Real-time podpora rozhodování v podnikových procesech primárních informačních systémů #

Real-time podpora rozhodování v podnikových procesech primárních informačních systémů# Lukáš Pitka Exact Software CR, s.r.o. Antala Staška 510/38 140 00, Praha 4 – Krč e-mail: [email protected]

Abstrakt: Článek se zabývá problematikou podpory rozhodování v reálném čase v organizacích. Real-time podpora rozhodování představuje jeden z aktuálních trendů v podnikové informatice. Článek se zaměřuje na historický vývoj oblasti podpory rozhodování a následně je diskutována potřeba rozhodování v reálném čase. V další části článku jsou jednotlivé oblasti podnikových systémů, které souvisejí s podporou rozhodování v reálném čase, začleněny v rámci podnikové architektury (EA – Enterprise Architecture) a jsou identifikovány aktuální technologické a organizační překážky těchto řešení. Klíčová slova: podpora rozhodování v reálném čase, real-time BI, datová integrace, datová federace, EII, mikrodávková ETL, CDC, CTF, procesní řízení, podnikový proces, hodnota dat, time-value curve, Enterprise architektura Abstract: This paper deals with real-time decision support in organizations. Real-time decision support is one of the actual trends in the area of enterprise information systems. The paper is focused on historical development in the area of decision making. The need for real-time decision support and real-time decision making is discussed in the next chapter. Another part of the paper deals with several areas of enterprise information systems (which are mainly used for real-time decision support) and aligns them with Enterprise Architecture. The last part of the paper contains actual technological and organizational issues that need to be solved in order to achieve benefits from real-time decision support by enterprise information systems. Keywords: real-time decision support, real-time BI, data integration, data federation, EII, micro-batch ETL, CDC, CTF, process management, business process, data value, time-value curve, Enterprise Architecture

1. Úvod Žijeme ve velmi rychlé době. To, co dříve trvalo týdny nebo dny máme dnes k dispozici v řádu minut. Vhodným příkladem jsou zprávy o dění na druhém konci světa. Doba mezi vznikem události a jejím zaregistrováním na opačném konci světa již není měřena v řádu dnů či týdnů, ale spíše v řádu hodin či minut, v některých případech dochází k přenosu zpráv v reálném čase. #

Článek je zpracován jako jeden z výstupů výzkumných projektu GA ČR P403-10-0092 Advanced Principles and Models for Enterprise ICT Management u Grantové agentury České republiky SYSTÉMOVÁ INTEGRACE 2/2011

65

Lukáš Pitka

Tržní prostředí, ve kterém se současné společnosti nacházejí, můžeme označit jako těžko předvídatelné, velmi rychle se měnící, ve většině odvětví silně konkurenční a zákaznicky orientované. Toto prostředí je tvořeno řadou vzájemných vazeb mezi jednotlivými tržními subjekty, ale také vazbami mezi subjekty trhu a okolním prostředím. I zdánlivě nesouvisející události pak mohou pomocí těžko určitelných vazeb ovlivňovat chování zákazníků, dodavatelů či konkurentů společnosti, a výrazně tak určovat podobu trhu a jeho trendy. Komplexnost trhů je doplněna (a částečně také vyvolána) zrychlujícím se „životním stylem“ zákazníků. Zákazníci vyžadují nové a nové produkty či služby, které budou kvalitnější, levnější (popř. stejně drahé), a jejichž inovace budou k dispozici stále častěji. Společnosti na trh uvádějí rychleji nové produkty a služby, často v mnoha variacích tak, aby se co nejvíce zavděčily zákazníkům. Toto turbulentní tržní prostředí vyvolává značný tlak na osoby v rozhodovacích pozicích ve společnostech. Pokud neučiní rozhodnutí o zavedení či inovaci výrobku nebo služby dostatečně rychle a na základě správných a aktuálních podkladů, může to znamenat pro společnost značné ztráty, případně i existenční problémy. Úvodní příklad z oblasti médií a zpravodajství ukazuje pouze jedno z mnoha využití moderních informačních a komunikačních technologií (ICT) k informování uživatelů (zaměstnanců společnosti, zákazníků, dodavatelů a dalších zainteresovaných subjektů). Ve své práci se budu zabývat převážně podporou rozhodování v reálném čase, se zaměřením na využití v procesech podporovaných tradičními podnikovými informačními systémy (IS). Cílem mého článku je objasnit potřebu pro pokročilé analytické rozhodování v podnikových procesech a nastínit možnou roli systémů pro podporu rozhodování (DSS – Decision Support Systems) a analytických BI (Business Intelligence) řešení v procesech podporovaných transakčními podnikovými IS. V rámci své práce si kladu následující cíle:  prokázat, že společnosti potřebují v určitých případech rozhodovat v (téměř) reálném čase,  stanovit rámcová řešení (směry řešení) jednotlivých překážek bránících rozšíření řešení pro podporu rozhodování v reálném čase,  začlenit tuto novou oblast podpory rozhodování do celkové podnikové IS/ICT architektury.

2. Cesta k podpoře rozhodování v reálném čase Informační systémy sloužící pro podporu rozhodování procházejí v posledních několika letech bouřlivým rozvojem. Na trhu se můžeme setkat s několika skupinami nástrojů, které mají manažerům a obecně zaměstnancům v organizaci přinést správné podklady ve správný čas tak, aby tyto osoby mohli uskutečnit skutečně kvalifikovaná rozhodnutí. V této kapitole se zaměřím především na důvody, které v současné době vedou organizace k využívání systémů patřících do kategorií Decision Support Systems, Business Intelligence či Corporate Performance Management.

66

SYSTÉMOVÁ INTEGRACE 2/2011

Real-time podpora rozhodování v podnikových procesech primárních informačních systémů

2.1 Historický vývoj podpory rozhodování Podpora rozhodování představuje velmi starou disciplínu, jejíž počátky je možné najít už v prehistorických dobách [1]. Lidská rozhodnutí jsou po tisíciletí založena na výkladu snů, znamení vzniklých v kouři či výkladem z kostí a vnitřností. Postupem času se podpora rozhodování stala více vědeckou a založenou na faktech a na relevantních datech. Vývoj této disciplíny je v současné době převážně orientován na oblast informatiky, která přináší stále výkonnější hardware a sofistikovanější software, což umožňuje uživateli poskytnout analýzu historických dat v téměř reálném čase či namodelovat možný budoucí vývoj. Následující body stručně shrnují vývoj podpory rozhodování či volby [1] od dob před Kristem až po aktuální stav této stále důležitější oblasti:  Šesté století př. n. l. – v tomto období najdeme dvě osobnosti zabývající se rozhodováním. Zatímco Lao-tzu propaguje myšlenku nevměšování se do přirozeného průběhu událostí (tj. člověk nemůže svým rozhodnutím ovlivnit přirozený tok událostí), Konfuciovo učení naopak tvrdí, že rozhodnutí by mělo být provedeno na základě následujících zvyklostí: blahovůle, rituálních zvyklostí, vzájemné výměny či z úcty k rodičům. Konfucius tedy staví rozhodnutí převážně na duchovních hodnotách a obecně přijímaných morálních vlastnostech.  Páté století př. n. l. – rozhodnutí v Athénách jsou prováděna pomocí hlasování (voleb), kterého se mohou účastnit pouze muži.  399 př. n. l. – kolektivním rozhodnutím pětiset athénských obyvatel byl Sókratés odsouzen k smrti za údajnou bezbožnost a kažení výchovy mládeže [2].  49 př. n. l. – Julius Cézar učinil rozhodnutí o překročení řeky Rubikon, čímž porušil zákon a vyvolal ozbrojený konflikt, který vyústil v občanskou válku. Údajně také na tomto místě pronesl větu „Kostky jsou vrženy,“ což podobně jako slovní spojení „překročit Rubikon“ znamená označení stavu, kdy není možné vzít zpět učiněné rozhodnutí [3].  Deváté století – dochází k rozšiřování matematiky díky Hind-Arabského systému číslic (Arabské číslice). Arabský systém představuje v současné době nejrozšířenější systém symbolického zápisu čísel (včetně nuly) na světě [4].  Čtrnácté století – anglický mnich William z Ockhamu přichází s principem logické úspornosti, největší pravdy jsou vyjadřovány úsporně, jednoduše a srozumitelně. Je tedy nadbytečné dokazovat něco pomocí většího počtu argumentů, než je nezbytně nutné. Pokud pro nějaký jev existuje vícero vysvětlení, je lépe upřednostňovat to nejméně komplikované. Tento princip byl později nazván Occamova břitva (Occam’s Razor) a v současné době představuje významný princip, kterým se řídí většina současných vědců [5].  1654 – Blaire Pascal a Pierre de Fermat vyvinuli koncept pro výpočet pravděpodobností v hazardních hrách (problém rozdělení sázek – Problem of Points, Division of the Stakes), tj. přišli s řešením klasického problému teorie pravděpodobnosti.


