegove najslabije točke, kako bi se ona

ojačala ili premostila;

� suradnja - predstavlja osnovu zajedničkog bavljenja rizikom;

� prevencija - uvijek je bolje izbjeći teškoću nego kasnije kompenzirati njezine

negativne efekte;

� agilnost - rizik je temeljen na neizvjesnosti koja je prisutna u svim operacijama; lanac

je konstantno podložan nepredviđenim događajima pa je njegova agilnost koja

predstavlja efikasno djelovanje u rapidno promjenjivim uvjetima konstantna potreba;

� postojanje procedura za hitne slučajeve - iako je nemoguće predvidjeti sve moguće

događaje, poželjno je imati plan za nepredviđene situacije s razrađenim osnovnim

elementima djelovanja.

Li (2008., p 163-164.) proizvodnu fleksibilnost dijeli u pet područja, od kojih su tri identična

Lambertovima iz tablice 23. (proizvodni miks, volumen i proces), a dva se razlikuju:

fleksibilni proizvod212 (sposobnost dizajniranja novog ili modificiranja postojećeg proizvoda),

te fleksibilna isporuka (sposobnost izvršenja isporuke u vremenu i na mjesto kupčeve želje).

Prema njemu, izazov predstavlja planiranje i uspostava prave mjere proizvodne fleksibilnosti

s obzirom da s povećanjem fleksibilnosti rastu troškovi. Veličina proizvodnje i dužina ciklusa

variraju s proizvodima, tržištima te fazom životnog vijeka proizvoda, stoga je potrebno dobro

analizirati i odrediti razinu fleksibilnosti. Uz odgovornost, globalizaciju, nove i inovativne

proizvode te tržišta, postizanje i održavanje fleksibilnost predstavlja jedan od osnovnih

razloga primjene IT-a u upravljanju opskrbnim lancima (Gunasekaran i Ngai, 2004., p. 287.).

Christopher i Peck (2004., p. 24.) kažu kako elastičnost tvore četiri elementa: (1)

reinženjering (određenih) procesa, (2) suradnja, (3) agilnost i fleksibilnost, (4) izgradnja

kulture rizika opskrbnog lanca.

Pettit (2008.) je u svom istraživanju213 elastičnost opskrbnog lanca ocijenio kroz dvije

dimenzije: ranjivost, pod čime se podrazumijevaju faktori koji poduzeće čine pogodnim za

poremećaje te mogućnosti koji omogućuju poduzeću da anticipira navedene ranjivosti.

Ranjivosti je operacionalizirana sa sedam faktora (turbulencije, namjerne prijetnje, vanjski

pritisci, ograničenja resursa, senzitivnost, povezanost i poremećaji s kupcima ili

dobavljačima), dok su mogućnosti operacionalizirane sa 14 faktora (fleksibilnost izvora,

212 Lambert je fleksibilni proizvod uključio u opciju tržište kod organizacijske fleksibilnosti. 213 Istraživanje je napravljeno na uzorku od sedam poduzeća iz kojih je sudjelovalo 170 učesnika zaposlenih u različitim sektorima: istraživanje i razvoj, marketing, nabava, proizvodnja, logistika, financije, prodaja, upravljanje rizikom, sigurnost te IT.

209

fleksibilnost u ispunjavanju narudžbi, kapacitet, efikasnost, vidljivost, prilagodljivost,

anticipacija, oporavak, disperzija, suradnja, organizacija, tržišna pozicija, sigurnost i

financijska snaga). Istraživanje je pokazalo pozitivnu vezu između unapređene elastičnosti i

tvrtkinih performansi (Pettit, 2008., p. 178.). Ustvrdio je da mu poslovna inteligencija

omogućuje njegovu vidljivost koju objašnjava kao znanje o operativnoj imovini i okolini. PI

definira kao proces i proizvod koji se proteže preko granica lanca sa ciljem da mu omogući

pokazatelje budućih trendova te predvidi ponašanje konkurencije, dobavljača, kupaca i tržišta

(Pettit, 2008., p. 70.).

The Economist (Whitby i Scott, 2009.) proveo je istraživanje214 o rizicima s kojima se

kompanije susreću te o načinu njihovog odgovora na te izazove. Pokazalo se:

� poremećaji povezani s recesijom imaju najveći utjecaj na opskrbne lance, potom

slijedi nemogućnost predviđanja potražnje;

� najveće prijetnje elastičnosti lanca jesu: nepovoljni međuvalutarni odnosi (39%),

porast cijena sirovina (34%) te porast cijena energenata (33%);

� najveći pritisci prema poboljšanju elastičnosti dolaze od izvršnog menadžmenta (59%)

i kupaca (39%);

� aktivnosti koje se poduzimaju za poboljšanje elastičnosti jesu: unapređenje suradnje s

dobavljačima i partnerima (50%), pomak od jednog prema više dobavljača (38%),

pojednostavljenja procesa (37%), provođenje revizije rizika ključnih dobavljača

(36%), poboljšanje predviđanja potražnje (33%), pojačano poslovno planiranje (33%),

te mapiranje procesa opskrbnog lanca (30%);

Gartnerovo (Hofman et al., 2011., p. 3.) istraživanje najboljih opskrbnih lanca za 2011.

godinu pokazalo je porast važnosti elastičnosti koju definiraju kao sposobnost da se ostvare

rezultati unatoč volatilnosti. Brzina, agilnost, efikasnost, odgovornost i inovativnost i dalje

ostaju najkritičniji elementi, samo što je te godine uz njih pozicionirana i elastičnost. Njihovo

je istraživanje pokazalo da nekoliko velikih kompanija, osim brige o svojoj elastičnosti, vodi

računa i o elastičnosti svojih partnera. Grawe et al. (2011., p. 69-80.) istraživali215 su odnos

sinteze znanja i inovativnih logističkih procesa te njihov odnos prema operativnoj

214 Economist Intelligence Unit je proveo istraživanje na uzorku od 500 menadžera odgovornih za upravljanje rizikom u svojim kompanijama iz Sjeverne Amerike (28%), Europe (29%) i Azije (33%). 215 Podaci za ovo istraživanje su prikupljani u dvije faze. Od 112 upita poslanih u prvoj fazi, pristiglo je 50 odgovora, što predstavlja odziv od 44,6%. U drugoj fazi, u uzorku je bilo 600 poduzeća, od koji je 134 odgovorilo, što predstavlja odziv od 22,3%. Ukupna se populacija sastojala od 712 poduzeća, a iskorišteno je 184 odgovora, što predstavlja odziv od 25,8%.

210

fleksibilnosti i logističkim performansama. Sintezu znanja definirali su kao individualan i

socijalan proces jer zahtijeva da individue dijele svoje znanje i ideje s ostalim sudionicima

unutar ili izvan organizacije, a operacionalizirana je kroz tri dimenzije. Inovativni logistički

procesi jesu strukturirane mjerljive logističke aktivnosti koje su percipirane kao nove i korisne

u nekoj specifičnoj proizvodnji, a izvedene su kroz tri dimenzije. Operativna fleksibilnost

podrazumijeva tvrtkinu sposobnost da brzo odgovori na tržišna događanja, a mjerena je kroz

pet dimenzija. Performanse su objašnjene kroz: isporuku na vrijeme, obrtaj zaliha,

zadovoljstvo kupca, niske razine oštećenja te varijabilnosti ciklusa. Rezultati su pokazali:

� sinteza znanja utječe na razvoj inovativnih logističkih procesa te utječe na operativnu

fleksibilnost;

� inovativno logistički procesi također utječu na operativnu fleksibilnost;

� operativna fleksibilnost pozitivno utječe na firmine logističke performanse.

Soon i Udin (2011., p. 506-526.) istraživali216 su praksu opskrbnih lanaca u odnosu na

fleksibilnost, lanac vrijednosti i sposobnosti. Fleksibilnost lanca vrijednosti definirali su kao

integraciju internih i eksternih fleksibilnosti, a operacionalizirana je kroz: operativnu mrežu

(sposobnost proizvodnog sistema da uskladi ili prilagodi interne procese kako bi kreirali

konkurentsku vrijednost), opskrbnu mrežu (sposobnost organizacije da uskladi i prilagodi

opskrbu kako bi mogla pružiti konkurentsku vrijednost) i logističku mrežu (sposobnost

organizacije da uskladi i prilagodi logistiku kako bi ona mogla pružati konkurentsku

vrijednost). Sposobnosti lanca su definirane kao operativna praksa koja omogućuje lancu da

bude fleksibilan, a čine ga osnovne, relacijske i organizacijske sposobnosti. Iako je uzorak

bio skroman, njihovi zaključci bit će podložni daljnjem testiranju: fleksibilnost se postiže uz

podršku menadžmenta te koordiniranu suradnju i zajedničko predviđanje s mrežom

dobavljača, koristi mogu biti opipljive (troškovi, profitabilnost) i neopipljive (zadovoljstvo

kupca).

U kontekstu teme ovog rada vrijedno je analizirati istraživanje koje su proveli Gebauer i

Schober (2006., p. 122-147.) o fleksibilnosti IS-a te njegovom utjecaju na troškovnu

efikasnost. Karakteristike poslovnog procesa sagledavali su kroz tri dimenzije: neizvjesnost

(odnosi se na teškoću predviđanja točnih zadataka i resursa koji su potrebni za obavljanje

određenog procesa, te se provlači razlika između strukturnih i neizvjesnosti okruženja),

varijabilnost (odnosi se na varijabilnost broja zadataka koji su potrebni za obavljanje

216 Istraživanje je napravljeno na temelju četri studije slučaja iz malezijske elektronske industrije.

211

određenog procesa, te su za ovu operacionalizaciju iskoristili Lorencovu krivulju) i kritičnost

vremena. Fleksibilne strategije operacionalizirane su kroz tri dimenzije: fleksibilnost u

korištenju (objašnjena kao količina procesnih zadataka podržanih sa IS-om, bez značajnije

potrebnih promjena IS-a), fleksibilnost za buduće promjene (manifestira se kao sposobnost

uvođenja novih funkcionalnosti, rekombiniranje i reorganizacija pristupa različitim izvorima

podataka, primjena novih modifikacija te povećanje kapaciteta) i nepostojanje IS-a (izvođenje

ručnih operacija). Analiza njihova modela pokazala je:

� strategija fleksibilnosti za buduće promjene troškovno jest efikasnija kada je

primijenjena kod poslovnih procesa čija je karakteristika velika neizvjesnost

(strukturna i okoline);

� niža razina procesne neizvjesnosti efikasno korespondira sa strategijom fleksibilnost u

korištenju;

� visoka procesna varijabilnost može generalno povećati važnost fleksibilnosti IS-a.

Tachizawa (2007.) istraživao217 je odnos neizvjesnosti, integracije i fleksibilnosti opskrbnog

lanca te je fleksibilnost definirao kao sposobnost nabavne funkcije da pravovremeno i

troškovno efikasno odgovori na promijenjene zahtjeve u smislu količine, miksa i isporuke.

Upravljači fleksibilnosti jesu kategorizirani na: interne (neizvjesnost rasporeda proizvodnje,

loše komponente, JIT nabava, slab kapacitet središnje tvrtke), nizvodne (volatilnost potražnje,

sezonska potražnja, loša preciznost predviđanja), uzvodne (dobavljači koji ne reagiraju), dok

su identificirana tri tipa neizvjesnosti: količina, miks i isporuka. Temeljem studija slučaja,

identificirane su dvije strategije povećanja opskrbne fleksibilnosti: unaprijeđena odgovornost

dobavljača (jedan izvor, visoka razina interne i eksterne integracije, selekcija dobavljača) i

fleksibilni izvori (veća baza dobavljača, niža razina odgovornosti dobavljača te brži redizajn

opskrbne mreže). U drugoj fazi istraživanja faktorska je analiza identificirala:

� tri dimenzije opskrbne fleksibilnosti: politika isporuke, odgovornost dobavljača i

prilagodljivost;

� četiri dimenzije okruženja; neizvjesna opskrba, neizvjesna potražnja, tehnološka

neizvjesnost, troškovi izmjene.

Rezultati druge faze identificirali su tri strategije postizanja opskrbne fleksibilnosti:

217 Istraživanje je provedeno u dvije faze. U prvoj je fazi obrađeno sedam studija slučaja, dok se u drugoj fazi provelo istraživanje na uzorku od 1.504 poduzeća iz registra Spanish Association of Purchasing Managers – AERCE, od kojih je 77 sudjelovalo u istraživanju, što predstavlja odziv od 5,1%.

212

� integracija - najviši rezultati tzv. integrirajućih varijabli: dobavljači, interno,

elektronski, logistički provideri;

� off-shore - karakteristično je oslanjanje na inoopskrbu, nižu razinu odgovornosti

dobavljača, povišenu razinu zaliha kako bi se kompenzirao povećani rizik opskrbnog

poremećaja;

� tuzemni - karakteristično je oslanjanje na domaće izvore, unaprijeđene odnose s

dobavljačima, niža razina elektronske integracije.

Nije utvrđen jedinstveni put prema povećanju fleksibilnosti, ali se pokazalo da su domaći

izvori, interna integracija, selekcija dobavljača, alternativni modeli transporta te e-integracija

najefikasniji u postizanju fleksibilnosti. Različite prakse i integrirani klaster pokazao je

superiornu fleksibilnost, ali i potrebu najveće investicije. Određene prakse pokazale su se

karakteristične za sve grupe: višestruki izvori, dugoročni odnosi s dobavljačima te zaštitne

zalihe. Također se kod svih grupa pokazalo da e-tržište nije značajno i da su varijable

okruženja (neizvjesna potražnja i troškovi izmjene) slične među grupama.

Potrebno je navesti još nekoliko opservacija o agilnost. Fleisher i Bensoussan (2007., p. 163.)

smatraju suradnički odnos esencijalnom pretpostavkom za postizanje agilnosti koju

objašnjavaju kao vješto upravljanje kratkoročnim promjenama u lancu i odgovor prema

kriznim momentima uz minimalnu obustavu njegovog funkcioniranja. Thierauf (2001., p.

274.) objašnjava agilnu proizvodnju kao sposobnost brzog odgovora na tržišne promjene, a

agilne kompanije kao one koje su sposobne okretno rekonfigurirati svoje operacije, procese i

odnose. Zaključuje, koncept agilnosti ističe ultrafleksibilna proizvodna postrojenja,

konstantno promjenjive alijanse između dobavljača, proizvođača i klijenata te izravnu

povratnu vezu prodajnih podataka. Christopher (2005., p. 117.) razdvaja pojmove agilnost i

lean218 proizvodnje jer kaže da ključ agilnog odgovora leži u agilnosti uzvodnih i nizvodnih

partnera, te nije riječ o sinonimu za lean, ali dopušta da se na njemu može graditi. Smatra da

lean najbolje funkcionira kod velikih količina, slabe varijabilnosti te predvidljivog okruženja,

dok je agilnost potrebna kod slabo predvidivog okruženja s visokom varijabilnošću potražnje.

Slično navodi i Waters (2007., p. 64.), kada kaže da se lean logistika može kritizirati zbog

velikog usmjerenja na troškove, pa se nameće alternativna strategija - agilna logistika - koja

naglasak stavlja na kupčevo zadovoljstvo. Christopher (2005., p. 121-122.) agilnost

opskrbnog lanca temelji na četiri karakteristike:

218 Christopher (2005., p. 117.) slikovito objašnjava lean kada kaže da je to „uraditi više s manje“ (engl. It is about doing more with less).

213

� osjetljivosti prema tržištu, pod čime se podrazumijeva da je opskrbni lanac u stanju

slušati, prepoznati i odgovoriti na realne tržišne zahtjeve;

� virtualnosti, virtualni opskrbni lanac temeljen je na informacijama i njihovoj razmjeni,

a ne na zalihama;

� procesnom usklađenju, partneri iz opskrbnog lanca mogu iskoristiti puni potencijal

razmijenjenih informacija kroz međusobna usklađenja, suradnju, zajednički razvoj

novih proizvoda te integraciju;

� umreženosti partnera, ideja jest oformiti konfederaciju partnera koji su međusobno

umreženi kako bi prethodna tri elementa došla do punog izražaja.

Temeljem navedenih elemenata, Christopher je razvio principe za razvoj agilnosti: (1)

sinkronizacija aktivnosti kroz razmjenu informacija, (2) pametniji a ne teži rad, (3)

partnerstvo s dobavljačima u pravcu razvoja VMI koncepta, (4) nastojanja u pravcu smanjenja

kompleksnosti, (5) odgađanje konačnog konfiguriranja (sastavljanja) finalnog proizvoda, (6)

razvoj upravljanja procesima a ne funkcijama, (7) korištenje prikladnog mjerenja performansi.

Cecere (2009) u svojem istraživanju219 navodi kako agilnost zahtijeva četiri sposobnosti:

brzinu, jednostavnost, predvidivost te kvalitetu, a za njezino postizanje predviđa četri koraka:

� definiranje agilnosti, s obzirom da ne postoji općeprihvaćena definicija potrebno ju je

definirati na razini poduzeća, npr. sposobnost održavanja istih troškova, kvalitete i

usluge kupcu pri različitim razinama varijabilnosti potražnje;

� angažman vodstva, ključna je podrška vrhovnog vodstva;

� usklađenje, kultura (unutarnja tvrtkina) predstavlja najveću barijeru u postizanju

agilnosti;

� ciklusi podrške, reaktivni opskrbni lanci nisu u stanju nadoknađivati zato je potrebno

graditi osjetljivost prema potražnji.

Rezultati pokazuju:

� tri najvažnija načina mjerenja agilnosti: (1) vrijeme ispunjenja narudžbi, (2) trošak,

kvaliteta i razina usluge kupcu s fluktuacijom potražnje te (3) sposobnost odgovora

opskrbom na potražnju;

219 Hitachi Consulting i AMR Research su napravili istraživanje na uzorku od 164 poduzeća o načinu odgovaranja na kupčeve potrebe i tržišne uvjete.

214

� najveće prepreke unapređenju agilnosti: kultura (19%), nedostatak vidljivosti (12%),

povećanje proizvodne kompleksnosti (11%), povećanje kupčeve kompleksnosti

(11%).

2. Inteligencija opskrbnog lanca

Spoznaja o potrebi istraživanja i mjerenja uspješnosti procesa u opskrbnom lancu, kako bi se

temeljem toga donosile relevantne i efikasne upravljačke odluke, dovelo je do razvoja

inteligencije opskrbnog lanca (eng. Supply Chain Intelligence – SCI). Alati koji će pomoći

kompanijama da prežive i prosperiraju jesu radni kapital, opskrbni lanac i poslovna

inteligencija (Wheatley, 2009., p. 58.). Thierauf (2001., p. 273.) kaže kako je fokus primjene

operativne inteligencije na cijelom lancu; to uključuje gdje i kako su proizvodi nabavljeni,

isporučeni te prodani kupcu, a osnovni cilj predstavlja postizanje visoke kvalitete opskrbe,

niže cijene proizvodnje uz brži obrtaj. Reyes (2005., p. 1428.) objašnjava kako SCI aplikacije

omogućuju strateško odlučivanje jer prikupljaju detaljne informacije iz svake faze životnog

ciklusa nekog proizvoda (od nabave materijala preko proizvodnje do garantnog perioda kod

krajnjeg kupca). Prošireni opskrbni lanac koristi podatke s atomske razine što je neophodno

ako se žele shvatiti ukupni troškovi i njihovo dugoročno grananje, ali isto tako i proizvodni

gubitci uzrokovani kvalitetom ili drugim problemima. Prema Panianu i sur. (2007., p. 28-31.)

SCI predstavlja mogućnost analiziranja procesa obuhvaćenih lancem, komponenata i

materijala na koje se ti procesi primjenjuju te proizvoda koji realizacijom tih procesa nastaju.

Inteligencija opskrbnog lanca omogućuje uvid u djelovanje cjelokupnog opskrbnog lanca,

usmjerena je suradnji i razvoju poslovanja, pridonosi uspostavljanju partnerskih odnosa

poslovnih subjekata i outsourcinga, podržava kupovanje, prodaju i obavljanje ostalih

poslovnih transakcija putem weba te omogućuje JIT proizvodnju.

Li (2008., p. 308.) kaže kako je lanac vrijednosti poslovne inteligencije (engl. Business

intelligence value chain) interrelacijski proces dobavljača, proizvođača, distributera i kupaca

koji koriste podatke, informacije i znanje kako bi vodili kompaniju prema konkurentskom

uspjehu. Dyson i Koruth (2004., p. 342.) tvrde kako SCI predstavlja vrijedan integrirajući alat

SCM-a, a definiraju ga kao praksu omogućavanja funkcioniranja skladišta podataka kroz

215

cijeli opskrbni lanac. To podržavaju i Panian i sur. jer kažu da je osnovni cilj SCI-a primjena

tehnologije skladišta podataka i analitičkih alata na strateškoj razini poslovanja tvrtke tijekom

životnog ciklusa opskrbnog lanca i proizvoda. Kako bi se ostvarile konkurentsku prednost,

sve strane u opskrbnom lancu – dobavljači, proizvođači, trgovci na veliko, trgovci na malo,

distributeri i kupci – sve češće trebaju detaljniju i snažniju analizu koju omogućuje primjena

PI (Liautaud i Hammond, 2006., p. 217.). U kontekstu upravljanja rizikom u opskrbnom lancu

Dani (2008., p. 60.) pojašnjava njegove dvije dimenzije: frekvenciju (učestalost) i njegovu

jačinu te kaže kako rudarenje podacima kao prediktivan alat pomaže da učestali rizici imaju

slabiju jačinu, a jaki rizici manju učestalost.

Prema Rogersu i Panosu (2006.), SCI predstavlja fuziju SCM-a i PI-a jer se primjenom

funkcija PI-a na strateškoj razini omogućuje integracija različitih operativnih sistema, više

izvora podataka, analitike, ključnih pokazatelja uspjeha, najbolje prakse te poslovnih procesa

koji zajedno pružaju mogućnost pristupa, analize i dijeljenja informacija kroz cijelu mrežu

opskrbnih lanaca. SCI ne služi samo kako bi se dobio brzi snimak stanja temeljem izabranih

KPI-a, već predstavlja sposobnost objašnjenja detalja od kojih je snimak nastao, odnosno

pruža širinu i dubinu informacije (Lee i Cheng, 2007., p. 66.). Objašnjavajući ulogu BI-a, La

Grouw (2008., p. 386-387.) kaže kako između narudžbe i isporuke postoji kompleksan lanac

aktivnosti gdje svaka prethodna dodaje vrijednost slijedećoj te usmjerava narudžbu kroz lanac

vrijednosti prema kupcu; za kvalitetnije odlučivanje koriste se različiti stupnjevi intelligencea:

monitoring i uzbunjivanje (kada se aktivira kontrolni prag), automatsko odlučivanje

(poduzimanje aktivnosti temeljem unaprijed predviđenih događaja) te optimizacija

(korištenjem heurističkih pravila ili algoritama).

Christopher (2005., p. 254.) tvrdi da je preduvjet postizanja elastičnosti što brži pristup

informaciji, a kroz suradnju ovu je informaciju moguće pretvoriti u SCI jer opskrbne mreže

postaju sve kompleksnije te postoji opasnost da padnu u kaos ukoliko nisu povezane kroz

dijeljenje informacija i znanja. U navedenom smislu virtualni opskrbni lanac Christopher

(2005., p. 179.) vidi kao niz relacija između partnera koje se temelje na dodanoj vrijednosti

razmijenjenih informacija220. Tablica 24. prikazuje primjer korištenja poslovne inteligencije

za potrebe analize u SCM-u.

220 Engl. Value-added exchange of information.

216

Tablica 24. Primjeri korištenja PI za potrebe analize u SCM-u

Primjeri poslovnih informacija Primjeri poslovnih analiza Poslovne akcije i rezultati

• Trenutni status zaliha • Predviđena prodaja po proizvodu i

vremenu • Trenutne narudžbe pr proizvodu i

vremenu • Razine zaliha • Povjesni podaci o nabavljenim

materijalima • Povjesni podaci o ugovornim

cjenama • Trenutni broj dobavljača po

proizvodu • Informacije o cijenama za

kvalificirane dobavljače • Povjest narudžbi po dobavljaču • Povrati/kvarovi po dobavljaču • Trenutni status kapaciteta • Trenutni status naručenih sirovina • Lokacija pogona vs. lokacija kupca

• Analiza trendova prodaje i nabave

• Analiza profitabilnosti • Analiza planiranog

materijala • Analiza rasporeda

proizvodnje • BSC po dobavljaču • Analiza troška dobavljača • Analiza performansi

dobavljača • Analiza preuzetih obveza

(isporuka) • Analiza kvarova i grešaka • Analiza preventivnog

održavanja • Analiza proizvoda i usluga

• Optimizacija performansi postrojenja i ispunjavanje narudžbi

• Temeljem BSC-a određivanje optimalnog miksa dobavljača

• Temeljem analize uzroka kvarova i grešaka popravljanje proizvodnog procesa i prilagođavanje dobavljača

• Osiguranje dovoljnih količina materijala i proizvodnih kapaciteta kako bi se izbjegao gubitak prodaje

• Temeljem povjesnih podataka o trgovini s dobavljačem renegociranje o količinama i cijeni

• Unapređenje preventivnog održavanja

Izvor: prilagođeno prema Williams, S., Williams, N.: The Profit Impact of Business Intelligence, Morgan Kaufman, San Francisco, 2007., p. 6-7.

Maguire i Suluo (2007., p. 22.) kažu: najbolji je način da svi u opskrbnom lancu dobiju

ažurirane i korisne informacije jest da su sve razine lanca poduzeća izravno povezane s

tržišnim podacima, što omogućuje primjena PI-e. Smouther (2009.) koristi pojam

konkurentska inteligencija opskrbnog lanca (engl. Supply Chain Competitive Intelligence -

SCCI) te ga objašnjava kao stvaranje konkurentskih prednosti kroz sistematsko i etičko

prikupljanje, analiziranje, i upravljanje podacima, informacijama i znanjem o okruženju

opskrbnog lanca u kojemu poduzeće i konkurenti djeluju.

U kontekstu teme ovog rada korisno je analizirati i inteligenciju opskrbnog tržišta (engl.

Supply Market Intelligence – SMI). Handfield (2006., p. 3.) kaže kako su poslovna i tržišna

inteligencija dostupne ključnim ljudima ali nisu kvalitetno raspodijeljene ostalim korisnicima

te zaključuje kako donositelji odluka u opskrbnim procesima trebaju primjenjivati i koristiti

znanje na učinkovit način. Trent i Roberts (2010., p. 156.) tvrde kako SMI predstavlja ishod

procesa prikupljanja i analiziranja relevantnih informacija za tvrtkino trenutno i potencijalno

opskrbno tržište sa ciljem podupiranja učinkovitog odlučivanja. U navedenom smislu, SMI

uključuje pet elemenata: informacije o profilu robe (identifikacija vrste i prirode robe ili

217

usluge, informacije o potrebnom proizvodnom procesu, zahtjevi kvalitete ili standarda),

strukturu troškova (identifikacija svih povezanih troškova), informacije o bazi dobavljača

(trenutnih i potencijalnih s osnovnim karakteristikama), tržišne informacije (identifikacija

cijena, tržišnih kapaciteta, odnosa te ostalih utječućih faktora) i konkurentske analize (ocjene

pozicija i financijskih performansi kupaca i dobavljača, analiza zamjenskih proizvoda i

usluga, te ostalih faktora). Trent i Roberts (2010., p. 161-165.) identificirali su nekoliko razina

primjene odnosno obuhvata:

� razina makrookruženja - uključuje informacije o dinamici tržišta, svjetskoj trgovini,

demografiji, političkoj klimi, ekonomiji, okruženju te tehnologiji;

� razina (specifične) države - predstavlja podskup makrookruženja uz određene dodatke

o promatranoj zemlji, ekonomski pokazatelji, kulturološke prilike, sigurnost

intelektualnog vlasništva, politička klima, pokazatelji rada i odnosa prema radu;

� razina industrije i proizvoda - odnosi se na pokazatelje tipa, veličine i relativne snage

promatrane industrije, konkurentskih dobavljača, cijena, trendova, zamjenskih

proizvoda, kupaca, kretanja potražnje i sl.;

� razina dobavljača - obuhvaća analizu potencijalnih dobavljača, njihovih proizvoda i

usluga, snagu, poziciju te mogućnosti.

Li (2008., p. 308-310.) navodi četiri razine primijenjenih aplikacija PI u SCM-u: (1) strateška

razina (namijenjena je top menadžmentu), (2) taktička razina (agregira informacije potrebne

za omogućavanje vidljivosti kroz procese opskrbnog lanca kako bi se olakšale akcijske

promjene), (3) operativna razina (informacije potrebne za dnevno i pravovremene informacije

kako bi se na vrijeme udovoljilo kupčevim zahtjevima), (4) istraživanje i razvoj (iako osoblje

ne mora biti uključeno u dnevne operacije i odlučivanje, ono prikuplja podatke iz opskrbnog

lanca te modelira i simulira razna događanja kako bi otkrilo znanje o kupcima i konkurentima

koje je ugrađeno u procese samog lanca te pomoglo u njegovom optimiranju). La Grouw

(2008., p. 389-392.) smatra kako su planiranje potražnje i napredno planiranje i

raspoređivanje dva ključna područja opskrbnog lanca u kojima PI stvara značajnu korist kroz:

smanjenje troškova opskrbnog lanca (povećano korištenje imovine), unaprijeđene proizvodne

margine, niže zalihe, unaprijeđenu uslugu kupcu te povećan povrat na imovinu. Bankarski

sektor i telekomunikacije prepoznale su postprodajne usluge kao ključni konkurentski

diferencijantor, tako da La Grouw (2008., p. 393.) navodi najveće izazove u tom segmentu:

nedostatak vidljivosti uslužnih dijelova, različiti izvori podataka uslužnih segmenata,

218

nedosljednost korištenog naziva za pojedine dijelove, nepovezanost planiranja zaliha i

izvršnih procedura, nedovoljno i fragmentirano korištenje automatizma i napredne analitike.

Panian i sur. (2007., p. 32-34.) navode glavn područja primjene inteligencije opskrbnog lanca:

� mjerenje uspješnosti cjelokupnog opskrbnog lanca - kako bi se stvorila inteligencija

opskrbnog lanca, proces mjerenja uspješnosti treba pružiti pouzdane pokazatelje

doprinosa lanca operacijama i aktivnostima u područjima kao što su: rast, razvoj,

unapređenje poslovanja, minimalizacija troškova, efikasnost korištenja radnog

kapitala te iskorištenje poslovnih resursa;

� mjerenje doprinosa opskrbnog lanca rastu, razvoju i unapređenju poslovanja - ključni

pokazatelji uključuju: postotak narudžbi realiziranih u prvom pokušaju, postotak

materijala koji je stigao na vrijeme, udio proizvoda bez nedostataka u ukupnom broju

napravljenih proizvoda, udio vraćenih jedinica proizvoda u ukupnom broju

isporučenih proizvoda, udio isporuka izvršenih na vrijeme u ukupnom broju izvršenih

usluga;

� mjerenje doprinosa opskrbnog lanca minimalizaciji troškova - tipični pokazatelji jesu:

prekomjerne zalihe, postotak ukupnih izravnih troškova proizvodnje u troškovima

prodaje ili u ostvarenom prihodu, trošak transporta i skladištenja u ukupnom trošku

prodaje ili ostvarenom prihodu;

� mjerenje doprinosa opskrbnog lanca efikasnosti korištenja radnog kapitala - zalihe

predstavljaju najvažniju komponentu radnog kapitala, odnosno obrtnih sredstava, tako

što se izračunava udio zaliha (u različitim segmentima, nabave, proizvodnje,

logistike) u ostvarenoj prodaji/nabavi/realiziranim narudžbama;

� mjerenje doprinosa opskrbnog lanca korištenju fiksnog kapitala - predstavlja

vrijednost fiksnog kapitala iskazanog u postotku od ostvarenog prihoda ili vrijednosti

ukupnog kapitala.

Dyson i Kouth (2004., p. 342-343.) smatraju kako su najvažniji faktori koji pokreću

inicijativu SCI-a: globalizacija, kupčeva potražnja, kompleksnost poslovanja te dostupnosti

novih tehnologija. Drže kako SCI pridonosi trima najvažnijim ciljevima opskrbnog lanca:

smanjenju troškova, skraćenju ciklusa te povećanju odgovornosti prema kupcu kroz

omogućenu vidljivost, unapređenu komunikaciju te bolju analizu performansi opskrbnog

lanca. Shorby (2003.) kaže kako poduzeća koriste alate PI za: (1) poboljšanje vidljivosti kako

bi smanjili zalihe za 5% do 15%, (2) analizu razine pružene usluge kako bi uočili

219

problematična područja, (3) bolje shvatili i razumjeli izvore varijabilnosti kupčeve potražnje

zbog unapređenja preciznosti predviđanja, (4) analizirali proizvodnu varijabilnost zbog

identificiranja potrebnih korektivnih radnji, (5) analizirali transportne elemente za buduće

smanjenje troškova.

Panian i sur. (2007., p. 31-32.) navode ciljeve inteligencije opskrbnog lanca: primjena

odgovarajuće metrike, upravljanje izuzecima, poboljšana komunikacija te suradničko

upravljanje. Izvedeni su ciljevi: snižavanje razine zaliha u svim segmentima lanca,

unapređenje kvalitete proizvoda, poboljšanje rezultata poslovanja i iskorištenja resursa,

kvalitativno rangiranje dobavljača, mjerenje uspješnosti funkcioniranja lanca u određenom

razdoblju, mjerenje i unapređenje prognoziranja tržišne potražnje, bolje upravljanje

materijalom, sirovinama, poluproizvodima i komponentama, mjerenje preciznosti, točnosti i

obuhvata planova proizvodnje, mjerenje uspješnosti likvidacije narudžbi te kraće vrijeme

odlučivanja. Upravljanje opskrbnim lancem i inteligencija opskrbnog lanca jesu

fundamentalno različiti što se vidi iz usporednog prikaza u tablici 25.

Tablica 25. Usporedna analiza SCM-a i SCI-a

Upravljanje opskrbnim lancem (SCM) Inteligencija opskrbnog lanca (SCI)

� Uglavnom o upravljanju nabavom i proizvodnjom povezujući ih s životnim ciklusom opksrbnog lanca

� Pretežno transakcijski � Podržava taktičko odlučivanje � Pomaže smanjenju troškova kroz unapređenju

efikasnost � Zapisivanje podataka koji pokazuju sadašnjost � Pomoć u planiranju materijala i proizvodnje � Kvantificiranje troškova nekih materijala � Može pokazati sadašnju dobit ali je ne može

objasniti � Jednostavno izvještavanje

� Pruža širi pogled na cijeli opskrbni lanac kako bi se vidio cijeli proizvod i njegove komponente

� Dominantno analitički � Podržava strateško odlučivanje � Pokazuje mogućnosti za smanjenje troškova, a

istovremeno stimulira rast prihoda � Integracija dobavljačevih i proizvodnih podataka

(horizontalno) � Odražava povijesne podatke � Što-ako analize temeljem povjesnih podataka � Omogućuje razumijevanje ukupnih troškova � Može svrdlati kroz ostvarenu dobit kako bi otkrio

kako je nastala � Suradničko okruženje s personaliziranim

motrenjem i mjerenjem

Izvor: prilagođeno prema Panian, Z.: Supply Chain Intelligence in E-Business Environment, WSEAS Transactions on Information Science and Applications, 2005., 2 (8), p. 1080., Reyes, P.M.: Logistics networks: A game theotry application for solving the transshipment problem, Applied Mathematics and Computation, 2005., 168, p. 1430. i Rogers, B., Panos, M.: White Paper: Adding Intelligence to the Supply Chain, preuzeto s www.vchainsolutions.com 12.08.2010.

220

Objašnjavajući redizajn poduzeća u pravcu SCI-a, Handfield (2006., p. 375.) u svojoj

konceptualizaciji kaže da je esencijalno organizirati decentralizirane procese s centraliziranom

vizijom i navodi tri potpredsjednička mjesta menadžera SCM-a: za poslovnu inteligenciju

opskrbnog lanca, strategiju i integraciju. Handfield (2006., p. 391-394.) navodi najvažnija

područja iz kojih su potrebna znanja za učinkoviti SCM:

� upravljanje odnosima s dobavljačima - kroz efikasnu komunikaciju, zajedničko

razumijevanje potreba i zahtjeva te identificiranjem win-win mogućnosti potrebno je

izgraditi odnose koji stvaraju dodanu vrijednost;

� analiza ukupnog troška - identificiranje troška vlasništva povezanog sa selektiranim

dobavljačima te procjena troška u funkciji unapređenja performansi lanca;

� strategije nabave i planova - planiranje i razvoj ključnih strategija, dizajn lanca te

upravljanje odnosima;

� analiza dobavljača - prikupljanje primarnih i sekundarnih podataka, njihovo filtriranje

i analiza radi identificiranja ključnih snaga i slabosti izabranih dobavljača;

� konkurentska tržišna analiza - prikupljanje, filtriranje i analiza ključnih tržišnih

pokazatelja kao osnova za razvoj strategije SCM-a;

� upravljanje opskrbnim lancem - identifikacija i istraživanje sudionika, informacijskog

i fizi čkog protoka kao dio šireg opskrbnog lanca;

� evaluacija dobavljača - sposobnost primarnog i sekundarnog istraživanja sa svrhom

kvantificiranja i kvalificiranja potencijalnih dobavljača;

� razvoj dobavljača - analiza detektiranih problema povezanim s dobavljačima,

sugestivnost u potrebnim unapređenjima te razvoj mjera za praćenje njihovih procesa;

� analize cijene i troškova - praćenje tržišnih cijena, identificiranje trendova, procjena

daljnjih kretanja i uočavanje glavnih elemenata utjecaja;

� područja unapređenja procesa - uočavanje, eliminacija ili modifikacija procesa koji ne

dodaju vrijednost, razvoj novih procesa;

� cjenovne tehnike, ekspertize o proizvodima, e-trgovanje i e-nabava, TQM, upravljanje

projektima, outsourcing, internacionalni izvori, analiza vrijednosti, kulturološke

odrednice (različitih tržišta), analiza lanca vrijednosti, standardizacija programa,

ekonomski i tržišni principi, proizvodnja vs. kupovina, upravljanje zalihama,

financijska analiza, upravljanje ciklusima, terminološka usklađenja te sigurnosna

pitanja.

221

Prema Hedin et al. (2011., p. 185-195.), primjena MI-a u SCM-u omogućit će uvid u trenutne

i buduće događaje vezane za industriju, sektore, tržišta, niše, klastere i konkurente. Glavna

područja upravljanja opskrbnim lancem u kojima se primjenjuje MI jesu: kupovina221

(predstavlja funkciju kupovine roba ili usluga), nabava (dizajn i izvršenje strategije

kupovanja), logistika (podrazumijeva upravljanje zalihama i dio ukupnih operacija), te

strateški izvori (rješavanje problema i potreba korištenjem najbolje kombinacije dostupnih

metoda i izvora). Uspješna primjena tržišne inteligencije rezultirat će većom profitabilnošću, a

svako područje zahtijeva različitu podršku:

� kupovina: sveobuhvatnu listu dobavljača po industrijskim sektorima, izvještaji o

pojedinim dobavljačima, kontinuirani monitoring poduzeća u opskrbnom lancu, ad-

hoc istraživanja;

� nabava: analiza lanca vrijednosti konkurentskih poduzeća, kontinuirano motrenje

konkurenata, istraživačke analize, intelligence radionice, ciklusi uspoređivanja;

� logistika: profiliranja tržišta, analize rizika zemalja gdje su lokacije potencijalnih

distribucijskih centara, analize scenarija kao podrška odlukama u sferi zaliha,

makroekonomske analize s predviđanjima cijena roba, kratkoročnih opskrba,

potražnje, tekući monitoring lokalnih, nacionalnih i internacionalnih regulativa;

� strateški izvori: analitički izvještaji o lancu vrijednosti, profili kompanija koje su

članice lanca vrijednosti, predviđanje kretanja veličina tržišta, kontinuirano

nadgledanje tržišta.

Prema Handfieldu (2006., p. 159.), ocjena rizika jest način koji određuje kako zajedno

povezati različite tipove podataka koji se identificiraju u opskrbnom lancu. Smatra kako

planiranje prodaje i operacija (engl. Sales and Operations Plan – SOP) predstavlja temelj

strategije opskrbnog lanca što podrazumijeva suradnju u planiranju i odlučivanju između

glavnih poslovnih funkcija. BI i MI prikupljaju podatke i informacije kako bi se mogla izvršiti

predviđanja iz domena: kupčeve potražnje, cijena, konkurencije, kapaciteta, opskrbnih izvora,

te pravnih regulacija (Handfield, 2006., p. 135.).

Denton et al. (2007.) istraživali222 su koje performanse opskrbnog lanca menadžment malih i

srednjih poduzeća treba, te može li i kako na to utjecati primjena BI-a. Njihovi su rezultati

pokazali kako su svi zabrinuti zbog utjecaja globalizacije na poslovanje, profitabilnost te

221 Engl. Purchasing, Procurement, Logistics and Strategic sourcing. 222 U istraživanju je sudjelovalo 100 malih i srednjih poduzeća iz Velike Britanije od kojih se dobilo 47 odgovora, što predstavlja odziv od 47%.

222

opadajuće tržište. Iako ih se 62% složilo da je uspostava bolje suradnje ključna tema, samo ih

19% aktivno radi na tome. Samo ih 21% ima implementiran ERP, a 63% koristi IS za

osnovne financijske operacije. Zaključno se može konstatirati kako istraživana poduzeća nisu

dovoljno angažirana u postizanju suradnje i integracije u sklopu opskrbnih lanaca, a kao

najveće prepreke se pokazuju: troškovi implementacije, vrijeme, strah od novih tehnologija te

nejasne potencijalne koristi. Poduzećima predlažu testiranje primjene BI-a u upravljanju

opskrbnim lancima koje će im pokazati i dokazati 3R pristup (Right Quality, Right Time,

Right Cost) tj. prava kvaliteta u pravo vrijeme po pravom trošku.

Rogers i Panos (2006., p. 2.) smatraju kako su integracija podataka i organizacijski čimbenici

dvije najveće poteškoće u razvoju i implementaciji SCI-a. Usporedbe radi, navode kako BI

zahtijeva sedam izvora podataka, dok ih za SCI treba petnaest. Koristi implementacije

predstavljaju: unapređene mogućnosti predviđanja, smanjenje zaliha dužinom cijelog lanca,

efikasnije rukovanje materijalima, unapređeno planiranje proizvodnje, identifikacija

najkvalitetnijih dobavljača te preciznije mjerenje performansi. Panian i sur. (2007., p. 35-36.)

potvrđuju navedene teze te identificiraju probleme koji se javljaju pri pokušajima stvaranja

inteligencije opskrbnog lanca u tri područja pri održavanju željene razine kvalitete usluga

održavanjem razine zaliha gotovih proizvoda odmjerenih tako da mogu udovoljiti zahtjevima

klijenata: u nastojanju da se što bolje iskoristi materijal, oprema i ljudski potencijali; u

pokušajima održavanja ulaganja u zalihe, odnosno vrijednosti zaliha na unaprijed utvrđenoj

razini. Najčešći koraci u stvaranju inteligencije opskrbnog lanca jesu: (1) uklanjanje

organizacijskih barijera, (2) oblikovanje opskrbnog lanca tako da bude transparentan, (3)

upravljanje prema pokazateljima uspješnosti, (4) skraćenje trajanja ciklusa procesa

odlučivanja, (5) poticanje djelatnika na suradničko odlučivanje, (6) iterativno mjerenje,

praćenje i nadziranje aktivnosti u opskrbnom lancu. Prema Shakeru (2009.), dinamičke

informacije i SCI potrebni su kako bi opskrbni lanac mogao biti elastičan.

Dyson i Koruth (2004., p. 344-346.), osim već navedene integracije podataka, navode još

nekoliko izazova implementacije: povećanje količine podataka, poslovna usklađenja (osim

povjerenja i privrženosti između, nužni su otvoreni kanali komunikacije), volatilnost

(nestabilnost) opskrbnog lanca te sigurnosna pitanja. Navode primjer223 uspješne

implementacije SCI-a koji je polučio pozitivne rezultate: prelazak s papirnate na elektronsku

formu poslovanja, strateška preorijentacija prema privrženosti dijeljenju vrijednosti, povećane

223 Poduzeće Berri Ltd. je najveće australsko poduzeće koje se bavi proizvodnjom voćnih sokova s godišnjim prometom većim od 500 mil. USD. Projekt implemetacije SCI-a trajao je tri godine.

223

analitičke mogućnosti, omogućeno trgovanje u realnom vremenu bez obzira na vremenske

zone, uvođenje globalnih izvora nabave, unaprijeđene IT mogućnosti. Zaključuju, ostvarena

su poboljšanja u sniženju troškova, smanjenju trajanja ciklusa te u povećanju odgovornosti

sudionika. Copacino (2008.) navodi kako sve više menadžera opskrbnog lanca postaje

analitički orijentirano jer koriste mogućnosti koje im pruža BI: izvještavanje, analize,

kontrolne ploče za monitoring performansi njihovog lanca te bolji uvid u ostale aspekte

poslovanja. Omogućeni pristup svim igračima proširenog lanca istim informacijama o

predviđanjima potražnje, narudžbama, statusima isporuka, promocijama i zalihama

predstavlja temeljni zahtjev uspješne suradnje, vidljivosti i operativne koordinacije.

Stefanovic et al. (2006., p. 616.) razvijaju globalni SCI model u nekoliko faza: definiranje

poslovnih ciljeva i zahtjeva, kreacija SCOR metamodela, konfiguracija SCM-a, ujedinjenje

procesa, dizajniranje skladišta podataka te kreiranje analitičkih sposobnosti. Prema autorima,

indikatori uspjeha jesu: ROI, korištenje skladišta podataka, realizacija projekta u planiranim

vremenskim i novčanim okvirima, poboljšano zadovoljstvo korisnika te postignuće ciljeva i

postavljenih zadataka. Sahay i Ranjan (2008., p. 28-48.) također navode kako je najveći

izazov analize u opskrbnom lancu prikupljanje podataka iz različitih izvora. Primjenom

poslovne inteligencije podaci iz opskrbnog lanca omogućit će pružanje strateških informacija

donositeljima odluka tako da zaključuju kako se BI i SCM trebaju razvijati istovremeno.

Noonan i Wallace (2006.) istraživali224 su nejednakosti u asimilaciji inteligencije opskrbnog

lanca između ugovornih partnera, odnosno fokus korištenja SCI-a u ovom istraživanju bili su

procesi koji su pokazivali najviše slabosti unutar svakog pojedinog poduzeća. Kao rezultat

unaprijeđenog SCI-a poduzeća su pokazala poboljšanja između 8% i 26%.

Primjenu radiofrekvencijske identifikacije (engl. Radio-frequency identification - RFID)

tehnologije u kontekstu Lambertovih procesa opskrbnog lanca proučavali su Sabbaghi i

Vaidyanathan (2008., p. 71-81.) unutar kojih su izdvojili četiri (upravljanje potražnjom,

ispunjavanje narudžbi, upravljanje proizvodnim tijekom, upravljanje povratima) kod kojih

ova tehnologija dodaje najveću vrijednost. Kompanije koje implementiraju BI kako bi

upravile s podacima prikupljenim ovom tehnologijom te ih pretvorila u informacije i korisno

znanje ostvarit će značajne koristi kroz nove inovacije, povećanje prihoda, smanjenje troškova

te rasta konkurentnosti. Prema Panianu i sur. (2007., p. 98.), RFID tehnologiju odlikuju neka

jedinstvena obilježja koja je čine privlačnijim rješenjem od konkurentskih tehnologija, a

možda najzanimljivija jest mogućnost automatskog i vrlo pouzdanog zahvaćanja podataka bez 224 Rezultati istraživanja se temelje na četri studije slučaja napravljene u Republici Irskoj.

224

primjene aktivnog procesa skeniranja, kakvog iziskuje većina ostalih konkurirajućih

tehnologija. Delen et al. (2007., p. 613-624.) identificirali su tri načina kako RFID može

utjecati na vidljivost i poslovnu vrijednost koja se kreira u opskrbnom lancu: reakcija na

prikupljene podatke moguća je bez odgode (što predstavlja izuzetnu povoljnost kod trgovanja

nekim robama), omogućena je izrada inkrementalnih promjena u poslovnim procesima (što

utječe na efikasnosti i efektivnost) te je omogućen razvoj sasvim novih procesa.

Baars et al. (2008., p. 1-10.) istraživali225 su kroz studiju slučaja prikupljanje RFID podataka i

integraciju te omogućenu analizu kroz implementaciju BI-a. Prezentirali su dva scenarija

(logistički procesi između distribucijskog centra i prodajnih mjesta, te logistički odnosi

između proizvođača, konsolidatora te distribucijskog centra) kroz osam različitih analiza i

zaključili su kako je razmjena i integracija podataka esencijalna za efikasnost opskrbnog

lanca. Pirzadeh i Pirzadeh (2009., p. 38-39.) smatraju kako je osnovni zadatak SCI-a

unapređenje efikasnosti opskrbnog lanca, što posljedično dovodi do unapređenja usluga

prema kupcu (vrijeme realizacije, pouzdanost isporuke, sigurnost isporuke, postignuta razina

usluge, fleksibilnost u odnosu na kupčeve zahtjeve i razmjena informacija) te smanjenja

logističkih troškova (troškovi rukovanja, transportni i distribucijski troškovi) što omogućuje

primjena RFID tehnologije. Li (2007., p. 207.) kaže kako treba biti svjestan da postoje i

ograničenja u korištenju ove tehnologije, poput visokih troškova, problema u standardizaciji i

zaštiti podataka te privatnosti.

Watson et al. (2001., p. 1-10.) temeljem svojih istraživanja226 prikazali su kreiranje

intelligencea unutar opskrbnog lanca zasnovanog na strategiji uvođenja spremišta

podataka227. Poslovni je cilj bio jednostavno definiran: postići jedinstven i integriran pogled

na cjelokupno poslovanje unutar opskrbnog lanca. Najvažniji prijedlozi nakon uspješne

implementacije mogu se rezimirati u nekoliko točaka: potrebno je sponzorstvo top

menadžmenta, uspješno uvođenje zahtijeva sposobnost prilagodbe i izmjene prvobitno

definiranog poslovnog plana, najbolje je startati s područjima najvećeg utjecaja (prodajna

analiza), ne smije se podcjenjivati kvaliteta podataka, procesi trebaju biti otvoreni i

ponavljajući, potrebno je mjerenje performansi dužinom cijelog lanca. 225 Autori navode kako je riječ o vodećoj europskoj trgovačkoj grupi, a korištene su metode promatranja, radionica, te intervjua. Promatrani opskrbni lanac uključuje proizvođače locirane u Kini, konsolidatora koji je također lociran u Kini, glavni distribucijski centar lociran u Njemačkoj te veći broj prodajnih mjesta u Europi. 226 Rezultati istraživanja temelje se na studiju slučaja poduzeća Sherwin-Williams, proizvođača boja i srodnih proizvoda, s godišnjim prihodom od 5 bil. USD. Implementacija je trajala tri godine. 227 Dvije su osnovne strategije izgradnje skladišta podataka. Zagovornik prve je Bill Inmon koji se zalaže za pristup: top-down (prvo se kreira skladište podataka na razini poduzeća), a druge je Ralph Kimball koji se zalaže za suprotni pristup: bottom-up (prvo se kreiraju spremišta podataka od kojih kasnije nastaje skladište podataka).

225

Smietana (2010., p. 30-38.) analizira primjenu prožimajuće228 poslovne inteligencije kroz sve

procese SCOR modela što je prikazano na slici 31., te objašnjava dobiti primjene PI kod

distributera pića te kod dobavljača ortopedskih pomagala.

