Vállalat információs rendszerek PDF
Document Details
Uploaded by EffectiveTopology2534
János Selye University
Tags
Summary
Ez a dokumentum a vállalati információs rendszerekről, különös tekintettel az integrált vállalatirányítási rendszerekre (ERP rendszerekre) ad áttekintést. Magyarázza el a tranzakciós alkalmazások szerepét, az ERP rendszerek funkcióit, modulok típusait és a testre szabás fontosságát. Számos példát is említ különböző ERP rendszerekről.
Full Transcript
... … …. : :: ::: :::: Vállalati információs rendszerek 8. Integrált vállalatirányítási rendszer Az üzleti tranzakciók támogatására szolgálnak az úgynevezett tranzakciós alkalmazások. Ezek az alkalmazások különféle vállalati irányítási feladatokat integrálnak egyetlen alkalmazásba (...
... … …. : :: ::: :::: Vállalati információs rendszerek 8. Integrált vállalatirányítási rendszer Az üzleti tranzakciók támogatására szolgálnak az úgynevezett tranzakciós alkalmazások. Ezek az alkalmazások különféle vállalati irányítási feladatokat integrálnak egyetlen alkalmazásba (vagy egy szorosan integrált alkalmazáskészletbe), amelyek közös adatbázison osztoznak. Ezáltal minimalizálják az adatok inkonzisztenciáját és hibáit, valamint megszüntetik az adatok kezelésében rejlő hatékonysági hiányosságokat. Az adatok például csak egyszer kerülnek rögzítésre, de többször is felhasználhatók. A vállalati információs rendszer egyik kulcsfontosságú tranzakciós alkalmazása az ERP rendszer (Enterprise Resource Planning – vállalati erőforrás-tervezés, ill. integrált vállalatirányitási rendszer). Az ERP egy olyan alkalmazás vagy alkalmazási szoftver, amely lehetővé teszi az összes rendelkezésre álló üzleti erőforrás és tevékenység kezelését és koordinálását. Bár az ERP kifejezés széles körben elterjedt a gyakorlatban, az ERP rendszerek funkcionalitása jelentősen túlmutat azon, amit a név közvetlenül sugall. Napjainkban ezek az alkalmazások nemcsak az erőforrások tervezésére összpontosítanak, hanem a vállalat erőforrásainak teljes életciklusát képesek kezelni. 8.1 ERP rendszerek Az ERP információs rendszer adatforrásként szolgál más típusú alkalmazások számára is. Az ERP által kezelt adatok továbbításra kerülnek a vállalat egyéb alkalmazásaiba, például az ügyfélkapcsolat-kezelésbe (CRM), az ellátási lánc menedzsmentbe (SCM), az e-kereskedelmi rendszerekbe stb. Emellett az ERP-adatok gyakran az üzleti intelligencia (BI) rendszerek elsődleges adatforrásai, amelyeken keresztül különféle üzleti, marketing-, HR-, kapacitás- és egyéb elemzések készülnek. Ebből következik, hogy az ERP rendszer adatminősége és az adatbázisok megbízhatósága kulcsfontosságú. Az ERP rendszer hibái vagy gyenge 1... … …. : :: ::: :::: Vállalati információs rendszerek adatminősége rontja azoknak az alkalmazásoknak a hatékonyságát is, amelyek az információs rendszer és a vállalati irányítás szintjének növelésére szolgálnak. Az ERP megoldások általában a belső, azaz a szoftverarchitektúra szempontjából kerülnek definiálásra. Ez dokumentálja, hogy az ERP rendszert milyen programmodulok (pl. pénzügy, gyártás, készletkezelés, HR modulok stb.) és eszközök alkotják, valamint ezek hogyan működnek együtt. Mivel a különböző vállalatok eltérő informatikai támogatási igényekkel és prioritásokkal rendelkeznek, az ERP moduláris szerkezete lehetővé teszi a modulok fokozatos bevezetését a vállalat specifikus szükségleteinek és prioritásainak megfelelő sorrendben. Napjaink ERP architektúrája általában nemcsak a klasszikus alkalmazásmodulokat foglalja magában (például pénzügy, értékesítés, gyártás stb.), hanem számos egyéb, működési és támogató funkciót is biztosít. Példák az ERP rendszerek modern megközelítésére: QASIDA ERP rendszer (https://asseco-qasida.com/). o A QASIDA ERP rendszer az ügyfél szerverein (OnPremise) telepítve működik, és modulokat tartalmaz például gyártás, raktárkezelés, pénzügy, kontrolling és egyéb területek számára. o Az QASIDA ALKALMAZÁSOK a felhőben működnek, és API-k segítségével teljes mértékben integrálva vannak az ERP rendszerrel. Ezek pl. a Service, Mobile, AI platform, Rental, iCep vagy OCR. Odoo (https://www.odoo.com/sk_SK). Az Odoo több mint 50 modult kínál, amelyek a vállalat különböző igényeinek megfelelően testre szabhatók. 8.1 sz. tábla: Vastag kliens és vékony kliens összehasonlítása Vastag kliens Vékony kliens Feldolgozás helye Helyi gép Felhő, szerver, böngészőn keresztüli elérhetőség Erőforrásigény Nagyobb helyi számítási Alacsonyabb, kevésbé kapacitás szükséges erőforrás igényes Helyi működés Offline módban is Általában nem működik lehetősége működhet offline Telepítés Az alkalmazásokat a Nem igényel telepítést, helyi gépre kell telepíteni böngésző alapú 2... … …. : :: ::: :::: Vállalati információs rendszerek Forrás: Saját szerkesztés Ezek kapcsán muszáj elmagyaráznunk két kifejezést. A vastag, és vékony kliens. A vastag kliens egy olyan alkalmazás, amelyet a helyi számítógépre telepítenek, és az adatfeldolgozás nagy részét helyben végzi, például egy helyi ERP rendszer akkor is működhet, ha nincs internetkapcsolat. A vékony kliens egy olyan alkalmazás, amely minimális helyi erőforrást igényel, és a feldolgozást, valamint az adatokat távoli szerverek végzik. Példa erre egy böngészőből elérhető felhőalapú alkalmazás. A QASIDA ERP rendszer egy vastag kliens alkalmazás, amelyet a vállalat szerverein (On Premise) telepítenek. A rendszer fő funkciói és adatfeldolgozása helyben, a vállalat saját infrastruktúráján történik. A QASIDA ALKALMAZÁSOK vékony kliens, amelyek a felhőben futnak. Mikor érdemes ERP rendszert bevezetni? Feltehető a kérdés, hogy mikor van szüksége egy vállalatnak ERP rendszerre. A válasz egyszerű: akkor, amikor az ERP használata hasznos a vállalat számára, és jelentősen segíti a tevékenységeket. Ahogy egy vállalat növekszik, egyre több és több informatikai eszközre van szüksége, beleértve a különböző szoftvereket is. Például: saját népszerűsítésük érdekében sokan készítenek weboldalt WordPress-ben; az ügyfelekről szóló adatokat Excel-ben tárolják; e-mail kampányokhoz MailChimp-et használnak; az ügyfélkapcsolatokat CRM rendszerben, például HubSpot-ban kezelik; a számlázáshoz SuperFaktúra szoftvert választanak; az interneten elérhető adatok tárolásához Google Drive-ot alkalmaznak; a gyors kommunikációhoz Slack-et, a projektek támogatásához Asana-t, a munkaidő nyilvántartásához Toggl-t, a szolgálati utak kezeléséhez pedig Fleetio-t. Ezek a megoldások számos előnnyel bírnak: általában felhasználóbarátok, jól működnek mobiltelefonon és tableten, és az alapfunkciók gyakran ingyenesen elérhetők. Ugyanakkor ezek egy idő után túlterheltté válhatnak, főleg, ha a különféle szoftverek között manuálisan kell adatokat exportálni vagy importálni. Az egyedi rendszerek nem mindig kapcsolhatók össze (még API-k segítségével sem), és nincs egységes adatbázis. 3... … …. : :: ::: :::: Vállalati információs rendszerek Odoo ERP néhány modulja, amely helyettesíthet számos szoftvereket Forrás: (https://www.odoo.com/sk_SK) Az ERP rendszerek ezekre a problémákra kínálnak megoldást: minden egy helyen található, egységes adatbázist használ, a kezelőfelületek konzisztens megjelenésűek, és minden modul integráltan működik. Ez teljesen új perspektívát ad az adatok kezelésére. Például észrevehetővé válnak az ismétlődő tevékenységek, vagy optimalizálhatóvá válnak a nem hatékony folyamatok. Az API-k integrációja egyes modern ERP rendszerekben már alapvető, és nem mindig szükséges manuális beavatkozás. Az ERP rendszerek modularitása lehetővé teszi, hogy a bevezetés fokozatos legyen: kezdetben csak néhány modullal indul, majd a vállalat igényei szerint továbbiakkal bővíthető. Fontos ugyanakkor kiemelni, hogy az ERP rendszer vállalatok számára drága lehet (Nemcsak a kezdeti bevezetés, hanem az éves licencdíjak is komoly kiadást jelenthetnek. Ez különösen felhőalapú ERP rendszerek esetén releváns. Ne felejtkezzünk el a Microsoft és más licencekről se.), és nem megfelelő implementálás esetén nem biztos, hogy minden folyamatot úgy támogat, ahogyan azt elvárnák. Ezért kiemelten fontos, hogy már a bevezetést megelőzően alaposan kommunikáljunk a szállítóval. Két alapvető kérdésre kell választ kapni a tervezés korai fázisaiban: Milyen infrastruktúrával rendelkezünk? – Fel kell mérni a vállalat jelenlegi helyzetét, beleértve az adatokat, a hálózatot és az adatbázisokat. Milyen további funkciókra van szükség? – Például: automatikus számlázás banki fizetéssel és termék kiszállításával. A szállító ezek alapján tud javaslatokat tenni, meghatározhatja, hogy a termék mit képes megvalósítani, és mire van szükség további fejlesztésekhez. A rendszert az adott vállalat igényeihez igazítják, és szükség esetén további programozási órákat biztosítanak. Az ERP személyre szabásához néha fejlesztői csapat szükséges, ami szintén idő- és költségigényes lehet. Mindenhez jóhoz, idő kell! Forrás: (Vychodil, T. 2024) A szakirodalomban létezik az ERP és az ERP II fogalma. Az ERP rendszerek célja a vállalati erőforrások integrált kezelése. Az ERP II egy kiterjesztett fogalom, amely az ERP rendszerek újabb generációját írja le. 4... … …. : :: ::: :::: Vállalati információs rendszerek Külső kapcsolatokat is kezelnek, webalapú