WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 6 | 7 || 9 | 10 |   ...   | 16 |

Более того, аналитические приложения часто имеют дело с нестандартными, непредсказуемыми или редкими ситуациями. Такие ситуации могут возникать, например, при запуске в производство нового продукта, моделировании новой корпоративной структуры или создании нового подразделения, а также при оценке последствий слияний и приобретений, пересмотре бюджетов и т. п.

Аналитические приложения часто основаны на многомерных базах данных (что также отличает их от транзакционных систем, использующих реляционные базы данных). Это позволяет аналитическим приложениям эффективно использовать как все необходимые данные, так и бизнес-правила, описывающие их взаимосвязи с точки зрения определенных бизнес-задач.

Выделяют три основных категории аналитических приложений:

– системы управления эффективностью бизнеса (Business Performance Management);

– приложения для анализа операционной/производственной деятельности (Operations/Production Analysis);

– системы анализа взаимоотношений с клиентами (СRMAnalysis).

Системы класса Business Performance Management (BPM). Аналитические приложения этого типа предназначены для широкого круга задач: анализа и оптимизации финансовых индикаторов, определения стратегии развития компании, бюджетного планирования, финансовой консолидации. Системы бюджетирования и консолидации были созданы в числе первых готовых аналитических приложений, поскольку эти задачи хорошо проработаны методологически, понятны большинству руководителей и применяются практически во всех отраслях. В последние годы произошел качественный скачок в плане разработки интегрированных систем, включающих в себя ряд новых функций бюджетного планирования и прогнозирования, финансовой консолидации, функционально-стоимостного анализа и стратегического управления бизнесом.

Приложения для анализа операционной и производственной деятельности (Operations/Production Analysis) предназначены для анализа и оптимизации процессов производства и/или поставок продукции и услуг (например, планирование спроса, оптимизация работы персонала).

Системы анализа взаимоотношений с клиентами (СRM Analysis) предназначены для решения таких задач, как, например, оценка прибыльности клиентов, разработка мер, направленных на «удержание» заказчиков, маркетинговый анализ. Специализированные аналитические приложения анализа клиентской базы изначально использовались в качестве основы для деятельности в маркетинговых подразделениях компаний, но сейчас они становятся многофункциональными, по мере того как в процесс организации взаимоотношений с клиентами вовлекаются и другие подразделения организации.

4.2. Аналитические системы и принятие управленческих решений Очевидно, что польза от аналитических систем должна выражаться в принятии правильных управленческих решений, положительно влияющих на деятельность компании. Это подразумевает, что аналитические системы должны давать нечто большее, чем простое предоставление информации пользователям.

Они должны служить проводником в процессе принятия решений.

Эффект от использования аналитических систем обусловлен следующими факторами:

– сокращение разрыва между аналитиком и лицом, принимающим решения. При традиционном подходе поддержка принятия решений подразумевает процедуру сбора информации (с помощью технических специалистов) и последующей ее передачи руководителю. В этом случае пользователь аналитического программного обеспечения не принимает решения, а только готовит информацию для других. Но тогда невозможно гарантировать, что предоставленная информация будет достаточно адекватной и что на ее основе будет принято обоснованное решение. Поэтому необходимо, чтобы конечным пользователем аналитической системы был именно менеджер, принимающий решение, а не технический специалист;

– коллегиальность в принятии решений. Для того, чтобы управленческое решение было обоснованным, субъективной точки зрения одного руководителя часто бывает недостаточно. В аналитической среде принятие решений происходит на основе консолидации мнений, а сами решения представляют собой результат совместной работы нескольких менеджеров;

– сопровождение принимаемых решений и оценка их эффективности.

Аналитические системы позволяют оценивать преимущества того или иного решения и их эффективность;

– использование опыта лидеров. В любой организации есть подразделения и отдельные руководители, которых можно считать примером для подражания. Распространение и использование такого передового опыта обеспечивает управление знаниями и сохранение опыта, накопленного в организации. Возможность поддержки процесса управления знаниями является одной из наиболее важных характеристик аналитического программного обеспечения;

– противодействие нерациональным решениям. Оптимизация процесса принятия управленческих решений также требует адекватной реакции на нерациональные действия некоторых менеджеров. Это также учитывается разработчиками аналитических систем.

