Inspiracja do prac dyplomowych

Szanowni Sympatycy tego blogu!

Miło mi poinformować, że ukazała się moja nowa książka „Wprowadzenie do projektowania systemów informatycznych zarządzania„, która jest dostępna w bibliotece WSZiA w Opolu (biblioteka@poczta.wszia.opole.pl; tel. 77-402-19-21).

Moim zdaniem jest ona doskonałym źródłem inspiracji do pisania referatów zaliczeniowych przedmiotów z zakresu statystyki, ekonometrii, badań operacyjnych, logistyki oraz projektowania procedur i wdrażania systemów informatycznych zarządzania. Ponadto może być kanwą formułowania i realizacji planów prac dyplomowych licencjackich oraz magisterskich. Książka składa się z dwóch części, a jej nakład jest niewielki, bo zaledwie 150 egz. Proszę powiadomić także innych potencjalnie zainteresowanych tego typu publikacją. Przyjemnej lektury i celujących stopni w indeksie, a oto spis rozdziałów dwóch części książki.

wornalkiewicz_zarzadzanie_01

Część 1.    Wybrane systemy zarządzania i sposoby modelowania

1.1. Informatyka w zarządzaniu

1.2. Planowanie potrzeb zasobów przedsiębiorstwa

1.3. Przykład analizy powdrożeniowej

1.4. Systemy zarządzania ryzykiem w przedsiębiorstwie

1.5. Zagadnienia pomocnicze w projektowaniu procedur systemowych

1.6. Tendencje rozwojowe w wykorzystaniu nowych technologii informacyjnych

w obszarze magazynowania

1.7. Modelowanie ekonometryczne pomocne w projektowaniu systemów

1.8. Rozwiązanie komputerowe zagadnienia komiwojażera

1.9. Marszrutyzacja przewozów z zastosowaniem programu WinQSB

1.10. Zastosowanie programu Excel do selekcji zleceń przewozowych

Część 2.    Narzędzia wspomagające projektowanie systemów

 2.1. Przedmiot: projektowanie systemów informatycznych

2.2. Zagadnienie projektowania systemów w literaturze

2.3. Języki programowania systemów

2.4. Zastosowanie UML w projektowaniu systemów

2.5. Standardy projektowania (studium przykładu)

2.6. Pytania zaliczeniowe przedmiotu: projektowanie systemów informatycznych

2.7. Opis przedmiotu: narzędzia tworzenia i analizy raportów

2.8. Narzędzia tworzenia i analizy raportów

2.9. Raporty w ramach przykładowego modułu (Analizy BI)

2.10. Systemy zarządzania bazą danych

2.11. Elementy projektowania relacyjnej bazy danych wybranego problemu

1.12. Wymagania programistyczne środowiska i techniczne sprzętu

2.13. Przykłady analizy powdrożeniowej w celu modyfikacji systemu eksploatowanego

2.14. Dodatkowe umiejętności pożądane przez projektującego system klasy ERP

2.15. Internet jako medium promocji i kreacji wizerunku

2.16. Podgląd zaprojektowanej witryny internetowej

2.17. Modelowanie ekonometryczne ruchu internetowego

2.18. Wykaz ważniejszych pojęć występujących w opracowaniu

2.19. Wzory pomocnicze w projektowaniu algorytmów

wornalkiewicz_zarzadzanie_09

Dodaj komentarz

Filed under EKONOMETRIA - wykłady, Inne informacje dla studentów, Inspiracja do prac dyplomowych, Materiały pomocnicze, Metody optymalizacji zagadnień nieliniowych i innych, Optymalizacja zagadnień transportowych, Optymalizacje z zastosowaniem simpleksa, Podręczniki akademickie, Pozycjonowanie stron WWW, Prace dyplomowe, Seminarium dyplomowe, Systemy informatyczne ERP, Systemy informatyczne zintegrowane, Wdrożenie zintegrowanego systemu informatycznego, Zaliczenie semestru

Zaproszenie na seminarium oraz informacja o dostępności książek

Uprzejmie zawiadamiam dyplomantów, że seminarium dyplomowe, odbędzie się 12.06.2016 r. (blok II, godz. 9.40-11.10, sala 215, WSZiA ul. Niedziałkowskiego w Opolu).

Nadmieniam, że warunkiem zaliczenia seminarium dyplomowego semestru IV jest spełnienie następujących kryteriów:

  • zdefiniowany ostatecznie temat pracy dyplomowej,
  • określony cel pracy z uwzględnieniem opracowania na przykładzie konkretnego przedsiębiorstwa,
  • ustalony plan pracy (przewidywany spis treści),
  • opracowany wykaz literatury z podziałem na (książki, czasopisma, źródła internetowe, akty normatywne),
  • opracowany pierwszy rozdział pracy dyplomowej.

Promotor : Władysław Wornalkiewicz

W związku z zapytaniami internautów podaję adresy księgarni oferujących jeszcze sprzedaż mojej książki Formułowanie modeli ekonometrycznych na potrzeby zarządzania:

http://ekonomiczna24.osdw.pl/ksiazka/WLADYSLAW-WORNALKIEWICZ/FORMULOWANIE-MODELI-EKONOMETRYCZNYCH-NA-POTRZEBY-ZARZADZANIA-CZESC-I-,ekonoI7N1NGUI

http://ksiegarnia-ue.com.pl/matematyka-i-ekonometria-formulowanie-modeli-ekonometrycznych,c21,p20747,pl.html

http://bibliofil.com.pl/formulowanie-modeli-ekonometrycznych-na-potrzeby-xzarzadzania-cz-ii-w-wornalkiewicz-opole-2014-zarzadzanie.html

http://docplayer.pl/2350784-Przedstawiamy-panstwu-wykaz-nowosci-w-bibliotece-wydzialowej.html

http://ksiegarniaeuropejska.pl/modules.php?name=Sklep&plik=wyszukaj&searchconditions=YTozOntzOjk6InF1ZXJ5dHlwZSI7czozOiJhbGwiO3M6NzoidGF1dGhvciI7czoxMzoid29ybmFsa2lld2ljeiI7czoxNDoiZnVsbHRleHRhdXRob3IiO3M6MToiMSI7fQ==

http://www.ksiegarniabankowa.pl/modules.php?name=Sklep&plik=wyszukaj&searchconditions=YTozOntzOjk6InF1ZXJ5dHlwZSI7czozOiJhbGwiO3M6NzoidGF1dGhvciI7czoxMzoid29ybmFsa2lld2ljeiI7czoxNDoiZnVsbHRleHRhdXRob3IiO3M6MToiMSI7fQ==

http://ksiegarniaue.abstore.pl/matematyka-i-ekonometria,c21,12,4,pl.html

Jednocześnie informuję, że na stanie biblioteki WSZiA w Opolu są jeszcze 4 egzemplarze innej mojej książki Modele ekonometryczne obiektów struktury terytorialnej.

 

 

Dodaj komentarz

Filed under Uncategorized

Tematy kolokwiów zaliczeniowych semestru letniego

Wykład – przedmiot: Proces przewidywania zależności ekonomicznych (IV Zarządzanie, zal.)
1. Podział prognoz według horyzontu czasowego
2. Predykcja
3. Metody prognozowania krótkookresowego szeregów czasowych
4. Metody prognozowania przyczynowo-skutkowego
5. Miary błędu prognozy
6. Podaj przykład modelu z jedną zmienną objaśniającą
7. Formuła funkcji Excela na obliczenie współczynnika korelacji
8. Przeznaczenie miar: współczynnik determinacji, skorygowany współczynnik determinacji
9. Przedstaw formułę funkcji REGLINP Excela
10. Współczynnik zmienności
11. Badanie normalności rozkładu składnika resztowego testem Jarque-Bery
12. Nieliniowe modele regresji z jedną zmienną objaśniającą
13. Transformacja liniowa modeli: potęgowy, wykładniczy, liniowo-logarytmiczny
14. Porównywanie modeli testami Akaike’a i Schwarza
15. Równanie macierzowe do wyznaczenia parametrów regresji wielowymiarowej
16. Metoda najmniejszych kwadratów
17. Współczynnik Janusowy
18. Model prostych średnich ruchomych
19. Model ważonych średnich ruchomych
20. Proste wyrównywanie wykładnicze
21. Optymalizacja współczynnika alfa w programie WinQSB
22. Sygnał adaptacyjny w modelu adaptacyjnym
23. Wielorównaniowy model Holta-Wintersa (bez sezonowości)
24. Sezonowość multiplikatywna i addytywna
25. Model autoregresyjny

Wykład – przedmiot: Narzędzia tworzenia i analizy raportów (IV Logistyka, zaliczenie)
1. Pojęcie baza danych i rodzaje baz danych
2. Organizacja bazy danych w Excelu
3. Filtrowanie bazy danych w Excelu
4. Posługiwanie się tabelą przestawną
5. Obiekty relacyjnej bazy danych (na przykładzie pakietu Access)
6. Budowa tabel i rekordów
7. Relacje tabel bazy danych
8. Rozplanowanie widoków na obiekty bazy danych (arkusz danych, projekt)
9. Pojęcie kwerendy i rodzaje kwerend
10. Sposoby określania wielokrotnych kryteriów w kwerendach
11. Formułowanie zapytań do relacyjnej bazy danych w języku SQL
12. Zdefiniowanie kwerendy wybierającej oraz określenie kwerendy krzyżowej
13. Posługiwanie się formularzami do aktualizacji rekordu bazy danych
14. Pojęcie raportu i źródła raportu
15. Definiowanie postaci ekranowej i drukowalnej raportów
16. Zastosowanie wyrażeń SQL do definiowania grupowań rekordów
17. Sposoby definiowania raportu do potrzeb użytkownika
18. Zastosowanie funkcji Excela (REGLINP, TREND) do prognozowania np. sprzedaży
19. Modelowanie pulpitów menadżerskich w systemach zarządzania ryzykiem
20. Parametryczne definiowanie raportów w przykładowej aplikacji np. Comarch w zakresie logistyki.

