هوش سازمانی و داده
هوش سازمانی و داده : داده سنگ زیربنای سیستم‌های هوش سازمانی است.
هوش تجاری موفق تحت تأثیر هر دو جنبه فنی و سازمانی است.
به‌طورکلی شرکت‌ها جنبه‌های سازمانی (همچون حمایت مدیریت ارشد سازمان) را عامل مؤثرتری نسبت به جنبه‌های فنی می‌دانند؛
اما حتی اگر شما همه‌چیز را از جنبه‌های سازمانی درست انجام دهید ولی داده‌هایتان از کیفیت بالایی برخوردار نباشند و داده‌های مرتبط نداشته باشید، اقدامات هوش سازمانی شما چندان موفق نخواهد بود.
هوش سازمانی و داده
داده‌ها مانند ستون‌هایی برای ابزارهای هوش سازمانی هستند. این ستون‌ها را می‌توان به‌صورت زیر بیان کرد:
- کیفیت داده
- تناسب زمانی داده
- گستردگی داده
- ارتباط موضوعی داده
- ریزدانگی داده
کیفیت داده به‌عنوان مهم‌ترین جنبه فنی برای موفقیت در سیستم هوش تجاری هست.
دستیابی به سطح بالای کیفیت داده چندان ساده نیست و به‌طور ویژه‌ای تحت تأثیر عوامل سازمانی و مالکیتی قرار دارد.
این نکته بسیار حائز اهمیت است که در سیستم‌های هوش سازمانی فقط از اطلاعاتی که به‌طور سازگار و بدون خطا دریافت شده‌اند می‌توان گزارش تهیه کرد.
شما می‌توانید میلیون‌ها تومان صرف ساختن سیستم هوش سازمانی کنید ولی اگر داده‌ها کیفیت لازم را نداشته باشند پول خود را هدر داده‌اید.
زمانی که داده از چندین سیستم متفاوت و پراکنده جمع‌آوری و ترکیب‌شده باشند، باعث بروز مشکلاتی در کیفیت داده خواهند شد.
تعاریف مشترک کسب‌وکار
تعاریف مشترک در سازمان و کسب‌وکار جنبه دیگری از کیفیت داده است.
تفاوت در تعاریف مشترک کسب‌وکار در یک سازمان باعث بروز مشکلاتی در کیفیت داده خواهد شد.
اگر کاربران به داده‌های سیستم هوش سازمانی دسترسی داشته باشند و تصور کنند که یک تعریف از کسب‌وکار دنبال می‌شود.
این در حالی است که در حقیقت پلتفرم‌های هوش سازمانی تعریفی متفاوت را دنبال می‌کنند، دراینصورت کاربران تصور خواهند کرد که برنامه هوش تجاری اشتباه است.
درصورتی‌که تنها مشکل در نحوه تعریف است.
معماری داده موفق
فراتر از کیفیت داده چگونگی ذخیره‌سازی و مدل کرده داده در انباره داده می‌باشد که بسیار حائز اهمیت است.
بیل اینمون (Bill Inmon) و رالف کیمبال (Ralph Kimball) که از آن‌ها به‌عنوان پدران انباره داده یاد می‌شود در این زمینه نظریه‌های خود را بیان کرده‌اند.
اینمون طرفدار انبارش داده به روش ریزدانه (Granular) و نرمال شده است.
زمانی که دیتا مارت های مربوطه، مدل دادهِ نرمال شده را پیکربندی می‌کنند.
رویکرد اینمون اغلب به رویکرد «کارخانه اطلاعات شرکت» (Corporate Information Factory) یا «توپ و محور» (Hub and spoke) اطلاق می‌شود.
کیم بال، از الگوهای ستاره‌ای به‌عنوان لایه نمایش کسب‌وکار که «معماری دیتا مارت باس» اطلاق می‌شود، حمایت کرد.
این الگو احتمال دارد و یا احتمال ندارد که مستقیم از داده‌های استخراج‌شده از سیستم‌های منبع ساخته‌شده باشند.
تحقیقات نشان می‌دهد که هر دو رویکرد پیاده‌سازی میزان موفقیت برابری دارند.
داده در زمان درست
در مراحل اولیه ظهور هوش سازمانی انباره‌های داده به‌طور ماهانه و برخی مواقع به‌صورت هفتگی به‌روز می‌شدند.
همچنان که هوش سازمانی به‌سوی برنامه‌های کاربردی عملیاتی گسترش یافت، انباره‌های داده نیز به‌طور گسترده‌ای نزدیک به زمان واقعی به‌روز شدند.
به‌روزرسانی انباره داده ممکن است ثانیه‌ها، دقیقه‌ها و یا ساعت‌ها بعد از به‌روز رسانی سیستم تراکنشی صورت پذیرد و به هر نحوی که بتواند باید به بهترین شکل نیازمندی کسب‌وکار یا سازمان را برآورده سازد.
به این نکته هوش تجاری در زمان درست‌گویند.
اگر در نظر بگیریم هوش سازمانی حمایت از تصمیم‌گیری عملیاتی سازمان و کسب‌وکار را در نظر دارد، مناسبت داشتن به‌روزآوری‌ها نیز به‌طور گسترده‌ای به تصمیم گیران اجازه می‌دهد تا اقدام سریع درباره تصمیم‌های تاکتیکی و استراتژیک داشته باشند.
نوشتن نظر