67

Lukáš Pitka





 



 









 



68

1738 – Daniel Bernoulli položil základy pro analýzu rizik. Bernoulli studoval chování jednotlivců na základě nastalých událostí, tj. jak se obávají či si naopak přejí jednotlivé možné výsledky události. 1886 – Francis Galton přichází s objevem principu korelace a regrese k průměru. Přestože se hodnoty konkrétní instance procesu mohou odchýlit od průměrné hodnoty, trend v čase směřuje k průměrné hodnotě. Koncept regrese k průměrné hodnotě významně ovlivnil např. analýzu v oblasti akcií. [6] 1900 – práce Sigmuda Freuda v oblasti nevědomí přichází s myšlenkou, že lidské akce a rozhodnutí jsou ovlivněna skrytými podněty v mysli člověka. 1907 – ekonom Irving Fisher přichází s principem čisté současné hodnoty (NPV – Net Present Value) jakožto nástroje pro podporu rozhodování založeném na peněžním toku sníženém o riziko investice. 1938 – Chester Barnard rozlišuje mezi osobním rozhodnutím jednotlivce a kolektivním rozhodnutím organizace. Barnard přichází s vysvětlením, proč někteří zaměstnanci jednají v zájmu společnosti spíše než ve svém vlastním. 1944 – John von Neumann a Oskar Morgenstern přicházení s teorií her, která objasňuje principy rozhodování v ekonomické teorii. Padesátá léta 19. století – vývoj prvních systémů pro podporu rozhodování (DSS – Decision Support Systems) je prováděn na univerzitách Carnegie Institue of Technology a Massachusetts Institute of Technology (MIT). 1952 – Harry Markowitz demonstruje jak je možné pomocí matematických metod provést diverzifikaci portfolia akcií tak, aby výnosy z nich byly v čase konsistentní [7]. Šedesátá léta 20. století – vznik SWOT analýzy (Strenghts, Weaknesses, Opportunities, Threads) na univerzitě ve Stanfordu. SWOT analýza představuje účinný nástroj pro podporu rozhodování v případě potřeby učinit rychlé rozhodnutí za složitých interních a okolních podmínek. [8] 1965 – v korporátním prostředí se začíná využívat počítač IBM System/360 pro rozhodovací úlohy v rámci manažerských informačních systémů (MIS – Management Information System). 1968 – Howard Raiffa vydává publikaci Decision Analysis (opakované a doplněné vydání z roku 1997 viz [9]), ve které popisuje řadu základních metod pro podporu rozhodování. Sedmdesátá léta 20. století – rozvoj teorie systémů pro podporu rozhodování a jejich reprezentace pomocí informačních systémů. 1973 – teorií rozhodovacích typů v organizaci (tj. sociálním pohledem na rozhodování z hlediska osobnostních typů) se zabývá Henry Mitzberg, Victor Vroom či Philip Yetton [10]. 1989 – Howard Dresner (Gartner) přichází s pojmem Business Intelligence (BI), který zastřešuje skupinu metod a postupů pro podporu rozhodování v organizaci založených na sofistikované analýze historických dat, jejímž účelem je zlepšení výkonnosti organizace.







1996 – uživatelům elektronických obchodů jsou nabízeny produkty a služby na základě poznání uživatele a jeho chování (modely rozpoznání uživatele, model pravidel či model chování a preferencí) [11]. Rok 2000 a dále – zaměření na sofistikované analýzy pomocí nástrojů BI a Data Mining (DM). Analýzy se zaměřují primárně na znalosti o zákazníkovi (Customer Intelligence) a na poznání konkurenčního prostředí (Competitive Intelligence). Oblast podpory rozhodování pomocí informačních systémů se štěpí do několika směrů – historické analýzy (BI), prediktivní analýzy (CPM – Corporate Performance Management a DM) a automatizace podnikových procesů (BPM – Business Process Management). Ve všech oblastech narůstá tlak na efektivnější prezentaci informací koncovým uživatelům a na rychlost zpracování těchto výstupů. Často je kladen důraz na analýzu dat v (téměř) reálném čase.

2.2 Potřeba podpory rozhodování v reálném čase Historické milníky ve vývoji podpory rozhodování uvedené v části 2.1 obsahují průřez kompletní historií lidstva. Pokud bychom se na tuto oblast podívali úžeji v období posledních několika desetiletí (cca od padesátých let 20. století, tedy od doby postupného přechodu k podpoře rozhodování promocí prostředků informačních a komunikačních technologií), můžeme najít několik vývojových trendů:  narůstající složitost podnikového prostředí – jednoznačným trendem posledního desetiletí je globalizace, která vnáší zcela nové požadavky na podnikové procesy. Globalizace vyžaduje výraznou změnu strategie společnosti – konkurentem může být společnost z opačného konce světa, naším partnerem či nejvýhodnějším dodavatelem se může stát společnost poskytující své služby prostřednictvím Internetu, zákazníci jsou stále více informováni a jsou schopni si provést konkurenční analýzu jednoduše prostřednictvím porovnání nabídky společností na jejich webových stránkách. Podnikové procesy tak musejí být velmi pružné a rychlé, v opačném případě nebudou schopny reagovat na měnící se tržní prostředí, inovace konkurentů a zvyšující se požadavky zákazníků.  narůstající objem dat – s rostoucí složitostí podnikového prostředí přichází potřeba evidence většího objemu dat, včetně uchovávání kontextu k těmto datům tak, aby data mohla být transformována na informace. Informační společnost [12] produkuje těžko uvěřitelné množství dat každý den (dle studie IDC [13] se objem digitálních informací celosvětově zdvojnásobí každých 18 měsíců – rychlostí svého růstu tedy zhruba kopíruje tzv. Moorův zákon původně definovaný pro oblast procesorů, přičemž v roce 2012 bude vytvořeno zhruba pětkrát více digitálních informací než v roce 2008). Ne všechna data se samozřejmě týkají rozhodovacích procesů organizací, ale stejně jako jiné skupiny dat významně roste i skupina pro operativní, taktická a strategická rozhodnutí v řízení organizací.  potřeba rychlejších výstupů – na rozdíl od složitosti podnikového prostředí a objemu dat je v případě časové charakteristiky jasně patrný tlak na snižování času potřebného pro analýzu podkladových dat a dodání informací pro rozhodnutí v požadované formě. Již zmíněné pokroky v rychlosti HW a sofistikovanějších analytických metodách implementovaných v SW jsou SYSTÉMOVÁ INTEGRACE 2/2011

69

Lukáš Pitka

smazány narůstajícím objemem dat a množstvím a složitostí vztahů, které je nutné v rámci rozhodování brát do úvahy. Potřeba získat přesnější podklady pro rozhodnutí rychleji je akcelerátorem veškerého rozvoje v oblastech BI, CPM či DSS. Je ale skutečně rozvoj tímto směrem potřebný? Není potřeba podpory rozhodování v reálném čase vyvolána spíše výrobci nástrojů pro podporu rozhodování než jejich uživateli? Na otázku potřebnosti těchto nástrojů odpovídám v následujících částech kapitoly.

