Katedra informačních technologií

Bankovní institut vysoká škola Praha

Katedra informačních technologií

Controlling – nástroj řízení podniku

Diplomová práce

Autor:

David Vrbka Informační technologie a Management

Vedoucí práce:

Praha

Ing. Zdeněk Čapek

Duben 2011

Prohlášení: Prohlašuji, ţe jsem diplomovou práci zpracoval samostatně a v seznamu uvedl veškerou pouţitou literaturu. Svým podpisem stvrzuji, ţe odevzdaná elektronická podoba práce je identická s její tištěnou verzí, a jsem seznámen se skutečností, ţe se práce bude archivovat v knihovně BIVŠ a dále bude zpřístupněna třetím osobám prostřednictvím interní databáze elektronických vysokoškolských prací.

V Třeboni, dne 16. 04. 2011

David Vrbka

2

Poděkování: Touto cestou bych chtěl poděkovat vedoucímu mé diplomové práce Ing. Zdeňku Čapkovi za odbornou pomoc, připomínky a rady, které mi byly poskytovány při konzultacích během zpracování práce.

3

Anotace Tato diplomová práce popisuje a navrhuje současné metody a postupy v malé nebo střední bance při zavádění controllingu jako nástroje pro řízení podniku. Zabývá se i tím, jakým způsobem tuto oblast neustále vylepšovat, jaké kontrolní mechanismy nastavit pro udrţení informační kvality a kvality výstupů controllingové činnosti. Současná hospodářská situace vyţaduje, aby podniky/banky vyuţívaly co nejintenzivněji moderní nástroje řízení. Jedním z těchto nástrojů je Controlling, který slouţí jako zdroj informací pro vedení, v otázkách strategických rozhodnutí. Proto musí mít Controlling neustále aktuální a správná data pro tvorbu informačních výstupů pro vedení. Tato informační kvalita silně závisí na kvalitě dat. Proto je nezbytně nutné zajistit tuto kvalitu jiţ na zdrojových systémech a tuto kvalitu udrţet při transformaci dat do formátu poţadovaném oddělením controllingu. Annotation This diploma work describes and proposes current methods and procedures in a small or middle-size Bank for implementing controlling as tools for managing company. It deals with the best ways how to constantly improve this area, which control mechanisms to set up to maintain quality of information and quality of output controlling operations. The current economic situation requires companies/banks to use modern management tools. One of these tools is controlling, which serves as a source of management information for strategic decisions. That is why Controlling must still have current and correct data to create information outputs for the leadership. The quality of information depends heavily on the quality of data. Therefore it is necessary to ensure this quality on the source systems and to sustain this quality during transformation of data into the format which is required by department of controlling.

4

Obsah Úvod ...................................................................................................................................... 7 1.

Controlling - oblast metod řízení ................................................................................. 8 1.1 Obsahové vymezení controllingu jako nástroje řízení ....................................................................... 8 1.1.1 Pojem controlling ...................................................................................................................... 9 1.1.2 Funkce a cíle controllingu ......................................................................................................... 9 1.1.3 Controlling z hlediska cílové orientace ................................................................................... 10 1.2 Úlohy Controllingu .......................................................................................................................... 12 1.2.1 Controllingový útvar................................................................................................................ 14 1.2.2 Controllingové úlohy ............................................................................................................... 14 1.3 Controllingové veličiny.................................................................................................................... 15 1.3.1 Krycí příspěvek ....................................................................................................................... 15 1.3.2 Bod zvratu ............................................................................................................................... 16 1.4 Benchmarking .................................................................................................................................. 16 1.4.1 Kategorie Benchmarkingu ...................................................................................................... 17 1.4.2 Kvalita a TQM ......................................................................................................................... 19 1.4.3 Kvalita a Benchmarking .......................................................................................................... 21 1.4.4 Produktivita ............................................................................................................................. 22 1.4.5 Čas ........................................................................................................................................... 23

2.

Procesně orientovaný systém řízení .......................................................................... 24 2.1 Proces a procesní řízení .................................................................................................................. 24 2.1.1 Proces ...................................................................................................................................... 24 2.1.2 Procesní řízení ......................................................................................................................... 24 2.1.3 Procesní přístup ....................................................................................................................... 24 2.1.4 Procesně řízená firma .............................................................................................................. 25 2.1.5 Procesní model firmy............................................................................................................... 25 2.2 Zásady při zavádění procesního řízení ............................................................................................ 26 2.2.1 Testování uţitečnosti řízení procesů ........................................................................................ 26 2.2.2 Nezávislost na organizační struktuře ....................................................................................... 26 2.2.3 Postup shora dolů..................................................................................................................... 26 2.2.4 Výběr vhodných nástrojů......................................................................................................... 27 2.2.5 Průběţné zlepšování procesů ................................................................................................... 27 2.3

Procesní modely .............................................................................................................................. 28

2.4

Zavádění a rozvoj procesního řízení v podniku ............................................................................... 28

2.5

Postup implementace procesní organizace a procesního managementu ......................................... 30

2.6

Knowledge management .................................................................................................................. 33

2.7 Základní části procesu KM .............................................................................................................. 34 2.7.1 Záznam znalostí ....................................................................................................................... 34 2.7.2 Kvalita znalostního managementu ........................................................................................... 34 2.7.3 Poučení ze zkušeností a provedených rozhodnutí ................................................................... 35 2.7.4 Sdílení metodik a budování konsistentních procesů a pracovních postupů ............................. 35 2.7.5 Migrace zaměstnanců .............................................................................................................. 35 2.8 Dělení dat z hlediska KM................................................................................................................. 35 2.8.1 Rozvoj KM .............................................................................................................................. 36 2.9 Definování požadavků systému controllingu ................................................................................... 36 2.9.1 Poţadovaný výsledek .............................................................................................................. 37

3.

Controlling a kvalita dat ............................................................................................ 38 3.1

Ukládání dat .................................................................................................................................... 38

5

3.1.1 3.1.2 3.1.3 3.1.4 3.1.5 3.2

Historie ukládání dat................................................................................................................ 39 Prosté databáze ........................................................................................................................ 39 Relační databáze ...................................................................................................................... 39 Datové sklady .......................................................................................................................... 40 Data Mining ............................................................................................................................. 41

Datový sklad, definice...................................................................................................................... 42

3.4 Typy datových skladů ...................................................................................................................... 43 3.4.1 Podnikový sklad ...................................................................................................................... 43 3.4.2 Datové trţiště ........................................................................................................................... 44 3.4.3 Virtuální sklad ......................................................................................................................... 44 3.4.4 Datové kostky .......................................................................................................................... 44 3.5

Čištění, inspekce .............................................................................................................................. 47

3.6

Příčina nekvalitních dat................................................................................................................... 48

3.7 Management a zlepšování ............................................................................................................... 48 3.7.1 KAIZEN .................................................................................................................................. 49 3.7.2 Čištění dat ................................................................................................................................ 50 3.7.3 Komplexní řešení ETL ............................................................................................................ 50 3.8 Jaká jsou nejčastější úskalí v ETL vrstvě?....................................................................................... 51 3.8.1 Obchodní logika implementovaná do předdefinovaných modelů velkých systémů ................ 51 3.8.2 Nedodrţená referenční a doménová integrita .......................................................................... 51 3.8.3 Duplicita dat ............................................................................................................................ 52 3.8.4 Náhodné chyby způsobené člověkem ...................................................................................... 52 3.8.5 Problém měnících se dimenzí .................................................................................................. 52 3.8.6 Metadata .................................................................................................................................. 53 3.8.7 Stručný přehled ETL nástrojů .................................................................................................. 54 3.8.8 Návratnost investic do nástrojů ETL ....................................................................................... 55

4.

Dopady nekvalitních dat na Controlling.................................................................... 56 4.1 Současný stav .................................................................................................................................. 56 4.1.1 Dopady chyb na základě chybných definic ............................................................................. 57 4.1.3 Nedostatečná aktualizace dat ................................................................................................... 59

5.

Návrh opatření a kontrolních mechanismů ................................................................ 60 5.1 Změna současného stavu = projekt ................................................................................................. 60 5.1.1 Prvotní analýza současného stavu............................................................................................ 60 5.1.2 Vydefinování cílů projektu – stav budoucí .............................................................................. 61 5.1.3 Proces definování potřebných veličin ...................................................................................... 62 5.2 Datová vrstva .................................................................................................................................. 63 5.2.1 Aktuální situace pro pouţití Datamartu ................................................................................... 63 5.2.2 Velký rozsah zpracovávaných dat ........................................................................................... 63 5.2.3 Příliš dlouhá doba zpracovávání .............................................................................................. 64 5.2.4 Potřeba historických dat .......................................................................................................... 65 5.2.5 Určení problematické hodnoty ................................................................................................ 65 5.3 Controllingové výstupy .................................................................................................................... 66 5.3.1 Výpočet krycího příspěvku ...................................................................................................... 66 5.3.2 Výpočty plnění plánu............................................................................................................... 66 5.3.3 Porovnání s konkurencí ........................................................................................................... 67 5.4 MIS – Manažerský informační systém ............................................................................................. 68 5.4.1 Data mining ............................................................................................................................. 68 5.5

Vhodná prezentační vrstva .............................................................................................................. 70

Závěr .................................................................................................................................... 71

6

Úvod Controlling se v podnikové praxi trvale vyvíjí, je vedoucí a důleţitou funkcí, která je nedílnou součástí kaţdého podniku. Controlling je systém řízení zaměřený na výsledek, který svou činností překračuje hranice funkcí a řídí plánování, kontrolu a informační toky. Controlling lze také označit jako „hospodářské svědomí podniku“. Controlling se jako pojem se dostal do evropského pojmu z USA. Mnoho autorů se v odborné literatuře snaţí Controlling definovat co nejpřesněji jako pojem. Tyto definice jsou často rozdílné, jak podle toho na co se jednotlivý autor zaměřuje, tak také podle časově historického hlediska. Controlling lze chápat také jako určitou fázi řízení, tedy i fázi kontrolní, jde tedy pouze modifikovaný název běţně prováděných kontrol podnikových činností a vyhodnocování jejich výsledků. Toto je v praxi častý jev, lze vyjádřit také jako ţádnou podstatnou změnu v systému řízení podniku. Nový a přínosný pohled pak controlling především přináší ve významu řídící funkce, kde pak tento představuje jasnou koncepci řízení podniku zaloţenou na úplném informačním a organizačním propojení plánovacího, řídícího a kontrolního procesu. Controlling musí slouţit jako celek pro management, ten jej potom v plánovacím systému a rozhodování vyuţívá k vytvoření konkrétního plánu a zpracovává k těmto účelům Controllingem připravené a zpracované informace získané z informačního systému. Cílem této diplomové práce je posouzení a popsání současných metod a postupů pro nastavení controllingu jako oblasti a řízení získávaní potřebných dat a jejich kvality, které mají zásadní dopad na rozhodování vedení podniku/banky.

7

1. Controlling - oblast metod řízení 1.1 Obsahové vymezení controllingu jako nástroje řízení Neustále se měnící podnikatelské prostředí vystavuje čím dál více kaţdý podnik vlivu především konkurenčního prostředí. Podniky tak v této v době celosvětové finanční krize procházejí mnohdy vývojovými stádii a reálnými nelehkými situacemi s většími či menšími úspěchy a mnohdy se do krizových situací dostávají také vlivem okolí a svých vlastních vztahů vůči okolí. Ne vţdy jsou tyto krizové situace vyvolány schopnostmi manaţera nebo managementu podnik, ale v praxi jsou značně často ovlivňovány rozsahem a kvalitou informací potřebných pro řízení podniku o podniku samém. Toto lze také vyjádřit jako definici: Rozhodování managementu je přímo závislé na informacích které pravidelně dostává o podniku, který řídí. Během posledních let se controlling v podnikové praxi trvale vyvíjí a je vedoucí a důleţitou funkcí, která je nedílnou součástí kaţdého podniku. Přesto jsou značné názorové rozdíly o pojmu controlling a jeho náplni a cílech jeho činnosti. Zcela mylně se controlling srovnáván s kontrolou. Controlling má daleko větší cíle, které mají velice málo společného s pouhou kontrolou. Controlling je systém řízení zaměřený na výsledek, který svou činností překračuje hranice funkcí a řídí plánování, kontrolu a informační toky. Controlling lze také označit jako „hospodářské svědomí podniku“. V zásadě by se mělo přísně rozlišovat mezi controllingem jako činností a controllerem – jako osobou/funkcí, která tuto činnosti vykonává. Controlling je ve smyslu řízení hlavním úkolem managementu a výsledky práce controllingu jsou podkladem pro rozhodování managementu v nejrůznějších otázkách týkajících se řízení podniku, včetně těch strategických. Controlling vyjádřený jako proces a způsob myšlení vzniká v týmu za součinnosti manaţera a controllera a představuje průnik obou mnoţin. Zavedení takové controllingu by mělo být pojato jako samostatný projekt, který pojme nejrůznější činnost/procesy v podniku. Controlling nemusí být primárně pozice nebo osoba, ale je to soubor úkolů, které musí být plněny různými úseky/zaměstnanci nebo samotným vedením, aniţ by byla některá pracovní pozice nebo zaměstnanec nositelem funkce „controller“. Především v malých a

8

středních podnicích vykonává činnost controllora samotné vedení podniku nebo např. účetní odbor. 1

1.1.1

Pojem controlling

Controlling jako pojem se dostal do evropského pojmu z USA. S ohledem na problémy o co nejpřesnější překlad tohoto slova z angličtiny do jiných jazyků, se tento pojem nepřekládá a pouţívá se v původní podobě, jako např. i u pojmů Riskmanagement, Cash Flow. Mnoho autorů se v odborné literatuře snaţí Controlling definovat co nejpřesněji jako pojem. Tyto definice jsou často rozdílné, jak podle toho na co se jednotlivý autor zaměřuje, tak také podle časově historického hlediska. Zřejmé je, ţe slovní základ, tzn. “control”, má význam kontrolovat. Je potřeba chápat, ţe pokud chceme controlling chápat pouze jako určitou fázi řízení, tedy fázi kontrolní, jde zde pouze modifikovaný název běţně prováděné kontroly podnikových činností a vyhodnocování jejich výsledků. Toto je v praxi častý jev, lze vyjádřit také jako ţádnou podstatnou změnu v systému řízení podniku. Nový a přínosný pohled pak controlling především přináší ve významu řídící funkce, kde pak tento představuje jasnou koncepci řízení podniku zaloţenou na úplném informačním a organizačním propojení plánovacího, řídícího a kontrolního procesu. Takto pojatý a implementovaný typ controllingu jako nástroje řízení musí obsahovat: systémové vytvoření controllingových informačních systémů vč. masivní datové základny aplikaci controllingových nástrojů a metod systémovou komunikaci mezi všemi útvary podniku jasně vydefinované činnosti podniku (procesní mapa) změny v myšlení lidí a jejich přístupu a postojů

1.1.2

Funkce a cíle controllingu

Funkce a cíle controllingu lze vyjádřit určitými vývojovými stupni v oblasti controllingu a především jde o tři základní orientace: controlling zaměřený vnější a vnitřní normy a jejich dodrţování controlling zaměřený na hospodárnost a provádění její analýzy controlling zaměřený na systém plánování, řízení aktivit v podniku a analyzování jejich efektu 1

Horváth Partners, Nová koncepce controllingu, strana 5

9

Tyto tři orientace by se v praxi však neměli oddělovat, ale je jasné, ţe prioritní je z hlediska podniku controllingová funkce v oblasti řízení a následné navrhování inovací. Cílem resp. orientací controllingu jako nástroje řízení by mělo být určitě zacílení se na tato kritéria: orientace na výsledky/cíle orientace na slabá místa orientace na budoucnost orientace na aktivity orientace na analytické procesy při průběţném porovnávání plánu se skutečností Při stanovení cílů musíme také respektovat nejen nutnost existence cílů jako jednoho z nástrojů řízení podniku, ale především vydefinování cíle a jeho jasnou konkretizaci do podoby: obsahu cíle, čeho má být dosaţeno rozsahu cíle, v jakém rozsahu má být cíle dosaţeno oblasti, skupina, region, sluţba atd. lhůty, do kdy má být cíl realizován Struktura cílů pro potřeby řízení podniku by měla být dána poţadavkem na optimální strukturovanost cílů do podoby: věcnosti, za věcný cíl můţeme poţadovat minimálně účel podnikání, resp. funkci, kterou má podnik na trhu plnit formálnosti, cíl musí být kvantifikovaný, např. mnoţství, rentabilita, likvidita atd. druhu, rozeznáváme minimálně taktické, operativní a strategické cíle, globální cíle

1.1.3

Controlling z hlediska cílové orientace

Ve vazbě orientace na cíle podniku se v oblasti controllingu jako nástroje řízení prosazují dva základní směry v orientaci controllingu a to: operativní controlling - realizuje své aktivity především v oblasti současného chování nebo produkci podniku v běţně konaných procesech a činnostech, a jeho cílem je působení na optimalizaci věcných, časových a hodnotových parametrů, právě probíhajícího chování podniku nebo jeho aktivit, strategický controlling - je především orientován na dlouhodobé cíle, resp. řízení budoucího potenciálu podniku jeho budoucích zisků, jeho další existence v budoucnosti, směr kam se bude podnik ubírat, a jde tedy o controlling především v oblasti strategických

10

veličin, jako jsou technologie, investice, systémy samotného řízení, výzkum, ale i sluţby a jejich inovace apod. Jednoduše lze říci, ţe specifik můţe být celá řada. Ve zde uvedené tabulce jsou jen ta základní. Tabulka č. 1: porovnání operativního a strategického controllingu: operativní controlling

strategický controlling

stupeň detailizace

vysoký

nízký

časový horizont

bliţší

vzdálenější

míra nejistoty

niţší

vysoká

hierarchie řízení

decentralizované

centralizované

rozsah alternativ

niţší

vyšší

opakovanost a strukturovanost, rutina

vysoká

nízká

Vytvořeno autorem. V praxi a v odborné literatuře se velmi často setkáme i s dalšími pojmy jako je finanční controlling nebo controlling investic. Tyto pojmy jsou často zaměňovány a je pravdou, ţe někdy prostě nelze vystačit jen s cílovým pojetím, ale musíme se být nutně respektováno také časové hledisko. Controlling a jeho komponenty musí slouţit jako celek pro management, ten jej potom v plánovacím systému a rozhodování vyuţívá k vytvoření konkrétního plánu a zpracovává k těmto účelům Controllingem připravené a zpracované informace získané ze systému toku informací. Rozhodnutí managementu pak probíhá prostřednictvím realizací jednotlivých výkonů. 2