Wykład – przedmiot: Optymalizacja decyzji gospodarczych (II sem. II st. Zarządzanie, egzamin)
1. Przedstaw na przykładzie elementy zadania decyzyjnego
2. Formatowanie zadania decyzyjnego w programie WinQSB
3. Typy danych w zadaniu decyzyjnym
4. Określ pojęcia: izolinia, izokwanta, obszar rozwiązań dopuszczalnych, rozwiązanie optymalne
5. Przedstaw rozwiązanie zadania decyzyjnego metodą geometryczną
6. Zastosowanie Excela do metody geometrycznej zadania decyzyjnego
7. Wymień podstawowe twierdzenia o dualności
8. Podaj sposób przekształcenia zadania prymalnego w dualne
9. Przedstaw na symbolach ogólnych I tablicę simpleksową
10. Dla podanego zadania prymalnego sformułuj I tablicę simpleksową:
Fc: 30 x1 + 25 x2 max
C1: 3 x1 + 6 x2 ≤ 18
C2: 5 x1 + 10 x2 ≤ 20
x1, x2 ≥ 0
11. Podaj sposób określania elementu rozwiązującego w tablicy simpleksowej
12. Podaj definicję macierzy odwrotnej
13. Określ na wektorach i macierzach pierwsze rozwiązanie bazowe problemu decyzyjnego
14. Narysuj tablicę kolejnej iteracji z elementami rachunku macierzowego
15. Przedstaw formuły funkcji macierzowych Excela do określenia: transpozycji macierzy, iloczynu macierzy, macierzy odwrotnej
16. Podaj przykłady sformułowania zadań decyzyjnych w Solverze
17. Przedstaw model marketingowy zadania decyzyjnego w Solverze
18. Metoda ścieżki krytycznej CPM
19. Wersja kosztowa CPM
20. Metoda PERT w analizie przedsięwzięć

Wykład – przedmiot: Badania operacyjne (IV Logistyka, zaliczenie)
1. Przedstaw na przykładzie elementy zadania decyzyjnego
2. Formatowanie zadania decyzyjnego w programie WinQSB
3. Typy danych w zadaniu decyzyjnym
4. Określ pojęcia: izolinia, izokwanta, obszar rozwiązań dopuszczalnych, rozwiązanie optymalne
5. Przedstaw rozwiązanie zadania decyzyjnego metodą geometryczną
6. Wymień podstawowe twierdzenia o dualności
7. Podaj sposób przekształcenia zadania prymalnego w dualne
8. Przedstaw na symbolach ogólnych I tablicę simpleksową
9. Podaj i objaśnij wzór na obliczenie kryterium simpleksowego „g”
10. Dla podanego zadania prymalnego sformułuj I tablicę simpleksową:
Fc: 30 x1 + 25 x2 max
C1: 3 x1 + 6 x2 ≤ 18
C2: 5 x1 + 10 x2 ≤ 20
x1, x2 ≥ 0
11. Podaj sposób określania elementu rozwiązującego w tablicy simpleksowej
12. Podaj definicję macierzy odwrotnej
13. Określ na wektorach i macierzach pierwsze rozwiązanie bazowe problemu decyzyjnego
14. Narysuj tablicę kolejnej iteracji z elementami rachunku macierzowego
15. Przedstaw formuły funkcji macierzowych Excela do określenia: transpozycji macierzy, iloczynu macierzy, macierzy odwrotnej
16. Przedstaw na przykładzie metodę kąta północno-zachodniego algorytmu transportowego
17. Opisz metodę minimalnego elementu macierzy kosztów
18. Przedstaw zamknięte i otwarte zagadnienie transportowe
19. Opisz metodę kar – tras niedopuszczalnych
20. Rozwiazywanie zagadnienia transportowego metodą potencjałów.

Ćwiczenia – przedmiot: Optymalizacja decyzji gospodarczych (II sem. II st. Zarządzanie, zaliczenie na stopień)
1. Sformułuj zadanie decyzyjne prymalne mając podany opis problemu optymalizacyjnego o trzech zmiennych decyzyjnych i dwóch ograniczeniach zasobów
2. Przekształć zadanie prymalne uzyskane w (1) jako zadanie dualne
3. Rozwiąż sformułowane zadanie dualne w (2) metodą geometryczną
4. Oblicz analitycznie współrzędne obszaru rozwiązań dopuszczalnych wyznaczone wstępnie metodą geometryczną (3)
5. Określ II tablicę simpleksową metodą elementu rozwiązującego mając daną I tablicę simpleksową
6. Określ formułę funkcji celu, formuły na wykorzystanie zasobów, formułę warunku ograniczającego (wykorzystanie ≤ zasoby) mając dane rozplanowanie zadania decyzyjnego w Solverze
7. Dla podanych operacji narysuj sieć zależności i określ czas realizacji przedsięwzięcia metodą ścieżki krytycznej CPM

Ćwiczenia – przedmiot: Badania operacyjne (IV Logistyka, zaliczenie na stopień)
1. Sformułuj zadanie decyzyjne prymalne mając podany opis problemu optymalizacyjnego o trzech zmiennych decyzyjnych i dwóch ograniczeniach zasobów
2. Przekształć zadanie prymalne uzyskane w (1) jako zadanie dualne
3. Rozwiąż sformułowane zadanie dualne w (2) metodą geometryczną
4. Wyznacz współrzędne punktów obszaru rozwiązań dopuszczalnych wyznaczone wstępnie metodą geometryczną (3)
5. Określ II tablicę simpleksową metodą elementu rozwiązującego mając daną I tablicę simpleksową
6. Rozwiąż zagadnienie transportowe metodą kąta północno-zachodniego
7. Rozwiąż zagadnienie transportowe metodą minimalnego elementu macierzy kosztów

Dodaj komentarz

Filed under Uncategorized

Analityka biznesowa

Wstęp

Analityka biznesowa (Business Intelligence – BI) jest pojęciem o szerokim znaczeniu[1]. Można przedstawić je jako proces przekształcania danych w informacje, a informację w wiedzę, która może być wykorzystana do zwiększenia konkurencyjności danej jednostki gospodarczej. BI określany jest także jako zbiór systemów, których celem jest dostarczenie właściwych informacji osobom we właściwym czasie, aby wspomagać procesy podejmowania decyzji przez analizę danych i w efekcie uzyskać przewagę na rynku[2]. Efektywne eksploatowanie narzędzi BI jest uzależnione od utworzenia hurtowni danych. Stanowi ona zbiór danych, w którym niezależne, zorientowane tematycznie dane są przechowywane z oznaczeniem czasu ich wprowadzenia, a dane wprowadzone wcześniej nie mogą podlegać żadnym modyfikacjom. Dane w hurtowni przechowywane są w postaci przetworzonej oraz przygotowanej na potrzeby raportów i analiz[3]. Taka hurtownia pozwala na ujednolicenie i powiązanie danych zgromadzonych z różnorodnych systemów informatycznych. Utworzenie bowiem hurtowni danych zwalnia systemy transakcyjne od generowania raportów i umożliwia korzystanie z różnych możliwości współczesnej komputerowej analityki biznesowej.

System BI emituje standardowe raporty oraz oblicza podstawowe wskaźniki efektywności działania przedsiębiorstwa. Na podstawie nich stawia się hipotezy, po czym weryfikuje się je poprzez wykonywanie szczegółowych zestawień danych. W tym względzie korzysta się z narzędzi analitycznych, w wśród których występuje data mining zwany OLAP. Oznacza on ogół analiz i procesów przetwarzania danych w czasie pozwalającym na realną interakcję z systemem. Analiza OLAP ma miejsce, jeśli czas oczekiwania na odpowiedź systemu jest rzędu kilku sekund[4]. System Business Intelligence stanowi narzędzie menedżerów i specjalistów zajmujących się analizami i projektowaniem strategii firm. Jednak dla przedstawicieli kierownictwa firmy, którzy oczekują informacji o aktualnym stanie procesów stosowane są rozwiązania Business Activity Monitoring (BAM), umożliwiające przetwarzanie danych napływających na bieżąco.

Techniki prezentacyjne dobierane są w zależności od potrzeb użytkownika, przy czym wizualizacja realizowana jest często w postaci wykresów uzyskanych z szeregów liczbowych. Duże systemy BI mogą mieć rozwiązania w postaci tzw. pulpitów sterowniczych stanowiących analogie do central w sieciach przesyłowych energii[5]. W skład BI wchodzą także rozwiązania podejmujące decyzje na podstawie zadanych algorytmów postępowania. Są to wbudowane w systemy transakcyjne funkcje automatycznego reagowania na stwierdzone sytuacje. Przykładem może wyć wysyłanie zamówienia towaru po obniżeniu zapasu poniżej wyznaczonego minimum. Historycznie rzecz biorąc wyróżnia się następujące odmiany stale rozwijanych i doskonalonych systemów klasy BI:

– systemy informowania kierownictwa (Excecutive Information Systems – EIS),

– systemy wspomagania decyzji (Decision Support Systems – DSS),

– systemy informacyjne zarządzania (Management Information Systems – MIS),

– systemy informacji geograficznej (Geographical Information Systems – GIS).