technológiákra támaszkodnak, támogatják a valós idejű adatintegrációt, az e-business-t és a kollaborációs folyamatokat. Tartalmazhatnak például CRM és Supply Chain Management (SCM) modulokat. A legtöbb modern ERP rendszer már tartalmazza az ERP II funkcióit, tehát a fogalmak közötti különbség elmosódott. Az ERP II fogalom leginkább a 2000-es évek elején volt népszerű, amikor az internet elterjedésével az ERP rendszereket elkezdték kibővíteni külső integrációs lehetőségekkel. Ma már az ERP II kifejezést ritkábban használják, mivel az integrált és webalapú ERP megoldások váltak normává. ERP rendszerek a kisebb és közepes vállalatoknál előfordulhat, hogy az ERP rendszer az egyetlen információs rendszer, főleg ott, ahol egyszerűbbek az üzleti folyamatok, az ERP rendszer bevezetése után nincs szükség további speciális szoftverekre vagy amikor az ERP moduljai elégségesek az összes szükséges funkció lefedéséhez. Nagyobb vállalatoknál azonban az ERP rendszer nem az egyetlen használt rendszer, hanem az egyik központi elem, amelyet más rendszerekkel integrálnak – lásd a fejezetet: Üzleti intelligencia, OLAP rendszerek. (Gála, L; Pour, J; Šedivá, Z. 2015) 8.1.1 ERP rendszerek testre szabása Az ERP rendszerek, amelyeket általános alkalmazásként szállítanak, általában testre szabást (kustomizációt) igényelnek a konkrét vállalat vagy felhasználó igényeinek megfelelően. A kustomizáció jellemzően a felhasználói igények elemzése alapján történik, és az ERP rendszer bevezetésének és implementációjának egyik legfontosabb lépése. A testre szabás a következőket foglalhatja magában (Gála, L; Pour, J; Šedivá, Z. 2015): A funkciók és kommunikációs struktúrák módosítása. Ide tartozik pl. a menüstruktúrák módosítása, egyes opciók eltávolítása vagy új funkciók hozzáadása. Információs struktúrák módosítása. Ide tartozik pl. az úrlapok, riportok, jelentések és áttekintések testre szabása. Alapértelmezett értékek beállítása. Ide tartozik pl. a nyelv (magyar), a pénznem (HUF) alapértelmezettként való megadása. Adatkategóriák és adatok terjedelmének beállítása. Ide tartozik pl. 5... … …. : :: ::: :::: Vállalati információs rendszerek a szervezeti struktúra meghatározása, számlatükör beállítása, költséghelyek struktúrájának definiálása. Szabványos számítások és ellenőrzések módosítása. Például árkalkulációk, hitelkeret-ellenőrzések testre szabása. Technológiai beállítások módosítása. Szín- és keretstílusok, valamint más vizuális elemek szabványos beállítása. A testre szabást két szinten végezhetjük: Felhasználói szintű testre szabás. o Ezeket a módosításokat a felhasználó saját maga is elvégezheti az ERP rendszer beállításain keresztül. Például az alapértelmezett nyelv vagy pénznem megadása, valamint egyszerű riportok és képernyők személyre szabása. Szállítói szintű testre szabás. o Az összetettebb módosításokat, például az adatbázis struktúrák vagy speciális számítások és funkciók módosítását általában az ERP rendszer szállítójának kell elvégeznie az implementáció során. Egy modern ERP rendszer az Odoo, melyik alapvetően a következő modulokat tartalmazza (https://www.odoo.com): Odoo Website: o Documents o Website o Spreadsheets o eCommerce o Sign Blog o Forum o Odoo Inventory & Learning o Live Manufacturing: o Chat Inventory Odoo Sales: o o Manufactori CRM ng o PLM o Sales o o Purchase o Point of Sale o Maintenance o Subscriptions Quality o Rental Human Odoo Finance: o Resources: Accounting o o Employees Invoicing o Expenses o 6... … …. : :: ::: :::: Vállalati információs rendszerek o Recruitme nt o Time Off o Appraisals o Referral o Fleet Odoo Marketing: o Marketing Automation o Email marketing o SMS Marketing o Social Marketin g o Events o Survey Odoo Services: o Project o Timesheet o Field Service o Helpdesk o Planning o Appointments Odoo Productivity: o Discuss o Approvals o IoT: Internet of Things o VOIP o Knowledge Odoo Customization: o Studio 7... … …. : :: ::: :::: Vállalati információs rendszerek 8.1 sz. ábra: Fent: Példa az Odoo rendszer moduljaira. Lent: CRM modul ablaka. Forrás: https://www.odoo.com/page/all-apps Testreszabhatóságnak lényeges lehetősége a modulok kiválasztása. Ez azt jelenti, hogy a felhasználó szabadon választhat a különféle modulok gyűjteményéből, amelyek együttesen egy teljes, robusztus vállalati információs rendszert alkotnak. Ez a moduláris felépítés lehetővé teszi, hogy a vállalatok az információs rendszert pontosan a saját igényeikre szabják, figyelembe véve a működésük során legfontosabb folyamatokat és prioritásokat. Az egyes modulok kiválasztásával és testre szabásával a vállalat biztosítani 8 tudja, hogy csak azokat a funkciókat valósítsa meg, amelyek valóban relevánsak a számára, ezzel minimalizálva a felesleges bonyolultságot és költségeket. A rugalmasság, amelyet ez a megközelítés biztosít, nemcsak a rendszer implementálásakor, hanem annak bővítésekor vagy módosításakor is jelentős előny. Például egy növekvő vállalat először csak a pénzügyi modulokat használhatja, majd később, a működése komplexitásának növekedésével, integrálhatja a készletgazdálkodási, projektmenedzsment vagy emberi erőforrás modulokat. Ez nemcsak költséghatékony, hanem stratégiailag is előnyös, mivel a vállalat lépésről lépésre építheti ki információs rendszerét a fejlődése ütemében. Ezen túlmenően a moduláris felépítés nagy előnye, hogy a modern rendszerek API-kon keresztül más szoftverekkel is könnyen integrálhatók, így a vállalat meglévő infrastruktúrájához zökkenőmentesen csatlakoztathatók.... … …. : :: ::: :::: Vállalati információs rendszerek 8.1.2 Analitikai alkalmazások és üzleti intelligencia integrációja Az üzleti intelligencia (BI – Business Intelligence) eszközeinek integrálása az ERP rendszerekbe egyre fontosabb szerepet játszik az ERP funkcionalitásának bővítésében. Ez lehetőséget ad arra, hogy az ERP adatbázisaiban tárolt adatokon közvetlenül analitikai eredményeket hozzunk létre. Az ERP rendszerek képesek analitikákat végezni, azonban ezek nem érik el az adattárház-alapú elemzések szintjét. Az ERP analitikák jellemzője, hogy közvetlenül az ERP adatbázisán alapulnak, amelyben az adatok szigorúan konzisztensek, pontosak, mert ezek közvetlen hatással vannak a vállalat napi működésére. Például, ha egy mezőbe dátumot kell menteni, oda csak dátum formátumú adat kerülhet vagy nem tárolódnak hiányos adatok (például, ha a cím mezőből hiányzik a házszám, az adatot nem rögzíti a rendszer). Ezzel szemben az adattárházak (Data Warehouses) elemzései kevésbé érzékenyek a hiányos adatokra. Például, ha 50 000 tranzakció közül egy helyen hiányzik a házszám, az nem jelent lényeges problémát az üzleti elemzés szempontjából, de az ERP adatbázisában viszont a házszám hiánya komoly működési problémát okozhat, például a raktár nem tudja, hová szállítsa a csomagot. (Gála, L; Pour, J; Šedivá, Z. 2015) 8.1.3 ERP rendszerek kategorizálása Az ERP rendszerek különböző szempontok alapján kategorizálhatók. Az alábbiakban két leggyakrabban használt megközelítést mutatjuk be: A vállalat mérete alapján. o Nagyvállalatok: Több, mint 500 alkalmazottal rendelkező cégek. o Középvállalatok: 50 és 500 közötti alkalmazottal rendelkező cégek. o Kisvállalatok: Legfeljebb 50 alkalmazottal rendelkező cégek. Az ERP rendszer funkcionalitása és integrációs szintje alapján. Az ERP alkalmazások kategorizálhatók aszerint is, hogy mennyire fedik le a vállalati irányítás kulcsfontosságú területeit, illetve milyen mértékben támogatják a vállalati folyamatok integrációját. E megközelítés alapján az alábbi csoportokat különböztetjük meg: o All-in-one ERP rendszerek: Nagyszabású alkalmazások, amelyek széleskörű funkcionalitást kínálnak, és komplexen lefedik a vállalati irányítás egészét. Előnyei a teljes körű funkcionalitás és magas szintű folyamatintegráció. Hátrányuk a komplex megoldás, amely magasabb költségekkel és nagyobb testre szabási igényekkel jár és magasabb költséggel is. o Best-of- 9 breed ERP rendszerek: Olyan megoldások, amelyek egy-egy specifikus vállalati területre vagy iparágra specializálódnak (pl. autóipar, vegyipar, kiskereskedelem). Előnyeik a magas szintű funkcionalitás a kiválasztott területen. Hátrányuk hogy nem fedik le a vállalati irányítás teljes spektrumát, ezért gyakran kiegészítő megoldásokra és integrációs projektekre van szükség. o Lite ERP rendszerek: Könnyített verziók, amelyeket főként kis- és középvállalatok számára terveztek. Előnyeik az alacsonyabb ár és egyszerűbb és gyorsabb implementáció. Hátrányaik a korlátozott funkcionalitás és a rendszer bővítési lehetőségeinek szűkesítése.... … …. : :: ::: :::: Vállalati információs rendszerek 8.1.4 ERP rendszerek jellemzői Az ERP rendszereket a következő jellemzők definiálják: Moduláris és integrált működés. o ERP rendszerek a teljes vállalati működést lefedik. Hagyományos, felhőalapú és hibrid megoldások. o Léteznek vékony vagy vastag kliens megoldásaik. Mobilitás és távoli hozzáférés. o Felhőalapú, mobilbarát megoldások, amelyek könnyen elérhetők bárhonnan. a távmunka és globális csapatok együttműködése szempontjából vált alapvető követelménnyé. Redundanciák kiküszöbölése. o ERP rendszerek egységes adatbázisa csökkenti az adatok depilációját és az ezzel járó hibák lehetőségét. Mesterséges