2


11

1.2 Úlohy Controllingu Pokud se na controlling chceme dívat jako na určitou část fungujícího subsystému řízení, který se hlavně musí zaměřovat na plánování a kontrolu podnikových aktivit je bezpodmínečně nutná jeho koordinace i s dalšími prvky řídícího procesu podniku a bezvýhradně je nutná podmínka informační podpory, jinými slovy Controlling potřebuje mít k dispozici ve správný čas ta správná data ve správném formátu, tak aby mohl z těchto dat těţit potřebné informace na základě, kterých bude vedení podniku strategická i operativní rozhodnutí3. K zajištění těchto základních funkcí controllingu pak není potřeba vţdy nutná zásadní změna jiţ existující organizační struktury podniku. Většinou má podnik jiţ organizační strukturu, v jejím rámci jsou jiţ jasně vymezené kompetence jednotlivých organizačních prvků včetně jejich odpovědnosti. V mnoha podnicích jsou k dispozici i potřebné informační systémy a zdroje4. Jako bezpodmínečnou se jeví podmínka řádně vedeného účetního systému podniku. V kaţdém podniku jsou určité prvky vnitřního kontrolního systému a toto je dáno, jak právním prostředím ve kterém podnik působí, tak i jeho potřebou řízení jeho činnosti. Aby se však kontrola stala také moderním nástrojem řízení, mělo by dojít k vhodnému podpoření controllingových funkcí i oficiálně a institucionálně, např. vytvořit controllingový útvar, který bude vykonávat předem stanovené úlohy, bude mít dostatečné informační zdroje a bude také vybaven příslušnými kompetencemi. Mezi důleţité kompetence lze zařadit především: integrační kompetence, tj. controllingový útvar usměrňuje vnitropodnikové vazby k účasti na podnikových cílech, resp. jejich tvorby, koordinační kompetence, ta dává oprávnění navrhovat, implementovat a koordinovat opatření k zajištění daných podnikových cílů a podílet se na rozhodování o umístění finančních i věcných zdrojů, informační kompetence, zde nejde jen o právo dostávat informace, ale především mít nárok na informace poţadované formy a jejich obsahu, poradenské kompetence, jde o kompetence v oblasti metod, technik a nástrojů při aplikaci controllingových úloh a při tvorbě plánovacího a kontrolního procesu podniku,

3


4

Prof. Dr. Hilmar J. Vollmuth, Controlling – Nový nástroj řízení, strana 16

12

rozhodovací a nařizovací kompetence, jsou soustředěny do oblasti metodiky, systému a finanční, hospodářské oblasti s podporou vrcholového vedení. Základním úkolem controllingu je bezesporu řízení vyuţívání zdrojů, tedy kapitálu. Jak jiţ bylo řečeno, tato funkce bude sledována v etapě plánu, kontrole a analýze finančněekonomického působení v reakci na uţití kapitálu a v operativní, resp. krátkodobém vloţení kapitálu je pak controllingový proces zaměřen především na kapitál vázaný v poloţkách oběţných aktiv. Takový kapitál pak obvykle nazýváme pracovní kapitál ( working capital) a jde tedy o druh kapitálu, který obíhá, resp. se reprodukuje v rámci koloběhu prostředků v podniku (zásobování výroba, prodej). V odborné literatuře se pak pouţívá pojem, ţe takovýto majetek “pracuje”. Samotná výše a skladba pracovního kapitálu je odvislá od konkrétních podmínek podniku a zahrnuje v sobě faktory vnější i vnitřní. Mezi vnitřní faktory patří především zaměření podniku, technologie, výrobní proces, zásobování, správa pohledávek, objem prodejů, ceny, sezónnost, cykly ve výrobě, ale i způsob řízení podniku včetně strategie podniku v daném prostředí a okamţiku i budoucí výhled k zajištění trvalé úspěšnosti podniku. Vnější faktory jsou odvislé od pozice na trhu, ceny případných úvěrů (úrokové míry), legislativy v oblasti podnikání, ale i daní a povinných pojištění (zdravotní, sociální atd.). V poslední době se můţeme setkat i s ekologickými aspekty. Jak je patrné musíme při controllingové činnosti respektovat mikro i makroekonomické dopady podnikání. Jak jistě student se základními znalostmi ekonomie chápe, vyšší objemy pracovního kapitálu (oběţných aktiv), neţ podnik potřebuje, sice vytváří určité rezervy z hlediska zajištění výrobního procesu, na druhé straně mohou a často představují umrtvení kapitálu a vyvolávají neefektivní náklady. Výrazně se tento problém můţe vyskytnout především v situaci vysokých nákladů kapitálu a nízkých marţí. Situace však musí být analyzována s ohledem na všechny aspekty, neboť někdy můţeme (zvláště v oblasti zásob) spekulativně zásoby pořizovat a drţet s ohledem na budoucí vývoj cen. Stejně nebezpečná pro podnik můţe být i situaci, kdy pracovní kapitál je drţen na relativně nízké úrovni, zde většinou dochází k úsporám, na druhé straně se zdraţuje řízení takovýchto aktiv a tedy i kapitálu, podnik je v oblasti oběţných aktiv zranitelnější, jakákoliv porucha můţe vést i k ohroţení výrobního procesu. Z toho co bylo uvedeno, tedy jednoznačně vyplývá, ţe controlling pracovního kapitálu bude téměř vţdy hledat takový objem pracovního kapitálu, který je pro daný podnik, situaci či výhled pokud moţno optimální, nebo se bude pomocí dostupných controllingových nástrojů tomuto stavu blíţit. Toto je samozřejmě zároveň nejobtíţnější. Hledáme tedy takové výše 13

pracovního kapitálu, které při určité úrovni zásob, pohledávek, finančního majetku povedou k dostatečnému zisku, likviditě a tedy i úspěchu firmy, popř. hodnotíme i rizika vznikající z odchylek či poruch v objemech pracovního kapitálu. Pravdou je, ţe v poměrně velké části našich malých a středních podniků probíhá řízení pracovního kapitálu často intuitivně, přestoţe lze při vyuţití programového vybavení řízení pomocí PC dosahovat velmi uspokojivých výsledků v oblasti analýzy či určování optimální skladby pracovního kapitálu.

1.2.1

Controllingový útvar

Pokud je controllingový útvar v podniku zřízen a začleněn do organizační struktury, má nejčastěji formu štábní či liniovou, popř. jejich kombinace5. Kaţdý z těchto typů, ať uţ štábní či liniovou struktury má své přednosti či nedostatky. Mezi výhody štábního uspořádání jistě patří ulehčení útvaru controllingu od realizačních činností a jeho relativně vyšší neutralitu. Naproti negativní můţe být skutečnost existence napětí mezi štábním útvarem a manaţery liniových útvarů, coţ někdy můţe vést k oslabení controllingových funkcí. Naproti tomu u liniové formy lze očekávat hlubší zájem a účast včetně odpovědnosti a vyšší kompetenci a tedy i účinnost controllingových funkcí. Nevýhodu lze pak spatřovat v orientaci na především operativní problematiku. V praxi je třeba, při vytváření controllingových útvarů, vycházet z daných specifických podmínek, např. velikosti podniku, zaměření, řídícího stylu a poţadavků managementu. Proto má v praxi řešení zařazení a funkčnosti controllingového útvaru téměř vţdy individuální podobu dle konkrétního subjektu.

1.2.2

Controllingové úlohy

K tomu, aby byl controlling opravdu moderním nástrojem řízen, musíme být nejprve řešena otázka jasného definování úloh controllingu a konkrétních poţadovaných controllingových úloh. Rozmanitost působení controllingových úloh můţe být v podniku značná a odvíjí se ze specifik daného podniku6. Vazby na účetní systém v podniku, tedy jsou na finanční, tak i na manaţerské či nákladové účetnictví, patrné a i provázanost do informačního systému podniku na všech řídících úrovní. Důleţitý je i konkrétní vztah k podnikovému systému plánování neboli controllingové úlohy jsou prioritně navázány s kontrolní a plánovací funkcí podnikového managementu. 5


6


14

1.3 Controllingové veličiny Controlling jako nástroj řízení podniku by měl produkovat srozumitelné, jednoduché a jasně interpretovatelné hodnoty vycházející z dat poskytnutých tomuto oddělení. U řady především menších a středních podnikatelů se lze setkat s určitými nevhodnými způsoby kalkulace cen a řízení vlastní ekonomiky byť malého podniku. Řada manaţerů z tohoto této kategorie podniků totiţ nesleduje poměr celkových nákladů a trţeb v delším období a mnohdy spokojí se s dosaţením prvotních marţí (zisku) na prodejích svých výrobků či sluţeb7. Ale otázka zní, zdali jsou tyto marţe dostatečné k pokrytí celkové sumy nákladů podniku ve sledovaném období a pak navíc zda také pokryjí vygenerování poţadovaného zisku. Pro řešení této otázky jsou u menších a středních firem velice přínosné jednoduché veličiny jakými jsou „krycí příspěvek“ a „bod zvratu“.

1.3.1

Krycí příspěvek

Metoda, která nám umoţňuje „dopředné“ sledování kumulace přidaných hodnot jednotlivých výrobků, nepracuje s prostou marţí8 (to by bylo moţné pouze u obchodní firmy), ale s tzv. KRYCÍM PŘÍSPĚVKEM na krytí fixních nákladů a zisku (KP). U jednotlivého výrobku se KP spočítá takto: KPkus = PROD. CENAkus - VNkus Protoţe různé výrobky mají různé krycí příspěvky, je pak při hodnocení efektivity celé firmy počítat se sumami krycích příspěvků od všech různých výrobků za sledované období: KPcelk = ∑((PROD. CENAkus i - VNkus i) x POČET KUSŮ i)

7


8


15

1.3.2

Bod zvratu

Bod zvratu (BEP) je pak takové mnoţství výrobků, které nám vygeneruje takový součet krycích příspěvků, ţe pokryjeme všechny povinné fixní náklady (FN). BEP =

∑FN / ∑KP

=

∑((PROD. CENAkus i - VNkus i) x POČET KUSŮ i)

Pokud tedy vyrábíme (a především prodáváme) menší mnoţství výrobků, neţ je BEP, nevygenerujeme dostatečné trţby na krytí fixních nákladů a firma prodělává. Jestliţe vyrábíme (a prodáváme) větší mnoţství (ziskových) výrobků, neţ je BEP, tak generujeme zisk. Obr. 1: Bod zvratu:

1.4 Benchmarking Benchmarking je velice smysluplná a uţitečná metoda, která se zaměřuje na vyhodnocování výkonnosti podniku ve srovnání z jeho konkurencí na trhu. Pochopitelně, ţe tato metoda není jedinou moţnou a vše řešící cestou, protoţe bez důkladných znalostí propojenosti všech podstatných aspektů a trendových metod marketingu a managementu, není efektivní a účinné nic9. Před implementací benchmarkingu v nějakém podniku, je potřebné tento podrobit důkladné analýze, a aţ po porovnání všech podstatných dat a informací rozhodnout metodu, která bude s ohledem na stávající stav nejúčinnější. Vedení, které o této problematice bude rozhodovat, musí mít potřebné znalosti o všech metodách a 9

http://www.benchmarking.cz/o_benchmarkingu.asp - 21.2.2011

16

nástrojích marketingu, které jsou v podniku v současné době aplikovány. V začátcích byl benchmarking nazýván „koníčkem vedoucích pracovníků“ nebo „výkřikem módy v managementu“. Benchmarking lze popsat: Neustálý a systematický proces zabývající se na porovnání vlastní efektivnosti výkony podniku z hlediska produktivity a praxe s výkony špičkových podniků působících na trhu. Je to porovnávání výkonnosti s nejlepší dostupnou praxí. Má vliv na rozvoj podniku a organizace jeho procesů a také význam pro obstání podniku v konkurenčním boji Také lze popsat jako neustálý měřící a vyhodnocovací proces postupů, systémů a produktů uvnitř podniku. Soustavný proces zaměřený na neustálé zlepšování v okolním prostředí s cílem neustále získávat nové a uţitečné poznatky a neustále přizpůsobovat zaměření podniku a probíhající procesy tak aby se vlastní organizace v podniku se neustále dostávala na prvotřídní úroveň. Benchmarking rozhodně není: Nová a zajímavá náplň práce pro konzultanty. Pouze manaţerská hra z koho, kdo nebo co dostane. Průmyslová špionáţ. Pouze jednorázová nebo zbytečná akce, která má za cíl udělat spasitelný zázrak v krátkém čase. Naklonování „nejlepších postupů získaných praxí“ z jednoho podniku na druhý.

1.4.1

Kategorie Benchmarkingu

Před realizací uvedení této metody do běţného ţivota podniku, je potřeba pochopit a poznat kategorie a aspekty benchmarkingu. Přestoţe tato metoda byla představována jako nástroj, model a aspekt, který je funkcí jeho aplikace, je pochopitelně ovlivňován individuální reálnou situací v kaţdém podniku. Kategorie benchmarkingu Studie implementace benchmarkingu v podniku, se v praxi zaměřuje buď na produktivitu, nebo na kvalitu. Studie můţe popsat celou činnost firmy nebo pouze její část. Studie se můţe ponořit do zásadních problémů nebo můţe popsat situaci jen na obecní úrovni, pro popsání správných a smysluplných aspektů s porovnáváním s externím okolím podniku.

17

3 kategorie benchmarkingu: Interní Benchmarking Externí Benchmarking Funkční Benchmarking Interní Benchmarking: zabývá se srovnáváním v rámci podniku, např. mezi dvěma, pobočkami, profitcentry, útvary atd. Externí Benchmarking: srovnává obdobné hodnoty dosaţené např. u konkurentů či jiných firem v jiných zemích, které mají stejné nebo podobné zaměření. Funkční Benchmarking: zde se porovnávají funkce a postupy v různých oborech. Snaţí se hledat špičkové postupy kdekoli, kde je to moţné. Jedná se tedy asi o nejzajímavější kategorii. Aspekty lze popsat jako: Produktivita Kvalita Čas Aspekt produktivity: výroba určitého mnoţství produktů s co moţná nejmenším vloţením zdrojů. Hodnotu, kterou zákazník po výrobku nebo sluţbě poţaduje, není v našem případě zásadní. Aspekt kvality: znamená poskytnutí hodnoty zákazníkům, bez ohledu na vynaloţené výrobní náklady. Kvalita je základní sloţkou oceňovanou zákazníkem. Další částí je ztráta nebo cena vynaloţených zdrojů, které zákazník nebere v potaz, tak aby konkrétní sluţbu nebo výrobek získal. Aspekt času: je jednotkou pro změření kvality i produktivity. Jedná se tak spíše o niţší sloţku produktivity a do určité míry také kvality. Koncepce času tak získává stejnou důleţitost jako měření výkonnosti, s časem se tak v praxi zachází jako se samostatnou kategorií.

18

Tabulka č. 2: Benchmarking – porovnání s konkurencí:

Management, kvalifikace Marketing, přístup k informacím

Váha

Špatné 1

2

3

Střední 4

0,20

5

●

0,15

●

■

Konkurenceschopnost

0,10

●

Vývoj inovace

0,10

■

Flexibilita

0,05

Vlastnosti výrobku

0,15

Cena

0,05

Distribuce

0,10

Servis

0,05

Atraktivita sortimentu

0,05

Celkem

1.4.2

6

Dobré

X ■ AA ●

1

1,4

1,6

0,6

0,9

1,05

●

0,5

0,7

0,8

●

0,6

0,5

0,8

0,2

0,4

0,35

0,9

0,8

1,35

0,3

0,2

0,35

0,5

0,7

0,8

0,2

0,3

0,35

0,3

0,4

0,45

5,0

6,1

7,9

7

8

■

●

9

● ■

●

●

Body

●

Kritéria hodnocení

■● ■

■

●

●

●

●

●

●

■

■

●

●

■

●

1

●

A

Kvalita a TQM

Kvalita jako téma je velice obsáhlým tématem a proto se v této kapitole budeme zabývat metodou TQM (Total Quality Management – celkové řízení managementu). Tato metoda, která se zaměřuje na kvalitu, vznikla v USA jako reakce na japonskou průmyslovou expanzi na trh10. Metoda TQM je nástroj, který se zaměřuje na kvalitativní obsah organizaci podniku jeho operací. Před lety byla zřízena cena Malcom Baldrige National Quality Award, která se uděluje podnikům, které byly při implementace svých programů kvality úspěšné. Tato cena za kvalitu se spojuje s benchmarkingem dvěma zajímavými způsoby. Všechny vítězné společnosti musí sdílet své poznatky a zkušenosti s dalšími společnostmi. Nejvyšší počet bodů je podmíněn uplatňováním benchmarkingu. Tato metoda v současné době zaujala své pevné místo také Evropě. Základní kritéria: Úsilí zaměřené na zdokonalování kvality, které vede k co moţná nejvyšší produktivitě, vyšší výkonnosti, spokojenosti zákazníků a lepšímu pracovnímu výkonu všech zaměstnanců. Kvalita je pak dosahována neustále řízenou prací s cílem uspokojit jak skryté, tak i zjevné poţadavky zákazníků. Cena kvality si zakládá na modelu hodnocení, 10

http://managementmania.com/index.php/kvalita/38-ostatni/148-tqm - 25:03.2011

19

který musí pouţívat všechny druhy podniků. Takový model je zásadní pomocí při neustálé snaze zdokonalování kvality. Orientace na zákazníka: pochopitelný cíl kaţdého podniku, uspokojit zjevné i skryté potřeby zákazníka, a toto musí zaměstnanci podniku povaţovat za svou povinnost. Řízení: zde jde hlavně o firemní kulturu. Stručně to znamená, ţe aktivní a osobní angaţovanost kaţdého pracovníka je naprostou a nezbytnou samozřejmostí, a neustále dává na první místo zákazníka. Dále, ţe je velice důleţitým úkolem vedoucího pracovníka stanovit cíle a vytvářet vhodné podmínky pro všechny podřízené k naplňování těchto cílů. Tato kritéria jsou naprosto nezbytná pro vedení a zároveň i na zaměstnance, a také to, jak moc je důleţité a motivující i pro zaměstnance to, ţe jim vedení vytváří vhodné podmínky, neboť se pak i oni cítí být důleţití a zainteresováni do chodu a rozvoje podniku. Harmonická součinnost: kaţdý zaměstnanec musí jasně znát cíle, musí mít k dispozici všechny potřebné prostředky a informace o dosaţených výsledcích. Toto pak vede k vytvoření součinnosti a spolupráce v organizaci. Kvalifikace: konkurence schopnost organizace je zaloţena na kvalifikaci jejích členů a jejich kvalifikace se musí rozvíjet ve směru posilování jednotlivce i celé organizace. Dlouhodobé hledisko problematiky příslušného podniku je nutno posuzovat z hlediska dlouhodobých cílů a ne z hlediska krátkodobých výhod. Proto investování do zdokonalování kvality vede dlouhodobě k vyšší efektivnosti, vyššímu trţnímu podílu a k vyšší výkonnosti. Sociální zodpovědnost: to znamená, ţe všichni členové musí dodrţovat platné zákony a ustanovení a také trvale usilovat o další zlepšování. Orientace na proces: na všechny operace v organizaci je nutno pohlíţet jako na proces, který jde rozdělit na několik sub procesů a pomocných procesů, které musejí být předem určeny, čímţ se vytvoří základ pro stanovení odpovědnosti a pravomoci. Preventivní opatření: cílem je vlastně zabránit závadám výrobků a chybným postupům a jsou také důleţité pro vnější expertizu toho úkolu Soustavné zdokonalování: to znamená soustavné zdokonalování zboţí, sluţeb a postupů pro dosaţení nejvyšší výnosnosti. Toto hledisko musí prostupovat všemi operacemi a musí být rozšířeno mezi všechny členy organizace. Rychlejší reakce: toto zásada se týká vývoj, výroby, dodávek zboţí i sluţeb a rovněţ i administrativních prostojů. Znamená rychlejší reakční časy, kratší realizační doby a rychlejší reagování na změny.