Od systemów BI oczekuje się jednoznacznych odpowiedzi , a niekiedy podania właściwego rozwiązania. Oprócz technik eksploracji danych (data mining, process minining), w skład systemów Business Intelligence wchodzą również systemy ekspertowe, bazujące na idei sieci neuronowych, a także alorytmy genetyczne.

Systemy ułatwiające zarządzanie

 

Przyczynkiem do budowy zintegrowanych systemów zarządzania klasy ERP jest elektroniczna wymiana danych (Electronic Data Interchange – EDI)[6]. Elektroniczna wymiana danych to transfer biznesowych informacji transakcyjnych od komputera do komputera z wykorzystaniem standardowych, zaakceptowanych formatów komunikatów. Pojęcie EDI wyraża proces wymiany danych biznesowych między współpracującymi organizacjami. Dane przesyłane są automatycznie między aplikacjami w postaci dokumentów elektronicznych z zachowaniem określonych standardów[7]. ERP stanowi zestaw narzędzi informatycznych, który umożliwia sterowanie procesami biznesowymi oraz monitorowanie i analizowanie funkcjonowania danego obiektu gospodarczego[8]. Taki obiekt to aktywny rynkowo i  wchodzący w rozliczne interakcje z otoczeniem zewnętrznym układ społeczno-techniczny realizujący określone zadania ekonomiczne. EDI określa sposób wymiany pomiędzy komputerami stron dokładnie określonych co do formatu komunikatów zawierających treści inne niż mechanizmy przekazu środków pieniężnych. W ramach EDI definiuje się sekwencję komunikatów między stronami transmisji, przy czym każda z nich może być jej nadawcą lub odbiorcą. Dane zawierające treść dokumentów mogą być przesłane od nadawcy do odbiorcy poprzez środki porozumiewania się na odległość lub też mogą być przewiezione na nośniku pamięci.

Celem EDI jest wyeliminowanie wielokrotnego wprowadzania danych oraz przyspieszenie i zwiększenie dokładności przepływu informacji dzięki połączeniu odpowiednich aplikacji komputerowych między firmami uczestniczącymi w wymianie. Efektywne wdrożenie EDI wymaga bezpośredniej komunikacji między systemami komputerowymi, zarówno nabywców jak i sprzedawców produktu, przy czym istnieją cztery główne standardy komunikatów EDI:

– EDIFACT, jako standard międzynarodowy, stosowany przeważnie poza krajami Ameryki Północnej,

– ASC X12 – amerykański standard ANSI, stosowany głównie w Ameryce Północnej,

– TRADACOMS – standard rozwijany przez ANA (Article Numbering Association) stosowany w handlu detalicznym w Wielkiej Brytanii,

– ODETTE – standard stosowany w europejskim przemyśle motoryzacyjnym.

Zmieniała się nazwa programów wspomagających decyzję – od EIS (Executive Information Systems) poprzez DSS (Decision Support Systems), aż do systemów BI (Business Inelligence). EIS to system komputerowy przeznaczony dla kierownictwa wyższego szczebla[9]. Zadaniem tego systemu jest ułatwianie i wspomaganie zbierania informacji pomocnej przy podejmowaniu decyzji. Zalety systemu EIS są następujące:

– daje użytkownikowi podstawy do podjęcia decyzji poprzez dostarczanie informacji:

  • syntetycznych, które zostały zagregowane przez system,
  • alarmowych,
  • odchyleniowych,

Systemy informowania kierownictwa były zwykle budowane przez zespoły programistów przy użyciu języka C++ lub 4GL, aby umożliwić menedżerom i szefom firm łatwe i proste otrzymywanie wybranych informacji o kondycji ich przedsiębiorstwa. W wielu przypadkach aplikacje EIS miały predefiniowane zestawy zapytań, wyposażone w szereg parametrów ustawianych przez użytkownika. Rezultatem zapytań były tabele lub wykresy. Rodzaj informacji jakie dostarczały EIS dotyczył zwykle sprzedaży ogólnej, sprzedaży poszczególnych produktów, czy liczby produktów sprzedanych w okresie rozliczeniowym. Pytania biznesowe, wymagające głębszych analiz wymagały napisania  zapytania w języku SQL i formatowania odpowiedzi w formie raportu. Wadą systemu  EIS jest jednak jego statyczność, bowiem gdyż opracowany jest na miarę potrzeb danego czasu , a jednak ciągle występują zmiany organizacyjno-prawne.

System wspomagania decyzji (Decision Support System – DSS lub SWD) to system dostarczający informacji i wiedzy, wykorzystywany przy podejmowaniu decyzji, głównie przez kierownictwo średniego i wysokiego szczebla oraz analityków korporacyjnych[10]. W efekcie wykorzystania DSS uzyskujemy raporty i zestawienia, które dostarczane są kierownictwu w ramach systemów informowania kierownictwa, dlatego często systemy DSS określane są jako specjalizowana forma EIS. Od końca lat 80 rozwijane były w różnych gałęziach przemysłu systemy o skrócie IDSS wykorzystujące technologie sztucznej inteligencji, systemy ekspertowe oraz modelowanie operacyjne i kognitywistyczne procesów decyzyjnych. Celem IDSS jest zastępowanie lub wspomaganie złożonych, lecz już dobrze zdefiniowanych funkcji rozumowania w procesie zarządzania.

Aplikacje DSS należały do pierwszej generacji oprogramowania, które w sposób dynamiczny generowały zapytania SQL w celu uzyskania takiej informacji, jaką użytkownik chce uzyskać na ekranie. Pozwalają one w sposób efektywny wyodrębnić dane z relacyjnej bazy danych bez konieczności zrozumienia, czy nauczenia się pisania skryptów- tekstów języka SQL. Użytkownik odpowiedzi może w prosty sposób formatować widoki, raporty w bardziej zrozumiałe prezentacje graficzne. Występują trzy podstawowe składniki architektury Systemu Wspomagania Decyzji:

– baza danych (lub baza wiedzy),

– model (np. decyzyjny, kryteria użytkownika),

– interfejs użytkownika.

Efektem finalnym ewolucji zmian oprogramowania DSS ułatwiającego zarządzanie stały się aplikacje BI (Business intelligence), czyli systemy dostarczające kompleksowych informacji, wspierające podejmowanie decyzji na wszystkich szczeblach zarządzania przedsiębiorstwem. Tego typu aplikacje oparte na interfejsach sieciowych pozwalają użytkownikowi łatwo wybierać interesujące go dane z jednego lub wielu źródeł. Tak wiec w skład aplikacji BI wchodzą:

– DSS, aplikacje przeznaczone do przetwarzania online (OLAP),

– aplikacje do tworzenia statystyk,

– aplikacje do analizy związków między danymi, czyli eksploracja danych, korelacja,

– analizy związków przyczynowo-skutkowych badanych wielu cech ekonomicznych.

Poziomy technologii wspomagania decyzji w zakresie oprogramowania i konfiguracji sprzętu mogą obejmować konkretne zastosowania branżowe, generatory, a w ramach nich biblioteki funkcji i moduły łączące.

Jednym ze sposobów sklasyfikowania systemów SWD jest spojrzenie według ich podstawowego zorientowania na tekst,  bazę danych, arkusz kalkulacyjny, rozwiązywanie problemów, zasady współpracy z użytkownikiem. Występuje także wersja hybrydowa obejmująca kombinację wymienionych form. Składniki SWD mogą być  sklasyfikowane jako:

– dane wejściowe: czynniki, numery i cechy do analizy;

– wiedza użytkownika, rozumiana jako prawdziwe, uzasadnione przekonanie[11] i doświadczenie; przy czym dane wejściowe wymagają samodzielnej analizy przez użytkownika;

– dane wyjściowe: przekształcone dane, z których są generowane „decyzje” SWD;

– decyzje: wyniki wygenerowane poprzez SWD opierają się na kryteriach użytkownika.

Jak już wspomniano systemy wspomagania decyzji , które wykonują wybrane funkcje poznawcze w zakresie podejmowania decyzji i są oparte na sztucznej inteligencji bądź technologii inteligentnych agentów nazywane są Inteligentnymi Systemami Wspierania Decyzji (ISWD).

Management Information System (MIS) to system komputerowy przeznaczony dla biznesu i innych organizacji, który zbiera i analizuje dane ze wszystkich wydziałów, po czym dostarcza je jednostkom zarządzającym w uporządkowanej formie i z aktualną informacją, np. w postaci raportów finansowych, analizy magazynowej itp.[12].

System Informacji Geograficznej (Geographic Information System – GIS) to system informacyjny służący do wprowadzania, gromadzenia, przetwarzania oraz wizualizacji danych geograficznych, którego jedną z funkcji jest wspomaganie procesu decyzyjnego[13]. Każdy system GIS składa się z: bazy danych geograficznych, sprzętu komputerowego, oprogramowania oraz twórców i użytkowników GIS. W przypadku, gdy System Informacji Geograficznej gromadzi dane opracowane w formie mapy wielkoskalowej (tj. w skalach 1:5000 i większych), nazywany Systemem Informacji o Terenie.

