Vezetői információs rendszerek 7. előadás: Stratégiai menedzsment és informatikai támogatás 2. Elekes Edit, 2015. E-mail:
[email protected] Anyagok: eng.unideb.hu/userdir/Elekes Edit/Vezetoi_inf_rd 1
Tananyag Stratégiai folyamatok A stratégiai menedzsmentben használt módszerek A menedzser-barát informatika Algoritmusok adat-elérési, szűrési, elemzési célra Mutatók, mutatószámok A képi megjelenítés (vizualizálás) módszere A tudományos modell fogalma Az információ költség-struktúrája A vizuális problémamegoldás Felhasználás üzleti folyamatokban
2
A mutatószámok szerepe
Mutatószámokat az informatika korszaka előtt is használtak. Az informatika nagy távlatokat nyitott a mutatószámok kezelésében: Nagy számú adatból képesek bonyolult összefüggésekkel mutatószámokat számolni; Adatok közötti mutatószámok változását képesek figyelni, és figyelmeztetni a felhasználót azok negatív alakulására. A vezetői információs rendszer értéknövelő támogatást nyújt azzal, hogy: Egyszerre több mutatószám változását is nyomon tudja követni; Másrészt a vezetőknek nem kell a mutatószámok határértékét figyelni. A kiugró eltérésekből származó riasztást valósítja meg pl. a Comshare Detect & Alert funkciója. 3
A mutatószám fogalma Mutatószám: Egyedi adatok sűrítése; Általában több adatból állítják össze valamilyen összefüggés alapján. Mutatószámok fajtái: Abszolút mutató Relatív mutató.
4
Abszolút mutatók Fogalom és példák: Mértékegységgel ellátott eredeti számok (pl. ár, darabszám, egyéb mennyiségek /GDP valamilyen pénznemben kifejezve, eladott folyadék mennyisége literben, köbméterben mérve/); Származtatott adatok (az eredeti adatokból valamilyen művelettel, pl. összegzéssel, különbséggel képezve). 5
Relatív mutatók Fogalom és példák: Százalékos adat, vagyis azonos mértékegységű adatok aránya (pl. külkereskedelmi deficit a GDP arányában); Egyéb viszonyszám (pl. adott időszakra vagy egy főre eső forgalom, darab, árbevétel). A mutatószámok használata kockázatot is rejt magában, mivel sűríti az adatokat. Pl. 9=8+1 vagy 9=4+5. Megoldás: nem egyedi, hanem egymás információját az adott cél érdekében kiegészítő információkat kell keresni, és figyelembe kell venni az eddig alkalmazott mutatószám-előállítási technikákat, tapasztalatokat. 6
Statisztikai mutatók Egy normális eloszlású sokaság esetében mondhatjuk azt, hogy rendelkezik egy K középértékkel és egy S szórással. Ez a két mutató sokkal többet mond, mint egy átlagérték. Nem normális eloszlású sokaságnál használhatjuk a mediánt (medián = helyzeti középérték, ami az ordinális mérési szintű, sorba rendezett változókat két részre osztja, középen helyezkedik el), decilist (a sokaságot 10 egyenlő sávra osztjuk el) vagy kvartilist (4 sávra), és megmondani a sávban lévő adatok számát. Mindezen módszerek segítenek a sűrítés miatti információvesztés esetében, vagy ha nem ismerjük a sokaság eloszlását, használhatjuk a klaszterelemzést, vagy adatbányászási technikát.
7
Mutatószámok és vezetési tevékenység A mutatószámok eredményes használatának feltétele, hogy rendszerben legyenek. Az első ilyen rendszert a DuPont vegyi cég vezette be. Ezt fejlesztette tovább ZVEI (Zentralverband der Elektroingeneure) német mérnökegyesület a szerkezeti elemzés irányába történt kiterjesztéssel.
8
A DuPont mutatószám rendszere
9
A ZVEI mutatószám rendszere
10
A vizualizálás szerepe
A képi megjelenítésnek (vizualizálásnak) jelentős múltja, hagyománya van, ami az emberi idegrendszeri folyamatokon alapul.
Külső kogníció (megismerés)
A külső világ felhasználása kognitív tevékenység elvégzésére.
Vizualizálás
Számítógép alapú, interaktív vizuális reprezentáció a kogníció megismerésére.
