poslovna inteligencija projekat1
TRANSCRIPT
PROJEKTNI RAD IZ PREDMETAPOSLOVNA INTELIGENCIJA
TEMA: Maloprodaja
Profesor: Studenti:Prof. dr Neđo Balaban Borovnica Tanja 91/06 Kojović Zorana 589/06
Banja Luka, jun 2009.god.
DM Maloprodaja (P7)
Svrha formiranja ovog Data Marta jeste analiza prodaje u maloprodajnim objektima. Za
svaki maloprodajni objekat se evidentira mesto u kome se nalazi, tržišni segment kojem
pripada i broj zaposlenih. Prodaja se analizira na osnovu podataka fiskalnog računa i
podataka o načinu njegovog izmirenja. Iz fiskalnog računa se vidi u kom objektu i kada je
izvršena prodaja, šta je prodato, po kojoj ceni, kolika je neto vrednost, koliki je iznos PDV
i kolika je bruto vrednost računa.
Robe su grupisane u podgrupe, grupe i divizije (npr. Coca Cola u PET pakovanju od 2L
pripada podgrupi Gaziranih sokova, grupi Sokovi i diviziji Bezalkoholna pića) i za svaku
je određena stopa PDV.
Za svaki račun se evidentira način plaćanja računa: gotovina, kartica ili ček. Jedan račun se
može platiti kombinovano pa se za svaki način plaćanja navodi pripadajući deo računa.
Dnevni pazar čini gotovina prikupljena u toku dana.
Neke od analiza koje bi ovaj DM trebao pružiti su sledeće:
- Struktura prodaje po maloprodajnim objektima prema grupama roba
- Stuktura načina plaćanja
- Indeksi vrednosti prodaje u odnosu na prethodnu godinu
- Kretanje vrednosti prodaje i dnevnog pazara po danima, nedeljama, itd.
- Kretanje vrednosti prodaje po zaposlenom
- 10 maloprodajnih objekata sa najvećom dnevnom vrednošću prodaje
- Prosečna vrednost fiskalnog računa po objektima maloprodaje
- ...
2
1. UVOD
Data mart omogućava nam da izgradimo sistem podrške odlučivanju ( Decision Support
System ) za menadžera zaposlenog u preduzeću koje se bavi prodajom alkoholnih i
bezalkoholnih pića. Sistem korisnicima treba da obezbjedi da dobiju informacije potrebne
za analizu prodaje u maloprodajnim objektima, i za donošenje odluka. Upravljanje bilo
kojom organizacijom uključuje donošenje odluka i rješavanje problema odlučivanja. Ovaj
sistem sadrži podatke, informacije i znanje za donošenje odluka i rješavanje problema
odlučivanja u upravljanju. Upravljanje organizacijom se sastoji od 4 osnovne funkcije:
planiranje
organizovanje
usmjeravanje
kontrolisanje.
Donošenje odluka može biti kratkoročno i dugoročno. U slučaju kratkoročnog donošenja
odluka možemo posmatrati prodaju alkoholnih i bezalkoholnih pića u toku jedfne godine,
kvartalno, mjesečno, nedeljno i svakodnevno, pa nam ta analiza omogućava da
preduzmemo neophodne aktivnosti u skladu sa dobijeniom rezultatima. Dugoročno
donošenje odluka pomaže nam da izaberemo nove strateške ciljeve i da te ciljeve
reazlizujemo. Sama prodaja analizira se na osnovu podataka koji se nalaze na fiskalnom
računu i na osnovu načina na koji se izmiruju ti računi. DSS koji će biti izgrađen na osnovu
ovog projekta je zaokruženi koncept upravljanja procesom prodaje pića, i može se
primijeniti u bilo kojoj organizaciji koja se bavi istom djelatnošću. DSS daje podršku
korisniku, ne zanemarujući ga, ali mu istovremeno ostavlja slobodu da donese finalnu
odluku. Ključni aspekt je podizanje sposobnosti donosioca odluke, ostavljajući računaru da
uradi ono što radi najbolje – kvantitativne analize.
