Podpora manažerského rozhodování užitím Business Intelligence Ing. Jan Klimeš, ORTEX spol. s r.o., Hradec Králové
I ve vodohospodářských společnostech platí pravidlo, že „objem dat potřebných pro rozhodování se zdvojnásobí každé 2 roky, ale čas na rozhodnutí je stále stejný“. Získání relevantních informací z těchto dat je velmi pracný, ale důležitý proces. Při řešení tohoto problému ve vodohospodářských společnostech se ukázalo jako výhodné užití nástrojů Business Intelligence (dále jen „BI“) a OLAP technologií umožňujících tvorbu dlouhodobých časových řezů v disponibilní množině dat uložených v datovém skladu. Přičemž vytvoření těchto časových řezů pro potřebu managementu by bylo v primárním informačním systému (dále jen „IS“) velmi složité.
Jen trochu o informačních technologiích. Business Intelligence je sada softwarových nástrojů, které umožňují práci s daty a jejich transformaci do znalostí. Cílem je přetvořit velké množství (někdy i různorodých) dat v informace, které uživateli přinesou informační hodnotu pro správné rozhodování. Uživatel BI má pak možnost s daty „analyticky“ pracovat pro účely reportů, rozborů („pohled dozadu“) a hledání trendů, výjimek a korelací („pohled dopředu“). Oblast Business Intelligence využívá tzv. OLAP technologií (On Line Analytical Processing). Jedná se o metodiku vyvinutou pro zpracování velkých objemů dat, resp. technologie umožňující rychlou práci s mnoharozměrnou řídkou maticí. V zásadě se jedná o implementaci jednoduché myšlenky: v případě, že víme, jaká data uživatel často potřebuje, pak tato data vezměme a předpočítejme sumace a řezy, aby při dotazu uživatele byla rychle vrácena odpověď. Tato myšlenka multidimenzionálního modelování dat je dobře vidět na obrázku č. 1. V datové kostce je velké množství dat, ale hrany (součtové hodnoty za jednotlivé dimenze) jsou již předpočítány zpracováním dat v datovém skladu a to třeba v noci. Užitím OLAP technologie pak manažer získá odpovědi i na složité dotazy v okamžiku. Přičemž v rámci těchto datových skladů je možné sledovat i nesourodá data z různých IS (IS implementovaných od různých dodavatelů) a ta analyzovat.
Obrázek 1 - Multidimenzionální OLAP databáze
Základními pojmy BI jsou: •
UKAZATEL – sledovaná (číselná) veličina (dodané m3 vody, hrubá mzda, stav skladu,…)
•
DIMENZE – pohled na data (hrana datové kostky), přes dimenze se filtrují, sčítají jednotlivé ukazatele. (odběratel, čas, druh vody, klasifikace, účet, útvar,…)
•
KPI – Key Performace Indicator – klíčový ukazatel výkonnosti – sofistikované zobrazení vypočítané hodnoty, která vypovídá o stavu určitého ukazatele – využívají se určené limity pro upozorňování uživatelů (hospodářský výsledek v měsíci, minimální stav skladu,…)
Nedílnou součástí Business Intelligence je vhodný nástroj pro zobrazení vypočtených dat a kladení dotazů (software na PC - klientu). Nástroj používající nějaký složitý dotazovací jazyk samozřejmě není vhodný pro manažery, jejichž náplní práce je především interpretovat informace a rozhodovat. V praxi se nejvíce osvědčilo využití EXCELu a jeho intuitivních kontingenčních tabulek napojených na OLAP server, kde se spojuje několik výhod: -
Znalost prostředí – naprostá většina manažerů pracuje s MS Excelem a kontingenční tabulky „nad OLAPem“ jsou velmi intuitivní a zajímavé řešení. Všichni manažeři mají již EXCEL instalován ve svých počítačích, takže z hlediska úspory nákladů není většinou třeba dokupovat další licence potřebného software.
Další možností je využití vzdáleného přístupu k OLAP datům přes webový prohlížeč. Praktické zkušenosti ukazují, že trendem současné doby je příklon k webovým aplikacím. Pro složitější analytickou práci je ale samozřejmě vhodnější první varianta.
Příklady BI analýz ve vodohospodářských společnostech. V další části článku je pro názornost uvedeno několik zajímavých oblastí užití BI. Je samozřejmé, že manažeři sledují v BI nákladovou a výnosovou stránku svého podnikání ale sledují také další problémové oblasti.