2.2.1

Hodnota dat

Hodnota dat zpravidla s časem klesá. Dr. Richard Hackathorn představil v článku [14] koncepci křivky zabývající se hodnotou dat z pohledu času. Dle Hackathorna je hodnota dat přímo úměrná rychlosti, s jakou na ni organizace dokáže reagovat. Jinými slovy řečeno – společnost ztrácí peníze pokaždé, když dojde ke zpoždění v doručení informace do rukou osob, které mají provést rozhodnutí. Podobný názor formuloval nezávisle na Hackathornovi také Bill inmon v [15], kdy nastínil postupné snižování hodnoty informace s časem. Na obr. 1 je zobrazena standardní podoba výše uvedené křivky. V rámci podnikového procesu dojde v určitém okamžiku ke vzniku události, vyžadující specifickou reakci nebo rozhodnutí. Po uplynutí určité doby je provedena akce představující odpověď na vzniklou událost. Pod událostí si můžeme představit např. žádost zákazníka o informace ke konkrétnímu produktu, akcí pak dodání těchto informací zákazníkovi.

obr. 1 - Křivka zobrazující hodnotu dat v čase (Time-Value Curve) [14] Křivka ukazuje klesající hodnotu informace v čase – pokud zákazníkovi dáme požadovanou odpověď okamžitě, bude mít pro něj tato informace větší hodnotu, než když mu ji dodáme za hodinu, den, týden či měsíc. V řadě případů budou informace dodané zákazníkovi za týden z jeho hlediska bezcenné – obrátil se na konkurenta,

70



který je schopný jeho požadavky splnit v kratším časovém intervalu. Doba k provedení akce má tedy významný vliv na čistou hodnotu ztráty hodnoty dat. Pokud se podíváme na křivku z obr. 1 pohledem mikroekonomické analýzy, dostáváme graf na obr. 2.

obr. 2 - Rovnováha mezi přínosy a náklady na reakci [14] Červená křivka představuje náklady na odpověď, tj. náklady potřebné pro namodelování, vytvoření a provozování systému, který bude reagovat v určitém čase na vzniklou událost. Zpravidla platí, že čím rychlejší odpověď tím vyšší náklady na systém. Obě křivky se zpravidla v určitém bodě protnou (může nastat i situace, kdy náklady na systém jsou vždy vyšší než hodnota včasné reakce na událost). Tento bod představuje rovnováhu mezi náklady na systém a hodnotou informace pro organizaci. Bod rovnováhy rozděluje graf na dvě části:  vpravo od bodu rovnováhy organizace profituje – hodnota získaná z informace je vyšší než náklady,  vlevo od bodu rovnováhy organizace ztrácí – hodnota získaná z informace je nižší než náklady. Během uplynulých let dochází k posouvání tohoto bodu doleva – organizace častěji budují systémy, které jim přináší hodnotu. Z hlediska podnikových procesů a systémů BI a CPM je nutné rozdělit dobu k provedení akce na tři časové úseky (obr. 3):  datová latence – čas potřebný k zachycení, transformaci/vyčištění dat a jejich uložení do úložiště k analytickému zpracování (typicky do datového skladu),  analytická latence – čas potřebný k provedení analýzy a distribuci výsledků k odpovědným osobám,  rozhodovací latence – čas, který odpovědný rozhodovatel (osoba nebo automatizovaný systém) potřebuje k vyhodnocení situace, rozhodnutí o akci a k vykonání této akce.


71

Lukáš Pitka

 obr. 3 - Složky času potřebného k provedení akce na vzniklou událost [14] Zatímco latence dat a analýzy je možné pomocí automatizovaných prostředků výrazně zkrátit, rozhodovací latenci v případě rozhodnutí pomocí živé osoby není možné pomocí IS/ICT prostředků ovlivnit. Pro představu o hodnotě informace je obr. 1 dostatečný, Hackathorn ve své práci uvádí i další možné podoby této křivky, kdy hodnota dat může např. v čase nejprve klesat, následně růst a poté prudce klesnout.

2.2.2

Potřebujeme se rozhodovat v reálném čase?

Potřeba tzv. real-time rozhodování či real-time analýz představuje v současné době poměrně frekventované slovní spojení. Článků zabývajících se real-time analýzou, real-time podporou rozhodování, real-time organizací či real-time BI je celá řada. Tyto články se však nezabývají otázkou, zda je real-time podpora rozhodování pro organizaci skutečně potřebná. Spojení real-time bývá některými autory nahrazováno spojením right-time (např. [16]), tj. potřebou dodání informace ve správný okamžik. Jaký je ovšem ten správný okamžik? Z předchozí části 2.2.1 je naopak zřejmý vztah mezi hodnotou informace a náklady na její získání (tj. náklady na vybudování systému pro podporu rozhodování, který tuto informaci bude schopen na základě vstupních dat předat v požadované formě). Z bodu rovnováhy (viz obr. 2) je jasně patrné časové zpoždění mezi vznikem události a odpovědí na tuto událost – ve většině případů se tedy nejedná o analýzu v reálném čase. Real-time rozhodnutí není zpravidla ani potřeba, protože je pro společnost při současných možnostech finančně nevýhodné. Ani jeden z termínů real-time či right-time není úplně přesný. V dalším textu se budu nadále držet termínu real-time, protože dle mého názoru lépe odpovídá současnému trendu zrychlování analytických rozhodnutí a v řadě procesů se již skutečně přibližujeme rozhodnutím v reálném čase. Implementace real-time systémů pro podporu rozhodování musí (podobně jako nasazení ostatních podnikových informačních systémů) vycházet z potřeb organizace. V organizaci musí existovat kritický proces, který se bez podobné podpory neobejde, resp. kdy takováto podpora přinese organizaci jasné přínosy v podobě zvýšených tržeb, snížení skladových zásob či zvýšení zákaznické spokojenosti a retence. 72