Slika 31. Prožimajuća poslovna inteligencija u SCOR procesima

Izvor: Smietana, F.: Enhancing Supply Chain Visibility with Pervasive Business Intelligence, Business Intelligence Journal, 2010., 15 (1), p. 32.

Raisinghani i Meade (2005., P. 114-121.) istraživali229 su poveznice performansi, agilnosti i

pokretača e-opskrbnog lanca te upravljanja znanjem. Temeljno pitanje njihovog istraživanja:

utvrditi koja dimenzija upravljanja znanjem jest najvažnija u razvoju agilnog e-opskrbnog

lanca. Organizacijske performanse postavljene su kroz vrijeme, kvalitetu, trošak i

fleksibilnost. Da bi bio agilan, opskrbni lanac treba riješiti četiri osnovna principa: biti

kooperativan kako bi povećao konkurentnost, obogatiti kupca, biti majstor promjena i

nesigurnosti te iskoristiti utjecaj ljudi i informacija. Dimenzije upravljanja znanjem jesu

kreacija, skladištenje/dostupnost, transfer i apliciranje, a rezultati su pokazali da transfer ima

najveći utjecaj na e-opskrbni lanac. Blackhurst et al. (2005., p. 4067-4081.) istraživali230 su

poremećaje opskrbnog lanca te su rezultati predočeni kroz tri elementa:

� otkriće poremećaja:

228 Engl. Pervasive 229 Autori objašnjavaju kako je predmet studije slučaja poduzeće koji je svjetski lider u mobilnim komunikacijama, te vodeći dobavljač mobilnih telefona i širokopojasnih mreža. 230 Istraživanje je provedeno temeljem studije slučaja automobilskog opskrbnog lanca u kojemu je napravljeno više intervjua kako s dobavljačima, tako i s distributerima. Kao zadnja korištena metoda kreirane su tri fokus grupe (imale su 10-14 članova) koje su raspravile rezultate.

226

o vidljivost je prepoznata kao ključna točka za bavljenje poremećajima odnosno

pravovremena razmjena korektnih informacija sa svih čvorišta lanca kako bi se

maksimizirala odgovornosti i fleksibilnost za izbjegavanje ili smanjenje

utjecaja poremećaja; skraćenje vremena reakcije na poremećaj uslijed

unapređenje vidljivosti smanjuje broj i jačinu tih anomalija; potrebno je

dodatno istraživati vidljivost, kao i odnos njezinog troška i koristi;

o kapacitet predstavlja drugu interesnu točku, jer nemogućnost mjerenja

kapaciteta u raznim točkama opskrbnog lanca može utjecati na poremećaje, i

zato su potrebna dodatna istraživanja kratkoročnih i dugoročnih

prekapacitiranosti te njezinih posljedica;

o prediktivna se analitika po važnosti nastavlja na vidljivost, jer shvaćanje i

predviđanje rizika te otkriće prikrivenih uzoraka postaje prioritet opskrbnog

lanca; u ovom se dijelu sugerira korištenje inteligencije opskrbnog lanca (SCI)

u smislu monitoringa ključnih točaka lanca, te korištenje inteligentnih agenata;

� oporavak nakon poremećaja:

o rekonfiguracija opskrbnog lanca nastaje u realnom vremenu nakon što su

poremećaji već nastupili, tako da u ovoj domeni dolazi do izražaja njegova

fleksibilnost;

o dosezi analiza su razmatrani kroz kontrolu štete, odnosno kada je šteta već

nastupila poduzeće treba što prije otkriti koje su implikacije tog događaja na

cijeli lanac; ovdje je poželjno raditi modeliranje događaja kako bi se određene

pouke mogle primijeniti u budućnosti;

� redizajn opskrbnog lanca:

o razumijevanje kompromisa globalnih troškova opskrbnog lanca prvenstveno se

odnosi na relaciju troškova i fleksibilnosti;

o optimizacija fleksibilnosti i robusnosti predstavlja drugu točku u razmatranju

unprijeđenja / redizajna opskrbnog lanca nakon njegovog oporavka.

Yang (2008., p. 1-12.) istraživao231 je kritične faktore uspjeha sveprisutnog upravljanja

opskrbnim lancem (engl. Ubiquitious Supply Chain Management - USCM232) kroz dvije

231 Istraživanje je provedeno na uzorku od 780 korejskih poduzeća, od kojih se dobilo 141 odgovor, što predstavlja odziv od 19,03%. 232 Sveprisutno upravljanje opskrbnim lancem definira kao planiranje, kontrolu i upravljanje opskrbnim lancem temeljeno na sveprisutnim (prožimajućim) kompjutorskim tehnologijama poput RFID te mobilnih uređaja.

227

kategorije: upravljački i tehnički faktori. Faktorskom je analizom identificirao po šest

elemenata:

� upravljačkog aspekta: USCM planiranje, podrška menadžmenta, upravljanje

odnosima, novi USCM modeli, upravljanje procesima te upravljanje rizicima;

� tehničkog aspekta: infrastruktura USCM sistema, apliciranje USCM tehnologija,

uspješno korištenje USCM-a, osnivanje USCM mreže, određivanje prema prihvaćanje

tehnologije te plan razvoja USCM-a;

� koristi usvajanja USCM-a: konkurentske prednosti ( u sklopu koje se nalazi uspostava

inteligencije opskrbnog lanca), upravljanje zalihama, povećana produktivnost,

sniženje logističkih troškova, ušteda troškova te nove tržišne mogućnosti.

Rezultati analize pokazali su da se kritični faktori uspjeha, uključujući upravljački i tehnički

aspekt, pozitivno odnose prema koristima izbora USCM-a, pogotovo konkurentskih prednosti

i upravljanja zalihama. Što se tiče upravljačkih elemenata, planiranje USCM-a igra ključnu

ulogu u uspješnoj implementaciji USCM-a u korejskim poduzećima. Istraživanje233 primjene

SCI-a od strane Aberdeen Group (Sadlovska i Viswanathan, 2008., p. 1-24.) pokazalo je da su

dva najveća pritiska za poboljšanje SCI-a: potreba smanjenja troškova opskrbnog lanca (68%)

te povećana kompleksnost globalnih opskrbnih lanaca (34%). Najbolja poduzeća koriste

interne upravljačke ploče za mjerenje performansi opskrbnog lanca, te eksterne poredbene

tablice za mjerenje performansi partnera u lancu. Najveći izazovi za unapređenje SCI-a jesu:

� nedostatak komunikacije između odjela (54%);

� nedostatak komunikacije s vanjskim partnerima, uključujući dobavljače i kupce

(50%);

� nedovoljno usklađenje poslovnih ciljeva i mogućnosti/stratagije IT-a (49%);

� nedostatak kvalificiranog osoblja za izradu i korištenje SCI-a (30%).

Temeljem nekoliko ključnih pokazatelja analizirali su uzorak te ga razdijelili na tri

kategorije234: najbolji (22%), prosjek (47%), ispodprosječni (30%). Rezultati jesu:

� isporuka na vrijeme: 96% najbolji, 91% prosjek, 75% ispodprosječni;

� ispunjenje narudžbi: 95% najbolji, 85% prosjek, 72% ispodprosječni;

233 Istraživanje je provedeno tijekom listopada i studenog 2008. godine na uzorku od 138 poduzeća, od kojih je najviše iz Sjeverne Amerike (60%) i Europe (21%). Gotovo četvrtina poduzeća (23%) spadaju u velika, 37% u srednja, a 40% u mala. Istraživanje sadržava i dva studija slučaja: internacionalnu grupu proizvođača papira s 35.000 zaposlenih u 35 zemalja i distributora alkoholnih pića iz SAD. 234 U nastavku prikaza će se koristiti skraćenice N za najbolje, P za prosjek, te I za ispodprosječne.

228

� promjena u ciklusu od novca do novca235: najbolji bez promjene, 2% povećanja kod

prosječnih, 3% povećanje kod ispodprosječnih;

� troškovi zaliha: 2% smanjenje kod najboljih, 4% povećanje kod prosjeka, 7%

povećanje kod ispodprosječnih.

Za postizanje ciljeva SCI-a, poduzeća najčešće poduzimaju sljedeće strateške aktivnosti: (1)

unapređenje monitoringa procesa opskrbnog lanca kako bi se odluke donosile na vrijeme

(47%), (2) pravovremeno kreiranje izvještaja s ključnim pokazateljima (33%), (3) dodavanje

mogućnosti za kreiranje više scenarija planova i procesa opskrbnog lanca (23%), (4)

fokusiranje prema poboljšanju kvalitete podataka iz lanca (22%). Analizirana su poduzeća u

kategorijama procesa, organizacije, upravljanja znanjem, tehnologije i upravljanja

performansama te su za najbolja identificirali razlike:

� 30% veću vjerojatnost nego drugi imaju sposobnost točnijeg predviđanja potražnje;

� 27% veću vjerojatnost nego drugi osiguravaju vidljivost menadžmentu za kritične

mjere poslovnih procesa, a 19% veću vjerojatnost kada je riječ o operativnim

pokazateljima iz opskrbnog lanca;

� 20% veću vjerojatnost suradnje unutar poduzeća, a 30% veću vjerojatnost suradnje s

ostalim članovima kako bi se prikupili podaci iz opskrbnog lanca.

Najčešća korištenja BI-a za upravljanje opskrbnim lancem jesu:

� automatsko izvještavanje: N-60%, P-48%, I-37%;

� ad-hoc izvještavanje: N-55%, P-48%, I-36%;

� praćenje događaja: N-47%, P-19%, I-17%;

� statističke analize: N-47%, P-34%, I-30%;

� predviđanje: N-45%, P-32%, I-32%.

Zanimljivo jest usporediti rezultate istraživanja236 koje je provedeno godinu dana kasnije o

utjecaju inteligencije opskrbnog lanca na njegove performanse (Viswanathan i Sadlovska,

2010.) a koji pokazuju da su najbolja poduzeća većinom popravila ili zadržala gornje

pokazatelje iz prethodnog istraživanja; isporuka na vrijeme 96% → 97%, ispunjenje narudžbi

95% = 95%, te pad troškova zaliha237 2% → 5,5%. Njihovo je istraživanje pokazalo da su

235 Engl. Cash to cash cycle time 236 Istraživanje je provedeno u studenom i prosincu 2009. godine na uzorku od 209 poduzeća, većinom iz Sjeverne Amerike (61%) i Europe (20%). 237 Izražen je pad troškova zaliha u odnosu na prethodnu godinu.

229

najbolja poduzeća proaktivnija u upravljanju odnosima s dobavljačima. Sposobnost tretiranja

tranzitnih zaliha (kao dostupnih zaliha u kalkulaciji sigurnih količina) pruža dodatnu

fleksibilnost, optimizaciju, te osigurava brže i ekonomičnije upravljanje njima, a istovremeno

pokazuje da ih poduzeće vidi, odnosno da je razvilo takvu razinu vidljivosti da može

dinamički pratiti njihovo kretanje. Rezultati korištenja tehnologija prikazuje tablica 26.

Tablica 26. Pokazatelji tehnologije i upravljanja znanjem

Najbolji Prosjek Ispodprosječni

Pokazatelji tehnologije

Interne upravljačke ploče performansi opskbnog lanca

51% 37% 30%

Usporedna tablica vanjskih performansi opskrbnog lanca

55% 36% 22%

Izvještavanje

78% 65% 47%

Analitika (statistička analiza, analiza trenda, analiza uzroka i sl.)

51% 45% 19%

Modeliranje opskrbnog lanca (što-ako scenariji, dizajn mreže i sl.)

36% 28% 7%

Servis upravljanje podacima (automatsko uzbunjivanje ako podaci nedostaju ili su pogrešni)

38% 23% 18%

Upravljanje znanjem

Korištenje tablica performansi partnera pomoću vidljivosti informacija

57% 33% 24%

On-line vidljivost u poremećaje opskrbnog lanca

48% 39% 34%

On-line vidljivost dospjelih troškova opskrbnog lanca

38% 27% 25%

Izvor: Viswanathan, N., Sadlovska, V.: Supply Chain Intelligence: Adopr Role-Based Operational Business Intelligence and Imporove Visibility, Aberdeen Group, February 2010., p. 10.

230

Supply Chain Management Review napravio je 2011. godine istraživanje238 ključnih izazova i

prijetnji upravljanja opskrbnim lancem. Ovo je istraživanje posebno zanimljivo s obzirom da

se analizirao sektor visoke tehnologije gdje je životni vijek proizvoda unutar godinu dana (u

trećine ispitanika), odnosno do 18 mjeseci (u polovine ispitanika). Rezultati su pokazali kako

su najvažnije inicijative:

� sniženje troškova unutar opskrbnog lanca (62%);

� unapređenje učinkovitosti ispunjenja narudžbi i performansi (60%);

� unaprjeđenje suradnje s kupcima i partnetrima (56%);

� uvođenje novih proizvoda (44%);

� širenje prema novim globalnim tržištima (35%);

� unapređenje sposobnosti predviđanja te ocjenjivanja i upravljanja rizikom (33%).

Najvažnije inicijative pokazale su se: zadovoljenje kupčevih potreba i održavanje lojalnosti

(56%), rast prihoda, profita te tržišnog udjela (55%), funkcioniranje s limitiranim resursima

(38%), sniženje zaliha (36%), funkcioniranje na volatilnim tržištima (33%). Najkorišteniji su

alati za transport i logistiku (46%) te upravljanje potražnjom i predviđanje (44%). Područja

gdje su moguća unapređenja kroz bolje funkcioniranje lanca jesu: optimizacija zaliha (58%),

izvori materijala (50%), transport (42%), IT sistem (37%), proizvodnja (31) te skladištenje

(30%). Više od trećine poduzeća (39%) nemaju plan za identifikaciju, analizu te reduciranje

rizika unutar opskrbnog lanca, a najrizičnije su prijetnje od: konkurencije (56%), volatilnosti

potražnje (56%), globalnih, ekonomskih i financijskih oscilacija (52%), dobavljača (43%).

Dvije trećine (67%) poduzeća koja upravljaju rizikom potvrdila su da su uspjela prevenirati

poremećaje. Podatke i informacije razmjenjuju s: dobavljačima (84%), outsourcing

partnerima (44%) te kupcima (43%). Polovina razmjenjenih podataka događa se

automatizmom (između 48% i 57%) što nameće pitanje na koji način i koliko često

razmjenjuju ostali podaci i informacije. Otprilike pola ispitanika (52%) ima vidljive podatke s

prodajnog mjesta, dok je vidljivost ostalih elemenata lanca kako slijedi: zalihe (87%), kupci i

tržišne potrebe (59%) te predviđanje potražnje (33%). U razvojima novih proizvoda najviše se

surađje s dobavljačima (77%), kupcima (67%) te outsourcing partnerima (39%).

Iyer (2011., p. 81-91.) istraživao239 je odnose napredne IT analitike, potražne suradnje i

operativnih performansi opskrbnog lanca. IT analitičke sposobnosti definira kao korištenje

238 Istraživanje je napravljeno na uzorku od 187 SCM direktora (59% ih je iz Sjeverne Amerike, a 14% iz Europe). 239 Uzorak se sastojao od 538 poduzeća, od kojih se dobilo 152 odgovora, što predstavlja odziv od 28%.

231

sofisticiranih aplikacija koje pružaju menadžmentu kvalitetne informacije za planiranje i

odlučivanje i ovakvi alati postaju specifičnost tvrtkinog opskrbnog lanca. Također je

modelom predviđeno istraživanje mogućeg moderirajućeg efekta neizvjesnosti okruženja

(tehnološkog i tržišnog). Suradnja potražnog lanca operacionalizirana je sa četiri dimenzije

(razvoj zajedničkog predviđanja nadopunjavanja, suradnja u usporedbi predviđena/realizirana

prodaja, upravljanje kupčevim zalihama, te razmjena podataka s prodajnog mjesta zbog

nadopunjavanja i plaćanja). IT analitičke sposobnosti su operacionalizirane kroz: nabavni

sistem, unaprijeđeno planiranje i raspoređivanje, upravljanje transportom, te sustavom

upravljanja skladištem. Operativne su se pokazatelji konceptualizirali kroz: vrijeme isporuke,

obrtaj zaliha, sposobnost promjene proizvodnih količina, ispuruke na vrijeme, te odbačenih ili

vraćenih elemenata. Rezultati su pokazali:

� IT analitičke sposobnosti pozitivno utječu na suradnju potražnog lanca;

� značajan je moderirajući efekt tehnološke neizvjesnosti; međutim, to nije utvrđeno za

tržini element;

� utvrđen je značajan utjecaj suradnje potražnog lanca na operativne performanse.

Novije istraživanje240 (Permentar, 2012.) pokazuje kako su najveći poslovni pritisci: rast

kompleksnosti globalnih operacija (57%), nedostatak vidljivosti na raznim čvorištima

opskrbnog lanca (41%) te potreba povećanja prihoda (40%). Najkorištenije strategije BI-a u

SCM-u jesu: izrada pravovremenih izvještaja s ključnim pokazateljima (65%),

pojednostavljenje procesa zbog lakšeg kontrolinga (37%), uspostava suradničkih inicijativa s

dobavljačima (35%). Rezultati su pokazali da je poželjno dobivanje podataka iz operacija

opskrbnog lanca kako slijedi: realno vrijeme - sekunda (4%), blizu realnog vremena - sekunde

do minute (16%), unutar sata (15%), unutar dana (43%), unutar tjedna (12%), unutar mjeseca

(5%), ad-hoc / po potrebi (3%). Nastavno na prezentirane podatke, samo 11% ispitanika

potvrdilo je da zaista dobivaju podatke u željenom vremenskom okviru.

240 Istraživanje je napravljeno tijekom ožujka i travnja 2011. godine na uzorku od 148 poduzeća.

232

3. Konceptualni model istraživanja i povezanost hipoteza

Slika 32. Konceptualni model istraživanja

Izvor: doktorand

233

Kako bi istraživačka problematika bila što kvalitetnije obrađena i kako bi se dobili konkretni

odgovori na postavljena pitanja, definirane su i konkretne radne hipoteze. Na osnovi

iznesenog problema, predmeta, te postavljenih ciljeva istraživanja, temeljna znanstvena

hipoteza glasi:

Podaci i informacije predstavljaju izuzetno vrijednu imovinu poduzeća; međutim, uzevši u

obzir njihov eksponencijalni rast oni ujedno predstavljaju i potencijalno usko grlo upravljanja

na strateškoj, taktičkoj i operativnoj razini. Osim navedenoga, javlja se i problem njihove

kvalitete (Popovič et al., 2010.). Informacije i njihov što lakši protok predstavljaju jednu od

bitnih odrednica upravljanja opskrbnim lancem što je do sada istraživano u više znanstvenih

radova (Francis, 1998; Hugos, 2006; Panian et al., 2007; Hadaya i Casivi, 2009; Klein i Rai,

2009; Jacoby, 2009; Stock et al., 2010.). Popovič et al. (2009.) utvrdili su kako primjena

poslovne inteligencije utječe na kvalitetu informacija koju su proučavali kroz dvije prizme:

kvalitetu sadržaja i kvalitetu dostupnosti. Uzimajući u obzir stavove i rezultate dosadašnjih

istraživanja nekih autora (Vit et al., 2002; Panian i Klepac, 2003; Handfield, 2006; Stefanovic

et al., 2006; Liautaud i Hammond, 2006; Panian i sur., 2007; Wilkins, 2007; Copacino, 2008;

Sabbaghi i Vadyanathan, 2008; Smouther, 2009; Trent i Roberts, 2010.) o tome kako upravo

poslovna inteligencija omogućuje pretvorbu podataka u informacije i znanje temeljem kojega

se mogu donositi kvalitetnije upravljačke odluke postavlja se prva pomoćna hipoteza:

P.H. 1A. Primjena koncepta poslovna inteligencija pozitivno je korelirana s efikasnijim

upravljanjem informacijama, njihovom kvalitetom te vidljivošću relevantnih

informacija.

H1: Primjena koncepta poslovna inteligencija pozitivno je korelirana s efikasnošću


234

Istraživanja (Christopher, 2005; Auramo, 2006; Sanders, 2007; La Grouw, 2008; Chong et al.,

2009.) pokazala su da je jedan od osnovnih preduvjeta za efikasno upravljanje opskrbnim

lancem njegova vidljivost. Lee i Whang (2001.) pokazali su kako integracija informacija

predstavlja jedan od ključnih čimbenika uspješnosti upravljanja opskrbnim lancem. Ova

integracija uključuje svaku informaciju koja može utjecati na aktivnosti i performanse ostalih

sudionika opskrbnog lanca. Vidljivost je postignuta ukoliko su informacije i njihove analize

korisne u procesu donošenja poslovnih odluka, te ako se informacije razmjenjuju među samim

akterima procesa (Bayraktar et al., 2009.). Vrijednost informacija jednaka je vrijednosti

smanjenja rizika (Hubbard, 2010.). Istraživanje (Wang i Wei, 2007.) pokazalo je da poduzeća

mogu ostvariti veću fleksibilnost opskrbnog lanca unutar postojećih međusobnih odnosa

omogućavanjem veće vidljivosti informacija kroz virtualnu organizaciju.

Ramayah i Omar (2010.) utvrdili su da strateška (više utječe) i operativna razmjena

informacija značajno utječu na karakteristike lanca, dok su Zhou i Benton (2007.) pokazali da

efikasno dijeljenje informacija značajno utječe na praksu opskrbnog lanca, a na dijeljenje

odnosno razmjenu informacija utječe dinamičnost opskrbnog lanca. Primjena koncepta

poslovna inteligencija u upravljanju informacijama unutar opskrbnog lanca rezultirat će

unaprijeđenom kvalitetom, jačanjem fleksibilnosti, povećanjem brzine svih faza te sniženjem

troškova. Temeljem navedenih pretpostavki kreirana je druga pomoćna hipoteza:

P.H. 1B: Upravljanje informacijama, njihova kvalite ta i vidljivost među sudionicima

procesa pozitivno su korelirani s efikasnošću upravljanja opskrbnim lancem.

Određeni znanstveni radovi (Gunasekaran i Ngai, 2004; Christopher, 2005; Hugos, 2006;

Sanders, 2007; Elbashir i Williams, 2007; Sanders, 2008; Pereira, 2009; Williams i Williams,

2003. i 2007; Pirzadeh, 2009.) bavili su se utjecajem informacijske tehnologije koja

predstavlja alat koncepta poslovna inteligencija (Pirttimaki, 2007.) na poslovne procese te

utjecaju poslovne inteligencije na poslovni uspjeh (Cavalcanti, 2005.).

Integracija poslovnih procesa, koja se može promatrati dvojako: kao integracija strategija ili

procesa (Jacoby, 2009.) ima pozitivan učinak na efektivnost i efikasnost poduzeća te pruža

bolje mogućnosti za uvođenje inovacija (Oghazi, 2009.). Ona se odnosi na povezivanje

glavnih poslovnih faza i procesa unutar i izvan poduzeća u kohezivan i visoko performiran

235

poslovni model (Haoze et al., 2010.). Lee i Whang (2001.) naglašavaju kako je jedan od

osnovnih preduvjeta uspješne integracije stvaranje međusobnog povjerenja između sudionika

lanca. Handfield i Bechtel (2002.) ustanovili su utjecaj međusobnog povjerenja u odnosu na

povećanje odgovornosti između sudionika opskrbnog lanca. Dosadašnja istraživanja i

proučavanja učinaka integracije opskrbnih lanaca utvrdila su važnost za sve procese (Haoze et

al., 2010.), identificirali su tri razine integracije (Waters, 2009.), poziciju integracije u razvoju

SCM-a (Poirier i Quinn, 2003; 2006.), naglasili njezinu važnost usljed kompleksnosti

opskrbnih lanaca (Rabelo et al., 2002.), istražili vrijednost informacija (Baars et al., 2008.), te

utvrdili najvažnije prepreke integraciji informacija (Harland et al., 2007.). Temeljem tih

polazišta, kreirana je treća pomoćna hipoteza:

P.H. 2A: Primjena koncepta poslovna inteligencija pozitivno je korelirana s efikasnom

integracijom sudionika i procesa opskrbnog lanca poduzeća.

Više autora se bavilo razvojnim fazama opskrbnog lanca (Poirier i Quinn, 2006; Handfield,

2006.), te su integraciju informacija i procesa vrednovali kao najviši stupanj u njihovom

razvoju. Postignuta integracija opskrbnog lanca omogućuje mu elastičnost koja predstavlja

sposobnost lanca da se povrati u prijašnje ili poželjno stanje nakon što su nastupili poremećaji

(Pettit, 2008.). Istraživanja su pokazala da integracija opskrbnog lanca predstavlja jedno od

osnovnih karakteristika njegovog upravljanja (Lee i Cheng, 2007; Yang, 2008.). Swafford et

al. (2008.) utvrdili su kako je agilnost opskrbnog lanca u funkciji ostalih mogućnosti unutar

poduzeća, prvenstveno fleksibilnosti lanca i informacijske integracije. Integracija jest važna u

kontekstu međusobne interakcije i suradnje (Chen et al., 2007.).

Istraživanje koje su proveli Vereecke i Muylle (2006.) pokazalo je značajnu vezu između

suradnje i integracije s unapređenjem performansi, pogotovo u područjima troškova,

fleksibilnosti, kvalitete, isporuke i nabave. Aspekt fleksibilnosti u kontekstu opskrbnog lanca

također naglašavaju Fisher i Raman (2010.). Anbandanan et al. (2011.) razvili su indeks

suradnje temeljem istraživanja provedenog na indijskim proizvodnim poduzećima. Auramo

(2006.) smatra kako se cjelokupni koncept upravljanja opskrbnim lancem temelji na

integraciji u čemu vidljivost zauzima značajnu ulogu. Saeed et al. (2011.) utvrdili su kako

poduzeća na višoj razini integracije veću pozornost pridaju sistemskoj integraciji,

236

zajedničkom planiranju i predviđanju. Za razliku od navedenih, poduzeća koja su na nižoj

razini integracije veću pažnju poklanjaju evaluaciji dobavljača i automatskim upozorenjima.

Novija istraživanja (Lavalle et al., 2010.) ukazuju da je izazov te integracije među prioritetima

efikasnog menadžmenta. Na navedenom se temelji četvrta pomoćna hipoteza:

P.H. 2B: Integracija kao element opskrbnog lanca pozitivno je korelirana s efikasnošću


237

IV. EMPIRIJSKO UTVR ĐIVANJE VEZE IZME ĐU KONCEPTA POSLOVNA INTELIGENCIJA I UPRAVLJANJA OPSKRBNIM LANCEM

1. Metodološki aspekti empirijskog istraživanja

1.1. O empirijskom istraživanju i definiranju osnovnog skupa

S obzirom na njihovu primjenjivost tj. vrstu očekivanog rezultata Verčić et al. (2010., p. 10.)

istraživanja dijele na: znanstvena; fundamentalna (temeljna, osnovna, bazična) i primjenjena

(aplikativna) te na stručna; razvojna i akcijska (situacijska, praktična). Zelenika (2000., p.

111.) objašnjava znanstveno istraživanje kao specifičnu intelektualnu djelatnost, odnosno

skup svjesnih, sustavnih i metodološki organiziranih aktivnosti kojima je temeljna svrha

otkrivanje i dokazivanje znanstvenih istina o predmetima ili pojavama u prirodi i društvu

pomoću znanstvenih metoda. Prema vrsti podataka koji se proučavaju istraživanja se dijele na

teorijska i empirijska. Wacker (1998., p. 378.) istraživanja dijeli na dva osnovna tipa:

analitičko i empirijsko. Za analitičko istraživanje karakteristična je deduktivna metoda za

razliku od empirijskog koje karakterizira indukcija, a dijeli se na:

� istraživanje eksperimentima (engl. Experimental design),

� statističko istraživanje (engl. Statistical research),

� istraživanja studija slučaja (engl. Case study).

U empirijskim se istraživanjima istina odnosno pojave i činjenice spoznaju vlastitim

iskustvom, dakle osobnim provođenjem primarnog istraživanja (Verčić et al., 2010., p. 12.).

Za potrebe ovog rada najinteresantnije je empirijsko statističko istraživanje koje uključuje

anketno istraživanje. Zelenika (2000., p. 340.) navodi prednosti ove metode (pomoću nje se

mogu saznati podaci i informacije o doživaljaju, mogu se dobiti podaci i informacije o

prošlosti, sadašnjosti i budućnosti, u pravilu je ekonomična) i nedostatke koji se mogu javiti u

njezinom provođenju (epistemološke poteškoće zbog različitog stupnja obrazovanosti i

pismenosti ispitanika, psihološke poteškoće zbog nemogućnosti prilagode svim ispitanicima

te društvene poteškoće zbog tendencije da ispitanici daju odgovore koji su sukladni

238

društvenim vrijednostima). Verčić et al. (2010., p. 103.) navode kako je anketa najčešće241

korištena tehnika prikupljanja podataka u društvenim istraživanjima.

Određena provedena istraživanja pristupala su definiranju osnovnog skupa na način da se

uključuju poduzeća koja imaju preko 100 zaposlenih i godišnji promet veći od 100 milijuna

kuna. Njihova je polazna pretpostavka bila kako je manje vjerojatno da poduzeća, koja ne

zadovoljavaju ove kriterije, imaju uspostavljenu i razvijenu poslovnu inteligenciju odnosno

SCM (Pirttimaki, 2007; Isik, 2009; Oghazi, 2009.). Druga su istraživanja pošla od

pretpostavke da to ne treba biti kriterij izbora (Elbashir et al., 2008; Trkman et al., 2010.).

Procijenjeno je kako nije potrebno raditi nikakva ograničenja te je odlučeno da će sva

poduzeća koja budu pozitivno odgovorila na predtestiranje biti uključena u uzorak242. Za

potrebe provedbe ovog empirijskog istraživanja koristio se namjerni uzorak, a populaciju je

predstavljao skup od 1000 najvećih poduzeća u Republici Hrvatskoj po visini prihoda za

2010. godinu. Ova su poduzeće identificirana temeljem službenih podataka Hrvatske

gospodarske komore243 i posebnog priloga tjednika Lider od 10. lipnja 2011. godine.

Namjera je ovog istraživanja bila obuhvaćanje poduzeća koja primjenjuju koncept poslovna

inteligencija u svojem poslovanju. Nekoliko recentnih radova kojima se istraživalo poslovnu

inteligenciju ili upravljanje opskrbnim lancem, također su promatrala samo ona poduzeća koja

primjenjuju istraživani koncept. Teo i Choo (2001.) istraživali su samo ona poduzeća koja

koriste internet, dok je Howson (2008.) za svoj uzorak uzela poduzeća čija je imena dobila od

proizvođača alata poslovne inteligencije, odnosno PI konzultanata. Taskov (2009.) izabrao je

slučajni uzorak; međutim, u popratnom je pismu objasnio definiciju poslovne inteligencije te

je zamolio ispitanike koji ne prakticiraju poslovnu inteligenciju da ne odgovaraju na upitnik

nego da ga vrate. Grawe et al. (2011.) u svojem su popratnom dopisu postavili pitanje o

relevantnosti poduzeća kako bi moglo sudjelovati u istraživanju. Isik (2009.) također je

izabrao uzorak koji se sastoji od poduzeća koja primjenjuju poslovnu inteligenciju za

donošenje strateških, taktičkih ili operativnih poslovnih odluka. Min i Mentzer (2004.)

provodeći istraživanje o orijentaciji na opksrbni lanac i upravljanje opskrbnim lancem

241 Navode podatak da se u čak 90% društvenih istraživanja primjenjuju anketa. 242 Uzorak je skup jedinica populacije (osnovnog skupa) na kojima je provedeno istraživanje (Verčić et al., 2010., p. 72.) 243 Ekonomski fakultet u Splitu za potrebe realizacije ovog istraživanja službeno je zamolio Hrvatsku gospodarsku komoru za ustupanje baze podataka o 1000 najvećih poduzeća u Republici Hrvatskoj po visini prihoda za 2010. godinu. Nakon prvog pregleda dobivenog materijala i usporedbe tablice s onom publiciranom u tjedniku Lider, ustanovljeno je kako podaci dobiveni od HGK ne sadrže financijske institucije i osiguravajuća društva. HGK je obaviješten o ovom problemu te je naknadno ažurirana tablica s financijskim institucijama i osiguravajućim društvima korištena za provedbu istraživanja.

239

odabrali su ona poduzeća koja su mogla potvrditi da imaju barem jednu vezu (uzvodnu ili

nizvodnu) u opskrbnom lancu kako bi bili uključena u uzorak.

1.2. Nacrt istraživačkog projekta

Redoslijed planiranih i realiziranih aktivnosti za potrebe ovog istraživanja prikazuje graf 5., a

podrobnije su opisane u nastavku.

Graf 5. Protokol istraživanja

Izvor: Nacrt istraživanja

240

Temeljem prethodno navedenih spoznaja, izrađen je dopis za predtestiranje u kojemu je

objašnjena poslovna inteligencija:

U kontekstu istraživanja poslovnu inteligenciju promatramo kao koncept svjesnog,

organiziranog, kontinuiranog, legalnog i legitimnog prikupljanja, analiziranja i korištenja

podataka i informacija za poslovanje. Provodi se pomoću informacijske tehnologije, ali i na

druge načine. Prikupljaju se relevantne spoznaje o kupcima, dobavljačima, konkurentima,

industrijskoj grani, tehnologijama, institucionalnoj regulativi i drugim čimbenicima koji

izravno ili neizravno utječu na poslovanje poduzeća, a radi potpore menadžmentu u

donošenju poslovnih odluka.

Navedene su četri konstatacije te su ispitanici pozvani da sudjeluju u istraživanju ako mogu

dati barem jedan pozitivan odgovor na slijedeće tvrdnje:

� primjenjujete poslovnu inteligenciju na razini cijelog sustava ili određene strateške

poslovne jedinice poduzeća (npr. marketinški odjel, odjel za razvoj, financije i

računovodstvo, proizvodnja, komercijala, nabava i sl.);

� primjenjujete poslovnu inteligenciju samo kod određenih poslovnih procesa ili

projekata;

� koristite u poslovanju neku od tehnologija i platformi za skladištenje podataka (Data

Warehouse), rudarenje podacima (Data Mining), OLAP alate;

� koristite napredne analitičke tehnike, i simulacijske i vizualizacijske programe.

Ovaj je formular verificiran od strane nekolicine profesora ekonomskih fakulteta u Splitu i

Zagrebu, Filozofskog fakulteta u Zagrebu te praktičara poslovne inteligencije. Istraživanje na

terenu provelo se sa ciljem testiranja postavljenih hipoteza, a anketni je upitnik predstavljao

glavni instrument za prikupljanje primarnih podataka. Prije konačnog definiranja upitnika,

provedeno je testiranje pitanja metodom intervjua na manjem broju ispitanika. Svrha ovog

predtestiranja bila je potvrda osnovnih pretpostavki predloženog modela, provjera

istraživačkog instrumenta te uklanjanje dvosmislenosti. Osim navedenoga, provedbom se

utvrdila njegova jasnoća te prikladnost za istraživanje.

241

1.3. Instrument istraživanja

Osnovni instrument provedbe ovog istraživanja bio je anketni upitnik sastavljen od pitanja

zatvorenog tipa s ponuđenim odgovorima kod kojih se koristila Likertova ljestvica s pet

stupnjeva intenziteta. Likertova ljestvica stavova zasniva se na pretpostavci da svaka

izjava/čestica na ljestvici ima jednaku važnost odnosno težinu u terminima toga koliko

odražava stav prema nekom pitanju ili problemu, a ta pretpostavka predstavlja ujedno i

njezino glavno ograničenje (Verčić et al., 2010., p. 124.). Sudionici ankete birali su odgovor

između 1= izrazito se ne slažem do 5= izrazito se slažem. Za potrebe ovog istraživanja

provedeno je mjerenje percepcija ispitanika (Akintoye et al., 2000; Wixom i Watson, 2001;

Skjoett-Larsen et al., 2003; Vickery et al., 2003; Benton i Maloni, 2005; Wieder et al., 2006;

Sanders, 2007; Elbashir et al., 2008; Sodhi i Son, 2009; Trkman et al., 2010.). Ovo je izabrano

iz dva razloga: (1) učinci od korištenja poslovne inteligencije jesu nematerijalni odnosno

kvalitativni, zbog čega nisu prikladni za objektivno mjerenje, (2) većina informacija po svojoj

su prirodi povjerljive ili strateške, stoga nisu prikladne za javnu objavu (Williams i Williams,

2007; Elbashir et al., 2008.). Fynes et al. (2005., p. 9.) navode kako su istraživanja pokazala

da menadžersko ocjenjivanje i menadžerske procjene ne odstupaju značajno od objektivnih

vrijednosti dobivenih iz eksternih izvora.

Prilikom sastavljanja anketnog upitnika respektirale su se polazne hipoteze, rezultati

dosadašnjih istraživanja, istraživačka pitanja te ograničenja i prijedlozi provedenih

istraživanja (Calof, 2004; Lockamy i McCormak, 2004; Blackhurst et al., 2005; Pejić Bach et

al., 2007; Williams i Williams, 2007; Johnson et al., 2007; Vesset et al., 2008; Trkman et al.,

2010). Anketni se upitnik sastojao od 66 pitanja koja su bila raspoređena na osam stranica, a u

tematskom su smislu poštivala logičan slijed:

� prve dvije stranice odnosile su se na tri uvodna pitanja o djelatnosti, broju zaposlenih i

pravnom obliku poduzeća;

� treća stranica obuhvaćala je pitanja o izvorima podataka i informacija, pouzdanosti

podataka i informacija te pristupu prema njima;

� četvrta stranica zaokružila je poslovnu inteligenciju s pitanjima o naprednoj analitici,

intuiciji i vremenu te organizaciji poslovne inteligencije;

� tema pete stranica bila je informacijska vidljivost s pitanjima o kvaliteti sadržaja i

razini vidljivosti;

242

� integraciju je obrađena u šestoj stranici s pitanjima o suradnji unutar i između

poduzeća;

� sedma stranica obrađivala je prvu grupu pitanja o upravljanju opskrbnim lancem:

agilnost, prilagodljivost, i usklađenje;

� zaključna osma stranica zaokružila je drugu skupinu pitanja: o proaktivnosti i o

peformansama opskrbnog lanca.

1.4. Metodologija prikupljanja podataka

Za realizaciju ovog istraživanja kreirana je internet stranica, a svim članovima populacije

poslani su e-mail dopisi s poveznicom na postavljenu stranicu koja je sadržavala istraživačka

pitanja. Cobanoglu et al., (2001., p. 405-410.) u svojem su istraživanju244 uspoređivali stope

odgovora u tri načina provođenja anketa i ustanovili su najbolji odziv kod web istraživanja

(44,21%), potom poštanskih (26,27%) te telefaks (17,0%). Kwak i Radler (2002., p. 257-273.)

u svojem su istraživanju245 došli do drugačijih rezultata. Pokazalo se da je istraživanje putem

weba brže, ali također uz manju stopu odziva, ukupno i kod tri ponavljanja (42,5% kod slanja

i primanja anketa poštom nasuprot 27,4% kod weba). Web istraživanje preferiraju ženski

ispitanici, mlađe i tehnološki suvremenije osobe. Shih i Fan (2007., p. 59-82.) pročavali246 su

objavljenje rezultate istraživanja koja su koristili kombinaciju poštanske i web ankete.

Njihovo je istraživanje pokazalo da su ispitanici bili skloniji poštanskim anketama (27%) u

odnosu na web ankete (19%).

Za razliku od navedenih primjera, Grawe et al. (2011., p. 72.) pozivaju se na prethodna

istraživanja (Grifis et al., 2003.) u kojima nisu ustanovljene značajnije razlike u stopama

odgovora između poštanskih i web anketa. Ilieva et al. (2002., p. 373.) navodi najvažnije

prednosti on-line istraživanja: niži financijski troškovi, kraće vrijeme prikupljanja odgovora,

kontrola uzorka (ali bez utjecanja na samo istraživanje) te lakše rukovanje podacima

korištenjem različitih softvera što se odražava na uštedi vremena i resursa. Ovi su elektronski 244 Istraživanje je provedeno na uzorku od 300 profesora ugostiteljstva slučajno odabranih iz direktorija članstva Council on Hotel, Restaurant and Institutional Education. 245 Istraživanje je provedeno na uzorku od 1000 studenata slučajno izabranih s velikih sveučilišta u SAD. 246 U ovom su istraživanju obrađena 43 članka publicirana u razdoblju između 1996. i 2006. godine, a prezentirala su rezultate istraživanja u kojima su ispitanici mogli birati odgovaranje slanjem upitnika poštom ili njegovim ispunjavanjem na webu.

243

dopisi prvenstveno bili adresirani na određene osobe (direktore poduzeća, predsjednike ili

članove uprava, direktore IT-a, direktore PI-a ili izvršne direktore nadležne za poslovnu

inteligenciju ili upravljanje opskrbnim lancem). Dillman (1991., p. 230.) navodi važnost

personalizacije jer naglašava značajnost konkretne osobe za postizanje boljeg odziva. U

popratnom je dopisu ovog istraživanja opisana njegova svrha i cilj, zagarantirana je

anonimnost ispitanika, te su zainteresiranim ispitanicima ponuđeni rezultati istraživanja nakon

što budu obrađeni i službeno objavljeni. Također su dostavljeni kontakt podaci autora

istraživanja radi mogućih pitanja ili pojašnjenja. Za određene adrese direktora poduzeća iz

osnovnog skupa autoru je susretljivošću menadžmenta poduzeća „Poslovna inteligencija“

d.o.o. iz Zagreba stavljena na raspolaganje baza podataka njihovih korisnika.

Istraživanje je provedeno u razdoblju od početka travnja do kraja lipnja 2012. godine. Dva

tjedna nakon slanja prvog elektronskog dopisa – poziva usljedila je prva zamolba onim

poduzećima koja nisu odgovorili na prethodni poziv, dok je druga zamolba poslana tri tjedna

nakon prethodne. Primatelji ankete imali su mogućnost odbijanja daljnje komunikacije

(primanje podsjetnika) što je iskoristilo 17 poduzeća (0,017%). Također se metodom

slučajnog uzorka telefonski zvalo određena poduzeća s molbom za sudjelovanje u istraživanju

ako primjenjuju poslovnu inteligenciju. Najčešći razlozi nesudjelovanja u istraživanju su:

� poduzeće ne može potvrditi da primjenjuje poslovnu inteligenciju;

� poduzeće je zapalo u poteškoće;

� ne žele ispunjavati ankete postavljene preko interneta;

� poduzeća dvoje u anonimnost internet anketa;

� nedostatak vremena;

� pregledom upitnika zaključuju kako bi njegovo ispunjavanje u određenoj mjeri

predstavljalo odavanje poslovnih tajni247.

Istraživanju se odazvalo 321 poduzeće. S obzirom da je namjera bila istražiti ona poduzeća

koja u svom poslovanju primjenjuju poslovnu inteligenciju, prije obrade izuzeti su odgovori

poduzeća koja su u upitniku posljednju tvrdnju o PI (U Vašem poduzeću poslovna

inteligencija nije još sustavno organizirana) u potpunosti potvrdili, a takvih je bilo 25

poduzeća. Osim ovih poduzeća, izuzeta su još tri koja nisu odgovorila na navedeno pitanje,

što posljedično znači da je iskoristivih odgovora bilo 293, odnosno postignut je odziv od

29,3%. Verčić et al. (2010., p. 104.) navode kako je očekivana stopa odgovora kod anketa

247 Ovaj je odgovor karakterističan za financijske institucije.

244

putem interneta varijabilna, a u slučaju organizacija 30% smatraju prihvatljivim. Usporedbe

radi, Kim et al. (2006.) provedeći istraživanje preko weba imali su odziv od 10,7%, Chang et

al. (2008.) 17,6%, Grawe et al. (2011.) 25,8%, a Bilandžić et al. (2012.) 23,3%. Usporedbu je

također moguće izvršiti s autorima koji su koristili e-dopisivanje za sudjelovanje u

istraživanju. Skjoett-Larsen et al. (2003.) imali su odziv od 7,6%248, Yang (2008.) 19%,

Yigitbasioglu (2010.) 11,5%249, a Ha et al. (2011.) 27,5%. Neka su istraživanja u cilju boljeg

odziva koristila dva ili više načina prikupljanja odgovora, tako da su Li et al. (2006.) koristili

poštu i web; međutim, imali su odziv od samo 6,3%250, dok su Ramayah i Omar (2010.)

imala odziv od 23,2% tako da se može zaključiti kako korištenje više metoda prikupljanja

anketa ne vodi nužno do povećanja stope odgovora.

1.5. Obrada podataka

Osim metode obrade podataka koja je provedena u programskom paketu SPSS 17 (Statistical

Package for the Social Science) korištena je metoda prezentiranja rezultata istraživanja u

obliku tablica i grafova. Na svim je varijablama provedena deskriptivna statistika kako bi se

jasnije opisale uočene pojave, a kod inferencijalne statistike razina statističke signifikantnosti

određena je na razini od 5% (p < 0,05)251. Za ocjenjivanje postavljenih hipoteza dominantna

je bila metoda korelacije kao mjera međuovisnosti između promatranih varijabli u

konceptualnom modelu. U ovom radu korelacija je korištena s ciljem utvrđivanja smjera,

inteziteta i značajnosti analiziranih veza. S obzirom na tri uvodna pitanja (o poduzeću)

napravljena je analiza varijance s jednim promjenjivim faktorom. Također se upotrijebila

faktorska analiza s ciljem utvrđivanja primjerenosti operacionalizacije, odnosno ispravnog

grupiranja istraživanih varijabli poslovna inteligencija, upravljanje opskrbnim lancem,

informacijska vidljivost i integracija.

248 Jedan od razloga koji autori navode kao objašnjenje lošijeg odziva jest i zasićenost od mnogih istraživanja što se kao razlog navelo u nekoliko slučajeva i u ovom istraživanju. 249 Autori su zadovoljni postignutim odzivom s obzirom da nisu slali dodatne podsjetnike, a navode kako su slična nordijska istraživanja također imala odziv oko 10%. 250 Pri ocjeni ovakvog odziva treba imati na umu da su autori naveli kako su im 20% ispitanika bili CEO ili predsjednici kompanija. 251 Pozivajući se na novije statističke pristupe, prof. Rozga smatra da se i nešto veća razina može priznati kao statistički značajna.

245

2. Operacionalizacija varijabli

2.1. Nezavisna varijabla: Poslovna inteligencija

Koncept koje zajedno s IT-om omogućuje prikupljanje, obradu i analizu podatka, njihovo

pretvaranje u informacije i znanje sa ciljem omogućavanja donošenja bržih i kvalitetnijih

upravljačkih odluka na svim poslovnim razinama. Prikupljaju se relevantne spoznaje o

kupcima, dobavljačima, konkurentima, procesima, industriji, tehnologijama, institucionalnoj

regulativi, te drugim čimbenicima koji izravno ili neizravno utječu na poslovanje poduzeća. U

postojećoj literaturi postoji nekoliko konceptualizacija poslovne inteligencije, što je

prvenstveno odraz različitih pogleda pojedinih autora. Temeljem iznesenih kvalitativnih i

kvantitativnih spoznaja, planirana je operacionalizacija koncepta poslovna inteligencija kroz

šest dimenzija: izvori podataka i informacija, pouzdanost podataka i informacija, pristup

podacima i informacijama, napredna analitika, intuicija i vrijeme te organizacija poslovne

inteligencije.

Izvori podataka i informacija (prilagođeno prema Isik, 2009; Popovič et al., 2009; Taskov,

2009.) predstavlja mjesto gdje su podaci i informacije smješteni, odnosno odakle se uzimaju

za analizu. Izvor internih podataka i informacija predstavljaju unutarnji resurs tvrtke odnosno

njegovu nematerijalnu imovinu. Vanjski podaci i informacije mogu se dobiti iz ukupnog

okruženja poduzeća, a za potrebe izrade ove disertacije oni su se promatrali u konteksu

opskrbnog lanca, što znači da su im izvor članovi opskrbnog lanca koji su u interakciji s

poduzećem. Osim navedenoga, potrebno je bilo ispitati jesu li podaci i informacije objedinjeni

na razini pojedinih procesa, djelova poduzeća ili ukupnog poduzeća.

1. Unutarnji izvori podataka i informacija objedinjeni su na razini procesa ili projekta.

(BI 1)

2. Unutarnji izvori podataka i informacija objedinjeni su na razini službi ili odjela. (BI 2)

3. Vanjski izvori podataka i informacija koje koristite lako su Vam dostupni. (BI 3)

4. U Vašem se poduzeću podaci i informacije nalaze posvuda: na serveru, u bazama

podataka, proračunskim tablicama, i ostalim datotekama i aplikacijama. (BI 4)

5. Podaci i informacije su integrirani i iskoristivi za izvještavanje i analiziranje u

realnome vremenu. (BI 5)

246

Pouzdanost podataka i informacija (prilagođeno prema Wixom i Watson, 2001; Isik, 2009.)

odnosi se na njihovu točnost odnosno preciznost. Činjenica jest da su poduzeća zatrpana

mnogim netočnim, krivim ili nepotpunim podacima i informacijama što rezultira višestrukim

verzijama istine, a karakteristično je i kod unutarnjih i kod vanjskih podataka.

1. Unutarnji prikupljeni podaci i informacije su pouzdani (vjerodostojni). (BI 6)

2. Vanjski prikupljeni podaci i informacije su pouzdani (vjerodostojni). (BI 7)

3. Prisutna je nedosljednost prikupljenih podataka i informacija. (BI 8)252

Pristup podacima i informacijama se promatra kroz prizmu autorizacije, autentifikacije i

zaštite, odnosno, postoji li politika upravljanja podacima i informacijama na način da je

određeno tko ima pristup kojim podacima i informacijama.

1. Za pristup podacima i informacijama u Vašem se poduzeću prakticira provjera

korisničkog identiteta (autentifikacija). (BI 9)

2. U Vašem se poduzeću točno zna tko ima pristup kojim podacima i informacijama. (BI

10)

3. U Vašem se poduzeću provodi zaštita od zloupotrebe podataka i informacija. (BI 11)

4. Traženi podaci i informacije dostupni su u realnome vremenu. (BI 12)

Napredna analitika (prilagođeno prema Calof, 2004; Lavale et al., 2010.) podrazumijeva

ocjenu primjene sofisticiranijih tehnika i alata za izradu složenijih analiza te korištenje

vizualizacijskih tehnika za predočavanje podataka i informacija.

1. Vaše poduzeće koristi tehnike rudarenja podacima (Data mining). (BI 13)

2. Vaše poduzeće koristi OLAP alate. (BI 14)

3. Vaše poduzeće koristi upravljačke ploče (Dashboards). (BI 15)

4. Informacije i analize su vizualizirane. (BI 16)

Intuicija i vrijeme (prilagođeno prema Hackathorn, 2004; Isik, 2009; Watson, 2009.)

Intuicija predstavlja njezinu razinu što je donositelji odluka koriste prilikom odlučivanja. Iako 252 Ova je tvrdnja reverzibilno postavljena. U anketnoj se metodologiji ovako postavljene konstatacije koriste kao kontrolna pitanja.

247

PI smanjuje korištenje intuicije i osjećaja prilikom odlučivanja, ona ipak nije zanemarena.

Vrijeme predstavlja varijablu koja pokazuje koliko je PI pridonijela smanjenju utroška

vremena za pronalaženje podataka i informacija a što bi se trebalo odraziti na povećanje

vremena za donošenje poslovnih odluka. Vrijeme se ovdje promatra kroz tri perspektive: od

nastanka nekog događaja do njegovog evidentiranja, od evidentiranja do dostave informacije,

te vrijeme od dostave informacije do poduzete aktivnosti.