Перечисленные свойства аналитических систем позволяют существенно повысить эффективность управленческой деятельности и обеспечить быструю окупаемость инвестиций в аналитическое программное обеспечение.

4.3. ERP-системы Термин ERP-система (Enterprise Resource Planning – управление ресурсами предприятия) может употребляться в двух значениях.

Во-первых, это информационная система для идентификации и планирования всех ресурсов предприятия, которые необходимы для осуществления продаж, производства, закупок и учета в процессе выполнения клиентских заказов.

Во-вторых (в наиболее общем контексте), это методология эффективного планирования и управления всеми ресурсами предприятия, которые необходимы для осуществления продаж, производства, закупок и учета при исполнении заказов клиентов в сферах производства, дистрибуции и оказания услуг. Таким образом, термин ERP может обозначать не только информационную систему, но и соответствующую методологию управления, реализуемую и поддерживаемую этой информационной системой.

Применительно к предприятиям промышленного производства типовыми функциями являются:

– ведение конструкторских и технологических спецификаций.

Такие спецификации определяют состав конечного изделия, а также материальные ресурсы и операции, необходимые для его изготовления (включая маршрутизацию);

– формирование планов производства и реализации продукции. Эти функции предназначены для прогноза спроса и планирования выпуска продукции;

– планирование потребностей в материалах. Позволяет определить объемы различных видов материальных ресурсов (сырья, материалов, комплектующих), необходимых для выполнения производственного плана, а также сроки поставок, размеры партий и т. д.;

– управление запасами и закупочной деятельностью. Позволяет организовать ведение договоров, реализовать схему централизованных закупок, обеспечить учет и оптимизацию складских запасов и т. д.;

– планирование производственных мощностей. Эта функция позволяет контролировать наличие доступных мощностей и планировать их загрузку.

Включает укрупненное планирование мощностей (для оценки реалистичности производственных планов) и более детальное планирование, вплоть до отдельных рабочих центров;

– финансовые функции. В эту группу входят функции финансового учета, управленческого учета, а также оперативного управления финансами;

– функции управления проектами. Обеспечивают планирование задач проекта и ресурсов, необходимых для их реализации.

Концепция ERP II В ноябре 2000 года на ежегодном ИТ-симпозиуме в Каннах компания Gartner объявила о разработке и начале продвижения на рынок новой концепции построения комплексных систем управления ресурсами предприятий ERP II.

В данной концепции сделана попытка объединения концепций ERP, CRM (Customer Relationship Management, концепция управления взаимоотношениями с клиентами), SCM (Supply Chain Management, концепция управления цепочками поставок) и электронной коммерции в единую систему управления всеми (внутренними и внешними) ресурсами предприятия.

Помимо расширения и углубления функциональности и использования возможностей Интернета еще одной характерной чертой новой концепции ERP II является тенденция к специализации систем на отраслевых/промышленных сегментах. Прогнозируется снижение значимости универсальности решений для достижения конкурентных преимуществ на рынке.

Таблица 4.1.

Основные различия систем класса ERP и ERP II Особенности концепции Характеристика ERP ERP II Exterprice – открытие возРоль Оптимизация предприятия можностей для коллаборативной коммерции Домен Производство Все секторы и сегменты ERP для сектора и сегмента Производство, продажи и Функция и дополнительные корпорараспределение финансов тивные предложения Процесс Внутренний, скрытый С внешним подключением С учетом Web, закрытая мо- на базе Web, открытая, комАрхитектура нолитная понентная Создаваемые и потребляе- Внутренняя и внешняя пубДанные мые внутри предприятия ликация и подписка Предполагается, что системы класса ERP II в значительной степени повысят конкурентоспособность предприятий на рынке, синхронизируя и оптимизируя внутренние и внешние бизнес-процессы.

4.4. Хранилища данных и OLAP-системы Проблема «единого взгляда» Обычная ситуация, характерная для достаточно крупного предприятия, – наличие множества систем автоматизации, предназначенных для решения различных задач, разрозненное хранение данных и, как следствие, – отсутствие единого взгляда на управленческую информацию.

Такие данные просто невозможно анализировать по причине разрозненного хранения и различия в форматах данных. Надо быть готовым к ситуациям, когда одни и те же данные дублируются в разных системах или когда между данными из разных источников выявляются логические несоответствия.