3
2. SVRHA, CILJEVI I ZADACI DATA MART – A2
Svrha, ciljevi i zadaci DSS se ispoljavaju u omogućavanju dobijanja informacija i
indikatora performanse za podršku sljedećih podprocesa u procesu prodaje alkoholnih i
bezalkoholnih pića:
analiza trendova prodaje
predviđanje prodaje
planiranje prodaje
analiza i segmentacija kupca
analiza i planiranje prihoda ostvarenih od prodaje
analiza i planiranje troškova nabavke
planiranje finansijskih sredstava za podršku prodaje
planiranje toka novca.
3. DJELOKRUG DATA MARK-A
Preduzeće koje se bavi maloprodajom pića treba da ima sve vrste alkoholnih i
bezalkoholnih pića koje kupci potražuju. Uspjeh preduzeća mjeri se njegovom
sposobnošću da u velikoj konkurenciji ostvari visoko učešće na tržištu, da zadovolji sve
zahtjeve kupaca, da nema gomilanja zaliha i da ostvari profit. Primarni djelokrug data
mark-a prodaje pića je da:
za dati vremenski period (po danima, nedeljama, mjesecima, kvartalima i
godinama) omogući analiziranje prodaje pića po grupama, podgrupama, vrstama,
proizvođačima i mjestu prodaje
tokom vremena omogućiti analiziranje trendova prodaje, predviđanje i planiranje
prodaje
poređenje nivoa zaliha sa 30-to dnevnom tražnjom, podrazumjevajući da je obim
prodaje u prethodnom periodu tražnja za naredni period.
Znači, osnovni zadatak Data Mark-a prodaje alkoholnih i bezalkoholnih pića je da razvije
model koji će pomoći preduzeću da unapređuje proces prodaje i upravlja performansom.
4
4. KORISNICI
Krajnji korisnici ovog data Mark-a su menadžeri i zaposleni u prodavnici pića. Oni će ovaj
sistem za podršku odlučivanju svakodnevno koristiti. Imamo različite kategorije korisnika:
početnike, uobičajene korisnike, poslovne analitičare, napredne korisnike i one korisnike
koji sami razvijaju aplikacije. Svaki od ovih korisnika ima različite zahtjeve za podacima, i
koristi različite tehnike, metode i sredstva pristupa podacima. Takođe, svaki od ovih
korisnika podatke koristi za različite analize. Ipak, u našem slučaju, ovaj DSS koristiće
menadžeri i osoblje koje se bavi prodajom alkoholnih i bezalkoholnih pića, a prije svega,
on će im pomoći pri analizi prodaje, unapređenju svog rada i pripremi strateških, taktičkih i
operativnih odluka za upravne organe preduzeća.
5. IZVJEŠTAJI
Izvještaji predstavljaju obrađene podatke prikazane na odgovarajući način krajnjem
korisniku. Oni omogućavaju da korisnik stekne uvid u poslovanje kroz analizu podataka, i
mnogo mu olakšavaju rad. Uslov za kreiranje izvještaja je postojanje projekta sa
činjanicama, atributima i mjerama. Ukoliko oni postoje, korisnik uz pomoć hijerarhije,
filtera ili nekih drugih objekata na jednostavan način može doći do željenih informacija.
Menadžeri u početku najčešće koriste samo gotove, tj. unaprijed kreirane izvještaje, a
vremenom, oni počinju da ih modifikuju sa ciljem da dobiju drugačiji prikaz podataka,
onako kako imodgovara. Korisnici se mogu i osposobiti da sami kreiraju izvještaje prema
vlastitim potrebama.
U našem slučaju, tj. u slučaju maloprodaje alkoholnih i bezalkoholnih pića imamo više
izvještaja koji se primjenjuju. Naravno, ta lista nije konačna i uvijek se može proširiti sa
novim izvještajima koji će zadovoljiti sve korisnikove potrebe. Ti izvještaji su:
5
IZVEŠTAJ/ANALIZA
ID IZV NAZIV IZVEŠTAJA
IZ01 Struktura prodaje po maloprodajnim objektima prema grupama roba
IZ02 Stuktura načina plaćanja
IZ03 Indeksi vrijednosti prodaje u odnosu na prethodnu godinu
IZ04 Kretanje vrijednosti prodaje i dnevnog pazara po danima, nedeljama, itd.