intelligencia és gépi tanulás integráció. o Intelligens funkciókkal rendelkeznek, melyek nemcsak az adatfeldolgozást javítják, hanem például prediktív analízist, automatizálást és személyre szabott ajánlásokat is lehetővé tesznek. Egységes konzisztens vállalati/szervezeti adatbázis. o ERP rendszerek egyik kulcsfontosságú előnye. Törekvés a szolgáltatások teljességére. o Az ERP rendszerek célja, hogy a vállalat összes főbb funkcióját lefedjék. Grafikus felhasználói felület. o Egyszerűen kezelhető és testre szabható felhasználói felületek támogatják a hatékonyságot. Valós idejű adatok és analitika. o Beépített analitikai modulok segítik a riportok készítését. Széles körű információ hozzáférési lehetőség. o A hozzáférési szintek szerepkörökhöz és jogosultságokhoz igazíthatók. Nyitott integrációs képességek. o Amelyek API-k támogatásával érhetők el. Automatizálás és IoT eszközökkel való összekapcsolhatóság. o ERP rendszerek támogatják az IoT eszközökkel való kommunikációt. Egyértelmű felelősségek a rendszerben lévő adatokért. o Az ERP rendszerek támogatják a szerepköralapú hozzáférés-kezelést, ami biztosítja az adatok védelmét és a 10 felelősség egyértelmű elosztását. Skálázhatóság. o A vállalati növekedés támogatása. Többnyelvű és multikulturális támogatás. o Nemzetközi vállalatok számára. Testreszabhatóság. Valós idejű együttműködés. o Hatékonyságnövelés. Adatbiztonság és titkosítás. o ERP rendszerek fejlett biztonsági funkciókkal rendelkeznek, beleértve az adatátvitel titkosítását. Prediktív karbantartás.... … …. : :: ::: :::: Vállalati információs rendszerek o A gyártásban és az eszközgazdálkodásban az IoT és AI technológiák integrációjával támogatja a berendezések előre jelzett karbantartását, minimalizálva az állásidőt. Költségcsökkentés. o ERP rendszerek integrált működése révén csökkenthetők a különálló rendszerek fenntartásával járó költségek. Az ERP-rendszerek hatása napjaink üzleti világára egyszerűen nem hagyható figyelmen kívül. Mivel a vállalati adatok és folyamatok egyetlen rendszerben kerülnek összegyűjtésre, a vállalkozások képesek összehangolni a különböző részlegek működését, valamint optimalizálni a munkafolyamatokat, ami jelentős költségcsökkentéssel járhat. Az Oracle vállalat (2024) a következő előnyöket emeli ki: Tisztább üzleti átláthatóság, amelyet a kimutatások és valós idejű információk biztosítanak. Csökkentett működési költségek a hatékonyabb üzleti folyamatok és bevált módszerek alkalmazása révén. Fokozott együttműködés a felhasználók által megosztott adatokon keresztül, például szerződéseknél, igényléseknél és rendeléseknél. Nagyobb hatékonyság egy közös, átfogó felhasználói élmény segítségével, amely számos üzleti funkciót lefed. Egységes infrastruktúra, amely a back office-tól a front office-ig minden üzleti tevékenységet konzisztensen kezel. Magasabb felhasználói elégedettség a felhasználói élmény és az intuitív kialakítás miatt. Kisebb kockázat, köszönhetően a jobb adatintegritásnak és pénzügyi ellenőrzéseknek. Kevesebb adminisztratív és működési költség, az integrált rendszereknek köszönhetően. 8.2 SCM rendszerek A végtermék előállításában és annak végső vásárlóhoz történő eljuttatásában általában több vállalat is részt vesz. Ezek alkotják az úgynevezett ellátási láncot (Supply Chain). A klasszikus, lineáris ellátási lánc a következő elemekből áll: Beszállító ➝ gyártó ➝ disztribútor ➝ kiskereskedő ➝ vásárló. Napjainkban azonban az ellátási láncok inkább hálózati szerveződésűek, amelyek összetettebbek és dinamikusabbak. Az ellátási lánc folyamatai az alábbi három fő irányú áramlást foglalják magukban: információáramlás, pénzügyi áramlás és anyag- és termékáramlás. Ezek az áramlások kétirányúak, azaz mindkét irányban zajlik a kommunikáció és az adatok cseréje. Az ellátási lánc menedzsment (SCM – Supply Chain 11 Management) az ellátási lánc irányítására és működésének optimalizálására szolgáló eszközök és folyamatok összessége. Célja az, hogy az ellátási lánc minden elemét a lehető legnagyobb hatékonysággal működtesse, figyelembe véve a végső vásárlói igényeket. Az ellátási lánc folyamatait gyakran a SCOR modell (Supply Chain Operation Reference Model) alapján határozzák meg, amely öt szinten elemzi a folyamatokat: Első szint: Az ellátási lánc öt kulcsfolyamatát definiálja, a tervezést, beszerzést, gyártást, szállítást és reklamációkezelést. Második szint: Az első szint folyamatait stratégiai szempontból alfolyamatokra bontja. Például a „megrendelésre történő gyártás” stratégiájához tartozó alfolyamat lehet a „termék összeszerelése”. Harmadik szint: Az alfolyamatok részletes tevékenységeket tartalmaznak. Például a „termék összeszerelése” alfolyamat egyik tevékenysége a darabjegyzék (BOM) összeállítása.... … …. : :: ::: :::: Vállalati információs rendszerek Negyedik szint: A tevékenységekhez tartozó munkafolyamatokat, azok bemeneteit, kimeneteit és konkrét műveleteit határozza meg. Ötödik szint: A munkafolyamatok automatizálási lehetőségeit specifikálja, amelyhez információs technológiákat használ. Az ellátási lánc egyes elemei közötti információáramlás általában elektronikus üzenetváltás útján történik, napjainkban leggyakrabban az interneten keresztül. Az üzenetek struktúrája és tartalma a strukturált adatok cseréjére vonatkozó szabványokon alapul. Az EDI (Electronic Data Interchange) olyan szabványosított módszer, amely lehetővé teszi strukturált adatok (például megrendelések, számlák, jóváírások) cseréjét a kereskedelmi partnerek információs rendszerei között elektronikus úton. Az egyik legelterjedtebb szabvány az UN/EDIFACT (United Nations / Electronic Data Interchange for Administration, Commerce, and Transport). Ez a szabvány globálisan elfogadott, és magán- valamint közszektorban egyaránt használatos. Az ügyfélkövetelmények hatékony kiszolgálásának érdekében az SCM alkalmazások mellett gyakran használnak haladó tervezési és ütemezési (APS – Advanced Planning and Scheduling) megoldásokat is. Az APS-t az összes erőforrás egyidejű, szinkronizált tervezése jellemzi az összes ismert korlátozás figyelembevételével, és alapvetően az MRP II (Manufacturing Resource Planning) módszert váltja fel a vállalati szintű tranzakciós ERPalkalmazásokban. A piacon különféle SCM megoldások érhetők el, melyeket összegezve két kategóriában sorolhatjuk: ERP modulokként bővített megoldások, mint pl. SAP SCM, vagy Önálló SCM alkalmazások, mint pl. Oracle Value Chain Planning, JDA Software stb. (Gála, L; Pour, J; Šedivá, Z. 2015) 8.3 CRM rendszerek Az ügyfélkapcsolat-kezelés (CRM – Customer Relationship Management) egy komplex megoldás, amely információs technológiákból, technikai eszközökből, vállalati folyamatokból és emberi erőforrásokból áll. Célja az ügyfélkapcsolatok irányítása és javítása, különösen az értékesítés, marketing és ügyfélszolgálat területeken. A CRM alkalmazások szoftvermegoldásként egy célzott kombinációját jelentik a tranzakciós, analitikai és infrastrukturális alkalmazásoknak. Ez a kombináció a CRM rendszerek három alapvető funkcionális részében tükröződik: operatív rész, kooperatív rész és analitikai rész: Az operatív CRM rész a mindennapi ügyfélkezelési tevékenységeket támogatja, különösen az ügyfelek felkutatásában, megszerzésében és hosszú távú megtartásában. Funkciói az alábbi területekre 12 összpontosulnak: o Értékesítési tevékenységek automatizálása (SFA – Sales Force Automation), mint pl. az értékesítési képviselők munkájának támogatása, kapcsolatkezelés, értékesítési lehetőségek nyomon követése, potenciális ügyfelek kezelése vagy megrendelési ciklusok átfogó irányítása. o Marketingtevékenységek automatizálása (EMA – Enterprise Marketing Automation), ahol az alkalmazások a klasszikus marketingfunkciók támogatására fókuszálnak, pl. marketingkampányok elemzése, tervezése és megvalósítása, vagy a vállalati termék innováció szükségességének felmérése. o Ügyfélszolgálat és szerviz (CSS – Customer Service and Support). Ez magában foglalja a részletes információk biztosítását a vállalat termékeiről, reklamációk kezelését és jótállási és jótálláson túli szervizfolyamatok irányítása. Az operatív CRM jellemzően tranzakciós adatfeldolgozásra támaszkodik, és kiterjeszti a vállalati szintű tranzakciós alkalmazások funkcionalitását. Ennek célja, hogy a mindennapi... … …. : :: ::: :::: Vállalati információs rendszerek operatív tevékenységek gördülékenyebbek legyenek, miközben hatékonyabb ügyfélkapcsolat- kezelést biztosítanak. A kooperatív CRM célja a vállalat által kiépített összes kommunikációs csatorna irányított kezelése. Ezek a csatornák nemcsak a meglévő, lojális ügyfelek, hanem a potenciális ügyfelek kiszolgálására is irányulnak. A kooperatív CRM kiterjeszti a korábban használt ügyfélkapcsolati módokat (pl. postai levelezés, faxok, telefonos kapcsolatok, személyes találkozók) olyan modern csatornákra, mint az internet és a mobilkommunikáció. Ezeket a kommunikációs csatornákat általában kapcsolati központok (Contact Center vagy Call Centerek) koordinálják. Ezek a CRM alkalmazások és technológiák központi hozzáférést biztosítanak az ügyfelek számára a vállalathoz. A kooperatív CRM-ben a tranzakciós feldolgozás funkciói keverednek az infrastrukturális alkalmazások