Własności miejsc rozwijają się i zmieniają z czasem, a ponadto miejsca oddziałują na siebie nawzajem. GIS są efektem rewolucji w geografii dokonującej się w ciągu ostatnich kilkunastu lat, jak również oczywiście wynikiem gwałtownego rozwoju informatyki i metod zarządzania bazami danych. Powstanie GIS jest wynikiem połączenia prac prowadzonych w różnych dziedzinach: geografii, kartografii, geodezji, informatyce, elektronice. Systemy GIS znajdują praktyczne zastosowanie w wielu dziedzinach. Stąd bierze się różnorodność terminów określających systemy przetwarzające informacje geograficzne, jak system informacyjny bazy danych geograficznych, system danych geograficznych, system informacji przestrzennej. Każde z tych określeń przybliża w pewien sposób funkcje realizowane przez poszczególne systemy. W praktyce najczęściej spotykane są systemy specjalizowane, ukierunkowane na wąską grupę zastosowań, jednakże istnieją również wielozadaniowe GIS ogólnego zastosowania. Uzupełnieniem informacji o obiektach świata rzeczywistego reprezentowanych w bazie danych jest symbolika, tj. graficzny opis postaci, w jakiej obiekty te mają być przedstawiane użytkownikowi.

Istotnym składnikiem GIS jest cyfrowa geograficzna baza danych. Zawiera ona opis poszczególnych obiektów geograficznych. Baza danych przestrzennych jest zazwyczaj ściśle zintegrowana z pozostałymi modułami funkcjonalnymi GIS. Geograficzny system informacyjny składa się z kilku grup modułów realizujących następujące procedury:

– wprowadzania i weryfikacji danych wejściowych,

– zarządzania i przetwarzania w obrębie bazy danych (system zarządzania bazą danych),

– przetwarzania i analizy danych geograficznych,

– wyjściowe: prezentacji graficznej, kartograficznej i tekstowej danych,

– komunikacji z użytkownikiem.

Dostęp do zbiorów danych zapisanych w postaci cyfrowej zapewnia system zarządzania bazą danych. Oferuje on między innymi procedury dopisywania, wyszukiwania, aktualizacji i porządkowania danych. W zależności od przyjętego logicznego modelu danych, baza może mieć różną strukturę: hierarchiczną, sieciową, relacyjną, lub może być zorientowana obiektowo. Niezależnie jednak od sposobu konstrukcji bazy danych, jej zasadniczymi jednostkami są zazwyczaj rekordy składające się z pól. Rekordy te reprezentują poszczególne obiekty geograficzne lub kartograficzne, natomiast ich pola odpowiadają atrybutom. Głównym celem stawianym przed systemem zarządzania geograficzną bazą danych jest umożliwienie szybkiego dostępu do danych. Najczęściej wykorzystywaną formą prezentacji danych w geograficznych systemach informacyjnych jest ich wyświetlenie na monitorze w postaci graficznej przypominającej mapę. W trakcie wyświetlania mapy cyfrowej możliwa jest zmiana sposobu prezentacji graficznej poszczególnych obiektów lub ich grup. Ponadto zazwyczaj dostępne są takie operacje, jak powiększanie i pomniejszanie fragmentu mapy, zmiana kolorów, zmiana usytuowania napisów opisujących obiekty na mapie. Do zaawansowanych technik wizualizacji zaliczyć należy możliwość prezentacji trójwymiarowej. Możliwości informatycznych systemów geograficznych wykorzystywane są miedzy innymi w logistyce, zwłaszcza dalekich przewozach.

 

Hurtownia danych

 

            Koncepcję hurtowni danych biznesowych opracowali Barry Devlin oraz Paul Murphy z IBM w roku 1980. Opublikowali oni artykuł „Architektura dla biznesu i systemów informatycznych”. Jak już wspomniano hurtownia danych to rodzaj bazy danych, która zorganizowana jest według potrzeb określonego obszaru działalności. Jest wyższym szczeblem danych wynikowych zorganizowanym przeważnie tematycznie. Jak już wspomniano dane źródłowe do tej bazy pochodzą z różnych podsystemów bazodanowych. Opracowane w formie wygodnej dla menadżera służą wyłącznie do odczytu i podejmowania stosownych decyzji. Hurtownie danych są cyklicznie zasilane z systemów produkcyjnych, logistycznych oraz gospodarującymi zasobami i to często występującymi w informatycznej sieci rozproszonej[14].

Architektura bazy hurtowni jest często inna niż stosunkowo wolnych baz relacyjnych. Ukierunkowana jest bowiem na optymalizację szybkości wyszukiwania informacji. Jednak w praktycznych rozwiązaniach w ramach budowy omawianej hurtowni wyróżnia się  poziom danych detalicznych oraz warstwę zagregowanych kostek tematycznych. Zarząd firmy korzysta z informacji hurtowni poprzez różne systemy wyszukiwania danych. Tak więc hurtownia danych pozyskuje dane z otoczenia biznesowego, przeprowadzane są w niej operacje analityczne i umożliwiającą pozyskiwanie wiedzy w pożądanych wielowymiarowych przekrojach. Systemy BI korzystają z wielu tabel baz relacyjnych oraz dorobku statystyki.

Z reguły dane hurtowni są spójne tematycznie i dotyczą określonego problemu lub obiektu.  Są scentralizowane w jednym miejscu z zachowaniem praw dostępu do zgromadzonej wiedzy. Stosowane są również minihurtownie danych ograniczone do obsługi kierownictwa określonej filii firmy.  Mogą one stanowić część szerszej architektury softwarowo-hardwarowej hurtowni danych korporacji. Podstawowe cele zbudowania hurtowni danych – zwłaszcza dla dużych organizacji gospodarczych są następujące:

– przetwarzanie analityczne (OnLine Analytical Processing – OLAP),

– wspomaganie decyzji (DSS),

– archiwizacja danych,

– analiza efektywności działalności,

– wsparcie dla systemów zarządzania relacjami z klientami (CRM), poprzez dobieranie strategii marketingowych na podstawie danych o klientach i historii sprzedaży.

OLAP (OnLine Analytical Processing) to oprogramowanie wspierające podejmowanie decyzji, które pozwala użytkownikowi analizować szybko informacje zawarte w wielowymiarowych widokach i hierarchiach. Narzędzia OLAP są często używane do wykonywania analiz trendów sprzedaży, czy też analiz finansowych w hurtowniach  danych[15]. Są też przydatne do wstępnego przeglądania zbioru danych przez analityka we wstępnej fazie analiz statystycznych. Dzieli się je na trzy kategorie:

– wielowymiarowe (MOLAP),

– relacyjne (ROLAP),

– hybrydowe (HOLAP).

Tradycyjne systemy OLAP są nazywane często wielowymiarowymi, gdyż przekładają transakcje na wielowymiarowe widoki. Dane są organizowane w postaci wielowymiarowych kostek. Systemy relacyjne przechowują dane oraz tabele wymiarów w relacyjnych bazach danych. Można też wykorzystać dodatkowe tabele do przechowywania zagregowanych informacji. W systemach hybrydowych baza danych rozdziela dane pomiędzy podsystem relacyjny i specjalizowany.

W hurtowni danych następuje agregacja danych często niejednorodnych i pochodzących z różnych modułów systemów informatycznych danego obiektu. Umożliwia to standaryzację prezentacji analiz przekrojowych z całego zakresu działalności np. przedsiębiorstwa. Dane pozyskiwane są z systemów klasy ERP (Enterprise Resource Planning) lub z MRP (Material Requirements Planning).  Praca ta wymaga jednak utworzenia informatycznie obszaru konwersji prowadzonego tylko przez informatyka, gdyż dane popierane z systemów źródłowych są selekcjonowane, oczyszczane i dostosowywane do formy prezentacyjnej hurtowni danych. Z tego względu podzielono dane na następujące warstwy:

– metadane biznesowe: tabele wymiarów, faktów itp.,

– metadane techniczne: transformacja danych źródłowych na docelowe potrzebne w hurtowni,

– data marty – zbiory danych zaprojektowane w celu szybkiego i efektywnego udostępniania żądanych informacji,

– warstwa prezentacji (raporty i analizy tabelaryczne i wykresy trendów, rozkładów zmiennych).

Zasadniczo istnieją dwa podejścia do gromadzenia danych w hurtowniach danych tj. wielowymiarowe i znormalizowane. Podejście wielowymiarowe bazuje na modelu wielowymiarowej bazy danych zwanym Star Schema, a  znormalizowane na modelu znormalizowanym 3NF opracowanych odpowiednio przez Ralpha Kimballa oraz Billa Inmona.  W podejściu wielowymiarowym transakcje danych są podzielone na poszczególne „fakty”, które są generalnie transakcjami numerycznymi, albo tzw. „wielowymiarowe”, które odnoszą się do kontekstów tych „faktów”. Przykładowo transakcja sprzedaży może być podzielona na kolejne numery zakupionych produktów oraz odpowiadające im ceny, a wielowymiarowo dane zostały by zapisane za pomocą nazwiska kupującego, numeru produktu, sprzedającego, osoby otrzymującej zamówienie. Takie ujęcie pozwala na szybkie uzyskiwanie informacji przekrojowych z hurtowni danych.  W podejściu znormalizowanym dane w hurtowni danych są przechowywane zgodnie z zasadami normalizacji baz danych. Tabele bowiem są pogrupowane według ich tematyki odnoszącej się do ogólnych kategorii np. klientów, produktów, finansów. Struktura znormalizowana dzieli dane na jednostki, którym odpowiada kilka tabel w relacyjnych bazach danych połączonych wspólna siecią informatyczną. Oba podejścia przedstawić można graficznie w  formie diagramów relacyjnych jednostek zależności co ułatwia zrozumienie funkcjonalności danej hurtowni danych obiektu. Wymieńmy jeszcze typowe wdrażane systemy hurtowni danych:

– IBM InfoSphere Warehouse,

– Teradate Enterprise Data Warehouse,

– IBM Netezza Data Warehouse,

– Oracle Data Warehouse (zestaw odrębnych produktów),

– Microsoft SQL Server Business Intelligence,

– Sybase IQ,

– Infobright (w tym także wersja open sourse),

– SAP NetWeaver Business Intelligence,

– SAP BI.