1. Poslovne odluke donosite na temelju činjenica. (BI 17)

2. Iako koristite poslovnu inteligenciju za donošenje poslovnih odluka, također je

uključen dobar osjećaj i iskustvo. (BI 18)

3. Primjenom poslovne inteligencije smanjilo se vrijeme od nastanka događaja do

njegovog evidentiranja. (BI 19)

4. Primjenom poslovne inteligencije smanjilo se vrijeme od evidentiranja događaja do

dostupnosti informacije o njemu. (BI 20)

5. Primjenom poslovne inteligencije povećalo se raspoloživo vrijeme za donošenje

poslovnih odluka. (BI 21)

Organizacija poslovne inteligencije (prilagođeno prema Calof, 2004.) podrazumijeva

stupanj i razinu njezinog korištenja u poduzeću, odnosno, da li je koristi cijelo poduzeće ili se

to još uvijek događa na razini odjela, službe ili procesa.

1. Vaše poduzeće koristi platformu za skladištenje podataka (Data Warehouse). (BI 22)

2. U Vašem je poduzeću poslovna inteligencija organizirana na razini cijelog poduzeća.

(BI 23)

3. U Vašem je poduzeću poslovna inteligencija organizirana na razini pojedinih odjela

ili službi. (BI 24)

4. U Vašem je poduzeću poslovna inteligencija organizirana na razini pojedinih procesa

ili projekata. (BI 25)

5. Vaše poduzeće još nije sustavno organiziralo poslovnu inteligenciju. (BI 26)

248

2.2. Zavisna varijabla: Upravljanje opskrbnim lancem

Percipirana korist učesnika opskrbnog lanca temeljem korištenja poslovne inteligencije u

smislu povećanja efektivnosti i efikasnosti procesa koji tvore lanac, dostupnosti i vidljivosti

informacija, te povećanju njegove konkurentnosti. U literaturi postoji nekoliko različitih

konceptualizacija upravljanja opskrbnim lancem, a u ovom istraživanju koristila se

kombinacija nekoliko autora, te je varijabla operacionalizirana u pet dimenzija: agilnost,

prilagodljivost, usklađenje, proaktivnost i performanse.

Agilnost (prilagođeno prema Lee, 2006; Swafford et al., 2006.) koja se ujedno može

promatrati kao elastičnost, predstavlja sposobnost opskrbnog lanca da efikasno reagira u

relativno kraćem roku na neočekivane promjene što mogu nastati na uzvodnom ili nizvodnom

dijelu i povrati se u prijašnje ili poželjno stanje. Pretpostavke agilnosti jesu protočnost

informacija između partnera te unapređenje suradnje i integracije.

1. Vaše je poduzeće smanjilo vrijeme odziva na kupčeve zahtjeve. (SCM 1)

2. Vaše je poduzeće povećalo točnost isporuka na vrijeme. (SCM 2)

3. Vaše je poduzeće povećalo kompletiranost isporuka. (SCM 3)

4. Vaše je poduzeće spremno reagirati na potrebne modifikacije. (SCM 4)

Prilagodljivost (prilagođeno prema Lee, 2006.) označava spremnost poduzeća za suočavanje

s promjenama nastalima na tržištima, unutar procesa ili strategija. Za razliku od trenutnih

promjena, ovdje je riječ o suštinskim strukturnim promjenama. Poduzeća koja su u stanju

prilagođavati se novim okolnostima, sposobna su promatrati okolinu i predvidjeti nadolazeće

prijenje ili prilike integrirajući se sa svojim partnerima.

1. Vaše je poduzeće sposobno u relativno krećem roku reagirati na neočekivane tržišne

poremećaje. (SCM 5)

2. Vaše poduzeće kontinuirano analizira poslovnu okolinu. (SCM 6)

3. Vaše poduzeće kontinuirano preispituje i unapređuje svoju poslovnu strategiju. (SCM

7)

249

Usklađenje (prilagođeno prema Simatupang i Sridharan, 2005; Lee, 2006.) podrazumijeva

kreiranje inicijativa za unapređenje performansi. Poduzeća u opskrbnom lancu razmijenjuju

informacije i znanja što se koriste u unapređenju svojih poslovnih procesa. Osim navedenoga,

poduzeća bi unutar opskrbnog lanca trebala biti spremna dijeliti rizike i uspjehe poslovanja.

1. Vaše poduzeće nastoji usklađivati strateške planove sa svojim dobavljačima. (SCM 8)

2. Vaše poduzeće nastoji usklađivati strateške planove sa svojim kupcima. (SCM 9)

3. Vaše poduzeće sa svojim partnerima iz opskrbnog lanca provodi optimalizaciju

povezanih procesa. (SCM 10)

Proaktivnost (Panian i sur., 2007., p. 49.) podrazumijeva mogućnost osmišljavanja,

pripremanja i poduzimanja akcija primjerenih anticipiranim događajima, stanjima,

promjenama i procesima opskrbnog lanca.

1. U upravljanju opskrbnim lancem provodite scenario analize. (SCM 11)

2. U upravljanju opskrbnim lancem provodite prognoziranje događanja. (SCM 12)

3. U upravljanju opskrbnim lancem provodite analize trenda. (SCM 13)

4. U upravljanju opskrbnim lancem koristite analizu vremenskog slijeda (timelining).

(SCM 14)

Performanse (prilagođeno prema Min i Mentzer, 2001; Vereecke i Muylle, 2006; Chen et al.,

2007; Sanders, 2008; Ramayah i Omar, 2010.) predstavljaju pokazatelje percepcije uspješnog

tržišnog funkcioniranja poduzeća.

1. Vaše je poduzeće smanjilo troškove funkcioniranja opskrbnog lanca. (SCM 15)

2. Vaše je poduzeće povećalo povrat na imovinu (ROA) u odnosu na konkurente. (SCM

16)

3. Vaše je poduzeće povećalo povrat na uloženo (ROI) u odnosu na konkurente. (SCM

17)

4. Vaše je poduzeće povećalo tržišni udjel/volumen prodaje u odnosu na konkurente.

(SCM 18)

5. Vaše je poduzeće povećalo efikasnost opskrbnog lanca. (SCM 19)

6. Skratili ste vrijeme donošenja odluka unutar opskrbnog lanca. (SCM 20)

250

2.3. Varijabla: Informacijska vidljivost

Riječ je o varijabli koja nastaje kao rezultat primjene poslovne inteligencije, a

operacionalizirala se kroz dvije dimenzije: kvaliteti sadržaja i razini vildjivosti.

Kvaliteta sadržaja (prilagođeno prema Monczka et al., 1998; Popovič i Jaklič, 2010.)

pokazati će koliko su dobiveni podaci i informacije točni i pouzdani. Potrebno je naglasiti

kako točnost informacija predstavlja relativnu kategoriju s obzirom da se to treba cijeniti u

kontekstu donošenja odluke za koju je ista potrebna.

1. Podaci i informacije koje koristim su točni. (IV 1)

2. Podaci i informacije koje koristim primjereni su potrebama. (IV 2)

3. Podaci i informacije koje koristim su iskoristivi. (IV 3)

4. Unutarnji podaci i informacije redovito se ažuriraju. (IV 4)

Razina vidljivosti (prilagođeno prema Monczka et al., 1998; Kim et al., 2006; Wang i Wei,

2007; Sander, 2008; Sodhi i Son, 2009.) predstavlja podjelu informacija koje je poduzeće

spremno razmjenjivati sa svojim partnerima u opskrbnom lancu u odnosu na njihovu stratešku

ili operativnu razinu.

1. S Vašim ključnim dobavljačima razmjenjujete strateške podatke i informacije. (IV 5)

2. S Vašim ključnim dobavljačima razmjenjujete operativne podatke i informacije. (IV 6)

3. S Vašim ključnim kupcima razmjenjujete strateške podatke i informacije. (IV 7)

4. S Vašim ključnim kupcima razmjenjujete operativne podatke i informacije. (IV 8)

2.4. Varijabla: Integracija

Varijabla integracija pokazuje koliko je primjena poslovne inteligencije pridonijela lakšoj

suradnji i uspostavi integracije među partnerima unutar opskrbnog lanca, a u kontekstu

razmjene informacija. Mjerenje ove varijable operacionalizirano je u dvije dimenzije:

suradnja unutar poduzeća i suradnja između poduzeća.

251

Suradnja unutar poduzeća (prilagođeno prema Kim et al., 2006; Chen et al., 2007; Sanders,

2007; Ha et al., 2011.) predstavlja povezanost procesa i odjela unutar pojedinog poduzeća.

1. U Vašem se poduzeću operativni podaci i informacije razmjenjuju između različitih

funkcijskih odjela ili službi. (INT 1)

2. U Vašem poduzeću svi povezani odjeli sudjeluju u ocjenjivanju i izboru dobavljača.

(INT 2)

3. U Vašem poduzeću postoje višestruke verzije istina o pojedinim partnerima. (INT 3)

4. U Vašem su poduzeću integrirani procesi opskrbnog lanca. (INT 4)

Suradnja između poduzeća (prilagođeno prema Vereecke i Muylle, 2006; Sanders, 2007.)

predstavlja povezanost određenih procesa između poduzeća unutar opskrbnog lanca.

1. Vaše poduzeće sa ostalim sudionicima opskrbnog lanca unapređuje kvalitetu

proizvoda i usluga. (INT 5)

2. Vaše poduzeće sa ostalim članovima opskrbnog lanca razvija nove proizvode i usluge.

(INT 6)

3. Vaše poduzeće sa ostalim članovima opskrbnog lanca integrira zajedničke operativne

procese. (INT 7)

4. Odnosi s Vašim ključnim dobavljačima su partnerski. (INT 8)

5. Odnosi s Vašim ključnim kupcima su partnerski. (INT 9)

252

3. Rezultati empirijskog istraživanja

U ovom će se dijelu prikazati rezultati obrade podataka prikupljenih istraživanjem. Na

početku će se prezentirati osnovna obilježja uzorka istraživanja iza čega će se elaborirati

istraženi i uočeni odnosi varijabli iz modela istraživanja. Prije same obrade prikupljenih

odgovora izvršeno je testiranje moguće pristranosti zbog neodgovaranja na anketu (engl.

Nonresponse bias). Pristranost je prisutna ako postoji statistički značajna razlika između onih

koji su odgovorili i onih koji to nisu učinili. Navodeći tri metode procjene ove greške,

Armstrong i Overton (1977., p. 397.) kažu kako se metoda ekstrapolacije zasniva na

pretpostavci kako su ispitanici koji su kasnije odgovorili najsličniji onima koji uopće nisu

odgovorili, stoga se usporedbom onih koji su prvi odgovorili i onih koji su posljednji

odgovorili može ustanoviti eventualna pristranost. S obzirom na trajanje prikupljanja

podataka (tri mjeseca) usporedili su se rezultati prvih i posljednjih osamdeset ispitanika

korištenjem ANOVA testa za nezavisne uzorke. Pokazalo se kako među njima nije

ustanovljena statistički značajna razlika (p˃0,05) odnosno, nije prisutna pristranost zbog

kasnijeg odziva na istraživanje što je vidljivo iz tablice 27.

Tablica 27. Procjena pristranosti između ranijih i kasnijih ispitanika

V a r i j a b l e Signifikantnost

BI Izvori i pouzdanost podataka i informacija 0,163

BI Pristup podacima i informacijama 0,970

BI Napredna analitika 0,083

BI Intuicija i vrijeme 0,197

BI Organizacija poslovne inteligencije 0,092

IV Kvaliteta sadržaja 0,579

IV Razina vidljivosti 0,797

INT Suradnja unutar poduzeća 0,085

INT Suradnja između poduzeća 0,794

SCM Agilnost 0,114

SCM Prilagodljivost 0,104

SCM Usklađenost 0,430

SCM Proaktivnost 0,747

SCM Performanse 0,202

Izvor: Rezultati istraživanja (N=293)

253

3.1. Temeljne karakteristike uzorka istraživanja

Kao što je u prethodnom poglavlju objašnjeno, anketa je započeta s tri osnovna pokazatelja o

poduzeću: njegovoj djelatnosti, broju zaposlenih i pravnom obliku. Iz tablice 28. učljivo je

kako dominiraju dvije djelatnosti: prerađivačka i trgovina koje zajedno tvore ⅔ (66%)

uzorkovanih poduzeća iza čega slijedi financijska skupina koju tvore bankarstvo, osiguranje i

financijske usluge, koja čini desetinu uzorka. Obzirom na uočenu nesklonost ove grupe prema

sudjelovanju u anketama iznimno se može biti zadovoljan s postignutim odzivom pogotovo

uzevši u obzir činjenicu da financijske i osiguravajuće institucije u svijetu predstavljaju

izuzetno velike korisnike poslovne inteligencije.

Tablica 28. Glavna/pretežita djelatnost poduzeća iz uzorka

Pretežita djelatnost frekvencija postotak

Valid

primarna proizvodnja 10 3,4

prerađivačka industrija 107 36,5

trgovina 91 31,1

turizam i ugostiteljstvo 6 2,0

građevinarstvo 17 5,8

bankarstvo, osiguranje i financijske usluge 26 8,9

telekomunikacije 10 3,4

poslovne usluge 18 6,1

ostalo 8 2,7

Ukupno 293 100,0

Izvor: rezultati istraživanja (N=293)

Strukturu poduzeća iz uzorka prema broju zaposlenih prikazuje tablica 29. Prema

prezentiranim podacima preko ½ (56,7%) poduzeća pripadaju u skupinu onih koji imaju više

od 250 zaposlenih, dok ih je ⅓ (33,4%) poduzeća s brojem zaposlenih između 51 i 250.

Tablica 29. Struktura uzorkovanih poduzeć

Zaposleni

Valid

do 10

od 11 do 50

od 51 do 250

preko 251

Ukupno


Usporedba strukture poduzeća iz osnovnog skupa i uzorkovanih

Prema prikazanim usporednim

zaposlenih (više od 251) dominiraju u primjeni poslovne inteligencije.

Graf 6. Usporedba osnovnog skupa i uzorka prema broju zaposlenih


Treći pokazatelj koji predstavlja pravni oblik istraživanih p

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

osnovni skup

. Struktura uzorkovanih poduzeća prema broju zaposlenih

frekvencija postotak

2 ,7

27 9,2

98 33,4

166 56,7

293 100,0

)

Usporedba strukture poduzeća iz osnovnog skupa i uzorkovanih prezentirani

usporednim podacima može se zaključiti kako poduzeća s najveć

dominiraju u primjeni poslovne inteligencije.

. Usporedba osnovnog skupa i uzorka prema broju zaposlenih

)

ći pokazatelj koji predstavlja pravni oblik istraživanih poduzeća prikazan je u tablici 30

osnovni skup uzorak

preko 251

od 51 do 250

od 11 do 50

do 10

254

prezentirani su grafom 6.

č ća s najvećim brojem

ća prikazan je u tablici 30.

preko 251

od 51 do 250

od 11 do 50

do 10

Tablica 30. Struktura uzorkovanih poduzeć

Pravni oblik

Valid

dioničko društvo

društvo s ograničenom odgovornošć

inozemni osnivač

ustanova

drugo

Ukupno


I ovaj se pokazatelj može usporediti s osnovnim

može doći do sličnog zaključ

usporedbi, može se zaključiti kako dionič

inteligencije u odnosu na ostale pravne oblike.

Graf 7. Usporedba osnovnog skupa i uzorka prema pravnom obliku


0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

osnovni skup

. Struktura uzorkovanih poduzeća prema pravnom obliku

frekvencija postotak

122 41,6

čenom odgovornošću 159 54,3

5 1,7

6 2,0

1 ,3

293 100,0

)

I ovaj se pokazatelj može usporediti s osnovnim skupom što je prikazano grafom 7

ć čnog zaključka kao i kod komparacije po osnovi broja zaposlenih. Prema

može se zaključiti kako dionička društva dominiraju u primjeni poslovne

inteligencije u odnosu na ostale pravne oblike.

. Usporedba osnovnog skupa i uzorka prema pravnom obliku

(N=293)

osnovni skup uzorak

255

prikazano grafom 7., te se

ć č čka kao i kod komparacije po osnovi broja zaposlenih. Prema

č čka društva dominiraju u primjeni poslovne

drugo

ustanova

inoosnivač

d.o.o.

d.d.

256

3.2. Analiza elemenata konceptualnog modela istraživanja

U analizi elemenata konceptualnog modela istraživanja prikazat će se rezultati deskriptivne

statistike za sve istraživane varijable: poslovnu inteligenciju, informacijsku vidljivost,

integraciju i upravljanje opskrbnim lancem. S obzirom na prvu grupu pitanja o samom

poduzeću (vrsti djelatnosti, broju zaposlenih i pravnom obliku) ujedno će se izvršiti analiza

varijance, a dobiveni rezultati će se usporedno prokomentirati. Prema Rozgi (2010., p. 32.),

analizom varijance utvrđuje se utjecaj pojedinih faktora na vrijednost neke numeričke zavisne

varijable pri čemu se razlikuju dvije vrste analize; univarijantna (postoji samo jedna zavisna

varijabla dok broj faktora koji nisu numeričke prirode može biti veći) i multivarijatna (postoji

više zavisnih varijabli na koje može utjecati više faktora). Petz (2007., p. 300.) obrazlaže

osnovnu misao ove analize - dokazati je li varijabilitet među grupama veći od varijabiliteta

unutar grupa.

3.2.1. Poslovna inteligencija u hrvatskim poduzećima

Upitnik o primjeni poslovne inteligencije sastojao se od šest grupa pitanja (izvori podataka i

informacija, njihova pouzdanost, pristupačnost, upotreba napredne analitike, korištenje

intuicije i vremena u procesu odlučivanja te o organizaciji poslovne inteligencije) kako bi se

stekao što kvalitetniji uvid u trenutno stanje u hrvatskim poduzećima. Sažetak deskriptivne

statistike o poslovnoj inteligenciji s obzirom na tri uvodna pitanja vidljiv je u tablici 31.

Uočljivo je kako se kod deset pitanja javljalju statistički značajne razlike u odgovorima253. U

osam je slučajeva riječ o razlici na temelju djelatnosti (BI 4, BI 5, BI 6, BI 7, BI 12, BI 13, BI

15 i BI 17), dok je po jedan slučaj uočen kod veličine poduzeća (BI 21) i pravnog oblika (BI

19). Prema stavu Prof. Rozge, odgovor B 21 se također može smatrati statistički značajnim

temeljem pravnog oblika. U nastavku slijedi osvrt na dobivene rezultate.

253 Pitanja kod kojih su ustanovljene statistički značajne razlike u odgovorima posebno su označena zvijezdicom (* za p<0,05 i ** za p<0,01).

257

Tablica 31. Deskriptivna statistika za varijablu poslovna inteligencija

Varijabla N Aritm. sredina

Std. devijacija

Min. Maks. Signifikantnost

djelatnost veličina pravni oblik

BI 1 285 3,86 ,838 1 5 0,188 0,566 0,435

BI 2 288 4,07 ,766 1 5 0,624 0,968 0,470

BI 3 289 3,62 ,916 1 5 0,204 0,300 0,907

BI 4 291 3,77 1,166 1 5 0,029* 0,761 0,816

BI 5 292 3,89 ,913 1 5 0,002** 0,890 0,696

BI 6 292 4,35 ,546 3 5 0,005** 0,572 0,642

BI 7 291 3,77 ,603 1 5 0,019* 0,587 0,956

BI 8 292 2,36 ,907 1 5 0,090 0,577 0,475

BI 9 293 4,42 ,878 1 5 0,118 0,289 0,685

BI 10 292 4,40 ,728 1 5 0,647 0,565 0,403

BI 11 292 4,26 ,835 1 5 0,076 0,748 0,408

BI 12 291 4,22 ,718 1 5 0,013* 0,256 0,476

BI 13 286 3,10 1,289 1 5 0,049* 0,902 0,622

BI 14 285 3,19 1,374 1 5 0,338 0,286 0,660

BI 15 285 2,92 1,218 1 5 0,036* 0,597 0,497

BI 16 288 3,58 1,002 1 5 0,587 0,502 0,813

BI 17 293 4,15 ,689 1 5 0,003** 0,777 0,370

BI 18 292 4,26 ,625 1 5 0,948 0,229 0,715

BI 19 290 3,97 ,715 1 5 0,999 0,290 0,011*

BI 20 291 4,06 ,710 1 5 0,985 0,717 0,409

BI 21 290 3,94 ,783 1 5 0,226 0,041* 0,058254

BI 22 288 4,00 1,227 1 5 0,451 0,705 0,115

BI 23 291 3,74 1,013 1 5 0,279 0,744 0,504

BI 24 289 3,76 ,939 1 5 0,985 0,594 0,546

BI 25 286 3,52 1,001 1 5 0,764 0,932 0,980

BI 26 293 2,30 1,068 1 4 0,789 0,501 0,231

Izvor: Rezultati istraživanja (N=285-293/293)

254 Prema stavu Prof. Rozge odgovor se može smatrati statistički značajnim.

258

Tablica 32. Objedinjenost unutarnjih podataka i informacija na razini procesa ili projekta

BI 1 N A. sred. St. devijacija Min. Maks.

djel

atno

st

primarna proizvodnja 10 3,30 1,160 1 5 prerađivačka industrija 106 3,91 ,823 2 5 trgovina 87 3,78 ,882 2 5 turizam i ugostiteljstvo 5 4,20 ,447 4 5 građevinarstvo 16 4,13 ,619 3 5 bankarstvo, osiguranje i fin. usluge 26 3,92 ,845 2 5 telekomunikacije 10 3,80 ,632 3 5 poslovne usluge 17 4,12 ,781 2 5 ostalo 8 3,50 ,756 2 4 Ukupno 285 3,86 ,838 1 5

zapo

slen

i do 10 2 4,00 ,000 4 4 od 11 do 50 26 4,08 ,628 3 5 od 51 do 250 95 3,86 ,780 2 5 preko 251 162 3,83 ,903 1 5 Ukupno 285 3,86 ,838 1 5

prav

ni o

blik

d.d. 121 3,79 ,836 2 5 d.o.o. 152 3,90 ,836 1 5 inozemni osnivač 5 4,20 ,447 4 5 ustanova 6 3,83 1,169 2 5 drugo 1 5,00 . 5 5 Ukupno 285 3,86 ,838 1 5

Izvor: Rezultati istraživanja (N=285/293)

Tablica 33. Objedinjenost unutarnjih podataka i informacija na razini službi ili odjela


djel

atno

st

primarna proizvodnja 10 3,90 ,568 3 5 prerađivačka industrija 106 4,11 ,785 2 5 trgovina 90 4,06 ,812 1 5 turizam i ugostiteljstvo 6 4,50 ,548 4 5 građevinarstvo 17 4,18 ,636 3 5 bankarstvo, osiguranje i fin. usluge 25 3,84 ,800 1 5 telekomunikacije 9 4,00 ,500 3 5 poslovne usluge 17 4,18 ,809 2 5 ostalo 8 3,88 ,641 3 5 Ukupno 288 4,07 ,766 1 5

zapo

slen


prav

ni o

blik

d.d. 119 3,98 ,802 1 5 d.o.o. 157 4,14 ,738 1 5 inozemni osnivač 5 3,80 ,837 3 5 ustanova 6 4,17 ,753 3 5 drugo 1 4,00 . 4 4 Ukupno 288 4,07 ,766 1 5


259

Temeljem podataka iz tablica 32. i 33. može se zaključiti kako su poduzeća generalno sklonija

objedinjavanju podataka i informacija na razinama službi odnosno odjela, nego procesa i

projekata (4,07 ˃ 3,86). Zanimljivo jest kako je u oba slučaja najviši stupanj slaganja

zabilježen u turizmu i građevinarstvu. Najveću sklonost organizaciji podataka i informacija

na razini službi pokazala su velika poduzeća, dok su mala sklonija to raditi na razini

projekata. Analizom odgovora temeljem pravnog oblika, uočava sa kako poduzeća koje je

osnovao inozemni osnivač255 preferiraju procesno objedinjavanje, dok su društva s

ograničenom odgovornošću sklonija objedinjavanju na razini svojih službi ili odjela.

Tablica 34. Dostupnost vanjskih izvora podataka i informacija


djel

atno

st


zapo

slen


prav

ni o

blik

d.d. 121 3,60 ,926 1 5 d.o.o. 156 3,63 ,910 1 5 inozemni osnivač 5 3,80 1,095 2 5 ustanova 6 3,83 ,983 2 5 drugo 1 3,00 . 3 3 Ukupno 289 3,62 ,916 1 5


Prema rezultatima iz tablice 34., dostupnošću vanjskih podataka i informacija najzadovoljnija

je prerađivačka industrija i financijski sektor; odnosno, mala i srednja poduzeća te ustanove i

inopoduzeća. Pokazatelji rasprostranjenosti lokacija podataka i informacija (tablica 35.)

pokazali su statističku značajnost s obzirom na djelatnost; telekomunikacije su izrazile vrlo

visok stupanj slaganja (4,50), potom slijedi turizam, dok se najniža ocjena - stupanj slaganja

255 Zbog jednostavnosti, u nastavku će se ova poduzeća nazivati inopoduzeća.

260

dobila iz građevinskog sektora (3,29). Ova je konstatacija izraženija kod srednjih poduzeća

(3,81), ustanova (4,00) i dioničkih društava (3,79).

Tablica 35. Rasprostranjenost lokacija podataka i informacija


djel

atno

st

primarna proizvodnja 10 3,50 1,269 1 5 prerađivačka industrija 105 3,95 1,095 1 5 trgovina 91 3,71 1,204 1 5 turizam i ugostiteljstvo 6 4,17 1,169 2 5 građevinarstvo 17 3,29 ,985 2 5 bankarstvo, osiguranje i fin. usluge 26 3,50 1,273 1 5 telekomunikacije 10 4,50 ,707 3 5 poslovne usluge 18 3,78 1,263 1 5 ostalo 8 2,88 ,991 2 4 Ukupno 291 3,77 1,166 1 5

zapo

slen

i do 10 2 3,00 1,414 2 4 od 11 do 50 27 3,67 1,301 1 5 od 51 do 250 98 3,81 1,081 1 5 preko 251 164 3,77 1,196 1 5 Ukupno 291 3,77 1,166 1 5

prav

ni o

blik

d.d. 121 3,79 1,089 1 5 d.o.o. 158 3,74 1,227 1 5 inozemni osnivač 5 3,60 1,517 2 5 ustanova 6 4,00 ,894 3 5 drugo 1 5,00 . 5 5 Ukupno 291 3,77 1,166 1 5


Kod rezultata integriranost te iskoristivosti podataka i informacija prikazanih u tablici 36.

također se uočila statistička značajnost kod odgovora temeljem djelatnosti poduzeća. Najviši

stupanj zadovoljstva postignutom integriranošću i iskoristivošću svojih podataka i informacija

iskazao je financijski sektor (4,08) kojeg slijede telekomunikacije, trgovina i turizam (4,0),

dok je najniža ocjena evidentirana kod primarne proizvodnje (2,9). Može se reći kako je

ugodan pokazatelj prerađivačke industrije (3,95). Integriranost je izraženija kod manjih (4,00)

i srednjih poduzeća (3,91), odnosno kod inopoduzeća. Iako razlike u odgovorima temeljem

veličine poduzeća nisu statistički značajne, može se pretpostaviti kako je kod manjih

poduzeća proces uspostave integracije lakši, a s rastom veličinom tvrtke on postaje

kompleksniji. Važnost ovog pokazatelja također je potvrđeno istraživanjem koje je provela

Isik (2010.).

261

Tablica 36. Integriranost i iskoristivost podataka i informacija za izvještavanje


djel

atno

st

primarna proizvodnja 10 2,90 1,197 1 4 prerađivačka industrija 107 3,95 ,873 2 5 trgovina 91 4,00 ,894 1 5 turizam i ugostiteljstvo 5 4,00 ,707 3 5 građevinarstvo 17 3,47 1,007 1 5 bankarstvo, osiguranje i fin. usluge 26 4,08 ,935 1 5 telekomunikacije 10 4,00 ,471 3 5 poslovne usluge 18 3,89 ,676 3 5 ostalo 8 3,13 ,991 2 4 Ukupno 292 3,89 ,913 1 5

zapo

slen


prav

ni o

blik



Analize vjerodostojnosti unutarnjih (tablica 37.) i vanjskih (tablica 38.) prikupljenih podataka

i informacija također su ukazala na statističku značajnost temeljem djelatnosti. Generalno se

može ocijeniti kako su poduzeća vrlo zadovoljna s pouzdanošću svojih unutarnjih podataka i

informacija (4,35). Kod unutarnje vjerodostojnosti dominira zadovoljstvo financijskog sektora

(4,58) kojeg sljede prerađivačka industrija, trgovina, turizam i telekomunikacije. S obzirom na

broj zaposlenih i pravni oblik ne uočavaju se veće razlike, a najbolje su ocjene kod srednjih

poduzeća i društava s ograničenom odgovornošću.

Za razliku od navedenih pokazatelja, ocjena zadovoljstva vjerodostojnošću vanjskih

prikupljenih podataka i informacija uočljivo je niža (3,77). S izuzetkom telekomunikacija

(4,00) sve ostale prosječne ocjene su < 4,00, a prednjače: financijski sektor (3,96),

prerađivačka industrija i poslovne usluge. S izuzetkom mikro poduzeća, zadovoljstvo

neznatno veće od prosjeka pokazala su srednja poduzeća, odnosno, ustanove, ali bez

statističke značajnosti. Pitanje o nedosljednosti prikupljenih podataka i informacija

predstavljalo je kontrolno pitanje stoga su bile poželjnije što niže ocjene, što je i postignuto

(2,36).

262

Tablica 37. Vjerodostojnost unutarnjih prikupljenih podataka i informacija


djel

atno

st


zapo

slen


prav

ni o

blik



Tablica 38. Vjerodostojnost vanjskih prikupljenih podataka i informacija


djel

atno

st


zapo

slen


prav

ni o

blik



263

Provjeravanje korisničkog identiteta (autentifikacija) najrasprostranjenija je u financijskom

sektoru (4,69), telekomunikacijama (4,60) i poslovnim uslugama (4,44), odnosno, kod velikih

(4,46), srednjih (4,42) i inopoduzeća (4,80). Ove pokazatelji prezentirani su u tablici 39.

Tablica 39. Provjeravanje korisničkog identiteta (autentifikacija)


djel

atno

st

primarna proizvodnja 10 4,60 ,966 2 5 prerađivačka industrija 107 4,40 ,845 1 5 trgovina 91 4,38 ,952 1 5 turizam i ugostiteljstvo 6 3,33 1,506 1 5 građevinarstvo 17 4,41 ,870 2 5 bankarstvo, osiguranje i fin. usluge 26 4,69 ,549 3 5 telekomunikacije 10 4,60 ,516 4 5 poslovne usluge 18 4,44 ,856 2 5 ostalo 8 4,38 ,744 3 5 Ukupno 293 4,42 ,878 1 5

zapo

slen

i do 10 2 4,50 ,707 4 5 od 11 do 50 27 4,11 1,188 1 5 od 51 do 250 98 4,42 ,884 1 5 preko 251 166 4,46 ,814 1 5 Ukupno 293 4,42 ,878 1 5

prav

ni o

blik



Nastavno na pokazatelje autentifikacije, za očekivati je bilo da poduzeća imaju ustrojenu

sistematiziranost prava pristupa pojedinim podacima i informacijama (autorizacija) što su u

konačnici rezultati ovog istraživanja potvrdili, a prezentirani su u tablici 40. Ovo je

najizraženije kod financijskog sektora (4,62), telekomunikacija (4,60) i poslovnih usluga

(4,56); odnosno, dioničkih (4,41) i društava s ograničenom odgovornošću (4,40). Zaštita od

zoluporabe podataka i informacija predstavlja logičan nastavak prethodne dvije aktivnosti, a

rezultati istraživanja provođenja ove aktivnosti prikazuje tablica 41. Najdalje su u ovom

segmentu otišli: financijski sektor (4,65), poslovne usluge (4,41) i telekomunikacije (4,40),

odnosno, mala poduzeća (4,41), inopoduzeća (4,60) i društva s ograničenom odgovornošću

(4,30). Može se zaključiti kako poduzeća koja provode autentifikaciju istovremeno provode

autorizaciju i aktivnu zaštitu od zlouporabe podataka i informacija.

264

Tablica 40. Sistematiziranost pristupa podacima i informacijama (autorizacija)


djel

atno

st

primarna proizvodnja 10 4,40 ,699 3 5 prerađivačka industrija 106 4,38 ,654 2 5 trgovina 91 4,38 ,813 1 5 turizam i ugostiteljstvo 6 4,33 1,211 2 5 građevinarstvo 17 4,24 ,903 2 5 bankarstvo, osiguranje i fin. usluge 26 4,62 ,496 4 5 telekomunikacije 10 4,60 ,516 4 5 poslovne usluge 18 4,56 ,705 3 5 ostalo 8 4,13 ,835 3 5 Ukupno 292 4,40 ,728 1 5

zapo

slen


prav

ni o

blik



Tablica 41. Provođenje zaštite od zlouporabe podataka i informacija


djel

atno

st

primarna proizvodnja 10 4,30 ,949 2 5 prerađivačka industrija 107 4,32 ,708 2 5 trgovina 91 4,15 ,906 1 5 turizam i ugostiteljstvo 6 4,17 ,408 4 5 građevinarstvo 17 3,82 1,237 1 5 bankarstvo, osiguranje i fin. usluge 26 4,65 ,485 4 5 telekomunikacije 10 4,40 ,966 2 5 poslovne usluge 17 4,41 ,795 2 5 ostalo 8 4,00 1,069 2 5 Ukupno 292 4,26 ,835 1 5

zapo

slen


prav

ni o

blik



265

Rezultati istraživanja dostupnosti podataka i informacija u realnom vremenu, prezentirani u

tablici 42., pokazali su statističku značajnost kod odgovora po osnovi djelatnosti. S izuzetkom

građevinarstva (3,71) te neopredjeljenih (3,75) sve ostale prosječne ocjene su ≥ 4,00 pa se

može zaključiti kako su istraživana poduzeća iskazala zadovoljstvo dostupnošću podataka i

informacija u realnom vremenu. Prema ocjenama, financijski sektor (4,5) i telekomunikacije

(4,4) najbrže dobivaju podatke u realnom vremenu, što također ocjenjuju mala (4,41),

inopoduzeća (4,40) i društva s ograničenom odgovornošću (4,24). Ove su ocjene u skladu s

prethodno navedenim pokazateljima (kod kojih je također evidentirana statistička

signifikantnost) integriranosti i iskoristivosti podataka i informacija te vjerodostojnosti

unutarnjih podataka i informacija.

Tablica 42. Dostupnost podataka i informacija u realnom vremenu


djel

atno

st

primarna proizvodnja 10 4,10 ,738 3 5 prerađivačka industrija 106 4,20 ,709 2 5 trgovina 91 4,31 ,694 3 5 turizam i ugostiteljstvo 5 4,00 ,000 4 4 građevinarstvo 17 3,71 1,105 1 5 bankarstvo, osiguranje i fin. usluge 26 4,50 ,510 4 5 telekomunikacije 10 4,40 ,516 4 5 poslovne usluge 18 4,17 ,514 3 5 ostalo 8 3,75 ,886 2 5 Ukupno 291 4,22 ,718 1 5

zapo

slen


prav

ni o

blik



Ocjene korištenja tehnika rudarenja podacima pokazale su statističku značajnost temeljem

djelatnosti poduzeća. U njihovoj su primjeni najveći iskorak pokazale telekomunikacije (3,8) i

financijski sektor (3,69), dok su, prema očekivanju, najveće zaostajanje iskazali primarna

proizvodnja (2,80) i građevinarstvo (2,53).

266

Tablica 43. Korištenje tehnika rudarenja podacima


djel

atno

st

primarna proizvodnja 10 2,80 1,476 1 5 prerađivačka industrija 104 3,00 1,215 1 5 trgovina 90 3,13 1,309 1 5 turizam i ugostiteljstvo 6 2,50 1,049 1 4 građevinarstvo 15 2,53 1,356 1 5 bankarstvo, osiguranje i fin. usluge 26 3,69 1,350 1 5 telekomunikacije 10 3,80 1,317 1 5 poslovne usluge 18 3,28 1,227 1 5 ostalo 7 2,57 ,976 1 4 Ukupno 286 3,10 1,289 1 5

zapo

slen

i do 10 1 3,00 . 3 3 od 11 do 50 27 3,26 1,196 1 5 od 51 do 250 95 3,12 1,262 1 5 preko 251 163 3,06 1,327 1 5 Ukupno 286 3,10 1,289 1 5

prav

ni o

blik

d.d. 120 3,03 1,289 1 5 d.o.o. 155 3,13 1,278 1 5 inozemni osnivač 4 3,25 1,708 1 5 ustanova 6 3,17 1,472 1 5 drugo 1 5,00 . 5 5 Ukupno 286 3,10 1,289 1 5


Tablica 44. Korištenje OLAP alata


djel

atno

st

primarna proizvodnja 10 2,50 1,509 1 5 prerađivačka industrija 104 3,15 1,291 1 5 trgovina 89 3,22 1,428 1 5 turizam i ugostiteljstvo 6 2,67 1,366 1 5 građevinarstvo 15 3,20 1,265 1 5 bankarstvo, osiguranje i fin. usluge 26 3,65 1,384 1 5 telekomunikacije 10 3,30 1,636 1 5 poslovne usluge 18 3,39 1,420 1 5 ostalo 7 2,43 1,272 1 4 Total 285 3,19 1,374 1 5

zapo

slen

i do 10 1 4,00 . 4 4 od 11 do 50 26 3,23 1,210 1 5 od 51 do 250 95 2,98 1,353 1 5 preko 251 163 3,31 1,407 1 5 Total 285 3,19 1,374 1 5

prav

ni o

blik

d.d. 118 3,14 1,354 1 5 d.o.o. 156 3,24 1,384 1 5 inozemni osnivač 4 3,50 1,915 1 5 ustanova 6 2,50 1,378 1 4 drugo 1 4,00 . 4 4 Total 285 3,19 1,374 1 5


267

Korištenje OLAP alata (tablica 44.) nije pokazalo statističku značajnost u odgovorima, ali ih

je vrijedno prokomentirati. Najviše se koriste u financijskom sektoru (3,65), poslovnim

uslugama (3,39) i telekomuniakcijama (3,30), kod velikih poduzeća (3,31), inopoduzeća

(3,50) i društava s ograničenom odgovornošću (3,24).

Pokazatelji korištenja upravljačkih ploča pokazali su statističku značajnost kod odgovora s

obzirom na djelatnost, a prezentirani su u tablici 45. Osim telekomunikacija (3,9) i

financijskog sektora (3,46) svi su ostali priznali zaostajanje (prosječne ocjene < 3,0). S

izuzetkom kontrolnog (BI 8), odnosno eliminacijskog pitanja (BI 26) kod ovog je pokazatelja

iz korpusa pitanja o poslovnoj inteligenciji evidentirana najniža ocjena. Iako bez uočene

statističke značajnosti, poslovne upravljačke ploče se najviše koriste u velikim (broj

zaposlenih) i inopoduzećima (pravni oblika).

Pokazatelji vizualizacije podataka i informacija (tablica 46.) nastavljaju se na upravljačke

ploče, međutim kod ovih odgovora nije ustanovljena statistička značajnost. Rezultati su bolji

nego kod kontrolnih ploča (3,58 vs. 2,93), a najdalje su otišli financijski sektor (3,77),

poslovne usluge (3,72) i telekomunikacije (3,60), odnosno ustanove (3,83).

Tablica 45. Korištenje poslovnih upravljačkih ploča


djel

atno

st

primarna proizvodnja 10 2,80 1,317 1 5 prerađivačka industrija 105 2,89 1,129 1 5 trgovina 89 2,87 1,263 1 5 turizam i ugostiteljstvo 6 2,67 1,033 1 4 građevinarstvo 14 2,64 1,151 1 5 bankarstvo, osiguranje i fin. usluge 26 3,46 1,029 1 5 telekomunikacije 10 3,90 1,449 1 5 poslovne usluge 18 2,72 1,364 1 5 ostalo 7 2,14 1,215 1 4 Ukupno 285 2,92 1,218 1 5

zapo

slen

i do 10 1 4,00 . 4 4 od 11 do 50 26 2,92 1,129 1 5 od 51 do 250 95 2,81 1,170 1 5 preko 251 163 2,98 1,262 1 5 Ukupno 285 2,92 1,218 1 5

prav

ni o

blik



268

Tablica 46. Vizualizacija podataka i informacija


djel

atno

st

primarna proizvodnja 10 3,60 1,350 1 5 prerađivačka industrija 105 3,56 ,970 1 5 trgovina 90 3,63 ,965 1 5 turizam i ugostiteljstvo 6 3,17 1,169 1 4 građevinarstvo 16 3,44 ,892 2 5 bankarstvo, osiguranje i fin. usluge 26 3,77 ,951 2 5 telekomunikacije 10 3,60 ,966 2 5 poslovne usluge 18 3,72 1,320 1 5 ostalo 7 2,86 ,900 2 4 Ukupno 288 3,58 1,002 1 5

zapo

slen

i do 10 2 3,00 1,414 2 4 od 11 do 50 27 3,74 ,984 1 5 od 51 do 250 95 3,65 ,976 1 5 preko 251 164 3,52 1,018 1 5 Ukupno 288 3,58 1,002 1 5

prav

ni o

blik

d.d. 119 3,62 ,939 1 5 d.o.o. 157 3,55 1,034 1 5 inozemni osnivač 5 3,20 1,643 1 5 ustanova 6 3,83 ,983 2 5 drugo 1 4,00 . 4 4 Ukupno 288 3,58 1,002 1 5


Statistička značajnost uočena je kod odgovora o odlučivanje na temelju činjenica prema

različitim djelatnostima što je prikazano u tablici 47. Prema rezultatima, generalno se može

reći kako su poduzeća iskazala visok stupanj odlučivanja temeljem činjenica, a pogotovo je to

karakteristično u turizmu (4,67), telekomunikacijama (4,6), poslovnim uslugama (4,39) i

financijskom sektoru (4,19); odnosno kod malih (4,26) i inopoduzeća (4,40).

Korištenje osjećaja i iskustva u odlučivanju općenito je i dalje dosta prisutno (sve prosječne

ocjene su ≥ 4,17), a bez uočene statističke značajnosti ovo se najviše iskazalo kod

telekomunikacija (4,50), turizma (4,33); odnosno malih (4,37) i srednjih poduzeća (4,29) te

inopoduzeća (4,40) i društava s ograničenom odgovornošću (4,17). Ovi su rezultati

prezentirani u tablici 48. Za uočiti je kako su dva vodeća sektora prema odlučivanju na

temelju činjenica (telekomunikacije i turizam) također na vrhu ispitanih poduzeća koja koriste

dobar osjećaj i iskustvo prilikom odlučivanja.

269

Tablica 47. Odlučivanje na temelju činjenica


djel

atno

st


zapo

slen


prav

ni o

blik



Tablica 48. Korištenje dobrog osjećaja i iskustva u odlučivanju


djel

atno

st


zapo

slen


prav

ni o

blik



270

Poslovna inteligencija pridonosi skraćenju vremena evidencije nekog događaja, a ovi su

rezultati signifikantni s obzirom na pravni oblik. Najsložniji s ocjenom su ustanove (4,33) i

društva s ograničenom odgovornošću (4,04), dok su prema djelatnosti svoje suglasje s ovom

ocjenom iskazali turizam (4,20), građevinarstvo (4,00), financijski sektor (3,96) te mala

poduzeća (4,23). Ovi su rezultati predočeni u tablici 49.

Nešto boljom ocjenom, iako bez statističke značajnosti, poduzeća su potvrdila doprinos

poslovne inteligencije skraćenju vremena potrebnog za dostupnost podataka i informacija o

određenom događaju, vidljivo u tablici 50. Najviši stupanj suglasnosti izrazio je turizam

(4,20), građevinarstvo (4,18) i poslovne usluge (4,11), odnosno, mala poduzeća (4,23),

inopoduzeća (4,40) i ustanove (4,33). Začuđuje što telekomunikacije nisu bolje plasirane u

ovom pokazatelju, a jedno od objašnjenja mogao bi biti interno postavljeni kriterij. Naime,

poduzeća koja su evidentno u naprednijoj fazi primjene PI postavljaju sebi više razine kriterija

tako da njih ne zadovoljavaju određena postignuća koja istovremeno predstavljaju uspjeh

nekome tko je tek zakoračio prema razvoju svoje poslovne inteligencije.

Tablica 49. Doprinos poslovne inteligencije skraćenju vremena evidencije događaja


djel

atno

st


zapo

slen


prav

ni o

blik



271

Tablica 50. Doprinos poslovne inteligencije skraćenju vremena dostupnosti informacija


djel

atno

st


zapo

slen


prav

ni o

blik



Tablica 51. Povećanje raspoloživog vremena za odlučivanje


djel

atno

st


zapo

slen

i do 10 2 2,50 2,121 1 4 od 11 do 50 27 4,04 ,759 2 5 od 51 do 250 98 4,01 ,806 1 5 preko 251 163 3,91 ,744 1 5 Ukupno 290 3,94 ,783 1 5

prav

ni o

blik



272

Primjena poslovne inteligencije trebala bi pridonijeti povećanju raspoloživog vremena za

odlučivanje pogotovo ako je omogućila skraćenje vremena za evidentiranje događaja i

dostupnost informacija o istom. Rezultati ovog pitanja pokazali su statističku značajnost s

obzirom na veličinu poduzeća i pravni oblik, a prikazani su u tablici 51. Za uočiti je kako s

porastom veličine poduzeća pada ocjena o povećanju vremena za odlučivanje

(4,04→4,01→3,91). Temeljem djelatnosti najzadovoljniji su financijski sektor (4,12),

trgovina i telekomunikacije (4,00) te ustanove (4,50).

Rezultati primjene skladišta podataka bez uočene statističke značajnosti prikazani su u tablici

52. Generalno se može ustvrditi kako su poduzeća iskazala visok stupanj korištenja ove

tehnologije (prosječna ocjena 4,00), međutim isto tako treba navesti kako su 43 poduzeća

(14,90%) potvrdila da nemaju skladišta podataka. U primjeni, prema očekivanjima,

dominiraju telekomunikacije (4,60) i financijski sektor (4,32) te velika poduzeća (4,01),

odnosno, ustanove (4,50), inopoduzeća (4,20) i društva s ograničenom odgovornošću (4,13).

Tablica 52. Korištenje tehnologije skladišta podataka


djel

atno

st

primarna proizvodnja 10 3,90 ,876 2 5 prerađivačka industrija 106 4,02 1,187 1 5 trgovina 89 3,97 1,292 1 5 turizam i ugostiteljstvo 6 3,17 1,472 1 5 građevinarstvo 16 3,88 1,408 1 5 bankarstvo, osiguranje i fin. usluge 25 4,32 1,215 2 5 telekomunikacije 10 4,60 ,966 2 5 poslovne usluge 18 3,83 1,383 1 5 ostalo 8 3,75 ,463 3 4 Ukupno 288 4,00 1,227 1 5

zapo

slen

i do 10 2 4,50 ,707 4 5 od 11 do 50 27 4,19 1,111 1 5 od 51 do 250 95 3,92 1,252 1 5 preko 251 164 4,01 1,238 1 5 Ukupno 288 4,00 1,227 1 5

prav

ni o

blik

d.d. 120 3,78 1,336 1 5 d.o.o. 156 4,13 1,136 1 5 inozemni osnivač 5 4,20 1,304 2 5 ustanova 6 4,50 ,548 4 5 drugo 1 5,00 . 5 5 Ukupno 288 4,00 1,227 1 5


273

Koliko poduzeća imaju razvijenu poslovnu inteligenciju na razini cijelog društva vidljivo je u

tablici 53. Iako nema statističke značajnosti između odgovora, prema ocjenama se može reći

kako su telekomunikacije (4,30) i trgovina (3,91) otišle najdalje u implementaciji, slijede mala

poduzeća (3,89) i ustanove (4,00), a ugodno iznenađenje predstavlja dobra ocjena primarne

proizvodnje (4,00). Bilo je za očekivati bolje zadovoljstvo financijskog sektora međutim, ono

je nešto ispod prosjeka (3,64). Viši stupanj postignuća iskazan od strane malih poduzeća i

ustanova ne čudi s obzirom da s veličinom raste kompleksnost implementacije ovakvih

projekata.

Poduzeća su sklonija organizaranju poslovne inteligencije na razini službi ili odjela (tablica

54.) u odnosu na razinu procesa ili projekata. Iako bez statističke značajnosti, građevinarstvo

(3,94) i primarna proizvodnja (3,90) najbolje su ocjenjeni, potom sljede poslovne usluge

(3,83), mala poduzeća (3,92), odnosno, ustanove (4,00) i društva s ograničenom

odgovornošću (3,80). Sklonost organizaciji poslovne inteligencije na razini procesa ili

projekata (tablica 55.) iskazali su poslovne usluge (3,83), građevinarstvo (3,82) i primarna

proizvodnja (3,78); odnosno srednja (3,57) i mala poduzeća (3,56) te ustanove (3,67).

Tablica 53. Organizacija poslovne inteligencije na razini cijelog poduzeća


djel

atno

st

primarna proizvodnja 10 4,00 ,667 3 5 prerađivačka industrija 106 3,60 1,039 1 5 trgovina 91 3,91 ,915 1 5 turizam i ugostiteljstvo 6 3,33 ,816 2 4 građevinarstvo 17 3,65 1,115 2 5 bankarstvo, osiguranje i fin. usluge 25 3,64 1,150 1 5 telekomunikacije 10 4,30 1,059 2 5 poslovne usluge 18 3,67 1,188 1 5 ostalo 8 3,63 ,916 2 5 Ukupno 291 3,74 1,013 1 5

zapo

slen

i do 10 2 3,50 ,707 3 4 od 11 do 50 27 3,89 ,974 1 5 od 51 do 250 97 3,67 1,058 1 5 preko 251 165 3,76 ,999 1 5 Ukupno 291 3,74 1,013 1 5

prav

ni o

blik

d.d. 121 3,64 1,065 1 5 d.o.o. 158 3,82 ,981 1 5 inozemni osnivač 5 3,60 1,140 2 5 ustanova 6 4,00 ,632 3 5 drugo 1 3,00 . 3 3 Ukupno 291 3,74 1,013 1 5


274

Tablica 54. Organizacija poslovne inteligencije na razini odjela ili službi


djel

atno

st

primarna proizvodnja 10 3,90 ,738 3 5 prerađivačka industrija 106 3,75 ,947 1 5 trgovina 90 3,77 ,972 1 5 turizam i ugostiteljstvo 5 3,80 ,447 3 4 građevinarstvo 17 3,94 ,748 3 5 bankarstvo, osiguranje i fin. usluge 25 3,60 ,957 2 5 telekomunikacije 10 3,70 1,636 1 5 poslovne usluge 18 3,83 ,857 2 5 ostalo 8 3,88 ,354 3 4 Ukupno 289 3,76 ,939 1 5

zapo

slen


prav

ni o

blik


Izvor: (Rezultati istraživanja (N=289/293)

Tablica 55. Organizacija poslovne inteligencije na razini procesa ili projekata

BI 25 N Mean St. Devijacija Min. Maks.

djel

atno

st

primarna proizvodnja 9 3,78 ,972 2 5 prerađivačka industrija 105 3,48 ,991 1 5 trgovina 89 3,44 1,066 1 5 turizam i ugostiteljstvo 5 3,60 ,548 3 4 građevinarstvo 17 3,82 1,131 1 5 bankarstvo, osiguranje i fin. usluge 25 3,52 ,823 2 5 telekomunikacije 10 3,40 1,430 1 5 poslovne usluge 18 3,83 ,786 2 5 ostalo 8 3,63 ,744 2 4 Total 286 3,52 1,001 1 5

zapo

slen

i do 10 2 3,50 ,707 3 4 od 11 do 50 25 3,56 1,003 1 5 od 51 do 250 96 3,57 1,064 1 5 preko 251 163 3,49 ,971 1 5 Total 286 3,52 1,001 1 5

prav

ni o

blik

d.d. 119 3,53 ,937 1 5 d.o.o. 155 3,52 1,053 1 5 inozemni osnivač 5 3,60 1,140 2 5 ustanova 6 3,67 1,033 2 5 drugo 1 3,00 . 3 3 Total 286 3,52 1,001 1 5


275

Posljednje pitanje o sustavnoj organiziranosti poslovne inteligencije predstavljalo je tvrdnju

pomoću koje su iz daljnje obrade eliminirana ona poduzeća koja su se u potpunosti složila s

navedenom tezom. S obzirom na ideju istraživanja, kod ovog pitanja su se očekivale i postigle

niske ocjene (2,30).