funkcióival, így biztosítva az ügyfélkapcsolatok hatékonyabb kezelését. Az analitikai CRM rész az ügyfelekről szóló tudás feldolgozására és elemzésére összpontosít. Fő funkciói közé tartoznak: o ügyfél szegmentáció, o Marketingkampányok elemzése, o ügyfélviselkedés előrejelzése (predikció), o ügyfélérték (CV – Customer Value) számítása és elemzése. Az analitikai CRM általában az operatív és kooperatív CRM-ből, valamint más rendszerekből (pl. ERP, e-business) származó ügyféladatokat használ. Az adatelemzésekhez üzleti intelligencia (BI) technológiákat és alkalmazásokat vesz igénybe. Az analitikai CRM és a BI technológiák kombinációját (CI – Customer Intelligence) nevezzük. A CI célja az ügyfelek mélyebb megismerése, beleértve az ügyfél értékének meghatározását, preferenciák feltárását, rizikófaktorok elemzését (pl. a versenytárshoz való átállás valószínűsége). A CI elsődlegesen az ügyfél-interakciókból származó adatok gyűjtésére és elemzésére összpontosít. Az alábbi forrásokból nyer adatokat: kereskedelmi kapcsolatok dokumentációja, kapcsolati központok feljegyzései, elektronikus kereskedelmi alkalmazások adatai, vállalati portálok használati adatai, ún. „Clickstream” elemzések. A CI analitikai képességei lehetővé teszik a vállalati elemzők számára, hogy az ügyfél értékére összpontosítsanak, és ezen alapulva optimalizálják az ügyfélszolgálati minőséget az egyes szegmensek számára. Az ügyfélérték a múltbeli és jövőbeli haszon és költségek számszerűsítésén alapul. A közösségi hálózatok, mint például a Facebook vagy a Twitter, új dimenziót hoztak az ügyfélkapcsolat- 13 kezelésbe, miközben jelentős változásokat idéztek elő a vállalatok ügyfélkezelési megközelítésében. Az ügyfélkapcsolat-kezelésben a közösségi hálózatok alkalmazásával foglalkozó területet social CRM-nek (sCRM) nevezik. A social CRM egy olyan filozófia és vállalati stratégia, amelyet technológiai platformok, vállalati szabályok, folyamatok és közösségi jellemzők támogatnak. A social CRM alkalmazások funkciói a közösségek és azok adott kontextusában zajló beszélgetésekre fókuszálnak. A klasszikus CRM rendszerektől eltérően ezekben a beszélgetéseket nem a vállalat kezdeményezi, hanem az ügyfél. Jelenleg számos különböző CRM alkalmazás érhető el a piacon. Ezek lehetnek ERP-t kiegészítő modulok, amelyek az ERP rendszerek funkcionalitását bővítik ki vagy önálló CRM megoldások, amelyek kizárólag az ügyfélkapcsolatok kezelésére specializálódtak. Példák az ismert CRM alkalmazásokra: Salesforce, Microsoft Dynamics CRM, Oracle Siebel Customer Relationship Management. (Gála, L; Pour, J; Šedivá, Z. 2015)... … …. : :: ::: :::: Vállalati információs rendszerek 8.4 Egyéb tranzakciós rendszerek Egyéb tranzakciós rendszerek közül megemlíthetjük pl. a: TMS (Transportation Management System) o A TMS rendszerek tranzakcióként kezelik a szállítmányozási eseményeket. Ezek gyakran kapcsolódnak az SCM és ERP rendszerekhez. HCM (Human Capital Management) o A HCM rendszerek tranzakciókat kezelnek az alkalmazottak adataival kapcsolatban, például a munkabérek feldolgozása vagy munkaidő-nyilvántartása. Ezek a tranzakciók gyakran integrálódnak az ERP rendszerek HR moduljához. SRM (Supplier Relationship Management) o Az SRM rendszerek tranzakcióként kezelik a beszállítókkal kapcsolatos eseményeket, például a beszerzési rendelések leadása és követése, a szerződések létrehozása vagy a szállítói teljesítmény értékelése. Ezek a tranzakciók szorosan kapcsolódnak az SCM és ERP rendszerek adataihoz, és ERP rendszerek moduljaként is szerepelhetnek. PLM (Product Lifecycle Management) o A PLM rendszerek fő fókusza a termékek életciklusának menedzselése és a tervezési adatok kezelése, ami általában nem tranzakciós jellegű. Kivételek lehetnek a tervezési változások jóváhagyásai vagy gyártási dokumentációk verziókezelései. Ezek inkább adminisztratív tranzakciók, mintsem operatívak. 14... … …. : :: ::: :::: Vállalati információs rendszerek 9. Vezetői információs rendszerek Ezen a fejezeten még dolgozunk 15... … …. : :: ::: :::: Vállalati információs rendszerek 16... … …. : :: ::: :::: Vállalati információs rendszerek 10. Információs rendszerek támogatása a döntéshozatalban “Egy jó döntés, mindig egy tapasztalaton alapul. A tapasztalat pedig gyakran, egy rossz döntés eredménye.” Rita Mae Brown Frederickson 1984-ben a problémákat három kategóriára osztotta fel. Ennek a felosztásnak manapság is jelentősége van, főleg a vállalati információs rendszerek kapcsán. A jól strukturált (Well- structured), a részben strukturált (Structured) vagy csak strukturált és a rosszul strukturált (Nonstructured) vagy strukturálatlan problémák kategóriáit adja meg. A jól strukturált problémák megoldása automatizálható, hiszen ismertek a helyes megoldás lépései. A részben strukturált problémáknál általában a megoldás legalább egy része a megoldók vállain van (felelősség). Ebben az értelemben már produktív gondolkodás is elvárt. Nem egyértelműek viszont a rosszul strukturált problémák. (Sziray, J.; Gaul, G.; Égertné Molnár, É. 2007). A rosszul strukturált problémákat célszerű három szinten megközelítenünk: Az információk szintjén – o hogyan állítsuk elő a szükséges információkat? A tevékenységek szintjén – o hogyan használjuk fel az információkat tevékenységek elindítására? Az értékek szintjén – o mire és hogyan használjuk fel az információkat? A vezetői, illetve a hozzájuk kapcsolódó döntési szinteknek az elméletét Robert N. Anthony dolgozta ki még az 1960-as években. A vállalati hierarchia három szintjét dolgozta ki, ahol található az alsó szint, vagyis az operatív vezetés, a középszint, azaz a taktikai vezetés és a felső szint, azaz a stratégiai vezetés. Nem nehéz belátni, hogy milyen problémák szerepelnek az egyes szinteken. Néha még az irodalomban szokunk találkozni még egy szinttel az operatív szint alatt, ún. adatfeldolgozási szinttel. Gyakorlatban használjuk az ún. programozható és nem programozható döntések kifejezéseket is. Ezek a kifejezések a Herbert A. Simon, Nobel-díjas közgazdász nevéhez fűződnek, aki a jól strukturált problémák esetében programozható, és nem strukturált problémákat esetében nem programozható döntés kifejezéseket használta (az irodalomban ezen kapcsán még találkozhatunk a strukturált és nem 17 strukturáld döntés kifejezéssel is, melyek szintén ez előbbiekre utalnak). Ha gondosan belegondolunk, akkor biztos, hogy igazat adhatunk neki. Egyértelmű, hogy a jól strukturált problémák megoldhatók ismert algoritmusok alkalmazásával. Ilyen döntések meghozatalára tehát az információs rendszer is képes, aminek használata emberi erőforrásokat szabadíthat fel. Nem strukturált döntés esetén maga a probléma sem mindig jól definiált, a döntéshozó nem látja azt át teljesen, nincs tisztában minden összefüggéssel. A megoldás lépései ilyenkor nem határozhatók meg előre, sokszor ötletszerűek, változó feltételektől függenek. Ne felejtkeztünk el, hogy a gyakorlatban előforduló döntések nagy része a jól strukturált és nem strukturált problémák jegyeit hordozza. (Kacsukné Bruckner, L.; Kiss, T. 2007). Strukturáltság foka szubjektív kérdés. Ha pl. meghibásodig program egyik része az autó elektronikus vezérlőegységben, akkor ezt a strukturáltság szempontjából másképen fogja látni a közgazdász, autószerelő vagy programozó. Probléma... … …. : :: ::: :::: Vállalati információs rendszerek strukturáltsága a problémamegoldó tudása és tapasztalata alapján minősíthető. Pl. kereskedelmi igazgató számára a készletgazdálkodási probléma félig strukturált problémát jelentene. 10.1 sz. ábra: A döntéshozatali hierarchia és információigénye Forrás: (Sziray, J.; Gaul, G.; Égertné Molnár, É. 2007) 10.1 A döntéshozatalok az egyes szinteken Az üzleti folyamatok során a közreműködő személyek, szerepüktől függően, kisebb vagy nagyobb gyakorisággal hoznak különböző jellegű döntéseket, amihez információra van szükségük. A döntéshozatalhoz minőséges információra van szükség. Kacsukné Bruckner, L.; Kiss, T. (2007) szerint a minőséges információnak következő tulajdonságai vannak: Releváns – hasznos és fontos az adott döntés meghozatalához, és javítja annak minőségét. Időszerű – az információ, amit a döntéshozatalhoz felhasználunk, ne legyen elavult. Pontos – az információ legyen hibamentes. Ezt a gyakorlatban nem mindig tudjuk betartani, ilyenkor fontos, hogy definiált és elfogadott hibahatáron belül legyen. Ellenőrizhető – ez azt jelenti, hogy az információ pontosságáról meg tudjunk győződni, ellenőrizni tudjuk azt. Ezt egyrészt megtehetjük úgy, hogy olyan információval hasonlítjuk össze, melyről tudjuk, hogy pontos. Teljes, de minimális – szerezzünk be minden olyan információt, melyre a döntéshez szükségünk lesz. Viszont figyeljünk oda, hogy a feleslegeseket szűrjük ki. A menedzser számára is a túl sok 18 információ zavaró lehet és hibához vezethet. Könnyen érthető – az információ világos, jól érthető, könnyen áttekinthető és magyarázó legyen a felhasználó számára. 