20

Rozhodování zaloţené na faktech: kaţdý člen s pravomocí rozhodování musí mít zajištěny moţnosti měřit a analyzovat údaje ovlivňující uspokojování zákazníka a produktivitu a toto rozhodování musí být zaloţeno na zdokumentovaných faktech a spolehlivých údajích. Spolupráce: je klíčovým úkolem kaţdé organizace. Musí zahrnovat zákazníky, spolupracovníky, dodavatele, vlastníky a společnost jako celek.

1.4.3

Kvalita a Benchmarking

Cílem kaţdého podniku je tvořit větší hodnotu, neţ jsou její náklady na výrobu, tzn. zisk. Kvalita sama o sobě není konečným cílem, ale pouze prostředkem k vytvoření systému, který je optimálně schopen tvořit hodnotu. Proto zaměstnanci, informace a postupy musejí být v podniku sjednocovány tak, aby tento systém vytvářely. Benchmarking tak funguje jako velice účinný nástroj na poznávání a zjišťování toho, jak vybudovaly vlastní systém kvality jiné podniky. Proto hledisko kvality můţe

benchmarking vyuţít pro několik

vlastních cílů a to sice: normovaná kvality kvalita oceněná zákazníkem organizační rozvoj Normovaná kvalita: tento v celku jasný termín, se týká se sluţeb nebo výrobků v takové kvalitě,

která

odpovídá

předem

jasně

stanoveným

technickým

podmínkám.

V Benchmarkingu je vyuţíván ještě jeden termín a to sice vnitřní normovaná kvalita. Ta se týká zejména zdokonalování postupů, přijatých opatření v případě, ţe dojde k odchýlení se od stanovených norem, také pomocných postupů jako účetnictví, public relations, jak lze takové postupy zdokonalit a podobně. Kvalita oceněná zákazníkem: jak se společnosti, jejichţ kvalita je vynikající, vypořádávají se vztahy vůči zákazníkům, jaká opatření provádějí, aby uspokojili poţadavky svých zákazníků, jak posuzují a měří vztahy se zákazníky, jaká opatření vyuţívají k zdokonalování vztahů s nimi a jaké systémy pouţívají, aby si je udrţely nebo získaly. Uspokojování zákazníků: co úspěšné společnosti dělají, aby trvale uspokojovaly potřeby svých zákazníků, zda jsou spokojeni, jak toto zjišťují, jak člení trh, na kterém působí nebo na něj chtějí vstoupit a jaké metody pouţívají a jak se změřené hodnoty přeměňují na aktivitu. Organizační rozvoj: Benchmarking zaměřený na organizační rozvoj se týká aktivity zaměřené na vytvoření organizace schopné dodávat prvotřídní externí a normovanou kvalitu. Vhodné oblasti benchmarkingu zaměřeného na organizační rozvoj

21

Provozní zaměření: zde je typicky výrazná orientace na výkonnost nebo jaké postupy a metody se pouţívají k zajišťování naplňování těchto cílů. Rozvíjení lidských zdrojů: personální plánování, odměňování, zvyšování kvalifikace, ale i např. lékařská péče a jiné sociální aktivity. Jedná se tak o to, jaký efekt přináší rozvíjení lidských zdrojů do zdokonalování kvality. Zapojení a angaţovanost: jak organizace zvyšuje angaţovanost zaměstnanců na zvyšování kvality a dosahování cílů

1.4.4

Produktivita

Benchmarking představuje určité neustálé hledání dokonalosti v oblasti řízení zdrojů. Produktivita se dá vyjádřit jako podíl objemu výroby a spotřebovaných zdrojů11. Od kvality, která je především prostředkem poskytování hodnoty ceněné zákazníkem, produktivita je opatření k redukci vstupních zdrojů, které jsou pro výrobu nezbytné. Tento vztah velice výstiţně ilustruje následující obrázek Obr. 2: Diagram produktivity: DIAGRAM PRODUKTIVITY Vstup zdrojů Objem výroby

Vysoký Nízký Nízký

Vysoký

Vytvořeno autorem. Nacházíme-li se v levém horním kvadrantu (ohraničených buněk), jinými slovy máme-li vysoký objem výroby a na druhé straně nízký vstup zdrojů, je naše produktivita velice vysoká. I kdyţ to nemusí neznamenat, ţe to co vyrobíme, budou zákazníci kupovat, protoţe to nemusí mít pro ně hodnotu. Povíváme-li se naopak v pravém spodním kvadrantu s nízkou výrobou v poměru ke vstupům, je naše produktivita velice nízká. Samotné měření produktivity v praxi má největší význam u výrobků. Metoda benchmarkingu výborně umoţňuje optimalizovat celkové vynaloţené náklady, a to zejména v období hospodářské recese, kterou naše ekonomika nyní prochází. Pro takovou analýzu se pouţívají v praxi sloupcové grafy, kde na ose x v dolní části jsou výrobci, a v horní části rozdělené hodnotové řetězce do několika sloţek. Svislá osa y je pak cena. Ale 11

http://www.benchmarking.cz/o_benchmarkingu.asp - 21.2.2011

22

v praxi existuje mnoho nejrůznějších měřítek, která můţeme při měření výkonnosti v případě benchmarketingu v oblasti produktivity klidně pouţít. Jedna z nich se dá pouţít v praxi na obecné úrovni takto: Produktivita na jednoho zaměstnance z hlediska přidané hodnoty. Lze vyjádřit tímto vzorcem: (Příjmy – (Nákupy + Reţie + Odpisy + Úroky)) / Počet zaměstnanců Tabulka č. 3: Definice přidané hodnoty je odvozena z těchto prvků: 1

Příjmy

Operativní příjmy

2

Nákupy

Přímé náklady na nákupy

3

Reţie

Provozní reţie

4

Personální záleţitosti

Veškeré personální náklady vč. daní, odvodů atd.

5

Počet zaměstnanců

Průměrný roční počet zaměstnanců

6

Úroky

Úrok z provozního kapitálu

7

Odpisy

Plánované odpisy

Benchmarking pak v analýze umoţní velice operativně a přesně zjistit případné podezřelé neproduktivní aktivity, jakými jsou např. nahrazování práce kupovanými sluţbami – zjistit lze dosazením do vzorce nebo nahrazování práce automatizací.

1.4.5

Čas

Čas, resp. jak rychle je podnik schopen zareagovat a nové trendy, začal být jiţ v minulosti symbolem průmyslového rozvoje. Časově orientované programy vykazují výraznou schopnost zkracovat realizační dobu. Monitoringem celkového toku času v daném procesu získáváme informace o čase přinášejícím nějakou přidanou hodnotu a naopak také informace o neproduktivním čase, který přidanou hodnotu vůbec nepřináší, který všem v praxi můţe někdy tvořit někdy více jak 90 procent celkové doby trvání procesu. Tento časový aspekt představuje hlavně vyjádření produktivity a také do určité míry i kvality. Realizační doba můţe začít od té doby, kdyţ zákazník zadá svou objednávku, do doby zaplacení zboţí. Stejný princip se musí uplatňovat také u interních procesů v rámci podniku, jakým můţe např. být investiční rozhodování nebo vývoj nového výrobku. Snahy o optimalizaci času můţe teda být buď, interní nebo externí. Rychlejší realizační doba je parametrem kvality určené pro zákazníka. Jak bylo uvedeno, čas je vynikající měrnou jednotkou pro měření výkonu organizace.

23

2. Procesně orientovaný systém řízení 2.1 Proces a procesní řízení K danému tématu je nutné nadefinovat základní pojmy a znaky procesního managementu tak, abychom dokázali vysvětlit principy a postup zavádění procesní organizace podniku.

2.1.1

Proces

Proces je skupina vzájemně souvisejících činností, které procházejí napříč jedním nebo více útvary podniku (podnikový proces) či jednou nebo více kooperujícími organizacemi (mezipodnikový proces), které vyuţívají lidské, materiální, informační a finanční vstupy neboli zdroje a jejichţ výstupem je produkt nebo sluţba, která má hodnotu ať uţ pro interního nebo externího zákazníka12. Proces musí být měřitelný dle vyspecifikovaných metrik. Metriky procesu a metody jejich měření musí být zvoleny tak, aby bylo moţné hodnotit schopnost procesu dostát svým cílům. Tyto metriky lze rozdělit do 4 skupin:  Pokrok  Shoda  Účinnost  Výkonnost Tyto čtyři oblasti musí být řádně vyspecifikovány a v podniku obecně přijímány.

2.1.2

Procesní řízení

Procesní řízení (management) představuje metody, postupy a nástroje trvalého zajištění maximálního výkonu činností podniku a neustálého zlepšování všech procesů, ať podnikových nebo mezipodnikových, které vycházejí z jasně vydefinované globální strategie organizace a jejichţ cílem je splnit stanovené a odsouhlasené strategické cíle.

2.1.3

Procesní přístup

Procesní přístup k řízení organizace je moderní nejefektivnější způsob řízení organizace, zajišťující v dlouhodobém horizontu její prosperitu, efektivitu a konkurenceschopnost prostřednictvím orientace na maximální moţnou efektivitu procesů, které v organizaci nebo mezi organizací a jejími partnery probíhají. Snaţí se co nejvíce potlačit funkční specializaci práce a klasické liniové řízení organizace, který aplikovaly organizace aţ do 80. let 20. století. 12

Grasserová Monika, Procesní řízení, strana 13

24

2.1.4

Procesně řízená firma

Procesně řízená firma je firma, ve které je práce organizována do jednotlivých procesů, u kterých je vyvíjena neustálá snaha ke zlepšování a jejichţ činností dochází k naplňování strategických cílů organizace. Změny jsou řízeny projektově.

2.1.5

Procesní model firmy

Procesní model firmy je základním popisem toho, jak bude organizace podnikat. Zachycuje a řídí podnikání organizace, obsahuje globální strategii firmy, popisy jednotlivých podnikových procesů, vlastní řízení projektů, organizaci práce a fungování organizace, popis zajišťování zdrojů, vyuţití a efektivitu IS IT, vyuţití a sdílení znalostí, existující a potenciální rizika, způsob jejich měření a opatření pro jejich eliminaci, trhy, sluţby a produkty. Pro přehlednost je dobré zpracovávat procesní model na čtyřech úrovních (od méně podrobného k nejpodrobnějšímu): podnikatelské aktivity základní aktivity primární aktivity hlavní činnosti procesu.

25

2.2 Zásady při zavádění procesního řízení Při zavádění procesního řízení je potřeba respektovat několik zásad:

2.2.1

Testování uţitečnosti řízení procesů

Smyslem definice a řízení procesů je docílit jejich maximální efektivity. Definice a řízení procesů má zajistit, aby spolupráce různých zaměstnanců organizace při dosahování jejich cílů byla přehledná, optimální a co nejefektivnější. K tomu je nezbytné definovat, co ve firmě děje, a jednoznačně vydefinovat místo, smysl a průběh jednotlivých činností, který budou procesem realizovány. Pokud některé kroky definování a řízení procesů nepřinášejí z tohoto pohledu nic nového, jsou v dané fázi zlepšování procesu zbytečné.

2.2.2

Nezávislost na organizační struktuře

Procesy mají horizontální charakter. Procházejí napříč firmou, protínají různé organizační části firmy. Mají vlastní popsanou logiku navzájem souvisejících vstupů a výstupů, která je nezávislá na hierarchickém členění firmy. Nelze je tedy řídit typickým nástrojem, jakým je tradiční hierarchická organizační struktura. Management většinou při řešení problémů s efektivitou lpí na neustálých zásazích do hierarchické organizační struktury, aniţ by se snaţil zasáhnout na úrovni zlepšení efektivity procesů, které jsou na počátku problémů s výkonností podniku. Organizační struktura by měla vyplynout právě z popisu procesů a zdrojů, nikoliv vytvořením limitů (určitých hranic) uvnitř podniku, který procesy omezuje.

2.2.3

Postup shora dolů

Základní a častou chybou, kterou management podniku při zavádění procesního řízeni, je, ţe popis jednotlivých procesů začíná na úrovni jednotlivých organizačních jednotek – útvarů nebo oddělení. Své procesy mapují oddělení obchodní, účtárny, IT atd., a výsledkem je tudíţ velké mnoţství nesourodých procesních map, v kterých se nakonec orientuje pouze jejich tvůrce a mají jen malý analytický význam. Je proto velmi důleţité, aby procesy definovat shora dolů, aby byl postupně zjemňován popis, můţeme říci, aby postupně docházelo k dekompozici procesu, dokud se celé řízení nedostane do rozporu s první zásadou, která se týká sledování uţitečnosti procesu13.

13


26

Pouze kdyţ postupujeme při definování procesů od shora dolů, od obecného k detailům, lze proces popsat v celé jeho šíři od prvotního vstupu, kterým se konkrétní proces spouští, aţ k finálnímu výstupu procesu, který je signálem k ukončení procesu.

2.2.4

Výběr vhodných nástrojů

Pro úspěšné definování a řízení procesů je důleţité zvolit vhodný nástroj pro vytváření procesních map podniku a popisů procesů. Procesy a jejich prvky, aktivity, mají v normálně fungující firmě mnoho navzájem propojených vazeb, a během mapování a definování procesů je nutné tyto správně zachytit, tyto vazby bývají často doplňovány a měněny. Častou chybou, při zavádění procesního řízení je šetření nákladů na softwarových nástrojích, které mají podporovat efektivitu vlastního zavádění. Nástroje jako grafické, textové editory nebo tabulkové procesory se brzy stanou slabým místem práce na procesních mapách. Je tedy třeba pouţít ty správné nástroje, které umoţňují zanesení všech vazeb mezi procesy, tak aby je bylo moţné dohledávat, lehce aktualizovat a jednoduše je zobrazovat.

2.2.5

Průběţné zlepšování procesů

Většina popsaných konceptů procesního řízení doporučuje nejdříve vypracovat procesní mapu dle současného stavu, poté navrhnout podobu budoucího stavu a následně řešit přechody jednotlivých stavů. Praxe ale ukazuje, ţe mezi projekty, které byly v této oblasti realizovány, je velice málo, kde by se tento postup podařilo jeho pouţitím dodrţet. Teprve aţ během vytváření analýzy a následně zakreslení současného stavu do procesní mapy, totiţ sami manaţeři firmy zjišťují a uvědomují si, jak procesy v jejich firmě fungují, obvykle zjišťují, ţe neexistuje vydefinovaný a ustálený běh firemních činností a ţe procesy jsou řešeny mnohdy ad hoc, pokaţdé trochu jinak dle provozních potřeb. Jejich operativní mnohdy zbytečná sloţitost toho bývá důkazem. Proto snahy vytvořit mapu současného stavu mnohdy velice rychle přecházejí od na mapování k navrhování proto, ţe ţádný jednotný současný stav neexistuje a nejde tudíţ lehce zmapovat. Tyto zkušenosti vedou k tomu, ţe lze tuto fázi vynechat, a jenom důsledně dbát na vydefinování efektivních procesů a aby tyto byly co nejdříve uvedeny do praxe.

27

2.3 Procesní modely Procesní modely popisují pořadí jednotlivých činností, spojených pravidly, které na sebe logicky navazují. Procesní řízení je mění na automatizovanou implementaci, která dává práci lidem a systémům, které hlídají a dbají na dodrţování pravidel a sledují termíny prací. Výsledkem je významná úspora času a jednotlivých pracovních cyklů a tím umoţňuje zvládnout za kratší časový úsek významně vyšší objem práce bez nárůstu nákladů, ať uţ mzdových nebo např. nákladů na energie. Zvýšení efektivity je prvním ze zdrojů návratnosti investic do procesního řízení14.. Hlavním cílem BPM je optimalizace business výkonnosti organizace resp. její zvyšování. Původní význam BPM – Procesní modelování (Business Process Modeling) se dnes mísí s Procesním řízením (Business Process Management) a ve většině případů se dnes přechází k pojmu – Řízení výkonnosti společnosti/firmy (Corporate Performance Management nebo Enterprise Performance Management). Projekt je činnost, která má jasně daný cíl, začátek a konec. Zdroje na jeho realizaci jsou omezené, a protoţe se vymyká běţné denní praxi, tak není předem jistý jeho výsledek.

2.4 Zavádění a rozvoj procesního řízení v podniku Procesní řízení, procesní management15., procesní organizace jsou v této době velice pouţívané pojmy, které stále více mění organizaci mnoha podnicích. Manaţeři podniků si uvědomují, ţe budoucí směr, kterým se musí dnešní podnik vydat, má základ v procesním managementu a zlepšením organizace práce. Co si pod pojmem „procesní management“ představit, jak měřit účinnost jeho implementace, jak a jaké principy procesního managementu implementovat do podnikové praxe? To jsou důleţité otázky, na které musí manaţeři podniku hledat a nalézt odpovědi. Princip procesního managementu lze vyjádřit obecně v těchto bodech: Integrace prací - práce se integrují do celků tak, aby je byl schopen obsáhnout a pochopit procesní tým orientovaný na vytvářenou přidanou hodnotu pro zákazníka a podnik. 14


15


28

Delinearizace prací - práce je vykonávají v přirozeném a logickém sledu. Nejvýhodnější místo vykonávanou činnost – konkrétní činnost se vykonávaná tam, kde je to nejvýhodnější a nejefektivnější, bez ohledu na hranice funkčních útvarů nebo oddělení. Podpora týmové práce - procesy jsou realizovány a neustále zlepšovány pomocí týmů s přidělenými dostatečnými pravomocemi tak, aby motivace a orientace na výsledky jejich práce, byla přímo vázána na přidanou hodnotou pro zákazníka nebo podniku. Zaměření procesní motivace - motivace je přímo vázaná na výsledek, který je dopředu definován (např. zkrácení doby procesu znamená přidaná hodnota pro zákazníka a také pro podnik), nikoli pouze s činností, která nemá výsledky. Odpovědnost za proces - za proces je odpovědný jeho majitel, který ho do detailu zná a především odpovídá za efektivnost procesu a jeho neustálém zlepšování v dlouhodobějších

horizontech

(znalost

vlastních

zákazníků,

jejich

potřeb,

přizpůsobování procesu atd.). 3S – samokontrola, samořízení a samoorganizace - znamená naprostou nezávislost týmu, příkladem jsou procesní týmy. Pružná samostatnost procesních týmů – procesní tým je sestaven tak, aby byl svou činnost schopen pruţně přizpůsobovat novým poţadavkům vycházející z činnosti podniku. Informační a znalostní bezbariérovost - odstranění všech znalostních a informačních bariér. Je potřeba implementovat sdílené databáze centralizované a znalostí informační zdroje a řízený přístup k nim, vhodný je například přístup Knowledge Managementu. Sdílení znalostí udělá z podniku moderní flexibilní celek odolný vůči různým vlivům, jak externím, tak interním. Procesní organizace řídí práci v podnicích jako kontinuální a ucelený proces, který je dekomponován na jednotlivé, vzájemné logické provázané menší subprocesy (graficky lze vyjádřit jako strom procesů), které jsou orientovány na výsledek, kterou tento proces přináší pro zákazníka a podnik. Procesní organizace podniku je sloţena jednak z vlastní organizační struktury, která se skládá z procesní struktury firmy (horizontální) a útvarovou struktury firmy (vertikální, která jednoznačně podporuje procesní strukturu), a dále ze systému vlastního řízení firmy, tj. procesního řízení.