Tudományos vizualizálás
Tudományos, fizikai háttérrel rendelkező adatok vizualizálása.
Információs vizualizálás
Absztrakt, fizikai háttérrel nem rendelkező adatok vizualizálása.
Heckenast Tamás: Üzleti információ vizualizálás (In: RAABE Könyvkiadó, Controllingtrendek c. tanulmánykötete)
11
A számítógépes vizualizálás rövid története 1.
Vizualizálás = grafikus adat, illetve információ megjelenítés. Vizualizáció: adatok vizuális képkénti reprezentációjának előállítása. Tudományos számítások kapcsán jelenik meg először a vizualizálás, mint orvosi képalkotás, légkör modellezés, mérnöki szerkezetek, földtudományok, csillagászat. Scientific visualization = tudományos vizualizálás, elősegíti a tudományos felfedezést és megértést, oktatási közegként szolgál. Az interaktív megjelenítés megkövetelte a nagy számítógépes teljesítményt és speciális munkaállomást.
12
A számítógépes vizualizálás rövid története 2. Tudományos vizualizálás: Legkiforrottabb technológiai eszköztárral, tudományos háttérrel, kutatási módszertannal rendelkezik. Kapcsolódik a számítógépes grafikához és digitális képfeldolgozáshoz. Legfőbb alkalmazási területek: gyógyászat, járműipari mérnöki tervezés, katonai és űrkutatási felhasználás. 13
A számítógépes vizualizálás rövid története 3. 1990-es évek: absztrakt, vizuális információk, objektumok, adatok megjelenítése = általános információ vizualizálás (information visualization) igényének megjelenése. Az absztrakt adatok megköveteltek az alkalmazások architektúrájában egy további előrelépést. Felhasználási területek: pénzügyi adatfeldolgozás, dokumentumkezelő és információ visszakereső rendszerek, statisztikai elemzőcsomagok. Az egyes alkalmazási területeken az adatok fizikai szerkezete, szemantikája eltérő lehet, így nehéz a sikeres megoldás átültetési más alkalmazási területekre.
14
A számítógépes vizualizálás rövid története 4.
Vizualizálás fő funkciója: explorációs, humán felfedezésre épített adatelemzés.
Humán elemző
Vizualizáció
Kapcsolódási felület az adatokhoz
Elemző
Interakció
Mentális modell kialakítása a valóságról
A vizualizálás nem helyettesíti a kvantitatív számításokat, de segítheti azokat, azaz segít az információ kivonatolásában, elemzésében, segít a mintázat, a trend azonosításában. Információ vizualizálás: fiatal diszciplináris tudományág, egyre növekvő alkalmazás területtel. Információ vizualizálás célja: általános módszertan kidolgozás a vizualizáció terén.
15
A számítógépes vizualizálás rövid története 5. Az információ vizualizálás fő területe: információ visszakeresés (information retrieval), nagyméretű dokumentum könyvtárak, adatbázisok, World Wide Web. Üzleti vizualizálás nehézkessége: sokdimenziós adatok absztrakciója, az üzleti modellezés és döntéshozatal is bonyolult folyamat.
16
Döntéstámogató rendszerek vizualizációja Egyszerű döntéstámogató rendszerek: egyszerű diagramkészítési képességekkel ellátott lekérdező és jelentéskészítő alkalmazások (táblázatok, hierarchikus kivonatok, kör és oszlop diagrammok). Fejlettebb döntéstámogató rendszerek: absztrakt grafikus elemek, hierarchikus szerkezetű megjelenítők, animációk, vizuális interfészek használata = az adat attribútumok (tulajdonságok) komplex leképezése a felhasználó által könnyen értelmezhető vizuális attribútummá. Időbeliség: fontos jellemző az üzleti vizualizáció során.
17
Üzleti vizualizálás területei Adatbányászat (data mining) Tőkepiaci elemzések Vezetői információs rendszerek (EIS). Eredmények: statisztika, adatbázis kezelés, alakfelismerés, gépi tanulás, mesterséges intelligencia, számítógépes grafika kombinálása területén. Alapvető cél: explorációs (rejtett ismeretket feltáró) adatelemzés volt. Széles szakadék: akadémiai szféra kutatásai és a felhasználási kör gyakorlati alkalmazásai között. Megoldás: az érintett közönség multidiszciplináris oktatása, mellyel szélesíthető az információ vizualizálás, üzleti modellezés és elemzés kombinálása.