10.1 sz. tábla: A döntéshozatal három szintjének jellemzői Jellemzők A döntéshozatal szintje Operatív Taktikai Stratégiai Problémák változatossága alacsony közepes nagy Strukturáltság foka magas közepes alacsony Bizonytalanság foka alacsony közepes magas Szükséges ítélőképesség foka alacsony közepes magas... … …. : :: ::: :::: Vállalati információs rendszerek A döntés hatásának időtartama napok hónapok évek Programozható döntések legtöbb néhány semmi Tervezési döntések kevés kb. fele legtöbb Ellenőrzési, felügyeleti döntések legtöbb kb. fele kevés Forrás: (Kacsukné Bruckner, L.; Kiss, T. 2007) 10.2 sz. tábla: A különböző döntési szinteken szükséges információ jellemzői Információ jellemzői A döntéshozatal szintje Operatív Taktikai Stratégiai Függés belső információtól nagyon magas magas közepes Függés külső információtól alacsony közepes nagyon magas Információösszegzés foka nagyon közepes magas alacsony Real-Time információ nagyon magas magas közepes igénye Előre jelző információ alacsony magas nagyon igénye magas Forrás: (Kacsukné Bruckner, L.; Kiss, T. 2007) A stratégiai szinten a vállalat hosszú távú céljait és politikáját határozzák meg. Itt tűzik ki a jövőbeni célokat, és megtervezik az elérésükhöz vezető lépéseket. Az ilyen döntésekhez összefoglalt, könnyen átlátható, grafikus vagy táblázatos formátumú információ szükséges. Ezen a szinten a menedzserek gyakran kevéssé strukturált, bizonytalan és változatos problémákkal találkoznak, ahol jelentős szerepet kapnak a külső forrásokból, például a versenytársakról, piaci helyzetről és gazdasági környezetről szóló információk. A felső vezetőknek nem szabad elmerülniük a részletekben; az összefüggéseket és kapcsolatokat kell látniuk, hogy következtetéseket vonhassanak le. Stratégiai döntés lehet például egy új gyáregység helyszínének kiválasztása vagy annak eldöntése, hogy milyen termékek gyártásával érdemes foglalkozni. A taktikai döntések középvezetői szinten, azaz az osztály- és részlegvezetők szintjén születnek. Ezek a döntések a vállalat alegységeinek rövid és középtávú terveit, céljait és költségvetéseit határozzák meg, illetve a stratégiai döntések végrehajtását is ezen a szinten végzik. A döntéshozatal itt főként a belső, vállalaton belüli információkon alapul, bár a külső, környezetből érkező adatok is szerepet kaphatnak. A 19 részletek ebben az esetben már fontosabbá válhatnak, de gyakran szükség van az információk összefoglalására is. Példaként említhetők a költségkeretek felhasználásával és elosztásával kapcsolatos döntések. Az operatív döntéseket az alsó vezetői szinten hozzák meg. Itt rövid távú, a konkrét feladatok végrehajtására irányuló problémákkal foglalkoznak. Az alsó szintű döntéshozatalban különösen fontos a részletes, pontos és naprakész, „Real-Time” információ. A legtöbb probléma jól strukturált, és megoldásuk gyakran programozható. Mivel a feladatok jelentős része már automatizált, az alsó vezetők nagymértékben támaszkodnak a számítógépes információs rendszerekre. A döntések itt szinte kizárólag a vállalaton belüli információkra épülnek, a külső tényezők szerepe pedig minimális. (Kacsukné Bruckner, L.; Kiss, T. 2007)... … …. : :: ::: :::: Vállalati információs rendszerek 10.2 A problémamegoldás szisztematikus megközelítése A vállalati információs rendszerek területén a problémamegoldás szisztematikus megközelítése azt jelenti, hogy a problémákat tervezetten, strukturált módon oldják meg. Itt általában lépésről lépésre átgondolt folyamatot alkalmaznak, hogy biztosítsák a hatékony és eredményes problémamegoldást. 10.2 sz. ábra: A döntés folyamat lépései, William E. Leigh és Michael E. Doherty szerint. Forrás: ??? Ez a megközelítés magában foglalhat különféle módszereket és eszközöket. Különböző irodalomban különböző lepésekkel találkozhatunk, de mindegyiküknek van egy közös része, amiben megegyeznek. Mi kiválasztottunk a folyamat lépéseit William E. Leigh és Michael E. Doherty szerint, amit az ábrán is láthatunk, és amely nagyon jó leírja e folyamat egyes lépéseit: Probléma definiálása és azonosítása. o Meg kell érteni a probléma gyökerét, hogy pontosan mi okozza a zavarokat vagy hibákat. Ez magában foglalja a probléma okainak feltárását, az érintett területek és folyamatok azonosítását, valamint a lehetséges következmények megértését. A problémaállapotot (észlelt, jelen idejű helyzet) esetében, definiálnunk kell a célállapotot is, amelyt elakarunk érni. Amennyiben lehetséges, a problémát részproblémákra bontjuk, mivel gyakran a részprobléma önállóan elemezve könnyebben megoldható. o A döntési folyamatban felhasznált adatok begyűjtése szintén ehhez a ponthoz sorolható. Az adatok egyrészt a vállalat belső adatbázisából, a szervezet saját tranzakciófeldolgozó rendszeréből származnak, másrészt külső adatbázisokból érkeznek, és végül vannak a menedzser saját kezelésében lévő, személyes adatok is. A külső adatforrások alatt érthetjük pl. az újságokat, TV, internetet és stb. A külső adatok bevonása növeli a DSS rendszer pontosságát és relevanciáját, mivel így nemcsak a belső, történeti adatok alapján hoz döntéseket, hanem figyelembe veszi a jelenlegi gazdasági vagy piaci változásokat. ▪ A döntés támogató rendszerek különféle analitikai eszközökkel (pl. statisztikai elemzések, trendek, kockázatelemzés) segíthetnek a probléma pontos megértésében, támogatva a helyes 20 problémameghatározást, ami kulcsfontosságú a későbbi lépések sikeréhez. Szintén az adatbázis-kezelő lekérdezések adatai jó kiinduló pontot biztosíthatnak. ▪ Itt megemlíthetjük a minőségi és mennyiségi adatanalízist is. A külső adatok bevonásakor mindig fennáll a kockázata annak, hogy az adatok hibásak, hiányosak vagy sérültek lehetnek. A minőségi analízis esetében a döntéstámogató rendszerek ellenőrzik, hogy a külső adatok pontosak, teljesek és konzisztensek legyenek, és kiszűrik a hibás vagy hiányos adatokat, hogy megbízható döntések alapjául szolgáljanak. A mennyiségi analízisnél a döntéstámogató rendszerek ellenőrzik, hogy a szükséges mintanagyság és frissesség rendelkezésre-e áll. Adattisztítás (részletesebben: 11. fejezet) alatt azt értjük, hogy a döntéstámogató rendszerek eltávolítják a hibás és irreleváns adatokat, majd feldolgozzák azokat, hogy a döntési modellek számára alkalmasak legyenek, így csökkentve a hibalehetőségeket. A döntéstámogató rendszerek különböző minőségi mutatókat alkalmaznak, például pontosságot és megbízhatóságot, hogy mérhetővé és nyomon... … …. : :: ::: :::: Vállalati információs rendszerek követhetővé tegyék az adatminőséget, növelve a rendszer hatékonyságát. A döntéstámogató rendszerek ellenőrzik, hogy a külső adatok pontosak és relevánsak legyenek, különösen stratégiai szinten, ahol az adatminőség kulcsfontosságú. o Több irodalom is következő lépésként tárgyalja a probléma definiálása után az elemzést és adatgyűjtést. A probléma részleteinek alapos feltárása tartozik ide, például adatok elemzése abból a szempontból, hogy kiderüljön, milyen tényezők állnak a háttérben. Ez a lépést az egyes lépéseken belüli feladatok hasonlósága miatt a probléma definiálása alá sorozható, és mi is ezt így tesszük, ami a vállalati információs rendszerek szempontjából teljesen logikus1. Lehetséges megoldások kidolgozása. o Ide tartozik a több alternatíva – több lehetséges megoldási javaslat kidolgozása a probléma kezelésére. Ezek lehetnek különböző stratégiai lépések, beavatkozások, új folyamatok vagy technikai megoldások. Használva van a tapasztalat, tudás, de a döntéshozó intuíciója is. Nem kizárt a Brainstorming vagy Benchmarking. ▪ A döntés támogató rendszerek támogatást nyújtanak a döntéshozók számára abban is, hogy objektív és mérhető kritériumokat állítsanak fel a lehetséges megoldások kiértékelésére. Ilyenek lehetnek a költségek, az időráfordítás, a minőség, az erőforrásigény vagy a szervezet stratégiai céljainak való megfelelés. ▪ Másik fontos rendszertulajdonság, amit itt megemlíthetünk, a modellek használata. A döntés támogató rendszerek modellezési és szimulációs képességei lehetővé teszik, hogy a döntéshozók előre láthassák a különböző megoldások lehetséges hatásait. Ez különösen hasznos, mert segíthet az alternatívák kockázatainak, költségeinek és várható előnyeinek objektív összehasonlításában. o Ha nekünk kellene dönteni egy fontos probléma esetében, pl. milyen változásokat végbe vinni annak érdekében, hogy javuljon a termékünk pozíciója a piacon, akkor első, ami ezünkbe jutna lenne a jobb marketing bevezetése, terméken elvégezni innováció, az ár csökkentése és stb., ami semmi más, mint alternatívák. Megoldás kiválasztása - döntés. o Ezek a javaslatok a vállalat vezetői vagy döntéshozói számára különféle lehetőségeket kínálnak egy adott problémára. A kiválasztási folyamatban a döntéshozók különféle szempontokat vesznek figyelembe: a költségeket, az időtényezőt, a várható eredményeket, a kockázati szinteket, valamint az egyéb, a szervezet stratégiájával és céljaival összhangban lévő kritériumokat. ▪ A döntés 21 támogató rendszerek általában több megoldási javaslatot is képesek generálni az elemzett adatok alapján, amivel segítik a döntést. Implementálás, implementálás értékelése és finomítás. o Miután kiválasztották a legmegfelelőbb megoldást, következik az implementáció, ami azt jelenti, hogy a kiválasztott döntést beültetik a gyakorlatba. Az implementálás során a döntéstámogató rendszer figyeli a megvalósítás hatékonyságát, és szükség esetén módosítási javaslatokat tesz. 1 Az elemzést és az adatgyűjtést komolyan általában nem külön lépésként, hanem a probléma azonosítása és megoldás kidolgozása részeként kezelik. Mi csak felhoztuk a figyelmet a néhány irodalomban előforduló magyarázatokra.... … …. : :: ::: :::: Vállalati információs rendszerek ▪ A döntés támogató rendszerek figyelhetik a megoldás hatékonyságát és teljesítményét is, így, ha szükséges, a vezetés gyorsan be tud avatkozni vagy módosítani tud a folyamatokon. Az ilyen szisztematikus megközelítést például olyan keretrendszerek is támogatják, mint a PDCA- ciklus (Plan-Do-Check-Act), illetve olyan problémamegoldási modellek, mint az Ishikawa-diagram vagy az 5 Miért technika, amelyek közelebb magyarázata már túllépi e tankönyv kereteit, azért részletesebben velük nem fogunk foglalkozni. 