29

Procesní organizace a procesního řízení má několik následujících rysů.: Jsou definovány klíčové, hodnototvorné a podpůrné procesy. Kaţdý proces musí mít svého zákazníka a je vyjádřen hodnotou, kterou vytváří pro zákazníka vnějšího či vnitřního. Kaţdý proces musí mít svého vlastníka odpovědného za jeho optimální průběh, jeho zlepšování a výstupy (definice odpovědnosti za výsledky nikoli za vykonávanou činnost). Pro procesy jsou stanoveny indikátory ţádoucích výkonů neboli měřitelné veličiny, cíle. Spokojenost zákazníka je klíčovým měřitelným indikátorem (výstupy z procesu). Procesy, které vytvářejí malou nebo nevytvářejí ţádnou hodnotu, se eliminují tak aby co nejméně zatěţovali podnik. Procesy musí procházet permanentním zdokonalováním - zlepšuje se výkon z pohledu zákazníka. Fungující systém řízení inovací, který převádí nové potřeby zákazníků do nových výrobků a sluţeb. Výkonnost procesů se vyhodnocuje a porovnává se standardy souvisejícími s procesem.

2.5 Postup

implementace

procesní

organizace

a

procesního managementu Pro implementaci procesní organizace se vyuţívá Komplexní procesní model (KPM), který tvoří s pouţitím modelování a optimalizace podnikových procesů (MOPP), a na jehoţ základě je lze popsat současný stav organizace podniku a pak navrhnout, následně otestovat a vybrat vhodnou podobu budoucí procesní organizace podniku. Postup tvorby procesní organizace na základě modelování a optimalizace podnikových procesů se skládá s následujících pěti etap: Etapa 1: Vytvoření týmu procesní organizace a harmonogramu projektu Vytvoření takového procesního týmu jde ve dvou krocích. Prvním z nich je výběr vhodně kvalifikovaných a zkušených pracovníků pro obsazení funkcí v projekčním týmu a druhým jmenování těchto pracovníků do projekčního týmu. Projekční tým je tvořen uţším projekčním týmem (project manaţer, majitelé procesů, sponzor projektu, správci procesů a analytici procesů) a širším pracovním týmem.

30

Etapa 2: Analýza současného stavu organizace podniku Analýza současného stavu organizace podniku je z celého procesu implementace procesní organizace nejdůleţitější etapou. Je potřeba zmapovat, popsat a namodelovat celou organizaci podniku, tzn., ţe je nutné udělat popis a namodelování: celé organizace a to aţ do úrovně jednotlivých pracovníků, veškeré dokumentační a datové základny podniku a také vytvoření datového modelu podniku, vytvoření modelu procesů do určité úrovně (detail úrovně by se měl rozlišovat podle potřeb daných procesů a podle konkrétních specifik příslušného podniku), cílů, jejich slabých míst neboli kritických faktorů, plnění vazeb a cílů na příslušné procesy, vytvoření funkčního stromu konkrétních procesů a jejich popis aţ na úroveň minimálně nutných atributů. Provázání jednotlivých procesů s organizačními jednotkami a s příslušnými daty a dokumenty. Etapa analýza stávajícího stavu organizace se skládá z několika kroků: rekapitulace popř. definice podnikové strategie, definice a vytvoření procesního stromu, tvorba způsobu modelování, definice a vymezení vazeb a rozhraní mezi jednotlivými procesy, vytvoření komplexního modelu, vzájemná konsolidace cílů a procesů, analýza procesního modelu a definice slabých míst v procesech, případně také kritických procesů. Etapa 3: Optimalizace procesů SBU podle kriteriální funkce Optimalizace procesů se provádí v rámci analýzy a popisu stávajícího stavu organizace podniku. V rámci optimalizace procesů podniku se definují moţné varianty cílových procesů. Vydefinování variant cílových procesů tvoří SWOT analýza16. a v rámci této analýzy stanovená kritéria pro budoucí hodnocení výkonnosti a efektivity dosavadních procesů podniku. Na základě prioritního porovnání hodnot kritérií, které přinášejí navrţené varianty nových procesů, se provádí výběr nejvhodnějších variant.

16


31

Etapa 4: Definice a implementace nové procesní organizace Průběh této fáze je takový, ţe se s novou procesní organizací neboli s novým způsobem řízení podniku a s a jeho důsledky, které z něho vyplývají, seznámí a minimálně pochopí ho všichni zaměstnanci. Následně se začnou jednotlivé kroky implementovat do podniku. Implementace procesní organizace a její řízení většinou probíhá v zavádění přijatého a schváleného řešení pro jednotlivé oblasti procesů. Etapa 5: Pravidelná verifikace implementované procesní organizace Na etapu definice a implementace procesní struktury musí navazovat etapa verifikace procesní organizace, ve které jsou cílové a klíčové procesy monitorovány s důrazem na jiţ přijaté a předpokládané cíle konkrétního podniku. Konkrétní potřebná data pro získání relevantních informací pro vyhodnocení procesní organizace, její plnění a dosaţení přijatých cílů podniku musí být dostupné přímo z informačních systémů podniku. Například systémy zachycující workflow poskytují vyhodnocení průběţných období, nákladů a vytíţení kapacit na podporované procesy. Z kontrol efektivity se definují opět opatření k případné další úpravě procesů podniku a příslušných řešení informačních systémů. Cílem je kontinuální zlepšování procesů (Continous Process Improvement).

32

2.6 Knowledge management Knowledge management, znalostní management, neboli systém řízení a správy znalostí je v dnešní době velice diskutovaným tématem. V praxi se objevují různá synonyma řízení znalostí, znalostní management. Jak tomu je u nových vědních směrech probíhá intenzivní diskuze i kolem vlastní definice knowledge managementu (dále jen KM). V dnešní době pouţívaná definice KM, definuje znalostní management jako směr, který zajišťuje rozšiřování konkrétních znalostí napříč celou organizací a tím umoţňuje vytvářet znalosti vyšších úrovní. Obr. 3: Model sdílení znalostí:

Vytvořeno autorem. Jiná často pouţívaná definice: KM je systematické řízení tvorby, získávání, sdílení a uţití znalostí. Jejímţ cílem je dosaţení co nejvyšší prosperity a efektivity podniku. Rozhodující role přísluší intenzivnímu ovlivňování vnitřního prostředí pro rozvoj a uţití znalostního kapitálu v podniku ve spojení s moderní technologií. Nejde jen o nahodilou, občasnou, nebo dílčí aktivitu, ale o soubor komplexních, cílevědomých a systémových aktivit.

33

Vliv implementace takového systému KM můţe mít v praxi různorodé podoby, a ne kaţdá z nich musí být a bude měřitelná konkrétním finančním efektem. Cílem KM je přinášet „pravým lidem - pravé znalosti – v ten pravý čas. KM se musí starat o to, aby vědomosti a znalosti nebyly jenom někde hromaděny, ale aby byly také k dispozici a řádně vyuţívány. Jedná se především intenzivní šíření znalostí a soustavná cílevědomá analýza účinnosti všech takto distribuovaných znalostí a vědomostí.

2.7 Základní části procesu KM 2.7.1

Záznam znalostí

Znalost nebo vědomost můţe být sdílena, předána, řízena nebo opětovně pouţita, pouze pokud je správně zapsána. Kaţdá znalost nebo vědomost, která vznikne v jedné společnosti nebo v její budově nebo dokonce v jedné z jejích kanceláří, můţe být pouţívána, pouze pokud bude řádně zapsána. KM klade hlavně důraz na systémový záznam znalostí a jejich roztřídění a klasifikaci. V takovém formátu jsou nejčastěji pořizovány pomocí firemního portálu, a to jak přes rozhraní manuálního vstupu, tak i pomocí automatizovaného ukládání znalostí a vědomostí z vytvořených záznamů, dokumentů atd.

2.7.2

Kvalita znalostního managementu

Znalosti, které mají slouţit podniku, jako základní stavební jednotka kapitálu podniku musí mít určitou „kvalitu“. Touto kvalitou je míněno především to, ţe tato znalost musí být relevantní, správná, odpovídající realitě, nesmí být zbytečná, nesmyslná nebo dokonce zavádějící. Znalost bez určité kvality můţe organizaci způsobit více škod, neţ kdyby nebyla. Za kvalitu takových znalostí odpovídá především jejich autor, který je do systému zaznamenal. Mimo pořízení záznamu znalosti autorem je dobré tyto záznamy také spravovat správcem znalostí, kterým můţe být např. vedoucí oddělení, expert pro danou oblast nebo externí konzultant. Správce znalostí musí pořízené záznamy neustále revidovat a přiřazovat jim určité stupně důleţitosti, který je potom jedním z klasifikačních kritérií znalostí. Shrneme-li tyto odpovědnosti správce, jde především hlavně o autorizaci, udrţování přesnosti, aktuálnosti a kvality informací a jejich distribuce způsobem zajišťujícím, ţe informace nebudou pouţity nebo zneuţity neoprávněných uţivatelem.

34

2.7.3

Poučení ze zkušeností a provedených rozhodnutí

Rozhodnutí, která jsou v průběhu času označena jako chybná, mohou být vysoce finančně nákladná a často v penězích nevyčíslitelné. Všeobecně můţeme říci, ţe vyvarování opakovaných chyb snadno realizují jedinci, ale hůře se pak aplikuje na celé skupiny nebo organizaci. Znalosti pramení ze zkušeností, které jsou získány v průběhu času z praxe. Není proto nutné znovu řešit opakovaně problém, který byl jiţ v minulosti vyřešen. KM proto musí svojí metodikou přispívat k zaznamenávání a opětovnému pouţití informací z provedených rozhodnutí nebo zkušeností nabytých zaměstnanci podniku. Takto implementovaný znalostní management můţe vykazovat přímý ekonomický přínos a vyvarování se chybných rozhodnutí nebo procesů v podniku.

2.7.4

Sdílení metodik a budování konsistentních procesů a pracovních postupů

Ve většině společností je implementován systém metod, pravidel nebo pracovních postupů, ve které obsahují dřívější zkušenosti a znalosti týmu pracovníků. Trend dnešní doby je, ţe tyto dokumenty jsou zcela sdíleny a jsou pouţívány i napříč státy v nadnárodních společnostech.

2.7.5

Migrace zaměstnanců

Jakmile zaměstnanec společnost, lze říci, ţe s ním navţdy zmizí i znalosti a jeho zkušenosti získávané v průběhu jeho působení v podniku. Neustálá migrace zaměstnanců je hlavním zdrojem sniţování znalostního kapitálu podniku (lze vyjádřit jako souhrn hodnot a schopností rozvíjející znalosti). Pokud vybudovaný systém KM neustále nenutí zaměstnance systematicky zaznamenávat jejich získávané znalosti, zkušenosti, metody, je velké riziko, ţe s odchodem zaměstnance z podniku, ztratí tento podnik jeho znalosti a tím pádem podnik ztratí část svého znalostního kapitálu.

2.8 Dělení dat z hlediska KM Typickým dělení vstupních dat z hlediska KM je rozdělení na data interní a externí, podle jejich původu. V rámci portálu však mohou být data dostupná z jednotlivých databází podniku, portálů na internetu a bází dat a dalších informačních zdrojů. Z hlediska potřeb zaměstnanců lze dělit poptávky po informacích do následujících kategorií: informace, které zaměstnanec potřebuje pro rozvoj svých vlastních znalostí (např. noviny, internet, odborné publikace, atd.) 35

informace velice nutné z hlediska vlastní náplně práce zaměstnance (plány projektů, informace o čerpání dovolených, atd.) informace důleţité z hlediska jeho vykonávané funkce v podniku (rozpočty, plány oddělení, atd..). Zaměstnance lze také zařadit do „znalostních skupin“, které mohou mít podobné poţadavky na data, informace a znalosti nutné pro jejich činnost. Identifikace a popis znalostních skupin umoţňuje tak systémově řídit přístup do KM systémů.

2.8.1

Rozvoj KM

Při zavádění KM v podniku nebo je především důleţitá kvalita daného projektu. Bez důsledného projektového řízení nelze KM v praxi implementovat, prioritní pro projekt jsou otázky cílů tohoto projektu. Řada poradenských a IT firem velmi chápe, ţe rozvoj KM představuje velmi zajímavý a rozvíjející se trţní segment. Mezi nejvýznamnější konzultační firmy patří především „Ernst and Young“ nebo „Andersen consulting“, mají vlastní vyvinutou metodiku a postupy implementace a samy velice dobře pracují systematicky se znalostmi.

2.9 Definování poţadavků systému controllingu Profil poţadavků controllingu vychází z teze, ţe systémy controllingu musí být sestaveny podle specifik podniku. Profil poţadavků je odpovědí na otázku: „Co vůbec má controlling poskytovat?“ Zaměřením na době formulované stanovení cíle se zabrání vytvoření systému controllingu, který nebude v souladu s informačními potřebami vedení podniku. Volný tvůrčí prostor pro nové poţadavky by neměl být omezován, a proto by měl být profil poţadavků definován od prvního stupně našeho schématu (diagnóza účetnictví a podnikové plánování). Při vypracování profilu poţadavků se doporučuje sestavit tým sloţený jak z uţivatelů sluţeb controlligu, tak z poskytovatelů těchto sluţeb. Tím se dosáhne vyváţenosti jak z pohledu poţadavků, tak z pohledu realizačních moţností. Vedoucím týmu je v ideálním případě řídicí pracovník17. Analýza relevantních faktorů souvislostí (např. program výkonů, styl vedení apod.) je podstatným) kolem v tomto procesu. Určuje základní směřování systému controllingu. Tým nemůţe anticipovat pouze otázky týkající se směrodatnosti právě aktuálních faktorů

17


36

souvislostí. Musí anticipovat souvislostí „zítřka“, aby vytvořil základnu pro systém controllingu, který se bude dále dynamicky vyvíjet. Na základě analýzy informačních potře řídicích pracovníků (např. prostřednictvím interview) budou definované poţadavky jednoznačně a jasně dokumentovány, coţ během realizace zabrání neţádoucí diskusi o interpretaci. Realizace se tak urychlí. Často se ukazuje, ţe definované poţadavky nelţe realizovat na jedné úrovni. Proto je nutné poţadavky zváţit – sestavit jejich pořadí podle věcné a časové naléhavosti. V kaţdém případě by měly být pro první krok schváleny minimální poţadavky, které lze definitivně uspokojit zlepšením systému controllingu.

2.9.1

Poţadovaný výsledek

Na závěr bude vypracován plán opatření k realizaci poţadavků, tzn. jaké dílčí systémy controllingu a v jaké formě musí být vytvořeny nebo zlepšeny. V této fázi lze dopět ke zjištění, ţe všechny poţadavky jsou kyty dosavadním systémem controllingu, včetně informací a výkonů, pro které ţádné poţadavky nejsou. Tak můţe být odkryt potenciál pro racionalizaci. Vypracováním profilu poţadavků vznikl manuál povinností, který slouţí jako příručka a měřítko úspěšnosti pro zlepšení systému controllingu.

37

3. Controlling a kvalita dat Jak jiţ bylo řečeno v první kapitole této práce, Controlling potřebuje proto mít pro svou činnost vţdy k dispozici potřebná data ve správném formátu, tak aby je Controlling byl schopen dát managementu podniku jako podklad pro strategické i operativní rozhodování. Aby byly tyto informace lehce dostupné je dobré je mít zapsané v samostatné databázi nebo alespoň samostatném schématu databáze, které bude jiţ poskytovat z důvodu rychlosti zobrazování v systému jiţ zmaterializovaná data v odsouhlasené granualitě. Tento proces výpočtu dat musí mít také své kontrolní procesy, které by měl zajišťovat uţ samotný automatizovaný proces materializace dat, a výsledky těchto kontrol by měly být zapsány také do datových struktur. V následujících bodech jsou popsány procesy pro zajištění a udrţení kvality dat.

3.1 Ukládání dat18 „Kaţdý má nějakou svou představu o uspořádání informací, které potřebuje pro svůj kaţdodenní ţivot, případně je vyuţívá ve své profesi. Jsme dnes samozřejmou součástí informační společnosti, z informace se stalo zboţí, které je nutno řádně uloţit, patřičným způsobem ošetřovat a především zhodnotit a vyuţít. Při vytěţování z nashromáţděných dat dochází k tvorbě skladů dat (data warehouse) za běţného vyuţití systému, který má za úkol podporovat strategické rozhodování, který však nesmí neomezovat chod stávajících aplikací. V poslední době dochází v této oblasti k velkému rozmachu (je předpoklad, ţe na trhu produktů data warehousingu dochází k neustále větším obratům). Pouţití technologií data warehousingu je velice široké: doprava, výroba, telekomunikace, finanční sluţby, zdravotnictví a jiné. Pro manaţery na nejvyšších úrovních řízení je velice důleţité znát moţnosti vyuţití dat produkovaných informačními systémy, tak aby je byli schopni transformovat na relevantní informace vhodně pouţitelné ke strategickému řízení. Z těchto důvodu je naprosto nezbytné vyznat se v běţně pouţívaných, jako jsou DataWarehousing, OLAP a DataMining. Příjemce těchto dat musí být seznámen s moţnostmi, které mu tyto technologie mohou přinášet, tak aby je byl schopen zapojit do procesu rozhodování.

18

David Vrbka, Kvalita dat v datovém skladu – nezbytný předpoklad reportingu, strana 8

38

3.1.1 Historie ukládání dat Informace mají pro dnešní svět mimořádnou důleţitost a nejinak tomu bývalo v minulosti. Velkým rozdílem je obrovské mnoţství informací, které dnešní svět produkuje a které je tedy nezbytné přijmout a zpracovat. Jedním z prostředků, vedoucích k potřebné efektivitě zpracování informací, jsou databáze. Jejich podstatnými funkcemi je třídění a správa informací, které slouţí nejen k nutnému poznání aktuálních stavů skutečnosti, o níţ informace existují a jsou sbírány, ale také k potřebné analýze minulosti, ať uţ v kratším nebo delším časovém horizontu. Z vývoje dějů atd. lze pak také více či méně úspěšně sestavovat prognózy trendů a předpokládaných směrů vývoje poznávaných oblastí. Databáze mají svůj počátek v daleké minulosti, tehdy pochopitelně pod jiným názvem, později se vţil výraz kartotéka, který vzniknul z názvu média (karta), na němţ byly informace uchovávány. Zpracování informace zápisem většinou na papírovou kartu bylo zdlouhavé, třídění – zpracování informací, bylo obtíţné a nespolehlivé, a časové nároky na vyhledání potřebné informace v kartotékách, byť o několika tisících kartotéčních lístků, bylo, z pohledu poţadavků dnešního marketingu, naprosto neúnosné. Dalším krokem ve vývoji ukládání dat a jejich zpracování, je vynález děrného štítku, Jednoduchá myšlenka papírového média, na němţ je pomocí řízené perforace zakódováno mnoţství a charakter dat, znamenal, spolu s počátky vyuţití výpočetní techniky, poměrně významný rozvoj v technologii zpracování dat.