W opisie technologii hurtowni danych występuje pojęcie eksploracja danych, czyli drążenie danych, pozyskiwanie wiedzy, wydobywanie danych. Drążenie danych, stanowi przeglądanie danych w strukturze wielowymiarowej (OLAP), polegające na przechodzeniu na niższy poziom agregacji danych jeśli wymiarem kostki jest czas, a hierarchą wymiaru jest Rok-Miesiąc-Tydzień-Dzień. Przejście z poziomu Miesiąc na Tydzień jest przykładem operacji drążenia[16]. Ponadto używa się określenia eksploracja danych do oznaczenia jednego z etapów procesu odkrywania wiedzy z baz danych[17]. Idea eksploracji danych polega na wykorzystaniu szybkości komputera do znajdowania ukrytych dla człowieka prawidłowości w danych zgromadzonych w hurtowniach danych. Istnieje wiele technik eksploracji danych, które wywodzą się z ugruntowanych dziedzin nauki takich jak statystyczna analiza wielowymiarowa. Techniki i metody służące eksploracji danych wywodzą się głównie z obszaru badań nad sztuczną inteligencją, a główne przykłady stosowanych rozwiązań należą do następujących zakresów:

– wizualizacje na wykresach,

– metody statystyczne,

– sieci neuronowe,

– metody uczenia maszynowego,

– metody ewolucyjne,

– logika rozmyta,

– zbiory przybliżone.

W eksploracji danych rozwijane są różne metody przetwarzania, różniące się zakresem zastosowań, stosowanymi algorytmami oraz sposobem prezentacji wyników, przy czym wyróżnia się:

– streszczanie,

– poszukiwanie asocjacji,

– analiza jakościowa danych,

– analiza ilościowa danych,

– klasyfikacja,

– grupowanie.

Obszarów stosowania eksploracji danych jest wiele, obejmują one te miejsca, w których stosuje się systemy informatyczne, między innymi w celu gromadzenia pozyskanych danych w postaci baz danych. Obszerne zbiory danych gromadzone są w hurtowniach danych. Pojawia się potrzeba analizy tych danych w celu odkrycia nieznanej dotąd wiedzy. Dziedziny, w których szeroko stosuje się eksplorację danych to: technika, medycyna, astronomia, ekonomia, szeroko pojęty biznes. Pozyskiwanie wiedzy z baz danych, czyli w skrócie KDD (Knowledge Discovery  in Databases) znajduje zastosowanie przy:

– eksploracji danych o ruchu internetowym,

– rozpoznawaniu sygnałów obrazu, mowy, pisma,

– wspomaganiu diagnostyki medycznej,

– badaniach genetycznych,

– analizie operacji bankowych,

– projektowaniu hurtowni danych,

– tworzeniu reklam skierowanych,

– prognozowaniu sprzedaży,

– wdrażaniu strategii.

– wykrywaniu nadużyć,

– ocenie ryzyka kredytowego,

– segmentacji klientów.

Z opracowanych wykresów można miedzy innymi odczytać wzajemne korelacje zmiennych, co może być pomocne w procesie zarządzania. Przykładowo wizualizacja wiedzy w postaci wykresów funkcji gęstości umożliwia przejście do obliczania prawdopodobieństwa wystąpienia określonego zdarzenia danej zmiennej X.

 

Model relacyjnej bazy danych

 

            Twórcą teorii relacyjnych baz danych jest Edgar Frank Codd. Jego praca A Relational Model of Data for Large Shared Data Banks  opisuje potencjalne zależności pomiędzy danymi oraz stanowi propozycję operatorów przeszukiwania danych[18].  Dotychczas często wymieniano pojęcie relacyjna baza danych i dlatego rozwińmy nieco ten temat. Model relacyjny to model organizacji bazy danych bazujący na pojęciu relacji matematycznej teorii mnogości. W modelu tym dane pogrupowane są w relacje reprezentowane przez tablice. Relacja to dwuwymiarowa tablica, w której na przecięciu wiersza i kolumny znajduje się tzw. wartość atomowa, nierozkładalna[19]. Relacje zgrupowane są w schematy bazy danych, np. zawierające dane określonych przedsiębiorstw. W modelu relacyjnym stosowana jest algebra relacji oraz rachunek relacyjny do przeszukiwania danych. Algebra relacji obejmuje zbiór operatorów służących do manipulowania relacjami, przy czym operatory te można podzielić na dwie grupy:

– operacje na zbiorach (suma relacji tego samego typu, różnica dwóch relacji również tego samego typu, iloczyn kartezjański dwóch relacji,

– zaprojektowane – dedykowane – dla modelu relacyjnego.

Wspomniany iloczyn kartezjański to zbiór par postaci (u, v), gdzie u przebiega wszystkie elementy zbioru U, a v – wszystkie elementy zbioru V[20]. Do operacji dedykowanych należą rodziny operatorów parametryzowanych określonymi kryteriami:

– selekcja – z warunkiem logicznym zwracająca na wyjściu tylko te rekordy, dla których warunek był prawdziwy,

– projekcja (rzutowanie) – z ciągiem indeksów lub ciągiem nazw atrybutów(kolumn),

– przemianowanie – z parą atrybutów w celu zamiany nazw atrybutu A na  B w wyniku relacji.

Występuje także złączenie stanowiące kombinację operatorów iloczynu kartezjańskiego, selekcji i projekcji. Algebra relacji stanowi podejście proceduralne. Natomiast w ramach rachunku relacyjnego występuje alfabet oznaczający symbolami np. poszczególne krotki oraz zbiór reguł tworzenia zapytań w celu wydobycia informacji z relacyjnej bazy danych.

Trzeba tu nadmienić, że w czasie publikowania koncepcji przez Codda rozwijał się także model sieciowy oraz   model hierarchiczny budowy baz danych. W 1973 roku firma IBM opracowała system R stanowiący implementację modelu relacyjnego i języka przeszukiwania SQL, który zbudowano na bazie relacyjnego rachunku krotek Codda[21].  W późniejszym okresie rozwinął się także relacyjny rachunek dziedzin stanowiący bazę budowy języka QBE.

W roku 1979 firma Relational Software – znana później jako Oracle zaproponowała system RDBMS (Relational Database Management Systems). W budowaniu tego systemu wystąpiło szereg problemów, a jednym z nich było znalezienie podejścia do brakujących informacji. Cood zaproponował wprowadzenie do modelu relacyjnego wartości określonej jako NULL. Umożliwiło to rozszerzenie logiki dwuwartościowej operatorów porównania do logiki trójwartościowej. W pytaniu o równość wystąpiły teraz odpowiedzi: tak, nie, nieznane. W modelu relacyjnym każda tabela posiada unikatową nazwę, nagłówek i zawartość. Nagłówek relacji to zbiór atrybutów – pól  poszczególnych kolumn, natomiast zawartość jest zbiorem krotek (rekordów) tabeli.

Każda relacja – tabela – posiada klucz główny który może być kombinacją kilku kolumn w celu jednoznacznego identyfikowania każdego rekordu. Występuje też klucz obcy wskazujący wartości klucza innej tabeli, przy czym w tabeli wskazywanej musi istnieć wartość klucza wskazującego. Nieodzownym elementem funkcjonowania relacyjnej bazy danych jest zbiór operacji wspomnianej już algebry relacji oraz rachunku relacyjnego do przeszukiwania oraz manipulowania danymi. Popularnym językiem formułowania zapytań do bazy danych jak już nadmieniono jest język SQL. Współczesne relacyjne bazy danych korzystają z różnych wersji tego języka, przy czym   SQL umożliwia w odniesieniu do bazy danych:

– wprowadzanie zmian w jej strukturze,

– zmian zawartości rekordów,

– wybieranie informacji.

Trzeba nadmienić, że język SQL bazuje na tzw. silniku bazy danych pozwalającym na formułowanie kwerend (zapytań w odniesieniu do tabel). Daje możliwość wyświetlania  wyselekcjonowanych danych w żądanym porządku. Kwerendy mogą stanowić również „tabele” pośrednie do generowania kwerend złożonych lub raportów użytkownika. Przykładem w tym zakresie jest program Microsoft Access 2010 wchodzący w skład pakietu Office 2010.[22]. Silnik bazy danych pozwala na zarządzanie bazą danych mając wewnątrz tej bazy informacje o relacjach między tabelami i jej rekordami. Zapytania SQL umożliwiają ponadto wykonywanie operacji wstawiania, usuwania oraz aktualizacji  danych. W ramach systemu bazy danych występuje menu nawigacyjne ułatwiające poruszanie  się po krotkach – rekordach tabel.