Stephen Swoyer ve své studii [17] uvádí stěžejní myšlenku pro rozhodnutí, zda zavést real-time podporu rozhodování do procesů organizace – potřeba podpory rozhodování v reálném čase je vždy o kontextu. Kontextem je myšlen podnikový proces, který by měl tuto podporu využívat. Např. pokud zástupci společnosti připravují obchodní strategii, zajímá je zpravidla dlouhodobé chování spotřebitelů. V tomto případě nevadí, pokud budou prodejní data den či týden stará. Pro většinu rozhodnutí tedy den stará data (což je standardní frekvence aktualizace datových skladů) plně postačují. Existují ovšem také případy, kdy je potřeba jednat skutečně co nejrychleji, nejlépe okamžitě. Mezi tyto situace patří např.:  doporučování zboží a služeb zákazníkům – doporučení ve smyslu lidem, kterým se líbí zboží X se také líbí zboží Y. U těchto analýz zpravidla pracujeme s daty starými několik hodin v závislosti na prodávaném sortimentu. U informačního obsahu (např. aplikace pro mobilní telefony, MP3, filmy atd.) může ale vzniknout potřeba tento interval zkrátit.  detekce podvodného chování (Fraud Detection) – bankovní instituce a pojišťovny potřebují na vzorce podvodného jednání reagovat velmi rychle, zpravidla v řádu několika málo minut.  call centra – pracovníci call center potřebují přímou interakci se zákazníkem na telefonu, ať už se jedná o prodejní call centra (cross-sell, up-sell, kreditní analýzy klienta atd.) či o servisní call centra (analýza možných problémů zákazníka v závislosti na zakoupených produktech, predikce těchto problémů a chování zákazníka, predikce odchodu ke konkurenci atd.).  poskytování půjček – banky a řada jiných finančních institucí v dnešní době poskytuje půjčky. Řada zákazníků potřebuje schválit půjčky v reálném čase, což v tomto případě znamená např. návštěvu pobočky instituce nebo vyplnění formuláře na webu. Pro instituci ovšem poskytnutí půjčky znamená kontrolu a zjištění řady údajů o zákazníkovi (např. insolvenci, dluhy, výpočet rizika atd.). Díky real-time podpoře rozhodování je možné žádost o půjčku schválit na místě s tím, že si instituce zároveň zkontroluje poskytnuté půjčky jinými institucemi, nedoplatky na daních, sociálním či zdravotním pojištění apod.  automatické monitorování sítí – např. u telekomunikačních operátorů či společností z oblasti utilit je nutné neustále monitorování rozvodné sítě (telekomunikační síť, vodovodní potrubí, distribuční elektrická síť) a rozhodování o případném neoprávněném přístupu do sítě (např. neoprávněný odběr elektrické energie) či predikce možných výpadků sítě a reakce na přetížení sítě. Reakce na tyto události by měla dosahovat také maximálně řádů minut, v případě přetížení sítí je automatická reakce potřebná v řádu sekund.  webová analytika – webová analytika představuje nové odvětví pro využití real-time rozhodování. Za jejím rozvojem v současné době stojí převážně sociální sítě, které získávají o uživatelích značné množství informací a potřebují vhodně zacílit reklamní kampaně a operativně je měnit v závislosti na chování uživatele sociální sítě/internetového obchodu.


73

Lukáš Pitka

Podpora rozhodování v reálném čase tedy potřebná je, ale pouze v některých případech. Ve většině případů se jedná pouze o kontraproduktivní dodání informace nákladněji, než podnikové procesy požadují.

2.2.3

Jak rychle se potřebujeme rozhodovat?

Většina organizací vyžaduje reporty poskytující pohled na jejich historické působení. Historické informace pomáhají řídícím pracovníkům stanovit účinnost nastavených strategií a plánů, a také identifikovat možné vzorce a budoucí trendy, které ovlivňují plány do budoucna. Takovýto pohled na historické informace je kritický, ale nepomáhá organizacím při odhalování aktuálních problémů a příležitostí. Se zvyšující se globalizací a složitostí podnikových procesů je zapotřebí některé činnosti provádět okamžitě tak, abychom minimalizovali ztráty, resp. abychom získali náskok před konkurenty. V části 2.2.2 jsem uvedl, že podpora rozhodování v reálném čase je v některých případech opodstatněná. Potřeby společností ale zpravidla nevyžadují striktně ani jedno z řešení, tj. nechtějí analýzy založené čistě na historických datech, ale ani analýzy založené výhradně na aktuálních datech. Společnosti pro správné rozhodnutí potřebují vhodnou kombinaci historických a aktuálních dat. Správné vybalancování hranice mezi historickými analýzami a analýzami založenými na vzorcích aktuálních dat je dle mého názoru největším problémem v oblasti podpory rozhodování v reálném čase. Příkladem této potřeby je vlastník nějakého operativního procesu v organizaci, který musí reagovat co nejrychleji na vznik nepříznivé události. Před provedením akce ale potřebuje vhodnou podkladovou informaci o historických trendech, historických bězích tohoto procesu. Pokud tuto informaci nedostane, může učinit bezmyšlenkovité rozhodnutí (reflexivní rozhodnutí bez podkladové analýzy). Pokud tuto informaci dostane, musí ji dostat v určitém čase, jinak může být pozdě a následky mohou být stejné nebo ještě horší než v případě rozhodnutí bez podkladové analýzy. Na závěr této polemiky o potřebě rozhodování v reálném čase bych rád uvedl větu Stephena Brobsta, CTO (Chief Technology Officer) společnosti Teradata: „A real-time enterprise without real-time business intelligence is a real fast, dumb organization.“ [18] Potřeba začlenění operativních analýz do podnikových procesů tedy nabývá s měnícím se tržním prostředím na důležitosti a bez adaptace této změny nemohou společnosti dlouhodobě efektivně řídit svoje rozhodování a směřování.

3. Rozhodování v reálném čase a architektura podnikových IS Systémy pro podporu rozhodování je zapotřebí vhodným způsobem začlenit do enterprise architektury (EA – Enterprise Architecture) IS/ICT organizace. Real-time BI a DSS systémy nepředstavují pouze součást aplikační architektury, ale výrazným způsobem formulují také informační či procesní část EA. Včlenění systémů pro podporu rozhodování v reálném čase do celkové podnikové architektury je tedy jedním z nejdůležitějších úkonů před vlastní implementací řešení – do značné míry určuje úspěšnost implementace a následně také přínosy řešení pro organizaci. V této kapitole se zaměřím na překážky související s trendem rozhodování v reálném čase a provedu začlenění jednotlivých oblastí podnikové informatiky souvisejících s podporou rozhodování v reálném čase do EA organizace. 74



3.1 Aktuální překážky a návrh postupu pro jejich překonání V oblasti real-time podpory rozhodování existuje řada otevřených otázek, které jsem sumarizoval a rozčlenil v části 3.1.1. V části 3.1.2 jsem pak navrhnul možný postup pro jejich překonání.