3.2.2. Postignuta razina informacijske vidljivosti u hrvatskim poduzećima

Kako bi se stekao što kvalitetniji uvid u postignutu razinu informacijske vidljivosti u

hrvatskim poduzećima, i to zahvaljujući primjeni poslovne inteligencije, kreiran je upitnik sa

dvije grupe pitanja: kvaliteti sadržaja i razini vidljivosti. Sažetak deskriptivne statistike o

informacijskoj vidljivosti s obzirom na tri uvodna pitanja prezentiran je u tablici 56. Kod ove

varijable također su uočene statistički značajne razlike u dobivenim odgovorima s obzirom na

djelatnost na pitanja: IV 2, IV 5, IV 6 i IV 8. U nastavku slijedi detaljnije elaboriranje uočenih

pojava.

Tablica 56. Deskriptivna statistika za varijablu informacijska vidljivost


Std. devijacija



IV 1 291 4,24 ,511 3 5 0,062 0,385 0,981

IV 2 291 4,12 ,568 2 5 0,048* 0,666 0,710

IV 3 291 4,27 ,549 2 5 0,221 0,822 0,638

IV 4 292 4,27 ,674 1 5 0,318 0,692 0,467

IV 5 290 3,24 1,022 1 5 0,003** 0,115 0,260

IV 6 292 3,71 ,909 1 5 0,001** 0,108 0,697

IV 7 289 3,25 ,985 1 5 0,188 0,213 0,259

IV 8 292 3,69 ,981 1 5 0,001** 0,110 0,972


276

Istraživana poduzeća su iskazala visoko zadovoljstvo točnošću korištenih podataka i

informacija u svom poslovanju (ukupna prosječna ocjena 4,24, a sve su ostale prosječne

ocjene ˃ 4,00) što je prikazano u tablici 57. Iako bez statističke značajnosti, najzadovoljniji su

financijski sektor (4,46), poslovne usluge (4,39) i prerađivačka industrija (4,29); odnosno,

srednja poduzeća (4,31) te dionička i društva s ograničenom odgovornošću (4,25).

Tablica 57. Točnost korištenih podataka i informacija

IV 1 N A. sred. St. devijacija Min. Maks.

djel

atno

st


zapo

slen


prav

ni o

blik



Rezultati primjerenost potrebama korištenih podataka i informacija (tablica 58.) pokazali su

statističku značajnost u odgovorima s obzirom na glavnu djelatnost. I ovdje su sve prosječne

ocjene ˃ 4,00, a najzadovoljniji su telekomunikacije (4,50), financijski sektor (4,24) i

prerađivačka industrija (4,18). Mala i srednja poduzeća izrazila su podjednako zadovoljstvo

(4,15), a s pravnog aspekta su to iskazala inopoduzeća (4,40) i ustanove (4,33).

Poduzeća su zadovoljna iskoristivošću svojih podataka i informacija (tablica 59.), a

najzadovoljniji su telekomunikacije (4,56), financijski sektor (4,42) i prerađivačka industrija

(4,31); srednja i velika poduzeća (4,28) te inopoduzeća (4,60) i ustanove (4,33). Iako bez

statističke značajnosti, može se ustvrditi kako su s obzirom na djelatnost sve ocjene ˃ 4,0.

277

Tablica 58. Primjerenost potrebama korištenih podataka i informacija


djel

atno

st


zapo

slen


prav

ni o

blik



Tablica 59. Iskoristivost korištenih podataka i informacija


djel

atno

st


zapo

slen


prav

ni o

blik



278

Uz navedenu iskoristivost, ažuriranje podataka i informacija predstavlja najbolje ocjenjeni

segment informacijske vidljivosti (4,27). Iako bez statističke signifikantnosti, poduzeća su

zadovoljna ovom aktivnošću gdje su s obzirom na djelatnost sve prosječne ocjene ˃ 4,0 uz

izuzetak građevinarstva (3,94), a prednjače financijski sektor (4,46) i telekomunikacije (4,30).

S obzirom na veličinu, srednja su poduzeća iznad prosjeka ocjena (4,32), a s pravnog aspekta

su to ustanove (4,67) i inopoduzeća (4,60). Ove su ocjene prezentirane u tablici 60.

Tablica 60. Ažuriranje unutarnjih podataka i informacija


djel

atno

st


zapo

slen


prav

ni o

blik



Istraživana poduzeća iskazala su rezerviranost prema razmjeni strateških podataka s ključnim

dobavljačima (tablica 61.), a s obzirom na djelatnost uočene su statistički značajne razlike u

odgovorima. Iznad prosjeka su to iskazali trgovina (3,58) i turizam (3,50), a s obzirom na

veličinu srednja poduzeća (3,44) te temeljem pravnog oblika ustanove (3,83). Za uočiti je

ocjena financijskog sektor (2,88). U odnosu na navedeno, poduzeća su nešto otvorenija kada

je riječ o operativnim podacima i informacijama (tablica 62.). Statistički su značajne razlike u

odgovorima s obzirom na djelatnost, a prednjače: prerađivačka industrija (3,88) i trgovina

(3,81); odnosno srednja (3,81) i velika poduzeća (3,71) te ustanove (4,17).

279

Tablica 61. Razmjena strateških podataka i informacija s ključnim dobavljačima


djel

atno

st

primarna proizvodnja 10 2,40 1,174 1 5 prerađivačka industrija 105 3,17 ,975 1 5 trgovina 91 3,58 ,978 1 5 turizam i ugostiteljstvo 6 3,50 ,548 3 4 građevinarstvo 17 2,88 1,054 1 5 bankarstvo, osiguranje i fin. usluge 26 2,88 ,816 2 5 telekomunikacije 10 3,20 1,317 1 5 poslovne usluge 17 3,24 1,200 1 5 ostalo 8 3,25 ,886 2 4 Ukupno 290 3,24 1,022 1 5

zapo

slen

i do 10 2 3,00 1,414 2 4 od 11 do 50 27 3,26 1,259 1 5 od 51 do 250 97 3,44 ,957 1 5 preko 251 164 3,13 1,004 1 5 Ukupno 290 3,24 1,022 1 5

prav

ni o

blik

d.d. 122 3,18 ,988 1 5 d.o.o. 156 3,29 1,042 1 5 inozemni osnivač 5 2,80 ,837 2 4 ustanova 6 3,83 1,169 2 5 drugo 1 2,00 . 2 2 Ukupno 290 3,24 1,022 1 5


Tablica 62. Razmjena operativnih podataka i informacija s ključnim dobavljačima


djel

atno

st

primarna proizvodnja 10 2,50 1,269 1 5

prerađivačka industrija 106 3,88 ,801 1 5 trgovina 91 3,81 ,855 1 5 turizam i ugostiteljstvo 6 3,67 ,816 3 5

građevinarstvo 17 3,41 ,939 1 5 bankarstvo, osiguranje i fin. usluge 26 3,46 ,761 2 5 telekomunikacije 10 3,60 1,174 1 5

poslovne usluge 18 3,56 1,097 1 5 ostalo 8 3,63 ,916 2 5 Ukupno 292 3,71 ,909 1 5

zapo

slen

i

do 10 2 3,00 1,414 2 4 od 11 do 50 27 3,37 1,149 1 5 od 51 do 250 98 3,81 ,893 1 5

preko 251 165 3,71 ,863 1 5 Ukupno 292 3,71 ,909 1 5

prav

ni o

blik

d.d. 122 3,70 ,908 1 5

d.o.o. 158 3,70 ,920 1 5 inozemni osnivač 5 3,40 ,894 2 4 ustanova 6 4,17 ,753 3 5

drugo 1 4,00 . 4 4 Ukupno 292 3,71 ,909 1 5


280

Slično kao i kod dobavljača, istraživana poduzeća su iskazala rezerviranost kada je u pitanju

spremnost na razmjenu strateških podataka i informacija sa svojim kupcima (3,25). Iako među

prikupljenim odgovorima nije uočena statistička značajnost, ovakvoj razmjeni skloni su:

prerađivačka industrija (3,36), trgovina (3,33) i telekomunikacije (3,30); odnosno, srednja

poduzeća (3,41) te ustanove (3,50) i društva s ograničenom odgovornošću (3,35). I kod ovog

pokazatelja treba primjetiti naglašenu suzdržanost financijskog sektora prema razmjeni

podataka i informacija s ključnim kupcima (2,81). Ocjene su vidljive u tablici 63.

Tablica 63. Razmjena strateških podatka i informacija s ključnim kupcima


djel

atno

st

primarna proizvodnja 10 2,90 1,370 1 5 prerađivačka industrija 104 3,36 ,913 1 5 trgovina 91 3,33 1,001 1 5 turizam i ugostiteljstvo 6 3,50 ,548 3 4 građevinarstvo 17 2,88 1,054 1 4 bankarstvo, osiguranje i fin. usluge 26 2,81 ,694 2 4 telekomunikacije 10 3,30 1,567 1 5 poslovne usluge 17 3,29 ,920 1 5 ostalo 8 3,13 1,126 1 4 Ukupno 289 3,25 ,985 1 5

zapo

slen

i do 10 2 3,00 1,414 2 4 od 11 do 50 27 3,07 1,107 1 5 od 51 do 250 97 3,41 ,966 1 5 preko 251 163 3,18 ,968 1 5 Ukupno 289 3,25 ,985 1 5

prav

ni o

blik



Istraživana poduzeća iskazala su veću spremnost na dijeljenje operativnih podataka i

informacija sa svojim kupcima (tablica 64.) nego što su to spremna kada je riječ o strateškim

podacima i informacijama. Uz uočenu statističku značajnost, i ovdje je prosječna ocjena vrlo

slična onoj vezano za dobavljače (3,69), s tim da prednjače prerađivačka industrija (4,02),

poslovne usluge (3,89) i turizam (3,83); srednja (3,82) i velika poduzeća (3,72) te dionička

društva (3,72).

281

Tablica 64. Razmjena operativnih podataka i informacija s ključnim kupcima


djel

atno

st

primarna proizvodnja 10 3,00 1,414 1 5 prerađivačka industrija 106 4,02 ,768 1 5 trgovina 91 3,49 ,993 1 5 turizam i ugostiteljstvo 6 3,83 ,753 3 5 građevinarstvo 17 3,41 1,004 1 5 bankarstvo, osiguranje i fin. usluge 26 3,31 ,838 2 5 telekomunikacije 10 3,60 1,506 1 5 poslovne usluge 18 3,89 ,963 1 5 ostalo 8 3,88 1,356 1 5 Ukupno 292 3,69 ,981 1 5

zapo

slen

i do 10 2 3,00 1,414 2 4 od 11 do 50 27 3,15 1,134 1 5 od 51 do 250 98 3,82 ,934 1 5 preko 251 165 3,72 ,955 1 5 Ukupno 292 3,69 ,981 1 5

prav

ni o

blik

d.d. 122 3,72 ,938 1 5 d.o.o. 158 3,68 1,005 1 5 inozemni osnivač 5 3,60 1,140 2 5 ustanova 6 3,50 1,378 1 5 drugo 1 4,00 . 4 4 Ukupno 292 3,69 ,981 1 5


3.2.3. Postignuta razina integracije u hrvatskim poduzećima

Koliko poslovna inteligencija pomaže u integraciji poduzeća odnosno, postizanju suradnje

unutar poduzeća te između poduzeća u opskrbnom lancu tema je bila trećeg seta istraživačkih

pitanja. U sklopu istraživanja ove izvedene varijable postavljena su dva skupa pitanja: o

postignutoj razini suradnji unutar poduzeća te razini suradnji između poduzeća. Sažetak

deskriptivne statistike s obzirom na tri osnovna pitanja o poduzeću prikazan je u tablici 65.

Kod obrađenih odgovora uočena je statistička značajnost kod pitanja INT 1 i INT 5 s obzirom

na glavnu djelatnost istraživanih poduzeća, dok to nije utvrđeno za veličinu i pravni oblik.

Valja napomenuti kako se prema stavu Prof. Rozge odgovori INT 4 i INT 6 također mogu

smatrati statistički značajnima s obzirom na djelatnosti. U nastavku se daje konkretnija

analiza dobivenih odgovora.

282

Tablica 65. Deskriptivna statistika za varijablu integracija


Std. devijacija



INT 1 293 4,30 ,583 2 5 0,031* 0,788 0,391

INT 2 288 3,41 1,068 1 5 0,271 0,574 0,439

INT 3 292 2,47 ,961 1 5 0,721 0,429 0,667

INT 4 289 3,66 ,860 1 5 0,053256 0,442 0,120

INT 5 289 3,83 ,842 1 5 0,025* 0,231 0,328

INT 6 287 3,49 ,982 1 5 0,052257 0,603 0,670

INT 7 286 3,37 ,896 1 5 0,595 0,824 0,171

INT 8 290 4,11 ,654 2 5 0,378 0,214 0,150

INT 9 292 4,16 ,697 1 5 0,102 0,301 0,261


Istraživana poduzeća uglavnom su zadovoljna razmjenom podataka i informacija između

različitih odjela (tablica 66.), odnosno službi jer su sve prosječne ocjene ≥ 4,00. Kod

odgovora je uočena statistička značajnost s obzirom na glavnu djelatnost, a najveću razinu

zadovoljstva iskazali su telekomunikacije (4,60), prerađivačka industrija (4,42), turizam i

poslovne usluge (4,33). Također, ali bez statističke značajnosti, prednjače velika poduzeća

(4,32), inopoduzeća (4,80) te ustanove (4,33).

Zajedničko ocjenjivanje i sudjelovanje povezanih odjela u izboru dobavljača nije rašireno

prisutno u istraživanim poduzećima (tablica 67.). Između različitih ocjena nije uočena

statistička značajnost, a iznad prosjeka su poslovne usluge (3,76) i prerađivačka industrija

(3,54); odnosno, mala poduzeća (3,56), dok su ocjene za srednja i velika poduzeća skoro

identične (3,39 i 3,40). S pravnog osnova nadprosječna ocjena evidentirana je kod društava s

ograničenom odgovornošću (3,44). Prisutnost višestrukih verzija istine se kao konstatacija

često koristi u znanstvenoj literaturi kod navođenja razloga za uvođenje PI u poslovanje. Za

očekivati je da su poduzeća njezinom primjenom počeli rješavati ovakve probleme što im

prema iskazanim ocjenama polazi za rukom (2,47). Ove su ocjene prezentirane u tablici 68.

256 Prema stavu Prof. Rozge odgovor se može smatrati statistički značajnim. 257 Prema stavu Prof. Rozge odgovor se može smatrati statistički značajnim.

283

Tablica 66. Unutrašnja razmjena podataka i informacija

INT 1 N A. sred. St. devijacija Min. Maks.

djel

atno

sr


zapo

slen


prav

ni o

blik



Tablica 67. Sudjelovanje svih odjela u ocjenjivanju i izboru dobavljača


djel

atno

st

primarna proizvodnja 10 2,90 1,287 1 5 prerađivačka industrija 105 3,54 1,019 1 5 trgovina 90 3,20 1,093 1 5 turizam i ugostiteljstvo 6 3,33 1,033 2 4 građevinarstvo 17 3,35 1,272 1 5 bankarstvo, osiguranje i fin. usluge 25 3,52 ,918 2 5 telekomunikacije 10 3,40 1,350 1 5 poslovne usluge 17 3,76 ,970 1 5 ostalo 8 3,63 ,744 2 4 Ukupno 288 3,41 1,068 1 5

zapo

slen

i do 10 2 2,50 2,121 1 4 od 11 do 50 27 3,56 1,086 1 5 od 51 do 250 96 3,39 1,080 1 5 preko 251 163 3,40 1,052 1 5 Ukupno 288 3,41 1,068 1 5

prav

ni o

blik



284

Tablica 68. Postojanje višestrukih verzija istine


djel

atno

st

primarna proizvodnja 10 2,20 ,919 1 3 prerađivačka industrija 106 2,44 ,916 1 5 trgovina 91 2,55 1,057 1 5 turizam i ugostiteljstvo 6 2,00 ,632 1 3 građevinarstvo 17 2,47 ,874 1 4 bankarstvo, osiguranje i fin. usluge 26 2,35 ,977 1 4 telekomunikacije 10 2,90 ,876 1 4 poslovne usluge 18 2,44 1,097 1 4 ostalo 8 2,50 ,535 2 3 Ukupno 292 2,47 ,961 1 5

zapo

slen


prav

ni o

blik

d.d. 122 2,45 ,892 1 4 d.o.o. 158 2,49 ,995 1 5 inozemni osnivač 5 2,00 1,000 1 3 ustanova 6 2,83 1,472 1 5 drugo 1 2,00 . 2 2 Ukupno 292 2,47 ,961 1 5


Poduzeća su integriranost svojih procesa s aspekta opskrbnog lanca ocjenili nešto boljom

ocjenom od prosjeka (tablica 69.). Statistička značajnost je uočena jedino kod odgovora

temeljem djelatnosti gdje prednjače telekomunikacije (4,10), poslovne usluge (3,76),

prerađivačka industrija (3,75) i građevinarstvo (3,71); odnosno mala (3,88) i srednja poduzeća

(3,68) te inopoduzeća (4,20) i ustanove (4,00). Najlošija ocjena zabilježena je kod primarne

proizvodnje (2,80).

Koliko poduzeća surađuju u unapređenju kvalitete proizvoda i usluga u opskrbnom lancu vidi

se iz rezultata prezenitranih u tablici 70. Kod odgovora je zabilježena statistička značajnost s

obzirom na glavnu djelatnost. Najveći stupanj zadovoljstva, odnosno slaganja s izrečenom

tvrdnjom zabilježen je kod telekomunikacija (4,40), u turizmu (4,00) i prerađivačkoj industriji

(3,98); odnosno, bez statističke značajnosti kod srednjih (3,94) i malih poduzeća (3,89) te

ustanova (4,33) i inopoduzeća (4,20) ali bez signifikantnosti. Velika rezerviranost (uz

statističku značajnost) uočena je kod građevinarstva (3,47) te kod financijskog sektora (3,50).

285

Tablica 69. Integriranost procesa opskrbnog lanca

INT 4 N Mean St. devijacija Min. Maks.

djel

atno

st

primarna proizvodnja 10 2,80 1,135 1 4 prerađivačka industrija 106 3,75 ,781 1 5 trgovina 90 3,64 1,009 1 5 turizam i ugostiteljstvo 6 3,50 ,837 2 4 građevinarstvo 17 3,71 ,772 2 5 bankarstvo, osiguranje i fin. usluge 26 3,50 ,583 2 4 telekomunikacije 10 4,10 ,316 4 5 poslovne usluge 17 3,76 ,752 2 5 ostalo 7 3,57 ,787 2 4 Ukupno 289 3,66 ,860 1 5

zapo

slen


prav

ni o

blik



Tablica 70. Suradnja u unapređenju kvalitete proizvoda i usluga


djel

atno

st


zapo

slen


prav

ni o

blik



286

Suradnja u razvoju novih proizvoda i usluga (tablica 71.) nešto je lošije ocijenjena (3,49) u

odnosu na unapređenje kvalitete (3,83) tako da je očito kako se ovaj segment sporije razvija

(sve prosječne ocjene su < 4,00). S obzirom na uočenu statističku značajnost temeljem

djelatnosti potrebno je istaknuti telekomunikacije (3,90) i turizam (3,83); odnosno, bez

statističke značajnosti srednja poduzeća (3,58) i društva s ograničenom odgovornošću (3,56).

Tablica 71. Suradnja u razvoju novih proizvoda i usluga

INT 6 N Mean St. devijacija Min. Maks.

djel

atno

st

primarna proizvodnja 10 3,30 ,949 2 5 prerađivačka industrija 105 3,68 ,838 1 5 trgovina 90 3,36 1,154 1 5 turizam i ugostiteljstvo 6 3,83 ,408 3 4 građevinarstvo 17 3,00 1,323 1 5 bankarstvo, osiguranje i fin. usluge 26 3,27 ,724 2 5 telekomunikacije 10 3,90 ,738 2 5 poslovne usluge 15 3,73 ,884 3 5 ostalo 8 3,25 ,707 2 4 Ukupno 287 3,49 ,982 1 5

zapo

slen

i do 10 2 3,00 2,828 1 5 od 11 do 50 26 3,50 1,030 1 5 od 51 do 250 96 3,58 1,053 1 5 preko 251 163 3,44 ,910 1 5 Ukupno 287 3,49 ,982 1 5

prav

ni o

blik



Prema očekivanju, ocjene postignutog stupnja integriranosti zajedničkih procesa s ostalim

članovima opskrbnog lanca su niže (3,37) u odnosu na ocjene vlastite integriranosti (3,66).

Iako nije uočena statistička značajnost, zadovoljstvo veće od ostalih je izraženije u turizmu

(3,80), kod telekomunikacija (3,60) i poslovnih usluga (3,57); odnosno, kod malih poduzeća

(3,50) te ustanova (4,17) i društava s ograničenom odgovornošću (3,42). Ove su ocjene

prezentirane u tablici 72. Prema podacima iz tablice 73. može se zaključiti kako poduzeća

odnose sa svojim ključnim dobavljačima doživljavaju partnerskim, a najizraženije je to kod

telekomunikacija (4,50), u turizmu (4,17) i trgovini (4,15); odnosno, kod srednjih poduzeća

(4,14) te inopoduzeća (4,60), ustanova (4,17) i društava s ograničenom odgovornošću (4,13).

287

Tablica 72. Integriranost zajedničkih procesa s ostalim članovima opskrbnog lanca


djel

atno

st

primarna proizvodnja 10 3,10 ,994 2 5 prerađivačka industrija 105 3,33 ,793 1 5 trgovina 89 3,46 1,001 1 5 turizam i ugostiteljstvo 5 3,80 ,447 3 4 građevinarstvo 17 3,12 1,219 1 5 bankarstvo, osiguranje i fin. usluge 26 3,23 ,587 2 4 telekomunikacije 10 3,60 ,966 2 5 poslovne usluge 16 3,56 ,964 1 5 ostalo 8 3,38 ,916 2 4 Ukupno 286 3,37 ,896 1 5

zapo

slen


prav

ni o

blik



Tablica 73. Ocjena odnosa s ključnim dobavljačima


djel

atno

st


zapo

slen


prav

ni o

blik



288

Partnerstvo s ključnim kupcima su istraživana poduzeća ocjenila nešto boljim nego kada je to

riječ o dobavljačima, međutim bez statističke značajnosti. S izuzetkom građevinarstva (3,94)

sve ostale prosječne ocjene su ˃ 4,0; a ovo je partnerstvo najizraženije kod telekomunikacija

(4,60) i poslovnih usluga (4,33); odnosno kod srednjih poduzeća (4,20) te inopoduzeća (4,80)

što je vidljivo iz tablice 74.

Tablica 74. Ocjena odnosa s ključnim kupcima


djel

atno

st

primarna proizvodnja 10 4,10 ,876 3 5 prerađivačka industrija 106 4,26 ,557 3 5 trgovina 91 4,04 ,744 1 5 turizam i ugostiteljstvo 6 4,17 ,408 4 5 građevinarstvo 17 3,94 ,659 3 5 bankarstvo, osiguranje i fin. usluge 26 4,00 ,800 2 5 telekomunikacije 10 4,60 ,516 4 5 poslovne usluge 18 4,33 ,840 2 5 ostalo 8 4,25 1,035 2 5 Total 292 4,16 ,697 1 5

zapo

slen

i do 10 2 5,00 ,000 5 5 od 11 do 50 27 4,11 ,698 2 5 od 51 do 250 98 4,20 ,688 2 5 preko 251 165 4,13 ,703 1 5 Total 292 4,16 ,697 1 5

prav

ni o

blik

d.d. 122 4,11 ,658 2 5 d.o.o. 158 4,18 ,721 1 5 inozemni osnivač 5 4,80 ,447 4 5 ustanova 6 4,00 ,894 3 5 drugo 1 4,00 . 4 4 Total 292 4,16 ,697 1 5


3.2.4. Upravljanje opskrbnim lancima u hrvatskim poduzećima

Upitnik o upravljanju opskrbnim lancima u hrvatskim poduzećima sastojao se od pet grupa

pitanja: agilnosti, prilagodljivosti, usklađenja, proaktivnosti i peformansi. Sažetak

deskriptivne statistike za zavisnu varijablu – upravljanje opskrbnim lancem s obzirom na tri

osnovna pitanja o poduzeću prikazan je u tablici 75. U sklopu analize uočeno je 15 statistički

značajnih razlika u odgovorima:

289

� s obzirom na djelatnost (SCM 1, SCM 3, SCM 4. SCM 7, SCM 8, SCM 9, SCM 10,

SCM 15, SCM 16, SCM 19, SCM 20);

� s obzirom na pravni oblik (SCM 8, SCM, 9, SCM 10 i SCM 18).

U nastavku slijedi osvrt na dobivene rezultate.

Tablica 75. Deskriptivna statistika za varijablu upravljanje opskrbnim lancem


Std. devijacija



SCM 1 290 4,08 ,737 1 5 0,058258 0,423 0,917

SCM 2 290 4,12 ,700 1 5 0,070 0,568 0,883

SCM 3 288 4,10 ,713 1 5 0,015* 0,785 0,940

SCM 4 290 4,17 ,773 1 5 0,011* 0,223 0,689

SCM 5 292 3,85 ,804 1 5 0,234 0,384 0,600

SCM 6 292 4,25 ,733 1 5 0,173 0,540 0,162

SCM 7 292 4,15 ,809 1 5 0,054259 0,230 0,396

SCM 8 289 3,78 ,746 1 5 0,018* 0,708 0,012*

SCM 9 289 3,91 ,713 1 5 0,030* 0,810 0,002**

SCM 10 290 3,67 ,816 1 5 0,001** 0,743 0,004**

SCM 11 287 3,39 1,000 1 5 0,624 0,696 0,440

SCM 12 289 3,69 ,943 1 5 0,184 0,986 0,374

SCM 13 288 3,65 ,988 1 5 0,192 0,750 0,826

SCM 14 288 3,30 1,040 1 5 0,634 0,747 0,947

SCM 15 290 3,74 ,819 1 5 0,038* 0,339 0,291

SCM 16 286 3,30 ,787 1 5 0,012* 0,214 0,371

SCM 17 289 3,35 ,795 1 5 0,069 0,138 0,457

SCM 18 290 3,42 ,927 1 5 0,065 0,264 0,032*

SCM 19 290 3,71 ,840 1 5 0,000** 0,223 0,244

SCM 20 289 3,76 ,868 1 5 0,002** 0,767 0,781


258 Prema stavu Prof. Rozge odgovor se može smatrati statistički značajnim. 259 Prema stavu Prof. Rozge odgovor se može smatrati statistički značajnim.

290

Generalno gledajući, poduzeća su skratila vrijeme odziva na kupčeve zahtjeve što je vidljivo

iz tablice 76. S obzirom na statističku značajnost temeljem djelatnosti, najbolje su ocjene

zabilježene kod telekomunikacija (4,50) poslovnih usluga (4,17) i prerađivačke industrije

(4,17); odnosno, bez statističke značajnosti kod srednjih poduzeća (4,17) te ustanova (4,33) i

inopoduzeća (4,20).

Tablica 76. Skraćenje vremena odziva na kupčeve zahtjeve

SCM 1 N A. sred. St. devijacija Min. Maks.

djel

atno

st


zapo

slen


prav

ni o

blik



Na tragu prethodnih ocjena također se pokazalo povećanje točnosti isporuka na vrijeme. Iako

kod ovih rezultata nije uočena statistička značajnost potrebno je navesti kako dominiraju

telekomunikacije (4,50), prerađivačka industrija (4,25) i poslovne usluge (4,17); odnosno,

srednja poduzeća (4,19) te ustanove (4,33) i inopoduzeća (4,20) što je vidljivo iz tablice 77.

Statistička značajnost u odgovorima s obzirom na glavnu djelatnost evidentirana je kod ocjene

povećanja kompletiranosti isporuka (tablica 78). Ovaj je progres najizraženiji kod

telekomunikacija (4,50), prerađivačke industrije (4,26) i turizma (4,20); odnosno, bez

statističke značajnosti kod malih (4,15) i srednjih poduzeća (4,12) te ustanova (4,33) i

inopoduzeća (4,20).

291

Tablica 77. Povećanje točnosti isporuka na vrijeme


djel

atno

st


zapo

slen


prav

ni o

blik



Tablica 78. Povećanje kompletiranosti isporuka


djel

atno

st


zapo

slen


prav

ni o

blik



292

Statistička značajnost između odgovora s obzirom na djelatnost također je utvrđena kod

ocjena spremnosti reagiranja na potrebne modifikacije a što je vidljivo u tablici 79. Poduzeća

su iskazala vrlo dobru spremnost, a što je najizraženije kod telekomunikacija (4,60), u turizmu

(4,50) i poslovnim uslugama (4,39); odnosno, bez statističke značajnosti kod malih (4,41) i

srednjih poduzeća (4,21) te ustanova (4,50) i dioničkih društava (4,21).

Tablica 79. Spremnost reagiranja na potrebne modifikacije


djel

atno

st


zapo

slen


prav

ni o

blik



Kako su poduzeća ocijenila svoju spremnost reagiranja na neočekivane tržišne poremećaje

vidljivo je iz tablice 80. Iako bez statističke značajnosti može se uočiti kako su svoju

spremnost poduzeća nešto slabije ocijenila u odnosu na reakcije na zatražene modifikacije, a

ističu se telekomunikacije (4,20), turizam (3,95), prerađivačka industrija (3,95); odnosno,

srednja poduzeća (3,92) te ustanove (4,17) i društva s ograničenom odgovornošću (3,87). U

sklopu ovih pitanja poduzeća su nabolje ocijenila kontinuirano analiziranje poslovne okoline

(sve prosječne ocjene su ˃ 4,00) što je vidljivo u tablici 81. Iako bez uočene statističke

značajnosti ističu se telekomunikacije (4,50), prerađivačka industrija (4,34) i turizam (4,33);

odnosno, srednja poduzeća (4,27) te ustanove (4,67) i dionička društva (4,29).

293

Tablica 80. Spremnost reagiranja na neočekivane tržišne poremećaje


djel

atno

st

primarna proizvodnja 10 3,50 1,354 1 5 prerađivačka industrija 106 3,95 ,653 2 5 trgovina 91 3,80 ,846 1 5 turizam i ugostiteljstvo 6 4,00 ,632 3 5 građevinarstvo 17 3,47 1,007 1 5 bankarstvo, osiguranje i fin. usluge 26 3,88 ,516 3 5 telekomunikacije 10 4,20 ,919 2 5 poslovne usluge 18 3,72 1,074 1 5 ostalo 8 3,75 ,707 3 5 Ukupno 292 3,85 ,804 1 5

zapo

slen


prav

ni o

blik



Tablica 81. Kontinuirano analiziranje poslovne okoline


djel

atno

st


zapo

slen


prav

ni o

blik



294

Prema ocjenama, poduzeća su posvećena praćenjima i unapređenjima svojih poslovnih

strategija (tablica 82.). S obzirom na uočenu statističku značajnost temeljem djelatnosti, treba

naglasiti telekomunikacije (4,60), turizam (4,50) i poslovne usluge (4,33); odnosno, bez

statističke značajnosti mala (4,37) i srednja poduzeća (4,20) te ustanove (4,67).

Tablica 82. Kontinuitet preispitivanja i unapređenja poslovne strategije


djel

atno

st

primarna proizvodnja 10 4,00 1,054 2 5 prerađivačka industrija 106 4,25 ,754 1 5 trgovina 91 4,08 ,833 2 5 turizam i ugostiteljstvo 6 4,50 ,548 4 5 građevinarstvo 17 3,76 1,033 2 5 bankarstvo, osiguranje i fin. usluge 26 4,08 ,628 2 5 telekomunikacije 10 4,60 ,699 3 5 poslovne usluge 18 4,33 ,767 2 5 ostalo 8 3,63 ,916 2 5 Ukupno 292 4,15 ,809 1 5

zapo

slen


prav

ni o

blik



Statistička značajnost između odgovora s obzirom na dvije osnove: djelatnost i pravni oblik,

uočena je kod ocjene spremnosti suradnje u strateškom planiranju s ključnim dobavljačima a

što je prezentirano u tablici 83. Prema rezultatima, poduzeća nisu previše sklona ovim

aktivnostima (s izuzetkom turizma sve ostale prosječne ocjene su < 4,00), a prednjače

trgovina (3,96) i poslovne usluge (3,82); ustanove (4,33) i društva s ograničenom

odgovornošću (3,88); odnosno bez statističke značajnosti mala (3,89) i srednja poduzeća

(3,80). Ovi su rezultati na tragu ocjena spremnosti razmjene strateških podataka s ključnim

dobavljačima (IV 5) gdje je također uočena određena razina suzdržanosti, a kao i kod ovog

pokazatelja najbolja ocjena je zabilježena kod trgovine.

295

Tablica 83. Usklađivanje strateških planova s ključnim dobavljačima


djel

atno

st

primarna proizvodnja 10 3,20 ,919 2 5 prerađivačka industrija 104 3,79 ,692 2 5 trgovina 91 3,96 ,648 3 5 turizam i ugostiteljstvo 6 4,00 ,632 3 5 građevinarstvo 17 3,47 1,179 1 5 bankarstvo, osiguranje i fin. usluge 26 3,54 ,859 2 5 telekomunikacije 10 3,60 ,516 3 4 poslovne usluge 17 3,82 ,636 3 5 ostalo 8 3,63 ,744 3 5 Ukupno 289 3,78 ,746 1 5

zapo

slen


prav

ni o

blik



Kod ocjene usklađivanja strateških planova s ključnim kupcima također je uočena statistička

značajnost između odgovora po dvije osnove: djelatnosti i pravnom obliku. Ovi su rezultati

prezentirani u tablici 84. Prema rezultatima, očito su poduzeća nešto spremnija na ovakve

aktivnosti s kupcima u odnosu na dobavljače, a prednjače turizam (4,17), telekomunikacije

(4,11) i prerađivačka industrija (4,08); ustanove i društva s ograničenom odgovornošću

(4,00); te bez statističke značajnosti mala (3,89) i srednja poduzeća (3,80). Usporedbom ovih

ocjena s onima o spremnosti razmjene strateških podataka i informacija s ključnim kupcima,

može se zaključiti kako su poduzeća izrazila deklarativno veću spremnost prema strateškoj

suradnji nego što su spremna razmjenjivati strateške podatke i informacije za više od pola

ocjene (3,91 – 3,25 = 0,66).

Ocjene o uspješnosti optimiziranja povezanih procesa s partnerima iz lanca pokazuju

statističku značajnost s obzirom na djelatnost i pravni oblik (tablica 85.). Očito jest da u ovom

segmentu ima dosta prostora za napredak (s izuzetkom turizma sve ostale prosječne ocjene su

< 4,00), a ističu se prerađivačka industrija (3,80), telekomunikacije (3,70) i poslovne usluge

(3,69); ustanove (4,33) i društva s ograničenom odgovornošću (3,76); odnosno, bez statističke

značajnosti srednja (3,73) i mala poduzeća (3,70).

296

Tablica 84. Usklađivanje strateških planova s ključnim kupcima


djel

atno

st


zapo

slen


prav

ni o

blik



Tablica 85. Optimiziranje povezanih procesa s partnerima iz opskrbnog lanca


djel

atno

st

primarna proizvodnja 10 3,40 ,966 2 5 prerađivačka industrija 106 3,80 ,749 1 5 trgovina 91 3,78 ,727 2 5 turizam i ugostiteljstvo 6 4,00 ,632 3 5 građevinarstvo 17 3,18 1,185 1 5 bankarstvo, osiguranje i fin. usluge 26 3,08 ,628 1 4 telekomunikacije 10 3,70 1,160 2 5 poslovne usluge 16 3,69 ,873 2 5 ostalo 8 3,50 ,535 3 4 Ukupno 290 3,67 ,816 1 5

zapo

slen


prav

ni o

blik



297

Poduzeća još uvijek nedovoljno provode scenario analize (sve prosječne ocjene su < 3,80), a

126 (43,0%) ih se uglavnom slaže, odnosno 26 (8,9%) ih se u potpunosti slaže s ovom

konstatacijom. Rezultati su prikazani u tablici 86. Iako bez uočene statističke značajnosti, a

prema očekivanju, bolji od prosjeka su telekomunikacije (3,80), poslovne usluge (3,59) i

financijski sektor (3,46); odnosno, mala (3,58) i velika poduzeća (3,39) te ustanove (3,67) i

dionička društva (3,45).

Tablica 86. Provođenje scenario analiza


djel

atno

st

primarna proizvodnja 10 3,10 ,994 1 4 prerađivačka industrija 104 3,36 ,965 1 5 trgovina 89 3,38 1,082 1 5 turizam i ugostiteljstvo 6 3,83 ,408 3 4 građevinarstvo 17 3,24 1,251 1 5 bankarstvo, osiguranje i fin. usluge 26 3,46 ,706 2 5 telekomunikacije 10 3,80 1,476 1 5 poslovne usluge 17 3,59 ,870 2 5 ostalo 8 3,00 ,535 2 4 Ukupno 287 3,39 1,000 1 5

zapo

slen

i do 10 2 3,00 1,414 2 4 od 11 do 50 26 3,58 1,027 1 5 od 51 do 250 97 3,34 1,060 1 5 preko 251 162 3,39 ,960 1 5 Ukupno 287 3,39 1,000 1 5

prav

ni o

blik

d.d. 121 3,45 ,966 1 5 d.o.o. 154 3,35 ,994 1 5 inozemni osnivač 5 3,00 1,581 1 5 ustanova 6 3,67 1,366 1 5 drugo 1 2,00 . 2 2 Ukupno 287 3,39 1,000 1 5

Izvor: Rezultati poslovanja (N=287/293)

Provođenje prognoziranja događanja bolje je ocjenjeno nego provođenje scenario analiza (s

izuzetkom telekomunikacija ostale prosječne ocjene su < 3,90), a 153 (52,2%) ih se uglavnom

slaže, odnosno 43 (14,7%) ih se u potpunosti slaže s ovom izjavom. Isto tako, pokazalo se da

ih manje od 10% uopće ili uglavnom ne provode ovu aktivnost. Iako bez statističke

značajnosti prednjače telekomunikacije (4,20), poslovne usluge (3,82) i prerađivačka

industrija (3,80); odnosno velika poduzeća (3,70) te ustanove (4,17) i društva s ograničenom

odgovornošću (3,74). Rezultati ovog pokazatelja prikazani su u tablici 87.

298

Tablica 87. Provođenje prognoziranja događanja


djel

atno

st

primarna proizvodnja 10 3,10 ,994 1 4 prerađivačka industrija 106 3,80 ,844 1 5 trgovina 89 3,62 1,113 1 5 turizam i ugostiteljstvo 6 3,83 ,408 3 4 građevinarstvo 17 3,41 1,064 1 5 bankarstvo, osiguranje i fin. usluge 26 3,62 ,697 2 5 telekomunikacije 10 4,20 1,229 1 5 poslovne usluge 17 3,82 ,636 3 5 ostalo 8 3,50 ,535 3 4 Ukupno 289 3,69 ,943 1 5

zapo

slen


prav

ni o

blik



Rasprostranjenost provođenja analize trenda skoro je identična prognoziranju događanja što je

prikazano u tablici 88. Prema rezultatima, 142 poduzeća (48,5%) se uglavnom slaže a 46

(15,7%) ih se u potpunosti slaže s navedenom tvrdnjom. Iako bez statističke značajnosti, ova

se analiza najviše provodi u turizmu (4,00), telekomunikacijama (3,90) i poslovnim uslugama

(3,82); odnosno, u malim poduzećima (3,85) te ustanovama (3,83) i društvima s ograničenom

odgovornošću (3,67).

Najlošiji pokazatelji su oni kojim su poduzeća ocjenjivala provođenje analize vremenskog

slijeda što je vidljivo iz tablice 89. Prema dobivenim rezultatima, može se zaključiti kako je

ovo najslabije korištena metoda (uz izuzetak turizma, sve ostale prosječne ocjene su < 3,70), a

103 poduzeća (35,2%) se uglavnom slažu, dok ih se 30 (10,2) u potpunosti slaže s

postavljenom tvrdnjom. Iako bez uočene statističke značajnosti bolji od prosjeka su turizam

(4,00), poslovne usluge (3,65) i telekomunikacije (3,50); odnosno, mala poduzeća (3,50) te

ustanove (3,50).

299

Tablica 88. Provođenje analize trenda


djel

atno

st

primarna proizvodnja 10 3,20 ,789 2 4 prerađivačka industrija 105 3,71 ,927 1 5 trgovina 89 3,69 1,083 1 5 turizam i ugostiteljstvo 6 4,00 ,000 4 4 građevinarstvo 17 3,24 1,091 1 5 bankarstvo, osiguranje i fin. usluge 26 3,58 ,703 2 5 telekomunikacije 10 3,90 1,370 1 5 poslovne usluge 17 3,82 1,074 1 5 ostalo 8 3,00 ,756 2 4 Ukupno 288 3,65 ,988 1 5

zapo

slen

i do 10 2 3,50 ,707 3 4 od 11 do 50 26 3,85 ,834 2 5 od 51 do 250 97 3,62 1,025 1 5 preko 251 163 3,63 ,994 1 5 Ukupno 288 3,65 ,988 1 5

prav

ni o

blik



Tablica 89. Provođenje analize vremenskog slijeda


djel

atno

st

primarna proizvodnja 10 3,20 ,632 2 4 prerađivačka industrija 105 3,30 1,055 1 5 trgovina 89 3,20 1,130 1 5 turizam i ugostiteljstvo 6 4,00 ,000 4 4 građevinarstvo 17 3,24 1,147 1 5 bankarstvo, osiguranje i fin. usluge 26 3,31 ,736 2 5 telekomunikacije 10 3,50 1,179 1 5 poslovne usluge 17 3,65 1,115 1 5 ostalo 8 3,13 ,835 2 4 Ukupno 288 3,30 1,040 1 5

zapo

slen

i do 10 2 3,50 ,707 3 4 od 11 do 50 26 3,50 ,990 1 5 od 51 do 250 97 3,30 1,032 1 5 preko 251 163 3,26 1,059 1 5 Ukupno 288 3,30 1,040 1 5

prav

ni o

blik

d.d. 122 3,31 ,980 1 5 d.o.o. 154 3,29 1,072 1 5 inozemni osnivač 5 3,00 1,414 1 5 ustanova 6 3,50 1,378 1 5 drugo 1 3,00 . 3 3 Ukupno 288 3,30 1,040 1 5


300

Koliko su poduzeća uspjela smanjiti troškove funkcioniranja svojih opskrbnih lanaca

pokazuju rezultati u tablici 90. Statistička značajnost je zabilježena s obzirom na djelatnost

gdje su najzadovoljnije telekomunikacije (4,20), turizam (4,00), prerađivačka industrija (3,84)

i trgovina (3,77); odnosno, bez statističke značajnosti srednja poduzeća (3,79) te inopoduzeća

(4,40), ustanove (3,83) i društva s ograničenom odgovornošću (3,76).

Tablica 90. Postignuto smanjenje troškova funkcioniranja opskrbnog lanca


djel

atno

st


zapo

slen


prav

ni o

blik



Od svih pokazatelja performansi, poduzeća su najmanje zadovoljstva iskazali u postignutom

povećanju povratu na imovinu (ROA) u odnosu na svoje konkurente (s izuzetkom turizma,

sve ostale prosječne ocjene su < 3,60) što je prikazano u tablici 91. Statistička je značajnost

uočena u odgovorima s obzirom na djelatnost, a najbolje ocjene su zabilježene u turizmu

(4,00), i poslovnim uslugama (3,53) i trgovini (3,34). Prema očekivanjima, najlošiji su

pokazatelji primarne proizvodnje (2,60) i građevinarstva (2,94). Za očekivati je bilo bolju

ukupnu ocjenu financijskog sektora. Bez statističke značajnosti bolji od prosjeka su mala

(3,48) i srednja poduzeća (3,39) te inopoduzeća (3,40).

301

Tablica 91. Postignuto povećanje povrat na imovinu (ROA) u odnosu na konkurente


djel

atno

st


zapo

slen


prav

ni o

blik



Zadovoljstvo povećnjem povrata na uloženo (ROI) u odnosu na konkurente poduzeća su

slično ocijenila kao i prethodni pokazatelj (uz izuzetak turizma, sve ostale prosječne ocjene su

< 3,50), a bez statističke značajnosti veće zadovoljstvo postignutim iskazali su turizam (4,17),

poslovne usluge (3,47) i prerađivačka industrija (3,41); odnosno, mala (3,52) i srednja

poduzeća (3,46) te inopoduzeća (3,40). Ove su ocjene prezentirane u tablici 92.

Zadovoljstvo istraživanih poduzeća postignutim povećanje tržišnog udjela i volumena prodaje

u odnosu na konkurente prikazani su u tablici 93. Statistički značajnim su se pokazali

odgovori temeljem pravnog oblika gdje treba istaknuti društva s ograničenom odgovornošću

(3,57) i ustanove (3,50), odnosno 102 poduzeća (34,8%) su se uglavnom složila, a 34 (11,6%)

ih se u potpunosti složilo s postavljenom tvrdnjom. Bez statističke značajnosti najveće

zadovoljstvo su iskazali: trgovina (3,54) i prerađivačka industrija (3,51), odnosno, mala (3,59)

i srednja poduzeća (3,52).

302

Tablica 92. Postignuto povećanje povrata na uloženo (ROI) u odnosu na konkurente


djel

atno

st


zapo

slen


prav

ni o

blik



Tablica 93. Povećanje tržišnog udjela u odnosu na konkurente


djel

atno

st

primarna proizvodnja 10 2,80 1,317 1 5 prerađivačka industrija 105 3,51 ,878 2 5 trgovina 91 3,54 ,923 1 5 turizam i ugostiteljstvo 6 3,33 1,033 2 5 građevinarstvo 17 2,94 1,088 1 5 bankarstvo, osiguranje i fin. usluge 26 3,38 ,496 3 4 telekomunikacije 10 3,30 ,949 2 5 poslovne usluge 17 3,41 1,176 1 5 ostalo 8 2,88 ,641 2 4 Ukupno 290 3,42 ,927 1 5

zapo

slen


prav

ni o

blik



303

Više od ⅔ istraživanih poduzeća pozitivno se očitovalo o povećanju efikasnosti opskrbnog

lanca; odnosno, 165 poduzeća (56,3%) se uglavnom složilo, a 35 (11,9%) ih se u potpunosti

složilo s ponuđenim odgovorom. Statistička značajnost se utvrdila kod prikupljenih odgovora

temeljem glavne djelatnosti, a efikasnošću svog opskrbnog lanca su najzadovoljniji

telekomunikacije i turizam (4,00) i prerađivačka industrija (3,87), dok su najnezadovoljniji

primarna proizvodnja (3,00) i građevinarstvo (3,06). Bez statističke značajnosti boljom

ocjenom od prosjeka očitovali su se mala (3,81) i srednja poduzeća (3,79) te inopoduzeća

(4,00) i ustanove (3,83). Ove su ocjene prikazane u tablici 94.

Tablica 94. Povećanje efikasnosti opskrbnog lanca


djel

atno

st


zapo

slen


prav

ni o

blik



U sklopu ocjena performansi najbolji pokazatelji su evidentirani u ocjeni skraćenja vremena

donošenja odluka u opskrbnom lancu što je prikazano u tablici 95. Razlike u odgovorima s

obzirom na glavnu djelatnost su statistički značajne, a najbolje su u telekomunikacijama

(4,00), prerađivačkoj industriji i trgovina (3,88), dok su najlošije u primarnoj proizvodnju

(3,00) i građevinarstvu (3,12). Bez statističke značajnosti bolje ocjene od prosjeka zabilježene

su kod srednjih (3,82) i malih poduzeća (3,81) te društva s ograničenom odgovornošću (3,80).

304

Tablica 95. Postignuto skraćenje vremena odlučivanja unutar opksrbnog lanca


djel

atno

st


zapo

slen


prav

ni o

blik



305

3.3. Pouzdanost mjernih ljestvica

Nakon deskriptivne statistike, a u svrhu ispitivanja psihometrijske adekvatnosti skupa

varijabli, potrebno je izvršiti testiranje pouzdanosti mjernih ljestvica, odnosno ocijeniti

unutarnju dosljednost skupa tvrdnji. Najpoznatiju mjeru koja može poprimiti vrijednosti od 0

do 1, predstavlja Cronbach Alfa (α). U literaturi ima više pristupa oko definiranja granične

vrijednosti ovog pokazatelja. Općenito govoreći, poželjiniji je što veći pokazatelj kako bi se

proučavane varijable smatrale visoko interno konzistentnima. Hair et al. (2010.) drže da ova

vrijednost treba biti iznad 0,7, dok Churchill (1979.) smatra da razina prihvaćanja zavisi od

svrhe istraživanja te sugerira 0,6 kao donju granicu prihvaćanja pouzdanosti ove ljestvice.

O'Leary-Kelly i Vokurka (1998.) prihvaćaju 0,5 u slučajevima kada je riječ o novorazvijenim

ljestvicama, odnosno kada je riječ o ranim fazama istraživanja te navode kako Van de Venn i

Ferry (1980.) prihvaćaju čak i 0,4 za široko definirane konstrukte. Breugelmans et al. (2004.,

prema Anić, Mihić i Jurić, 2010.) sugeriraju 0,5 kao graničnu vrijednost kod eksplorativnih

istraživanja. Tavakol i Dennick (2011.) objašnjavaju moguće razloge nižeg koeficijenta: mali

broj pitanja (čestica), slaba unutranja korelacija ili heterogenost konstrukta. Izvori podataka i

informacija predstavljaju prvu planiranu dimenziju varijable poslovna inteligencija. Cronbach

alfa iznosi 0,486 a procjena svih elemenata mjerne ljestvice prikazana je u tablici 96.

Tablica 96. Procjena pouzdanosti dimenzije izvori podataka i informacija

A. sr. ljestvice ako se

izostavi tvrdnja Varijanca ljestvice ako

se izostavi tvrdnja Korigirana ukupna

korelacija Cronbach alfa ako se

izostavi tvrdnja

BI1 15,37 5,000 ,362 ,370

BI2 15,18 5,171 ,375 ,371

BI3 15,59 4,762 ,375 ,354

BI4 15,45 5,865 -,024 ,657

BI5 15,35 4,776 ,368 ,359

Cronbach alfa ,486 Broj stavki 5


Analizom dobivenih rezultata uočljivo je kako bi izostavljanje tvrdnje BI 4 značajno

pridonijelo poboljšanju ukupne pouzdanosti. Cronbach alfa za drugu dimenziju (pouzdanost

306

podataka i informacija) pokazuje negativan rezultat -0,691. U tablici 97. daje se procjena svih

elemenata ove dimenzije.