3.1.2 Prosté databáze Databáze lze dělit podle několika kritérií, pro snadnější objasnění jejich funkce a moţností vyuţití postačí dělení na databáze prosté a relační. Prostou databází je vlastně jakýkoli výčet informací, tedy dat, které mají svoji souvislost vzhledem k účelu, k němuţ byly pořízeny. Takovou prostou databází je například jízdní řád, seznam knih v knihovně, výčet potřeb na dovolenou nebo telefonní seznam. Prosté databáze umoţňují vyhledávání pouze podle daného setřídění, svému účelu poslouţí velmi dobře, ovšem potíţe mohou nastat jednak v nadbytečnosti dat (redundanci), kterou tato forma záznamu dat přináší a pak také v obtíţnosti vyhledávání vztahů a souvislostí mezi jednotlivými skupinami dat totoţného nebo podobného charakteru.

3.1.3 Relační databáze Do hry tedy vstupují databáze relační, které jsou schopny zachytit vztah – relaci mezi soubory dat, tříděnými podle určitých, přesně definovaných pravidel. Tato pravidla nebo poţadavky jsou pochopitelně velmi odlišné podle účelu vzniku databáze, princip však 39

zůstává stále stejný – efektivní zjištění vztahů mezi uloţenými daty na základě definovaných poţadavků. Kromě úspory práce s daty představují relační databáze prakticky jediný moţný způsob zjištění potřebných výstupů, zvláště u souborů dat, jejichţ velikost můţe přesáhnout velké objemy, často v rozsahu Terabytů informací. Souhrou jednotlivých databází uvnitř společnosti vznikají informační systémy, které jsou především v poslední době zdrojem cenných informací povahy finanční, ale také marketingové. Jedna věc je ale kvalitní relační databáze, další věcí je obrovské mnoţství dat, která do firem vstupují z nejrůznějších zdrojů. Z databází se pak stávají tzv. datové sklady (datawarehouse), které je moţné popsat jako jednotné konsolidované úloţiště podnikových dat, které je patřičně upraveno pro poskytování rychlých odpovědí na obchodní dotazy. Datové sklady také vnáší pořádek do skladby podnikových dat a moţnost jejich analytického zpracování. Bylo by ale chybou chápat je pouze jako nástroje analýzy, který uţivatelům poskytuje souhrnný pohled na data uloţená v jejich informačním systému. Skutečnost musí být jiná – jde o nekončící proces, v jehoţ průběhu je nutné získaná data správným způsobem přijmout, očistit a uloţit do definovaných struktur tak, aby bylo moţné s nimi pracovat podle poţadavků. Do „popisu práce“ takových datových skladů tedy také patří zajištění jejich doručení adresátům, a to ve struktuře, formě a čase, který je pro ně potřebný a uţitečný.

3.1.4 Datové sklady Datový sklad čerpá svůj obsah především z podnikových informačních systémů, často také z tzv. e-aplikací. Konkrétní uspořádání záleţí vţdy na tom, jak je vystavěna architektura podnikové informační sítě. Takovými interními datovými zdroji vyuţitelnými pro analýzy dat v datových skladech jsou databáze zákazníků nebo databáze historií, vytvářené zásobami, fakturací, dodávkami a obchodními systémy. Externí zdroje dat mohou mít podobu obchodních katalogů, obchodních adresářů atd. O plnění těchto datových skladů se starají tzv. datové pumpy, coţ jsou softwarové nástroje, jejichţ úkolem je nejen data získávat (například z výše uvedených zdrojů), ale také je transformovat do nových struktur odpovídajícím poţadavkům a ukládat do databáze datového skladu. Kvalita takové datové pumpy přímo ovlivňuje kvalitu uloţených dat, protoţe během procesu transformace jsou na tento nástroj kladeny také vysoké nároky na „čistotu“ dat ve smyslu oddělení dat nepotřebných nebo nevyuţitelných, od těch očekávaných. Právě v datových skladech hrají klíčovou roli relační databáze a to roli mnohem důleţitější, neţ například v ERP systémech (Enterprise Ressource Planning), kde jsou databáze

40

vyuţívány především pro zpracování poměrně velkého mnoţství dílčích a malých transakcí dat. Tyto databáze tedy v důsledku svého vyuţívání uchovávají pouze aktuální data. Datové sklady jsou nastaveny naopak pro analýzy historických dat a jsou neustále rozšiřovány bez jakéhokoli omezení obsahu. To umoţňuje jejich uţivateli jedinečný pohled na data, který je prostřednictvím jiných informačních systémů prakticky nemoţný. Analýzy pak dostávají, právě na základě historie, potřebný smysl, coţ je nutné ocenit například v prostředí CRM systémů. V datovém skladě je také moţné nalézt souvislosti a vztahy mezi daty získanými z různých zdrojů, které by jinak uţivatel nemohl odhalit. Odborná literatura pak hovoří o tzv. multidimenzionální datové struktuře – „Můžeme si ji představit jako kostku a je zjednodušeně řečeno ekvivalentem tabulky v relační databázi. Každá

kostka

má

několik

dimenzí

(pohledů

na

data).

Příkladem

typického

třídimenzionálního modelu může být kostka s dimenzemi: čas, region, produkt. Údaje se nacházejí v průnicích jednotlivých dimenzí.“ Tím ovšem moţnosti vyuţití datového skladu nekončí, nastupují zde totiţ další procesy agregace dat pro odvozené datové sklady, takzvaná datová trţiště (data marts). Proces agregace probíhá opakovaně po kaţdé aktualizaci relační databáze hlavního skladu a datová trţiště tak přinášejí moţnosti specializovaných analýz obohacujících data o další hodnoty, například ukazatel ziskovosti zákazníka. To můţe mít význam při rozhodování o dílčích strategiích firemního podnikání, například v zaměření se na klíčové skupiny (segmenty) zákazníků.

3.1.5 Data Mining Takzvané dolování dat (data mining) je pro interpretaci výsledků analýz rozsáhlých souborů dat velmi důleţitou fází procesu, který představuje zavedení speciálních postupů a algoritmů. Zjištěné výsledky jsou pak předkládány adresátům – marketingovým specialistům a managementu společnosti na různých úrovních, ve srozumitelné podobě. Nejdůleţitějšími nástroji data miningu jsou především statistické metody, matematické modelování atd. Přesnost a správnost výsledků přitom přímo ovlivňuje kvalita vstupních dat, čímţ se opět vracíme k předchozím odstavcům, pojednávajících o databázích a datových skladech. Tato kvalita je důleţitou podmínkou pro správnou funkci dolování dat a tedy také pro získání hodnověrného výsledku. Právě analytické CRM je jedním z výborných příkladů vyuţití data miningu.

41

3.2 Datový sklad, definice. Pojmem „datový sklad“ (v anglicky psaných dokumentech datový sklad nazývá „Data Warehouse (DW))“ lze chápat jako komplexní data uloţená ve struktuře, která lze následně poměrně rychle analyzovat a manipulovat s nimi. Data do datového skladu jsou načerpávána z informačních systémů a jiných zdrojů Účelem datových skladů je uloţení a uchování integrovaných a náleţitě vyčištěných dat, tak aby co moţná nejpřesněji obráţela a popisovala skutečný stav dat nyní i v minulosti. Datový sklad je zdrojem informací pro organizaci o organizaci samotné a neustále se vyvíjí, tak aby ji mohl zachycovat, kdyţ se sama o sobě mění. Do datového skladu mohou přistupovat uţivatelé pomocí nástrojů pro reporting a dotazování. V odborné literatuře bývá pro datové sklady někdy pouţíván název OLAP, který je zkratkou slov „on-line analytical processing“. Pod tímto názvem lze pochopit také rychlé a efektivní zpracování dat. Toto označení, není pro datové sklady úplně přesné. Existují nejrůznější názory na to co zařadit pod pojem „datový sklad“ a co pod pojem „OLAP“. Ve třívrstvé architektuře DW rozlišujeme tři vrstvy: a) spodní – do této vrstvy patří server skladu, na kterém jsou uloţeny relační databáze. Této vrstvě odpovídá poloţka „Datový sklad“. b) prostřední – tato vrstva zahrnuje OLAP server, který obvykle implementuje buď relační OLAP model (ROLAP), coţ je rozšířený relační DBMS, který převádí operace nad multidimenzionálními daty na standardní relační operace. Druhou moţností je multidimensionální OLAP (MOLAP), který přímo umí pracovat s multidimenzionálními daty a operacemi. Tato vrstva koresponduje s „Aplikační vrstvou“ c) vrchní – vrchní vrstvu označujeme jako klienta. Obsahuje nástroje pro provádění dotazů a vytváření zpráv, analýzy a/nebo data miningové nástroje (analýzy trendu, predikce, apod.). Shoduje se s prezentační vrstvou.

42

3.3 Rozdíl mezi OLAP a OLTP19 Celé datové hospodaření lze rozdělit na dvě základní části: Na prvním místě je jiţ zmíněný OLAP a na druhém místě jsou klasické databázové systémy, které mají označení jako OLTP, coţ je zkratka „on-line transaction processing“ Pod tímto názvem lze pochopit také rychlé a „efektivní zpracování dat“. Rozdíly mezi OLAP a OLTP lze nalézt v mnoha aspektech. OLTP systémy uchovávají záznamy o jednotlivých uskutečněných (typicky obchodních) transakcích a jsou obvykle realizovány pomocí dnes nejběţnější „relační“ databázové technologie. Data uchovávaná v OLTP databázovém systému jsou agregována a poté ukládána do datového skladu, nad nímţ se posléze podle potřeb provádí okamţité zpracování analýz pomocí vrstvy OLAP. Datový sklad je na rozdíl od OLTP databáze určen výhradně ke čtení dat pro potřeby nejrůznějších analýz. Jedinou výjimkou jsou (obvykle periodické) aktualizace datového skladu, tj. přidávání nových datových agregátů či odstraňování jiţ neaktuálních datových agregátů, které probíhají obvykle periodicky kaţdý týden, měsíc, atp. Tyto akce je ovšem moţno chápat za součást údrţby datového skladu, která probíhá ve speciálním reţimu při momentálním vyloučení zpracování OLAP poţadavků uţivatelů datového skladu. V běţném reţimu práce (tzn. při provádění dotazů a analýz) není obsah datového skladu modifikován. Tento zásadní rozdíl mezi OLTP systémy a datovými sklady má rozsáhlé důsledky pro způsob jeho implementace, návrhu a tvorby konceptuálního modelu, který je orientován na dosaţení co nejrychlejšího zpracování dotazů kladených datovému skladu vrstvou OLAP.

3.4 Typy datových skladů Ze stavebního hlediska je moţné rozlišit tři různé modely datových skladů.

3.4.1 Podnikový sklad Podnikový sklad (enterprise warehouse) obsahuje informace o subjektech, které popisují organizaci jako celek. Provádí integraci celopodnikových dat pocházejících obvykle z jednoho nebo více provozních systémů nebo od externího poskytovatele informací. Tato data zasahují do řady oborů. Obvykle obsahují jak hodnoty detailní, tak i sumarizované. Jeho velikost se můţe pohybovat od několika gigabyte aţ po stovky terabyte. Tento typ

19


43

skladů bývá implementován na mainframy, Unixové superservery nebo na paralelní platformu. Vyţadují rozsáhlé modelování a jejich návrh a vytvoření můţe trvat několik let.

3.4.2 Datové trţiště Datové trţiště (data mart) obsahuje pouze podmnoţinu celopodnikových dat, která je určená pro specifickou skupinu uţivatelů. Rozsah dat je omezen na určité vybrané subjekty. Např. v marketingovém trţišti jsou obsaţeny informace týkající se zákazníků, zboţí a prodejů. Tyto hodnoty bývají sumarizovány. Datová trţiště jsou implementována na levnější servery s Unixovým nebo Windows/NT jádrem a jejich tvorba se pohybuje v řádu týdnů. Podle zdroje získávání dat rozlišujeme data marty na „nezávislé“ (získávají data z provozních systémů nebo z externích informačních zdrojů) a „závislé“ (data jsou jim dodávána z podnikového datového skladu).

3.4.3 Virtuální sklad Virtuální sklad (virtual warehouse) je sadou náhledů na provozní databáze. Pro efektivnější provádění dotazů jsou některé náhledy na sumarizace provedeny před vznikem vlastního poţadavku a uloţeny. Virtuální sklad je snadné vytvořit, ale vyţaduje dodatečné kapacity na provozních serverech.

3.4.4 Datové kostky Datové sklady a OLAP nástroje jsou zaloţeny na multidimensionálním datovém modelu. Tento model zobrazuje data ve formě datové kostky. Dimenze kostky reprezentují rozdílné kategorie pro analýzu dat. Kategorie jako například čas, geografické umístění nebo různé výrobkové řady jsou typickými dimenzemi v datových kostkách. Kostky nejsou omezeny na tři dimenze. Obr. 4: Multidimenzionální struktura – OLAP:

44

Např. kostky vytvořené v MS OLAP services mohou obsahovat aţ 64 dimenzí. Dimenze jsou obvykle uspořádány do hierarchií tak, ţe mapují sloupce v relačních databázích. Hierarchie dimenzí jsou seskupovány do úrovní obsahujících hodnoty dané dimenze. Kaţdá úroveň v dimenzi můţe být sumarizována, aby vytvořila hodnoty pro vyšší úroveň. Např. v dimenzi času sumarizací hodnot v úrovni den získáme hodnoty pro vyšší úroveň měsíc. Míry jsou kvantitativní hodnoty v databázi, které mají být analyzovány. Typickými mírami bývají prodeje, náklady a rozpočty. Míry jsou analyzovány oproti různým kategoriím dimenzí datové kostky. Např. analýza prodejů (míra) určitého výrobku (dimenze) v různých zemích (konkrétní úroveň dimenze geografická poloha) během dvou určitých roků (úroveň dimenze čas). Dále uvedená datová kostka reprezentuje data ve třech dimenzích. A to dimenze Umístění, Času a Poloţky. Aktuálně zobrazenou úrovní dimenze Času je úroveň Měsíc. U Umístění je to Město a u Poloţky Druh zboţí. Mírou tohoto zobrazení jsou Prodané kusy (v tisících). Potom např. hodnota „12“ udává, ţe v Praze v měsíci Březnu bylo prodáno 12 000 kusů Rohlíků. Uloţení dat v multidimenzionálních databázích „Star“ Nejčastějším způsobem jak převést relační data na multidimenzionální je vyuţít tzv. star schéma (hvězda). Hvězdicové schéma se skládá z rozsáhlé centrální tabulky s hodnotami (tzv. tabulka faktů) a řadou malých doprovodných tabulek pro kaţdou dimenzi. Grafické vyjádření schématu připomíná hvězdu, s tabulkami dimenzí zobrazenými v paprskovité struktuře okolo centrální tabulky faktů.

45

Obr. 5: Organizace datového skladu – Struktura hvědy:

Ve hvězdicovém schématu je kaţdá dimenze reprezentována právě jednou tabulkou. A kaţdá tabulka obsahuje několik atributů. Např. dimenze „čas“ můţe mít tyto atributy: den, měsíc, kvartál, rok. „Snowflake“ Snowflake (sněhová vločka) je určitým druhem hvězdicového schéma, ve kterém jsou tabulky dimenzí normalizovány, čímţ se data rozdělují do dalších tabulek. Výsledné grafické schéma pak vytváří tvar podobný sněhové vločce. Hlavní rozdíl mezi těmito dvěma modely spočívá v tom, ţe tabulky dimenzí jsou normalizované, aby sníţili redundance v uloţených datech. Takováto tabulka je snadno udrţovatelná a šetří diskový prostor. Ovšem tato úspora je zanedbatelná ve srovnání s typickou velikostí tabulky faktů. Navíc toto schéma můţe sniţovat efektivnost analýz dat, neboť je zapotřebí provést více spojení tabulek, aby mohl být dotaz proveden. Proto můţe být výkon systému nepříznivě ovlivněn. Z tohoto důvodu není schéma sněhové vločky tak časté při návrhu datového skladu jako hvězdicové schéma. „Fact Constellation“

46

Některé aplikace mohou vyţadovat více tabulek faktů, aby mohly sdílet tabulky dimenzí. Toto schéma můţe být zobrazeno jako soubor hvězd a proto se nazývá „Constellation“ (galaxie nebo souhvězdí).“

3.5 Čištění, inspekce Mnoho společností zahajuje svou aktivitu v oblasti kvality dat vytvořením útvaru zabývajícím se na inspekcí kvality dat - data quality assurance (DQA)20. Na základě výsledného zjištěného a zdokumentovaného stavu kvality dat se potom dělají rozhodnutí o způsobu jejich opravy nebo jejich dalšího nepouţívání nebo zpracovávání. Snahou vyloučit určitá data ze zpracování se setkáváme např. u projektů zabývajícími se migrováním dat či implementací nových datových struktur nebo datových skladů. K těmto krokům je v praxi podnik nucen potřebou uţivatelů na kvalitu dat a informací, kteří je pouţívají. Oprava defektních dat, jako součást inspekce, se dělá pomocí korekcí, oprav nebo čištěním dat s cílem zajistit garantovanou (uţivatelem poţadovanou) kvalitu dat a z nich vycházejících informací. Inspekce však většinou přichází většinou později, a navíc je pro společnost značně neefektivní. Společnostem, které se zaměřují pouze na inspekci tak logicky zvyšují náklady na udrţení kvality dat. Navíc, si tyto podniky často mylně deklarují, ţe mají vybudovaný systém řízení kvality dat.