3.1.1

Překážky systémů pro podporu rozhodování v reálném čase

Zpracování analytických úloh v reálném čase přináší řadu organizačních a technických výzev, se kterými je nutné se vypořádat. Efektivní podpora rozhodování odpovídající bodu rovnováhy z obr. 2 v části 2.2.1 je v současné době a současném vývojovém stavu technologií obtížně dosažitelná. Důvody tohoto stavu je dle mého názoru možné rozdělit na dvě skupiny – technologické a organizační. Mezi hlavní technologické důvody patří:  roztříštěnost datových zdrojů – první z překážek představuje značné množství datových zdrojů potřebných pro sestavení požadovaného reportu/indikátoru/analýzy. V případě standardního řešení není problém tato data nahrát dávkovou úlohou do centrálního datového skladu. Vytvořit report či výkonový indikátor na základě historických i aktuálních dat a v požadovaném (téměř) reálném čase je z technologického hlediska obtížné. Celý problém se navíc může zkomplikovat potřebou ad-hoc reportů, tedy reportů, jejichž definici si budou uživatelé moci upravit. Veškeré zdrojové (primární) podnikové IS musí být navíc parametrizovány na výkonnostně náročné dotazy i v době běžné práce uživatelů.  dávkové ETL (Extraction, Transformation, Loading) a čistota dat – tradiční ETL nástroje jsou dávkové a naplánované v pravidelných intervalech (zpravidla denní, týdenní či měsíční dávky). Pro real-time rozhodování je zapotřebí nepřetržitý tok dat, popř. ad-hoc spuštění ETL dávky. V obou případech vznikají problémy dokončit přenos dat v požadovaném čase se zaručením kvalitativních parametrů, zejména čistoty dat, která představuje časově velmi náročnou operaci. [19]  architektura datového skladu – v souvislosti s problémem dávkového pojetí ETL u tradičních analytických úloh je zapotřebí také změna architektury datového skladu (DWH – Data WareHouse), popř. vytvoření nového DWH pro real-time data a následná správa obou úložišť. Obě řešení představují významný zásah do architektury stávajícího DSS. [19]  škálovatelnost – řešení musí být schopno pracovat s velkými objemy dat v krátkém čase. Zpracování dat z ETL musí proběhnout velmi rychle, latence pro uložení dat v systému musí být minimální. [19]  aktuální limity analytických nástrojů – největším problémem současných analytických řešení je limitované množství sémantických vrstev. Řešení jsou schopná se zpravidla napojit na centrální datový sklad, ale nejsou schopná se propojit a efektivně pracovat s několika desítkami produkčních databází a systémů. Analytická řešení neobsahují middleware vrstvu, která odstíní implementační rozdíly jednotlivých systémů a ad-hoc konsolidovaný reporting nad několika systémy je problematický.


75

Lukáš Pitka

Stěžejní organizační překážky jsou:  strategické začlenění podpory rozhodování v rámci enterprise architektury – začlenění metod, procesů, postupů a nástrojů pro real-time podporu rozhodování v rámci jednotlivých části EA je stěžejní pro budoucí úspěch těchto řešení a pro realizaci přínosů z nich plynoucích. Většina organizací v současné době nepřistupuje k řešení analytických a rozhodovacích úloh s potřeným strategickým nadhledem a zaměřením, čímž se výsledná implementace těchto řešení míjí požadovaným účinkem.  neznalost požadovaných výstupů – obecným problém rozhodovacích úloh, který nalezneme i v tradičním BI, je neschopnost uživatelů definovat potřebné výstupy. Hlavní příčinou tohoto problému je nedostatečná úroveň vyspělosti hlavních a podpůrných podnikových procesů.  začlenění analytických úloh do podnikových procesů – také tento problém pramení z velké části z neznalosti vlastních procesů – organizace není schopna určit místa v procesech, na kterých potřebuje analytické vstupy.  nejasná koncepce v oblasti nástrojů pro podporu rozhodování – roztříštěnost řešení pro podporu rozhodování představuje další koncepční problém – v organizacích se zpravidla rozhoduje na základě několika systémů, primární systémy nezřídka v současné době obsahují analytickou funkcionalitu, jednotlivá oddělení používají různé reportovací a analytické nástroje.

3.1.2

Rámcový postup překonání překážek

Konkrétní řešení jednotlivých problémů a překážek zavedení podpory rozhodování do organizace uvedené v části 3.1.1 přesahuje rámec této práce. Každá z uvedených překážek představuje samostatné téma, které je zapotřebí důkladně analyzovat a vyřešit v souladu s potřebami dnešních organizací. V následujícím textu alespoň nastíním možnosti řešení a klíčové činnosti, které je zapotřebí udělat pro to, aby bylo zavedení real-time systémů pro podporu rozhodování co nejvíce v souladu s prostředím organizace a aby skutečně přineslo předpokládané přínosy. Překážky uvedené v části 3.1.1 jsem rozdělil na technologické a organizační, stejným způsobem je možné rozdělit i postupy pro jejich řešení. Technologické překážky jsou přitom z mého pohledu méně podstatné – technologie se bude i nadále vyvíjet a časy potřebné pro jednotlivé operace se budou zkracovat (viz kapitoly 2.1 a 2.2). Organizační překážky jsou z hlediska společností podstatnější – znamenají změnu jejich chování, resp. změnu přístupu v chování zaměstnanců organizací. Změna technologií je oproti změně zažitých vzorců chování a jednání jednoduchá a rychlá. Z tohoto důvodu je vhodné začít s řešením organizačních překážek již nyní, i když technologicky nejsou řešení pro podporu rozhodování v reálném čase zcela dořešená. Mezi potenciální řešení technologických překážek můžeme zařadit:  EII (Enterprise Information Integration) – roztříštěnost datových zdrojů je možné řešit různými způsoby. Pro potřeby real-time datových analýz jsou vhodná řešení založená na virtuální konsolidaci dat (EII čili datová federace). Koncept a architekturu EII jsem podrobněji popsal v [20]. EII je přístup k integraci nesourodých datových typů z více datových zdrojů, přičemž data zůstávají fyzicky uložena pouze v těchto datových zdrojích – viz obr. 4. EII přístup se skládá z obecných pravidel, metod a poznatků businessu, které 76



propojuje s daty organizace, technickými a softwarovými prostředky, a vytváří tak obecnou informační strategii organizace. Koncepce EII je přímo určená pro práci s daty primárních systémů v reálném čase. Mezi nevýhody patří značná náročnost na výpočetní zdroje, složitost celého řešení díky potřebě uchovávání business mapování na různorodé databáze primárních systémů a zejména nedořešená otázka čištění dat v těchto systémech uložených.

obr. 4 – EII koncepce pro federaci (virtuální konsolidaci) datových zdrojů [20]  EAI (Enterprise Aplication Integration) – integrace podnikových aplikací představuje řešení založené na tzv. push přístupu. EAI řešení obsahuje komponenty pro zprostředkování komunikace prostřednictvím předávání zpráv (transakce) přes různé systémy, přičemž jedním z těchto systémů může být i systém pro podporu rozhodování v reálném čase. Prostřednictvím adaptérů je EAI řešení propojené se zdrojovými systémy, transakce jsou následně směrovány pomocí centrální komponenty brokeru. Data jsou tlačena do datového skladu na základě vzniku transakce v primárním informačním systému.  mikrodávková ETL a zachycení změnových dat (CDC) – detailnější popis těchto technik je uveden v [19], [21] či [22]. Metoda CDC (Change Data Capture) je založena na analýze logů jednotlivých primárních systémů, tedy na zjištění rozdílových dat. Jakmile nastane v primárním systému změna, je tato změna zařazena do mikrodávky a tato je následně zaslána do DWH. Na obr. 5 je znázorněno koncepční schéma mikrodávek u datových pump, na SYSTÉMOVÁ INTEGRACE 2/2011

77

Lukáš Pitka

obr. 6 pak schéma principu fungování metody CDC. CDC kontroluje změny transakčního logu primárních databází a relevantní změny zapisuje do svých změnových tabulek. Následně jsou záznamy změnových tabulek přeneseny do datového skladu pomocí mikrodávkové ETL datové pumpy.