Tablica 97. Procjena pouzdanosti dimenzije pouzdanost podataka i informacija





izostavi tvrdnja

BI6 6,13 ,823 -,102 -,899

BI7 6,72 ,794 -,127 -,841

BI8 8,13 ,897 -,408 ,519

Cronbach alfa -,691 broj stavki 3


Očito je kako bi izostavljanje tvrdnje BI 8 popravilo rezultat pouzdanosti mjerne ljestvice.

Prije je navedeno kako ona predstavlja kontrolno pitanje, a niža je ocjena bila poželjnija, zato

i ne čudi potreba njene eliminacije iz daljnje analize. Nakon provedenih opisanih analiza i

eliminacijom tvrdni BI 4 i BI 8, ocjenjeno je potrebnim formiranje zajedničke dimenzije od

preostalih tvrdnji – izvori i pouzdanost podataka i informacija. Novouspostavljena dimenzija

potom se testirala te je dobiven Cronbach alfa 0,689 a pouzdanost pojedinačnih elemenata

prikazana je u tablici 98. Prema dobivenim rezultatima može se zaključiti kako je ukupna

pouzdanost nove dimenzije zadovoljavajuća, a izabrane se varijable međusobno dobro slažu.

Tablica 98. Procjena pouzdanosti dimenzije izvori i pouzdanost podataka i informacija





izostavi tvrdnja

BI1 19,72 5,895 0,465 0,632

BI2 19,53 6,359 0,401 0,654

BI3 19,94 5,891 0,41 0,655

BI5 19,69 5,415 0,535 0,605

BI6 19,23 6,899 0,46 0,647

BI7 19,81 7,283 0,281 0,687

Cronbach alfa 0,689 broj stavki 6


307

Pristup podacima i informacijama predstavlja sljedeću dimenziju poslovne inteligencije te je

analiza njezine pozdanosti dala zadovoljavajuće rezultate, odnosno Cronbach alfa je 0,780 a

procjena pouzdanosti elemenata koji tvore ovu dimenziju vidi se u tablici 99.

Tablica 99. Procjena pouzdanosti dimenzije pristup podacima i informacijama





izostavi tvrdnja

BI9 12,88 3,594 ,513 ,771

BI10 12,89 3,625 ,694 ,676

BI11 13,03 3,373 ,655 ,689

BI12 13,08 4,098 ,505 ,765

Cronbach alfa ,780 broj stavki 4


Analiza napredne analitike kao treće dimenzije poslovne inteligencije također je pokazala vrlo

dobru internu konzistentnost (Cronbach alfa = ,788) a njezini rezultati, čije vrijednosti

omogućuju provođenje nastavka multivarijatne statistike odnosno faktorske analize,

prezentirani su u tablici 100.

Tablica 100. Procjena pouzdanosti dimenzije napredna analitika





izostavi tvrdnja

BI13 9,68 8,481 ,621 ,723

BI14 9,59 7,829 ,662 ,701

BI15 9,86 8,667 ,647 ,710

BI16 9,20 10,712 ,470 ,793



Dimenzija intuicija i vrijeme također pokazuje vrlo dobru unutarnju dosljednost (Cronbach

alfa = ,765) tako da se prema ovim vrijednostima, bez ikakvih intervencija, može provoditi

daljnja obrada. Pokazatelji ove dimenzije vidljivi su u tablici 101.

308

Tablica 101. Procjena pouzdanosti dimenzije intuicija i vrijeme





izostavi tvrdnja

BI17 16,24 4,781 ,388 ,769

BI18 16,13 4,839 ,422 ,757

BI19 16,42 4,002 ,658 ,676

BI20 16,33 3,931 ,699 ,661

BI21 16,45 4,130 ,521 ,729



Organizacija poslovne inteligencije predstavlja posljednju dimenziju analizirane nezavisne

varijable. Interna dosljednost nije se pokazala zadovoljavajućom (Cronbach α = ,286) pa se

pristupilo analizi elemenata koji je tvore, a prikazani su u tablici 102.

Tablica 102. Procjena pouzdanosti dimenzije organizacija PI





izostavi tvrdnja

BI22 13,31 4,591 0,21 0,157

BI23 13,57 5,275 0,196 0,187

BI24 13,56 4,482 0,459 -,055a

BI25 13,8 4,365 0,436 -,056a

BI26 15,05 8,459 -0,386 0,635



Analizom podataka iz gornje tablice vidljivo je da bi eliminacija posljednje tvrdnje BI 26

značajno pridonijela kvaliteti rezultata. Prethodno je pojašnjeno kako ova tvrdnja predstavlja

filter pomoću kojeg se poduzeća koja nemaju organiziranu poslovnu inteligenciju mogu

isključiti iz istraživanja, a sve sukladno unaprijed određenim planom provedbe istraživanja.

Nakon isključenja ove stavke rezultati su pokazali zadovoljavajuće veličine (Cronbach alfa =

,635) tako da se može potvrditi valjanost ove ljestvice. Ponovljene pokazatelje, nakon

isključenja tvrdnje BI 26 prikazuje tablica 103.

309

Tablica 103. Procjena nove pouzdanosti dimenzije organizacija PI





izostavi tvrdnja

BI22 11,04 4,981 0,36 0,62

BI23 11,29 5,527 0,402 0,575

BI24 11,29 5,489 0,47 0,533

BI25 11,53 5,349 0,452 0,541



Nakon testiranja pouzdanosti varijable poslovna inteligencija zaključno se može ustvrditi

kako će se nastavak statističke analize provoditi temeljem utvrđenih pet dimenzija (izvori i

pouzdanost podataka i informacija; pristup podacima i informacijama, napredna analitika,

intuicija i vrijeme; organizacija poslovne inteligencije) čije su mjerne ljestvice pokazale

zadovoljavajuću razinu pouzdanosti, odnosno interne dosljednosti.

Mjerne ljestvice za obje dimenzije informacijske vidljivosti kao izvedene varijable (kvaliteta

sadržaja i razina vidljivosti) pokazuju zadovoljavajuće vrijednosti (Cronbach alfe su ,825 i

,786) te se mogu smatrati prihvatljivima za nastavak statističke obrade. Njihovi se rezultati

prikazuju u tablicama 104 i 105.

Tablica 104. Procjena pouzdanosti dimenzije kvaliteta sadržaja





izostavi tvrdnja

IV1 12,67 2,284 ,638 ,788

IV2 12,79 2,061 ,702 ,756

IV4 12,64 1,952 ,597 ,816

IV3 12,64 2,119 ,693 ,761



310

Tablica 105. Procjena pouzdanosti dimenzije razina vidljivosti





izostavi tvrdnja

IV5 10,63 5,567 ,555 ,755

IV6 10,18 5,745 ,620 ,722

IV7 10,63 5,476 ,615 ,723

IV8 10,19 5,580 ,589 ,736



Varijabla integracija operacionalizirala se kroz dvije dimenzije: suradnja unutar poduzeća i

suradnja između poduzeća. Analiza pouzdanosti prve mjerne ljestvice nije pokazala

zadovoljavajuće rezultate (Cronbach alfa iznosi ,285) te se pristupilo analizi njezinih stavki

koje su prezentirane u tablici 106. Nakon eliminacije tvrdnje INT 3 rezultat pouzdanosti se

popravio (Cronbach alfa iznosi ,479 – tablica 107.) te će se nastaviti sa statističkom obradom.

Tablica 106. Procjena pouzdanosti dimenzije suradnja unutar poduzeća





izostavi tvrdnja

INT1 9,52 3,13 0,257 0,154

INT2 10,42 2,039 0,267 0,028

INT3 11,35 3,293 -0,056 0,48

INT4 10,17 2,721 0,196 0,167



Tablica 107. Procjena nove pouzdanosti dimenzije suradnja unutar poduzeća





izostavi tvrdnja

INT1 7,05 2,312 0,349 0,367

INT2 7,96 1,299 0,34 0,334

INT4 7,7 1,907 0,271 0,428



311

Analiza pouzdanosti mjerne ljestvice suradnje između poduzeća pokazala je zadovoljavajuću

unutrašnju dosljednost te se može koristiti za daljnju obradu. Ovi su rezultati prezentirani u

tablici 108.

Tablica 108. Procjena pouzdanosti dimenzije suradnja između poduzeća





izostavi tvrdnja

INT5 15,14 5,872 ,610 ,726

INT6 15,48 5,117 ,667 ,704

INT7 15,60 5,691 ,586 ,734

INT8 14,87 6,940 ,468 ,771

INT9 14,81 6,751 ,486 ,766



Zavisna varijabla upravljanje opskrbnim lancem se istraživala kroz pet dimenzija (agilnost,

prilagodljivost, usklađenje, proaktivnost i performanse). Sve mjerne ljestvice pokazale su

zadovoljavajuću razinu pouzdanosti ( agilnost ,894; prilagodljivost ,817; usklađenje ,732;

proaktivnost ,900; performanse ,896). Isto tako, utvrđeno je kako eliminacija bilo koje tvrdnje

ne bi rezultirala poboljšanjem ukupne mjerne ljestvice. U tablicama u nastavku daju se prikazi

rezultata.

Tablica 109. Procjena pouzdanosti dimenzije agilnost





izostavi tvrdnja

SCM1 12,40 3,733 ,789 ,855

SCM2 12,34 3,797 ,832 ,841

SCM3 12,38 3,672 ,861 ,829

SCM4 12,32 4,062 ,605 ,925



312

Tablica 110. Procjena pouzdanosti dimenzije prilagodljivost





izostavi tvrdnja

SCM5 8,39 2,006 ,609 ,811

SCM6 7,99 2,007 ,720 ,703

SCM7 8,09 1,864 ,687 ,731



Tablica 111. Procjena pouzdanosti dimenzije usklađenje





izostavi tvrdnja

SCM8 7,59 1,694 ,558 ,642

SCM9 7,45 1,791 ,550 ,654

SCM10 7,69 1,552 ,562 ,641



Tablica 112. Procjena pouzdanosti dimenzije proaktivnost





izostavi tvrdnja

SCM11 10,63 6,953 ,799 ,863

SCM12 10,33 7,398 ,753 ,880

SCM13 10,38 7,026 ,794 ,865

SCM14 10,72 6,910 ,765 ,876



313

Tablica 113. Procjena pouzdanosti dimenzije performanse





izostavi tvrdnja

SCM15 17,57 12,110 ,704 ,879

SCM16 18,00 12,361 ,695 ,881

SCM17 17,95 12,123 ,739 ,874

SCM18 17,88 11,888 ,643 ,891

SCM19 17,59 11,550 ,792 ,866

SCM20 17,54 11,577 ,753 ,872


Rezultati istraživanja (N=281/293)

3.4. Faktorska analiza istraživačkih varijabli

Rezultati pouzdanosti mjernih ljestvica omogućili su nastavak provođenja multivarijatne

analize u kojoj sljedeći korak predstavljala faktorska analiza koja, prema Pecini (2006., p.

12.), predstavlja statistički pristup za analizu strukture međusobnih odnosa većeg broja

varijabli definiranjem seta zajedničkih skrivenih dimenzija tj. faktora. Ova se analiza može

koristiti za dvije namjene, kao eksploratorna ili konfirmatorna metoda. U ovom istraživanju se

koristila faktorska metoda kao kontrolna mjera ispravnog grupiranja dimenzija unutar

promatranih varijabli. Prvi korak predstavljaju ocjena adekvatnosti uzorka i Bartlettov test

sferičnosti.

Adekvatnost uzorka se mjeri pomoću Kaiser-Meyer-Olkinovog (KMO) pokazatelja koji u

naravi ocjenjuje da li se podaci dobro uklapaju u faktore. Ovaj se pokazatelj dobije kao omjer

zbroja kvadrata koeficijenata korelacije svih varijabli u analizi260 i istoga tog zbroja kvadrata

plus kvadrata koeficijenata parcijalne korelacije svake varijable i sa svakom varijablom j uz

isključenje ostalih varijabli. KMO se zasniva na korelaciji i parcijalnoj korelaciji, a prema

Rozgi (2010., p. 55.), da bi faktorska analiza bila odgovarajuća, vrijednost ove statistike

trebala bi biti ˃ 0,5261. U nastavku se daju navedeni pokazatelji prema istraživanim

varijablama i njihovim dimenzijama.

260 Osim onih sa samim sobom koje su uvijek jednake 1. 261 Rozga navodi kako određeni autori zahtjevaju da ovaj pokazatelj bude ˃ 0,6.

314

Tablica 114. KMO i Bartlettov test za dimenzije poslovne inteligencije

Izvori i pouzdanost podataka i informacija

Kaiser-Meyer-Olkin mjera adekvatnosti uzorka ,710

Bartlettov test sferičnosti

Približni Hi-kvadrat 262,680

df 15

Sig. ,000

Pristup podacima i

informacijama




df 6

Sig. ,000

Napredna analitika




df 6

Sig. ,000

Intuicija i vrijeme




df 10

Sig. ,000

Organizacija poslovne

inteligencije




df 6

Sig. ,000

Izvor: Rezultati istraživanja

Prema rezultatima iz gornje tablice može se ustvrditi kako su mjere adekvatnosti za svih pet

dimenzija varijable poslovna inteligencija prikladne, a Bartlettov test sferičnosti statistički

značajan (α<0,01). Temeljem iznesenog može se zaključiti kako korelacijska matrica nije

jedinična, pa se može nastaviti s provedbom faktorske analize. Kod prve dimenzije (izvori i

pouzdanost podataka i informacija) najviše varijance je objašnjeno kroz prvi faktor, 39,955

(prilog 3.), a obzirom na vrijednost KMO-a, Bratlettovog testa, veličine uzorka i faktorskih

opeterećenja262 (prilog 4.), ova će se veličina prihvatiti na nastavak analize. Ostale dimenzije

poslovne inteligencije imaju zadovoljavajuće pokazatelje za nastavak analize:

262 Faktorska opterećenja predstavljaju jednostavne korelacije između varijabli i faktora, a pokazuju važnost pojedine varijable za određeni faktor.

315

� II dimenzija - 61,074% objašnjena varijanca kroz prvi faktor (prilog 5.), a sva

opterećenja ˃ 0,7 (prilog 6.);

� III dimenzija - 61,234% objašnjena varijanca kroz prvi faktor (prilog 7.), a sva

opterećenja ˃ 0,6 (prilog 8.);

� IV dimenzija - 52,293% objašnjena varijanca kroz prvi faktor (prilog 9.), a sva

opetrećenja ˃ 0,56 (prilog 10.);

� V dimenzija - 48,765% objašnjena varijanca kroz prvi faktor (prilog 11.), a sva

opterećenja ˃ 0,59 (prilog 12.).

Pokazatelji KMO statistike i Bartlettovog testa sferičnosti za prvu izvedenu varijablu

informacijska vidljivost prikazani su u tablici 115.

Tablica 115. KMO i Bartlettov test sferičnosti za dimenzije informacijske vidljivosti

Kvaliteta sadržaja




df 6

Sig. ,000

Razina vidljivosti




df 6

Sig. ,000


Kod obje dimenzije informacijske vidljivosti svojstvene su vrijednosti pokazale

zadovoljavajuće rezultate:

� kod prve dimenzije prvi faktor objašnjava 66,558% varijance (prilog 13.), a sva su

faktorska opterećenja ˃ 0,76 (prilog 14.);

� kod druge dimenzije prvi faktor objašnjava 61,110% varijance (prilog 15.), a sva su

faktorska opterećenja ˃ 0,75 (prilog 16.).

316

Upravo zbog odličnih pokazatelja (Bartlettov test sferičnosti, svojstvene vrijednosti, faktorska

opterećenja, pouzdanost mjerne ljestvice) te veličine uzorka prihvatiti će se niži KMO

pokazatelj za nastavak statističke obrade.

Druga izvedena varijabla u istraživanom modelu jest integracija, a njezini pokazatelji

adekvatnosti uzorka i sferičnosti prikazani su u tablici 116.

Tablica 116. KMO i Bartlettov test sferičnosti za dimenzije integracije

Suradnja unutar poduzeća




df 3

Sig. ,000

Suradnja između

poduzeća




df 10

Sig. ,000

Izvor: Rezultati istražvanja

Iz gornje tablice je razvidno kako su KMO pokazatelji i Bartlettov test sferičnosti za obje

dimenzije integracije zadovoljavajući, odnosno signifikantni. Kod prve dimenzije (suradnja

unutar poduzeća) varijanca je objašanjena sa 50,517% prvog faktora (prilog 17.), a kod druge

dimenzije (suradnja između poduzeća) objašnjena je sa 53,772% prvog faktora (prilog 19.).

Faktorska opterećenja također su visoka (kod prve dimenzije opterećenja su ˃ 0,64; a kod

druge ˃ 0,66) što pridonosi boljem objašnjenju varijabli. Ovi rezultati su prezentirani u

prilozima 18. i 20. Sve navedeno ukazuje da se može nastaviti s daljnjom provedbom

faktorske analize.

Zavisna varijabla upravljanje opskrbnim lancem operacionalizirana je kroz pet dimenzija:

agilnost, prilagodljivost, usklađenje, proaktivnost i performanse. Pokazatelji adekvatnosti

uzorka i Bartlettov test sferičnosti za navedene dimenzije prikazani su u tablici 117.

317

Tablica 117. KMO i Bartlettov test sferičnosti za dimenzije upravljanja opskrbnim lancem

Agilnost




df 6

Sig. ,000

Prilagodljivost




df 3

Sig. ,000

Usklađenje




df 3

Sig. ,000

Proaktivnost




df 6

Sig. ,000

Performanse




df 15

Sig. ,000


Iščitavajući rezultate iz tablice 117. može se ustvrditi kako su mjere adekvatnosti uzorka svih

dimenzija upravljanja opskrbnim lancem prikladne (KMO ≥ ,686), a Bartlettov test sferičnosti

statistički značajan (α< 0,01) pa se može zaključiti kako su podaci pogodni za daljnje

provođenje faktorske analize.

Svojstvene vrijednosti i faktorska opterećenja također su zadovoljavajuća:

� prvi faktor prve dimenzije SCM-a (agilnost) objašnjava 76,867% varijance (prilog

21.), a sva su faktorska opterećenja ˃ 0,74 (prilog 22.);

� prvi faktor druge dimenzije SCM-a (prilagodljivost) objašnjava 73,538% varijance

(prilog 23.), a sva su faktorska opterećenja ˃ 0,81 (prilog 24.);

318

� prvi faktor treće dimenzije SCM-a (usklađenost) objašnjava 65,240% varijance

(prolog 25.), a sva su faktorska opterećenja ˃ 0,80 (prilog 26.);

� prvi faktor četvrte dimenzije SCM-a (proaktivnost) objašnjava 77,048% varijance

(prilog 27.), a sva su faktorska opterećenja ˃ 0,86 (prilog 28.);

� prvi faktor pete dimenzije SCM-a (performanse) objašnjava 66,111% varijance (prilog

29.), a sva su faktorska opterećenja ˃ 0,74 (prilog 30.).

Temeljem prikazanih analiza i donesenih odluka o izuzimanju određenih tvrdnji iz daljnje

statističke obrade prilagođeni konceptualni model istraživanja prikazuje slika 33.

319

Slika 33. Prilagođeni konceptualni model istraživanja

Izvor: rezultati istraživanja

320

3.5. Prosudba istraživačkih hipoteza

Temeljem prethodno elaboriranih rezultata obrade prikupljenih podataka utvrđena je njihova

podobnost za provođenje daljnjih analitičkih postupaka. Glavna hipoteza ovog istraživanja

imala je za cilj utvrditi postojanje pozitivne korelacije između koncepta poslovna inteligencija

i efikasnosti upravljanja opskrbnim lancem.

Ovaj se odnos može promatrati na tri načina: izravno, kroz postizanje informacijske

vidljivosti te kroz integraciju. Prvi korak u dokazivanju postavljene hipoteze predstavlja

istraživanje pretpostavljenih odnosa koncepta poslovna inteligencija i informacijske

vidljivosti definiranih kroz prvu pomoćnu hipotezu:

P.H. 1A. Primjena koncepta poslovna inteligencija pozitivno je korelirana s efikasnijim

upravljanjem informacijama, njihovom kvalitetom te vidljivošću relevantnih

informacija.

Međuodnos između poslovne inteligencije operacionalizirane kroz pet dimenzija (izvori i

pouzdanost podataka i informacija; pristup podacima i informacijama; napredna analitika,

intuicija i vrijeme; organizacija poslovne inteligencije) i informacijske vidljivosti koja je

operacionalizirana kroz dvije dimenzije (kvaliteta sadržaja i razina vidljivosti) prikazan je u

tablici 118, dok je u tablici 119. prikazan zbirni odnos između ovih varijabli. S obzirom da

postoji nekoliko tumačenja koeficijenata korelacije, u ovom se radu koriste objašnjenja koje je

dao Petz263 (2007., 211.).

263 Prema Petzu, vrijednost koeficijenata korelacije između 0 i 0,20 ne ukuazuju na povezanost varijabli, od 0,20 do 0,40 predstavlja laku povezanost, od 0,40 do 0,70 stvarno značajnu, a preko 0,70 visoku odnosno, vrlo visoku povezanost promatranig varijabli.

H1: Primjena koncepta poslovna inteligencija pozitivno je korelirana s efikasnošću upravljanja opskrbnim lancem.

321

Tablica 118. Korelacija između elemenata poslovne inteligencije i informacijske vidljivosti

BI

Izvo

ri i

po

uzd

ano

st

po

dat

aka

i in

form

acija

BI

Pris

tup

p

od

acim

a i

info

rmac

ijam

a

BI

nap

redn

a an

aliti

ka

BI

Intu

icija

i vr

ijem

e

BI

Org

aniz

acija

p

osl

ovn

e in

telig

enci

je

IV K

valit

eta

sad

ržaj

a

IV R

azin

a vi

dlji

vost

i

BI Izvori i pouzdanost podataka i informacija

Pearsonova korel. 1 ,506** ,370** ,476** ,459** ,607** ,297**

Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 276 276 268 275 270 274 275

BI Pristup podacima i informacijama

Pearsonova korel. ,506** 1 ,307** ,264** ,404** ,480** ,116*

Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,025

N 276 290 279 288 281 286 288

BI napredna analitika

Pearsonova korel. ,370** ,307** 1 ,395** ,407** ,365** ,080

Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,090

N 268 279 281 279 275 277 279

BI Intuicija i vrijeme

Pearsonova korel. ,476** ,264** ,395** 1 ,406** ,485** ,156**

Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,004

N 275 288 279 289 281 285 287

BI Organizacija poslovne inteligencije

Pearsonova korel. ,459** ,404** ,407** ,406** 1 ,398** ,151**

Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,006

N 270 281 275 281 283 280 280

IV Kvaliteta sadržaja

Pearsonova korel. ,607** ,480** ,365** ,485** ,398** 1 ,177**

Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,001

N 274 286 277 285 280 289 285

IV Razina vidljivosti

Pearsonova korel. ,297** ,116* ,080 ,156** ,151** ,177** 1

Sig. (1-strana) ,000 ,025 ,090 ,004 ,006 ,001

N 275 288 279 287 280 285 289

** Korelacija je signifikantna na razini 0,01 (1-strana). * Korelacija je signifikantna na razini 0,05 (1-strana).

Tablica 119. Korelacija poslovne inteligencije i informacijske vidljivosti

Poslovna inteligencija

Informacijska vidljivost


Pearsonova korelacija 1 ,595**

Sig. (1-strana) ,000

N 263 260


Pearsonova korelacija ,595** 1


N 260 285

** Korelacija je signifikantna na razini 0,01 (1-strana).


322

Rezultati su iskazani Pearsonovim koeficijentom jer su koleriani faktorski skorovi koji su u

stvari metrička skala. Iz podataka prezentiranih u tablici 118. vidljivo je kako samo jedan

odnos (između napredne analitike i razine vidljivosti) ne pokazuje statističku značajnost niti je

u njemu dokazana korelacija. Statistički značajna korelacija na razini od 1% utvrđena je

između svih dimenzija koje tvore poslovnu inteligenciju, kao i između obje dimenzije

informacijske vidljivosti. Osim navedene statističke signifikantnosti potrebno je naglasiti

stvarno značajnu korelaciju koja je ustanovljena unutar dimenzija poslovne inteligencije i to

između:

� izvora i pouzdanosti podataka i informacija i: pristupa podacima i informacijama

(,506); intuicije i vremena (,476) i organizacije poslovne inteligencije (, 459);

� pristupa podacima i informacijama i organizacije poslovne inteligencije (,404);

� napredne analitike i intuicije i vremena (,395)264 i organizacije poslovne inteligencije

(,407);

� intuicije i vremena i organizacije poslovne inteligencije (,406).

Unutar varijable poslovna inteligencija laka je povezanost uočena između izvora i

pouzdanosti i napredne analitike (,370). Pristup podacima i informacijama je lako povezan s

naprednom analitikom (,307), odnosno s intuicijom i vremenom (,264).

U ovoj korelacijskoj matrici najveći Perasonov koeficijent (,607) uočen je između izvora i

pouzdanosti podataka i informacija te kvalitete sadržaja tako da se ovaj međuodnos može

smatrati stvarno značajnim. Laka povezanost (,297) uz statističku značajnost od 1% postoji

između izvora i pouzdanosti podataka i informacija te razine vidljivosti. Odnos između

pristupa podacima i informacijama i kvalitete sadržaja također je vrlo značajan (,480) uz

signifikantnost od 1%. Napredna analitika je lako povezana s kvalitetom sadržaja (,365), dok

se nije utvrdila njezina povezanost s razinom vidljivosti.

Intuicija i vrijeme su stvarno značajno korelirani s kvalitetom sadržaja (,485) međutim,

korelacija se nije utvrdila s razinom vidljivosti iako je taj odnos statistički značajan na razini

od 1%. Korelacija organizacije poslovne inteligencije i kvalitete sadržaja statistički je

značajan (,398)265 uz razinu signifikantnosti od 1%. Istovremeno korelacija nije ustanovljena

264 S obzirom da se vrijednost ovog pokazatelja nalazi neznatno ispod donje granice (0,395 vs. 0,400) uvršten je među stvarno značajne. 265 I ovdje se koeficijent korelacije nalazi neznatno ispod donje granice (0,398 vs. 0,400) te je protumačen kao stvarno značajan.

323

između organizacije poslovne inteligencije i razine vidljivosti, iako je taj odnos statistički

značajan na razini od 1%.

Zaključno, može se ustvrditi kako je međuodnos kvalitete sadržaja i svih elemenata poslovne

inteligencije istraživanih poduzeća stvarno značajan na razini od 1%, dok je razina vidljivosti

lako povezana s izvorima i pouzdanošću podataka i informacija također na razini od 1%.

Temeljem navedenih rezultata te utvrđenog Perasonovog koeficijenta iz tablice 119. (,595 uz

signifikantnost od 1%) može se prihvatiti prva pomoćna hipoteza P.H. 1A.

Sljedeća istraživačka aktivnost bila je usmjerena prema utvrđivanju odnosa informacijske

vidljivosti i upravljanja opskrbnim lancem što je prikazano u tablicama 120. (između

elemenata) i 121. (zbirni odnos).

P.H. 1B. Upravljanje informacijama, njihova kvaliteta i vidljivost među sudionicima

procesa pozitivno su korelirani s efikasnošću upravljanja opskrbnim lancem.

Kod analize prezentiranih rezultata odnosno Pearsonovih koeficijenata korelacija (tablice 120.

i 121.) potrebno je uočiti kako su svi međusobni odnosi promatranih elemenata statistički

signifikantni na razini od 1%. Kao i kod promatranja poslovne inteligencije, između

elemenata upravljanja opskrbnim lancem ustanovljena je stvarno značajna povezanost i to

između:

� agilnosti i: prilagodljivosti (,620); usklađenosti (,471); proaktivnosti (,408) i

performansi (,573);

� prilagodljivosti i: usklađenosti (,499); proaktivnosti (,495) i performansi (,636);

� usklađenosti i: proaktivnosti (,418) i performansi (,475);

� proaktivnosti i performansi (,564).

Kvaliteta sadržaja pokazala se stvarno značajno povezana s agilnošću (,461), prilagodljivošću

(,485) i performansama (,412), dok je laka povezanost ustanovljena između nje i usklađenosti

SCM-a (,244). Suprotno, kod analize povezanosti razine vidljivosti jedino je s usklađenošću

utvrđena stvarno značajna korelacija (,467), dok je laka povezanost pronađena u odnosima s

agilnošću (,263), prilagodljivošću (,285), proaktivnošću (,270) i performansama (,293).

324

Tablica 120. Korelacija između elemenata informacijske vidljivosti i SCM-a

IV K

valit

eta

sad

ržaj

a

IV R

azin

a vi

dlji

vost

i

SC

M A

giln

ost

SC

M

Pril

agod

ljivo

st

SC

M

Usk

lađen

ost

SC

M

Pro

aktiv

nost

SC

M

Per

form

anse



Sig. (1-strana) ,001 ,000 ,000 ,000 ,000 ,000

N 289 285 282 288 281 284 278


Pearsonova korel. ,177** 1 ,263** ,285** ,467** ,270** ,293**

Sig. (1-strana) ,001 ,000 ,000 ,000 ,000 ,000

N 285 289 282 289 283 286 280

SCM Agilnost

Pearsonova korel. ,461** ,263** 1 ,620** ,471** ,408** ,573**

Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 282 282 285 285 279 280 277

SCM Prilagodljivost


Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 288 289 285 292 285 287 281

SCM Usklađenost


Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 281 283 279 285 285 282 276

SCM Proaktivnost


Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 284 286 280 287 282 287 280

SCM Performanse

Pearsonova korel. ,412** ,293** ,573** ,639** ,475** ,564** 1

Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 278 280 277 281 276 280 281


Tablica 121. Korelacija informacijske vidljivosti i upravljanja opskrbnim lancem


Upravljanje opskrbnim

lancem


Pearsonova korel. 1 ,566**


N 285 269

Upravljanje opskrbnim lancem

Pearsonova korel. ,566** 1


N 269 272



325

Zbog svega iznesenoga te potvrđene statistički značajne veze između informacijske vidljivosti

i upravljanja opskrbnim lancem može se prihvatiti druga pomoćna hipoteza P.H. 1B.

Treća pomoćna hipoteza imala je za cilj istražiti i utvrditi odnos između elemanata koncepta

poslovna inteligencija i integracije.

P.H. 2A. Primjena koncepta poslovna inteligencija pozitivno je korelirana s efikasnom

integracijom sudionika i procesa opskrbnog lanca.

Rezultati istraživanja navedenih odnosa prezenitrani su u tablicama 122. (između elemenata) i

123. (zbirni odnos).

Tablica 122. Korelacija između elemenata poslovne inteligencije i integracije

BI

Izvo

ri i

po

uzd

ano

st

po

dat

aka

i in

form

acija

BI

Pris

tup

p

od

atci

ma

i in

form

acija

ma

BI

nap

redn

a an

aliti

ka

BI

Intu

icija

i vr

ijem

e

BI

Org

aniz

acija

p

osl

ovn

e in

telig

enci

je

INT

Su

radn

ja

un

utar

p

odu

zeća

INT

Su

radn

ja

izm

eđu

p

odu

zeća

BI Izvori i pouzdanost podataka i informacija


Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 276 276 268 275 270 272 273

BI Pristup podatcima i informacijama


Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 276 290 279 288 281 282 284

BI napredna analitika


Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 268 279 281 279 275 273 274

BI Intuicija i vrijeme


Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 275 288 279 289 281 280 283

BI Organizacija poslovne inteligencije


Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 270 281 275 281 283 275 278

INT Suradnja unutar poduzeća


Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 272 282 273 280 275 284 278

INT Suradnja između poduzeća


Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 273 284 274 283 278 278 285


326

Tablica 123. Korelacija poslovne inteligencije i integracije


Integracija




N 263 256

Integracija



N 256 278



Svi promatrani odnosi između elemenata varijabli poslovna inteligencija i integracija su

statistički signifikantni na razini od 1%. Najveća stvarno značajna korelacija kod istraživanih

poduzeća (,414) uočena je između izvora i pouzdanosti podataka i informacija i suradnje

unutar poduzeća, međutim kada se uspoređuju izvori i pouzdanost sa suradnjom između

poduzeća onda je korelacija nešto slabija (,363). Svi ostali inteziteti promatranih odnosa mogu

se stvrstati pod laku povezanost, s time što se međuodnos između intuicije i vremena i

suradnje unutar poduzeća po snazi približava stvarno značajnom (,384).

Prema promatranim podacima evidentno je kako postoji povezanosti između poslovne

inteligencije i integriranosti uz statističku značajnost od 1% pa se može prihvatiti treća

pomoćna hipoteza P.H. 2A.

Posljednja pomoćna hipoteza istražuje odnos između integracije i upravljanja opskrbnim

lancem.

P.H. 2B. Integracija kao element opskrbnog lanca pozitivno je korelirana s efikasnošću


Rezultati dobiveni korelacijskom analizom prezentirani su u tablicama 124. (između

elemenata promatranih varijabli) i 125. (zbirni odnos).

327

Tablica 124. Korelacija između elemenata integracije i upravljanja opskrbnim lancem

INT

Su

radn

ja

un

utar

p

odu

zeća

INT

Su

radn

ja

izm

eđu

p

odu

zeća

SC

M A

giln

ost

SC

M

Pril

agod

ljivo

st

SC

M

Usk

lađen

ost

SC

M

Pro

aktiv

nost

SC

M

Per

form

anse



Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 284 278 277 283 277 278 274



Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 278 285 279 285 280 283 277

SCM Agilnost


Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 277 279 285 285 279 280 277

SCM Prilagodljivost


Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 283 285 285 292 285 287 281

SCM Usklađenost


Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 277 280 279 285 285 282 276

SCM Proaktivnost


Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 278 283 280 287 282 287 280

SCM Performanse


Sig. (1-strana) ,000 ,000 ,000 ,000 ,000 ,000

N 274 277 277 281 276 280 281


Tablica 125. Korelacija između integracije i upravljanja opskrbnim lancem

Integracija Upravljanje opskrbnim

lancem

Integracija



N 278 265




N 265 272



328

Svi promatrani odnosi u tablicama 124. i 125. statistički su signifikantni na razini od 1%.

Stvarno značajna korelacija kod istraživanih poduzeća utvrđena je između:

� suradnje unutar poduzeća i: agilnosti (,432); prilagodljivosti (,517) i performansi

(,490);

� suradnje između poduzeća i: agilnosti (,462); prilagodljivosti (,557); usklađenosti

(,621); proaktivnosti (,475) i performansi (,562).

Jedine dvije lake povezanosti vidljive su između suradnje unutar poduzeća i usklađenosti

(,321), odnosno proaktivnosti (,322). Prema evidentiranim vezama, statističkoj značajnosti i

intezitetu opaženih odnosa može se prihvatiti četvrta pomoćna hipoteza P.H. 2B.

Nakon što su dokazane sve četri pomoćne hipoteze preko kojih su povezane poslovna

inteligencija i upravljanje opskrbnim lancem izvršeno je testiranje glavne hipoteze ovog

istraživanja kako bi se istražila i dokazala izravna povezanost odnosno međuodnos ovih dviju

varijabli.

G.H. Primjena koncepta poslovna inteligencija pozitivno je korelirana s efikasnošću


U tablici 126. prikazan je rezultat korelacije zbirnih elemenata poslovne inteligencije i

upravljanja opskrbnim lancem iz čega je vidljivo kako je ona statistički signifikantna na razini

od 1% i stvarno značajna (,578). Potom se u tablici 127. prikazuju odnosi elemenata varijabli.

Tablica 126.Korelacija poslovne inteligencije i SCM-a

Poslovna

inteligencija

Upravljanje opskrbnim

lancem




N 263 252




N 252 272


329

Tablica 127. Korelacija između elemenata poslovne inteligencije i upravljanja opskrbnim lancem

BI I

zvo

ri i

pou

zdan

ost

p

odat

aka

i in

form

aci

ja

BI P

ristu

p

pod

atci

ma

i in

form

aci

jam

a

BI n

ap

redn

a a

nal

itika

BI I

ntui

cija

i vr

ijem

e

BI O

rgan

izac

ija

po

slo

vne

inte

ligen

cije

SC

M A

giln

ost

SC

M

Pril

agod

ljivo

st

SC

M

Usk

lađe

nost

SC

M

Pro

akt

ivn

ost

SC

M

Pe

rfo

rman

se

BI

Izvo

ri i

pouz

dano

st

poda

taka

i in

form

aci

ja Pears kor. 1 ,506** ,370** ,476** ,459** ,400** ,465** ,321** ,287** ,429**

Sig. (1-str) ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000

N 276 276 268 275 270 270 275 270 273 270

BI

Pris

tup

poda

tcim

a i

info

rma

cija

ma

Pears kor. ,506** 1 ,307** ,264** ,404** ,330** ,330** ,211** ,201** ,252**

Sig. (1-str) ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000

N 276 290 279 288 281 283 289 283 285 280

BI

napr

edn

a

ana

litik

a Pears kor. ,370** ,307** 1 ,395** ,407** ,247** ,380** ,162** ,397** ,295**

Sig. (1-str) ,000 ,000 ,000 ,000 ,000 ,000 ,004 ,000 ,000

N 268 279 281 279 275 274 280 274 278 273

BI

Intu

icija

i vr

ijem

e

Pears kor. ,476** ,264** ,395** 1 ,406** ,420** ,473** ,313** ,296** ,402**

Sig. (1-str) ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000

N 275 288 279 289 281 282 288 282 285 280

BI

Org

ani

zaci

ja

posl

ovne

in

telig

enc

ije Pears kor. ,459** ,404** ,407** ,406** 1 ,308** ,333** ,235** ,242** ,265**

Sig. (1-str) ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000

N 270 281 275 281 283 276 282 275 280 275

SC

M A

giln

ost Pears kor. ,400** ,330** ,247** ,420** ,308** 1 ,620** ,471** ,408** ,573**

Sig. (1-str) ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000

N 270 283 274 282 276 285 285 279 280 277

SC

M

Pril

ag

odlji

vost

Pears kor. ,465** ,330** ,380** ,473** ,333** ,620** 1 ,499** ,495** ,639**

Sig. (1-str) ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000

N 275 289 280 288 282 285 292 285 287 281

SC

M

Usk

lađe

nost

Pears kor. ,321** ,211** ,162** ,313** ,235** ,471** ,499** 1 ,418** ,475**

Sig. (1-str) ,000 ,000 ,004 ,000 ,000 ,000 ,000 ,000 ,000

N 270 283 274 282 275 279 285 285 282 276

SC

M

Pro

akt

ivno

st Pears kor. ,287** ,201** ,397** ,296** ,242** ,408** ,495** ,418** 1 ,564**

Sig. (1-str) ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000

N 273 285 278 285 280 280 287 282 287 280

SC

M

Pe

rfo

rma

nse

Pears kor. ,429** ,252** ,295** ,402** ,265** ,573** ,639** ,475** ,564** 1

Sig. (1-str) ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000

N 270 280 273 280 275 277 281 276 280 281


330

Stvarno značajni korelacijski odnosi između elemanata ovih varijabli kod istraživanih

poduzeća utvrđeni su između:

� izvora i pouzdanosti podataka i informacija i: agilnosti (,400); prilagodljivosti (,465) i

performansi (,429);

� intuicije i vremena i: agilnosti (,420); prilagodljivosti (,473) i performansi (,402).

Zanimljivo je istaknuti dva granična odnosa elementa napredna analitika: s prilagodljivošću

(,380) i proaktivnošću (,397) koji bi se zbog visine Pearsonovih pokazatelja mogli tumačiti

kao stvarno značajni. S izuzetkom odnosa između napredne analitike i usklađenosti (,162) svi

ostali promatrani odnosi pokazuju pozitivan smjer i laku povezanost.

Prema prezentiranim rezultatima koji su nedvojbeno dokazali povezanost poslovne

inteligencije i upravljanja opskrbnim lancem može se prihvatiti glavna hipoteza ovog

istraživanja.

Vrijedno je još prikazati postignutu korelaciju između dviju izvedenih varijabli odnosno,

između informacijske vidljivosti i integracije što je prikazano u tablicama 128. (između

elemenata) i 129. (zbirni odnos).

Tablica 128. Korelacija između elemenata informacijske vidljivosti i integracije

IV Kvaliteta

sadržaja IV Razina vidljivosti

INT Suradnja unutar

poduzeća

INT Suradnja između

poduzeća


Pearsonova korel. 1 ,177** ,471** ,321**

Sig. (1-strana) ,001 ,000 ,000

N 289 285 281 282


Pearsonova korel. ,177** 1 ,345** ,389**

Sig. (1-strana) ,001 ,000 ,000

N 285 289 281 284


Pearsonova korel. ,471** ,345** 1 ,433**

Sig. (1-strana) ,000 ,000 ,000

N 281 281 284 278


Pearsonova korel. ,321** ,389** ,433** 1

Sig. (1-strana) ,000 ,000 ,000

N 282 284 278 285


331

Tablica 129. Korelacija informacijske vidljivosti i integracije

Informacijska

vidljivost Integracija




N 285 275

Integracija



N 275 278



Prema prezentiranim rezultatima može se uočiti statistički značajna stvarna povezanost

informacijske vidljivosti i integracije. U analizi korelacija između elemenata koji tvore

promatrane varijable vidljive su:

� dvije statistički značajne stvarne povezanosti; kvalitete sadržaja i suradnje unutar

poduzeća te razine vidljivosti i suradnje između poduzeća266;

� dvije statistički značajne lake povezanosti; razine vidljivosti i suradnje unutar

poduzeća te kvalitete sadržaja i suradnje između poduzeća.

266 S obzirom da je koeficijent korelacije nešto niži od granice (,389 vs. ,400) odnos je protumačen kao stvarna statistički značajn povezanost.

332

V. ZAVRŠNA RAZMATRANJA

1. Sinteza rezultata istraživanja i njihova rasprava

Na početku rasprave o rezultatima istraživanja potrebno je iznijeti najvažnija zapažanja o

stanju poslovne inteligencije u hrvatskom gospodarstvu. Uzevši u obzir činjenicu da su za

sudjelovanje u ovom istraživanju pozvana ona poduzeća koja primjenjuju poslovnu

inteligenciju te usporedivši strukturu sudionika s listom 1000 najvećih poduzeća u Republici

Hrvatskoj može se zaključiti kako se poslovna inteligencija najviše primjenjuje u velikim

poduzećima i dioničkim društvima. Ovi rezultati potvrđuju nalaze do kojih su u svojem

istraživanju došli Bilandžić et al. (2012.) koji su ustvrdili kako su aktivnosti BI-a zastupljenije

u velikim poduzećima.

Promatrana su poduzeća sklonija objedinjavanju podataka i informacija na razini službe

odnosno odjela nego na razinama projekata ili procesa (4,07 vs. 3,86). Istraživana poduzeća

relativno su zadovoljna dostupnošću izvora vanjskih podataka i informacija (3,62) što bi se,

prema rezultatima Tanova istraživanja (2002.) trebalo odraziti na konkurentnost267. Ispitanici

su iskazali zadovoljstvo dostupnošću podataka i informacija u realnom vremenu, a s obzirom

na djelatnost odgovori su statistički značajni. Sektorska analiza ukazuje da su na čelnim

pozicijama poduzeća financijskog sektora (4,50) i telekomunikacija (4,40), dok najviše

zaostaje građevinski sektor (3,71). Ovi rezultati također potvrđuju one do kojih je došao

Kielstra (2007.), prema kojima 54% ispitanika potvrđuje dostupnost podataka s manjim

kašnjenjem, te Popovič et al. (2009.) koji su ustvrdili da primjena poslovne inteligencije

utječe na kvalitetu dostupnosti informacija268. Prema istraživanju Kruschewitz i Shockley269

(2011.), pokazalo se da 40% ispitanika imaju kompletan ili pretežit pristup traženim

podacima. Kod pokazatelja integriranosti i iskoristivosti podataka i informacija uočena je

statistički značajna razlika kod uzorkovanih poduzeća s obzirom na njihovu djelatnost.

Najzadovoljnijima su se pokazala poduzeća iz financijskog sektora (4,08) i telekomunikacija

(4,00), dok je najniži stupanj slaganja uočen kod primarne proizvodnje (2,90). Ovi su rezultati

u skladu s onima do kojih su došli Bilandžić et al. (2012.), a prema kojima se BI aktivnostima

najviše služe u sektorima bankarstva i financija, odnosno informacija i komunikacija. Važnost

267 Detaljnije o ovom istraživanju cf. p. 145. 268 Detaljnije o ovom istraživanju cf. p. 152. 269 Detaljnije o ovom istraživanju cf. p. 202.

333

ovog pokazatelja također je potvrđena istraživanjem koje je proveo Isik (2010.), prema

kojemu integriranosti i iskoristivost utječu na uspjeh poslovne inteligencije, a Bose (2009.)

drži integraciju podataka i informacija osnovama napredne analitike. Važnost integriranosti

podataka i informacija u svojem su istraživanju potvrdili Lavalle et al. (2011.)270.

S obzirom da je Isik (2010.) utvrdio kako pouzdanost, odnosno vjerodostojnost, utječe na

uspjeh poslovne inteligencije, zanimljivo je usporediti rezultate ocjene pouzdanosti unutarnjih

podataka i informacija pogotovo jer su razlike u odgovorima hrvatskih poduzeća statistički

značajne temeljem njihove djelatnosti. Ukupno se može ocijeniti kako su promatrana

poduzeća vrlo zadovoljna pouzdanošću unutarnjih podataka (sve su prosječene ocjene

temeljem djelatnosti veće od 4,00), a najviši je stupanj zadovoljstva uočen u financijskom

sektoru (4,58), iza kojeg slijede prerađivačka industrija, trgovina, turizam i telekomunikacije.

Kod analize pouzdanosti vanjskih podataka i informacija također je evidentirana statistička

značajnost po istoj osnovi (djelatnost), a zadovoljstvo je nešto suzdržanije u usporedbi s

prethodnim pokazateljem. Izuzevši telekomunikacije, sve su ostale prosječne ocjene niže od

4,00, a zadovoljniji od ostalih jest financijski sektor, dok su turizam i ugostiteljstvo (3,33) te

primarna proizvodnja (3,50) najnezadovoljniji s pouzdanošću vanjskih podataka i informacija.

Promatrana hrvatska poduzeća većinom koriste provjeru korisničkog identiteta

(autentifikacija) te su zadovoljavajuće uspješna u organizaciji pristupa svojih djelatnika

podacima i informacijama (autorizacija). Prema rezultatima istraživanja koje je proveo Isik

(2010.), autentifikacija i autorizacija kao tehnološke mogućnosti poslovne inteligencije utječu

na njezin uspjeh. Ova su poduzeća također vrlo zadovoljna načinom provođenja zaštite

podataka i informacija (4,26), međutim pitanje jest koliko su ista svjesna aktivnosti koje su

uperene protiv njih, kao što to navodi Calof (2004.) u svojem istraživanju271. Zaštićenost se

ubraja u najvažnije karakteristike podataka i informacija prema rezultatima do kojih su u

svojem istraživanju došli Lavalle et al. (2011.).

Statističku su značajnost, s obzirom na djelatnost, pokazali odgovori o korištenju tehnika

rudarenja podacima, a prema kojima ih najviše koriste telekomunikacije i financijski sektor.

Ukupno gledajući, 125 poduzeća (42%) pozitivno se očitovalo na ovu tvrdnju, što u usporedbi

s rezultatima istraživanja koje je provela Ćurko272 (2002.) predstavlja ozbiljan napredak.

Pitanje jest da li je ovaj progres u deset godina mogao i trebao biti veći? Korištenje OLAP

270 Detaljnije o ovom istraživanju cf. p. 201. 271 Detaljnije o ovom istraživanju cf. p. 77. 272 Detaljnije o ovom istraživanju cf. p. 93.

334

alata također se značajnije poboljšalo s obzirom da se u ranijem istraživanju (Ćurko, 2002.)

18% poduzeća pozitivno izjasnilo, a sad je taj broj 46,4% (136 promatranih poduzeća).

Korištenje poslovnih kontrolnih ploča još uvijek nije zaživjelo na primjerenoj razini,

međutim, s obzirom da su odgovori statistički značajni temeljem djelatnosti, potrebno je

naglasiti kako je najveći iskorak napravljen u telekomunikacijama i financijskom sektoru.

Prema očekivanju, najveći zaostatak je evidentiran u primarnoj proizvodnji. Iako je bilo za

očekivati kako će pokazatelji vizualizacije biti slični prethodno navedenima o poslovnim

kontrolnim pločama, oni su se pokazali boljima (3,58 vs. 2,92). Razlika bi se mogla objasniti

temeljem rezultata istraživanja o korištenju vizualizacije i napredne analitike koje su proveli

Eckerson i Hammond273 (2011.), a prema kojima postoje dvije kategorije: vizualno

izvještavanje (niža razina) i vizualna analiza (viša razina).

Prema obrađenim rezultatima istraživanja, hrvatska poduzeća donose poslovne odluke na

temelju činjenica, a rezultati su statistički značajni s obzirom na djelatnost. Prema njima,

ovakav pristup je najizraženiji kod telekomunikacija (4,60), poslovnih usluga (4,39) te kod

financijskog sektora (4,19). Ovi rezultati potvrđuju one do kojih je u svojemu istraživanju

došla Howson274 (2008.), a prema kojima se 73% ispitanika složilo (ili strogo složilo) da

odluke donose na temelju činjenica. Uzevši u obzir činjenicu da su pripadnici menadžmenta

bili sudionici ovog istraživanja, navedeni rezultati se mogu tumačiti kao potvrda spoznaja do

kojih su došli Lavalle et al. (2011.), a prema kojima je cilj vrhovnog menadžmenta poslovanje

temeljeno na podacima. Intuicija i dobar osjećaj također su prisutni u procesima odlučivanja u

poduzećima u Republici Hrvatskoj (4,26). Ovaj rezultat ide u prilog nalazima istraživanja

koje je proveo Accenture 2008. (prema Davenport 2010.), prema kojemu se 40% glavnih

odluka ne donosi na temelju činjenica već na temelju menadžerovog iskustva. Međutim,

potrebno je naglasiti kako su neka istraživanja pokazala drugačije rezultate. Howson (2008.)

je utvrdila da poduzeća koja nisu uspješna u primjeni BI-a većinom odlučuju na temelju

osjećaja. Isik (2010.) također nije potvrdio statistički značajno prisustvo intuicije u

odlučivanju (koju je promatrao u organizacijskom kontekstu poslovne inteligencije).

Poslovna inteligencija pridonosi skraćenju vremena potrebnog za evidenciju određenog

poslovnog događaja (3,97), a posebnost je ove ocjene što je kod nje uočena statistička

značajnost s obzirom na promatrani pravni oblik istraživanih poduzeća. Boljim od prosjeka su

se očitovale ustanove (4,33) i društva s ograničenom odgovornošću (4,04). Slijedom

273 Detaljnije o ovom istraživanju cf. p. 204. 274 Detaljnije o ovom istraživanju cf. p. 69.

335

Hackatornove krivulje, za očekivati je bilo da poslovna inteligencija također utječe na brže

raspolaganje podacima i informacijama o određenoj poslovnoj promjeni, a to su rezultati i

potvrdili (4,06). Posljedica prethodne dvije navedene tvrdnje jest pretpostavka da se

primjenom poslovne inteligencije povećalo raspoloživo vrijeme za odlučivanje. Rezultati

istraživanja ovo su potvrdili (3,94), a statistička značajnost uočena je u odgovorima temeljem

veličine poduzeća, tako da se može ustvrditi kako je ovo izraženije kod malih (4,04) i srednjih

poduzeća (4,01).