18
A vizualizáláshoz kapcsolódó tudományterületek
HCI: Human Computer Interaction
19
A tudományos modell keretei A tudáskinyerési folyamatban egy személy: Információt gyűjt, szerez és tesz értelmezhetővé Egy séma vagy keret kialakításával És tesz valamilyen akció vagy kommunikáció (leírás, tájékoztatás, döntés) formájában elérhetővé. Folyamat jellemzése: nagy mennyiségű inhomogén információ, rossz problémastrukturáltság, jól meghatározott cél. 20
Tudáskinyerési folyamat tipikus jellemzői
Információfogyasztás (lényeges információk beszerzése) Sémakeresés (modell kialakítása) Sémahasználat (a kezelhetetlen mennyiségű információt hatékonyan redukálni kell, az érzékszervek egyszerűsítik az információkat, a feldolgozó egységeket aggregált (összesített) információval kell ellátni, ez mintázatok detektálásával, az adatok absztrakciójával jár együtt) Problémamegoldás vagy kiértékelés (meghatározott minta alapján az adatok csoportosítása, összehasonlítása) Tudáskimenet rögzítése.
21
Tudáskinyerési folyamat
22
A vizualizálás előnye
Többszintű mintázatok létrehozása adatok és séma elemek között a megfigyelés szintjén, a modellalkotás során Párhuzamos feldolgozásokat tesz lehetővé egyidejűleg Nagy információmennyiség tárolása könnyen hozzáférhető formában Csökkenti a keresések számát és a kereséssel eltöltött időt (információcsoportosítással a keresések számának csökkentése, térbeli indexelés a címzéshez) Az értékek közötti rejtett kapcsolatok, trendek kimutatásának hatékonysága.
23
Vizualizálás és érzékelés Lehetővé teszi az érzékelés (percepció) útján történő következtetést Komplex grafikus számítások lehetővé tétele Nagyméretű eseményterek monitorozásának megvalósítása Statikus diagramok helyett dinamikus kapcsolatok felismerése és kezelése.
24
A információ költségstruktúrája
Mérése: Xerox Park Kutató Intézet által kidolgozott információfogyasztási elmélet (information foraging = IF). Információ felhasználás, fogyasztás szembe állítása az élelemmegszerzés, gyűjtés, fogyasztás biológiai-ökológiai modelljével. IF: humán információ feldolgozás modellje, ugyanakkor az információ vizualizálás tervezési kerete. Költségstruktúrák jellemzője: az információk fellelési helyeinek száma + a helyekre jellemző információ hozzáférési költség. A gyakran használt, kis tömegű információ könnyen hozzáférhető, a közelben helyezkedik el, a nagy tömegű, kevésbé használt információ költségesebben hozzáférhető, távolabbi adattárakban helyezkedik el. Az információfogyasztó arra törekszik, hogy maximalizálja az egységnyi költségre jutó értékes információ mennyiséget az adott információs feladat keretei között. Meg kell keresni a releváns, információkban gazdag területeket, melyeken érdemes az információt feldogozni. 25
Heurisztikus keresés Példa: információ beszerzése a webről: Foltok közötti mozgás keresőgép segítségével; Folton belüli feldolgozás: site-on belüli böngészés, közvetlen linkek követése. Foltok közötti, fonton belüli tevékenység javítása: nyomkövetés, gazdagítás, dúsítás (akkor lehetséges, ha a környezet befolyásolható, formálható, vagyis csökkenthető az információ feltalálási költsége szűrőmechanizmus alkalmazása). Információs nyom követése (Info scent): a közeli, érzékelhető információk alapján eldöntjük, hogy érdemes-e a távoli információs folt felkeresése. Ha a nyom erős, akkor a fogyasztó, a kereső képes korrekt döntést hozni. Ha nincs nyom, a kereső/fogyasztó végtelen bolyongást végez az információs térben. Az információ vizualizálás célja: A fogyasztási nyereség növelése. Ugyanannyi információhoz kevesebb idő alatt lehessen hozzáférni, vagy ugyanannyi idő alatt több információhoz jussunk.