obr. 5 - Schéma mikrodávkového ETL (Micro Batch ETL) [19]

obr. 6 – Change Data Capture (CDC) [19]  CTF (Capture, Transform, Flow) – nově vznikající technologie CTF zjednodušuje přenos dat mezi heterogenními databázemi [23]. CTF přenáší změněná data ze zdrojových databází do tzv. staging area (tedy do jakéhosi operativního datového úložiště) a zároveň na data aplikuje jednoduché transformace. Na základě vložení dat do staging area je vyvolán proces ETL (konkrétně Micro Batch ETL), který aplikuje sofistikovanější transformace a data přenese do DWH. Pomocí CTF pocítí zdrojové systémy minimální zatížení svých databází. Technologie CTF a CDC jsou si velmi podobné. Mezi rámcová řešení organizačních překážek řadím zejména:  jasné vymezení strategických cílů organizace a následně IT cílů – na obr. 7 je zjednodušeně vyobrazeno schéma celkové podnikové architektury ve vztahu k IT (Enterprise Architecture): část technické infrastruktury podporuje aplikační architekturu, z jednotlivých aplikací vznikají data, data v určitém kontextu vytvářejí informace v rámci informační architektury. Nejvyšší úroveň, business architektura, je řízena informacemi. V rámci celkové strategie organizace jsou definovány celkopodnikové cíle, např. zvýšení obratu 15%, snížení nákladů o jednu třetinu atd. Tyto business cíle jsou následně rozpadnuty do jednotlivých dílčích strategií (marketingová, obchodní, IT 78



strategie). V IT strategii musí CIO (Chief Information Officer) nadefinovat cíle vedoucí k podpoře splnění celokorporátních cílů. Jak je patrné z obr. 7, business cíle jsou podpořeny informacemi, které jsou dodány včas, ve vhodné formě a správným osobám. Zajištění úzkého propojení mezi podnikovými procesy a podporou rozhodování v reálném čase je tedy stěžejním úkolem pro naplnění celopodnikových cílů. O celkové koncepci podpory rozhodování je nutné uvažovat při budování IT strategie, využití dat primárních systémů a automatizace podpory rozhodování v podnikových procesech je jednou ze stěžejních úloh IT organizace.

obr. 7 - Zjednodušené schéma Enterprise Architektury s ohledem na tok informací [24]  nalezení společné řeči mezi IT a dalšími složkami organizace – jediným řešením pro získání podkladů pro podporu rozhodování, které budou plnit svoji funkci (tj. budou obsahovat správná data ve správném formátu, budou doručena včas a té správné osobě) je začlenění budoucích uživatelů těchto výstupů do jejich definice. Neméně důležité jsou zkušenosti interního IT s řešenou oblastí. V případě, kdy nemá interní IT potřebné znalosti pro komunikaci s dalšími částmi organizace jejich řečí, je vhodné se obrátit na konzultantské společnosti, které navíc mohou přinést externí pohled na celou situaci včetně best-practices získaných v projektech pro jiné zákazníky. Pro interní IT je zákazníkem při definici výstupů jiná organizační složka organizace – proto je nutné, aby si interní IT počínalo v jistých ohledech právě jako ona externí konzultantská společnost. Nalezení společné řeči je nutné nejen z pohledu neznalosti požadovaných výstupů, ale výrazně přispívá k úspěšnému ukončení projektu.  stanovení koncepce v rámci aplikační architektury – CIO musí být zodpovědný za stanovení jasné koncepce aplikační architektury IS/ICT, jejíž jednou oblastí jsou také nástroje pro podporu rozhodování. V rámci této koncepce je nutné vymezit nástroje pro podporu rozhodování vůči jednotlivým primárním informačním systémům, ale také vůči sobě navzájem. V ideálním případě by mělo kompletní analytické a reportovací řešení nad všemi primárními systémy působit jednotně. Úlohou IT je v tomto případě nalezení nejvhodnějších řešení pro podporu analytických a rozhodovacích SYSTÉMOVÁ INTEGRACE 2/2011

79

Lukáš Pitka

úloh v organizaci, a integrace těchto řešení v kompaktní celek pro centrální podporu rozhodování všech útvarů.

3.2 Oblasti analytických řešení, význam z hlediska real-time podpory rozhodování, začlenění do EA V rámci své práce jsem zmínil několik termínů, kterými se označují různé oblasti postupů, technologií a nástrojů používaných při podpoře rozhodování. Mezi v současné době nejčastěji skloňované skupiny patří Business Intelligence, Corporate Performance Management a Business Process Management. V následujících částech začlením tyto oblasti do EA organizace s ohledem na podporu rozhodování v reálném čase. Začleněním jednotlivých oblastí do celkové architektury se snažíme předcházet informačnímu nesouladu – obr. 8. Orgány společnosti, které rozhodují (nejen na strategické, ale i na taktické a operativní úrovni řízení) potřebují správné informace (data v kontextu) ve správný čas na správném místě (integrované výstupy real-time podpory rozhodování v podnikových procesech). V případě, kdy nejsou tyto předpoklady splněny (pokud jsou data nesprávně integrována a jsou podána ve špatném kontextu) dojde k nesouladu mezi skutečností (uloženou v produkčních databázích) a tím, co potřebuje tzv. decision-maker, tedy osoba, která na základě dodaných informací rozhoduje [20].

obr. 8 - Informační nesoulad [20] Aby organizace informačnímu nesouladu mohla předejít, musí si jasně stanovit strategii v oblastech Business Intelligence (resp. Real-Time BI), Corporate Performance Management a propojení analytických úloh s primárními podnikovými procesy.

80



3.2.1

Real-Time BI (Operational BI)

Význam a využití Real-Time, Right-Time či Operational Business Intelligence (všechny názvy znamenají totéž a pojmenování oblasti v současné době záleží pouze na preferenci jednotlivých autorů) je jednou z nově se utvářejících odnoží oblasti BI. BI tradičně slouží k analýze historických dat uložených v datovém skladu, který bývá zpravidla aktualizován jednou denně. Za součást BI je v současné době považován i Data Mining, tedy algoritmy pro nalézání skrytých souvislostí v datech. Tradiční technologie BI opustila i Hype křivku analytické společnosti Gartner, proto je považována za vyspělou oblast používanou v podnicích zcela samozřejmě. V tab. 1 jsou uvedeny charakteristiky jednotlivých odnoží BI a zvýrazněny stěžejní vlastnosti Real-Time (Operational) BI. Strategické BI Business zaměření Primární uživatelé Časový rámec Data

Taktické BI

Stanovení a rozvoj dlouhodobých cílů organizace TOP management, analytici

Řízení organizace na taktické úrovni směřující k dosažení strategických cílů TOP a střední management, analytici

Měsíce, roky

Dny, týdny, měsíce

Historická data

Historická data

Operativní BI Řídit a optimalizovat každodenní běh podnikových procesů Analytici, střední management, běžní pracovníci a operativní procesy Méně než den Aktuální a historická data

tab. 1 – Charakteristiky jednotlivých odvětví Business Intelligence [25]

Začlenění v rámci architektury organizace Potřeba a podpora oblasti BI musí pocházet od vedení organizace, tj. musí být stanovena v rámci informační strategie, která primárně vychází z potřeb businessu. Ještě stále je možné se setkat s pohledem na BI jako na aplikaci. Tímto pohledem bude BI primárně uvažováno v aplikační části EA. BI ale není pouze o aplikaci, BI zahrnuje architekturu, procesy, metodologii atd. Začlenění tradičního BI do EA již bylo mnohokrát řešeno, real-time BI ovšem přináší některé nové poznatky, se kterými je třeba v jednotlivých dílčích částech EA (obr. 7) počítat:  business architektura – ve své práci jsem na několika místech zmínil, že potřeba podpory rozhodování v reálném čase musí vycházet z potřeb podnikových procesů, podnikové procesy a správné určení potřeb organizace v rámci business architektury je tedy stěžejní,  informační architektura – v rámci informační architektury je zapotřebí provést jasné zarovnání požadavků businessu na potřebné informace, v rámci informační architektury je pro oblast real-time BI potřeba pracovat s novými rámci jako je např. EII, tj. kompletním způsobem ošetřit nakládání s informacemi,


81

Lukáš Pitka

 datová architektura – z hlediska datové architektury je nutné se zabývat novými způsoby uložení dat a jejich přenosu mezi jednotlivými aplikacemi v reálném čase (datové pumpy včetně Micro Batch ETL, CDC či CTF technologií),  aplikační architektura – real-time BI přináší nové aplikace a potřebu integrace v rámci celkové aplikační architektury,  technologická architektura – potřeba nových technologií a řešení pro zpracování značného množství informací v reálném čase, nová architektura serverových úložišť pro real-time DWH. O nasazení real-time BI je tedy nutné uvažovat v rámci celé EA, nikoli pouze v její aplikační části.