20

Časopis IT Systems 03/2005- Kvalita dat str. 28

47

3.6 Příčina nekvalitních dat Kvalita dat a následně informací musí jít ruku v ruce s kvalitou daného obchodního či rozhodovacího procesu. Efektivní a správně fungující proces tak ve výsledku vytváří kvalitní data. Nekvalitní informace z dat jsou tak výsledkem nekvalitního a neefektivního procesu. Inspekce kvality dat by neměla ţádný vliv na kvalitu obchodního procesu, a tedy neřeší příčiny vzniku nekvalitních informací (dat) ve společnostech. Nezatracujme proto kontrolu, jako takovou ji lze akceptovat jen a pouze tehdy, pokud s danou problematikou pouze začínáme. Důkladná kontrola v následných fázích jiţ není pro podnik nákladově výhodná, neboť musí být snahou minimalizace nákladů souvisejících s kontrolou dat. Kontrola se pak zaměřuje jen na pravidelné vyhodnocování kvality klíčových informací důleţitých pro management společnosti. Obr. 6: Přístup a odpovědnost v kvalitě dat ve společnostech:

Časopis IT Systems 03/2005

3.7 Management a zlepšování21 „Často se vedení podniku nevydá cestou vyuţití moţností jiţ fungujících a zavedených nástrojů implementovaných ve společnosti, tzv. neustálým zlepšováním současného stavu a maximální vyuţití implementovaných moţností. V praxi to znamená, ţe neustálé zlepšování informační kvality je většinou řešeno prostřednictvím inovací nebo pořízením nějakého komerčního řešení. Rozhodování o změnách nebo inovacích je tak plně v odpovědnosti vedení podniku, který je mnohdy nucen rozhodovat o záleţitostech které nezná do hloubky. Z procesu, který vede ke zlepšování, jsou tak vylučováni ostatní zaměstnanci společnosti, kteří mají potřebné znalosti, coţ je věc, která je v rozporu s poţadavkem metodiky TIQM. Neustále zlepšování pomocí inovací nemusí být v některých společnostech ţádoucí. S ohledy na současnou ekonomickou situaci a poţadavky na sniţování nákladů je dobré najít nějakou alternativní moţnost zlepšování datové a informační kvality. Poţadovaná inovace si tak ţádá relativně značně vysoké náklady, je zaměřena na neustálé vylepšování zcela specifického, velmi malého profilu problematiky a 21

Časopis IT Systems 03/2005- Kvalita dat str. 29

48

je soustředí se pouze na technologické řešení. Lepší je zaloţit inovaci na maximálním vyuţitím stávajících technologií společnosti s pouţitím minimálních investic.

3.7.1

KAIZEN

Proces neustálého vylepšování z pohledu pracovních náplní zaměstnanců vystihuje obrázek č. 4. Zde je vidět princip neustálého procesu zlepšování. KAIZEN22 je trvalý proces neustálého zlepšování podpořený iniciativou všech zaměstnanců podniku do tohoto procesu neustálého zlepšování. Obr. 7: Přístup a odpovědnost ve společnostech po zavedení metody zlepšování KAIZEN:

Časopis IT Systems 03/2005 Je-li metodou KAIZEN myšleno zapojení všech zaměstnanců, pak je skutečně myšleno jak management na různých úrovních, tak i jednotlivý zaměstnanci. Metoda neboli přístup KAIZEN, na rozdíl od inovací, klade neustálý důraz na týmovou spolupráci, adaptabilitu, "cross-functional" přístup, všeobecnou orientaci a znalosti, vyuţití stávajících dostupných technologií. Hloubkovou analýzou pak se zjistí, ţe týmová práce a spolupráce znamená vydefinování vedení a informační kontroly, všeobecná orientace pak znamená, zapojení všech klíčových zaměstnanců do procesu neustálého zlepšování (řešení konkrétních problému, které negativně ovlivňují kvalitu dat), a tak by se dalo pokračovat dále. Výše uvedené principy tak souvisí se zbavením závislosti na masivních inspekcích, implementací neustálého zlepšování procesů, zavedením pravidelného, dostačujícího a zacíleného školení pro konkrétní skupiny zaměstnanců, a v neposlední řadě nesmíme opomenout také tím vyvolané změny prostředí v podniku. Změny se musí provádět tak, aby prostředí a obecné povědomí v podniku plně podporovalo procesy neustálého zlepšování. Změny prostředí ve velkém podniku je moţné implementovat, ale je důleţité aby byly vţdy podporovány managementem.

22


49

3.7.2

Čištění dat23

Data z primárních transakčních systémů mohou mít (a také mají) velmi různorodou kvalitu. Při procesu čištění se snaţíme kvalitu dat zvýšit tak, aby výsledky zjištěné při jejich analýze nebyly zatíţeny příliš velkými chybami. Příčinou špatné kvality dat je primárně člověk. Člověk zkresluje informace, které předává ústně, člověk chybuje v písemném záznamu informací, člověk je líný vyplnit všechna pole formuláře. Předmětem čištění mohou být prakticky všechny atributy datových objektů, které nemají povahu ukazatele. V datech o zákaznících firmy je obvykle potřeba prověřit a vyčistit identifikační údaje a adresy. Další chyby se nacházejí v atributech transakcí, jako jsou kódy zboţí a podobně. Datové sklady obecně nemají inteligenci a pruţnost lidského myšlení, takţe se špatnou kvalitou dat způsobenou člověkem se musí vyrovnat pomocí sofistikovaných algoritmů a knihoven dat z reálného světa, která nahrazují ţivotní zkušenosti běţného člověka.

3.7.3

Komplexní řešení ETL

Dodávka ETL24 (Extraction, Transformation, Loading) řešení má svá pravidla. Její součástí musí být komponenty, které zajistí správné fungování, kontrolovatelnost a udrţovatelnost implementovaného řešení. Součástí dodávky je: Metodika řešení - konvence pro pojmenovávání objektů, struktura a obsah dokumentace, apod. Funkcionalita - postavená na pečlivé analýze datových zdrojů a cílového datového modelu všech transformací. Zahrnuje plánování běhu datových pump včetně ţurnál ování, datový audit, ošetření chybových situací, systém monitoringu, reportování a notifikace, nastavení přístupových práv uţivatelů a v neposlední řadě plán obnovy datového skladu. Systém archivace - výběr objektů pro zálohování, nastavení pravidel a intervalů zálohování, příprava hardwaru a médií pro zálohování. Dokumentace - dokumentace architektury, technologií, přístupových práv; dokumentace pro správce datového skladu. Zaškolení správce.“ 23


24

Lubor Lacko, Oracle Správa, programování a pouţití databázových systémů, strana 345

50

3.8 Jaká jsou nejčastější úskalí v ETL vrstvě? 25 3.8.1

Obchodní logika implementovaná do předdefinovaných modelů velkých systémů

„U velkých univerzálních systémů se často stává, ţe se při předimplementační analýze zapomene na nějakou důleţitou informaci. Poté, co je drahý systém implementován a uveden do provozu, zjistí uţivatelé, ţe pro některou agendu není implementován důleţitý atribut. Co udělají? Některý z atributů, který pro ně (pro jejich oddělení, divizi) není důleţitý, nahradí ve své mysli potřebným atributem. Stane se tak to, ţe pro většinu transakcí určitého typu v systému znamená hodnota atributu X to, co je popsáno v systémové dokumentaci - například "kód kontrolujícího pracovníka". Avšak pro některé jiné typy transakcí má tento atribut zcela jiný význam: například "pomocný kód pro vnitřní rozúčtování nákladů". Taková skutečnost musí být odhalena při analýze datových zdrojů (coţ vzhledem k tomu, ţe popis v dokumentaci neodpovídá skutečnému stavu, není zcela triviální), správně implementovat v ETL procesech a také ji srozumitelně a dostatečně podrobně popsat v dodané dokumentaci. Obdobným příkladem tohoto úskalí je pouţívání rodných čísel a různé způsoby náhrady neexistujících nebo nezjistitelných rodných čísel. V systémech, v nichţ je atribut "rodné číslo" neprozřetelně pouţit jako identifikační klíč, pak navíc ještě v důsledku toho dochází k obtíţně řešitelným problémům s identifikací zákazníka.

3.8.2

Nedodrţená referenční a doménová integrita

Mnoho transakčních systémů nevyuţívá moţnosti databázových systémů pro zajištění referenční integrity. Místo toho bývá někdy referenční integrita zajištěna funkcí aplikační logiky. V důsledku toho dochází k tomu, ţe v primárních datech jsou porušeny relační vazby mezi jednotlivými tabulkami. Pro plnění datového skladu to má závaţné důsledky - vţdyť z relačních vazeb se vytvářejí dimenze a jejich hierarchie. Správně navrţený ETL proces proto musí být schopen načíst i data ze zdrojů s neúplnou nebo porušenou referenční integritou, zachytit zjištěné chyby a na tyto chyby upozornit správce datového skladu, případně vygenerovat podrobný report umoţňující tyto chyby dodatečně opravit buď v primárním transakčním systému, nebo přímo v datovém skladu. 25


51

3.8.3

Duplicita dat

Ve firmách se sloţitějším způsobem zpracování informací se setkáváme i s tím, ţe některé typy transakcí se zpracovávají postupně nebo paralelně v různých subsystémech, přičemţ některé výsledky, které takto vzniknou, vypovídají o stejném ukazateli. Jako příklad lze uvést úrokovou marţi z úvěrových obchodů finančních institucí. Tuto informaci pravděpodobně naleznete v systému pro správu úvěrů, moţná také v systému zpracovávajícím transakce s klienty a velmi pravděpodobně jej lze získat také výpočtem z účetního systému. Návrhář ETL procesů musí rozhodnout společně s vlastníkem datového skladu o tom, která hodnota se pouţije, případně jak se ověří její správnost či důvěryhodnost. Také je nutné zajistit vyloučení duplicitních dat ze zpracování ostatních údajů ze stejného zdroje.

3.8.4

Náhodné chyby způsobené člověkem

Kromě chyb způsobených systematickým pouţíváním (nebo zneuţíváním) některých atributů v rozporu s definicí v systémové příručce dochází samozřejmě i k chybám náhodným, neúmyslným. Často se setkáváme s tím, ţe v systému obsahujícím atributy jméno, příjmení, titul, je plné jméno osoby vepsáno v jediném poli nebo je přehozeno jméno a příjmení. K podobným přehmatům dochází i v adresách. Koneckonců i v případech, kdy je kaţdý kousek dat na správném místě, se stejně nakonec nevyhneme překlepům. Transformační, procesy jejichţ úkolem je sjednotit data o zákazníkovi, musí být schopny přehmaty a překlepy správně detekovat a opravovat. Pomocníkem v tom mohou být specializované nástroje pro čištění dat, jako je např. Trillium.

3.8.5

Problém měnících se dimenzí

Při plnění datového skladu se vytvářejí tabulky faktů (ukazatelů) a tabulky dimenzí. Dimenze se vytvářejí z dat v číselnících a z atributů subjektů (zákazník, odběratel). Jelikoţ data v číselnících a data o subjektech nejsou v čase neměnná, je nutné vyřešit způsob, jakým bude zachována kontinuita příslušného subjektu nebo druhu poloţky i v případě změn atributů. Tento problém lze ilustrovat na příkladu bankovní klientky, která v důsledku sňatku změní jméno a bydliště a v důsledku toho také kontaktní pobočku. Jedná se stále o tutéţ klientku, coţ je nutné zohlednit při úvěrovém scoringu (jedním z parametrů bývá délka trvání účtu), případně nabídce dalších produktů, ale zároveň je nutné pro účely hodnocení výsledků poboček rozdělit hodnoty ukazatelů týkající se klientky ve starém a v novém bydlišti.

52

Problém je řešitelný zavedením pomocných identifikátorů a inkrementálního plnění. Při inkrementálním plnění se nejprve v pomocné tabulce vytvoří záznam dimenze, jehoţ identifikační prvky se porovnávají se záznamy v existujících dimenzích. Pokud se nalezne identický záznam, jehoţ sekundární atributy se však liší, je třeba vytvořit záznam nový a propojit jej společným identifikátorem se starým záznamem, aby byla zachována kontinuita v čase. Ne všechny změny atributů jsou však přípustné. Pro případ, ţe by v atributech subjektu došlo k nepřípustným změnám, je nutné zajistit, aby došlo k zaznamenání chyby do ţurnálu a k upozornění osoby odpovědné za kvalitu dat. Z výše zmíněných příčin většinou dochází při načítání dat k řadě chyb. Správně navrţený ETL systém zaznamenává všechny chyby do chybového ţurnálu. Některé z těchto chyb mohou být opravitelné automaticky, avšak kritické chyby a chyby vyţadující manuální opravy musí být hlášeny správci datového skladu a vybraným odpovědným uţivatelům, například elektronickou poštou. Nejlepším způsobem, jak chybu opravit, je opravit ji v systému, kde se vyskytla. Ne vţdy to bohuţel je moţné. V takovém případě je nutné zahrnout opravu známé chyby do ETL procesu.

3.8.6

Metadata

Metadata jsou data o datech26 - názvy tabulek a sloupců, jejich datové typy, sémantika. Metadata v ETL popisují jak zdrojová data, tak data v cílové databázi. Kaţdý databázový systém a kaţdý vývojový nástroj obsahuje svá vlastní metadata. Pro návrháře a správce ETL procesů tím vzniká potřeba metadata z rozličných systémů zpřístupnit, pokud moţno jednotně všem zainteresovaným uţivatelům. Tento problém není zcela jednoduše řešitelný, protoţe kaţdý systém pouţívá proprietární způsob ukládání metadat. Rozhodnete-li se zřídit si centrální repositář metadat, musíte vyřešit konektivitu mezi různými systémy a převod metadat do jednotného modelu. Ačkoliv ideálním místem pro uloţení metadat jsou databázové tabulky, z hlediska interoperability je výhodnější řešení na bázi otevřených standardů (např. XML). Centrální správu metadat řeší některé specializované produkty. Metadata neslouţí v ETL pouze k popisu dat, nýbrţ umoţňují formou popisu definovat i transformace. Tím se redukuje nebo dokonce zcela eliminuje práce programátorů, a tím i chybovost transformací.

26

Časopis IT Systems 3/2005- Metadata a datové sklady str. 48

53

3.8.7

Stručný přehled ETL nástrojů

ETL komponenty datového skladu je při troše štěstí moţné vytvořit ve formě sbírky SQL skriptů, dávkových skriptů a příslušné dokumentace. Nikoho nepřekvapí, ţe pro maličká řešení je takový způsob dokonce nejrychlejší. Pracnou údrţbu je však lépe nahradit pouţitím profesionálního nástroje. Mezi hlavní výhody ETL nástrojů patří zejména: repositář, zpravidla uloţený v databázi, centralizovaná správa transformací v repositáři, moţnost vytváření nebo správy metadat, řízené plánování a spouštění transformací. Warehouse Builder (Oracle) Oracle Warehouse Builder (OWB) je nástroj určený primárně pro pouţití s databázemi Oracle. Poskytuje prostředky pro návrh, správu a spouštění dávek a transformací a repositář metadat. Samozřejmostí je grafické uţivatelské rozhraní a u Oraclu obvyklá robustnost a škálovatelnost.OWB podporuje transformace řízené metadaty. Tím, ţe programový kód transformací lze generovat z metadat, se sniţuje pracnost a chybovost programování transformací. Nástroj podporuje opakovatelnost vyuţití kódu - v repositáři lze vytvářet knihovny transformací importem vlastních transformačních procedur. Oracle Warehouse Builder zpřístupňuje metadata širšímu okruhu uţivatelů prostřednictvím webové aplikace. K výsledkům datového auditu je přístup prostřednictvím speciální aplikace.27 Data Transformation Services (Microsoft) Tento software je součástí Microsoft SQL Server 2000. DTS umoţňují přesouvat data mezi různými databázovými servery, ale celkem logicky fungují nejlépe a nejrychleji, je-li alespoň jedním z nich Microsoft SQL Server. DTS poskytují příjemné grafické rozhraní. Software umoţňuje mapování jednoduchých transformací přímo, sloţitější transformace lze naprogramovat v jazyce Visual Basic, ale i v JavaScriptu nebo Perlu. Skripty v jiných jazycích neţ Visual Basic jsou ale v prostředí DTS pomalejší. Nástroje Informatica ETL nástroje Informatica zahrnují: PowerMart, PowerCenter a PowerCenterRT. Transformace navrhované v prostředí Informatiky jsou plně řízené metadaty. Tento koncept Informatica nazývá "Active Metadata". Bohatá výbava nástrojů umoţňuje konektivitu nejrůznějších datových zdrojů - databázových serverů všech

27

http://www.oracle.com/us/corporate/press/017228_EN 13.02.2011

54

významných výrobců, souborů odpovídajících otevřeným standardům apod. Informatica PowerCenterRT umoţňuje aktualizaci v reálném čase technologií Zero Latency. Ab Initio Ab Initio, je velice výkonný (a nákladný) prostředek umoţňující programovat masivní ETL v prostředí obrovských datových skladů. Hlavním rysem Ab Initia je podpora paralelního zpracování dat, modularita a podpora široké škály průmyslových standardů. Schopnost

Ab

Initia

zvládat

obrovské

objemy

dat

a

plně

vyuţít

kapacitu

víceprocesorových serverů je velmi cenná pro provoz datových skladů v oborech produkujících obrovské objemy dat.28

3.8.8

Návratnost investic do nástrojů ETL

Při výpočtu návratnosti investice do profesionálního ETL prostředí je potřeba vzít v úvahu faktory, které mají vliv na náklady na vlastnictví ETL vrstvy datového skladu: předpokládaná ţivotnost datového skladu, pravděpodobné změny v primárních systémech, počet informačních systémů slouţících jako datový zdroj, geografická a organizační struktura firemního oddělení IT, počet pracovníků zapojených do vývoje nebo správy datového skladu. Obecně lze říci, ţe čím sloţitější infrastruktura a čím vyšší objem dat, tím více se pouţití profesionálních ETL nástrojů vyplatí. Pro komplexní systémy jsou takové nástroje nezbytností.“

28

http://www.adastra.cz/dokument.aspx?id=64 13.02.2011

55

4. Dopady nekvalitních dat na Controlling Nekvalitní data způsobená ať uţ chybným vydefinováním na základě chybné analýzy nebo nedostatečným kontrolním procesem nebo pouhou technickou chybou v přenosu dat mohou způsobit velice závaţné chybné rozhodnutí v řízení podniku, které jsou způsobeny hlavně zkreslené informace získané z chybných nebo nesprávných dat. V této kapitole práce bude na konkrétním příkladu malé banky popsán způsob, jak těmto chybám předejít, jakým způsobem postavit datovou základnu pro Controlling, která bude automatizovaně plněna, a nad těmito daty budou vybudovány kontrolní mechanismy, které ohlídají a zapíšou výsledky přenosů z primárních systémů této banky a tato data se pak budou prezentovat v poţadovaném formátu.

4.1 Současný stav Management banky dostává z Controllingu velké mnoţství dat z různých systémů banky v různých formátech, a je velice sloţité z těchto dat získat relevantní informace pro strategické rozhodování jako je např. Na jaký klientský segment, by se banka měla v následujících letech zacílit, který produkt nám nejvíce vydělává? Na konec se vedení banky musí nakonec spokojit s pouhou hlavní knihou, kde je granualita dělení maximálně závazky, pohledávky dělené na rezidentské nebo nerezidentské. Obr. 8: Model přístupu k datům.

Vytvořeno autorem.

56

Výše uvedené grafické vyjádření popisuje současný stav procesu generování dat a přeposílání dat mezi jednotlivými odděleními banky.