OLTP (Online Transaction Processing) jest kategorią aplikacji klient-serwer dotyczącą baz danych w ramach bieżącego przetwarzania transakcji obejmujących np. systemy obsługi punktów sprzedaży[23]. W systemach tych klient współpracuje z serwerem transakcji, zamiast z serwerem bazy danych.

W modelowaniu procedur hurtowni danych, ze względu na doszukiwanie się nowej wiedzy na podstawie masowości danych transakcyjnych niezbędne są algorytmy dojścia do korzystnych reprezentacji danych ilościowych[24].  Przykładem prostego algorytmu z życia codziennego jest upieczenie pączków. Wymaga to wykonania czynności w określonej kolejności i czasie.

Słowo algorytm pochodzi od nazwiska arabskiego matematyka Muhammeda ibn Musa Alchwarizmiego, przy czym początkowo algorytmem nazywano czynności konieczne do wykonywania obliczeń  w systemie dziesiętnym. Obecne znaczenie słowa algorytm jako zestawu ścisłych reguł powstało wraz z rozwojem dziedzin matematyki. Istotnym krokiem w algorytmizacji było sformułowanie przez Charlesa Babbage w roku 1842 idei maszyny analitycznej. Później zastosowano karty perforowane, które umożliwiły zastosowanie algorytmów sumujących. Duży postęp w XX wieku w dziedzinie elektroniki umożliwił zbudowanie maszyn analogowych pozwalających na korzystanie z złożonych algorytmów matematycznych, w tym przeprowadzanie operacji różniczkowania i całkowania, które wyrażone są w postaci elementarnych operacji matematycznych.

Jednak spontaniczny rozwój formułowania oraz zastosowania ciągle doskonalonych algorytmów nastąpił po upowszechnieniu komputerów osobistych. Szybko też rozwinęła się gałęż przemysłu, zwana informatyka z wieloma technologiami informacyjnymi w systemach rozproszonych korzystających często z Internetu.

Wskaźniki efektywności przedsiębiorstwa

 

            Wspomniane podstawowe wskaźniki efektywności Key Performance Indicators – KP) to finansowe i niefinansowe wskaźniki stosowane jako mierniki w procesach pomiaru stopnia realizacji celów danej jednostki gospodarczej[25]. KPI wspierają osiąganie przez firmę jej celów operacyjnych i strategicznych. Stanowią dla pracowników źródło obiektywnej informacji zwrotnej o wykonywanej przez nich pracy, kosztach oraz jakości. Są także narzędziem kontroli menedżerskiej, pozwalają szybko podejmować decyzje, nadawać priorytety działaniom, wcześnie reagować na problemy, wspierają również procesy ciągłego doskonalenia i efektywne wykorzystywanie posiadanych przez organizację zasobów. W praktyce zarządzania opracowano wiele wskaźników, które mogą być wykorzystane przez daną organizację, a biorąc pod uwagę obszary działalności należą do nich:

a) Jakość produktów i usług:

– liczba reklamacji,

– koszty braków.

  1. b) Zarządzanie operacyjne:

– całkowita efektywność wyposażenia,

-wydajność pracy (wartość produktów lub usług wytworzonych przez jednego pracownika),

– wartość odpadu produkcyjnego (wartościowo lub procentowo),

– średni czas realizacji zamówień klientów,

– zużycie energii elektrycznej, wody, gazu ziemnego,

– średni czas od wystąpienia awarii do jej usunięcia,

– średni czas bezawaryjności,

– liczba wdrożonych sugestii/wniosków zgłoszonych przez pracowników,

– oszczędności z tytułu wdrożonych sugestii/wniosków do wartości sprzedaży

– liczba sugestii/wniosków na jednego pracownika w roku,

– % pracowników zgłaszających propozycje usprawnień,

– wyniki audytów; w przypadku systemów informatycznych jest to postępowanie o charakterze poświadczającym, prowadzone przez niezależna jednostkę, którego celem jest weryfikacja zgodności systemów informatycznych z określonymi wymaganiami, standardami i procedurami[26].

  1. c) Zarządzanie zasobami ludzkimi i BHP:

– absencja chorobowa pracowników (np. liczba godzin utraconych/liczba zaplanowanych godzin pracy ogółem w danym okresie),

– rotacja pracowników (dobrowolne odejścia),

poziom satysfakcji pracowników,

– ilość godzin szkoleń na jednego pracownika w roku,

– liczba nadgodzin,

– efektywność czasu pracy,

– średni czas trwania procesu rekrutacji (obsadzenia stanowiska pracy w firmie) w dniach,

– liczba godzin utraconych w wyniku wypadków przy pracy do liczby godzin przepracowanych w firmie w ciągu ostatnich 12 miesięcy,

– liczba tzw. zdarzeń potencjalnie wypadkowych,

– % pracowników przeszkolonych z udzielania pierwszej pomocy,

– wyniki audytów BHP,

l           – liczba godzin przepracowanych przez pracowników na rzecz lokalnej społeczności.

  1. d) Obsługa klienta:

– średni czas oczekiwania klienta (np. czas oczekiwania na dostarczenie bądź wydanie towaru )

– poziom satysfakcji klientów,

– % nieterminowych dostaw do klientów,

– % nieterminowych lub niekompletnych dostaw do klientów,

– liczba reklamacji/liczba zrealizowanych wysyłek do klientów ogółem,

  1. e) Łańcuch dostaw, a w tym % wartość zakupów od certyfikowanych dostawców.
  2. f) Marketing, a zwłaszcza liczba pozyskanych nowych klientów.
  3. g) Wskaźniki finansowe:

– ROI,

– zysk netto,

– marża na sprzedaży,

– wartość sprzedaży na jednego pracownika,

– wartość zapasów do wartości sprzedaży,

– wskaźnik obrotu zapasami,

– wartość produktów będących na rynku krócej niż pięć lat do wartości sprzedaży.

Programu KPI w firmie powinien spełniać następujące warunki:

  1. a) Punktem wyjścia do doboru wskaźników powinna być strategia organizacji.
  2. b) Liczba wskaźników nie powinna być większa niż 20, bowiem celem programu KPI jest utworzenie skutecznego narzędzia monitorowania i zarządzania wynikami.
  3. c) Każdy wskaźnik powinien mieć określony cel liczbowy na dany rok. Punktem wyjścia powinny być wyniki osiągnięte przez organizację w dwóch poprzednich okresach oraz benchmarking najlepszych, podobnych organizacji w sektorze.
  4. d) Należy wybierać wyłącznie takie wskaźniki, na wyniki których pracownicy mają rzeczywisty wpływ.
  5. e) Jak największa liczba wskaźników w ramach KPI powinna mieć bezpośrednie przełożenie na zaspakajanie potrzeb, oczekiwań oraz poziom satysfakcji klientów.
  6. f) Należy stosować KPI, dla obliczenia wyników dla których istnieją lub mogą być zgromadzone dane.
  7. g) Każdy wskaźnik powinien mieć swego właściciela.
  8. h) Program KPI powinien być powiązany z systemem wynagradzania oraz premiowania w danym przedsiębiorstwie.

Zwróćmy jeszcze uwagę na wskaźnik ROI (return on investment) wskaźnik rentowności stosowany w celu zmierzenia efektywności działania przedsiębiorstwa niezależnie od struktury jego majątku, czy czynników nadzwyczajnych[27]. ROI jest iloczynem rentowności sprzedaży oraz wskaźnika majątku. Wspomniany benchmarking to analiza porównawcza polegająca na rozpatrzeniu procesów i praktyk stosowanych przez własne przedsiębiorstwo, ze stosowanymi w firmach uważanych za najlepsze w danej branży. Benchmarking to po prostu uczenie się na błędach innych. Metody wielorozdzielcze wchodzą w skład metod geometrycznych reprezentowania obrazów z odpowiednim posługiwaniem się kamerą, oświetleniem, elementami geometrycznymi i doborem kolorów[28]. Pozyskiwanie wskaźników efektywności przedsiębiorstwa umożliwia wymienione już wcześniej rozwiązanie informatyczne (BAM), które dostarcza w czasie rzeczywistym danych do tych kluczowych wskaźników biznesowych[29].

 

Wizualizacja wiedzy

 

Bardzo istotne jest odpowiednie zaprezentowanie wiedzy pozyskanej z obszernych baz danych dziedzinowych firmy.  Umożliwiają to właściwie dobrane techniki wizualizacji. Wizualizacja to ogólna nazwa graficznych metod tworzenia, analizy i przekazywania informacji[30]. Wpływa ona na sposób prowadzenia badań naukowych, jest także wykorzystywana w dyscyplinach technicznych i medycynie oraz w dydaktyce. a obecnie traktowana jest również jako technika prac wielu artystów. Większość najnowszych koncepcji opiera się na wykorzystywaniu potencjału technik informatycznych. Naukowcy starają się wykorzystać możliwości grafiki komputerowej do rozwiązywania i zademonstrowania problemów badawczych.