3.2.2

Corporate Performance Management

Význam a využití Oblast CPM bývá v některých případech specifikována jako jedna ze součástí BI. Osobně se na CPM dívám jako na samostatnou disciplínu, která podobně jako oblast analytického CRM (Customer Relationship Management) využívá některé přístupy a principy BI pro analýzu a prezentaci dat uživatelům. Oblast řízení výkonnosti organizace se primárně zabývá finančními ukazateli, konkrétně výhledy do budoucna, analýzami nad rozpočty a finančním plánováním směrování organizace. CPM zahrnuje informační podporu pro strategické plánování, rozpočtování a forecastování, včetně konsolidovaných pohledů na data více organizací a podporu reportingu. Jak jsem již zmínil, primárně se specifikuje na finanční ukazatele, což do značné míry určuje cílovou skupinu uživatelů a podporované podnikové procesy. Na rozdíl od oblasti BI existují prvky real-time podpory rozhodování v CPM řešeních od samotného vzniku vymezení této oblasti. Většina softwarových nástrojů kategorie CPM obsahuje monitoring procesů v reálném čase. Řešení bývají zpravidla napojena nejen na datový sklad organizace, ale také přímo na primární podnikové IS (zejména na ERP řešení) a umožňují tak provádět analýzy nad živými daty. Na druhou stranu jsou tato řešení poměrně nová a v současné době neumožňují optimální propojení s podnikovými procesy, právě např. v rámci ERP systému.

Začlenění v rámci architektury organizace CPM představuje podobně jako oblast BI spíše koncept, než konkrétní softwarové řešení. CPM představuje souhrn postupů, metod a nástrojů pro podporu finančního plánování, rozpočtování a forecastování. Začlenění v rámci EA je velmi podobné jako v případě oblasti real-time BI, v některých dílčích architekturách je ale zapotřebí řešit poněkud jiné otázky:  informační architektura – informační potřeby pro CPM reporting jsou více svazující než pro obecný reporting pomocí real-time BI řešení, je tedy nutné jasně s interním zákazníkem CPM řešení vyjasnit úlohu CPM ve finančních procesech organizace,  datová architektura – z hlediska datové architektury je nutné řešit vhodnou přípravu dat (formát, uložení) pro zpracování systémem CPM, dále je nutné ověřit, zda má organizace veškerá potřebná data pro potřebný reporting pomocí systému CPM,

82



 aplikační architektura – CPM přináší do organizace nové aplikace a velmi silnou potřebu integrace v rámci celkové aplikační architektury, zejména integrace na ERP systém představuje složitou úlohu – CPM řešení musí být schopno data z ERP zpracovávat on-line bez výkonnostního omezení produkční databáze ERP systému, dalším důležitým bodem je vzájemné provázání a odstranění duplicit mezi real-time BI a CPM nástrojem.

3.2.3

Analytické úlohy v primárních podnikových procesech

Význam a využití Oblast BPM (Business Process Management) se primárně analytickými úlohami nezabývá. Jedná se spíše o přístup k řízení podnikových procesů založený na trvalém zlepšování procesů organizace díky jasně danému životnímu cyklu procesu, který zahrnuje fáze návrhu, modelování, běhu, monitoringu a optimalizace podnikových procesů. Systémy pro podporu BPM jsou postaveny na skládání procesů z jednotlivých komponent a předávání dat v rámci jednotlivých činností těchto procesů. Z mého pohledu je propojení BPM a analytických systémů pro podporu rozhodování stěžejní k dosáhnutí podpory rozhodování v reálném čase. Jednotlivé procesy běží v rámci organizace v reálném čase. V rámci těchto procesů je nutné tedy zapojit i analytické systémy, které dodávají podklady pro rozhodovací činnosti (manuální či automatické) v rámci procesů. V současné době je možné vidět oddělenou oblast BPM a BI/CPM. Organizace pro dosažení přínosů musí tyto oblasti vhodně propojit a do standardních procesů primárních systémů začlenit analytickou podporu rozhodovacích úloh v reálném čase. Tato podpora bude samozřejmě začleněna pouze na ta místa, kde má smysl (viz 2.2.2).

Začlenění v rámci architektury organizace BPM představuje podobně jako BI poměrně širokou oblast. BPM tedy opět není pouze o systému či modelování workflow procesů. Primární zaměření BPM v rámci EA je na oblast Business architektury, ale zasahuje také do dalších částí EA:  business architektura – BPM je primárně o procesech organizace a jejich kontinuálním zlepšování, definice požadavků v rámci business architektury a jasná specifikace procesů a jejich jednotlivých činností představuje naprosto stěžejní aktivitu při úvahách o nasazení jakéhokoli BPM či workflow nástroje,  informační architektura – dodání kontextu datům je důležitým úkolem BPM, v rámci informační architektury je tedy nutné zajistit korektnost informace a ekonomičnost jejího získání a zobrazení uživateli,  datová architektura – s datovým uložením definice procesů a mapování na potřebné datové zdroje je potřeba počítat v rámci datové architektury při úvahách o nasazení BPM nástrojů,  aplikační architektura – BPM nástroje a princip SOA (Service Oriented Architecture) představují kompletně odlišný pohled na stávající aplikační architekturu organizace a možnosti integrace těchto aplikací.

4. Závěr V rámci práce jsem se zabýval jedním z nejnovějších trendů v oblasti informační podpory rozhodování – podporou rozhodování v reálném čase. Práce obsahuje SYSTÉMOVÁ INTEGRACE 2/2011