Korištenje skladišta podataka je rasprostranjeno u hrvatskim poduzećima, o čemu se izjasnilo

¾ ispitanih poduzeća (75,4%), dok ih 8,2% to nije izričito potvrdilo, te se može smatrati kako

ga oni tek razvijaju ili još nije u potpunosti profunkcioniralo. U odnosu na rezultate koje je

dobila Ćurko 2002. godine može se zaključiti kako se broj korisnika skoro udvostručio

(83,6% vs. 46%). Nešto manje od ⅔ istraživanih tvrtki (64,5%) potvrdio je kako imaju

razvijenu poslovnu inteligenciju na razini cijelog poduzeća, čime su ovi rezultati nešto bolji u

odnosu na one koje su dobili Bilandžić et al. (2012.) koji su istraživali 1.000 najvećih

poduzeća godinu dana prije (57%). S jedne strane, ovi pokazatelji ohrabruju jer se može uočiti

uzlazni trend primjene poslovne inteligencije, međutim, s druge strane, uspoređujući ove

rezultate sa svjetskim pokazateljima275 vidljivo jest koliko je naše gospodarstvo u zaostatku za

visoko kompetitivnima. Približno isti broj poduzeća ima implementiranu poslovnu

inteligenciju na razini službi i na razini cijelog poduzeća (64,5% vs. 68,0%), što potvrđuje

rezultate istraživanja do kojih je došla Howson 2008. godine.

Poduzeća su zadovoljna točnošću svojih podataka i informacija (4,24) i njihovom

iskoristivošću (4,27), a prema rezultatima istraživanja koje je proveo Isik (2010.), točnost i

iskoristivost značajno utječe na uspjeh poslovne inteligencije. Relevantni predstavnici

hrvatskih poduzeća obuhvaćeni uzorkom smatraju da su im podaci i informacije koje koriste

primjereni njihovim potrebama (4,12), a odgovori su statistički značajni s obzirom na

djelatnost. Primjerenost je najizraženija kod telekomunikacija (4,50) i u financijskom sektoru

(4,24), dok je najmanje zadovoljstva vidljivo kod primarne proizvodnje (3,80). Ažuriranje

podataka i informacija provodi se na zadovoljavajući način (4,27) što stvara dobru

pretpostavku za donošenje poslovnih odluka, jer prema rezultatima istraživanja koje su

275 Prema istraživanju koje je provela GIA (2005.) na uzorku od 287 poduzeća, poslovna inteligencija se primjenjuje u rasponu od 73,3% u Norveškoj do najnaprednijih zemalja gdje su najistaknutiji primjeri Brazil (90,9%), Švicarska (90,9%), Finska (95,1%) i Njemačka (96,0%).

336

proveli Hill i Scott (2004.), kvalitetno odlučivanje snažno je ovisno o ažuriranju prikupljenih

podataka i informacija276.

Poduzeća obuhvaćena uzorkom suzdržanija su u razmjeni strateških podataka i informacija

(3,24) sa svojim dobavljačima nego kada je riječ o operativnim (3,71), a kod oba pokazatelja

utvrđena je statistička značajnost s obzirom na djelatnost ispitanika. Kada je riječ o strateškim

podacima i informacijama, skloniji razmjeni su trgovina (3,58) te turizam i ugostiteljstvo

(3,50), dok su najsuzdržaniji u sektoru primarne proizvodnje (2,40) i financijskom sektoru

(2,88). Operativne podatke i informacije s dobavljačima spremniji su razmjenjivati u sektoru

prerađivačke industrije (3,88) i trgovina (3,80). S kupcima je slična situacija: istraživana

poduzeća (odgovori su statistički značajni) spremnija su razmjenjivati operativne podatke i

informacije (3,69) nego strateške (3,25). Prema rezultatima istraživanja koje je proveo Tan

(2002.), razmjena informacija utječe na efikasnije operacije u opskrbnom lancu, odnosno,

prema nalazima koje su dobili Fawcet et al. (2007)277 i Ha et al. (2011.)278, razmjena također

utječe na operativne performanse, pa je pretpostavka bila kako će se to potvrditi i u ovom

slučaju. Dobiveni rezultati za stratešku razmjenu informacija s dobavljačima (najspremniji se

iskazao trgovački segment) mogu se protumačiti kroz prizmu rezultata do kojih su došli Klein

i Rai (2009.), a prema kojima su kupci ovisniji o svojim dobavljačima spremniji za stratešku

razmjenu informacija279.

Protočnost i razmjena podataka i informacija poduzeća obuhvaćenih uzorkom na

zadovoljavajućoj je razini (4,30), a s obzirom da su rezultati statistički značajni temeljem

djelatnosti potrebno je istaknuti kako prednjače telekomunikacije (4,60) i prerađivačka

industrija (4,42). U više od ½ istraživanih poduzeća (55,6%) svi povezani odjeli sudjeluju u

izboru dobavljača, što bi trebao biti odraz transparentnosti poslovanja te prisutnost trenda

jačanja veza s onim dobavljačima koji spadaju u grupu strateških. Samo 14% promatranih

poduzeća izričito je potvrdilo kako kod njih još uvijek postoje višestruke verzije istine,

međutim potrebno je naglasiti kako je ⅓ ispitanika (34,1%) iskazala neutralnost što

predstavlja ozbiljan problem u kontekstu poslovanju, te jedan od razloga za uvođenje

poslovne inteligencije. Dvije trećine promatranih poduzeća ( 64,9%) iskazalo je postojanje

integriranih procesa opskrbnog lanca, što je zadovoljavajući pokazatelj. Međutim, u kontekstu

276 Detaljnije o ovom istraživanju cf. p. 166. 277 Detaljnije o ovom istraživanju cf. p. 145. 278 Detaljnije o ovom istraživanju cf. p. 151. 279 Detaljnije o ovom istraživanju cf. p. 146.

337

analize razina zrelosti, što su ih prezentirali Lockamy i McCormak (2004.), možda je

primjerenije smatrati ih povezanima.

Prema rezultatima istraživanja, hrvatska su poduzeća sklona suradnji s ostalim članovima

opskrbnog lanca u unapređivanju kvalitete proizvoda i usluga. S obzirom da su rezultati

statistički značajni s aspekta djelatnosti, potrebno je navesti kako je ovo najizraženije u

telekomunikacijama (4,40) i turizmu (4,00). Polovica uzorkovanih poduzeća (51%) u razvoj

novih proizvoda i usluga uključuju svoje partnere iz opskrbnog lanca, a nešto manje od

polovice (47,1%) integrira zajedničke operativne procesa s ostalim članovima lanca.

Temeljem pokazatelja o postignutoj unutarnjoj integraciji, za očekivati je kako će se i ovi

vanjski integrativni procesi nastaviti razvijati. Poduzeća su partnerstva sa svojim

dobavljačima ocijenila vrlo dobrima (4,11) odnosno 85,3% ih je potvrdilo ovakve odnose. S

obzirom na niže ocjene spremnosti na razmjenu strateških (3,24) te operativnih (3,71)

podataka i informacija, može se ustvrditi kako su ocjene partnerstva jednim manjim dijelom

deklarativne. Slična je situacija i kod ocijene partnerskih odnosa s kupcima koji su također na

zavidnoj razini (4,16), odnosno 86,8% ih je to izrijekom potvrdilo, ali uspoređujući ih s

ocjenom spremnosti na razmjenu strateških (3,25) i operativnih (3,69) podataka i informacija

također se uočava umjerena doza deklarativnosti.

Ocjenjujući elemente agilnosti svojega opskrbnog lanca promatrana poduzeća izrazila su

zadovoljstvo postignutim smanjenjem vremena odziva na kupčeve zahtjeve (4,08) te

povećanjem točnosti svojih isporuka na vrijeme (4,12). Kompletiranost isporuka također

spada među pokazatelje izraženog zadovoljstva (4,10), a s obzirom da su ovdje odgovori

statistički značajni po osnovi djelatnost potrebno je istaknuti telekomunikacije (4,50), dok je

na začelju građevinarstvo (3,88). Pokazatelji spremnosti reakcije na kupčeve modifikacije

također su statistički značajni temeljem djelatnost pa treba navesti kako u ovom segmentu

prednjače telekomunikacije (4,60) i turizam (4,50), dok je primarna proizvodnja

najsuzdržanija (3,60). Svoju fleksibilnost odnosno sposobnost reakcije na neočekivane tržišne

promjene pozitivno je ocijenilo ¾ ispitanih poduzeća (75,7%). Da su poduzeća u Republici

Hrvatskoj svjesna potrebe analiziranja svoje poslovne okoline najbolje pokazuju rezultati

prema kojima se 88,8% promatranih poduzeća složilo s ovom tvrdnjom (4,25). Nastavno na

izneseno, poduzeća su također snažno potvrdila (83,2%) kontinuirano unapređenje svojih

poslovnih strategija (4,15).

338

Sva tri elementa usklađenja pokazuju statističku značajnost po osnovama djelatnosti i pravnog

oblika pa ih je potrebno detaljnije proanalizirati. Ocjena spremnosti usklađivanja strateških

planova s ključnim dobavljačima (3,78) jest na razini spremnosti razmjene operativnih

informacija (3,71), odnosno niže od ocjene partnerskih odnosa (4,11). Temeljem djelatnosti,

ističu se turizam (4,00) i trgovina (3,96), a po osnovi pravnog oblika ustanove (4,33). Ocjena

spremnosti usklađivanja strateških planova s ključnim kupcima (3,91) nešto je povoljnija od

usporedbe sa spremnošću razmjene operativnih informacija (3,69), ali također niže od ocjene

partnerskih odnosa (4,16). Kod ovog se pokazatelja temeljem djelatnosti ističu turizam (4,17)

i telekomunikacije (4,11), a temeljem pravnog oblika ustanove i društva s ograničenom

odgovornošću (4,00). Bolja se ocjena očekivala kod pokazatelja zajedničkog provođenja

optimalizacije poslovnih procesa (3,67). Ističu se turizam (4,00) i telekomunikacije (3,70),

odnosno ustanove (4,33) i društva s ograničenom odgovornošću (3,76). Ova ocjena također

ide u prilog tvrdnji kako se odnosi unutar opskrbnog lanca prije mogu smatrati povezanima

nego integriranima.

S obzirom da u odgovorima o proaktivnoj dimenziji upravljanja opskrbnim lancem nije bilo

statistički značajnih razlika temeljem tri osnovna pokazatelja o poduzećima (djelatnost,

veličina i pravni oblik) to se neće navoditi pojedinačni odgovori. Nešto preko ½ promatranih

poduzeća (51,9%) potvrdilo je provođenje scenario analiza (3,39), dok ih je više od četvrtine

neutralno u odgovoru (28,7%) pa ih se može promatrati kao one tvrtke koje su u početnim

fazama provođenja ovih aktivnosti. Ovi su rezultati značajno bolji u usporedbi s onima do

kojih je u svom istraživanju došao Zebić280 2010. godine (20%). Potrebno je napomenuti kako

kod tog istraživanja nisu objašnjeni kriteriji odabira poduzeća u uzorak pa nije bilo moguće

provesti dublju komparaciju rezultata. Sagledavajući ove pokazatelje kroz prizmu rezultata

koje su dobili Hedin et al. (2011.), za očekivati je da će se nastaviti uzlazni trend.

Prognoziranje događanja raširenije je prisutno u hrvatskim poduzećima (3,69) što je potvrdilo

⅔ anketiranih tvrtki (66,9%). Slična je ocjena i za provođenje analiziranja trenda (64,2%

anketiranih poduzeća je potvrdilo ovu konstataciju, prosječna ocjena 3,65), a ovi su

pokazatelji nešto bolji od onih do kojih je došao Zebić 2010. godine (58%). Analiziranje

vremenskih nizova (3,30) provodi se u manje od ½ istraživanih poduzeća (45,4%).

Prije razmatranja pokazatelja dimenzije performansi upravljanja opskrbnim lancima, potrebno

je navesti kako se hrvatsko gospodarstvo u vrijeme provođenja ovog istraživanja već nalazilo

u recesiji što je sigurno ostavilo traga na uspješnost (i percepciju uspješnosti) poslovanja. Više 280 Detaljnije o ovom istraživanju cf. p. 95.

339

od ⅔ istraživanih poduzeća (67,6%) potvrdilo je kako su smanjili troškove vezane uz

funkcioniranje opskrbnog lanca. Budući da se kod ovih odgovora uočila statistička značajnost

s obzirom na djelatnost potrebno je istaknuti telekomunikacije (4,20), odnosno zaostajanje

primarne proizvodnje (3,20). U sklopu dimenzije performansi, ocjena povrata na imovinu

(ROA) u odnosu na konkurente ima najnižu prosječnu ocjenu (3,30) o čemu se pozitivno

izjasnila trećina promatranih poduzeća (34,80%). I ovdje su se odgovori pokazali statistički

značajnima temeljem djelatnosti pa je za naglasiti dominaciju turizma (4,00) i poslovnih

usluga (3,53), odnosno loš pokazatelj primarne proizvodnje (2,60). Začuđuju ispodprosječne

ocjene financijskog sektora (3,21) i telekomunikacija (3,20). Ovakav se stav donekle može

objasniti njihovom razinom uspostavljenih kriterija, u ovom slučaju viših.

Ocjena povrata na uloženo (ROI) u odnosu na konkurente na istoj je razini kao i prethodni

pokazatelj (3,35), odnosno 37,5% poduzeća smatra da su bili uspješniji, dok ih je više od ½

(51,9%) neutralno. Statistički značajnima prema pravnom obliku pokazali su se odgovori o

povećanju tržišnog udjela i volumena prodaje u odnosu na konkurente (3,42), prema kojima

su bolji od prosjeka društva s ograničenom odgovornošću (3,57) i ustanove (3,50). Više od ⅔

analiziranih poduzeća (68,2%) potvrdilo je povećanje efikasnosti svojega opskrbnog lanca, a

dobiveni prosjek (3,71) neznatno se razlikuje od ocjene uspjeha smanjenja troškova (3,74).

Zbog uočene statističke značajnosti potrebno je navesti kako su veće zadovoljstvo od prosjeka

izrazili telekomunikacije i turizam (4,00), dok je, prema očekivanju, najniži pokazatelj kod

primarne proizvodnje (3,00). U sklopu performansi, najbolja ocjena evidentirana je kod

postignutog skraćenja vremena odlučivanja (3,76), što je potvrdilo 68,9% ispitanih tvrtki. S

obzirom na statističku značajnost, treba istaknuti parametre telekomunikacija (4,00) te izraziti

čuđenje ispodprosječnom ocjenom financijskog sektora (3,50).

Prva pomoćna hipoteza imala je za cilj istražiti odnos poslovne inteligencije i informacijske

vidljivosti. Prema zbirnom koeficijentu korelacije može se zaključiti kako kod promatranih

poduzeća postoji statistički značajna stvarna povezanost između koncepta poslovne

inteligencije i informacijske vidljivosti, odnosno da će porast jedne varijable pratiti porast

druge. Kada se proanaliziraju odnosi dimenzija koji tvore promatrane varijable, treba uočiti

kako dimenzije poslovne inteligencije jače koreliraju s kvalitetom sadržaja. S druge strane,

utvrđena je tek laka povezanost između razine vidljivosti i izvora i pouzdanosti podataka i

informacija, dok je za ostale dimenzije poslovne inteligencije utvrđena neznatna povezanost s

razinom vidljivosti. Ovaj bi se rezultat (razine vidljivosti) mogao pripisati još uvijek

nedovoljno razvijenoj poslovnoj kulturi usmjerenoj prema stvarnom, a ne deklarativnom

340

razvoju partnerskih odnosa kako bi se polučila win-win situacija. Ipak temeljem rezultata ove

korelacije, može se ustvrditi kako je primjena poslovne inteligencije pozitivno korelirana s

kvalitetom sadržaja i razinom vidljivosti u hrvatskim poduzećima.

Druga pomoćna hipoteza istraživala je odnos informacijske vidljivosti i upravljanja

opskrbnim lancem. Prema pokazatelju zbirne korelacije može se uočiti statistički značajna

stvarna povezanost između ovih varijabli. Kada se analiziraju korelacije između dimenzija od

kojih se sastoje ove varijable, vidljivo je kako kvaliteta sadržaja jače a razina vidljivosti nešto

slabije korelira s elementima upravljanja opskrbnim lancem. Može se zaključiti kako

informacijska vidljivost pozitivno korelira s efikasnijim upravljanjem opskrbnim lancem,

odnosno da porast razine informacijske vidljivosti hrvatskih poduzeća prati porast efikasnosti

njihovog upravljanja opskrbnim lancem.

Treća pomoćna hipoteza bavila se odnosom koncepta poslovne inteligencije i integracije.

Zbirni koeficijent korelacije pokazao je statistički značajnu stvarnu povezanost između

promatranih varijabli. Analiza korelacija između dimenzija također je ukazala na statistički

značajnu laku povezanost, s time da je stvarno značajna povezanost utvrđena između izvora i

pouzdanosti podataka i informacija i suradnje unutar poduzeća. Generalno se može zaključiti

kako je kod promatranih poduzeća utvrđena korelacija između primjene poslovne

inteligencije i postignute razine integracije.

Četvrta pomoćna hipoteza trebala je ispitati vezu između integracije i upravljanja opskrbnim

lancem. I u ovom je slučaju kod zbirnog koeficijenta korelacije utvrđena statistički značajna

stvarna povezanost varijabli. Suradnja između poduzeća stvarno je značajno povezana sa svim

dimenzijama upravljanja opskrbnim lancem. Suradnja unutar poduzeća stvarno je značajno

povezana s usklađenošću i proaktivnošću, dok je slabije povezana s ostalim dimenzijama.

Temeljem iznesenoga može se ustvrditi kako postoji pozitivna korelacija između integracije i

efikasnosti upravljanja opskrbnim lancem kod promatranih poduzeća.

Cilj glavne hipoteze bio je utvrditi povezanost koncepta poslovna inteligencija i upravljanja

opskrbnim lancem. Zbirni koeficijent korelacije pokazuje statistički značajnu stvarnu

povezanost nezavisne i zavisne varijable. Korelacije dimenzija koje tvore promatrane

varijable ukazuju na više zanimljivih elemenata:

341

� kvalitetniji izvori i veća pouzdanost podataka i informacija statistički su stvarno

značajno povezani s boljom agilnošću, prilagodljivošću te kvalitetnijim

performansama promatranih poduzeća;

� korištenje intuicije i vremenske poboljšice temeljem korištenja poslovne inteligencije

statistički su stvarno značajno povezani s boljom agilnošću, prilagodljivošću te

kvalitetnijim performansama;

� rasprostranjenije korištenje napredne analitike može se tumačiti kao statistički stvarno

značajno povezano s boljom prilagodljivošću i većom proaktivnošću opskrbnih lanaca

promatranih poduzeća.

Na kraju je potrebno navesti kako su rezultati pokazali stvarnu povezanost razine kvalitete

sadržaja s postignutom razinom suradnjom unutar poduzeća, odnosno razinom vidljivosti s

postignutom suradnjom između poduzeća.

2. Ograničenja provedenog istraživanja i sugestije za buduće aktivnosti

Svako istraživanje, a pogotovo kompleksne i složene materije kao što je ovdje bio slučaj, ima

određena specifična ograničenja koja treba imati na umu prilikom valoriziranja dobivenih

rezultata. Potrebno je navesti kako se empirijsko istraživanje provelo u vrijeme recesije

globalnog i nacionalnog gospodarstva pa je u dobivenim rezultatima prisutan i utjecaj tih

okolnosti. Iako pozitivistički pristup naglašava kako krizu treba doživljavati kao šansu, a u

tom kontekstu usvajanje koncepta poslovne inteligencije u poslovanju bilo bi hvale vrijedno,

činjenica jest da su mnoga kontaktirana poduzeća naglašavala borbu za opstanak odnosno

golu održivost kao osnovni prioritet svojih aktivnosti i pregnuća. U navedenome smislu,

pitanje jest koliko su određene inovacije i uvođenja poboljšica, u što nesumnjivo spada

poslovna inteligencija, zaustavljene ili usporene kao izravna posljedica slijeda događaja u

poslovnom okruženju. Međutim, ovome se može pristupiti i iz drugog kuta, pa ocijeniti koliko

je poslovna inteligencija u navednim okolnostima stvarno pomogla menadžmentu.

Drugo ograničenje koje treba respektirati jest profil ispitanika. Naime, zbog kompleksnosti

problematike istraživanja upitnik su ispunjavali glavni menadžeri (poslovni i IT), a s obzirom

da je upravo vrhovni menadžment inicijator implementacije poslovne inteligencije, moguća je

342

određena razina pristranosti (afirmativnosti) u ocjenjivanju. S obzirom da ispitanici iznose

svoju ocjenu o određenom činjeničnom stanju, treba voditi računa da oni, svatko za sebe,

postavlja kriterije koji mogu biti viši ili niži, a što ovisi o mnogim čimbenicima (životnoj fazi

poduzeća, snazi i poziciji konkurencije, vrsti i stanju tržišta, odnosima unutar poduzeća i

opskrbnog lanca, obliku vlasništva i dr.). Također treba uvažavati činjenicu koja je razvidna iz

teorijskog dijela istraživanja kako, nažalost, poslovni i IT korisnici nemaju identičan stav i

pristup definiranju ciljeva i koristi koji se polučuju primjenom poslovne inteligencije. Na ovoj

spoznaji se temelji sugestija i za buduća istraživanja praćenja promjena u toj sferi. Vrijedno bi

bilo postaviti istraživanje na način da se iz istog poduzeća dobiju odgovori iz dva kuta,

poslovnog i IT-a, te ustanoviti postoji li među njima statistički značajnih razlika. U budućim

istraživanjima bilo bi zanimljivo spoznati kako na ovu materiju gledaju sve tri menadžerske

razine istog poduzeća: strateška, taktička i operativna, odnosno bi li se među njihovim

odgovorima ustanovila statistička značajnost. Ovo je aktualno područje spoznaje novih

doprinosa teorijskim raspravama o srži i mogućim koristima jačanja aplikacije koncepta

poslovna inteligencija.

Iako se može izraziti zadovoljstvo uspješnošću odziva (29,3%), svakako treba biti oprezan u

generalizaciji zaključaka. U funkciji kontrole i usporedbe uočenih pokazatelja odnosa

poslovne inteligencije i upravljanja opskrbnim lancem preporučljivo bi bilo provesti

istraživanja studije slučajeva, odnosno testirati model predstavljen u ovom radu i u drugim

nacionalnim ekonomijama različitih razina razvijenosti.

Određeni empirijski rezultati sugeriraju nekoliko mogućih pravaca daljnjih istraživačkih

napora. Postavljene dimenzije poslovne inteligencije u istraživačkom modelu bilo bi korisno

produbiti izučavanjem njezinog pozicioniranja u shemi organizacije i povezanosti s vrhovnim

menadžmentom. U teorijskom dijelu istraživanja uočeno je nepostojanje suglasja oko

korištenja intuicije u odlučivanju. Autorov je osobni stav nakon višegodišnjeg istraživanja

znanstvene literature i provedenih istraživanja u praksi kako korištenje intuicije oplemenjuje

poslovnu inteligenciju, te bi bilo zanimljivo dodatno istražiti elemente i okolnosti koji utječu

na korištenje intuicije, odnosno istražiti korelaciju korištenja intuicije i postignutu razinu

primjene poslovne inteligencije. U istraživanju je generalno uočena određena razina

suzdržanosti prema spremnosti razmjene podataka i informacija s partnerima, što spada u

domenu poslovne kulture, te se nameće kao poželjno istražiti da li i na kojoj razini poslovna

strategija odnosno poslovna kultura postaju mogući ograničavajući čimbenici uspješnosti

poslovne inteligencije. S obzirom na zanimljivost postignutih rezultata o povezanosti

343

napredne analitike i proaktivnosti upravljanja opskrbnim lancem, potrebno bi bilo ovaj odnos

dodatno produbiti širom operacionalizacijom napredne analitike što se spoznaje i iz

istraživanja Eckersona i Hammonda (2011.), odnosno istražiti koji elementi napredne

analitike najkvalitetnije pridonose proaktivnosti pojedinih razina opskrbnog lanca. Nastavno

na izneseno, ovo bi također trebalo sagledati u usporedbi odnosa uzvodnih i nizvodnih tokova

opskrbnog lanca.

3. Zaklju čak

„Glavni cilj u ratu, kao i u životu, jest iz onoga što znate zaključivanjem izvesti ono što ne

znate.“ Vojvoda od Wellingtona

Područje istraživanja u aktualnim gospodarskim uvjetima bilo je kompleksno i zahtjevno,

zbog čega je posebna pažnja posvećena izboru jedinica koje su obuhvaćene uzorkom. Kriteriji

uključenja u uzorak bili su višestruko evaluirani u konzultacijama s ekspertima iz Republike

Hrvatske koji se u praksi bave ovim područjem. Odziv poduzeća bio je iznad očekivanja, što

je omogućilo relevantnost pri utvrđivanju zakonitosti i testiranju poveznica između varijabli

predstavljenog modela. U ovom je smislu osigurana validnost ciljanog znanstvenog doprinosa

disertacije relevantnim kriterijima testiranja predstavljenog opcijskog modela. Težište

ocjenjivanja postavljenih hipoteza bilo je na metodi korelacije i faktorskoj analizi. Osim

provedenih mjerenja percepcije analizom su tretirani i relevantni kvantitativni podaci.

Modelom predviđeni broj varijabli operacionalizacije predmnijevao je kompleksno

istraživanje zbog čega je upitnik bio opsežniji.

Na temelju provedenog istraživanja i testiranja predloženog novog teorijskog i empirijskog

modela ponuđene su egzaktne poveznice poslovne inteligencije i upravljanja opskrbnim

lancem na podržavajućim podlogama informacijske vidljivosti i integracije. Definiranjem,

razgraničavanjem i tipologizacijom poveznica koncepta poslovne inteligencije i upravljanja

opskrbnim lancem dopunjene su postojeće spoznaje u području istraživane problematike

temeljem kritičke analize provedenog istraživanja i ukupnog korpusa proučene, u prvom

344

dijelu rada sintetizirane, recentne znanstvene i stručne literture. Dokazani kauzaliteti

iskoristivi su i kao zamašnjak gospodarskom razvoju u aktualnim uvjetima recesije.

Empirijski su dokazane zakonitosti, principi, smjernice i inteziteti veza varijabli koje čine

predloženi model testiran istraživanjem. U tom je smislu model iskoristiv za donošenje

kvalitetnijih i učinkovitijih strateških i taktičkih odluka u upravljanju opskrbnim lancem

poduzeća.

Pristup predstavljen u testiranju modela predstavlja i egzaktno unapređenje postojećih mjernih

instrumenata efikasnosti primjene koncepta poslovne inteligencije u upravljanju opskrbnim

lancem. Tako je u konačnici definiran i značaj implementacije koncepta poslovne

inteligencije u upravljanju opskrbnim lancem temeljem predstavljenih spoznaja provedenog

istraživanja kroz aktualiziran i inoviran znanstveno argumentiran pristup.

Istraživanje odnosa između koncepta poslovne inteligencije i upravljanja opskrbnim lancem

predstavlja zahtjevan i kompleksan zadatak zbog različitih teorijskih i praktičnih nedoumica,

nejasnih definiranosti, i određenih teorijskih nedefiniranosti. Prije sagledavanja problema

potrebno se odrediti prema pojmu intelligence s obzirom da se u hrvatskom jeziku još uvijek

nije udomaćila riječ koja bi je objašnjavala u njezinom osnovnom smislu (u engleskom

jeziku). Ovo je važno naglasiti jer intelligence u kvalitativnom smislu ima veću vrijednost od

informacije, a s obzirom da je to krajnji proizvod nastao sustavnim prikupljanjem,

verifikacijom i obradom podataka i informacija. U znanstvenoj literaturi hrvatskih autora kao

prijevod izvorne sintagme business intelligence većinom se koristi termin poslovna

inteligencija, tako da se u radu, uvažavajući navedene opaske, uglavnom koristio taj termin.

Svakako bi bilo poželjno da se na razini akademske zajednice postigne konsenzus oko

prijevoda jer pojam inteligencija, iako blizak, ne odražava osnovni smisao intelligencea.

Uvjeti poslovanja, dinamičnost događanja, nepredvidivost trendova, kompleksnost odnosa te

suvremeni komunikacijski kanali generiraju sve veće količine podataka i informacija, što je u

praksi i teoriji otvorilo nova pitanja. Trebalo je pronaći način efikasnog upravljanja i

kvalitetnog korištenja ovih izuzetno vrijednih resursa, odnosno, trebalo je shvatiti njihovo

značenje u vlastitom a potom i u širem kontekstu kako bi se proces odlučivanja odvijao

temeljen na činjenicama. S obzirom da svaki problem prije ili kasnije generira i moguću

inačicu rješenja, u ovom je slučaju navedeno rezultiralo pojavom i razvojem poslovne

inteligencije.

345

Da bi se uopće istražilo kako i na koji način može utjecati na poslovanje, poslovnu

inteligenciju potrebno je sagledati u teorijskom i praktičnom smislu respektirajući pri tome

različite pristupe u njezinu tumačenju i vrednovanju kako bi se sistematizacijom navedenoga

stvorile polazne pretpostavke ovog istraživanja. Analiza literature ukazuje na određene dvojbe

koje su iskristalizirale dvije osnovne razine što su zahtijevale sustavnu obradu: terminološko

određenje između različitih intelligence pojmova korištenih u znanstvenoj literaturi i

različitost pristupa kroz prizmu poslovnih i IT čimbenika. Uslijed različitih jezičnih,

kulturoloških, geografskih ili povijesnih okolnosti autori su pristupali definiranju ovog

područja iz drugačijih perspektiva. Recentna istraživanja pokazuju kako se određeni

intelligence pojmovi koriste kao sinonimi (poslovna, strateška, kompetitivna, konkurentska,

tržišna), odnosno da se različito pozicioniraju u hijerarhijskom smislu (tko je kome nadređen

odnosno tko je sastavni dio čega). Sveobuhvatna analiza potvrdila je kako je riječ o konceptu

koji se tek razvija te stoga i ne čude uočene razlike od onih semantičke prirode pa sve do onih

konkretnije naravi.

Analizom teorijske građe identificirane su određene nelogičnosti jer nije rijedak slučaj da se

termini podatak i informacija izjednačavaju, pa ih je potrebno razlučiti i naglasiti kako je u

kvalitativnom smislu riječ o različitim pojmovima. Kako obrađeni podatak postaje

informacija, tako intelligence nastaje kada se spozna što konkretna informacija znači

konkretnom subjektu u određenoj situaciji. Zbog razumijevanja filozofije poslovne

inteligencije potrebno je istaknuti kako podatak i informacija nisu ono što isključivo

determinira poslovnu inteligenciju već to također može biti bilo koji shvaćeni tržišni signal

koji potencijalno postaje značajna spoznaja za daljnju upotrebu. Jasno jest da ovako određena

poslovna inteligencija pomaže razumijevanju unutarnje i vanjske poslovne okoline, odnosno

uočavanju mogućih prilika i prijetnji.

Također se, nažalost, često može uočiti prijepor između tzv. poslovnih i IT korisnika, što nije

slučaj samo kod tumačenja i pristupa poslovnoj inteligenciji već je riječ o ozbiljnom problemu

karakterističnom za cjelokupno poslovanje. Kada je riječ o PI, analiza recentne znanstvene

građe iznjedrila je evidentne dvojbe u njezinom tumačenju kao: procesu, proizvodu,

tehnologiji, konceptu, sustavu, disciplini... Provedeno teorijsko i empirijsko istraživanje daje

za pravo PI potvrditi kao inovativan koncept kojemu su nesuglasja business/IT nepotrebno

gubljenje vremena i energije s obzirom da je evolucija poslovanja i općenito razvoj društva

pozicionirala tehnologiju kao condicio sine qua non. Naime, ovi problemi prelaze (ili će

prijeći) iz domene strateškog upravljanja u polje elementarne organizacijske kulture.

346

Analiza upravljanja opskrbnim lancem također zahtijeva pomniju obradu, tumačenje i

pozicioniranje bliskih, ali ne i identičnih, pojmova logistike, opksrbnog lanca i menadžmenta

opksrbnog lanca kako bi se stvorile nedvosmislene pretpostavke za nastavak provođenja

istraživačkih aktivnosti. Istinitosti radi, potrebno je navesti kako određeni autori i dalje

zastupaju stav kako je razlika isključivo semantičke a ne suštinske prirode. Recentna

istraživanja pokazuju kako tradicionalni opskrbni lanci sve više postaju opskrbne mreže čime

se najbolje karakterizira njihova kompleksnost. Dodatna se složenost odnosa uočava prilikom

analize razina uspostavljenih veza i odnosa unutar poduzeća, te između poduzeća i njegovih

partnera u samome lancu. Kontinuirani pritisak svih zainteresiranih čimbenika (vlasnika,

menadžmenta, partnera, okoline) prema bržem i efikasnijem protoku informacija, roba i

usluga rezultira teorijskim i praktičnim naporima pronalaženja adekvatnih odgovora

postavljenim izazovima. Činjenica jest da se sva poduzeća koja tvore određeni opskrbni

lanac/mrežu ne nalaze na istim razvojnim pozicijama, vrlo često s različitim prioritetima,

odnosno poslovnim strategijama, te da su aktivni sudionici različitih tržišta. Pitanje koje se

nameće jest koji su to zajednički elementi na kojima se trebaju izgrađivati međusobno

uspješni odnosi? Suvremeni teorijski pristupi strateškog upravljanja pretpostavljaju stvaranje

vrijednosti za kupce kao element uspješnosti. Efikasnost lanaca sagledava se kroz prizmu

njihove učinkovitosti, odnosno sposobnosti prilagodbe tržišnim uvjetima.

Nalazi istraživanja pokazuju kako napori poduzeća trebaju ići u nekoliko smjerova: razvoju

integracija (vertikalnih i horizontalnih), postizanju veće vidljivosti između sudionika

povezanih procesa, postizanju bolje fleksibilnosti, kvalitetnijem međusobnom usklađenju,

prilagodljivosti uvjetima. Uz navedeno, nezaobilaznim se nameće imperativ odvijanja

događaja i aktivnosti u realnom vremenu pod što se podrazumijevaju robe, usluge i

informacije. Poslovna je evolucija također ukazala na nužnost razvoja kvalitetnih odnosa s

dobavljačima između kojih bi se trebali izabrati oni koji svojim performansama zaslužuju da

se s njima razviju strateške relacije. Dugoročni odnosi s ključnim (strateškim) dobavljačima i

kupcima reflektiraju se na uspješnost funkcioniranja opskrbnog lanca. Doprinosi navedenih

elemenata, svaki u okviru svojih granica i mogućnosti u zadanim okolnostima, stvaraju

pretpostavke dobivanja sinergijskih efekata.

Polazeći od definiranih teorijski utemeljenih postavki, istraživanje je imalo za cilj utvrditi

odnos koncepta poslovna inteligencija i upravljanje opskrbnim lancem. U razmatranju

empirijski utvrđenih rezultata potrebno je voditi računa o činjenici da su u istraživanju

sudjelovala poduzeća koja provode poslovnu inteligenciju, odnosno ona koja pripadaju

347

skupini razvijenijih i inovativnijih poslovnih subjekata. Rezultati do kojih se došlo potvrdili

su polazne pretpostavke ali su otvorili i određena nova pitanja. Važno je naglasiti kako je

temeljem dobivenih rezultata utvrđena statistički značajna stvarna povezanost između

poslovne inteligencije i upravljanja opskrbnim lancem. Polazni konceptualni model temeljem

ustanovljenih rezultata blago je redizajniran u domeni operacionalizacije poslovne

inteligencije i to se može smatrati vrijednim doprinosom daljnjim istraživačkim naporima u

izučavanju ovog fenomena. Kroz hipoteze istraživanja utvrđena je izravna, ali isto tako i

neizravna povezanost promatranih varijabli: kroz kvalitetniju informacijsku vidljivost i

postignutu integraciju.

Iako su u poglavlju o raspravi prezentirani cjelokupni rezultati, najvažnija saznanja potrebno

je dodatno naglasiti. Očito jest da su promatrana poduzeća ne samo prepoznala potrebu, već

se i aktivno usmjerila prema kvalitetnijem upravljanju svojim poslovnim podacima i

informacijama, što prema pokazateljima zadovoljstva daje pozitivne rezultate. S obzirom da je

identificirano kako se češće razmjenjuju operativni nego strateški podaci i informacije, te da

poduzeća uglavnom prakticiraju autentifikaciju, autorizaciju i njihovu zaštitu moglo bi se

zaključiti kako postoji zadovoljavajuće razvijena defenzivna poslovna inteligencije.

Nalazi provedenog istraživanja također svjedoče izravnu i neizravnu ulogu napredne analitike.

Recentna istraživanja napravljena u područjima razvijenih ekonomija ukazuju na značajnu

ulogu korištenja alata i tehnika napredne analitike u najuspješnijim poduzećima. U kontekstu

navedenoga, posebno ohrabruju rezultati prema kojima je veći stupanj korištenja alata i

tehnika napredne analitike u hrvatskim poduzećima stvarno značajno povezan s većom

prilagodljivošću i proaktivnošću njihovih opskrbnih lanaca. Izneseno treba predstavljati

dodatni poticaj i motiv prema daljnjoj progresiji njihovog korištenja s obzirom da

proaktivnost predstavlja budućnost poslovne inteligencije. Pokazala se također statistički

značajna laka povezanost napredne analitike s kvalitetom sadržaja te s uspostavljenom

razinom suradnje unutar i između poduzeća.

Stupanj razvoja poslovne inteligencije povezan je s postignutom integracijom promatranih

poduzeća (internom i eksternom). Iako je za informacijsku vidljivost i integraciju utvrđena

povezanost s upravljanjem opskrbnim lancem, valja naglasiti kako je to izraženije kod

integracije čime se potvrđuju dosadašnji empirijski nalazi o važnosti razvoja i stimuliranja

integrativnih procesa u uspješnosti upravljanja opskrbnim lancima. Još jedan pokazatelj

privlači pozornost - korištenje intuicije. Naime, tehnologija sama za sebe nije riješenje niti je

348

sama sebi svrha, tako da se autor, na temelju spoznaja iz provedenog istraživanja, priklanja

tumačenju onih koji korištenje intuicije drže jednom od poželjnih dimenzija poslovne

inteligencije.

Rezultati i spoznaje ovog istraživanja ispunili su očekivanja jer je znanstveno dokazana

važnost i vrijednost korištenja koncepta poslovne inteligencije. Na nacionalnoj razini, uz

racionalan optimizam, rezultati se mogu okvalificirati zadovoljavajućima, uz opasku kako se

kod ove ocjene može postaviti pitanje uspostavljenog standarda. Istraživana poduzeća

pripadaju skupini 1000 najvećih u Republici Hrvatskoj, preciznije najuspješnijim

gospodarskim subjektima. Istina jest da korištenje poslovne inteligencije pokazuje zaostatak

u odnosu na visoko kompetitivna gospodarstva, ali je isto tako istina da su rezultati značajno

bolji u odnosu na prethodna istraživanja, što ukazuje na pozitivne trendove u percepciji

značaja ovih problema. Za pretpostaviti je kako će poslovna inteligencije i u Republici

Hrvatskoj postati sastavni dio poslovanja, odnosno sastavni dio poslovne kulture. Potpunije

razumijevanje praktičnih koristi primjene koncepta poslovne inteligencije na upravljanje

opskrbnim lancem i svekolike djelatne i organizacijske performanse poduzeća omogućuju

sagledavanje problema i ograničavajućih faktora budućeg razvoja ovog koncepta. Time se

stvaraju pretpostavke potpunijeg razumijevanja i različitih pristupa u donošenju upravljačkih

odluka u području upravljanja opskrbnim lancem poduzeća, ali i nužnosti primjerenijeg

pozicioniranja poslovne inteligencije u poduzeću, u cilju više razine integracije poslovnih

funkcija i učinkovitijeg poslovnog djelovanja, temeljenog na inoviranju načina korištenja

raspoloživih informacijskih resursa. Kako je to Keynes zabilježio davne 1936. godine, nije

problem u novim idejama već u teškom napuštanju starih. Ta činjenica, te na temelju

provedenih istraživanja predstavljene egzaktne smjernice kojima se poduzeća mogu služiti pri

uvođenju poslovne inteligencije u poslovanje, također su predstavljale važan poticaj za

dovršenje ovog rada.

349

SAŽETAK

Disertacija Poslovna inteligencija i upravljanje opskrbnim lancem na teorijskoj i empirijskoj

osnovi evaluira autorov model testiranjem pretpostavki o vezama i odnosima između varijabli

poslovne inteligencije i upravljanja opskrbnim lancem izravno i neizravno preko varijabli

informacijske vidljivosti i integracije. U teorijskom dijelu su sistematizirani i analizirani

osnovni elementi izvornog pojma business intelligence i njemu srodnih pojmova, njegovo

pozicioniranje u kontekstu strateškog menadžmenta, elementi koji ga tvore i način

funkcioniranja. Također je obrađeno područje upravljanja opskrbnim lancem kroz evaluaciju

faza zrelosti, strategija koje se primjenjuju, te načina funkcioniranja u kontekstu vrednovanja

uspješnosti.

Temeljem elaboriranja važnosti i razmjene podataka i informacija, informacijske tehnologije i

sustava, e-poslovanja, integracije, vidljivosti, suradnje, napredne analitike i elastičnosti

kreiran je konceptualni model istraživanja. Testiranje glavne hipoteza i četiri pomoćne

provedeno je na uzorku od 293 poslovna subjekta primjenom metoda korelacije, faktorske

analize i analize varijance.

Nalazi istraživanja ukazuju na značaj implementacije koncepta poslovna inteligencija u

upravljanju opskrbnim lancem, te je predstavljan inoviran pristup konceptualnom uređenju

mjernih instrumenata efikasnosti između istraživanih varijabli. Empirijski je utvrđena

statistički značajna stvarna korelacija između poslovne inteligencije i upravljanja opskrbnim

lancem. Rezultati istraživanja također potvrđuju iskoristivost oblikovanog modela dokazujući

egzaktne aplikativne spoznaje o konkretnim praktičnim koristima primjene poslovne

inteligencije. Predstavljeni su utvrđeni ograničavajući faktori uvođenja poslovne inteligencije

u poslovanje, kao i smjernice i inovativan način implementacije i pozicioniranja njene

funkcije kojima se isti faktori svode na prihvatljivu mjeru.

Provedeno istraživanje i predstavljeni nalazi primjerena su platforma za buduća istraživanja u

sferi poslovne inteligencije i upravljanja opskrbnim lancem, a pragmatične smjernice

predstavljaju iskoristiv resurs za donošenje relevantnih poslovnih odluka na strateškoj i

taktičkoj razini.

350

ABSTRACT

Dissertation Business Intelligence and Supply Chain Management evaluates the Author's

model, on a theoretical and an empiric basis, by testing hypothesis on correlations and

relationships between the variables of business intelligence and supply chain management,

directly and indirectly, through the information visibility and integration variables. The

theoretical part systemizes and analyzes basic elements of the business intelligence original

term and its related concepts, its positioning within strategic management context, elements

that form it, and the mode of functioning. It also considers supply chain management subject

by evaluating maturity stages, strategies applied, and modes of functioning within

performance evaluation.

A conceptual research model has been established by elaborating the importance and

exchange of data and information, information technology and systems, e-business,

integration, visibility, co-operation, advances analytics and flexibility. Testing of the main

hypothesis and four supporting ones has been carried out on the sample of 293 business

entities using methods of correlation, factor analysis and analysis of variance.

Research results show the importance of the implementation of the business intelligence

concept into the supply chain management, and consequently an innovative approach to the

conceptual system of efficiency measurement methods within the variable investigated.

Statistically significant actual correlation between business intelligence and supply chain

management has been empirically defined. Research results also confirm the usability of the

established model thus demonstrating exact applicable conceptions on concrete practical

benefits from the application of the business intelligence. Limiting factors established at the

implementation of the business intelligence into business, as well as guidelines and innovative

mode of implementation and positioning of its function by which the same factors are reduced

to acceptable level are presented.

Research made and the results presented are an adequate platform for future researches within

the area of business intelligence and supply chain management, while pragmatic guidelines

make a usable resource for relevant business decision-making on strategic and tactical levels.

351

POPIS SLIKA

Slika 1. Krivulja vrijednosti informacija ............................................................................................... 20 Slika 2. Što business intelligence znači u praksi ................................................................................... 23 Slika 3. Preklapanje blokova koji tvore Cyber Intelligence .................................................................. 29 Slika 4. Studija intelligence aktivnosti .................................................................................................. 30 Slika 5. Odnos business intelligencea i ključnih intelligence koncepata............................................... 31 Slika 6. Sastavnice poslovne inteligencije ............................................................................................. 36 Slika 7. Elementi procesa strateškog menadžmenta .............................................................................. 43 Slika 8. Eksterna ili vanjska okolina poduzeća ..................................................................................... 45 Slika 9. Operativno okruženje u kontekstu strateške analize ................................................................ 50 Slika 10. Ciklus poslovne inteligencije ................................................................................................. 57 Slika 11. Uloga poslovnih kontrolnih ploča i usporednih tablica .......................................................... 66 Slika 12. Poveznica obrambene inteligencije s ostalim elementima modela ........................................ 74 Slika 13. Integralni model zaštite poslovne inteligencije ...................................................................... 78 Slika 14. TDWI Model zrelosti poslovne inteligencije ......................................................................... 90 Slika 15. Model upravljanja opskrbnim lancem – Mentzer et al. ........................................................ 107 Slika 16. Upravljanje opskrbnim lancem – Lambert ........................................................................... 113 Slika 17. Okvir SCOR modela ............................................................................................................ 114 Slika 18. Model zrelosti upravljanja opskrbnim lancem ..................................................................... 118 Slika 19. Upravljanje opskrbnim lancem – prethodnost i posljedice .................................................. 121 Slika 20. Matrica strategija upravljanja opskrbnim lancem ................................................................ 122 Slika 21. Teorijski okvir za istraživanje upravljanja opskrbnim lancem ............................................. 126 Slika 22. Okvir za razvoj mjernih instrumenata upravljanja opskrbnim lancem ................................ 128 Slika 23. Matrica tipova tržišta i potrebnih pokazatelja performansi .................................................. 133 Slika 24. Model održivog upravljanja opskrbnim lancem ................................................................... 137 Slika 25. Sastavnice vremena poduzimanja aktivnosti ........................................................................ 148 Slika 26. Odnos između orijentacije na opskrbni lanac i integracije IS-a ........................................... 176 Slika 27. Model troška i koristi od suradnje u SCM-u ........................................................................ 188 Slika 28. Koncepti suradnje u opskrbnim lancima .............................................................................. 190 Slika 29. Matrica analitičkih pitanja u opskrbnom lancu .................................................................... 199 Slika 30. Najvažnije analitičke tehnika danas i predviđanje za 24 mjeseca ........................................ 202 Slika 31. Prožimajuća poslovna inteligencija u SCOR procesima ...................................................... 225 Slika 32. Konceptualni model istraživanja .......................................................................................... 232 Slika 33. Prilagođeni konceptualni model istraživanja ....................................................................... 319

352

POPIS TABLICA

Tablica 1. Odnos inteligencije na različitim razinama sažimanja ......................................................... 18 Tablica 2. Usporedba različitih načina procesuiranja podataka ............................................................ 33 Tablica 3. Najvažnija obilježja strateške, taktičke i operativne poslovne inteligencije ........................ 38 Tablica 4. Ključne intelligence potrebe za strateško odlučivanje ......................................................... 52 Tablica 5. Rezultati istraživanja uspješnosti poslovne inteligencije ..................................................... 92 Tablica 6. Trošak nabavljenih materijala kao postotak dolarske vrijednosti prodaje ............................ 99 Tablica 7. Različiti ciljevi udruživanja u opskrbni lanac .................................................................... 109 Tablica 8. Elementi upravljanja opskrbnim lancem ............................................................................ 111 Tablica 9. Model zrelosti orijentiranosti poslovnim procesima BPO ................................................. 117 Tablica 10. Korelacija između poslovnih strategija i strategija opskrbnog lanca ............................... 124 Tablica 11. Okvir upravljanja opskrbnim lancem i uravnotežene tablice rezultata............................. 132 Tablica 12. Mogući izbori strukture razmjene informacija ................................................................. 144 Tablica 13. Rang lista najpotrebnijih točnih informacija .................................................................... 150 Tablica 14. Vrste razmjene informacija u opskrbnom lancu ............................................................... 152 Tablica 15. Frekvencija IS istraživačkih modela ................................................................................ 154 Tablica 16. Ključne razlike upravljanja tradicionalnim i projektima implementacije e-poslovanja ... 164 Tablica 17. Faze evolucije e-poslovanja u upravljanju opskrbnim lancem ......................................... 167 Tablica 18. Dimenzije integracije opskrbnog lanca ............................................................................ 171 Tablica 19. Sistematizacija tipova suradnje ........................................................................................ 172 Tablica 20. Tri kategorije vidljivosti opskrbnog lanca ........................................................................ 182 Tablica 21. Dimenzije različitih razina CFPR-a .................................................................................. 186 Tablica 22. Operativna Vs. analitička poslovna inteligencija ............................................................. 196 Tablica 23. Tipovi fleksibilnost ........................................................................................................... 206 Tablica 24. Primjeri korištenja PI za potrebe analize u SCM-u .......................................................... 216 Tablica 25. Usporedna analiza SCM-a i SCI-a ................................................................................... 219 Tablica 26. Pokazatelji tehnologije i upravljanja znanjem .................................................................. 229 Tablica 27. Procjena pristranosti između ranijih i kasnijih ispitanika ................................................. 252 Tablica 28. Glavna/pretežita djelatnost poduzeća iz uzorka ............................................................... 253 Tablica 29. Struktura uzorkovanih poduzeća prema broju zaposlenih ................................................ 254 Tablica 30. Struktura uzorkovanih poduzeća prema pravnom obliku ................................................. 255 Tablica 31. Deskriptivna statistika za varijablu poslovna inteligencija .............................................. 257 Tablica 32. Objedinjenost unutarnjih podataka i informacija na razini procesa ili projekta ............... 258 Tablica 33. Objedinjenost unutarnjih podataka i informacija na razini službi ili odjela ..................... 258 Tablica 34. Dostupnost vanjskih izvora podataka i informacija ......................................................... 259 Tablica 35. Rasprostranjenost lokacija podataka i informacija ........................................................... 260 Tablica 36. Integriranost i iskoristivost podataka i informacija za izvještavanje ................................ 261 Tablica 37. Vjerodostojnost unutarnjih prikupljenih podataka i informacija ...................................... 262 Tablica 38. Vjerodostojnost vanjskih prikupljenih podataka i informacija ......................................... 262 Tablica 39. Provjeravanje korisničkog identiteta (autentifikacija) ...................................................... 263 Tablica 40. Sistematiziranost pristupa podacima i informacijama (autorizacija) ................................ 264 Tablica 41. Provođenje zaštite od zlouporabe podataka i informacija ................................................ 264 Tablica 42. Dostupnost podataka i informacija u realnom vremenu ................................................... 265 Tablica 43. Korištenje tehnika rudarenja podacima ............................................................................ 266 Tablica 44. Korištenje OLAP alata ..................................................................................................... 266 Tablica 45. Korištenje poslovnih upravljačkih ploča .......................................................................... 267