Wizualizacje ułatwiają zrozumienie skomplikowanych zjawisk przyrodniczych i procesów technicznych. W telewizyjnej prognozie pogody zastępują one prawdziwe zdjęcia satelitarne. Podczas programów informacyjnych wszelkie mapy, rekonstrukcje wydarzeń i katastrof oraz dane statystyczne są przedstawiane w formie łatwo przyswajalnej dla przeciętnego odbiorcy. Rezultatem może być obraz znajdujący się w przestrzeni dwu lub trójwymiarowej. Do wizualizacji naukowej służy specjalistyczne oprogramowanie, chociaż niektóre techniki są dostępne również z poziomu zwykłego pakietu biurowego. Część aplikacji, wykorzystywanych pierwotnie w środowisku akademickim, jest dystrybuowanych na licencji open source, która pozwala na swobodne udostępnianie projektów i modyfikacje kodu źródłowego wedle własnych potrzeb. Na rynku dostępnych jest również kilka komercyjnych pakietów narzędziowych. Praca z nimi polega na modelowaniu przepływu danych (data flow model). Podejście to spopularyzowane jest przez programy: AVS, IRIS Explorer oraz VTK toolkit, zarządzanie danymi statycznymi (data state models) z poziomu arkusza kalkulacyjnego np. Spreadsheet for Visualization lub Spreadsheet for Images.

Tak więc wizualizacja danych to zagadnienie ich obrazowego przedstawienia. Jednak dane są rozumiane jako informacje, które zostały zestawione w pewnej schematycznej formie, np. zmiennych lub współrzędnych. Głównym celem jest skuteczny i zrozumiały przekaz zawartych w nich treści. Jednym z najczęściej popełnianych błędów bywa przykładanie zbytniej uwagi do formy graficznej . komunikatu, zamiast przede wszystkim do jego treści.

Przetworzone dane można zaprezentować jako  wykresy statystyczne oraz kartografię tematyczną. Występuje jeszcze inny podział, który  wyróżnia wśród nich siedem zasadniczych funkcji:

– mapy myślowe,

– przekaz wiadomości,

– przekaz surowych danych,

– przekaz powiązań, zależności,

– przekaz stron internetowych,

– publikacja artykułów i innych opracowań,

– narzędzia i usługi do wykorzystania przez odbiorcę.

Z perspektywy nauk informatycznych użyteczny może być także podział na następujące podspecjalności:

– algorytmy i techniki wizualizacji,

– wizualizacja przestrzenna (objętościowa),

– wizualizacja informacji,

– metody wielorozdzielcze,

– techniki modelowania,

– techniki interakcyjne,

– architektura interfejsu użytkownika.

Występuje także grafika informacyjna (infografika) służąca obrazowemu przedstawianiu informacji w możliwie prosty i czytelny sposób. Z tego względu jest wykorzystywana przy projektowaniu znaków, map terenu, redakcji artykułów prasowych oraz w edukacji. Zastosowany w niej język symboliczny umożliwia porozumienie się specjalistów z różnych dziedzin. Nadmienić należy, że rysunki techniczne są też formą graficzną przedstawiającą w konwencjonalny sposób plany konstrukcyjne lub zasady działania różnych przedmiotów.

Należy jednak odróżnić grafikę użytkową od rysunku artystycznego, który w założeniu ma być ekspresyjny i umożliwiać wielopłaszczyznową interpretacje przestawionego tematu. Wprowadzenie programów do komputerowego wspomagania projektowania (Computer-Aided Design System – CAD) ułatwiło sporządzanie i modyfikację rysunków, zwłaszcza konstrukcyjnych i to niekidy bezpośrednio na placu budowy.  Systemy 3D CAD w rodzaju Autodesk Inventor lub SolidWorks wnoszą możliwość zebrania wszystkich rysunków w jedną funkcjonalną całość. Dzięki nim można zweryfikować, czy obliczenia zostały przeprowadzone prawidłowo.

Kartografia jest nauką i techniką wykonywania map. Łączy przesłanki teoretyczne ze sztuką doboru odpowiednich metod odwzorowania oraz zawarcia wszystkich istotnych oznaczeń. Stara się ona dać obiektywny obraz terenu, przekazując równolegle szereg informacji ważnych dla konkretnego odbiorcy. Współczesna kartografia bazuje na cyfrowych systemach informacji geograficznej (Geographic Information System – GIS).

Wykresy statystyczne, zwane również graficznymi technikami analitycznymi, stanowią wizualizację danych o charakterze ilościowym. Wyniki obliczeń statystycznych zwykle mają formę stabelaryzowaną. Aby zobrazować ich znaczenie opracowano algorytmy, generujące na ich podstawie ilustracje graficzne. Przybliżają one pewne relacje zachodzące w zbiorze danych. Do najbardziej popularnych przedstawień zalicza się wykresy rozrzutu, histogramy, wykresy odchyleń, wykresy zakresu i tradycyjne diagramy kołowe co jest niezbędne przy korzystaniu z technik eksploracyjnej analizy danych (EDA). Odrębną formę stanowią diagramy matematyczne, które są sposobem graficznego wyrażania zależności matematycznych, a do metod z tego zakresu zaliczamy przykładowo np. diagram Cremony       do wyznaczania sił w elementach kratownic.

Musimy jeszcze podkreślić specyficzną formę jaka jest wizualizacja przestrzenna, czyli odtwarzanie objętości, która jest techniką tworzenia projekcji 2D dla obiektów trójwymiarowych. Ich struktura zostaje zapisana w postaci pakietów danych, będących rezultatem dyskretnego próbkowania przedmiotu, np. za pomocą promieni rentgenowskich. Zwykle badany obiekt jest prześwietlany w tomografie komputerowym, urządzeniu MRI lub skanerze MicroCT. Szereg płaskich przekrojów, wykonanych w identycznej rozdzielczości i równych odstępach, stanowi podstawę siatki wolumetrycznej, opisującej punkt po punkcie przestrzenne rozmieszczenie zawartości. Bryła 3D może być potraktowana jako zbiór izopowierzchni. Może być  definiowana od razu jako spójny blok bezpośrednio na podstawie wyników zdjęć.

Animacja komputerowa może być pojmowana jako sztuka, technika oraz dziedzina nauki, wykorzystująca ruchome obrazy w celu przedstawienia rozwoju danego procesu w czasie. Razem z symulacjami 3D jednocześnie przedstawia wiele aspektów danego zagadnienia, dając możliwość wglądu w jego dynamikę. Pod pojęciem interaktywnej wizualizacji kryje się zestaw narzędzi programistycznych do symulacji rzeczywistości wirtualnej. Jednak szybki dostęp do potrzebnych informacji oraz ich trafne przedstawianie wymaga interakcji użytkownika z komputerem.

Wizualizacja upowszechniła się w wielu dziedzinach nauki, gdyż każdy sposób dogodnej reprezentacji danych wejściowych, ułatwiający poznanie nurtującego problemu jest godny zastosowania w dydaktyce i badaniach naukowych. Istnieje jeszcze wiele innych technik wizualizacji zwłaszcza specjalistycznych badań laboratoryjnych w medycynie.

 

Zakończenie

 

Systemy Business Intelligence (BI) są uwieńczeniem prac nad doskonaleniem systemów transakcyjnych w celu ich przydatności do zarządzania obiektami, a zwłaszcza korporacjami. Wchłaniają w sobie wcześniejszy dorobek zwłaszcza w zakresie systemów wspomagania decyzji (DSS). Uwzględniają szybki rozwój w zakresie technologii informacyjnej, a w tym stosowanie Internetu, komunikacji satelitarnej oraz łączności bezprzewodowej sprzętu informatycznego.

Bazują na wielowymiarowej analizie statystycznej[31] oraz zaawansowanych technikach wizualizacji graficznej, w tym wskazywanie trendów określonych cech ekonomicznych, czy też zjawisk nas otaczających. Budowane są jako wyselekcjonowane i zagregowane informacje z relacyjnych baz danych funkcjonujących w danej organizacji. Formułowane są modele danych panelowych – przestrzenno-czasowych[32]

Mają z reguły obszerną funkcjonalność i cechuje je dogodność uzyskania odpowiedzi na złożone pytania decydentów, zwłaszcza dotyczące istotnych dalszych poczynań strategicznych w obszarach zarządzania.

[1] http://pl.wikipedia.org/wiki/Business_intelligence (dostęp: 5.06.2014 r.)

[2] Wrycza St. (red. ), Informatyka ekonomiczna Podręcznik ekonomiczny, Polskie Towarzystwo Ekonomiczne, Warszawa 2010, s. 611.

[3] Ibidem, s. 613.

[4] Ibidem, s. 616.

[5] http://pl.wikipedia.org/wiki/Panel_sterowniczy, dostęp: 10.06.2014 r.

[6] http://pl.wikepedia.org/wiki/Elektroniczna wymiana danych, dostęp: 10.06.2014 r.

[7] Wrycza St. (red. ), Informatyka ekonomiczna Podręcznik ekonomiczny, op.cit., s. 613.

[8] Ibidem.

[9] http://pl.wikipedia.org/wiki/System_informowania_kierownictwa, dostęp: 10.06.2014 r.

[10] http://pl.wikipedia.org/wiki/System_wspomagania_decyzji, dostęp: 10.06.2014 r.

[11] Wrycza St. (red. ), Informatyka ekonomiczna Podręcznik ekonomiczny, op.cit., s. 620.

[12] http://pl.wikipedia.org/wiki/Management_Information_System, dostep: 10.06.2014 r.