83

Lukáš Pitka

stěžejní milníky, které vedli k dosažení aktuálního stavu podpory rozhodování v organizacích. Tyto historické souvislosti jsou nutné k pochopení aktuálních potřeb organizací – v části 2.2 jsem uvedl polemiku nad potřebou rozhodování v reálném čase. Nic není pouze černé nebo bílé, proto ani potřeba organizací rozhodovat se na základě realtime analýz není zcela jasná a už vůbec není vždy ekonomicky výhodná. Některé procesy v rámci organizací potřebují aktuálnější a rychlejší zpracování analýz v téměř reálném čase (resp. čím dříve tím lépe), např. pokud je obchodní zástupce v přímém kontaktu se zákazníkem. Většina procesů ovšem může pracovat s historickými daty starými např. jeden den a současná řešení jsou tedy pro tyto procesy dostatečná. Rozhodování v reálném čase přináší řadu technických, ale hlavně organizačních problémů. Jako největší problém vnímám sladění oblasti podpory rozhodování s celkovou IT strategií organizace, tj. jak nejlépe a nejekonomičtěji využít možnosti real-time podpory rozhodování k dosažení celopodnikových business cílů. Na začátku práce jsem si stanovil tři základní cíle:  prokázat potřebu rozhodování v reálném čase – v části 2.2 jsem obsáhle toto téma zhodnotil včetně praktických příkladů, které potřebu rozhodování v reálném čase dokazují. Na druhou stranu je třeba říci, že je vždy nutné se zamyslet, zda daný podnikový proces skutečně potřebuje analytické podklady získané na základě aktuálních dat primárních systémů.  stanovit směry řešení jednotlivých překážek – v části 3.1.1 jsem stanovil aktuální technologické a organizační překážky, které brání rozvoji a začlenění rozhodování v reálném čase do podnikových procesů. V části 3.1.2 jsem pak stručně nastínil jednotlivé možnosti, jak tyto překážky překonat, či se jim vyhnout. V této části jsem si vědom přílišné stručnosti – jednotlivé body je nutné podrobněji rozvést v navazujících pracích.  začlenit real-time podporu rozhodování do EA – v části 3.1.2 a následně v části 3.2 jsem provedl vymezení jednotlivých oblastí podpory rozhodování v reálném čase a jejich začlenění do podnikové architektury. Práce se zabývá tématem podpory rozhodování v reálném čase poměrně zeširoka. Některé části je proto vhodné rozpracovat a doplnit v návazném výzkumu. Konkrétně se jedná o:  detailní rozpracování jednotlivých technologických a organizačních překážek včetně detailních variant jejich řešení,  doplnění případových studií dokladujících výhodnost využití real-time podpory rozhodování pro organizaci, včetně realizovaných přínosů vzniklých začleněním jednotlivých analytických úloh do konkrétních podnikových procesů,  stanovení metodologického rámce implementace systémů pro podporu rozhodování v reálném čase, resp. vypracování změnového rámce, který obsahuje odlišnosti od implementace klasických nástrojů pro podporu rozhodování.

84



5. Literatura 1.

BUCHANAN, L. and O'CONNEL, A. A Brief History of Decision Making. Harvard Business Review. Special Issue - Decision Making, January 2006, pp. 34-43. 2. KEMERLING, G. Socrates. Phylosophy Pages. [Online] Garth Kemerling, August 9, 2006. [Cited: November 14, 2010.] http://www.philosophypages.com/ph/socr.htm. 3. IBIS COMMUNICATIONS, INC. Julius Caesar Crosses the Rubicon, 49 BC. EyeWitness to History. [Online] Ibis Communications, Inc., 2002. [Citace: 14. November 2010.] http://www.eyewitnesstohistory.com/caesar.htm. 4. ARCHIMEDES' LAB. Origins of the Numerals. Archimedes' Laboratory. [Online] Archimedes' Lab. [Cited: November 14, 2010.] http://www.archimedeslab.org/numeral.html. 5. GIBBS, P. AND HIROSHI, S. What is Occam's Razor? Usenet Physics FAQ. [Online] 1997. [Cited: November 14, 2010.] http://www.xs4all.nl/~johanw/PhysFAQ/General/occam.html. 6. MUDRA, J. Francis Galton: Vědec, který chtěl vylepšit lidskou rasu. Res Claritatis. [Online] Res Claritatis, o.s. , 23. Březen 2010. [Citace: 14. Listopad 2010.] http://claritatis.cz/zpravy/z-domova/francis-galton-vedec-ktery-chtel-vylepsitlidskou-rasu/3708. 7. THE NOBEL FOUNDATION. Harry M. Markowitz - Autobiography. The Official Web Site of the Nobel Prize. [Online] The Nobel Foundation, 1990. [Cited: November 14, 2010.] http://nobelprize.org/nobel_prizes/economics/laureates/1990/markowitzautobio.html. 8. FRIESNER, T. History of SWOT Analysis. Marketing Teacher. [Online] Marketing Teacher Ltd. [Cited: November 14, 2010.] http://www.marketingteacher.com/swot/history-of-swot.html. 9. RAIFFA, H. Decision Analysis: Introductory Lectures on Choices Under Uncertainty. Mcgraw-Hill College, 1997. str. 309. ISBN 978-0070525795. 10. SYQUE. Vroom and Yetton's Normative Model. Changing Minds.org. [Online] Syque. [Cited: November 14, 2010.] http://changingminds.org/disciplines/leadership/theories/vroom_yetton.htm. 11. GÁLA, L., POUR, J. a TOMAN, P. Podniková informatika. Praha : Grada Publishing, a.s., 2006. ISBN 80-247-1278-4. 12. BASL, J. a BLAŽÍČEK, R. Podnikové informační systémy - Podnik v informační společnosti. 2. vydání. Praha : Grada Publishing, a.s., 2008. str. 288. ISBN 978-80-247-2279.5. 13. IDG. IDC: Ekonomika stagnuje, objem dat roste. ChannelWorld.cz. [Online] IDG, 10. červenec 2009. [Citace: 14. Listopad 2010.] http://channelworld.cz/sluzby/idcekonomika-stagnuje-objem-dat-roste-709. 14. HACKATHORN, R. The BI Watch: Real-Time to Real-Value. DM Review. 2004, January. SYSTÉMOVÁ INTEGRACE 2/2011

85

Lukáš Pitka

15. INMON, B. Time Value of Information. BeyeNETWORK. [Online] Powell Media, LLC, 11. January 2007. [Citace: 14. November 2010.] http://www.b-eyenetwork.com/view/3365. 16. ECKERSON, W. W. A Business Approach to Right-Time Decision Making. TDWI Monograph Series. 2006, June. 17. SWOYER, S. The Real-Time BI Dilemma. Enterprise Systems. [Online] 1105 Media Inc., April 9., 2008. [Cited: November 15, 2010.] http://esj.com/articles/2008/04/09/the-realtime-bi-dilemma.aspx?sc_lang=en. 18. FREIJ, L., et al. Data Warehouse. Abe Feinberg, Professor, Systems and Operations Management Dept. [Online] [Cited: November 15, 2010.] www.csun.edu/~hcmgt004/DWPresSp05.ppt. 19. GATHIBANDHE, H., DEOGIRIKAR, S. and GUPTA, A. K. How Smart is RealTime BI? Information Management: How Your Business Works. [Online] Information Management and SourceMedia, Inc., January 28, 2010. [Cited: November 15, 2010.] http://www.informationmanagement.com/infodirect/2009_152/real_time_business_intelligence-100170571.html?pg=1. 20. PITKA, L. EII (Enterprise Information Integration). Systémová integrace. Vol. 14, 2007, No. 4, stránky 95-116. 21. LEVY, E. Operational BI From the Trenches. Information Management: How Your Business Works. [Online] Information Management and SourceMedia, Inc., 17. February 2009. [Citace: 15. November 2010.] http://www.informationmanagement.com/blogs/10014977-1.html. 22. WHITE, C. The Next Generation of Business Intelligence: Operational BI. Information Management: How Your Business Works. [Online] Information Management and SourceMedia, Inc., May 2005. [Cited: November 15, 2010.] http://www.information-management.com/issues/20050501/1026064-1.html?pg=1. 23. KOZIELSKI, S. and WREMBEL, R. New Trends in Data Warehousing and Data Analysis. Dordrecht : Springer, 2009. 9780387874302. 24. BARTEL, M. E. Information Technology Strategic Plan 2004 - 2007. Federal Deposit Insurance Corporation. [Online] [Cited: November 16, 2010.] http://www.fdic.gov/about/strategic/it_plan/FDIC_IT_Strategic_Plan_20042007.pdf. 25. IMHOFF, C. Operational Business Intelligence – A Prescription for Operational Success . BeyeNETWORK. [Online] Powell Media, LLC, 23. October 2007. [Citace: 16. November 2010.] http://www.b-eye-network.com/view/6281.

86


Real-time podpora rozhodování v podnikových procesech primárních informačních systémů #

Recommend Documents