10.3 Modellek használata és tanulás a döntéstámogató rendszereken belül A modellezés egy olyan kísérleti folyamat, melynél a vizsgált rendszerhez (az eredetihez), bizonyos kritériumok mellett, hozzárendelünk egy másik rendszert – modellt, amely a modellezési folyamat eredménye. A modellezés alatt bizonyos tevékenységek halmazát is érthetjük, melyek a modell kifejlesztéséhez vezetnek. Az ilyen modell reprezentálja a valós rendszer struktúráját, viselkedését. Azt is állíthatjuk, hogy minden modell minden esetben valamilyen valóságnak az egyszerűsítése, viszont engedi megérteni a valóságot is. George Box megjegyezte: „Minden modell rossz, de némelyik hasznos lehet”. A politikai térképre tekintve láthatjuk, hogy miért. Bár a térkép nem tartalmazza az összes részletet, az államhatárok nem pontosak, de mégis nagyon jó elképzelést nyújt számunkra. A modellnek viselnie kell a rendszer összes fontos és jelentős tulajdonságát! 22 Yr1 Bemenetek Valós Kimenetek rendszer YrN Transzf. Transzf. YmN Modell Ym1 eN e1 Korrekció Eltérési kritériumok... … …. : :: ::: :::: Vállalati információs rendszerek 10.3 sz. ábra: Modellezési folyamat Modellezés során validálást és más vizsgálatokat is használnak. Ha a modell kimenetei (Ym1, Ym2, …, Ymn) nem azonosak a valós rendszer viselkedésének merhető kimeneteivel (Yr1, Yr2, …, Yrn) az azonos bemeneti paraméterek mellett, akkor különböző eltérési kritériumok alapján korrekcióra van szükség ((e1=Yr1-Ym1); (e2=Yr2-Ym2); …; (en=Yrn- Ymn) If e1, e2, …, en 0 Then …), amíg a modell kimenetei nem megfelelők. - jellel az e1, e2, …, en eltéréseket előállít egységet jelöljük. Transzf. alatt a fizikai vagy üzleti paraméterek átalakítását fogjuk érteni olyan matematikai értékekre, melyek használhatók a számítógépes modelleknél. Forrás: (Takáč, O. 2017) Továbbiakban mutathatunk néhány példát fontos modellekre: Matematikai modell, mely egy absztrakt modell, amely matematikai jelöléseket használ a rendszer leírásához. Az ilyen modelleket, úgy a természettudományokon belül (fizika, biológia, elektrotechnika…), mint a társadalomtudományoknál (gazdaságtudomány, szociológia…), ill. a mérnöki tudományágak esetében is egyaránt használjuk. Fizikai modell, mely szigorúan csak fizikai törvények alapján van összeállítva, ahol a vizsgált „anyag” kisebb, olcsóbb vagy jobban kezelhető tömegben van használva. Számítógépes modell, mely bizonyos részben a matematikai modellből indul ki, majd ezekre épülnek rá az algoritmusok, a változók, a paraméterek, végül ezek egy programban vannak összefoglalva. Az ilyen modell számítógépek segítségével szimulációnak van alávetve, és a megkapott eredmény könnyen interpretálható. 23... … …. : :: ::: :::: Vállalati információs rendszerek 10.4 sz. ábra: Példa egy matematikai modellre – Galton-deszka Eresszünk egy golyót az első ékre. A golyó ½ valószínűséggel a gravitáció hatására jobbra, és ½ valószínűséggel balra gurul – n = 0 sor. Ha pl. balra gurulna, akkor egy másik ékkel találkozna, ahol újra ½ valószínűséggel jobbra, ill. balra. Csakhogy, az n = 2 soron az a valószínűség, hogy a sor első ékére esne a golyó már ½*½ = ¼. Annak a valószínűsége, hogy a sor középékére essen, ½*½ + ½*½ = ½ és annak, hogy a másik szélre, ¼. Feltehetünk most egy kérdést. Ha több golyót indítanánk, menyi golyó esne bele a 0-dik dobozba, mennyi az 1. be és menyi az n-edik dobozba? Erre szintén a valószínűségek (Pk) adnak választ. Forrás: (Takáč, O. 2017) Ha tehát egy bizonyos modell szimulációnak van alávetve, szimulációs modellnek nevezzük. A szimulációs modellel végrehajtott kísérletet szimulációs kísérletnek nevezzük. Ezek sorozatát ugyanazon célból szimulációs vizsgálatnak nevezzük. A szimulációt olyan módszerként definiálhatjuk, mely a modellezett rendszerről egy modell segítségével (változtatva a bemeneti paramétereket) új tudáshoz és megismerésékhez vezet. Erre példa a természeti törvények. A 24 természeti törvények matematikailag is leírhatók, ami egy matematikai modell lenne. Az ilyen modellből számítógépes modellt is készíthetnénk, melyen elvégezhetnénk a szimulációkat. Egyértelmű, hogy a szimulációs kísérletet nem egyszer, hanem statisztikai kiértékelések segítségével többször is meg kell ismételni mindaddig, amíg a keresett információ elegendő pontosságú nem lesz. A döntéstámogató rendszerek nagyon fontos tulajdonsága és szolgáltatása, hogy modellezési, szimulációs képességekkel rendelkezik. A modellezés és szimuláció előnyeit következőképpen foglalhatnánk össze: Kevésbé költséges, mint az esetleges rossz döntés következményeinek a viselése. Gyors, nem időigényes. Modellek segítségével akár hónapokat, éveket is tudunk néhány perc alatt szimulálni. A jó modell képes a jövőbe látni, bizonyos dolgokat előre jelezni.... … …. : :: ::: :::: Vállalati információs rendszerek Modell kezelése könnyű. Több lehetőséget is engedélyeznek kipróbálni vagy több különálló modellek egy idejű használatával vagy szimuláció során különböző bemenetek beállításával. Így szerzett kimeneteket elemezhetjük. Ha használunk mesterséges intelligenciát, akkor lehetőségünk van a tanulásra és betanítására. A modellezés és szimuláció hátrányai közül legalább a következőket említsük meg: Az üzleti rendszer modellezése meglehetősen nehéz, bonyolult feladat, melyben könnyű hibázni. Egy ilyen hiba következménye a hibás modell, amely rossz, könnyen félrevezető eredményeket szolgáltat. A modellezéshez magas szintű matematikai ismeretek szükségesek, mellyel a menedzserek általában nem rendelkeznek. A döntéstámogató rendszereknek fontos szerepe van a releváns adatok vagy jellemzők kiválasztásának és előkészítésének. Ez az úgynevezett „Feature Engineering” folyamat elősegíti, hogy a modellek jobb döntési eredményeket adjanak. A döntéstámogató rendszerek gyakran több különböző modellt használnak a döntéshozatal támogatására. Ezek a modellek különböző szempontokat és adatokat vesznek figyelembe, amelyeket különböző súlyokkal értékelnek. Pl. a bemeneti adatok lehetnek a termék ára, gyártási költségei, piaci kereslet stb. Ezeket a bemeneteket súlyozhatják aszerint, hogy mennyire relevánsak az adott döntés szempontjából. A súlyozás azt biztosítja, hogy az igazán fontos tényezők (pl. a terméknek a piaci ára nagyobb fontosságú, mint a javasolt ára és stb.) nagyobb hatással legyenek a döntési eredményre. Az AI gyakran beépül ezekbe a modellekbe, hogy „tanuljon” és folyamatosan javítsa a súlyozást és a modell működését. Fejlettebb rendszerek képesek hibajavítás és önkorrekcióra. Azok a döntéstámogató rendszerek, amelyek a tanulás során képesek önmagukat javítani vagy frissíteni (önjavító algoritmusok), képesek felismerni, ha bizonyos döntési minták elavultak. Így automatikusan módosíthatják döntéseiket. A döntéstámogató rendszerek modelljei gyakran igényelnek folyamatos finomhangolást és validálást, hogy pontosak maradjanak. A validáció során külön adatcsoportokkal tesztelik a modellt, így biztosítva, hogy a tanulási folyamat jól generalizálható legyen, és ne csak a tanulóadatokra adjon pontos válaszokat. A döntéstámogató rendszerek tanulása és a modellek használása erősen összefüggenek. Modellek és a tanulás elválaszthatatlanok a döntéstámogató rendszerek esetében, hiszen a modell képezi a rendszer tanulási folyamatának alapját. Ahhoz, hogy a döntéstámogató rendszer képes legyen tanulni és hasznos előrejelzéseket vagy javaslatokat 25 adni, megfelelő matematikai vagy statisztikai modellre van szüksége, amelyen alapulhat. A modell a tanulás alapját képezi, mivel az adatokat ezen a modellen keresztül elemzi és értelmezi. A modell választása (például regressziós modell, döntési fa, neurális hálózat stb.) meghatározza, hogy a rendszer milyen módon és milyen pontossággal tudja az adatokat értékelni és a tanulási folyamatot végrehajtani. A döntéstámogató rendszerek tanulása az adatfeldolgozási és elemzési képességeikre épül, amelyek mesterséges intelligenciát és gépi tanulási algoritmusokat is használhatnak. A döntéstámogató rendszerek több módon és különböző adatból tanulhatnak. A tanulásuk történhet pl. a múlttal kapcsolatos adatelemzés alapján (a múltbeli adatok alapján mintázattokat és trendeket azonosítanak, amelyek segítik a jövőbeni döntéseket),... … …. : :: ::: :::: Vállalati információs rendszerek mélységi tanulás és neurális hálózatok alapján (fejlettebb döntéstámogató rendszerek mélységi tanulási modelleket, például neurális hálózattokat alkalmaznak, melyek nagy mennyiségű adatot dolgoznak fel