[13] http://pl.wikipedia.org/wiki/System_Informacji_Geograficznej, dostęp: 10.06.2014 r.

[14] http://pl.wikipedia.org/wiki/Hurtownia_danych (dostęp: 6.06.2014 r.).

[15] http://pl.wikipedia.org/wiki/Online_Analytical_Processing (dostęp: 10.06.2014 r.).

[16] Wrycza St. (red. ), Informatyka ekonomiczna Podręcznik ekonomiczny, op.cit., s. 612

[17] http://pl.wikipedia.org/wiki/Eksploracja_danych, dostęp : 10.06.2014 r.

[18] http://pl.wikipedia.org/wiki/Relacyjna_baza_danych, dostęp: 6.06.2014 r.

[19] Wrycza St. (red. ), Informatyka ekonomiczna Podręcznik ekonomiczny, op.cit., s. 617.

[20] Praca zbiorowa. Poradnik inżyniera Matematyka, Wydawnictwo Naukowo-Techniczne, Warszawa 1971, s. 888.

[21] Biecek P., Przewodnik po pakiecie R, Oficyna Wydawnicza GiS, Wrocław 2008.

[22] Mendrala D., Szeliga M., ACCESS 2010 PL, Wydawnictwo HELLION, Gliwice 2010.

[23] http://pl.wikipedia.org/wiki/System_transakcyjny, dostęp: 6.06.2014 r.

[24] http://pl.wikipedia.org/wiki/Algorytm, dostep: 10.06.2014 r.

[25] http://pl.wikipedia.org/wiki/Kluczowe_wska%C5%BAniki_efektywno%C5%9Bci, dostęp: 6.06.2014 r.

[26] Wrycza St. (red. ), Informatyka ekonomiczna Podręcznik ekonomiczny, op.cit., s. 611.

[27] pl.wikepedia.org/Wiki/ROI, dostęp: 12.06.2014 r.

[28] zmigk.ii.us.edu.pl/?page_id=385:dostęp: 12.06.2014 r.

[29] http://pl.wikipedia.org/wiki/Business_Activity_Monitoring, dostęp: 10.06.2014 r.

[30] http://pl.wikipedia.org/wiki/Wizualizacja, dostęp: 10.06.2014 r.

[31] Walesiak M., Gatnar E., Statystyczna analiza danych z wykorzystaniem programu R, Wydawnictwo Naukowe PWN,Warszawa 2009.

[32] Osińska M. (red.), Ekonometria współczesna, Dom Organizatora TNOiK, Toruń 2007.

Dodaj komentarz

Filed under Uncategorized

Nadzwyczajne zainteresowanie

Wczoraj w Wydawnictwie Instytut Śląski w Opolu (tel. 77 – 45 40 123) dowiedziałem się, że ostatnio wydane niżej wymienione moje książki cieszą się nadzwyczajnym powodzeniem potencjalnych instytucji oraz indywidualnych Czytelników:

Formułowanie modeli ekonometrycznych na potrzeby zarządzania, część I  Środowiska programowe statystyki opisowej, stanowiąca doskonały poradnik w pisaniu prac dyplomowych.

Wdrożenie zintegrowanego systemu informatycznego wspomagającego zarządzanie, będąca źródłem inspiracji w procesie projektowania oraz wdrażania nowych jak i unowocześnianych systemów.

Swoje zapytania telefoniczne kierują Oni wprost do tego Wydawnictwa, tymczasem dystrybutorem jest Biblioteka Wyższej Szkoły Zarządzania i Administracji w Opolu: biblioteka@poczta.wszia.opole.pl, tel. 77 402 19 21

Zostało tych książek tylko kilka egzemplarzy. Bliższe informacje o wymienionych książkach oraz wcześniejszych podałem na swoim blogu:   Google Wornalkiewicz lub bezpośrednio na stronie: https://wornalkiewicz.wordpress.com/wp-admin/post.php?post=83&action=edit

wornalkiewicz wdrożenie zintegrowanego systemu informatycznego

Dodaj komentarz

Filed under Uncategorized

Powitanie w semestrze letnim

I już kolejny semestr – letni!  Witam potencjalnych studentów. Prawdopodobnie będę prowadził wykłady i ćwiczenia z przedmiotów: Optymalizacja decyzji zarządczych Badania operacyjne Proces przewidywania zależności ekonomicznych Narzędzia tworzenia i analizy raportów Seminarium dyplomowe

Zachęcam do przeczytania mego najnowszego artykułu: Implementacja systemów klasy ERP w logistyce w monografii Koncepcje i narzędzia współczesnej logistyki wydanej przez WSZiA w Opolu.

013

Dodaj komentarz

Filed under Uncategorized

Wspólna praca

Szanowni Studenci kierunków Zarządzanie (V sem) i  Logistyka (III) WSZiA w Opolu!

Dla zachowania dorobku w zakresie wybranych prze zemnie opracowanych projektów z ćwiczeń przedmiotu Wdrożenie zintegrowanego systemu informatycznego klasy ERP, przewiduję opracowanie skryptu jako materiału pomocniczego.

Będzie to rozwinięcie, o praktyczne przykłady, tematyki objętej wcześniej wydaną książką Wdrożenie zintegrowanego systemu informatycznego wspomagającego zarządzanie.

wdrożenie zintegrowanego systemu informatycznego

Są jeszcze ostatnie egzemplarze tej książki do nabycia w bibliotece WSZiA w Opolu. Warto więc pospieszyć się z ich nabyciem.

Uprzejmie proszę autorów niżej wymienionych projektów o przekazanie mnie ich kopii na płytach CD w sobotę 4.02.2016 r. podczas poprawek zaliczania w/w przedmiotu:

P.S – Udoskonalenie pracy projektanta z systemem AutoCAD,

P.G, A.K  – Charakterystyka systemu informatycznego Stacji Orlen i wskazanie możliwości rozszerzenia jego funkcjonalności,

U. O., B. K. – Symfonia Kadry i płace,

A. F. – Ulepszenie Systemu Wspomagania Rekrutacji Pracowników,

J. M. – Analiza funkcjonalności modułu informatycznego w zakresie CRM zarządzania relacjami z kontrahentami,

D. K. – Systemy logistyczne w firmie POLBRUK S.A.

S. Krajewski – Programy lojalnościowe – zorganizowane systemy budowania relacji z klientami (sodexo, opteam, CRM),

A. Pr. i S. K. – Charakterystyka modułu Comarch Optima Handel i wyłonienie zbędnych funkcjonalności,

M. M. – Charakterystyka systemu informatycznego w firmie spedycyjnej oraz korzyści z usprawnienia pracy kierowców,

A. S. – Analiza potrzeb dyspozytora w zakresie wspomagania jego pracy systemem informatycznym Teta-Constelletion,

M. K. i D. D. – Zastosowanie EDI w systemie dostępowym oraz spojrzenie krytyczne,

M. K. – Funkcjonalność i potrzeba usprawnienia systemu informatycznego SAP z punktu widzenia operatora wózka,

M. R. – Ocena systemu monitoringu chłodni w zakładzie produkcyjnym Nutricia w Opolu,

O. Z. – Funkcjonalność systemu SAP w firmie Dyckerhoff Ukraina (problemy i usprawnienia procesu zakupu),

W. J. – Charakterystyka Zintegrowanego Systemu Informacji Przestrzennej GEO-INFO 6,

S. W. – Integracja programów eksploatowanych W Zakładzie Opiekuńczo-Leczniczym w Opolu,

K. G. – Integracja systemów autonomicznych dotyczących postępowania kontrolnego,

K. W. – Przedstawienie platform w obszarze transportowo-spedycyjnym,

M. G. i P. P. – Tendencje w zakresie rachunkowości elektronicznej,

M. A. – Koncepcja serwisowania pojemników na odpady komunalne,

K. K. i  J. J. – System informatyczny zarządzania szkołą wyższą (kierunek Zarządzanie),

R. B. i M. K. – Wykreowanie aplikacji kreowania trendów w zakresie wyposażenia łazienek,

K. T. – Rozpatrzenie możliwości usprawnienia systemu windykacji Granit,

A. H. – Współpraca z BIG Consulting w oparciu o system Gate-To-Information,

A. Barańska – Koncepcja zdalnego dostępu do bazy danych osób podejrzanych za wykroczenia w zakresie potrzeb Straży Miejskiej w Opolu,

J. C. – Rozszerzenie funkcjonalne systemu zakażeń szpitalnych na przykładzie INFOMEDIKI,

M. S. i  K. K – Analiza funkcjonalności i wskazanie możliwości usprawnienia systemu CUI,

M. M. i M. K. – Zastosowanie systemu Sowa w bibliotece publicznej i wyłonienie obszarów jego usprawnienia,

K. C. – Specyfika ochrony obiektu handlowego z zastosowaniem systemu telewizji przemysłowej,

J. J. – Model informatyczny zarządzania budżetem domowym z podpowiedziami o promocjach,

D. B. – Zasady działania i obsługa skanera kodów kreskowych LoMag dla systemu Android,

A. K. – Autoryzacja podpisu elektronicznego,

M. C. i K. H. – Mobilny system operacyjny iOS.

 

Dodaj komentarz

Filed under Inne informacje dla studentów, Materiały pomocnicze, Podręczniki akademickie, Skrypt przedmiotu, Systemy informatyczne zintegrowane, Wdrożenie zintegrowanego systemu informatycznego, Zaliczenie semestru