هوش سازمانی شما را برای تصمیم‌گیری در همه عوامل موثر بر سازمان و شرکت‌ها توانمند می‌سازد

از یک مثال ساده شروع می‌کنم. هر کس در یک شرکت تنها می‌تواند کارش را به بهترین نحو انجام دهد. اگر تصمیم‌گیری‌ها در سازمان‌ها بر مبنای اطلاعات واقعی باشد تا بر مبنای بهترین حدسیات و یا اینکه چگونه در گذشته آن کار را انجام می‌داده‌اند، کارها به درستی پیش نخواهد رفت. در این باره نیاز به مستندات است، مستندات از همه عوامل یک سازمان، مجموع این مستندات و آمارها است که مانع از سعی و خطا می‌گردد. چه اتفاقی رخ می‌داد اگر هر چه که فروشندگان ERP و CRM و اکنون BI به شما وعده می‌دهند را، می‌داشتید؟ یعنی وعده دسترسی فوری به همه دادهای موجود در شرکت و سازمان شما با داشبوردهای دیجیتالی و شاخص‌های عملکرد موردنیاز تا سازمان خود را اداره کنید.

چه اتفاقی رخ می‌داد اگر می‌توانستید بی‌نهایت کاوش در اجزا در داده‌های موجود و از منظرهای متفاوت (Slice & Dice به عمل تجزیه اطلاعات به بخش‌های کوچک‌تر و نمایش آن از منظرهای متفاوت برای درک بهتر در تصمیم‌گیری‌ها گفته می‌شود.) می‌نمودید بدون اینکه لازم باشد بدانید از چه سیستمی تا سطح Transaction (تراکنش‌ها)، این داده‌ها می‌آیند کارتان را بهتر انجام می‌دادید؟

هوش سازمانی به همه شرکت‌ها کمک می‌کند تا از طریق گزارش‌گیری و تحلیل داده‌ها، عملکرد اثربخش و مطمئن بدون دردسر اضافی و هزینه‌های اجرائی زیاد و سعی و خطا بدست آورند. ERP و CRM و سایر سیستم‌ها و نرم‌افزارها، عوامل حیاتی برای اداره سازمان‌ها و شرکت‌ها هستند.

BI وعده بزرگ و عجیبی را به رهبران شرکت‌ها می‌دهد
دسترسی فوری به همه اطلاعات، که در فرمت قابل استفاده به آن نیاز دارید. نه تنها افراد و کارمندان سازمان IT بلکه همه مدیران و تصمیم‌گیران، می‌توانند از آن استفاده کنند. اغلب بسیاری از افراد فکر می‌کنند که این وعده عملی نخواهد شد آیا واقعا اینطور است؟

BI بطور عام، ساختار و معماری
ابزارهایی که برای راه‌حل‌های هوش سازمانی به روش سنتی در جهان وجود دارد، بر اساس تکنولوژی به نام OLAP یا همان (On-Line Analytical Processing) ساخته شده است. اما OLAP رویکردی ضعیف به تحلیل‌های چند بعدی است. به گزارش عصر بانک دات آی آر ، بطور کل OLAP از مکعب‌هایی در مجموعه‌ای با ابعاد کوچک که در داخل آن داده‌هایی انتخاب شده‌اند استفاده می‌کند، ارتباطات بین ابعاد از قبل تعریف شده و همه ابعاد ممکن (یا جواب‌ها) از قبل محاسبه و پیش‌بینی شده است. هنگامی که یک مکعب ایجاد می‌شود، یک واسط کاربر نهایی (User Interface) برای یک فرد واقعی پیاده‌سازی شده که تعامل با جواب‌های داخل مکعب داشته باشد.

فرض کنید در یک مکعب برای تحلیل فروش در یک سازمان مقدار فروش را بر اساس مناطق فروش، فروشنده (بازاریاب)، مشتری و ماه باشد. زمانی که این مکعب فرضی ساخته می‌شود، نرم‌افزار مبتنی بر OLAP کلیه ترکیبات عناصر داده‌ها را محاسبه و ذخیره می‌کند، کاربر نهایی به این داده‌ها از طریق یک سری فرم‌ها مثلا Pivot Table ها تا انواع دیگر فرم‌ها دسترسی خواهد داشت. در این مثال فرضی کاربر نهایی محدود به تحلیل در محدوده ابعاد از قبل تعریف شده مثل مناطق، نمایندگی‌ها، مشتری‌ها و ماه می‌باشد.

اگر کاربر بخواهد درباره فروش هفتگی، روزهای هفته یا محصولات فروخته شده (و یا صدها ترکیب دیگر از داده‌ها) اطلاعاتی کسب کند دیگر شانسی برای بدست آوردن آن ندارد، باید صبر کند که مکعب دیگری از اطلاعات مورد نیاز او ایجاد شود که این یعنی محدودسازی و کاهش بهره‌وری و اثربخشی برای تصمیم‌گیران آن سازمان. OLAP برخی از قابلیت‌های تحلیل را فراهم می‌کند، اما یک رویکرد قدیمی است. در حال حاضر انواع مختلف OLAP در بازار وجود دارد، مثل: Multi dimensional OLAP یا همان (MOLAP) و Relational OLAP یا همان (ROLAP) و غیره. اما همه آنها همان نقاط ضعف را در پیچیدگی و عدم انعطاف‌پذیری دارند.

پیچیدگی، زمان توسعه و استقرار را افزایش می‌دهد و محدودیت‌هایی برای تطبیق با نیازهای کاربر ایجاد می‌کند. و افزایش هزینه تغییرات در نیازمندی‌ها را در پی‌دارد. عدم انعطاف‌پذیری قابلیت پاسخگویی به نیاز کاربر را در زمانی که کاربر به جواب نیاز دارد را کاهش می‌دهد. بنابراین از دیگر معایب محصولات مبتنی بر OLAP، زمان و هزینه بر بودن آن را در بر دارد و استقرار آن در هیچ سازمان کوچک و بزرگی توصیه نمی‌شود، آنها برای استفاده بسیار پیچیده‌اند و نهایتا این رویکرد از نظر دانش‌اندوختگان مردود است