4.1.1

Dopady chyb na základě chybných definic

V této části lze na příkladu vypozorovat, jak mohou nesprávně vydefinovaná data ovlivnit informace předkládané managementu banky jako podklad pro rozhodování. Naše banka XY má ve svém systému zadáno portfolio 50 tisíc klientů, kteří vystupují v různých rolích vůči ostatním klientům, nebo sluţbám které vyuţívají. Management banky chce vědět kolik klientů a v jakých segmentech mají pod správou jednotlivé pobočky a dále pak jednotlivý poradci klientů. Na základě těchto informací chce vyhodnotit management banky, jak moc jsou vytěţovány jednotlivé pobočky a poradci klientů. V naší modelové bance však pouze 40 tisíc klientů vlastní alespoň jeden aktivní produkt, zbylých 10 tisíc klientů vystupují pouze v roli disponent s produkty jiných klientů nebo jsou zadáni jako zástupci korporátních klientů (jednatelé/vlastníci atd.). V bance se tito klienti segmentují podle činnosti, kterou klient vykonává (fyzické osoby, fyzické osoby podnikatelé, právnické osoby). Tyto jsou pak děleny ještě na další detailnější podskupiny. Jak bylo výše zmíněno pouze 80% klientů vlastní alespoň 1 produkt. Pokud se do výpočtu vytěţování poboček zahrne celé portfolio klientů, dostaneme diametrálně odlišné výsledky.

57

Tabulka č. 4: Model výpočtů na základě chybných definic Výsledky při počtu klientů: 50 tisíc pobočka typ klienta FO FOP PO celkem typ klienta FO FOP PO celkem

1 2 356 428 698 3 482 1 6,35% 4,71% 18,42% 6,96%

2 9 876 5 654 687 16 217 2 26,61% 62,20% 18,13% 32,43%

3

4

5

8 976 8 665 2 345 767 789 675 656 546 548 10 399 10 000 3 568 podíly pobočka 3 24,18% 8,44% 17,31% 20,80%

4 23,34% 8,68% 14,41% 20,00%

5 6,32% 7,43% 14,46% 7,14%

6

7

2 351 231 123 2 705

2 551 546 532 3 629

6

7

6,33% 2,54% 3,25% 5,41%

6,87% 6,01% 14,04% 7,26%

celkem za typ 37 120 9 090 3 790 50 000 celkem za typ 100,00% 100,00% 100,00% 100,00%

Výsledky při počtu klientů: 40 tisíc pobočka typ klienta FO FOP PO celkem typ klienta FO FOP PO celkem

1 1 867 411 675 2 953 1 6,76% 4,74% 18,25% 7,38%

2 6 349 5 532 654 12 535 2 22,98% 63,74% 17,69% 31,34%

3

6

7

6 245 7 791 1 897 723 765 621 652 543 530 7 620 9 099 3 048 podíly pobočka

1 787 198 121 2 106

1 687 429 523 2 639

3

6

7

22,61% 8,33% 17,63% 19,05%

4

4 28,20% 8,81% 14,68% 22,75%

5

5 6,87% 7,16% 14,33% 7,62%

6,47% 2,28% 3,27% 5,27%

6,11% 4,94% 14,14% 6,60%

celkem za typ 27 623 8 679 3 698 40 000 celkem za typ 100,00% 100,00% 100,00% 100,00%

Z výše uvedených výsledků vypočítaných na úroveň poboček vyplývá, ţe takto chybně vydefinovaný pojem klient bude mít vliv na výsledky vytíţenosti poboček a zaměstnanců v poradenské činnosti poskytované klientům.

58

4.1.2

Dopady chyb na základě nesprávného zadání dat do systému

Naše banka XY provádí segmentaci klientů podle zadaných atributů na daném subjektu klienta, jako jsou např. předmět činnosti, právní forma atd., na základě kterých systém sám přiřazuje klientský segment. Na atribut segment klienta se rozpočítávají jak výnosové náklady, tak také nákladové poloţky včetně následného výpočtu krycího příspěvku podle různých dimenzí. Pokud v např. v naší bance XY nebude dodrţována metodika zadávání klientů do bankovního systému a zadané hodnoty nebudou odpovídat skutečnosti, budou dělána chybná strategická rozhodnutí. V bankovním systému banky XY je klient, který bance přinesl ve sledovaném období zisk 10 Mil. CZK. Tento klient má jako předmět hlavní činnosti ubytovací sluţby. Ve skutečnosti má klient, ale jako hlavní činnost ţivočišnou a rostlinou výrobu. Na základě této nepřesnosti pak klient dostane automaticky systémem přidělen segment klienta „pohostinství“ a ne správnou hodnotu „zemědělství“. Na základě této chyby je v měsíčních periodách vyhodnocován tento konkrétní klient a s ním všechny náklady a výnosy z něj získané, v úplně jiném klientském segmentu. Taková chyba musí mít logicky za následek, ţe při interpretaci, který klientský segment je vlastně v bance ten nejvýnosnější a na který se banka bude v příštích obdobích soustředit, bude představenstvo rozhodovat z informací, které byly získány z nepřesných dat.

4.1.3

Nedostatečná aktualizace dat

Sledování a vyhodnocování aktuální situace v bance/podniku musí vţdy vycházet z co nejvíce aktuálních údajů. Mnohdy hodnotit situaci z měsíčních dat v druhé polovině měsíce je nedostatečné, proto by měli být po ruce vţdy data aktuální, tak aby se dalo operativně rozhodovat o dalších nezbytných krocích. Proto musí být datová vrstva optimalizována a vlastní zápis dat řádně dokumentován a optimalizován.

59

5. Návrh opatření a kontrolních mechanismů 5.1 Změna současného stavu = projekt Vedení banky potřebuje mít vţdy ty správné informace na stole, protoţe stav systému v bance toto neumoţňuje, bude správným krokem vypsání projektu „Transformace účetnictví na manaţerské účetnictví“ a pověřením vedoucího Controllingu vedením tohoto projektu.

5.1.1

Prvotní analýza současného stavu

Projekt manaţer začne zpracovávat prvotní analýzu současného stavu. Tato analýza by měla dát prvotní informace o tom z jakých dat Controlling zpracovává podklady pro vedení banky. Vedení banky stanoví datum, do kterého musí pověřená osoba (v našem př. vedoucí controllingového oddělení) prvotní analýzu současného stavu. Pověřená osoba tuto analýzu zpracuje a předloţí vedení banky, ve spolupráci s ostatními odděleními, které pracují s jednotlivými systémy, které jsou pouţívány v běţném denním provozu banky a produkují data pro controllingové oddělení. Výchozí situace: Jakmile je definován profil poţadavků systému controllingu, je zpravidla věnována pozornost primárnímu nástroji controllingu – účetnictví. V podnikovém účetnictví se naráţí na některé klasické problémy: Účetnictví je příliš zaměřeno na pouhé zaúčtování Neposkytuje ţádné vyuţitelné informace Slouţí spíše následnému ospravedlnění neţ jako podpora pro rozhodování Formální přesnost je nadřazena účelnosti dat Kalkulace nákladů stojí v těţišti zájmu a kalkulaci výnosů je věnována malá pozornost Vyřešit tyto problémy se nám podaří, pokud bude stávající účetnictví restrukturalizováno na účetnictví zaměřené k podpoře řízení podniku – na manaţerské účetnictví. To ve srovnání s klasickým účetnictvím zahrnuje také účty lánu a kontroly. V popředí je podpora rozhodování, ne dokumentování minulosti. Protoţe účetnictví primárně slouţí controllerovi jako zdroj pro poskytování informací vedení podniku (pro rozhodovací proces), je potřebné v prvním kroku stanovit příslušné cíle. Výsledkem této prvotní analýzy je zpráva pro vedení banky a vyplývá z ní, ţe data, která jsou předkládána vedení banky, jako zdroj informací pro strategické rozhodování vedení

banky,

jsou

v pravidelných

měsíčních

periodách

zpracovávány

velice

nesystémovým způsobem, mnohdy jsou tato data ručně kopírována nebo ručně

60

přepisována z různých zdrojů, data pravděpodobně jsou generována na základě chybných definic, v praxi to lze vyjádřit tak, ţe někdy je v mnoţině zpracovaných dat více údajů, někdy zase méně. Vedení banky mnohdy dostává agregovaná data nejen z Controllingu. Výše uvedené grafické vyjádření popisuje současný stav procesu generování dat a přeposílání dat mezi jednotlivými odděleními banky. Projekt manaţer seznámí vedení banky s výsledky své analýzy a zhodnotí průběh a výsledky současné situace. V našem případě popíše pověřený pracovník aktuální stav měsíčního generování dat a dolování informací pro vedení banky. Jednoduše lze tento stav popsat jako nesystémový, velice chybový a náchylný k lidským chybám a lze říci, mnohdy je zde nedodrţena integrita dat.

5.1.2

Vydefinování cílů projektu – stav budoucí

Nyní k důleţité otázce vhodného systému kalkulace nákladů a výkonů. Jako dobrá podpora controllera se často nabízí účtování o plánovaných nákladech, které je schopné rozlišit fixní a variabilní náklady. K účinnému plánování nepřímých nákladů a jejich kontrole je dále zapotřebí do kalkulace plánu integrovat informace o procesních nákladech. Ve vztahu k organizačním strukturám má význam zvláště členění nákladových středisek a druhů nákladů. V případě nákladových středisek je nutné dbát na to, aby tato střediska byla strukturována podle jasně vymezených oblastí odpovědnosti. Na základě rozhodnutí pro systém kalkulace nákladů a výkonů je nutné určit detailní postupy. Vzhledem k rostoucí nabídce software bude rozhodování o nákupu vhodného software pro systém kalkulace nákladů a výkonů spojeno s velkými obtíţemi. Doporučuje se dodrţet přísně strukturovaný postup. Další komponentou účetnictví je kalkulace investic. Z velké nabídky metod se musí vybrat ty nejvhodnější. V této souvislosti je důleţité jednotné pouţití metod, aby bylo moţné porovnáváním posuzovat investiční alternativy. Následují důsledné realizace kalkulace hospodárnosti, i kdyţ ne vţdy se v podnicích praktikuje. Mezi další komponenty účetnictví patří finanční účetnictví. Jeho cílovou veličinou není „hospodárnost“, ale „likvidita“. V praxi je proto často organizačně odděleno od controllingu. Dosavadní kroky byly věnovány výběru a standardizace metod. Nyní bude stanoven vstup informací, která metoda potřebuje pro „svůj vlastní chod“.

61

Oba následující kroky („určení toku informací“) patří mezi prvotní úkoly controllera. Zde má koordinační funkce mimořádnou váhu. Současně mají tyto úkoly kritický význam pro manaţerské účetnictví. K tomu, aby se tento stav změnil, je potřeba vybudovat datovou vrstvu, která bude jiţ pracovat se správnými daty a nejlépe pak vybudování datového vrstvy/skladu a nad ním prezentační vrstvu. Obr. 9: Model toku dat napříč bankou přes integrační vrstvu:

Vytvořeno autorem – obrázek vyjadřuje toky dat přes společnou integrační vrstvu z pohledu příjemců i tvůrců dat, neřeší řízený přístup k těmto datům.

5.1.3

Proces definování potřebných veličin

V kapitole 2.6 této práce je popsána důleţitost zavádění procesního řízení v bance/podniku. Jakákoliv změna je určitým procesem a jako proces by měla být vedena a řízena. Proto je potřebné tyto procesy zavádět co nejefektivněji. V bance/podniku musí být zavedena procesní mapa, která dokumentuje všechny činnosti a podobným způsobem by měly být zmapovány a zdokumentovány, také jednotlivé sledované veličiny, z jak se tyto vypočítají a jaké hodnoty do těchto výpočtů vstupují. Pro toto správné vydefinování je dobré pouţít metodu KAIZEN popsanou v této práci. Díky správně zvolenému týmu, který definuje potřebná data na základě skutečných znalostí pracovníků z provozu, lze tyto tímto

62

způsoben vydefinovat skutečně správné a potřebné hodnoty důleţité pro práci Controllingu. Lze také říci, ţe správná definice a tvorba dat pro Controlling ovlivní kvalitu rozhodování vedení banky o samotném oddělení, které data produkuje. Jinými slovy lze říci, ţe kaţdé oddělení by mělo být ve vlastním zájmu aktivní v komunikaci a spolupráci na projektech jiných oddělení, protoţe to v budoucnu můţe ovlivnit jak celou firmu.

5.2 Datová vrstva Vhodně vybraná organizace informací v bance pomůţe zlepšit její řízení a také její úspěšnost v dlouhodobém horizontu. Informační systémy jsou, které jsou dnes v našem příkladu pouţívány, se v převáţné míře specializují na pouze určitou oblast. Uţivatelé vyuţívají data uloţená v databázích získávat pomocí standartních nástrojů na zobrazení informací: tiskových sestav, formulářů, grafů apod. Agregovaná data a z nich získávané informace mohou při větším objemu dat způsobit problémy v chování provozovaných aplikací.

5.2.1

Aktuální situace pro pouţití Datamartu

Základem informačního kaţdého systému musí být konkrétní software - aplikace OLTP (On-line Transactional Processing), která bude slouţit především k podpoře provozních potřeb banky. Aplikace OLTP bude mít běţné úkoly pro zautomatizované zpracování dat (objednávky, bankovní operace). Toto zpracování bude strukturované a opakující se. Bude sloţené z krátkých, izolovaných, atomických transakcí. Transakce vyţaduje přesná, aktuální data, v několika krocích se k nim bude přistupovat přes primární klíče. Objemově se budeme pohybovat v řádech několika megabytů. Obnovitelnost a konsistence databází je zásadním a klíčovým faktorem. Jednotlivé OLTP aplikace budou tvořit větší systémy, které dokáţou uspokojit potřeby operativního řízení podniku/banky a budou tak evidovat mnoho dat, která budou vznikat. Tato data mají pro banku a její řízení zásadní hodnotu – pokud budou efektivně vyuţívána. Jejich význam se v oblasti operativního řízení tak logicky přesouvá do oblasti strategického řízení. Snahy o analýzu a zpracování výstupů z OLTP aplikací však budou naráţet na následující problémy, které povedou k hledání a pouţívání pokročilejších technologií nebo nástrojů.

5.2.2

Velký rozsah zpracovávaných dat

Základním problémem bude přílišný rozsah dat z různých systémů. Běţné rozdělení odpovědností v liniové organizační struktuře vede k tomu, ţe zaměstnanci na vyšších místech mají zodpovědnost za více rozsáhlou oblast neţ jejich podřízení. Zavedení 63

procesního řízení pomáhá tuto zodpovědnost delegovat na niţší místa a bude mít za následek, dílčí větší zodpovědnost konkrétních zaměstnanců/vlastníků procesů. Dopady rozhodování vyššího vedení se navíc projeví v delším časovém horizontu. Proto tito musí mít k dispozici mnohem více historických informací. Vedoucímu pobočky postačí údaje za jeho pobočku, vedoucí obchodu uţ bude potřebovat informace o všech pobočkách a vrcholové vedení potřebuje např. uţ jen sumy a za daleko delší období. Vrcholové vedení tak nepotřebuje znát detailní data o kaţdé pobočce. Většinou jim budou stačit součty, minima, maxima nebo průměry sledovaných hodnot. Tzn., ţe data pro tyto příjemce budeme agregovat přes agregační funkce, které tyto ukazatele předpočítají a sestavy se tak nazývají sestavami agregovanými. Agregovaná sestava se pak vejde na většinou stránku a údaje v ní jsou přehledněji rozčleněny.

5.2.3

Příliš dlouhá doba zpracovávání

Dalším problémem v řadě budou dlouhé doby sestavování reportů/sestav. Jestliţe bude pro výpočet sestavy jedné z poboček nutné načíst z diskového pole několik desítek záznamů, při vytváření agregované sestavy je potřeba tato data načíst, často se jedná o statisíce nebo i milióny čísel a následně tato data agregovat. Tato operace pak můţe trvat desítky minut aţ hodiny. To ještě nebude příliš vadit, protoţe takové sestavy se většinou negenerují tak často. Ale databázový server v době výpočtu pak neposkytuje ten správný a plný výkon na vyřizování běţných poţadavků uţivatelů a odezva na tyto poţadavky se bude výrazně prodluţovat. U dotazů, u nichţ chceme znát aktuální hodnoty ukazatelů, nebo budou vyuţívány pouze za určité období, lze vyuţít času, kdy bude systém méně vytíţen, a tyto agregační procesy spouštět v noci. Tím se nebudou neomezovat ostatní uţivatelé databáze, avšak vznikne příliš dlouhý interval mezi zadáním poţadavku, jeho vytvořením, moţným upřesněním parametrů na základě výsledků (např. rozšíření i na předcházející týden) a novou tvorbou výstupu. Proto se bude praktikovat jiná moţnost: během noci se nebudou tvořit výstupy, ale všechna potřebná data se budou transformovat do podoby, která vyhovuje agregovaným dotazům, jinými slovy si předpočítáme data pro sestavy. Ale protoţe potřebujeme minimalizovat zatíţení provozního serveru při zpracování dotazů a přenášení dat, která jsou potřeba pro tisk sestav na jinou, k tomu účelu určenou databázi. Tato databáze není určena k manipulaci s daty, ale pouze ke čtení tj. tvorba sestav a analyzování ukazatelů.

64

Lze tedy říci, ţe pro správné a rychlé zobrazování dat v poţadované formy tak budeme stavět datový sklad. V našem případě není nutné přenášet všechna data. Proto budeme muset navrhnout ty správné metody, často i velice sloţité, které přenesou právě nové nebo změněné záznamy. Tyto metody lze označit jako transformační procedury. Při plnění datového skladu se neomezíme jen na přenos dat z jednoho hlavního informačního systému. Je proto vhodné do skladu transformovat data z co nejvíce dostupných datových zdrojů, tedy z různých účetních programů, informačních systémů, dat v tabulkových procesorech nebo menších databázích nebo z veřejných zdrojů na Internetu (např. aktualizované seznamy PSČ, kraj, okres, město atd…). Provázáním dat z těchto systémů se tak výrazně zvýší jejich hodnota a uţivatelé tak budou moci získávat informace, jenţ dříve pracně zapisovali (mnohdy se značnou chybovostí) nebo tyto informace získávali pracným porovnáváním výpisů z několika datových zdrojů.

5.2.4

Potřeba historických dat

Další oblast k vyřešení bude uchovávání historických informací, tj. údaje o stavu dat nebo systému před týdnem, měsícem, rokem, jest datové řezy. Provozní systémy pracují pouze aktuálními hodnotami ukazatelů a nezajímají ho je údaje z minulosti. Typicky například nastavení frekvence a způsob předání výpisu z klientského účtu. Tento problém vyřešíme přidáním časové dimenze, tedy informace o době platnosti záznamu. Např. do tabulky účet, přidáme sloupec datum a při přenášení dat z provozní aplikace se při kaţdé změně v aktuálním záznamu v datovém skladu nastaví datum a vytvoří se nový záznam s aktuálními hodnotami nastavenými na účtu.

5.2.5

Určení problematické hodnoty

Nalezení hodnoty vybočující z obvyklých mezí by v původním rozsáhlém výstupu bylo skutečným problémem. Ani při zobrazení řezu větší krychle to nemusí být snadné. Nástroje pro vícerozměrnou analýzu nabízejí tři základní postupy, které umoţňují snadno najít ve velkém mnoţství dat problematické údaje. Nejjednodušší metodou jsou top-ten analýzy. Výsledek dotazu je setříděn podle velikosti a je zobrazeno pouze definované mnoţství záznamů (např. 10 nejmenších, 5 % největších nebo ty, které se neodlišují od největšího o více neţ 4 %). Další variantu představují tzv. triggery (spouštěče). Nastavením triggeru na určitou hodnotu dosáhneme zvýraznění hodnot, jeţ jsou mimo určený interval.