IZ05 Kretanje vrijednosti prodaje po zaposlenom
IZ06 10 maloprodajnih objekata sa najvećom dnevnom vrijednošću prodaje
IZ07 Prosječna vrijednost fiskalnog računa po objektima maloprodaje
Struktura prodaje po maloprodajnim objektima prema grupama roba
Prodajni centar 1 Prodajni centar 2 Prodajni centar n
BEZALKOHOLNAPIĆA
SOKOVI GAZIRANI SOKOVI
Vrsta 1 Vrsta 2 Vrsta n
UKUPNO GAZIRANI SOKOVI
NEGAZIRANI SOKOVI Vrsta 1 Vrsta 2 Vrsta nUKUPNO NEGAZIRANI
SOKOVIUKUPNO SOKOVI
VODA
Vrsta 1 Vrsta 2
Vrsta nUKUPNO VODA
UKUPNO BEZALKOHOLNA PIĆA
ALKOHOLNAPIĆAVINO
Vrsta 1
6
Vrsta 2 Vrsta n UKUPNO VINO
PIVO Vrsta 1 Vrsta 2 Vrsta n UKUPNO PIVO
RAKIJA Vrsta 1 Vrsta 2 Vrsta n
UKUPNO RAKIJALIKERI
Vrsta 1 Vrsta 2 Vrsta n
UKUPNO LIKERIUKUPNO ALKOHOLNA
PIĆA
Stuktura načina plaćanja
NETO PRIHOD PDV UKUPAN PRIHOD
GOTOVINSKO PLAĆANJE
Proizvod 1 Proizvod 2 Proizvod n
UKUPNO GOTOVINSKO
KARTICA Proizvod 1 Proizvod 2 Proizvod n
UKUPNO KARTICAČEK
Proizvod 1 Proizvod 2 Proizvod n
UKUPNO ČEKUKUPNO PRIHOD
7
Kretanje vrijednosti prodaje i dnevnog pazara po danima, nedeljama,
itd.
VRIJEME PRIHOD
UKUPAN PRIHOD NETO PRIHOD PDV2009 PonedeljakUtorakSrijedaČetvrtakPetakSubotaNedelja 1PonedeljakUtorakSrijedaČetvrtakPetakSubotaNedelja 2PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 3PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 4
JANUAR 2009PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 1PonedeljakUtorakSrijedaČetvrtakPetak
8
Subota
Nedelja 2PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 3 PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 4
FEBRUAR 2009PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 1PonedeljakUtorakSrijedaČetvrtakPetakSubotaNedelja 2PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 3PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 4
9
MART 2009
KVARTAL IPonedeljakUtorakSrijedaČetvrtakPetakSubotaNedelja 1PonedeljakUtorakSrijedaČetvrtakPetakSubotaNedelja 2PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 3PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 4
APRIL 2009PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 1PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 2PonedeljakUtorak
10
SrijedaČetvrtakPetakSubota
Nedelja 3 PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 4
MAJ 2009PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 1PonedeljakUtorakSrijedaČetvrtakPetakSubotaNedelja 2PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 3PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 4
JUN 2009
KVARTAL IIPonedeljakUtorakSrijedaČetvrtakPetakSubotaNedelja 1
11
PonedeljakUtorakSrijedaČetvrtakPetakSubotaNedelja 2PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 3PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 4
JUL 2009PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 1PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 2PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 3 PonedeljakUtorakSrijedaČetvrtakPetakSubota
12
Nedelja 4
AVGUST 2009PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 1PonedeljakUtorakSrijedaČetvrtakPetakSubotaNedelja 2PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 3PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 4SEPTEMBAR 2009