353

Tablica 46. Vizualizacija podataka i informacija ................................................................................ 268 Tablica 47. Odlučivanje na temelju činjenica ..................................................................................... 269 Tablica 48. Korištenje dobrog osjećaja i iskustva u odlučivanju ........................................................ 269 Tablica 49. Doprinos poslovne inteligencije skraćenju vremena evidencije događaja ....................... 270 Tablica 50. Doprinos poslovne inteligencije skraćenju vremena dostupnosti informacija ................. 271 Tablica 51. Povećanje raspoloživog vremena za odlučivanje ............................................................. 271 Tablica 52. Korištenje tehnologije skladišta podataka ........................................................................ 272 Tablica 53. Organizacija poslovne inteligencije na razini cijelog poduzeća ....................................... 273 Tablica 54. Organizacija poslovne inteligencije na razini odjela ili službi ......................................... 274 Tablica 55. Organizacija poslovne inteligencije na razini procesa ili projekata ................................. 274 Tablica 56. Deskriptivna statistika za varijablu informacijska vidljivost............................................ 275 Tablica 57. Točnost korištenih podataka i informacija ....................................................................... 276 Tablica 58. Primjerenost potrebama korištenih podataka i informacija .............................................. 277 Tablica 59. Iskoristivost korištenih podataka i informacija ................................................................ 277 Tablica 60. Ažuriranje unutarnjih podataka i informacija ................................................................... 278 Tablica 61. Razmjena strateških podataka i informacija s ključnim dobavljačima ............................. 279 Tablica 62. Razmjena operativnih podataka i informacija s ključnim dobavljačima .......................... 279 Tablica 63. Razmjena strateških podatka i informacija s ključnim kupcima ...................................... 280 Tablica 64. Razmjena operativnih podataka i informacija s ključnim kupcima.................................. 281 Tablica 65. Deskriptivna statistika za varijablu integracija ................................................................. 282 Tablica 66. Unutrašnja razmjena podataka i informacija .................................................................... 283 Tablica 67. Sudjelovanje svih odjela u ocjenjivanju i izboru dobavljača ............................................ 283 Tablica 68. Postojanje višestrukih verzija istine ................................................................................. 284 Tablica 69. Integriranost procesa opskrbnog lanca ............................................................................. 285 Tablica 70. Suradnja u unapređenju kvalitete proizvoda i usluga ....................................................... 285 Tablica 71. Suradnja u razvoju novih proizvoda i usluga .................................................................. 286 Tablica 72. Integriranost zajedničkih procesa s ostalim članovima opskrbnog lanca ......................... 287 Tablica 73. Ocjena odnosa s ključnim dobavljačima .......................................................................... 287 Tablica 74. Ocjena odnosa s ključnim kupcima .................................................................................. 288 Tablica 75. Deskriptivna statistika za varijablu upravljanje opskrbnim lancem ................................. 289 Tablica 76. Skraćenje vremena odziva na kupčeve zahtjeve ............................................................... 290 Tablica 77. Povećanje točnosti isporuka na vrijeme ........................................................................... 291 Tablica 78. Povećanje kompletiranosti isporuka ................................................................................. 291 Tablica 79. Spremnost reagiranja na potrebne modifikacije ............................................................... 292 Tablica 80. Spremnost reagiranja na neočekivane tržišne poremećaje ............................................... 293 Tablica 81. Kontinuirano analiziranje poslovne okoline ..................................................................... 293 Tablica 82. Kontinuitet preispitivanja i unapređenja poslovne strategije ............................................ 294 Tablica 83. Usklađivanje strateških planova s ključnim dobavljačima ............................................... 295 Tablica 84. Usklađivanje strateških planova s ključnim kupcima ....................................................... 296 Tablica 85. Optimiziranje povezanih procesa s partnerima iz opskrbnog lanca ................................. 296 Tablica 86. Provođenje scenario analiza ............................................................................................. 297 Tablica 87. Provođenje prognoziranja događanja ............................................................................... 298 Tablica 88. Provođenje analize trenda ................................................................................................. 299 Tablica 89. Provođenje analize vremenskog slijeda ............................................................................ 299 Tablica 90. Postignuto smanjenje troškova funkcioniranja opskrbnog lanca ...................................... 300 Tablica 91. Postignuto povećanje povrat na imovinu (ROA) u odnosu na konkurente ...................... 301 Tablica 92. Postignuto povećanje povrata na uloženo (ROI) u odnosu na konkurente ....................... 302 Tablica 93. Povećanje tržišnog udjela u odnosu na konkurente .......................................................... 302

354

Tablica 94. Povećanje efikasnosti opskrbnog lanca ............................................................................ 303 Tablica 95. Postignuto skraćenje vremena odlučivanja unutar opksrbnog lanca ................................ 304 Tablica 96. Procjena pouzdanosti dimenzije izvori podataka i informacija ........................................ 305 Tablica 97. Procjena pouzdanosti dimenzije pouzdanost podataka i informacija ............................... 306 Tablica 98. Procjena pouzdanosti dimenzije izvori i pouzdanost podataka i informacija .................. 306 Tablica 99. Procjena pouzdanosti dimenzije pristup podacima i informacijama ................................ 307 Tablica 100. Procjena pouzdanosti dimenzije napredna analitika ....................................................... 307 Tablica 101. Procjena pouzdanosti dimenzije intuicija i vrijeme ........................................................ 308 Tablica 102. Procjena pouzdanosti dimenzije organizacija PI ............................................................ 308 Tablica 103. Procjena nove pouzdanosti dimenzije organizacija PI ................................................... 309 Tablica 104. Procjena pouzdanosti dimenzije kvaliteta sadržaja ........................................................ 309 Tablica 105. Procjena pouzdanosti dimenzije razina vidljivosti ......................................................... 310 Tablica 106. Procjena pouzdanosti dimenzije suradnja unutar poduzeća ........................................... 310 Tablica 107. Procjena nove pouzdanosti dimenzije suradnja unutar poduzeća ................................... 310 Tablica 108. Procjena pouzdanosti dimenzije suradnja između poduzeća .......................................... 311 Tablica 109. Procjena pouzdanosti dimenzije agilnost ....................................................................... 311 Tablica 110. Procjena pouzdanosti dimenzije prilagodljivost ............................................................. 312 Tablica 111. Procjena pouzdanosti dimenzije usklađenje ................................................................... 312 Tablica 112. Procjena pouzdanosti dimenzije proaktivnost ................................................................ 312 Tablica 113. Procjena pouzdanosti dimenzije performanse ................................................................ 313 Tablica 114. KMO i Bartlettov test za dimenzije poslovne inteligencije ............................................ 314 Tablica 115. KMO i Bartlettov test sferičnosti za dimenzije informacijske vidljivosti ...................... 315 Tablica 116. KMO i Bartlettov test sferičnosti za dimenzije integracije ............................................ 316 Tablica 117. KMO i Bartlettov test sferičnosti za dimenzije upravljanja opskrbnim lancem ............. 317 Tablica 118. Korelacija između elemenata poslovne inteligencije i informacijske vidljivosti ........... 321 Tablica 119. Korelacija poslovne inteligencije i informacijske vidljivosti ......................................... 321 Tablica 120. Korelacija između elemenata informacijske vidljivosti i SCM-a ................................... 324 Tablica 121. Korelacija informacijske vidljivosti i upravljanja opskrbnim lancem ............................ 324 Tablica 122. Korelacija između elemenata poslovne inteligencije i integracije.................................. 325 Tablica 123. Korelacija poslovne inteligencije i integracije ............................................................... 326 Tablica 124. Korelacija između elemenata integracije i upravljanja opskrbnim lancem .................... 327 Tablica 125. Korelacija između integracije i upravljanja opskrbnim lancem ..................................... 327 Tablica 126.Korelacija poslovne inteligencije i SCM-a ...................................................................... 328 Tablica 127. Korelacija između elemenata poslovne inteligencije i upravljanja opskrbnim lancem .. 329 Tablica 128. Korelacija između elemenata informacijske vidljivosti i integracije ............................. 330 Tablica 129. Korelacija informacijske vidljivosti i integracije ........................................................... 331

355

POPIS GRAFOVA

Graf 1. Rezultati korištenih pojmova .................................................................................................... 32 Graf 2. Promjene u globalnom okruženju ............................................................................................. 79 Graf 3. Korelacija zrelosti tržišne inteligencije i učinkovitosti odlučivanja ......................................... 91 Graf 4. Najvažnije informacije u različitim ekonomijama .................................................................. 149 Graf 5. Protokol istraživanja ............................................................................................................... 239 Graf 6. Usporedba osnovnog skupa i uzorka prema broju zaposlenih ................................................ 254 Graf 7. Usporedba osnovnog skupa i uzorka prema pravnom obliku ................................................. 255

356

POPIS PRILOGA Prilog 1. Popratni dopis ....................................................................................................................... 388 Prilog 2. Anketni upitnik ..................................................................................................................... 390 Prilog 3. Svojstvene vrijednosti za I dimenziju poslovne inteligencije ............................................... 394 Prilog 4. Faktorska opterećenja za I dimenziju poslovne inteligencije ............................................... 394 Prilog 5. Svojstvene vrijednosti za II dimenziju poslovne inteligencije ............................................. 395 Prilog 6. Faktorska opterećenja za II dimenziju poslovne inteligencije .............................................. 395 Prilog 7. Svojstvene vrijednosti za III dimenziju poslovne inteligencije ............................................ 395 Prilog 8. Faktorska opterećenja za III dimenziju poslovne inteligencije............................................. 395 Prilog 9. Svojstvene vrijednosti za IV dimenziju poslovne inteligencije ............................................ 396 Prilog 10. Faktorska opterećenja za IV dimenziju poslovne inteligencije .......................................... 396 Prilog 11. Svojstvene vrijednosti za V dimenziju poslovne inteligencije ........................................... 396 Prilog 12. Faktorska opterećenja za V dimenziju poslovne inteligencije ............................................ 396 Prilog 13. Svojstvene vrijednosti za I dimenziju informacijske visljivosti ......................................... 397 Prilog 14. Faktorska opterećenja za I dimenziju informacijske vidljivosti ......................................... 397 Prilog 15. Svojstvene vrijednosti za II dimenziju informacijske vidljivosti ....................................... 397 Prilog 16. Faktorska opterećenja za II dimenziju informacijske vidljivosti ........................................ 397 Prilog 17. Svojstvene vrijednosti za I dimenziju integracije ............................................................... 398 Prilog 18. Faktorska opterećenja za I dimenziju integracije ............................................................... 398 Prilog 19. Svojstvene vrijednosti za II dimenziju integracije .............................................................. 398 Prilog 20. Faktorska opterećenja za II dimenziju integracije .............................................................. 398 Prilog 21. Svojstvene vrijednosti za I dimenziju SCM-a .................................................................... 399 Prilog 22. Faktorska opterećenja za I dimenziju SCM-a ..................................................................... 399 Prilog 23. Svojstvene vrijednosti za II dimenziju SCM-a ................................................................... 399 Prilog 24. Faktorska opterećenja za II dimenziju SCM-a ................................................................... 399 Prilog 25. Svojstvene vrijednosti za III dimenziju SCM-a .................................................................. 400 Prilog 26. Faktorska opterećenja za III dimenziju SCM-a .................................................................. 400 Prilog 27. Svojstvene vrijednosti za IV dimenziju SCM-a ................................................................. 400 Prilog 28. Faktorska opterećenja za IV dimenziju SCM-a .................................................................. 400 Prilog 29. Svojstvene vrijednosti za V dimenziju SCM-a ................................................................... 401 Prilog 30. Faktorska opterećenja za V dimenziju SCM-a ................................................................... 401

357

POPIS KRATICA

AI - Artificial Intelligence, umjetna inteligencija

BC - Business Counterintelligence, poslovna protuobavještajna aktivnost

BI - Business Intelligence, poslovna inteligencija

BICC - Business Intelligence Competency Center, centar kompetencije PI

BIS - Business Intelligence System, sistem poslovne inteligencije

BPO - Business Process Orientation, orijentiranost poslovnim procesima

BSC - Balanced ScoreCards, tablica uravnoteženih ciljeva

B2B - Business to business, izravni poslovni odnos

B2C - Business to customer, izravni poslovni odnos s krajnjim kupcem

B2R - Business to reseller, izravan poslovni odnos s distributerom

CAS - Competitor Analysis System, sistemska analiza konkurencije

CCOR - Customer Chain Operations Refernce

CEO - Chief Executive Officer, glavni izvršni direktor

CI - Competitive Intelligence, konkurentska (kompetitivna) inteligencija

CnI - Consumer Intelligence, potrošačeva inteligencija

CoG/S - Cost of goods sold to sales, trošak prodane robe

CoI - Competitor Intelligence, inteligencija pojedinog konkurenta

CsI - Customer Intelligence, kupčeva (klijentska) inteligencija

CIN - Critical Intelligence Needs, kritične intelligence potrebe

CRM - Customer Relatinship Management, upravljanje odnosima s kupcima

CSR - Corporate Social Responsibility, korporativna socijalna odgovornost

C2C - Customer to customer, izravni podnos dva kupca iz skupine krajnjih kupaca

DBI - Defensive Business Intelligence, defanzivna poslovna inteligencija

DCM - Demand Chain Management, upravljanje lancem potražnje

DCOR - Design Chain Operations Reference

DI - Defensive Intelligence, obrambena inteligencija

DM - Data Mining, rudarenje podacima

DMa - Data Mart, spremište podataka

DMS - Decision Management Systems, sistem za upravljanje odlučivanjem

DSS - Decision Support System, sistemi za podršku odlučivanju

DW - Data Warehouse, skladište podataka

EDW - Enterprise Data Warehouse, skladište podataka poduzeća

358

EDI -Electronic Data Intercharge, elektronska razmjena podataka

EI - Environmental Intelligence, inteligencija okoline

EIS - Executive Information System, izvršni informacijski sistem

ERP - Enterprise Resource Planning, tvrtkino planiranje resursa

ESI - Economic and Strategic Intelligence, ekonomska i strateška inteligencija

ETL - Extract, Transform, Load; vađenje, preoblikovanje i unošenje

EVA - Economic Value Added, ekonomska dodana vrijednost

ExI - External Intelligence, vanjska inteligencija

FI - Financial Intelligence, financijska intelligencija

GIS - Geographical Information System, geografski informacijski sistem

GSCF - Global Supply Chain Forum

IM - Information Management, upravljanje informacijama

IMF - International Monetary Fund, međunarodni monetarni fond

IOS - Inter Organizational System, međuorganizacijski sistem

IS - Information System, informacijski sistem

IT - Information Technology, informacijska tehnologija

IVC - Information Value Chain, informacijski lanac vrijednosti

JIT - Just In Time, u pravo vrijeme

KM - Knowledge Management, upravljanje znanjem

KMO - Kaiser-Meyer-Olkin, mjera adekvatnosti uzorka

KSF - Key Success Factor, ključni faktor uspjeha

KIT - Key Intelligence Topics, ključne intelligence teme

KPI - Key Performance Indicator, ključni pokazatelj uspjeha

MI - Market Intelligence, tržišna inteligencija

MkI - Marketing Intelligence, marketinška inteligencija

MOE - Measure of Effectivenes, mjere efikasnosti

MVA - Market Value Added, tržišna dodana vrijednost

NPV - Net Present Value, neto sadašnja vrijednost

OEM - Original Equipment Manufacture, orginalni proizvođači opreme

OI - Organizational Intelligence, organizacijska inteligencija

OIA - Operating income to asset, operativni prihod na imovinu

OIE - Operating income to employees, operativni prihod na zaposlene

OIS - Operating income to sales, operativni prihod na prodaju

OLAP - On-Line Analytical Processing, on-line analitička obrada podataka

359

OLTP - On-Line Transaction Processing, on-line obrada transakcija

PA - Predictive Analytic, napredna analitika

PI - Poslovna inteligencija

PIC - Production and inventory control, kontrola proizvodnje i zaliha

POS - Point of Sale, mjesto prodaje

RI - Risk Intelligence, inteligencija rizika

ROA - Return on Asset, povrat na imovinu

ROCII - Return on Competitive Intelligence Investment, povrat na investicije kompetitivne inteligencije

ROI - Return on Investments, povrat na investicije

ROS - Return on Sales, povrat na prodaju

RSS - Really Simple Syndication, stvarno jednostavne vijesti

SC - Supply Chain, opskrbni lanac

SCCI - Supply Chain Competitive Intelligence, konkurentska inteligencija opskrbnog lanca

SCEM - Supply Chain Event Management, upravljanje događanjima u opskrbnom lancu

SCI - Supply Chain Intelligence, inteligencija opskrbnog lanca

SCIP - Strategic and Competitive Intelligence Professionals

SCM - Supply Chain Management, upravljanje opskrbnim lancem

SCO - Supply Chain Orientation, orijentiranost prema opskrbnom lancu

SCOR - Supply Chain Operations Reference

SCRM - Supply Chain Risk Management, upravljanje rizikom opskrbnog lanca

SeI - Security Intelligence, sigurnosna inteligencija

SGA/S - Selling and general administration expense to sales, trošak prodaje i generalne administracije u prodaji

SI - Strategic Intelligence, strateška inteligencija

SME - Small and Medium Size Enterprise, mala i srednja poduzeća

SMI - Supply Market Intelligence, inteligencija opksrbnog tržišta

SoI - Social Intelligence, socijalna inteligencija

SOP - Sales and Operations Plan, planiranje prodaje i operacija

SRM - Supplier Relationship Management, upravljanje odnosima s kupcima

SMI - Supply Market Intelligence, inteligencija tržišne opskrbe

TCO - Total Cost of Ownership, ukupni troškovi vlasništva

TQM - Total Quality Management, totalno uravljanje kvalitetom

USCM - Ubiquitous Supply Chain Management, sveprisutno upravljanje opskrbnim lancem

VMI - Vendor Managed Inventory, dobavljač (prodavač) upravlja zalihama

360

LITERATURA

1) Akintoye, A., McIntosh, G., Fitzgerald, E.: A survey of supply chain collaboration and

management in the UK construction industry, European Journal of Purchasing &

Supply Management, 2000., 6, p. 159-168.

2) Akrap, G.: Poslovnost i izvjesništvo, National Security and the Future, 2008., 1-2 (9),

p. 53-75. Napomena: članak je izvorno objavljen pod pseudonimom Danijel Ćosić

Dragan.

3) Anbanandam, R., Banwet, D. K., Shakar, R.: Evaluation of supply chain

collaboration: a case of apparel retail industry in India, International Journal of

Productivity and Performance Management, 2011., 60 (2), p. 82-98.

4) Anderson, David L., Britt, Frank F., Favre, Donovan J.: The 7 Principles of Supply

Chain Management, Supply Chain Management Review, April 1, 2007.

5) Anić, V.: Rječnik hrvatskog jezika, Novi Liber i Jutarnji list, Zagreb, 2007.

6) Anić, I.D., Mihić, M., Jurić, M.: Kupovna orijentacija žena na tržištu odjeće,

Privredna kretanja i ekonomska politika, 2010., 123, p. 27-55.

7) Apgar, D.: Risk Intelligence, Harvard Business School Press, Boston, 2006.

8) Arlbjorn, J. S., Jonsson, P., Johansen, J.: Nordic research in logistics and supply chain

management: an empirical analysis, International Journal of Physical Distribution &

Logistics Management, 2008., 38(6), p. 452-474.

9) Armstrong, J.S., Overton, T.S.: Estimating Nonresponse Bias in Mail Surveys, Journal

of Marketing Research, 1977., 14, p. 396-402.

10) Atre, S.: The Top 10 Critical Challenges for Business Intelligence Success, white

paper, Computerlworld Custom Publishing, June 30, 2003.

11) Auramo, J., Kauremaa, J., Tanskanen, K.: Benefits of IT in supply chain management:

an explorative study of progressive companies, International Journal of Physical

Distribution & Logistics Management, 2005., 35 (2), p. 82-100.

12) Auramo, J.: Implications of supply chain visibility: benefits in transaction execution

and resource network management, disertacija, 2006., Helsinki University of

Technology Laboratory of Industrial Management, Helsinki

13) Baars, H., Kemper, H. G., Lasi, H., Siegel, M.: Combining RFID Technology and

Business Intelligence for Supply Chain Optimization – Scenarios for Retail Logistics,

Proceedings of the 41st Hawaii International Conference on System Sciences, 07.-

10.01.2008.

361

14) Badr, A., Madden, E., Wright, S.: The Contribution of CI to the Strategic Decision

Making Process: Empirical Study of the European Pharmaceutical Industry, Journal

of Competitive Intelligence and Management, 2006., 3 (4), p. 15-35.

15) Bahtijarević-Šiber, F., Sikavica, P. (ur.): Leksikon menadžmenta, Masmedia, Zagreb,

2001.

16) Barratt, M.: Understanding the meaning of collaboration in the supply chain, Supply

Chain Management Journal: An International Journal, 2004., 9 (1), p. 30-42.

17) Barrett, P.: Reducing vulnerability through counterintelligence, in Blenkhorn, D.L.,

Fleisher, C.S.: Managing frontiers in competitive intelligence, Quorum books,

Westport, 2001., p. 29-39.

18) Barrier, M.: Protecting Trade Secrets, HR Magazine, May 2004.

19) Bayraktar, E., Demirbag, M., Koh, S. C. L., Tatoglu, E., Zaim, H.: A causal analysis

of the impact of information systems and supply chain management practices on

operational performance: Evidence from manufacturing SMEs in Turkey, International

Journal of Production Economics, 2009., 122, p. 133-149.

20) Bazdan, Z.: Poslovna obavještajna djelatnost – ključan čimbenik poslovne izvrsnosti,

Case study: Industrijska špijunaža, Poslovna izvrsnost, 2009., III (1), p. 57-76.

21) Benton, W. C., Maloni, M.: The influence of power-driven buyer/seller relationships

on supply chain satisfaction, Journal of Operations Management, 2005., 23, p. 1-22.

22) Bernhardt, D.: Competitive intelligence: how to acquire and use competitive

intelligence and counterintelligence, FT Prentice Hall, 2003.

23) Berns, M., Townend, A., Khayat, Z., Balagopal, B., Reeves, M., Hopkins, M.,

Kruschwitz, N.: The Business of Sustainability; Findings and Insight from the First

Annual Business of Sustainability Survey and the Global Thought Leader's Research

Project, MIT Sloan Management Review, Special Report, 2009.

24) Biere, M.: Business Intelligence for the Enterprise, Prentice Hall, New Jersey, 2003.

25) Bilandžić, M.: Poslovno-obavještajno djelovanje: Business Intelligence u praksi,

AGM, Zagreb, 2008.

26) Bilandžić, M., Čulig, B., Lucić, D., Putar-Novoselić, M., Jakšić, J.: Business

intelligence u hrvatskom gospodarstvu, Poslovna izvrsnost, 2012., VI (1), p. 9-28.

27) Blackhurst, J., Craighead, C. W., Elkins, D., Handfield, R. B.: An empirically derived

agenda of critical research issues for managing supply-chain disruptions,

International Journal of Production Research, 2005., 43 (19), p. 4067-4081.

362

28) Blackhurst, J., Cantor, D., O'Donnell, M.: Sustainable Supply Chains: A Guide for

Small-to Medium-sized Manufactureres, CIRAS, Iowa State University, 2012.

29) Blenkhorn, D.L., Fleisher, C.S.: Performance Assessment in Competitive Intelligence:

An Exploration, Synthesis, and Research Agenda, Journal of Competitive Intelligence

and Management, 2007., 4 (2), p. 4-22.

30) Bloomberg, David J., LeMay, S., Hanna, Joe B.: Logistika, MATE, Zagreb, 2006.

31) Bolstroff, P., Rosenbaum, R.: Supply Chain Excelence – A Handbook for Dramatic

Improvement Using the SCOR Model, 2nd. ed., Amacom, New York, 2007.

32) Boon-itt, S., Paul, H.: Measuring Supply Chain Integration – Using the Q-Sort

Techniques, in: Kotzab, H., Seuring, S., Muller, M., Reiner, G (eds.): Research

Methodologies in Supply Chain Management, Physica-Verlag, Heidelberg, 2005., p.

47-73.

33) Borges, M., Hoppen, N., Luce, F. B.: Information technology impact on market

orientation in e-business, Journal of Business Research, 2009., 62, p. 883-890.

34) Bose, R.: Advanced analytics: opportunities and challenges, Industrial Management &

Data Systems, 2009., 109 (2), p. 155-172.

35) Bowersox, Donald J.: SCM: The past is prologue, CSCMP's Supply Chain Quarterly,

quarter 2, 2007.

36) Boyer, J., Frank, B., Green, B., Harris, T., Van De Vanter, K.: Business Intelligence

Strategy, MC Press Online, Ketchum, 2011.

37) Breeding, B.: CI and KM Convergence: A Case Study at Shell Services International,

in Prescott, John E., Miller, Stephen H. (Eds.): Proven Strategies in Competitive

Intelligence, John Wiley & Sons, New York, 2001.

38) Brewer, P.C., Speh, T.W.: Using the Balanced scorecard to measure supply chain

performance, Journal of Business Logistics, 2000., 21(1), p. 75-93.

39) Brody, R.: Issues in defining competitive intelligence: an exploration, Journal of

Competitive Intelligence and Management, 2008., 4 (3), p. 3-16.

40) Brouard, F.: Awareness and Assessment of Strategic Intelligence: A Diagnostic Tool, u

Xu, M. (ed.): Managing Strategic Intelligence: Techniques and Technologies,

Information Science Reference, New York, p. 123.

41) Brown, Mark G.: Beyond the balanced scorecard: improving business intelligence

with analytics, CRC Press, New York, 2009.

42) Buble, M.: Osnove analize okoline, in Buble, M. (red.): Strateški menadžment,

Sinergija, Zagreb, 2005., p. 15-17.

363

43) Buble, M.: Menadžment, Ekonomski fakultet Split, Split, 2006.

44) Buble, M.: Osnove menadžmenta, Sinergija, Zagreb, 2006.

45) Buchanan, L., O’Connell, A.: A brief history of decision making, Harvard Business

Review, January, 2006., p. 32-40.

46) Burges, K., Singh, P.J., Koroglu, R.: Supply chain management: a structured

literature review and implications for future research, International Journal of

Operations & Production Management, 2006., 26 (7), p. 703-729.

47) Calof, J.: Knowledge for innovation: Competitive intelligence practices in small and

midium sized business, ICSB World Conference, 2004.

48) Carter, C.R., Rogers, D.S.: A framework of sustainable supply chain management:

moving toward new theory, International Journal of Physical Distribution & Logistic

Management, 2008., 38 (5), p. 360-387.

49) Carter, C.R., Easton, P.L.: Sustainable supply chain management: evolution and

future directions, International Journal of Physical Distribution & Logistics

Management, 2011., 41 (1), p. 46-62.

50) Cavalcanti, E. P.: The Relationship between Business Intelligence and Business

Success, Journal of Competitive Intelligence and Management, 2005., 3 (1), p. 3-11.

51) Cecere, L.: A Four-Step Program for Supply Chain Agility, Industry Value Chain

Strategies, Hitachi Consulting & AMR Research, June 2009.

52) Chang H.L., Chen, C.H., Su, C.H.: Developing supply chain dynamic capability to

realize the value of inter-organizational systems, Proceedings of PACIS Pacific Asia

Conference on Information Systems, 2008., preuzeto s

http://aisel.aisnet.org/pacis2008/145 30.03.2010.

53) Chen, I.J., Paulraj, A.: Understanding supply chain management: critical research

and a theoretical framework, International Journal of Production Research, 2004., 42

(1), p. 131-163.

54) Chen, I.J., Paulraj, A.: Towards a theory of supply chain management: the constructs

and measurements, Journal of Operations Management, 2004., 22 (2), p. 119-150.

55) Chen, H., Mattioda, D. D., Daugherty, P. J.: Firm-wide integration and firm

performance, The International Journal of Logistics Management, 2007., 18 (1), p. 5-

21.

56) Chen, P. K., Huang, C. M., Su, C. H.: Successful Supply Chain Practices through

Organizational Knowledge and E-Business Technology, Information Technology

Journal, 2009., 8 (6), p. 879-886.

364

57) Chong, A. Y. L., Ooi, K. B., Sohal, A.: The relationship between supply chain factors

and adoption of e-Collaboration tools: An empirical examination, International

Journal of Production Economics, 2009., 122, p. 150-160.

58) Christopher, M., Peck, H.: Building the resilient supply chain, International Journal of

Logistics Management, 2004., 15 (2), p. 1-14.

59) Christopher, M.: Logistics and Supply Chain Management, 3rd. ed., Prentice Hall &

Financial Times, London, 2005.

60) Churchill, G.A.Jr.: A Paradigm for Developing Better Measures of Marketing

Constructs, Journal of Marketing Research, XVI, February 1979., p. 64-73.

61) Cingula, M.: Pristup implementaciji strategije, in: Buble, M. (red.): Strateški

menadžment, Sinergija, Zagreb, 2005., p. 157-160.

62) Clark, Thomas D., Jones, Mary C., Armstrong, Curtis P.: The Dynamic Structure of

Management Support Systems: Theory Development, Research Focus, and Direction,

MIS Quarterly, 2007., 31(3), p. 579-588.

63) Closs, D.J., Speier, C., Meacham, N.: Sustainability to support end-to-enf value

chains: the role of supply chain management, Journal of Academy of Marketing

Science, 2011., 39, p. 101-116.

64) Cobanoglu, C., Warde, B., Moreo, P.J.: A comparison of mail, fax and web-based

survey methods, International Journal of Market Research, Decembar, 2001., p. 405-

410.

65) Cohen, C.: Business Intelligence, ISTE & John Wiley & Sons, London, 2009.

66) Cokins, G.: Performance Management, John Wiley & Sons, New Jersey, 2009.

67) Copacino, W.: Better Supply Chain Collaboration Throgh Business Intelligence,

Supply Chain Management Review, July 31, 2008.

68) Croom, S., Romano, P., Giannakis, M.: Supply chain management: an analytic

framework for critical literature review, European Journal of Purchasing & Supply

Management, 2000., 6., p. 67-83.

69) Croom, Simon R.: The impact of e-business on supply chain management,

International Journal of Operations & Production Management, 2005., 25 (1), p. 55-

73.

70) Ćurko, K.: Business Intelligence Technology: The Croatian Case, 2002.,

Management: Journal of Contemporary Management Issues, 7 (2), p. 63-76.

71) Dani, S.: Predicting and Managing Supply Chain Risks, in: Zsidisin, G.A., Ritchie, B.

(Eds.): Supply Chain Risk, Springer, New York, 2008., p. 53-66.

365

72) Davenport, T. D., Harris, J. G.: Competing on Analytics – The New Science of

Winning, Harvard Business School Press, Boston, 2007.

73) Davenport, T.D., Harris, J.G., Morison, R.: Analytics at Work: Smarter Decisions -

Better Results, Harvard Business School Press, Boston, 2010.

74) Davenport, T.D., Snabe, J.H.: How Fast and Flexible Do You Want Your Information,

Really?, MIT Sloan Management Review, spring 2011., 52 (3), p. 57-62.

75) Dedijer, S.: Business intelligence, Prva hrvatska konferencija o pribavljanju,

organiziranju i uporabi poslovnih informacija, Zavod za poslovna istraživanja, Zagreb,

1999.

76) Dedijer, S.: The World Jumper, vlastita naklada, Dubrovnik, 2000.

77) Dedijer, S.: Ragusa Intelligence & Security (RIS) – A Model for 21-st Century!?,

National Security and the Future, 2000., 3-4 (1), p. 127-141.

78) Defee, Clifford C., Esper, Terry L., Stank, Theodore P., Mentzer, John T.: The Role of

followers in supply chains, Journal of Business Logistic, 2009., 30 (2), p. 65-84.

79) DeGenaro, B.: A Case for Business Counterintelligence, Competitive Intelligence

Magazine, 2005., 8 (5), p. 12-16.

80) Dehning, B., Richardson, V.J., Zmud, R.W.: The financial performance effects of IT-

based supply chain management systems in manufacturing firms, Journal of

Operations Management, 2007., 25, p. 806-824.

81) Delen, D., Hardgrave, B.C., Sharda, R.: RFID for Better Supply Chain management

through Enhanced Information Visibility, Production and Operations Management,

2007., 16 (5), p. 613-624.

82) Denton, P., Tan, K., Little, D., Bonner, J.V.H.: A Three R Approach for Supply Chain

Business Intelligence, In: 19th International Conference on Production Research

ICPR19, 29th July – 2nd August 2007., Valparaiso, Chile

83) Dillman, D.A.: The design and administration of mail surveys, Annual Review of

Sociology, 1991., 17, p. 225-249.

84) Ditman, P., Slone, R., Mentzer, John T.: Supply Chain Risk: It's Time to Measure It,

Harvard Business Review, February 5, 2010.

85) Downing, C.E.: Is Web-Based Supply Chain Integration Right for Your Company?,

Communications of the Associations for Information Systems, May 2010., 53 (5), p.

134-137.

86) Dulčić, Ž.: Okolina poduzeća, in: Buble, M. (red.): Strategijski management,

Ekonomski fakultet, Split, 1997., p. 71-119.

366

87) Dulčić, Ž.: Struktura okoline, in: Buble, M. (red.): Strateški menadžment, Sinergija,

Zagreb, 2005., p. 17-26.

88) Dyson, Lauerl E., Koruth, S.: Improving Business Performance through Supply Chain

Intelligence: An Australian perspective, Information Technology and Organizations in

the 21st Century: Challenges & Solutions, Proceedings of The 2004 International

Business Information Management Conference, Jully 4-6, Amman, Jordan, p. 342-

348.

89) Dwivedi, A., Butcher, T. (Eds.): Supply Chain Management and Knowledge

Management, Palgrave Macmillan, London, 2009.

90) Eckerson, W.W.: TDWI's Maturity Model, TDWI Research, July 2007.

91) Eckerson, W.: Pervasive Business Intelligence – Techniques and Technologies to

Deploy BI on an Enterprise Scale, TDWI Best Practice Report, 3-rd quarter 2008.

92) Eckerson, Wayne W.: Performance Dashboards: Measuring, Monitoring, and

Managing Your Business, 2nd ed., John Wiley & Sons, New Jersey, 2011.

93) Eckerson, W., Hammond, M.: Visual reporting and analysis – Seeing is Knowing,

TDWI Best Practice Report, 1-st. Quarter 2011.

94) Elbashir, M., Williams, S.: BI Impact: The Assimilation of Business Intelligence into

Core Business Process, Business Intelligence Journal, 2007., 12(4), p. 2-10.

95) Elbashir, Mohamed Z., Collier, Philip A., Davern, Michael J.: Measuring the effects of

business intelligence systems: The relationship between business process and

organizational performance, International Journal of Accounting Information

Systems, 2008., 9, p. 135-153.

96) Fawcett, Stanley E., Osterhaus, P., Magnan, Gregory M., Brau, James C., McCarter,

Matthew W.: Information sharing and supply chain performance: the role of

connectivity and willingness, Supply Chain Management: An International Journal,

2007., 12 (5), p. 358-368.

97) Filipović, R. (ur.): Englesko-hrvatski rječnik, 18. izd., Školska knjiga i Grafički zavod

Hrvatske, Zagreb, 1991.

98) Fisher, M., Raman, A.: The New Science of Retailing, Harvard Business Press, Boston,

2010.

99) Fitzpatrick, William M., Burke, Donald, R.: Competitive Intelligence, Corporate

Security and the Virtual Organization, Advances in Competitiveness Research, 2003.,

11 (1), p. 20-45.

367

100) Fleisher, C. S., Bensoussan, B. E.: Strategic and Competitive Analysis, Prentice Hall,

New Jersey, 2003.

101) Fleisher, C. S., Bensoussan, B. E.: Business and Competitive Analysis, FT Press, New

Jersey, 2007.

102) Francis, M.: Lean Information and Supply Chain Effectiveness, International Journal

of Logistics Research and Aplications, April 1998., 1., p. 93-103.

103) Friscia, T., O'Marah, K., Hofman, D,: The AMR Research Supply Chain Top 25 for

2009, AMR Research Inc., May 2009.

104) Frishammar, J.: Characteristics in information processing approaches, International

Journal of Information Management, 2002., 22, p. 143-156.

105) Frishammar, J.: Information Use in Strategic Decision Making, Management

Decision, 2003., 41 (4), p. 318-326.

106) Frohlich, M.T., Westbrook, R.: Demand chain management in manufacturin and

services: web-based integration, drivers and performance, Journal of Operations

Management, 2002., 20, p. 729-745.

107) Fuld, L.M.: The New Competitor Intelligence, John Wiley & Sons, New York, 1995.

108) Fuld, L.M.: The secret language of competitive intelligence, 2nd. ed., Dog Ear

Publishing, Indianapolis, 2010.

109) Fynes, B., Voss, C., de Burca, S.: The impact of supply chain relationship dynamics

on manufacturing performance, International Journal of Operations & Product

Management, 2005., 25 (1), p. 6-19.

110) Garača, Ž.: Poslovni informacijski sustavi, Ekonomski fakultet Split, Split, 2008.

111) Garača, Ž.: ERP sustavi, Ekonomski fakultet Split, Split, 2009.

112) Gebauer, J., Schober, F.: Information System Flexibility and the Cost Efficiency of

Business Processes, Journal of the Association for Information Systems, 2006., 7 (3),

p. 122-147.

113) Gilad, B., Gilad, T.: A System Approach to Business Intelligence, Business Horizons,

September-October 1985., 28 (5), p. 65-70.

114) Gilad, B., Herring Jan P.(eds.): The art and science of business intelligence analysis:

business intelligence theory, principles, practices, and users, Jai Press Inc., London,

1996.

115) Global Intelligence Alliance: Measuring the benefits of competitive intelligence, GIA

white paper, 3/2004.

368

116) Global Intelligence Alliance: Competitive Intelligence in Large Companies – Global

Study, GIA white paper, 4/2005.

117) Global Intelligence Alliance: Market Intelligence in Large Companies – Global Study,

Release Webinar May 22, 2007.

118) Gonan Božac, M.: Pristup formuliranju strategije, in: Buble, M. (red.): Strateški

menadžment, Sinergija, Zagreb, 2005., p. 105-108.

119) Gordon, Lawrence A., Loeb, Martin P.: Using Information Security as a Response to

Competitor Analysis Systems, Communications of the ACM, September 2001., 44 (9),

p. 70-75.

120) Grawe, S.J., Daugherty, P.J., Roath, A.S.: Knowledge Synthesis and Innovative

Logistics Processes: Enhancing Operational Flexibility and Performance, Journal of

Business Logistics, 2011., 32 (1), p. 69-80.

121) Groznik, A.: E-logistic: Informatization of slovenian transport logistic cluster,

Management: Journal of Contemporary Management Issues, 2005., 10 (1), p. 93-105.

122) Gubi, E., Arlbjorn, J. S., Johansen, J.: Doctoral dissertations in logistics and supply

chain management: A review of Scandinavian contributions from 1990 to 2001.,

International Journal of Physical Distribution & Logistics Management, 2003., 33(10),

p. 854-885.

123) Gunasekaran, A., Ngai, E. W. T., Information systems in supply chain integration and

management, European Journal of Operational Research, 159, 2004., p. 269-295.

124) Gupta, S., Palsule-Desai, O.D.: Sustainable supply chain management: Review and

research opportunities, IIMB Management Review, 2011., 23, p. 234-245.

125) Ha, B.C., Park, Y.K., Cho, S.: Supplier's affective trust and trust in competency in

buyers: Its effect on collaboration and logistics efficiency, International Journal of

Operations & Production Management, 2011., 31 (1), p. 56-77.

126) Haanaes, K., Balagopal, B., Kong, M. T., Velken, I., Arthur, D., Hopkins, M. S.,

Kruschewitz, N.: New Sustainability Study: The”Embracers’ Seize Advantage, MIT

Sloan Management Review, spring 2011, 52 (3), p. 23-35.

127) Hackathorn, R.: The BI Watch: Real-Time to Real-Value, DM Review, Jannuary

2004., preuzeto s http://www.dmreview.com/editorial/dmreview/ 17.12.2011.

128) Hadaya, P., Cassivi, L.: The Role of Knowledge Sharing in a Supply Chain, In:

Dwivedi, A., Butcher, T. (Eds.): Supply Chain Management and Knowledge

Management, 2009., Palgrave Macmillan, London, 2009., p.19-39.

369

129) Hair, J.F.Jr.: Knowledge creation in marketing: the role of predictive analytics,

European Business Review, 2007., 19 (4), p. 303-315.

130) Hair, J.F.Jr., Black, W.C., Babib, B.J., Anderson, R.E.: Multivariate Data Analysis,

7.th ed., Pearson Prentice Hall, 2010.

131) Handfield, R. B., Bechtel, C.: The role of trust and relationship structure in improving

supply chain responsiveness, Industrial Marketing Management, 2002., 31, p. 367.382.

132) Handfield, Robert, B., Nichols, Ernest L. Jr.: Supply Chain Redesign: Transforming

Supply Chains into Integrated Value Systems, Financial Times Prentice Hall, New

Jersey, 2002.

133) Handfield, R.: Supply Market Intelligence, Auerbach Publications, New York, 2006.

134) Hannula, M., Pirttimaki, V.: Business Intelligence – Empirical Study on the top 50

Finnish Companies, Journal of American Academy of Business, 2003., 2 (2), p. 593-

599.

135) Harland, C.M.: Supply chain management: relationships, chains and networks, British

Journal of Management, 1996., 7 (3), p. 63-70.

136) Harland, C.M., Caldwell, N.D., Powell, P., Zheng, J.: Barrieres to supply chain

information integration: SMEs adrift of eLands, Journal of Operations Management,

2007., 25, p. 1234-1254.

137) Hasrulnizzam, W., Mahmood, W., Muhamad, M.R., Tahar, N.M.: Supply Chain

Management: After Business Process Re-Engineering, Proceedings of World

Academy of Science, 2009., 41, p. 493-498.

138) Heaney, B.: Supply Chain Visibility Excellence: Fostering Security, Resilency, and

Efficiency, Aberdeen Group, March 2011.

139) Hedin, H., Hirvensalo, I., Vaarnas, M.: The Handbook of Market Intelligence, John

Wiley & Sons, Chichester, 2011.

140) Herring, Jan P.: Creating the intelligence system that produces analytical intelligence,

in: Gilad, B., Herring Jan P.(eds.): The art and science of business intelligence

analysis: business intelligence theory, principles, practices, and users, Jai Press Inc.,

London, 1996.

141) Herring, Jan P.: Key Intelligence Topics: A Process to Identify and Define Intelligence

Needs, Competitive Intelligence Review, 1999., 10 (2), p. 4-14.

142) Herschel, Richard T., Jones, Nory E.: Knowledge management and business

intelligence: the importance of integration, Journal of Knowledge Management,

2005., 9(4), p. 45-55.

370

143) Heuer, Richard J. Jr.: Psihology of Intelligence Analysis, Center for the study of

intelligence, Central Intelligence Agency, 1999.

144) Hill, J., Scott, T.: A consideration of the roles of business intelligence and e-business

in management and marketing decision making in knowledge-based and high-tech

start ups, Qualitative Market Research: An International Journal, 2004., 7 (1), p. 48-

57.

145) Hočevar, B., Jaklič, J.: Assessing benefits of business intelligence systems – a case

study, Management: Journal of Contemporary Management Issues, June 2010., 15 (1),

p. 87-119.

146) Hofman, D.: The Hierarchy of Supply Chain Metrics: Diagnosing Your Supply Chain

Health, AMR Research Inc., March 2004.

147) Hofman, D, O'Marah., Elvy, C.: The Gartner Supply Chain Top 25 for 2011, Gartner

Inc., June 1, 2011.,

148) Holweg, M., Disney, S., Holmstrom, J., Smaros, J.: Supply Chain Collaboration:

Making Sense of the Strategy Continuum, European Management Journal, 2005., 23

(2), p. 170-181.

149) Hostman, B.: Future Scenarios for the Five Key Business Intelligence and Information

Management Initiatives, Gartner Business Intelligence Summit, March 9-11, 2009.

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

151) Hubbard, D. W.: How to Measure Anything – Finding the value of „Intangibles“ in

business, 2nd ed., John Wiley & Sons, Inc., 2010.

152) Hugos, M.: Essentials of Supply Chain Management, 2nd ed., John Wiley & Sons,

New Jersey, 2006.

153) Hunton, J.E., Lippincott, B., Reck, J.L.: Enterprise resource planning systems:

comparing firm performance of adopters and nonadopters, International Journal of

Accounting Information Systems, 2003., 4 (3), p. 168-184.

154) Hwang, Mark I., Cappel, James J.: Toward a greater understanding of business

intelligence: Survey results, Southeast Decision Science Institute Conference

Proceedings, 2008., p. 324-328.

155) Hwang, Mark I.: Success factors for business intelligence: perceptions of business

professionals, ACME 2009., p. 371-376.

156) Ilieva, J., Baron, S., Healey, N.M.: Online surveys in marketing research: pros and

cons, International Journal of Market Research, 2002., 44 (3), p. 361-376.

371

157) Isik, O.: Business Intelligence Success: An Empirical Evaluation of the Role of BI

Capabilities and Organization's Decision Environment, Americas Conference on

Information Systems (AMCIS), Proceedings of the 15th Americas Conference on

Information Systems, San Francisco, August 6th-9th 2009.

158) Iyer, K. N. S.: Demand chain collaboration and operational performance: role of IT

analytic capability and environmental uncertainty, Journal of Business & Industrial

Marketing, 2011., 26 (2), p. 81-91.

159) Jacoby, D.: Guide to Supply Chain Management, The Economist, London, 2009.

160) Javorović, B., Bilandžić, M.: Poslovne informacije i business intelligence, Golden

marketing – Tehnička knjiga, Zagreb, 2007.

161) Jenster, P. V., Soilen, Klaus S.: Market Intelligence: Building Strategic Insight,

Copenhagen Business School Press, Copenhagen, 2009.

162) Johnsen, G.: Three Dimensions of Supply Chain Visibility, Traffic World, May 2006.,

p. 6.

163) Johnson, M. E., Whang, S.: E-business and supply chain management: an overview

and framework, Production and Operations Management, 2002., 11 (4), p. 413-423.

164) Johnson, P. F., Klassen, R. D., Leenders, M. R., Awaysheh, A.: Utilizing e-business

technologies in supply chains: The impact of firm characteristics and teams, Journal

of Operations Management, 2007., 25, p. 1255-1274.

165) Joshi, Y.: Information Visibility and its effect on supply chain dynamics, Master

Thesis, Massachusetts Institute of Technology, Cambridge, Massachusetts, 2000.

166) Jourdan, Z., Rainer, R. K., Marshal, Thomas E.: Business Intelligence: An Analysis of

the Literature, Information System Management, 2007., 25, p. 121-131.

167) Jurišić, M.: CI in Eastern Europe, presentation at SLA 04.06.2007.

168) Kahaner, L.: Competitive Intelligence, Touchstone Book, New York, 1997.

169) Kalakota, R., Robinson, M.: e-Poslovanje 2.0, Mate, Zagreb, 2002.

170) Kaplan, Robert S., Norton, David P.: The Balanced Scorecard, Harvard Business

School Press, Boston, 1996.

171) Kaplan, Robert S., Norton, David P.: The Strategy-focused Organization, Harvard

Business School Press, Boston, 2001.

172) Kaplan, Robert S., Norton, David P.: Strategy Maps, Harvard Business School Press,

Boston, 2004.

173) Kaplan, Robert S., Norton, David P.: Alignment, Harvard Business School Press,

Boston, 2006.

372

174) Karkkainen, M., Laukkanen, S., Sarpola, S., Kemppainen, K.: Roles of interfirm

information systems in supply chain management, International Journal of Physical


175) Karuranga, E., Frayret, J.M., D'Amours, S.: Measurement and Determinants of Supply

Chain Collaboration, Interuniversity Research Centre on Enterprise Networks,

Logistics, and Transportation, CIRRELT-2008-17, May 2008.

176) Kielstra, P.: In serach of clarity – Unravelling the complexities of executive decision-

maikng, A Report from the Economst Intelligence Unit, The Economist, September

2007.

177) Kim, D., Cavusgil, S.T., Calantone, R.J.: Information System Innovations and Supply

Chain Management: Channel Relationships and Firm Performance, Journal of the

Academy of Marketing Science, 2006., 34 (1), p. 40-54.

178) Kiron, D., Shockley, R.: Creating Business Value with Analytics, MIT Sloan

Management Review, fall 2011., 53 (1), p. 57-63.

179) Kiron, D., Kruschwitz, N., Haanaes, K., von Streng Velken, I.: Sustainability Nears a

Tipping Point, MIT Sloan Management Review, 2012., 53 (2), p. 69-74.

180) Kiron, D., Prentice, P.K., Ferguson, R.B.: Innovating With Analytics, MIT Sloan

Management Review, 2012., 54 (1), p. 47-52.

181) Klein, R., Rai, A.: Interfirm Strategic Information Flows in Logistics Supply Chain

Relationships, MIS Quarterly, 2009., 33 (4), p. 735-762.

182) Klepac, G., Mršić, L.: Poslovna inteligencija kroz poslovne slučajeve, Lider Press,

TIM Press, Zagreb, 2006.

183) Kocakulah, M. C., Foroughi, A., Lannert, M.: Streamlin Supply Chain Management

With E-Business, The Review of Business Information Systems, 2002., 6 (2), p. 1-8.

184) Koh, S.C.L., Maguire, S.: Identifying the adoption of e-business and knowledge

management within SMEs, Journal of Small Business and Enterprise Development,

2004., 11 (3), p. 338-348.

185) Kohli, R., Grover, V.: Business Value of IT: An Essay on Expanding Research

Directions to Keep up with the Times, Journal of the Association for Information

Systems, 2008., 9 (1), p. 23-39.

186) Kotler, P.: Upravljanje marketingom, Informator, Zagreb, 1988.

187) Kovacich, G.L.: Netspionage – The Global Threat to Information, Part I: What is it

and Why I Should Care?, Computers & Security, 2000., 19 (4), p. 326-336.

373

188) Kruschwitz, N., Shockley, R.: First Look: The Second Annual New Intelligent

Enterprise Survey, MIT Sloan Management Review, summer 2011., 52 (4), p.87-89.

189) Kudyba, S., Hoptroff, R.: Data Mining and Business Intelligence: A Guide to

Productivity, Idea Group Publishing, Hershey, 2001.

190) Kwak, N., Radler, B.: A Comparison Between Mail and Web Surveys: Response

Pattern, Respondent Profile, and Data Quality, Journal of Official Statistics, 2002., 18

(2), p. 257-273.

191) La Grouw, G.: The Logical Organization: A Strategic Guide To Driving Corporate

Performance Using Business Intelligence, Coded Vision, Auckland, 2008.

192) Lahrman, G., Marx, F., Winter, R., Wortmann, F.: Business Intelligence Maturity

Models: An Overview, Information Technology and Innovation Trends in

Organizations, 2010., Naples, Italy

193) Lambert, D.M., Knemeyer, M.: We're in This Together, in Harvard Business Review

on Managing Supply Chains, Harvard Business Review Press, Boston, 2011., p. 131-

152., Orginally published in December 2004.

194) Lambert, D.M. (ed.): Supply Chain Management, 3rd ed., Supply Chain Management

Institute, Sarasota, 2008.

195) Laursen, Gert H. N., Thorlund, J.: Business analytics for managers: Taking Business

Intelligence Beyond reporting, John Wiley & Sons, New Jersey, 2010.

196) Lavalle S., Lesser, E., Shockley, R., Hopkins, M.S., Kruschewitz, N.: Analytics: The

New Path to Value, MIT Sloan Management Review, winter 2011., 52 (2), p. 21-32.

197) Lee, Hau L., Padmanabhan, V., Whang, S.: Information Distortion in a Supply Chain:

The Bullwhip Effect, Management Science, April 1997., 43 (3), p. 546-558.

198) Lee, Hau L., So, Kut C., Tang, C.S.: The Value of Information Sharing in a Two-Level

Supply Chain, Management Science, 2000., 46 (5), p. 626-643.

199) Lee, Hau L., Whang, S.: E-Business and Supply Chain Integration, Standford Global

Supply Chain Management Forum SGSCMF-W2-2001, November 2001., p. 1-20.

200) Lee, Hau L.: The Triple-A Supply Chain, Harvard Business Review, October 2004., p.

102-112.

201) Lee, M. C., Cheng, J. F.: Development Multi-Enterprise Collaborative Enterprise

intelligent decision support system, Journal of Convergence Information Technology,

2007., 2 (2), p. 64-69.