Příklad z oblasti „Fakturace vodného a stočného: Fakturace vodného a stočného je jeden z nejdůležitějších ukazatelů hodnocení vodohospodářské společnosti. Proto je tato oblast nejčastěji „pod drobnohledem“ a data jsou téměř vždy rozborována a analyzována. A většinou také vlastník společnosti požaduje podrobné reporty z této oblasti. Většinou jde o klasické ukazatele sledování fakturace „Dodané a odebrané m3“ a „Fakturované Kč“ dle těchto dimenzí (a samozřejmě jejich kombinací): -
„Čas“ „Faktura“ „Odběratel“ „Odběrné místo“ „Druh vody“
-
„Vodoměry“
v členění rok, pololetí, měsíc číslo, vystavení, typ, … název, sektor, IČ, skupina odběratelů město, ulice, periodicita odečtů, plánovaný měsíc odečtu vodné, stočné, odečtem nebo paušálem, srážková voda, technické vody, … číslo, velikost, druh, platnost cejchu, …
Protože BI je realizována na principu „datových skladů“, je možné sledovat dlouhé časové linie i napříč informačními systémy (např. při výměně fakturačního programu je vhodné do datového skladu přidat, kromě nových dat, také historická data z původního systému). Přiklad odpovědi v BI na dotaz manažera „Jaký byl vývoj fakturace v určité oblasti za vodné a stočné?“
Obrázek 22 - Příklad analýzy fakturovaného množství vody v čase
Nad těmito daty mohou být připraveny i specializované datové kostky typu „manažerský přehled“ s KPI nebo číselnými údaji v podobě časové řady. Takovým příkladem může být přehled obsahující následující data v časové posloupnosti: -
Počet aktivních odběrných míst (dále jen „OM“) Počet faktur a dobropisů (procento dobropisů), počty faktur do nuly, záporných faktur Počty OM pouze na vodné, pouze na stočné, paušálních, počty OM dle klasifikací.
V této souvislosti je užitečné uvést ještě jeden zajímavý pohled na data. Pro přesné srovnání fakturace v čase byla vytvořena specifická datová kostka s fakturací dle „měsíce spotřeby“. Princip je
takový, že každý řádek faktury je rozdělen na jednotlivé měsíce faktury (dělení je řešeno standardním způsobem dle průměru na den). Tzn. - vydaná faktura se nezapočítá celá do měsíce jejího vydání, ale rozdělí se po měsících podle počtu dnů v každém měsíci (a to přesně od data odečtu starého po datum nového odečtu). Tímto způsobem se eliminují výkyvy velkých ročních faktur a manažeři společnosti jsou schopni lépe sledovat dlouhodobé trendy v jednotlivých oblastech a sektorech.
Příklad z oblasti „Finance a účetnictví“: Data z finančních informačních systémů jsou zajímavá pro manažerské informační systémy z hlediska sledování nákladů, výnosů a salda. Ukázalo se jako velmi výhodné implementovat „OLAP datovou kostku“ nad finančními daty až na úroveň prvotních dokladů. Takže uživatel BI se následně může „ponořit“ (tzv. „drill-down“) ve výsledovce až na jednotlivý doklad a zjistit „o co šlo“ a jakým způsobem a na které účetní dimenze (nositele nákladů) byl doklad zaúčtován. Přiklad odpovědi v BI na dotaz manažera „Kteří odběratelé jsou předáni k vymáhání?“
Obrázek 3 - Příklad reportu z fakturace vodného a stočného dle skupiny odběratelů
Příklad z oblasti „Nákladový controlling“. Pokud jsou vhodně zvolené účetní dimenze (resp. nositelé, na které jsou sledovány náklady), tak se dají dobře sledovat náklady a výnosy na jednotlivé „aktivity“ (čas, středisko, obec, zakázka, projekt atd.) či složitější investiční akce. Při využití controllingu je zajímavé v BI sledovat i položky kalkulací, plány a rozpouštění režií. Příklad odpovědi v BI na dotaz manažera „Jaké ekonomické činnosti jsou realizovány na středisku 12?“
Obrázek 3 - Činnosti na středisku 12
Příklad z oblasti „Personalistika a mzdy“. V této oblasti, více než kde jinde, je prioritní zajistit bezpečnost dat. Přístup k personálním a platovým datům je téměř všude striktně hlídán. Proto se zde vhodně uplatňuje zabezpečení a vlastnost „vidět pouze data svá a svých podřízených“. Z jednotlivých oblastí personalistiky je zajímavé sledovat přehledy nevyčerpané dovolené, platové poměry na střediska, předpokládané odchody do důchodu, atd. Příklad odpovědi v BI na dotaz manažera „ Kolik zbývá nevyčerpané dovolené u dělníků ve srovnání s minulými roky?“
Obrázek 4 - Vývoj nevyčerpané dovolené
Závěrem: Je BI zbytečnost nebo užitečnost? Zda jde o zbytečnost nebo užitečnost, je ponecháno na posouzení laskavého čtenáře. Faktem však je, že kdo jednou zkusí pracovat analyticky s BI, už se těžko vrací k těžkopádným a složitým reportům.
Ing. Jan Klimeš, Business Intelligence analytik ORTEX spol. s r.o, Resslova 935/3, 500 02 Hradec Králové e-mail:
[email protected] , www.ortex.cz tel.: 499 991 641