65

Třetí zvýrazňující funkcí je mezikvartální analýza. Ta nám umoţní zobrazit dva fakty v jednom políčku tabulky a slouţí např. k porovnání prodeje proti stejnému období minulého roku.

5.3 Controllingové výstupy Ze správně nastavené datové vrstvy a dat v ní obsaţených začneme vytvářet controllingové výstupy. Samotná tvorba těchto výstupů bude procesem, který musí mít svá pravidla popsaná v kapitole 2.

5.3.1

Výpočet krycího příspěvku

Výpočet krycího příspěvku dle bodu 1.3.1 bude počítán jako rozdíl z jednoho konkrétního typu produktu a jeho variabilních nákladů. V souladu s touto myšlenkou bude tento výpočet vyjadřovat, jaký bude příspěvek jednoho typu produktu ke krytí fixních nákladů a zisku. Tabulka č. 5: Model výpočtů krycího příspěvku:

počet kusů produktu provozní výnos na 1 produkt v CZK úrokové výnosy v CZK poplatkové výnosy v CZK úrokové náklady v CZK výnos z provozní činnosti v CZK KP I. – reklama v CZK KP II. - odpisy budov, náklady na provoz v CZK KP III. – mzdy v CZK Zisk v CZK

A 2000 20,50 60 000,00 6 000,00 25 000,00 41 000,00 3 000,00

Produkty B 3000 16,40 35 000,00 15 000,00 800,00 49 200,00 4 000,00

C Celkem 4000 5,00 90 000,00 185 000,00 10 000,00 31 000,00 80 000,00 105 800,00 20 000,00 110 200,00 7 000,00 14 000,00 40 000,00 29 000,00 27 200,00

Další zajímavou dimenzí bude tyto informace vztáhnout na jiné atributy, třeba jako profit centra, pobočky, skupiny klientů. Vţdy bude potřeba tento krycí příspěvek rozdělovat podle klíčů, kterými jsou podíl části na celku.

5.3.2

Výpočty plnění plánu

Dalším výstupem, který bude vedení zajímat, bude pohled, jak jsou plněny jím stanovené plány a cíle. Vedení banky bude chtít znát včas, ţe stanovené dílčí cíle nejsou průběţně plněny. Tyto včas poskytnuté informace budou velice uţitečné při strategickém rozhodování v dané problematice a mohou včas odhalit nedostatky v předešlých rozhodnutích nebo probíhajících procesech. Na následujícím příkladu je nasimulováno, jak datově ošetřit výpočty pro informace o plnění plánu. V principu se nejedná o nic jiného, 66

neţ vytvořit v databázi tabulku, která bude porovnávat skutečnost s předepsaným plánem. V našem příkladu bude vedení banky sledovat výkonnost jednotlivých poboček banky, na úrovni počtu produktů a na úrovni provozních výnosů (úrokové náklady a výnosy, poplatkové výnosy, náklady na opravné poloţky k pohledávkám banky). Plán byl definován jako výsledek z posledního roku + 2,5%. V databázi se tyto hodnoty zanesou do tabulky „plán“, ve které je tento rozepsán na jednotlivé pobočky. Tuto pak propojíme s daty popisující skutečnost. Protoţe vedení sleduje plán průběţně, je potřeba roční plány z tabulky „plán“ vypočítat na úroveň vykazovaného měsíce. Tabulka č. 6: Model výpočtů plnění průběţného plánu: měsíc 4 pobočka počet prodaných produktů plán průběžný plnění plán roční plnění 1 47 67 70,50% 200 23,50% 2 56 60 93,33% 180 31,11% 3 36 55 65,45% 165 21,82% 4 78 68 114,15% 205 38,05% 5 80 75 106,67% 225 35,56% Celkem 297 325 91,38% 975 30,46% pobočka provozní výnosy v tis. plán průběžný plnění plán roční plnění 1 2345 2559 91,65% 7676 30,55% 2 3452 2559 134,88% 7678 44,96% 3 3007 2921 102,93% 8764 34,31% 4 2367 2559 92,49% 7678 30,83% 5 2932 2892 101,38% 8676 33,79% Celkem 14103 13491 104,54% 40472 34,85%

Z dat v této formě je na první pohled patrné, která pobočka průběţně naplňuje plán a jak se daří naplňovat plán celkový.

5.3.3

Porovnání s konkurencí

Kaţdé vedení bude chtít vědět, jak si podnik/banka kterou řídí, stojí v porovnání se svojí konkurencí. Benchmarkingu je nutné vydefinovat, jak a co budeme porovnávat a jakou váhu bude daná oblast mít. Pokud budeme uvaţovat v rovině naší banky XY a budeme chtít porovnat náš produkt se stejným produktem konkurence, pak nejdříve vydefinujeme, jaká kritéria vlastně budeme sledovat? Nabízí se: atraktivita, vlastnosti, flexibilita, cena, dostupnost, servis, marketing. Těmto vlastnostem přiřadíme jednotlivé váhy a na základě těchto pak lze určit pozici našeho produktu na trhu, viz. kapitola 1.4.

67

5.4 MIS – Manaţerský informační systém Pod tímto názvem budeme označovat aplikace, které budou určeny pro sledování vybraných ukazatelů ve vícerozměrných kostkách. S takovými údaji budou pracovat lidé z oblasti vyššího vedení, jimţ vyhovuje mít připraveno několik pohledů na zvolené ukazatele s moţností detailnějšího pohledu podle jednotlivých dimenzí. Typická činnost manaţera bude spočívat ve spuštění MIS aplikace a otevření několika pohledů na základní ukazatele. V těchto pohledech bude moţné definovat podmínky na hodnoty ukazatelů a v okamţiku, kdy některá z hodnot nesplní podmínku, je tato hodnota zvýrazněna. Uţivatel systému pak bude mít moţnost zobrazit si detail takové hodnoty a hledat příčiny jejího chování. Postupným rozpadem (drill-down) ukazatele se bude dostávat aţ na nejniţší úroveň členění hodnot v datovém skladu. Pokud uţivatel zjistí potřebu nějakého dodatečného pohledu, můţe jej sám nadefinovat. Definice dotazu probíhá obvykle tak, ţe uţivatel vybere ukazatel, který chce sledovat, formu prezentace hodnot a dimenze, podle kterých budou hodnoty rozděleny nebo utříděny. V dalším kroku můţe definovat rozpad zobrazených hodnot formou zjemnění pohledu v některé z dimenzí a omezením dimenze na určitý interval hodnot. Například definuje-li pohled na ukazatel výše prodeje ve všech pobočkách v ČR, pravděpodobně si nejdříve nechá zobrazit přehled po jednotlivých oblastech a jako rozpad pouţije zobrazení po pobočkách. MIS aplikace jsou vybaveny širokou škálou prostředků vylepšujících podobu prezentace výsledků své činnosti. Můţeme tedy hodnoty ukazatelů zobrazovat na mapách, na nichţ jsou barevně vyznačeny hodnoty faktů, k dispozici máme nejrůznější podoby grafů, rozpady podle jednotlivých dimenzí bývají velmi efektní apod. Tyto vymoţenosti umoţňují jednoduché přenášení výsledků přímo do firemních dokumentů a ještě více tak ulehčují práci svým uţivatelům.

5.4.1

Data mining

Programy provádějící datové dolování se tak budou snaţit o odlišný pohled na fakta o bance. K prezentaci výsledků jsou většinou pouţívány různé podoby stromových struktur, kde v kaţdém uzlu dochází k rozdělení do některé z dimenzí. Výběr dimenze pro dělení bude prováděn na základě ohodnocení její rozlišovací síly (tzv. klasifikace), například je lepší vybrat pro dělení dat dimenzi, která je rozdělí na dvě přibliţně stejné části, neţ podle dimenze dělící data na jednu velkou a několik malých částí. S částmi získanými dělením

68

bude proces opakován tak dlouho, aţ budou data rozdělena podle všech dimenzí příp. rozdělena do poţadovaného počtu kategorií. Dalším způsobem dolování dat bude vytváření histogramů podle dimenzí. Histogramy zobrazují počty hodnot patřících k dané hodnotě nebo intervalu v některé z dimenzí. Pomocí nich můţe uţivatel zjistit, ţe v některé oblasti je rozloţení hodnot ukazatelů příliš řídké nebo naopak příliš husté. Kaţdá taková anomálie můţe signalizovat nevyrovnanost sledovaného ukazatele. Jiným způsobem práce dolovací aplikace je analýza závislostí jednotlivých faktů na sobě navzájem. Program by měl samozřejmě objevit na první pohled patrné závislosti (např. uzavřete-li v určitém městě jednu z prodejen, pravděpodobně poklesnou v tomto městě trţby), ale navíc se pokouší najít závislosti, jenţ se nedají z přirozeného chování ukazatelů odvodit. Nalézají tedy závislosti, které nelze vydedukovat z pravidel fungování analyzované oblasti, ale které přesto platí. Znalost a vyuţití těchto nevšedních závislostí můţe přispět ke získání jistých výhod oproti konkurenci. Na rozdíl od technologie OLAP, kde nebudeme moci stejné výsledky, byť pracněji získat pomocí sofistikovaných SQL příkazů budou výsledky Data Mineru, výsledkem aplikace algoritmických modulů, které pocházejí z disciplíny nazývané v originále Machine Learning. Získané výsledky jsou proto v datech odhaleny či objeveny a lze je jen nesnadno získat jiným způsobem, jako je např. komplikovaná statistická analýza s vytvářením a ověřováním statistických hypotéz nebo intuice lidského genia. Výsledky Data Mineru bude třeba správně vysvětlit a vysvětlení ověřit, neboť nemusí být triviální. K tomuto ověření můţe poslouţit OLAP. Data Miner je vybaven sadou modulů pro provádění řady metodik jako jsou: klasické statistické techniky faktorová analýza shluková analýza dat, jejímţ výsledkem jsou shluky transakcí, které jsou si podobné v zadaných atributech rozpoznávání asociací v datech transakcí rozpoznávání sekvenčních vzorků mezi následnými transakcemi rozpoznávání časových podobností klasifikace transakcí predikce výsledků transakcí

69

Výsledky analýzy DM jsou prezentovány graficky různým způsobem. Existuje i termín grafické dolování, kdy jsou data nejprve interpretována graficky a vlastní dolování spočívá ve výkladu získaného grafického obrazu.

5.5 Vhodná prezentační vrstva Jak jiţ bylo řečeno v předchozích kapitolách, vedení banky potřebuje mít po ruce vţdy ty správné informace, které jsou vytěţeny z těch správných dat. Další věcí je, jakou formou budou tyto informace vedení banky prezentovány. Pokud budou pouze jen v nějaké tabulce a nebudou graficky zajímavá a jiţ forma prezentování těchto informací nebude jednoznačně a jiţ na první pohled „něco říkající“, nebude vedení banky velice pravděpodobně s těmito podklady rádo pracovat. Jinými slovy informace vycházející z Controllingu je potřeba prezentovat jednoduše, nejlépe přes nějaké grafické nástroje, pomocí např. grafů, a tyto porovnávat na stanovené cíle. Z takto prezentovaných informací, kaţdý jednoduše pozná, zda jsou cíle plněny nebo ne. Proto je vhodné nad výstupy z Controllingu (nad data) instalovat vhodný prezentační nástroj. Jako velice uţivatelsky silný a přehledný nástroj lze označit GEMINITM Analytics firmy BSC. Jeho jednoduché intuitivní ovládání a velice instinktivní zobrazování je zárukou, ţe příjemce informací, prezentovaných přes tento nástroj, jiţ na první pohled bude vidět, zda je sledovaný stav nebo vývoj pozitivní nebo naopak. Obr. 10: Dashboard GEMINITM Analytics

Převzato z http://www.bsc.cz/

70

Závěr Cílem této diplomové práce bylo popsat Controlling jako nástroj řízení podniku. V současné probíhající hospodářské recesi je potřeba, aby podniky/banky vyuţívaly co nejvíce moderních nástrojů řízení, kterým je také Controlling. Tato oblast má za úkol sbírat a správně prezentovat vedení informace, které budou podkladem pro strategická rozhodnutí pro další období a případně také jako podklad pro operativní změny, pokud se podnik/banka vychýlí od stanovených plánů. Jinými slovy Controlling jako „hospodářské svědomí“ podniku/banky musí plánovat budoucnost na základě dat z minulosti a vydefinovaných cílů, jakých cílů chce podnik/banka dosáhnout a v reálném čase sledovat, jak jsou tyto cíle naplňovány. Tyto úkoly kladné na Controlling jsou daleko snadněji plněny, jestliţe je v podniku/bance řádně zavedeno a dodrţováno projektové a procesní řízení. Je také vhodné, aby samotný Controlling byl procesně řízen. Definice sledovaných veličin. Controlling svou činností bude sledovat ukazatele, které budou vypovídat o stavu, vývoji podniku/banky, jakými jsou bod zvratu, krycí příspěvek. Zavést v podniku/bance Benchmarking, metodu která bude vedení jasně ukazovat výsledky vlastní činnosti v kontextu s konkurencí na základě váh jednotlivých kritérií. Proces vydefinování potřebných dat pro Controlling. Pro tento proces je v současné době nejlepší pouţít metodu Kaizen, která je zaloţena na účasti zaměstnanců ze všech vrstev z hierarchie podniku/banky. Díky této metodě je moţné vydefinovat ta správná a potřebná data pro získávání informací potřebná pro controllingové výstupy. Vydefinování správného vstupního formátu dat. Kvůli rychlosti zpracovávání dat musí Controlling pracovat s daty jiţ v předem vydefinovaném formátu. Data musí být jiţ agregována dle potřeb Controllingu. Data pro Controlling - Dalším krokem musí být vybudování datové vrstvy (Datamartu), která bude obsahovat data, které jsou výsledkem předešlých kroků. Data musí být aktualizována ve vydefinovaných periodách, tak aby byly vţdy k dispozici jako podpora v rozhodovacím procesu.

71

Vhodná a jednoduchá prezentační vrstva – získané informace je vhodné jednoduše prezentovat, tak aby příjemci těchto informací jednoduše a rychle mohl udělat závěry vyplývající z těchto prezentovaných Z výše uvedených postupů vyplývá následující prioritizace a moţná rizika a jejich důsledky z pohledu přípravy řešení a realizace provozu systému: Chybně vydefinovaná data a jejich vazby – při definici, jaká data Controlling vlastně potřebuje, dojde k chybnému pochopení, vydefinování. Nedostatečná dokumentace – informace vytěţená z dat, jsou chybně interpretovány z důvodu chybné nebo nedostatečné dokumentace Sledování nedůleţitých informací – nedůleţitým informacím je přiřazována vysoká priorita a důleţité informace, tak vůbec do rozhodovacího procesu, jako podklad nevstupují. Nedostatečný audit dat – audit dat odhalí případné chyby ve zdrojových datech nebo chyby při transformaci těchto dat do formátu poţadovaným Controllingem. Vedení, které chce v dnešní vysoce konkurenční a sloţité době uspět, by si mělo nastavit jasnou strategii a metody, jak si udrţet podnik/banku v pozitivním rozvoji. Pokud jsou pouţity moderní metody řízení, můţe právě toto být pozitivním impulsem pro úspěch a další rozvoj.

72

Literatura 1. VRBKA, David. Kvalita dat v datovém skladu : nezbytný předpoklad reportingu. Praha, 2009. 52 s. Bakalářská práce. Bankovní institut vysoká škola. 2. VOLLMUTH, Hilmar J. CONTROLLING : Nový nástroj řízení. 2.dop.vyd. Praha : PROFESS, c2008. 128 s. ISBN 80-85235-54-4. 3. HORVÁTH, Péter; GLEIH, Ronald. Nová koncepce controllingu : Cesta k účinnému controllingu. 5. dop. vyd. Praha : Profess Consulting s.r.o., 2004. 288 s. ISBN 80-7259-002-2. 4. ANTHONY, R.N. – GOVINDARAJAN, V. Management Control Systems. 12th Edition. International Edition. Boston: McGraw-Hill. 2007. 768 p. ISBN 007125410-2 5. GRASSEROVÁ, Monika. Procesní řízení : Ve veřejném i soukromém sektoru. Vyd.1. Praha : CPress, 2008. 272 s. ISBN 978-80-251-1987-7. 6. DOLEŢAL, Jan, et al. Projektový management podle IPMA. dotisk 2010. Praha : Grada Publishing, a.s., 2009. 509 s. ISBN 978-80-247-2848-3. 7. GÁLA, Libor; POUR, Jan; ŠEDIVÁ, Zuzana. Podniková informatika. 2.dop.vyd. Praha : Grada Publishing, a.s., 2009. 496 s. ISBN 978-80-247-2615-1. 8. LACKO, Luboslav; ORACLE, Správa, programování a použití databázových systémů. Vyd. Praha: Computer Press, 2002. ISBN 80-7226-699-3. 9. SCHNEIDER, D. Robert – přeloţil Roubíček Ludvík; My SQL, Oficiální průvodce tvorbou, správou a ledění databází. Vyd. Praha : Grada Publishing, a.s. 2006. ISBN 80-247-1516-3.

73

Elektronické odkazy 1. BSC

-

Praha [online].

2011

[cit.

2011-03-10].

Dostupné

z

WWW:

2. Hanusek, Lubomír; Máša Petr; Technologie pro data warehousing a data mining – [cit.

2011-02-15]

Dostupný

z

WWW:

<

http://computerworld.cz/whitepapers/technologie-pro-data-warehousing-a-datamining-2467-p2510> . 3. Žebrák Mirek; Hodnota pro zákazníka [cit. 2011-02-15] Dostupný z www 4. Benchmarking CSQ [online]. 2011 [cit. 2011-04-14]. Dostupné z WWW: . 5. Adastra

Czech [online].

2011

[cit.

.

74

2011-01-09].

Dostupné

z

WWW:

Seznam tabulek: Tabulka č. 1: porovnání operativního a strategického controllingu Tabulka č. 2: Benchmarking – porovnání s konkurencí Tabulka č. 3: Definice přidané hodnoty je odvozena z těchto prvků Tabulka č. 4: Model výpočtů na základě chybných definic Tabulka č. 5: Model výpočtů krycího příspěvku Tabulka č. 6: Model výpočtů plnění průběţného plánu Seznam obrázků: Obr. 1: Bod zvratu Obr. 2: Diagram produktivity Obr. 3: Model sdílení znalostí Obr. 4: Multidimenzionální struktura – OLAP Obr. 5: Organizace datového skladu – Struktura hvědy Obr. 6: Přístup a odpovědnost v kvalitě dat ve společnostech Obr. 7: Přístup a odpovědnost ve společnostech po zavedení metody zlepšování KAIZEN Obr. 8: Model přístupu k datům. Obr. 9: Model toku dat napříč bankou přes integrační vrstvu Obr. 10: Dashboard GEMINITM Analytics

75

Katedra informačních technologií

Recommend Documents