KVARTAL IIIPonedeljakUtorakSrijedaČetvrtakPetakSubotaNedelja 1PonedeljakUtorakSrijedaČetvrtakPetakSubotaNedelja 2Ponedeljak
13
UtorakSrijedaČetvrtakPetakSubota
Nedelja 3PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 4
OKTOBAR 2009PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 1PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 2PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 3 PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 4NOVEMBAR 2009PonedeljakUtorakSrijedaČetvrtakPetakSubota
14
Nedelja 1PonedeljakUtorakSrijedaČetvrtakPetakSubotaNedelja 2PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 3PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 4PonedeljakUtorakSrijedaČetvrtakPetakSubotaNedelja 1PonedeljakUtorakSrijedaČetvrtakPetakSubotaNedelja 2PonedeljakUtorakSrijedaČetvrtakPetakSubota
Nedelja 3PonedeljakUtorakSrijedaČetvrtakPetakSubota
15
Nedelja 4DECEMBAR 2009
KVARTAL IVUKUPNO 2009
Kretanje vrijednosti prodaje po zaposlenom
NAZIV
PROIZVODA PRIHODProdajni objekat 1 Prodavac 1 Prodavac 2 Prodavac nUKUPNO Prodajni objekat 1Prodajni objekat 2 Prodavac 1 Prodavac 2 Prodavac nUKUPNO Prodajni objekat 2Prodajni objekat n Prodavac 1 Prodavac 2 Prodavac nUKUPNO Prodajni objekat n
10 maloprodajnih objekata sa najvećom dnevnom vrijednošću prodaje
NETO PRIHOD PDV UKUPAN PRIHODProdajni objekat Prodajni objekat 1 Prodajni objekat 2 Prodajni objekat 3 Prodajni objekat 4
16
Prodajni objekat 5 Prodajni objekat 6 Prodajni objekat 7 Prodajni objekat 8 Prodajni objekat 9 Prodajni objekat 10
Prosječna vrijednost fiskalnog računa po objektima maloprodaje
Prodajni objekat 1
Prodajni objekat 2
Prodajni objekat
3 …
Prodajni objekat
n
Broj fiskalnih računa
UKUPAN PRIHODPROSJEČNA VRIJEDNOST
FISKALNOG RAČUNA
6. DIMENZIJE I HIJERARHIJA DIMENZIJA
17
Modelovanje podataka je process definisanja modela podataka za projekat ili aplikaciju i
obično se obavlja u isto vrijemekada i poslovni model tokom faze dizajna projekta. Model
podataka sastoji se od entiteta, atributa, relacija i kardinaliteta. Dimenzionalno
modelovanje koristi se za oblikovanje baza podataka koje će olakšati i ubrzati pristup
podacima u velikim skupovima podataka, kao i potrebne obrade i analize podataka radi
crpljenja informacija iz njih. Osnovni pojmovi u dimenzionalnom modelu su: činjenice,
dimenzije, relacije i granularnost. Činjenice sadrže numeričke mjere poslovanja, dimenzije
sadrže tekstualne opise subjekata koji se mjere, relacije kazuju das u tabele činjenica u
presjeku sa tabelama dimenzija, i granularnost se tiče nivoa detaljnosti činjenica
uskladištenih u Data Warehouse. Dimenzije poslovanja su tekstualni opisi osoba,
organizacija, entiteta, stvari, mjesta, vremena, koje su značajne za poslovanje. Dimenzije u
ovom Data Mart-u su:
vrijeme
kupac
prodajni objekat
prodavac
roba.
Hijerarhija predstavlja način organizovanja atributa, najčešće iz jedne dimenzije, za
potrebe korišćenja od strane korisnika. Poznavajući hijerarhijski odnos između atributa,
sistem može da odgovori na zahteve za dinamičkom analizom podataka. Sve dimenzije
tabele činjenica su hijerarhijski ustrojene.
Slike koje slijede prikazuju kreiranje hijerarhije za ove dimenzije, a hijerarhija obuhvata i
njima pripadajuće atribute.