és komplex döntési szabályokat tanulnak meg), adaptív tanulás alapján (például egy pénzügyi döntéstámogató rendszer folyamatosan figyeli a tőzsdei mozgásokat, a rendszer idővel tanulhat, és módosíthatja előrejelzéseit vagy figyelmeztetéseit a változó trendek alapján), interaktív tanulás alapján (döntéstámogató rendszerek gyakran kapnak visszajelzéseket a felhasználóktól, például döntések vagy eredmények után, és ezeket a visszajelzéseket felhasználhatják további finomhangolásra), stb. Ezek a módszerek (pl. múlttal kapcsolatos adatelemzés, mélységi tanulás) egymással is kombinálhatók, ami a döntéstámogató rendszerek rugalmasságát növeli. Nézzünk példát egy gépi tanulási alapú döntéstámogató rendszerre, mely felügyelt tanulást alkalmaz: Legyen egy konkrét probléma, amelyt a menedzser az adatbázisban levő adatok alapján megold. Ezt a megoldást közli a döntéstámogató rendszerrel is. Ezzel a rendszer megkapja azt a mintát, amelyen a jövőbeli hasonló döntéseknél dolgozhat. Egy idő után a menedzser visszatér a döntéséhez és értékeli menyire volt hatékony, vagy optimális. Késóbb megint hasonló problémát old és megint és megint... Ezt az értékelést a rendszer „megtanulja”, ami azt jelenti, hogy a rendszer felismeri, mely döntések váltak be, és melyek nem. Egy idő után, a rendszer megtanul hasonló problémákat oldani a menedzser döntései alapján. Muszáj elmondani, hogy a rendszer nem önálló döntéshozóvá válik, hanem „javaslatokat kínál”, amelyek segíthetik a menedzser döntéseit! Ez a fajta rendszer egyre gyakoribb, különösen ott, ahol nagy mennyiségű strukturált adat és ismétlődő döntési helyzetek vannak. Például egy készletgazdálkodási döntéstámogató rendszer javaslatokat tehet, hogy mikor és milyen mennyiségben rendeljen új készletet. Így betanított rendszer, a menedzser hibáit is megtanulhatja. Egy nagy vállalaton belül, több menedzser hasonló típusú döntéseket hoz. A döntéstámogató rendszer nemcsak egyetlen menedzser döntéseire támaszkodik, hanem több menedzser döntéseit és azok eredményeit elemzi. Így a rendszer egyfajta „átlagos” vagy leggyakoribb döntési mintát tanulhat meg, ami statisztikailag nagyobb eséllyel lesz helyes. Ha például egy menedzser döntése többször is hibásnak bizonyul, a döntéstámogató rendszer nem veszi figyelembe azokat a mintázattokat, amelyek ehhez a döntéshez vezettek. A döntéstámogató rendszer képes lehet súlyozni a menedzseri döntéseket – például ebben az esettben előnyben részesíti azokat a menedzsereket, akik hosszú távon jobb eredményeket értek el. Ha egy menedzser döntései következetesen eredményesek, a rendszer ezekre a 26 döntésekre nagyobb „súlyt” helyezhet. A döntéstámogató rendszerek tanulási képességeit külső adatok bevonása is gazdagíthatja, pl. külső gazdasági vagy piaci adatok, melyek lehetővé teszik a döntések szempontjából szélesebb kontextus megismerését. Ne felejtkezzünk el az etikai és jogi szempontokról a döntéshozatalban, melyek be kell építeni a döntéstámogató rendszerekbe is. Pl. az egészségügyi rendszerek esetében figyelembe kell venni a betegjogokat és az adatvédelmi előírásokat, míg a pénzügyi szektorban a döntéseket a vonatkozó szabályozási előírások szerint kell alakítani. 10.3.1 Minták és tudás tárolása A döntéstámogató rendszerek által „megtanult” mintákat és tudást többféle helyen tárolhatjuk, attól függően, hogy milyen típusú adattal és modellel dolgozunk.... … …. : :: ::: :::: Vállalati információs rendszerek A legtöbb döntéstámogató rendszer rendelkezik egy vagy több adatbázissal, ahol az alapadatok, mint például az ügyféladatok, pénzügyi adatok vagy operatív adatok vannak tárolva. A megtanult minták, súlyozási értékek, döntési eredmények, valamint a visszajelzések szintén elhelyezhetők ebben az adatbázisban. Az AI által használt gépi tanulási modellek gyakran speciális modelltárakban42 (MR – Model Repository) vannak tárolva. Ezek a tárak tartalmazzák az egyes modellek beállításait, súlyait, tanulási paramétereit és korábbi döntési mintákat. Az AI itt tudja frissíteni a modelleket és hozzáadni az új tanulási eredményeket. Vannak döntéstámogató rendszerek melyek rendelkeznek különálló tudásbázissal2, amely strukturált információkat és 42 A modelltár olyan adatstruktúra vagy tároló, amely különböző típusú adatmodelleket, elemzési modelleket, prediktív modelleket vagy gépi tanulási modelleket tartalmaz, amelyeket a döntéstámogató rendszer használhat a döntési folyamat során. a modelltárat gyakran helyi szervereken vagy a vállalati adatközpontban tárolják. Sok vállalat a modelltárakat felhőalapú infrastruktúrákban tárolja (pl. AWS, Azure, Google Cloud), mert így a modellek elosztott környezetben, bárhonnan elérhetők. szabályokat tárol a korábbi döntések alapján. A tudásbázisok használata lehetővé teszi, hogy az AI a megtanult információkat jól strukturált formában tárolja és később újra felhasználja. Egyre gyakoribb, hogy a döntéstámogató rendszerek és az AI-alapú modellek felhőalapú környezetekben működnek. A felhőben tárolt modellek és adatbázisok rugalmas hozzáférést biztosítanak a különböző típusú adatokhoz és a frissítésekhez. Emellett az adatok és modellek bármikor skálázhatók, így egy nagyobb vállalat több részlege is hozzáférhet ugyanahhoz a döntéstámogató rendszerhez. Egyes rendszerek az AI döntési folyamatait és a tanulási eredményeket eseménynaplókban (logokban) tárolják, amelyek későbbi elemzésre is felhasználhatók. Ezekből a logokból a rendszer visszakeresheti, hogy korábban milyen döntéseket hozott és milyen tényezők befolyásolták a döntést. 10.4 Döntéstámogató rendszerek A vezetői információs rendszereket a rutin, strukturált döntések támogatására fejlesztettek ki. Az 1970-es évek elején jelentek meg először olyan rendszerek, melyek már egy adott problémára tudtak koncentrálni, és interaktív módon járultak hozzá a döntési folyamathoz. A döntéstámogató rendszereket két nagy fő csoportra osztják, azaz modell vezérelt, és adat vezérelt döntéstámogató rendszerekre. Történetileg először 27 a modell vezérelt rendszerek alakultak ki, eredetileg ezeket nevezték döntéstámogató rendszereknek (DSS – Decision Support System). Ezek a hagyományos döntéstámogató rendszereknek a kis- és közepes vállalatok igényeit még ma is tökéletesen kielégítik. Az adat vezérelt döntéstámogató rendszerek nagyméretű adatbázisok elemzésén alapulnak, amire a nagy vállalatoknak van szükségük. 2 Hol található fizikailag a tudásbázis és mi az? A tudásbázist tárolhatjuk merevlemezen, tehát egy speciális adatbázisként vagy egyszerű fájlstruktúrában (Lásd az adatbázisokkal foglalkozó fejezetet), ahol specifikus, döntéstámogatáshoz szükséges adatok vannak mentve. Nagyobb rendszerek esetében, különösen, ha a döntéstámogató rendszer több forrásból integrál adatokat, a tudásbázis elosztott környezetben is működhet. néhány tudásbázis pl. relációs adatmodellt használ. Ha komplexebb kapcsolatokra van szükség, például összetett szabályrendszerre, objektum-orientált adatmodelleket használhatnak. Néhány döntéstámogató rendszer speciális ontológiákat vagy szemantikus hálókat használhat. Az ontológia olyan fogalmi modell, amely egy adott szakterületen lévő... … …. : :: ::: :::: Vállalati információs rendszerek Az információs rendszereknek alkalmazkodniuk kell a döntési típusokhoz, és a különböző döntésekhez különböző információt kell szolgáltatniuk. Egyértelmű, hogy egy felső vezető döntéseinek nagy része nem strukturált problémák fogják kitenni, míg az alsóbb szinteken a nagyobb strukturáltság figyelhető meg. Azért a nem strukturált döntésekhez átfogóbb jellegű, előre nem mindig definiálható információra van szükség, amihez rugalmas információs rendszert, interaktivitást és ad hoc fogalmakat és ezek kapcsolatait írja le. A szemantikus háló egy gráf alapú tudásreprezentáció, ahol csomópontok (pontok) és élek (kapcsolatok) képviselik a fogalmakat és azok közötti kapcsolatokat. lekérdezéseket kell biztosítani. A túl sok ismeretlen tényező és kölcsönhatás miatt ezek a problémák emberi döntést igényelnek, a számítógép nem képes helyettesíteni a döntéshozót. A túl sok ismeretlen tényező és kölcsönhatás miatt ezek a problémák emberi döntést is igényelnek, az IT megoldások nem mindig képes helyettesíteni a döntéshozót. A valós problémák nagy része egyaránt tartalmaz programozható és nem programozható elemeket, vagyis a döntési problémák nagy része félig strukturált. Az ilyen esetekben lehet a döntéstámogató rendszereknek a menedzser segítségére, amikor a döntés az ember és a számítógép közös munkájának az eredménye. A döntéstámogató rendszer fogalmat olyan rendszerek leírására használjuk, amelyek támogatják, de nem helyettesítik a vezetőket döntéshozatali tevékenységükben. Tehát a döntéstámogató rendszer (DSS – Decision Support System) a számítógépre készített szoftver3 eszközök egy készlete, amelyet egy menedzser használ a probléma megoldására a döntéshozói tevékenysége során. A döntéstámogató rendszert Kacsukné Bruckner, L. és Kiss, T. (2009) szerint definiálhatnánk, mint olyan integrált számítógépes eszközök összessége, amely döntési modellek, adatbázisok és a döntéshozó saját ítélőképességének segítségével interaktív módon nyújt segítséget nem programozható vagy részben programozható döntések