26
Vizuális problémamegoldás A probléma kontextusának, követelményeinek, meghatározása. A vizuális lekérdezés megkonstruálása (a probléma átformálása, ami megengedi a vizuális megoldást). Mintázatkeresési ciklus: a feladatmegoldáshoz szükséges elemi vizuális minták megkeresése. A legjobb vizualizációk dinamikus objektumok, amelyek képesek a felhasználó nézetek és részletesség iránti igényeit kielégíteni. A vizualizálás egy kétirányú interfész, ami aszimmetrikus (nagyobb a sávszélesség a géptől az ember felé). Cél: A legjobb vizuális reprezentációt kell választani; Konzisztens legyen az eljárásunk a szakterület standardizált eljárásaival. 27
Felhasználás az üzleti folyamatokban Üzleti vizualizálás sajátossága: nagy mennyiségű, absztrakt, nem geometriai adat megjelenítése. Egy adott problémához nem feltétlenül van standard minta, ami illeszkedik a problémamegoldás mentális eljárásaihoz. A vizualizálás használata a modellezés során: A modellezőnek egy feladat megoldás során nagy mennyiségű absztrakt adat közötti összefüggést kell feltárnia; Számítási modell használata: az összefüggések feltárására; A modellt alkalmazni kell az adatokra validálási céllal, vagy más adatokra kell kiterjeszteni további következtetések levonása céljából. A legnehezebb feladat a vizualizálási objektumok, és a vizuális modell megtalálása. Üzleti döntéshozók számára az üzleti diagramok (oszlop, kör) természetesnek mondhatók, melyek speciális elrendezésekkel kiterjeszthetők több dimenziós adatok kezelésére. 28
Üzleti alkalmazások leggyakoribb területe: a kontrolling
Eredménykártyák (scorecards) használata: az üzleti stratégia és a végrehajtás összhangjának megteremtése. Cél: magas szintű, több mutatóból kialakított KPI-k (key performance indicator) megjelenítése a felső vezetés számára. Üzleti intelligencia megoldás (bottom-up tervezés): korszerű vezetői információs modulok. Üzleti műszerfalak (dashboard): egy szinttel lejjebb találhatóak, közvetlen működési célhoz kapcsolódnak. Cél: a beavatkozáshoz szükséges üzleti információk nyújtása intuitív és átlátható formában. Top-down tervezés: először meg kell határozni az üzleti célokat, az ezekhez tartozó KPI-ket, az ezekhez szükséges adatforrásokat. 29
Példa: egy műszerfal megjelenítés
30
Új elvárások Tőzsdei információk megjelenítése Kaotikus adathalmaz, kétoldali erős áttekintési igény jelentkezik (egyrészt a felhasználók részéről, akik megalapozott döntéseket szeretnének hozni, másrészt az üzemeltetők és felügyeleti hatóságok részéről, akik biztosítani akarják a piacon a rendes, kaotikus mozgást és azt el akarják különíteni a spekulánsok által gerjesztett rendellenes mozgástól.
31
A NASDAQ felügyeletét ellátó NASD Regulation Inc. cég által fejlesztett rendszer A cég a tőzsde felügyeletét látja el, feladata a meg nem engedett kereskedelmi tevékenységek felderítése és megakadályozása. Egy döntési fa + társítási szabály: megadja a kereskedésre jellemző viselkedési mintákra vonatkozó szabályokat. Ezt humán elemzők validálják a grafikus vizualizálás módszerével. Szabálysértés gyanújakor a rendszer lehetővé teszi az adott piaci állapot tanulmányozását. A rendszer a 3D vizualizálás segítségével megjeleníti a teljes részvénypiacra vonatkozó információkat, ami alkalmas a versenyellenes árképzés detektálására. 32
Árfolyamtérkép és tapasztalat
33
További felhasználási lehetőség Az adatbányászat és a vizualizálás kiegészíti egymást. Vizualizálás: az elemzők eldönthetik, hogy az adatbányászás mely eredményei érdekesek. Számítógép hálózatok biztonságának védelmében az egyik leghatékonyabb módszer a hálózati folyamatok felügyelete, a rendellenes jelenségek időben történő felismerése.
34
Köszönöm a figyelmet!
35