374

202) Lee, C. K. M., Lau, H. C. W., Ho, G. T. S., Ho, William.: Design and development of

agent-based procurement system to enhance business intelligence, Expert Systems

with Applications, 2009., 36, p. 877-884.

203) Leon-Pena, J. R.: e-business and the supply chain management, Business Intelligence

Journal, 2008., 1 (1), p. 77-90.

204) Li, D., Wang, X., Liu, K., Kehoe, D.: Intelligent Supply Chain Management with

Automatic Identification Technology, In: Xu, M. (Ed.): Managing Strategic

Intelligence: Techniques and Technologies, Information Science Reference, New

York, 2007., p. 202-223.

205) Li, J., Sikora, R.T., Shaw, M.J.: Supply Chain Management: A Multi-Agent System

Framework, 2009., p. 151-169., in Dwivedi, A., Butcher, T. (eds.): Supply Chain

Management and Knowledge Management, Palgrave Macmillan, London, 2009.

206) Li, L.: Supply Chain Management: Concepts, Techniques and Practices, World

Scientific, New Jersey, 2008.

207) Li, J., Sikora, R. T., Shaw, M. J.: Supply Chain Management: A Multi-Agent System

Framework, In: Dwivedi, A., Butcher, T. (Eds.): Supply Chain Management and

Knowledge Management, 2009., Palgrave Macmillan, London, 2009., p.151-169.

208) Li, S., Ragu-Nathan, B., Ragu-Nathan, T.S., Rao, S.S.: The impact of supply chain

management practices on competitive advantage and organizational performance,

OMEGA The International Journal of Management Science, 2006., 34, p. 107-124.

209) Liautaud, B., Hammond, M.: e-poslovna inteligencija, Prudens Consilium, Varaždin,

2006.

210) Liebowitz, J.: Strategic Intelligence, Auerbach Publications, New York, 2006.

211) Linton, J.D., Klassen, R., Jayaraman, V.: Sustainable supply chains: An introduction,

Journal of Operations Management, 2007., 25, p. 1075-1082.

212) Ljungberg, A.: Process measurement, International Journal of Physical Distribution &

Logistics, 2002., 32 (4), p. 254-287.

213) Lockamy, A., McCormak, K.: The development of a supply chain management

process maturity model using the concepts of business process orientation, Supply

Chain Management: An International Journal, 2004., 9 (4), p. 272-278.

214) Lonnqvist, A., Pirttimaki, V.: The Measurement of Business Intelligence, Information

Systems Management, 2006., 23 (1), p. 32-40.

215) Lynch, R.: Corporate Strategy, 4th ed., Pearson Education Limited, Harlow, 2006.

375

216) Maguire, S., Suluo, H.: Business Intelligence: Benefits, Applications, and Challenges,

In: Xu, M. (Ed.): Managing Strategic Intelligence: Techniques and Technologies,

Information Science Reference, New York, 2007., p. 14-34.

217) Mann, H., Kumar, U., Kumar, V., Jit, S., Mann, S.: Drivers of Sustainable Supply

Chain Mangement, Journal of Operations Management, 2010., IX (4), p. 52-63.

218) Manthou, V., Vlachopoulou, M., Folinas, D.: Virtual e-Chain (VeC) model for supply

chain collaboration, International Journal of Production Economics, 2004., 87, p. 241-

250.

219) Marchand, D., Hykes, A.: Leveraging What Your Company Really Knows: A Process

View of Strategic Intelligence, in Xu, M. (ed.): Managing Strategic Intelligence:

Techniques and Technologies, Information Science Reference, New York, p. 1-3.

220) Marin, J., Poulter, A.: Dissemination of competitive intelligence, Journal of

Information Science, 2004., 30 (2), p. 193-208.

221) McCrea, B.: 8 steps to supply chain visibility, Logistics Management, November

2011., p. 36-38.

222) McGonagle, John J., Vella, Carolyn M.: A New Archetype for Competitive

Intelligence, Quorum books, London, 1996.

223) McGonagle, John J., Vella, Carolyn M.: A Case for Competitive Intelligence, The

Information Management Journal, July/August 2002., p. 35-40.

224) McLaren, T., Head, M., Yuan, Y.: Supply chain collaboration: understanding the

expected costs and benefits, Internet Research: Electronic Networking Applications

and Policy, 2002., 12 (4), p. 348-364.

225) Mearian, L.: Data growth remain IT's biggest challenge, Gartner says,

Computerworld, Nov. 2., 2010.

226) Mefford, R.N.: The Economic Value of a Sustainable Supply Chain, Business and

Society Review, 2011., 116 (1), p. 109-143.

227) Mencer, I.: Strateški menadžment i poslovna politika, Vitagraf, Rijeka, 2003.

228) Mentzer, John T., DeWitt, W., Keebler, J. S., Min, S., Nix, N. W., Smith, C. D.,

Zacharia, Z. G.: Defining Supply Chain Management, Journal of Business Logistic,

2001., 22 (2), p. 7.

229) Merv, A.: Exploring the extremes of database growth, IBM Data Management, Issue

1., 2010.

376

230) Meyer, H.: Business intelligence, izlaganje na skupu, Prva hrvatska konferencija o

pribavljanju, organiziranju i uporabi poslovnih informacija, Zavod za poslovna

istraživanja, Zagreb, 1999.

231) Michaeli, R.: Competitive Intelligence in Germany, Journal of Competitive

Intelligence and Management, 2004., 2 (4), p. 1-6.

232) Miemczyk, J., Johnse, T.E., Macquet, M.: Sustainable purchasing and supply

management: a structured literature review of definisions and measures at the dyad,

chain an network levels, Supply Chain Management: An International Journal, 2012.,

17 (5), p. 478-496.

233) Min, S., Mentzer, Johnt T.: Developing and measuring supply chain management

concepts, Journal of Business Logistics, 2004., 25 (1), p. 63-99.

234) Miller, Jerry P.: Millenium Intelligence: Understanding and Conducting Competitive

Intelligence in the Digital Age, CyberAge Books, New Jersey, 2001.

235) Miller, S.: The Role of Intelligence in Strategic Planning, in Gilad, B., Herring Jan

P.(eds.): The art and science of business intelligence analysis: business intelligence

theory, principles, practices, and users, Jai Press Inc., London, 1996., p. 199-215.

236) Miller, H.: Information quality and market share in electronic commerce, Journal of

Services Marketing, 2005., 19 (2), p. 93-102.

237) Min, S., Mentzer, J. T.: Developing and Measuring Supply Chain Management

Concepts, Journal of Business Logistics, 2004., 25 (1), p. 63-99.

238) Mohanty, S.: Measuring the Value of Intelligence in Business Intelligence, SM

Review, December 20008., p. 20-23.

239) Montgomery, A., Holcomb, M.C., Manrodt, K.B.: Visibility: Tactical Solutins,

Strategic Implications, Year 2002 Report on Trends and Issues in Logistics and

Transportation, Cap Gemini Erns & Young, Georgia Southern University, University

of Tennessee, 2002.

240) Morris, H., Moser, K., Vesset, D., Blumstein, R., Andersen, P., Martinez, N., Graham,

S.D., Carr, M.: Leveraging the Foundations of Wisdom: The Financial Impact of

Business Analytics, IDC white paper, 2002., p. 1-28.

241) Morris, H.D.: Predictive Analytics and ROI: Lessons from IDC's Financial Impact

Study, IDC, September 2003., p. 1-8.

242) Moss, Larissa T., Atre, S.: Business Intelligence Roadmap, Addison-Wesley, Boston,

2003.

377

243) Niven, Paul R.: Balanced scorecard: korak po korak, 2 izdanje, Poslovni dnevnik i

Masmedia, Zagreb, 2008.

244) Nolan, J.A.: Intelligence and Security in Business, in Miller, Jerry P.: Millenium

Intelligence: Understanding and Conducting Competitive Intelligence in the Digital

Age, CyberAge Books, New Jersey, 2001., p. 204-219.

245) Noonan, John F., Wallace, Michael J.: Supply chain intelligence assimilation:

Exploring the imbalance of ability within contract manufacture, Conference Creating

and Managing Value in Supply Networks, 2006., paper no. 69.

246) O'Leary-Kelly, S.W., Vokurka, R.J.: The empirical assessment of construct validity,

Journal of Operations Management, 1998., 16 (4), p. 387-405.

247) Oghazi, P.: Supply Chain Management – An Empirical Study of Swedish

Manufacturing Firm's Enterprise Systems Adoption, Supply Chain Integration,

Competition Capability and Performance, disertacija, Lulea University of

Technology, 2009.

248) Oreščanin, D.: BI – hit ili mit?, Banka, poseban prilog, Zagreb, siječanj 2003.

249) Osmanagić Bedenik, N.: Kriza kao šansa, 2 dopunjeno izdanje, Školska knjiga,

Zagreb, 2007.

250) Palvia, P., Midha, V., Pinjani, P.: Research Models in Information Systems,

Communications of the Association for Information Systems, 2006., 17 (47), p. 1042-

1063.

251) Panian, Ž.: Odnosi s klijentima u E-poslovanju, Sinergija nakladništvo d.o.o., Zagreb,

2003.

252) Panian, Ž., Klepac, G.: Poslovna inteligencija, Masmedia, Zagreb, 2003.

253) Panian, Ž.: Supply Chain Intelligence in E-Business Environment, WSEAS

Transactions on Information Science and Applications, 2005., 2 (8), p. 1079-1084.

254) Panian, Ž. i sur.: Poslovna Inteligencija: Studije slučajeva iz hrvatske prakse, Narodne

novine, Zagreb, 2007.

255) Panian, Ž.: How to make business intelligence actionable through service-oriented

architectures, WSEAS Transactions on Information Science and Applications, 2008.,

5 (5), p. 210-221.

256) Patrakosol, B., Olson, D.L.: How interfirm collaborations benefits IT innovation,

Information & Management, 2007., 44, p. 53-62.

257) Pecina, M.: Metode multivarijantne analize, Sveučilište u Zagrebu, Agronomski

fakultet, Zagreb, 2006.

378

258) Pejić Bach, M., Strugar, I., Jaković, B.: Influence of Business Intelligence

Implementation to the Bank's Performance: Case study of Croatian Banking Sector,

18th International Conference on Information and Intelligence Systems, 2007., p. 243-

248.

259) Pendse, N.: The OLAP Survey 5, Survey.com, 11-2005, p. 2-19.

260) Pereira, Jorge V.: The new supply chain's frontier: Information management,

International Journal of Information Management, 2009., 29, p. 372-373.

261) Permenter, K.: Supply Chain Business Intelligence: Time to Information, Aberdeen

Group, January 2012.

262) Pettit, Timothy J.: Supply Chain resilience: Development of a conceptual framework,

an assessment tool and an implementation process, disertacija, The Ohio State

University, 2008.

263) Petz, B.: Osnovne statističke metode za nematematičare, VI. izdanje, Naklada Slap,

Jastrebarsko, 2007.

264) Pfeifer, S.: Povezivanje analize eksternih i internih faktora (SWOT), in Buble, M.

(red.): Strateški menadžment, Sinergija, Zagreb, 2005., p. 67-71.

265) Pirttimaki, V., Lonnqvist, A., Karjaluoto, A.: Measurement of Business Intelligence in

a Finnish Telecommunication Company, The Electronic Journal of Knowledge

Management, 2006., 4 (1), p. 83-90.

266) Pirttimaki, V.: Business Intelligence as a managerial Tool in large Finnish

Companies, disertacija, Tampere University of Technology, 2007.

267) Pirttimaki, V.: Comparative Study and Analysis of the Intelligence Activities of Large

Finnish Companies, Journal of Competitive Intelligence and Management, 2007., 4

(1), p. 132-155.

268) Pirzadeh, N., Pirzadeh, L.: RFID based Smart goods and infrastructure, University of

Boras, 2009.

269) Poirier, Charles C., Quinn, F.: Survey of Supply Chain Progress: Still Waiting for the

Breakthrough, Supply Chain Management Review, November 1, 2006., preuzeto sa

http://www.scmr.com/article/330495

270) Pons Cobuild English Learner’s Dictionary, Collins Publishers, London, 1989.

271) Popovič, A., Coelho, P. S., Jaklič, J.: The impact of business intelligence system

maturity on information quality, Information Research, 2009., 14 (4), paper no. 417.

272) Popovič, A., Jaklič, J.: Benefits of business intelligence system implementation: an

empirical analysis of the impact of business intelligence system maturity on

379

information quality, European, Mediterranean & Middle Eastern Conference on

Information Systems, Abu Dhabi, 2010.

273) Popovič, A., Turk, T., Jaklič, J.: Conceptual model of business value of business

intelligence systems, Management: Journal of Contemporary Management Issues,

2010., 15 (1), p. 5-30.

274) Porter, Michael, E.: Competitive Advantage, The Free Press, New York, 1998.

275) Porter, Michael E.: Competitive Strategy, The Free Press, New York, 1998.

276) Porter, Michael E.: On Competition exp. ed., Harvard Business School Publishing,

Boston, 2008.

277) Potočan, V.: Supply Chain Management: The relationships in Supply Chain, VII

međunarodni znanstveni skup Poslovna logistika u suvremenom menadžmentu,

Osijek, 2007., p. 33-45..

278) Prescott, John E.: The Evolution of Competitive Intelligence – designing a process for

action, Proposal Management, spring 1999., p. 37-52.

279) Prescott, John E., Miller, Stephen H. (Eds.): Proven Strategies in Competitive

Intelligence, John Wiley & Sons, New York, 2001.

280) Rabelo, Ricardo J., Pereira-Klen, Alexandra A., Klen, Edmilson R.: A multi-agent

system for smart coordination of dynamic supply chains, PRO-VE'2002 -3rd IFIP

Working Conference on Infrastructures for Virtual Enterprises, May 2002.

281) Raisinghani, M.S., Meade, L.L.: Strategic decisions in supply-chain intelligence using

knowledge management: an analytic-network-process framework, Supply Chain

Management: An International Journal, 2005., 10 (2), p. 114-121.

282) Ramayah, T., Omar, R.: Information exchange and supply chain performance,

International Journal of Information Technology & Decision Making, 2010., 9 (1), p.

35-52.

283) Ranjan, J.: Business intelligence: concepts, components, techniques and benefits,

Journal of Theoretical and Applied Information Technology, 2009., 9 (1), p. 60-70.

284) Rasmussen, Nils H., Goldy, Paul S., Solli, Per O.: Financial Business Intelligence,

John Wiley & Sons, New York, 2002.

285) Redman, T.C.: Data Driven: Profiting from your most important business asset,

Harvard Business Press, Boston, 2008.

286) Reyes, P., Raisinghani, Mahesh S.: Integrating Information Technologies and

Knowledge-based systems: A Theeoretical Approach in Action for Enhancements in

380

Production and Inventory Control, Knowledge and Process Management, 2002., 9 (4),

p. 256-263.

287) Reyes, P.M.: Logistics networks: A game theory application for solving the

transshipment problem, Applied Mathematics and Computation, 2005., 168, p. 1419-

1431.

288) Rodenberg, Joseph, H.A.M.: Strategic Intelligence in Future Perspective, Eburon

Delfi, Amsterdam, 2012.

289) Rogers, B., Panos, M.: White Paper: Adding Intelligence to the Supply Chain, 2006.,

preuzeto sa http://www.vchainsolutions.com 12.08.2010.

290) Rozga, A.: Multivarijacijska statistička analiza (autorizirana predavanja), Ekonomski

fakultet Split, Split, 2010.

291) Sabbaghi, A., Vaidyanathan, G.: Effectiveness and Efficiency of RFID technology in

Supply Chain management: Strategic values and Challenges, Journal of Theoretical

and Applied Electronic Commerce Research, 2008., 3 (2), p. 71-81.

292) Sadlovska, V., Viswanathan, N.: Supply Chain Intelligence: A Command and Control

Center for Managing Enterprise Performance, Aberdeen Group, November 2008., p.

1-24.

293) Saeed, K. A., Malhotra, M. K., Grover, V.: Interorganizational System Characteristic

and Supply Chain Integration: An Empirical Assessment, Decision Sciences, 2011., 42

(1), p. 7-42.

294) Sahay, B. S., Ranjan, J.: Real time business intelligence in supply chain analytics,

Information Management & Computer Security, 2008., 16 (1), p. 28-48.

295) Sanders, N. R.: An empirical study of the imapct of e-business technologies on

organizational collaborration and performance, Journal of Operations Management,

2007., 25, p. 1332-1347.

296) Sanders, N. R.: Pattern of information technology use: The impact on buyer-supplier

coordination and performance, Journal of Operations Management, 2008., 26, p. 349-

367.

297) Sawka, K.: Are we valuable?, Competitive Intelligence Magazine, April – June 2000.,

3 (2), p. 1-4

298) Segetlija, Z.: Razvoj poslovne logistike i novi izazovi, VII međunarodni znanstveni

skup „Poslovna logistika u suvremenom menadžmentu“, Osijek, 2007., p. 1-31.

299) Segetlija, Z.: Uvod u poslovnu logistiku, Ekonomski fakultet Osijek, Osijek, 2008.

381

300) Seuring, S., Muller, M.: From literature review to a conceptual framework for

sustainable supply chain management, Journal of Cleaner Production, 2008., 16, p.

1699-1710.

301) Sezen, B.: Relative effects of design, integration and information sharing on supply

chain performance, Supply Chain Management: An International Journal, 2008., 13

(3), p. 233-240.

302) Shaker, Steven M., Open Source Collection & Analysis on Supply Chain

Vulnerabilities, Information to Intelligence, Sept. 12, 2009.

303) Sharp, S.: Competitive Intelligence Advantage, John Wiley & Sons, New Jersey, 2009.

304) Shear, C.J.: Business Counterintelligence: Sustainable Practice or Passing Fad?,

Thesis presented in fulfilment of the requirements for the degree Master of Arts,

Stellenbosch University, march, 2009.

305) Shih, T.H., Fan, X.: Response rates and Mode Prefernces in Web-Mail Mixed-Mode

Surveys: A Meta-Analysis, Intranational Journal of Internet Science, 2007., 2 (1), p.

59-82.

306) Shorby, D.: Business Intelligence and Supply Chain Management, white paper, Supply

Chain Consultants, 2003., preuzeto 01.03.20121. s http://www.suplychain.com

307) Shropshire, J.: A canonical analysis of intentional information security breaches by

insiders, Information Management & Computer Security, 2009., 17 (4), p. 296-310.

308) Singer, S.: Izbor najbolje strategije, in Buble, M. (red.): Strategijski management,

Ekonomski fakultet, Split, 1997., p. 182-190.

309) Simatupang, T.M., Sridharan, R.: A characterisation of information sharing in supply

chains, Operational Research Society of New Zeland (ORSNZ) Conference, 2001., p.

1-19.

310) Simatupang, T.M., Wright, A.C., Sridharan, R.: The knowledge of coordination for

supply chain integration, Business Process Management Journal, 2002., 8 (3), p. 289-

308.

311) Simatupang, T.M., Sridharan, R.: The collaboration index: a measure for supply chain

collaboration, International Journal of Physical Distribution & Logistics Management,

2005., 35 (1), p. 44-62.

312) Skjoett-Larsen, T., Thernoe, C., Andresen, C.: Supply chain collaboration:

Theoretical perspective and empirical evidence, International Journal of Physical


382

313) Slone, Reuben E., Dittman, J. Paul, Mentzer, John T.: The New Supply Chain Agenda,

Harvard Business Press, Boston, 2010.

314) Smietana, F.: Enhancing Supply Chain Visibility with Pervasive Business Intelligence,

Business Intelligence Journal, 2010., 15 (1), p. 30-38.

315) Smith, S.: Strateg: suvremeni strateški menadžment u svjetskoj praksi, M.E.P.

Consult, Zagreb, 2003.

316) Smouther, G.: Supply Chain Competitive Intelligence, Supply Chain Management

Professional Education Review, March 2009.

317) Sodhi, M. S., Son, B. G.: Supply-chain partnership performance, Transportation

Research Part E, 2009., 45, p. 937-945.

318) Soon, Q.H., Udin, Z.M.: Supply chain management from perspective of value chain

flexibility: an explaratory study, Journal of Manufacturing Technology Management,

2011., 22 (4), p. 506-526.

319) Speier, C., Mollenkopf, D., Stank, T.P.: The Role of Information Integration in

Facilitating 21st Century Supply Chains: A Theory-Based Perspective, Transportation

Journal, spring 2008., 47 (2), p. 21-38.

320) Spekman, R.E., Kamauff, J.W., Myhr, N.: An empirical investigation into supply

chain management: a perspective on partnership, Supply Chain Management: An

International Journal, 1998., 3 (2), p. 53-67.

321) Spremić, M.: Moving to e-Business: Exploratory Study on e-Business Readiness in

Croatian Large Companies, Zagreb International Review of Economics & Business,

2003., 6 (1-2), p. 103-119.

322) Srića, V. i sur.: Menedžerska informatika, M.E.P. Consult, Zagreb, 1999.

323) Srića, V., Spremić, M.: Informacijskom tehnologijom do poslovnog uspjeha, Sinergija,

Zagreb, 2000.

324) Srića, V., Muller, J.: Put k elektroničkom poslovanju, Sinergija, Zagreb, 2001.

325) Stank, T.P., Keller, S.B., Closs, D.J.: Performance Benefits of Supply Chain Logistical

Integration, Transportation Journal, winter/spring 2001-2002., 41 (2/3), p. 32-46.

326) Stoel, M.D., Muhanna, W.A.: IT capabilities and firm performance: A contigency

analysis of the role of industry and IT capability type, Information & Management,

2009., 46, p. 181-189.

327) Strategija – Economistove poslovne enciklopedije, Privredni vjesnik, Zagreb, 1996.

383

328) Stefanović, N., Majstorović, V., Stefanović, D.: Supply Chain Business Intelligence

Model, 13th CIRP International Conference on Life Cycle Engineering, 2006., p. 613-

618.

329) Stock, James R., Boyer Stefanie L., Harmon, T.: Research opportunities in supply

chain management, Journal of the Academy of Marketing Science, 2010., 38 (1), p.

32-41.

330) Storey, J., Emberson, C., Godsell, J., Harrison, A.: Supply chain management: theory,

practice and future challenges, International Journal of Operations & Production

Management, 2006., 26 (7), p. 754-774.

331) Stubs, E.: The Value of Business Analytics, John Wiley & Sons, New Jersey, 2011.

332) Subramani, M.: How Do Suppliers Benefit from Information Technology Use in

Supply Chain Relationships?, MIS Quarterly, 2004., 28 (1), p. 45-73.

333) Supply Chain Management Review: Global Supply Chain Survey: Key Challenges

and Opportunities in the High Technology Sector, April, 2011.

334) Swafford, P.M., Ghosh, S., Murthy, N.N.: A framework for assessing value chain

agility, International Journal of Operations & Production Management, 2006., 26 (2),

p. 118-140.

335) Swafford, P.M., Ghosh, S., Murthy, N.: Achieving supply chain agility through IT

integration and flexibility, International Journal of Production Economics, 2008., 116,

p. 288-297.

336) Swaminathan, J. M., Tayur, S. T.: Models for Supply Chains in E-Business,

Management Science, 2003., 49 (10), p. 1387-1406.

337) Swanson, E.B.: The Manager's Guide to IT Innovation Waves, MIT Sloan

Management Review, winter 2012., 53 (2), p. 75-83.

338) Tachizawa, E.M.: Uncertainty, Integration and Supply Flexibility, PhD Dissertation,

Universitat Pompeu Fabra, 2007.

339) Tan, Keah C.: Supply Chain Management: Practices, Concerns, and Performance

Issues, The Journal of Supply Chain Management, winter 2002., 38 (1), p. 42-53.

340) Tang, C., Tomlin, B.: How Much Flexibility Does It Take to Mitigate Supply Chain

Risks?, in Zsidisin, G.A., Ritchie, B.: Supply Chain Risk Management -

Developments, Issues and Challenges, Springer, New York, 2008., p. 156-174.

341) Taskov, K.: Factors Contributing to an Effective Business Intelligence Product, 15th

Americas Conference on Information Systems (AMCIS), San Francisco, 6-9 August

2009.

384

342) Tavakol, M., Dennick, R.: Making sense of Cronbach's alpha, International Journal of

Medical Education, 2011., 2, p. 53-55.

343) Taylor, J.: Decision Management Systems – A Practical Guide to Using Business

Rules and Predictive Analytics, IBM Press, New Jersey, 2012.

344) TDWI Research, 2011 TDWI BI Benchmark Report – Organizational and

Performance Metrics for Business Intelligence Teams, 2011.

345) TDWI Research, 2012 TDWI BI Benchmark Report – Organizational and

Performance Metrics for Business Intelligence Teams, 2012.

346) Teo, T.S.H., Choo, W.Y.: Assessing the impact of using the Internet for competitive

intelligence, Information & Management, 2001., 39, p. 67-83.

347) Teuteberg, F., Wittstruck, D.: A Systematic Review of Sustainable Supply Chain

Management Research, MKWI 2010., p. 1001-1015.

348) The Economist: Data, data, everywhere, Feb. 21th 2010, print edition

349) The Economist: A diffierent game: Information is transforming traditional business,

Feb 25th 2010, print edition.

350) Thierauf, Robert, J.: Effective business intelligence systems, Quorum books, London,

2001.

351) Thompson, R.H., Holcomb, M.C., Manrodt, K.B.: Transforming Logistics: A Road

map to Fulfillment Excellence, Year 2001 Report on Trends and Issues in Logistics

and Transportation, Cap Gemini Ernst & Young, 2001.

352) Tkalec Verčić, A.,Sinčić Ćorić, D., Pološki Vokić, N.: Priručnik za metodologiju

istraživačkog rada, M.E.P. Zagreb, 2010.

353) Trent, Robert J.: Strategic Supply Management: Creating the Next Source of

Competitive Advantage, J. Ross Publishing, Lauderdale (FL), 2007.

354) Trent, Robert J., Roberts, Llewellyn R.: Managing Global Supply and Risk, J. Ross

Publishing, Lauderdale (FL), 2010.

355) Trkman, P., McCormack, K., de Oliveira, M. P. V., Ladeira, Marcelo B.: The impact

of business analytics on supply chain performance, Decision Support Systems, 2010.,

49, p. 318-327.

356) Vereecke, A., Muylle, S.: Performance improvement through supply chain

collaboration, Industrial Journal of Operations & Production Management, 2006., 26

(11), p. 1176-1198.

385

357) Vesset, D., McDonough, B., Morris, H., Dreyfus, D., Venkatraman, N., Woodward,

A.: Improving Organizational Decision-making Through Pervasive Business

Intelligence, IDC, 2008.

358) Vickery, S. K., Jayaram, J., Droge, C., Calantone, R.: The effects of an integrative

supply chain strategy on customer service and financial performance: An analysis of

direct versus indiect relatinship, Journal of Operations Management, 2003., 21,p. 523-

539.

359) Vierkorn, S., Mack, M., Finucane, B., Witte, T.S.: Organization of Business

Intelligence 2010, 2nd ed., BARC – Business Application Research Centre, Wurzburg,

August, 2010.

360) Viswanathan, N., Sadlovska V.: Supply Chain Intelligence: Adopt Role-Based

Operational Business Intelligence and Improve Visibiliy , Aberdeen Group, February

2010., p. 1-25.

361) Vitt, E., Luckevich, M., Misner, S.: Business Intelligence, Microsoft Press, Redmond,

2002.

362) Vouk, R.: Uloga menadžmenta opskrbnog lanca u povećanju konkurentnosti

poduzeća, Ekonomski pregled, Zagreb, 2005., 56 (11), p. 1013-1030.

363) Vural, E., Sengul, O., Davis, S., Gunther, H.: Business Intelligence for a Supply Chain

Management System, Issues in Information Systems, 2006., VII (2), p. 29-32.

364) Wacker, J.G.: A definition of theory: research guidlines for different theory-building

research methods in operations management, Journal of Operations Management,

1998., 16, p. 361-385.

365) Wagner, B. A., Fillis, I., Johansson, U.: E-business and e-supply strategy in small and

medium sized business (SMEs), Supply Chain Management: An International Journal,

2003., 8 (4), p. 343-354.

366) Waters, D.: Supply Chain Risk Management, Kogan Page, London, 2009.

367) Waters, T.J.: Hyperperformance: Using Competitive Intelligence for Better Strategy

and Execution, Jossey-Bass, San Francisco, 2010.

368) Watson, H.J., Wixom, B.H., Buonamici, J.D., Revak, J.R.: Sherwin-Williams Data

mart Strategy: Creating Intelligence Across the Supply Chain, Communications of the

Association for Information Systems, 2001., 5 (9), May 2001., p. 1-27.

369) Watson, H., Ariyachandra, T., Matyska, R.J.: Data Warehousing stages of growth,

Information Systems Management, 2001., 18 (3), p. 42-50.

386

370) Watson, H. J.: Tutorial: Business Intelligence – Past, Present, and Future,

Communications of the Association for Information Systems, 2009., 25., article 39, p.

488-510.

371) Wang, Eric T. G., Wei, H. L.: Interorganizational Governance Value Creation:

Coordinating for Information Visibility and Flexibility in Supply Chains, Decision

Sciences, November 2007, 38 (4), p. 647-674.

372) Wehmeier, S. (Ed.): Oxford Advanced Learner's Dictionary of Current English, 7th

ed., Oxford University Press, Oxford, 2010.

373) Weihrich, H., Koontz, H.: Menadžment, X izdanje, MATE, Zagreb, 1993.

374) Wheatley, R.: Tools to Help You Survive and Prosper – Working Capital, Supply

Chain, and Business Intelligence, Accountancy Ireland, December 2009., 41 (6), p.

58-59.

375) Wheelen, Thomas L., Hunger, David J.: Strategic management and business policy,

10th ed., Pearson Prentice Hall, New Jersey, 2006.

376) Whitby, P., Scot, I.: Managing supply-chain risk for reward, Economist Intelligence

Unit – A Report white paper, 2009.

377) Wieder, B., Booth, P., Matolcsy, Z.P., Ossimitz, M.L.: The impact of ERP systems on

firm and business process performance, Journal of Enterprise Information

Management, 2006., 19 (1), p. 19-29.

378) Wilkins, Richard L.: Competitive Intelligence: The New Supply Chain Edge, Supply

Chain Management Review, January 1, 2007.

379) Williams, S., Williams, N.: The Business Value of Business Intelligence, Business

Intelligence Journal, 2003.

380) Williams, N., Williams, S.: Capturing ROI through Business-Centric BI Development

Methods, Information Management Magazine, 2004., 8.

381) Williams S., Williams, N.: The Profit Impact of Business Intelligence, Morgan

Kaufman, San Francisco, 2007.

382) Wixom, Barbara H., Watson, Hugh T.: An Empirical Investigation of the factors

Affecting Data Warehousing Success, MIS Quarterly, march 2001., 25 (1), p. 17-41.

383) Xu, M.: Managing Strategic Intelligence, Information Science Reference, New York,

2007.

384) Yang, K. H.: Finding Critical Success Factors of Ubiquitous Supply Chain

Management, Pacific Asia Conference on Information Systems, PACIS 2008.,

preuzeto s http://aisel.aisnet.org/pacis2008/22

387

385) Yigitbasioglu, O.M.: Information sharing with key suppliers: a transaction cost theory

perspective, International Journal of Physical Distribution & Logistics Management,

2010., 40 (7), p. 550-578.

386) Zachariassen, F., Arlbjorn, J.S.: Doctoral dissertations in logistics and supply chain

management: A review of Nordic contributions from 2002 to 2008, International

Journal of Physical Distribution & Logistics Management, 2010., 40 (4), p. 332-352.

387) Zebić, O.: Poslovno obavještavanje i oblikovanje poslovnih strategija hrvatskih

poduzeća, specijalistički poslijediplomski rad, Ekonomski fakultet Zagreb, 2010.

388) Zelenika, R.: Metodologija i tehnologija izrade znanstvenog i stručnog djela, četvrto

izdanje, Ekonomski fakultet u Rijeci, Rijeka, 2000.

389) Zelenika, R., Pupavac, D.: Menadžment logističkih sustava, Ekonomski fakultet u

Rijeci, Rijeka, 2008.

390) Zhang, Q., Vonderembse, M.A., Lim, J.S.: Spanning flexibility: supply chain

information dissemination drives strategy development and customer satisfaction,

Supply Chain Management: An International Journal, 2006., 11 (5), p. 390-399.

391) Zhang, X., Yang, J., Wang, H.: Doctoral dissertation in supply chain management

research: a comprehensive review from 1999. to 2006., International Journal of

Management in Education, 2009., 3 (1), p. 70-81.

392) Zhou, H., Benton, W. C. Jr.: Supply chain practice and information sharing, Journal

of Operations Management, 2007., 25, p. 1348-1365.

393) Zsidisin, G.A., Ritchie, B.: Supply Chain Risk Management - Developments, Issues

and Challenges, in: Zsidisin, G.A., Ritchie, B. (Eds.): Supply Chain Risk, Springer,

New York, 2008., p. 1-12.

394) Žibret, B.: Strateška nabava, Mate, Zagreb, 2007.

388

Prilog 1. Popratni dopis

ZAMOLBA ZA SUDJELOVANJE U ISTRAŽIVANJU POD NASLOVOM „KONCEPT

POSLOVNA INTELIGENCIJA I UPRAVLJANJE OPSKRBNIM LANC EM“

Poštovani!

Doktorand sam na Ekonomskom fakultetu u Splitu i trenutno radim na pripremi provođenja

znanstvenog istraživanja pod naslovom „Koncept poslovna inteligencija i upravljanje

opskrbnim lancem“. Cilj istraživanja jest utvrditi kako primjena ovog koncepta utječe na

upravljanje opskrbnim lancem u konkretnoj praksi poduzeća u Republici Hrvatskoj. Obzirom

da je riječ o novome konceptu, ovo će istraživanje doprinijeti razvoju i razumijevanju

koncepta za provedbu u poslovanju, te će poslužiti kao orijentir poduzećima za njegovu

implementaciju. U tom smislu priključivanjem istraživanju stječete pravo da Vam dostavimo

rezultate istraživanja, kojima ćete se slobodno moći koristiti u poslovanju.

U kontekstu istraživanja poslovnu inteligenciju promatramo kao:

koncept svjesnog, organiziranog, kontinuiranog, legalnog i legitimnog

prikupljanja, analiziranja i korištenja podataka i informacija za poslovanje. Provodi se

pomoću informacijske tehnologije, ali i na druge načine. Prikupljaju se relevantne

spoznaje o kupcima, dobavljačima, konkurentima, industrijskoj grani, tehnologija ma,

institucionalnoj regulativi, i drugim čimbenicima koji izravno, ili neizravno, utječu na

poslovanje poduzeća, a radi potpore menadžmentu u donošenju poslovnih odluka.

Anketa je u potpunosti anonimna, a podaci dobiveni istraživanjem koristiti će se isključivo za

potrebe izrade doktorske disertacije, te će biti prezentirani u agregatnoj formi bez objave

podataka sudionika istraživanja. Upitnik je napravljen u skladu s etičkim Sveučilišnim

standardima. Vaše poduzeće je kompetentno za uključenje u istraživanje ukoliko možete

pozitivno odgovoriti barem na jednu od sljedećih tvrdnji:

- primjenjujete poslovnu inteligenciju na razini cjelokupnog sustava, ili

određene strateške poslovne jedinice poduzeća (npr. marketinški odjel, odjel

za razvoj, financije i računovodstvo, proizvodnja, komercijala, nabava i sl.);

- primjenjujete poslovnu inteligenciju samo kod određenih poslovnih procesa;

389

- koristite u poslovanju neke od tehnologija i platformi za skladištenje

podataka (Data Warehouse), rudarenje podacima (Data Mining), OLAP

alate;

- koristite napredne analitičke tehnike, i simulacijske i vizualizacijske

programe.

Ukoliko možete potvrditi barem jednu od navedenih tvrdnji molimo da slijedite link gdje se

nalazi anketni upitnik. Vaše znanje, poslovni iskustvo i odgovori predstavljaju neprocjenjivu

važnost te se nadam da će Vam vrijeme i obveze dopustiti ispunjavanje upitnika.

Srdačan pozdrav,

Ante Luetić, mr.oec. doktorand EFST prof.dr.sc. Neven Šerić, mentor

390

Prilog 2. Anketni upitnik

OSNOVNE INFORMACIJE O VAŠEM PODUZE ĆU

1. Glavna/pretežita djelatnost Vašega poduzeća je:

1 primarna proizvodnja (poljoprivreda, ribarstvo, rudarstvo...)

2 prerađivačka industrija / proizvodnja

3 trgovina

4 turizam i ugostiteljstvo

5 građevinarstvo

6 bankarstvo, osiguranje i financijske usluge

7 telekomunikacije

8 poslovne usluge (pravne, konzalting, savjetodavne, računovodstvene...)

9 ostalo

2. Broj zaposlenih u Vašemu poduzeću je:

9 do 10

10 od 11 do 50

11 od 51 do 250

12 preko 251

3. Pravni oblik Vašega poduzeća je:

13 dioničko društvo

14 društvo s ograničenom odgovornošću

15 javno poduzeće

16 komanditno društvo

17 inozemni osnivač

18 ustanova

19 ostalo

Molim Vas da kod sljedećih tvrdnji o Vašemu poduzeću izaberete samo jedan odgovor koji najbolje iskazuje Vaš stav o navedenome.

391

Uopće se ne slažem

Uglavnom se ne slažem

Niti se slažem niti se ne slažem

Uglavnom se slažem

Potpuno se slažem

1 2 3 4 5

KONCEPT POSLOVNA INTELIGENCIJA

4. Izvori podataka i informacija

BI 1 1. Unutarnji izvori podataka i informacija objedinjeni su na razini procesa ili projekata.

1 2 3 4 5

BI 2 2. Unutarnji izvori podataka i informacija objedinjeni su na razini službi ili odjela.

1 2 3 4 5

BI 3 3. Vanjski izvori podataka i informacija koje koristite lako su Vam dostupni.

1 2 3 4 5

BI 4 4. U Vašemu se poduzeću podaci i informacije nalaze posvuda; na serveru, u bazama podataka, proračunskim tablicama i ostalim datotekama i aplikacijama.

1 2 3 4 5

BI 5 5. Podaci i informacije su integrirani i iskoristivi za izvještavanje i analiziranje u realnome vremenu.

1 2 3 4 5

5. Pouzdanost podataka i informacija

BI 6 6. Unutarnji prikupljeni podaci i informacije su pouzdani (vjerodostojni).

1 2 3 4 5

BI 7 7. Vanjski prikupljeni podaci i informacije su pouzdani (vjerodostojni).

1 2 3 4 5

BI 8 8. Prisutna je nedosljednost prikupljenih podataka i informacija. 1 2 3 4 5

6. Pristup podacima i informacijama

BI 9 9. Za pristup podacima i informacijama u Vašemu se poduzeću prakticira provjeravanje korisničkog identiteta (autentifikacija).

1 2 3 4 5

BI 10 10. U Vašemu se poduzeću točno zna tko ima pristup kojim podacima i informacijama.

1 2 3 4 5

BI 11 11. U Vašemu se poduzeću provodi zaštita od zloupotrebe podataka i informacija.

1 2 3 4 5

BI 12 12. Traženi podaci i informacije dostupni su u realnome vremenu. 1 2 3 4 5

7. Napredna analitika

BI 13 13. Vaše poduzeće koristi tehnike rudarenja podacima (Data mining).

1 2 3 4 5

BI 14 14. Vaše poduzeće koristi OLAP alate. 1 2 3 4 5

BI 15 15. Vaše poduzeće koristi upravljačke ploče (Dashboards). 1 2 3 4 5

BI 16 16. Informacije i analize su vizualizirane. 1 2 3 4 5

392

8. Intuicija i vrijeme

BI 17 17. Poslovne odluke donosite na temelju činjenica. 1 2 3 4 5

BI 18 18. Iako koristite PI za donošenje poslovnih odluka, također je uključen „dobar osjećaj“ i iskustvo.

1 2 3 4 5

BI 19 19. Primjenom PI smanjilo se vrijeme od nastanka događaja do njegovog evidentiranja.

1 2 3 4 5

BI 20 20. Primjenom PI smanjilo se vrijeme od evidentiranja događaja do dostupnosti informacije o njemu.

1 2 3 4 5

BI 21 21. Primjenom PI povećalo se raspoloživo vrijeme za donošenje poslovnih odluka.

1 2 3 4 5

9. Organizacija poslovne inteligencije

BI 22 22. Vaše poduzeće koristi platformu za skladištenje podataka (Data Warehouse).

1 2 3 4 5

BI 23 23. U Vašemu je poduzeću PI organizirana na razini cijelog poduzeća.

1 2 3 4 5

BI 24 24. U Vašemu je poduzeću PI organizirana na razini pojedinih odjela ili službi.

1 2 3 4 5

BI 25 25. U Vašemu je poduzeću PI organizirana na razini pojedinih procesa ili projekata.

1 2 3 4 5

BI 26 26. U Vašem poduzeću poslovna inteligencija još nije sustavno organizirana.

1 2 3 4 5

INFORMACIJSKA VIDLJIVOST

10. Kvaliteta sadržaja

IV 1 27. Podaci i informacije koje koristite su točni. 1 2 3 4 5

IV 2 28. Podaci i informacije koje koristite primjereni su potrebama. 1 2 3 4 5

IV 3 29. Podaci i informacije koje koristite su iskoristivi. 1 2 3 4 5

IV 4 30. Unutarnji podaci i informacije redovito se ažuriraju. 1 2 3 4 5

11. Razina vidljivost

IV 5 31. S Vašim ključnim dobavljačima razmjenjujete strateške podatke i informacije.

1 2 3 4 5

IV 6 32. S Vašim ključnim dobavljačima razmjenjujete operativne podatke i informacije.

1 2 3 4 5

IV 7 33. S Vašim ključnim kupcima razmjenjujete strateške podatke i informacije.

1 2 3 4 5

IV 8 34. S Vašim ključnim kupcima razmjenjujete operativne podatke i informacije.

1 2 3 4 5

INTEGRACIJA

12. Suradnja unutar poduzeća

393

INT 1 35. U Vašemu se poduzeću operativni podaci i informacije razmjenjuju između različitih funkcijskih odjela ili službi.

1 2 3 4 5

INT 2 36. U Vašem poduzeću svi povezni odjeli sudjeluju u ocjenjivanju i izboru dobavljača.

1 2 3 4 5

INT 3 37. U Vašem poduzeću postoje višestruke verzije „istina“ o pojedinim partnerima.

1 2 3 4 5

INT 4 38. U Vašem su poduzeću integrirani procesi opskrbnoga lanca. 1 2 3 4 5

13. Suradnja između poduzeća

INT 5 39. Vaše poduzeće sa ostalim sudionicima opskrbnoga lanca unapređuje kvalitetu proizvoda i usluga.

1 2 3 4 5

INT 6 40. Vaše poduzeće sa ostalim članovima opskrbnoga lanca razvija nove proizvode i usluge.

1 2 3 4 5

INT 7 41. Vaše poduzeće sa ostalim članovima opskrbnoga lanca integrira zajedničke operativne procese.

1 2 3 4 5

INT 8 42. Odnosi s Vašim ključnim dobavljačima su partnerski. 1 2 3 4 5

INT 9 43. Odnosi s Vašim ključnim kupcima su partnerski. 1 2 3 4 5

UPRAVLJANJE OPSKRBNIM LANCEM

14. Agilnost

SCM 1 44. Vaše je poduzeće smanjilo vrijeme odziva na kupčeve zahtjeve. 1 2 3 4 5

SCM 2 45. Vaše je poduzeće povećalo točnost isporuka na vrijeme. 1 2 3 4 5

SCM 3 46. Vaše je poduzeće povećalo kompletiranost isporuka. 1 2 3 4 5

SCM 4 47. Vaše je poduzeće spremno reagirati na potrebne modifikacije. 1 2 3 4 5

15. Prilagodljivost

SCM 5 48. Vaše je poduzeće sposobno u relativno kraćemu roku reagirati na neočekivane tržišne poremećaje.

1 2 3 4 5

SCM 6 49. Vaše poduzeće kontinuirano analizira poslovnu okolinu. 1 2 3 4 5

SCM 7 50. Vaše poduzeće kontinuirano preispituje i unapređuje svoju poslovnu strategiju.

1 2 3 4 5

16. Usklađenost

SCM 8 51. Vaše poduzeće nastoji usklađivati strateške planove s ključnim dobavljačima.

1 2 3 4 5

SCM 9 52. Vaše poduzeće nastoji usklađivati strateške planove s ključnim kupcima.

1 2 3 4 5

SCM 10 53. Vaše poduzeće sa svojim partnerima iz opskrbnog lanca provodi optimalizaciju povezanih procesa.

1 2 3 4 5

17. Proaktivnost

SCM 11 54. U upravljanju opskrbnim lancem provodite scenario analize. 1 2 3 4 5

394

SCM 12 55. U upravljanju opskrbnim lancem provodite prognoziranje događanja.

1 2 3 4 5

SCM 13 56. U upravljanju opskrbnim lancem provodite analize trenda. 1 2 3 4 5

SCM 14 57. U upravljanju opskrbnim lancem koristite analizu vremenskog slijeda (timelining).

1 2 3 4 5

18. Performanse

SCM 15 58. Vaše je poduzeće smanjilo troškove vezane za funkcioniranje opskrbnog lanca.

1 2 3 4 5

SCM 16 59. Vaše je poduzeće povećalo povrat na imovinu (ROA) u odnosu na konkurente.

1 2 3 4 5

SCM 17 60. Vaše je poduzeće povećalo povrat na uloženo (ROI) u odnosu na konkurente.

1 2 3 4 5

SCM 18 61. Vaše je poduzeće povećalo tržišni udjel/volumen prodaje u odnosu na konkurente.

1 2 3 4 5

SCM 19 62. Vaše je poduzeće povećalo efikasnost opskrbnoga lanca. 1 2 3 4 5

SCM 20 63. Skratili ste vrijeme donošenja odluka unutar opskrbnoga lanca. 1 2 3 4 5

Prilog 3. Svojstvene vrijednosti za I dimenziju poslovne inteligencije

Komponenta Inicijalna svojstvena vrijednost

Total % of Varijance Kumulativ %

1 2,397 39,955 39,955

2 1,016 16,933 56,887

3 ,840 14,000 70,887

4 ,720 12,001 82,888

5 ,584 9,729 92,617

6 ,443 7,383 100,000


Prilog 4. Faktorska opterećenja za I dimenziju poslovne inteligencije

Varijabla Komponenta

1

BI1 ,667

BI2 ,602

BI3 ,594

BI5 ,747

BI6 ,676

BI7 ,471


395

Prilog 5. Svojstvene vrijednosti za II dimenziju poslovne inteligencije


Total % of Variance Cumulative %

1 2,443 61,074 61,074

2 ,736 18,391 79,465

3 ,442 11,058 90,523

4 ,379 9,477 100,000


Prilog 6. Faktorska opterećenja za II dimenziju poslovne inteligencije


1

BI9 ,718

BI10 ,851

BI11 ,832

BI12 ,715


Prilog 7. Svojstvene vrijednosti za III dimenziju poslovne inteligencije



1 2,449 61,234 61,234

2 ,709 17,732 78,966

3 ,456 11,390 90,356

4 ,386 9,644 100,000


Prilog 8. Faktorska opterećenja za III dimenziju poslovne inteligencije


1

BI13 ,798

BI14 ,829

BI15 ,821

BI16 ,671


396

Prilog 9. Svojstvene vrijednosti za IV dimenziju poslovne inteligencije



1 2,615 52,293 52,293

2 ,894 17,876 70,168

3 ,671 13,424 83,593

4 ,542 10,832 94,425

5 ,279 5,575 100,000


Prilog 10. Faktorska opterećenja za IV dimenziju poslovne inteligencije


1

BI17 ,564

BI18 ,596

BI20 ,831

BI21 ,857

BI22 ,719


Prilog 11. Svojstvene vrijednosti za V dimenziju poslovne inteligencije



1 1,951 48,765 48,765

2 1,064 26,604 75,369

3 ,618 15,460 90,829

4 ,367 9,171 100,000


Prilog 12. Faktorska opterećenja za V dimenziju poslovne inteligencije


1

BI23 ,598

BI24 ,627

BI25 ,774

BI26 ,775


397

Prilog 13. Svojstvene vrijednosti za I dimenziju informacijske visljivosti



1 2,662 66,558 66,558

2 ,541 13,516 80,074

3 ,486 12,156 92,230

4 ,311 7,770 100,000


Prilog 14. Faktorska opterećenja za I dimenziju informacijske vidljivosti


1

IV1 ,799

IV2 ,853

IV3 ,842

IV4 ,766


Prilog 15. Svojstvene vrijednosti za II dimenziju informacijske vidljivosti



1 2,444 61,110 61,110

2 ,762 19,061 80,171

3 ,654 16,340 96,512

4 ,140 3,488 100,000


Prilog 16. Faktorska opterećenja za II dimenziju informacijske vidljivosti


1

IV5 ,751

IV6 ,799

IV7 ,787

IV8 ,788


398

Prilog 17. Svojstvene vrijednosti za I dimenziju integracije



1 1,516 50,517 50,517

2 ,809 26,950 77,467

3 ,676 22,533 100,000


Prilog 18. Faktorska opterećenja za I dimenziju integracije


1

INT1 ,737

INT2 ,749

INT4 ,642


Prilog 19. Svojstvene vrijednosti za II dimenziju integracije



1 2,689 53,772 53,772

2 1,179 23,572 77,344

3 ,486 9,724 87,068

4 ,355 7,099 94,167

5 ,292 5,833 100,000


Prilog 20. Faktorska opterećenja za II dimenziju integracije


1

INT5 ,765

INT6 ,808

INT7 ,742

INT8 ,661

INT9 ,681


399

Prilog 21. Svojstvene vrijednosti za I dimenziju SCM-a



1 3,075 76,867 76,867

2 ,544 13,596 90,464

3 ,244 6,092 96,556

4 ,138 3,444 100,000


Prilog 22. Faktorska opterećenja za I dimenziju SCM-a


1

SCM1 ,892

SCM2 ,920

SCM3 ,934

SCM4 ,748


Prilog 23. Svojstvene vrijednosti za II dimenziju SCM-a



1 2,206 73,538 73,538

2 ,483 16,087 89,626

3 ,311 10,374 100,000


Prilog 24. Faktorska opterećenja za II dimenziju SCM-a


1

SCM5 ,815

SCM6 ,886

SCM7 ,870


400

Prilog 25. Svojstvene vrijednosti za III dimenziju SCM-a



1 1,957 65,240 65,240

2 ,530 17,679 82,920

3 ,512 17,080 100,000


Prilog 26. Faktorska opterećenja za III dimenziju SCM-a


1

SVM8 ,809

SCM9 ,803

SCM10 ,811


Prilog 27. Svojstvene vrijednosti za IV dimenziju SCM-a



1 3,082 77,048 77,048

2 ,390 9,751 86,798

3 ,299 7,482 94,280

4 ,229 5,720 100,000


Prilog 28. Faktorska opterećenja za IV dimenziju SCM-a


1

SCM11 ,891

SCM12 ,862

SCM13 ,888

SCM14 ,869


401

Prilog 29. Svojstvene vrijednosti za V dimenziju SCM-a



1 3,967 66,111 66,111

2 ,873 14,551 80,662

3 ,520 8,672 89,334

4 ,351 5,844 95,178

5 ,185 3,090 98,268

6 ,104 1,732 100,000


Prilog 30. Faktorska opterećenja za V dimenziju SCM-a


1

SCM15 ,799

SCM16 ,797

SCM17 ,830

SCM18 ,746

SCM19 ,864

SCM20 ,837


“poslovna inteligencija i upravljanje opskrbnim lancem” ante luetića

Documents