هوش تجاری Business Intelligence
هوش تجاری (BI) یک فرایند مبتنی بر فناوری است که به منظور تحلیل داده‌ها برای کمک به مدیران ارشد، مدیران میانی و سایر کاربران جهت اتخاذ تصمیمات بهینه به کار برده می‌شود.
هوش تجاری (BI) شامل مجموعه‌ای از ابزارها، برنامه‌های کاربردی و متدولوژی‌ها است که با جمع‌آوری داده‌ها از منابع درون سازمانی و برون سازمانی، داده‌ها را برای تجزیه و تحلیل آماده می‌کند، امکان اجرای پرس و جو (Query) را مهیا می‌سازد، گزارشات و داشبوردها را ایجاد می‌کند به نحوی که این گزارشات در اختیار تصمیم‌گیران و همین‌طور کارکنانBPMS قرار گیرد.
از مزایای استفاده از هوش تجاری می‌توان به موارد زیر اشاره نمود:
-تسریع و بهبود فرایند تصمیم‌گیری
-بهبود فرایندهای داخلی
-شناسایی فرصت‌های جدید
-دستیابی به مزیت‌های رقابتی جدید
داده‌های هوش تجاری (BI) می‌تواند شامل اطلاعات قدیمی و یا داده‌های جدیدی باشند که از سیستم‌های منبع داده تولید شده‌اند و تحلیلگران هوش تجاری را قادر به پشتیبانی از فرایندهای تصمیم‌سازی استراتژیک و تاکتیکی می‌سازند.
در ابتدا، ابزارهای هوش تجاری توسط تحلیلگران داده و سایر متخصصین IT استفاده می‌شدند به صورتی که آنها تحلیل‌ها را بر روی داده‌ها اجرا می‌کردند و گزارشات را به عنوان نتایج پرس و جو (Query) برای کاربران کسب و کار تولید می‌نمودند.
پس از آن با توجه به توسعه ابزارهای خویش خدمت هوش تجاری (Self-Service BI) و جستجوی داده، مدیران سازمان و کارمندان نیز در استفاده از ابزارهای هوش تجاری (BI) توانمند شدند.
هوش تجاری (BI) شامل مجموعه وسیعی از برنامه‌های کاربردی نظیر: تحلیل‌های موردی و پرس و جو (Query) ، گزارش‌ساز، پردازشگر تحلیلی آنلاین (OLAP)، هوش تجاری موبایل، هوش تجاری بلادرنگ، هوش تجاری عملکردی، هوش تجاری و سرویس‌های ابری، هوش تجاری متن باز، هوش تجاری اشتراکی و هوش منطقه‌ای می‌باشد.
تکنولوژی هوش تجاری همچنین شامل نرم‌افزارهای بصری‌سازی داده برای طراحی نمودارها و سایر داده نمایی‌ها وابزارهایی برای ساخت انواع داشبوردها می‌شود.
برنامه‌های کاربردی هوش تجاری را می‌توان از کمپانی‌های متفاوتی خریداری نمود و یا آنکه به صورت یک پلتفرم مجتمع از یک کمپانی تهیه کرد.
برنامه‌های هوش تجاری همچنین می‌توانند ترکیبی از انواع تجزیه و تحلیل پیشرفته را ارائه دهند، مانند داده کاوی، تحلیل‌های پیشگویانه، متن کاوی، تحلیل‌های آماری و تحلیل کلان داده‌ها.
در بسیاری از موارد، پروژه‌های تجزیه و تحلیل پیشرفته بوسیله تیم‌های جداگانه‌ای از کارشناسان داده، متخصصین آمار، مدل‌سازان و سایر متخصصین تحلیل رهبری و مدیریت می‌شوند، در حالی که تیم هوش تجاری بیشتر بر پرس‌جوها (Query) و تحلیل‌های داده‌های کسب و کار نظارت می‌کند.
داده‌های هوش تجاری معمولا در یک انباره داده یا یک داده گاه (Data mart) کوچکتر که زیر مجموعه‌ای از اطلاعات شرکت است ذخیره می‌شوند.
به علاوه، سیستم‌های Hadoop به صورت گسترده به عنوان انباره‌ها در معماری‌های هوش تجاری و مخصوصا برای داده‌های بدون ساختار، فایل‌های لاگ و گونه‌های دیگر کلان داده‌ها استفاده می‌شوند.
قبل از آنکه این سیستم در برنامه‌های کاربردی هوش تجاری استفاده شود، داده‌های خام از منابع مختلف بایستی مجتمع می‌شدند و به وسیله ابزارهای کیفیت داده بررسی می‌شدند تا از صحت داده‌های تحلیلی اطمینان حاصل می‌گشت.
تیم‌های هوش تجاری ،علاوه بر مدیران هوش تجاری، به صورت عمومی شامل ترکیبی از معماران هوش تجاری، توسعه دهندگان هوش تجاری، تحلیل گران کسب و کار و متخصصین مدیریت داده هستند.
البته کاربران کسب و کار نیز به عنوان نماینده کسب و کار جهت ایجاد اطمینان از پوشش نیازهای کسب و کار در فرایند توسعه هوش تجاری ، مشارکت می‌کنند.
در همین راستا تعداد رو به رشدی از سازمان‌ها در حال جایگزینی توسعه آبشاری با رویکردهای هوش تجاری چابک هستند.
این رویکردها از تکنیک‌های توسعه نرم‌افزارچابک جهت تقسیم پروژه به بخش‌های کوچکتر و ارائه کارکردهای جدید به کاربران نهایی به صورت افزایشی و تکرارپذیر استفاده می‌نمایند.
این نحوه عملکرد، سازمان‌ها را در زمینه ارائه سریعتر توانمندی‌های هوش تجاری و بهبود روند توسعه هوش تجاری همزمان با تغییر نیازمندی‌های کسب و کار توانمند می‌سازد.
بنابراین هدف از هوش تجاری تفسیر آسان حجم زیادی از داده‌ها با استفاده از مجموعه‌ای از ابزارها می‌باشد.
شناسایی فرصت‌های جدید و اجرای موثر یک استراتژی با بینشی عمیق، می‌تواند مزیت‌های رقابتی جدید و توسعه پایدار را برای سازمان‌ها به ارمغان آورد.
منبع ایتنا