18
VRIJEME PRODAJE
19
godina- prodaje
godina- kvartalprodaje
godina- mjesecprodaje
datum- prodaje
kvartal - prodaje
mjesec - prodaje
dan - prodaje
KUPAC
20
drzava kupca
opstina kupca
mjesto kupca
adresa kupca
JMBG, ime, prezime,datum rodjenja,pol, zanimanje, broj telefona
kupac
drzava prodajnog
objekta
PRODAJNI OBJEKAT
opstina prodajnog
objekta
mjesto prodajnog
objekta
broj zaposleni
hprodajni objekat
21
PRODAVAC
drzava prodavca opstina prodavcamjesto prodavca
JMBG, str.sprema, pol,rad.mjesto,god.staza,
ime,prezime,adresa, br.telefona, E-mail
prodavac
22
NACIN PLAĆANJA
cek
23
kartica
gotovina
nacinplacanja
ROBA
divizija robepodgrupa robe
grupa robe ID roberoktrajanja
proizvodjacpakovanje zapremina ambalazadatumproizvodnje
7. ČINJENICE I METRIKE
Tabele činjenica, koje se ponekad nazivaju i glavnim tabelama, sadrže kvantitativne ili
činjeničke podatke o poslovanju – informacije koje korisnici traže. Činjenice bi trebale da
24
budu što je moguće detaljnije što bi omogućilo da se podaci sagledaju iz najvećeg
mogućeg broja perspektiva. Elementi tabele činjenica u ovom modelu su:
osnovna cijena
PDV
ukupna cijena.
Kao korisničke objekte potrebno je razviti određeni set metrika koje će biti korišćene za
izradu izvešta potrebnih korisniku. U ovom projektu su definisane sledeće metrike:
ukupan prihod SUM (ukupna cijena) po danima, nedeljama, mjesecima, kvartalima,
godinama
broj prodatih vozila COUNT (ID_robe) po grupama, podgrupama, prouzvođačima,
pakovanju, danima, nedeljama, mjesecima, kvartalima i godinama
kretanje ukupnog prihoda u odnosu na prethodni period (ukupan prihod u
prethodnom period / ukupan prihod u tekućem period) * 100
ukupan naplaćeni PDV SUM (PDV).
8. DIMENZIONALNI MODEL
Dimenzionalni model je model koji se upotrebljava za dizajn baze podataka koja će biti
predmet analitičke obrade. Slika prikazuje dimenzionalni model jednog segmenta Data
Warehouse-a, takozvanog Data Mart-a. U našem slučaju, prikazan je Data Mart prodaje
pića, a model je razvijen u CASE alatu Erwin.
Svaki dimenzionalni model sastoji se od tabela činjenica i tabela dimenzija. Tabela
činjenica sadrži kvantitativne ili činjeničke podatke o poslovanju – informacije koje
korisnik traži. One su potpuno normalizovane, a sve činjenice zavise od cjelokupnog
(stranog) ključa. U projektu u kom je obrađena maloprodaja pića, u tabeli činjenica nalaze
se: Osnovna cijena, PDV i ukupna cijena.
Tabela dimenzija najčešće sadrži deskriptivne tekstualne informacije. One su manje od
tabela činjenica, i sadrže deskriptivne podatke koji odražavaju dimenziju poslovanja. One
su denormalizovane. U ovom projektu, imamo sljedeće tabele dimenzija: Vrijeme, Kupac,
Prodavac, Prodajni objekat, Roba i Način prodaje.
25
9. ZAKLJUČAK
Današnje poslovanje u bilo kom sektoru teško da se može zamisliti bez odgovarajućeg
Data Werehouse-a, jer nam razvoj informacionih tehnologija prosto to nameće, pa su
26
danas svugdje oko nas prisutni DW, od malih pa do veoma složenih. Napraviti Data
Werehouse nije nimalo jednostavan posao, naprotiv, on je veoma složen, zahtjeva mnogo
vremena i rada. Ali, kada se napravi, onda je preduzeću mnogo lakše da posluje.
U ovom projektu, svi posmatrani procesi obrađeni su na određenom nivou apstrakcije i
posmatrano iz tog ugla, ova Data Werehouse ne može u potpunosti da funkcioniše u
realnom svijetu. Za stvarnu primjenu potrebno je dodatno izmeniti ili poboljšati neke
pojedinosti.
27