Приблизительно в 80-е годы прошлого века все перечисленные выше соображения привели к идее централизованного хранения данных, необходимых для последующего анализа. При этом все «информационное сырье» должно храниться в одном месте в простой и понятной структуре.

За прошедшую с тех пор четверть века идеи централизованного хранения данных получили существенное развитие, чему в немалой степени способствовали рост вычислительных мощностей, новые сетевые архитектуры и интернеттехнологии. Сегодня принято говорить о целом комплексе средств, которые в совокупности называют системами бизнес-интеллекта (BI). В соответствии с рассмотренной выше аналитической пирамидой основными элементами BI-платформы являются хранилища данных и OLAP-системы. Именно эти объекты, как правило, играют роль платформы для прикладных BPM-решений и поэтому заслуживают отдельного рассмотрения.

OLAP-системы В 1970 г. впервые появился прикладной программный продукт для многомерного анализа данных – Express. Определенные модификации данного продукта широко используются в современных OLAP-приложениях, однако изначальные концепции 1970-х остались далеко позади.

В 1992 г. был выпущен Essbase – первый OLAP-продукт, завоевавший большую долю рынка и удерживающий лидирующие позиции по сегодняшний день.

OLAP-системами признаются ИС, обладающие определенным набором характеристик, объединенных в четыре группы:

– основные характеристики:

- многомерность модели данных;

- интуитивные механизмы манипулирования данными;

- доступность данных;

- пакетное извлечение данных;

- архитектура «клиент-сервер»;

- прозрачность;

- многопользовательская работа;

– специальные характеристики:

- обработка ненормализованных данных;

- хранение результатов отдельно от исходных данных;

- выделение отсутствующих данных;

- обработка отсутствующих значений;

– характеристики построения отчетов:

- гибкое построение отчетов;

- стабильная производительность при построении отчетов;

- автоматическое регулирование физического уровня;

– управление размерностью:

- общая функциональность;

- неограниченное число измерений и уровней агрегирования;

- неограниченные операции между данными различных измерений.

OLAP: тест FASMI Универсальным критерием определения OLAP как инструмента является тест FASMI (Fast Analysis of Shared Multidimensional Information – быстрый анализ разделяемой многомерной информации). Рассмотрим детально каждую из составляющих этой аббревиатуры.

Fast (быстрый). Это свойство означает, что система должна обеспечивать ответ на запрос пользователя в среднем за пять секунд. При этом большинство запросов обрабатывается в пределах одной секунды, а самые сложные из них должны обрабатываться в пределах двадцати секунд.

Analysis (анализ). Система должна справляться с любым логическим и статистическим анализом, характерным для бизнес-приложений, и обеспечивать сохранение результатов в виде, доступном для конечного пользователя.

Средства анализа могут включать процедуры анализа временных рядов, распределения затрат, конверсии валют, моделирования изменений организационных структур и некоторые другие.

Shared (разделяемый). Система должна предоставлять широкие возможности разграничения доступа к данным и одновременной работы многих пользователей.

Multidimensional (многомерный). Система должна обеспечивать концептуальное многомерное предоставление данных, включая полную поддержку множественных иерархий.

Information (информация). Мощность различных программных продуктов характеризуется количеством обрабатываемых входных данных. Разные OLAP-системы имеют разную мощность. При выборе OLAP-инструмента следует учитывать целый ряд факторов, включая дублирование данных, требуемую оперативную память, использование дискового пространства, эксплуатационные показатели, интеграцию с информационными хранилищами и т. п.

Разновидности многомерного хранения данных Обсуждая тему OLAP, следует упомянуть и о разновидностях многомерного хранения данных. Дело в том, что информационные массивы, логически упорядоченные по аналитическим направлениям и, таким образом, являющиеся многомерными с точки зрения конечных пользователей, вовсе не обязательно являются многомерными с точки зрения технологической реализации.

Как правило, выделяют три разновидности хранения данных:

– многомерный OLAP (multidimensional OLAP, MOLAP) представляет собой «OLAP в чистом виде», то есть технологию, основанную на хранении данных под управлением специализированных многомерных СУБД;

– реляционный OLAP (relational OLAP, ROLAP) – технология, основанная на хранении многомерной информации в реляционных базах данных, на основе одной или нескольких схем типа «звезда» или «снежинка»;

Pages:     | 1 |   ...   | 6 | 7 || 9 | 10 |   ...   | 16 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.