meghozatalában egyedi, speciális problémákban, jobb döntés meghozatal céljából. Számítógépes Menedzser és számítógép Menedzser megoldás közös megoldása megoldása DSS Strukturált Részben strukturált Nem strukturált probléma probléma probléma 10.5 sz. ábra: A döntéstámogató rendszerek és problémák struktúráik. Forrás: (Kacsukné Bruckner, L.; Kiss, T. 2007) Napjainkban 28 a döntéstámogató rendszerek kibővültek és átalakultak az új technológiák, például a Big Data, a mesterséges intelligencia (AI – Artificial Intelligence) és a gépi tanulás (ML – Machine Learning) segítségével. Ezek a technológiák lehetővé teszik, hogy a döntés támogató rendszerek még hatékonyabbak legyenek a nagy mennyiségű adat elemzésében, a trendek felismerésében és a prediktív modellek készítésében. Tehát hagyományos értelemben nem feltétel az AI és ML technológia használata. A döntéstámogató rendszerek létrehozásához és működtetéséhez minimálisan a következő öt erőforrásra van szükség: hardver, 3 Ezek a programok nagy számításigényű algoritmusokat használnak, melyek paraméterezhetők, így viszonylag magas a problémamegoldó képességük.... … …. : :: ::: :::: Vállalati információs rendszerek szoftver, adatbázisok, modellbázisok és emberi erőforrások. Felépítésüket tekintve a döntéstámogató rendszerek minimálisan három részből állnak: kommunikációs alrendszer (a kommunikációs alrendszeren értjük mindazokat a hardver- és szoftvereszközöket, melyek a rendszer és a felhasználó közötti kommunikációt megvalósítják), modellező alrendszer (lásd tovább) és adatbázis-kezelő alrendszer. A mesterséges intelligenciát és a gépi tanulást (ML – Machine Learning) használó technológiákat a modern vállalati információs rendszerekben különféle formákban jelenhetnek meg (a döntéstámogató rendszereket nem kivéve). Általában három megközelítést ismerünk: Önálló szoftverként, pl. önálló prediktív elemzési eszközök vagy chatbotok, amelyeket a vállalat beépíthet. Integrált modulokként, a nagyobb, komplex vállalati információs rendszerek, mint például az ERP-rendszerek (Enterprise Resource Planning) vagy a CRM-rendszereken (Customer Relationship Management) belül. Felhasználható API-k és szolgáltatások, főleg felhőalapú szolgáltatások esetében. Ezek az modulok gyakran API-kon keresztül érhetők el. A döntéstámogató rendszerek manapság arra specializálódnak, hogy analíziseket, vizualizációkat, predikciókat és jelentéseket készítsenek a vezetők számára. A modern döntéstámogató rendszerek egyrészt információt szolgáltatnak a menedzsernek rendszeres vagy speciális jelentések formájában, nagy mennyiségű adatot kezelve és feldolgozva, másrészt modellezési képességekkel rendelkeznek, különböző matematikai, analitikai modellek segítségével előrejelzéseket, elemzéseket készítenek, javaslatokat tesznek. A döntés támogató rendszerek is alkalmazkodtak a modern vállalati információs rendszerekhez, melyekben különféle formákban jelenhetnek meg. Általában itt is három megközelítést ismerünk: Önálló döntéstámogató rendszerek: Ezek olyan dedikált rendszerek, amelyeket kifejezetten döntéstámogatásra fejlesztettek ki. Általában stratégiai döntésekhez használnak, gyakran specifikus üzleti problémák megoldására. Mutathatunk két példát: o Oracle Hyperion egy pénzügyi döntéstámogató eszköz. ▪ Önálló pénzügyi elemző szoftver, amely az Oracle ERP rendszerekkel integrálható, de önállóan is használható. ▪ Az Oracle Hyperion segítségével részletes pénzügyi elemzések végezhetők, és könnyen integrálható a vállalati adatokkal. o Power BI egy adatvizualizációs döntéstámogató eszközök. ▪ Önálló üzleti intelligencia szoftver, amely vizualizálja az adatokat. ▪ Alkalmas nagy 29 adatmennyiségek gyors feldolgozására és vizualizációjára. Integrálhatóak más adatforrásokkal is, pl. Excel, felhőalapú adatbázisokkal és stb. Integrált döntéstámogató modulok: A nagyobb vállalati információs rendszerek, például ERP- vagy CRM-rendszerek, gyakran tartalmaznak döntéstámogató funkciókat integrált modulokként. Integrált döntéstámogató modul esetén az elemzés közvetlenül a meglévő adatokon történik, amelyeket már a vállalat tárol és használ a napi működés során. Mutathatunk két példát: o IBM Cognos Analytics egy integrált vállalati intelligencia (BI – Business Intelligence) és döntéstámogató rendszer. ▪ Részben önálló, de könnyen integrálható más vállalati információs rendszerekkel, például ERP vagy CRM rendszerekkel.... … …. : :: ::: :::: Vállalati információs rendszerek ▪ Mesterséges intelligencia alapú funkciókkal is rendelkezik, például adatok automatizált elemzésével és előrejelzésekkel. o SAP BusinessObjects szintén integrált döntéstámogató modul az SAP ERP rendszerben. ▪ A SAP rendszeren belül elérhető döntéstámogató modul. ▪ A SAP BusinessObjects segítségével az ERP rendszer adatait gyorsan elemzésekre és jelentések készítésére lehet használni. Hibrid megoldások: Bizonyos esetekben a DSS rendszerek felhőalapú szolgáltatások formájában működnek, és API-kon keresztül kapcsolódnak a vállalat rendszereihez. Így ezek részben önállóak, de közvetlenül integrálódnak is a vállalati adatfolyamokba. Mutathatunk egy példát: o Qlik Sense egy felhőalapú döntéstámogató és BI platform. ▪ Önálló, felhőalapú döntéstámogató rendszer, amelyet más vállalati rendszerekkel is összekapcsolhatnak API-kon keresztül. ▪ Nagyon jó vizualizációs képességekkel rendelkezik. 10.6 sz. ábra: példa az Oracle BI Hyperion rendszerre Forrás: https://images.app.goo.gl/9WPbv5ugRBj7hvec9 A gyakorlati problémák során nagyon sokszor előfordul, hogy a döntéseket nem egyetlen személynek kell meghoznia, hanem több ember együttes munkájának és konszenzusának eredményeként jönnek létre. A döntéstámogató rendszereket eredetileg az egyéni döntéshozatal támogatására fejlesztették ki. Csak később, a 80-as évek vége felé jelentek meg olyan rendszerek, melyek már a csoportos döntések meghozatalában is segítséget nyújtanak. Ezen eszközök a csoportos döntéstámogató rendszerek (GDSS – Group Decision Support System). A GDSS-ek különböznek az egyéni DSS-ektől abban, hogy eszközöket és funkciókat kínálnak a közös munkához és a csoportos döntéshozatal 30 támogatásához. A GDSS-eket olyan helyzetekben alkalmazzák, ahol több résztvevő különböző szaktudással és perspektívával járul hozzá a döntéshozatali folyamathoz, és fontos, hogy a végső döntés kollektív megegyezésen alapuljon. Például: Stratégiai üzleti döntések esetén, ahol több menedzsernek kell konszenzusra jutnia. Projektkiválasztási folyamatokban, ahol a döntések sok szempontot és érdeket kell, hogy figyelembe vegyenek. Válságkezelésben vagy krízishelyzetekben, ahol gyors és együttműködő döntéshozatal szükséges. Tehát a csoportos DSS nem csak a több menedzsertől való tanulásra épül, hanem egy olyan rendszer, amely a csoportos döntéshozatalt aktívan támogatja az együttműködési eszközök és struktúrák révén. A csoportos döntéshozatal egyik nagyon fontos eleme a résztvevők közötti kommunikáció. A GDSS- nek tehát, a hagyományos döntéstámogató rendszerek már megismert képességei mellett, rendelkeznie... … …. : :: ::: :::: Vállalati információs rendszerek kell a kommunikáció kialakítását és megkönnyítését elősegítő eszközökkel is. A csoportos döntéstámogató rendszerek környezeti kialakítása a döntéshozó csoport térbeli és időbeli elhelyezkedésétől függ. Ennek megfelelően négy különböző típusú GDSS-t különböztetünk meg: A döntéshozók azonos időben azonos helyen tartózkodnak. Ennek jellegzetes megvalósítása a döntési szoba, ahol lehetőség nyílik arra, hogy a döntéshozók személyesen is találkozzanak. A szoba felszereltségéhez tartoznak a helyi hálózatba kapcsolt számítógépek, melyeken keresztül mindenki beviheti az ötleteit. A Brainstorming itt hatékonyan alkalmazható. Szintén elterjedtek a szavazóprogramok. Egy ilyen szoba lehet a tárgyalóterem. A döntéshozók azonos időben hozzák a döntést, de különböző helyen tartózkodnak. Ennek jellegzetes megvalósítása a távkonferencia. A döntéshozók különböző időpontokban, de azonos helyen tartózkodnak. Ez például úgy fordulhat elő, ha különböző műszakokban, különböző időbeosztással folyik a munka. Kommunikációra az e-mail is megfelelő, de fejlettebb eszközökkel, például helyi döntési hálózattal, még hatékonyabb az adatmegosztás, ahol lehetőség van közös programok futtatására, egymás adatainak elérésére. A döntéshozók különböző időben hozzák a döntést, és különböző helyen is tartózkodnak. Nagy multinacionális vállalatoknál fordul ez gyakran elő, ahol a föld különböző részein dolgozó leányvállalatok döntéshozói együttműködnek. A döntéshozási helyszíneket védett hálózattal összekötve hasonló szintű együttműködés érhető el, mint az azonos helyszínen dolgozók esetében. A GDSS-ek képesek a döntési folyamat strukturálására, például lépésről lépésre vezetni a csoportot a problémadefiníciótól kezdve az alternatívák kidolgozásáig és a végső döntésig. Ahogyan a döntési szobáknál is megemlítettük, a GDSS-ek valóban szavazási és értékelési mechanizmusokat is tartalmaznak a konszenzus elősegítésére, és a GDSSek gyakran tartalmaznak olyan szavazási vagy értékelési mechanizmusokat, amelyek lehetővé teszik a csoport tagjainak, hogy ha kell, akkor anonim módon is fejezzék ki a preferenciáikat, és könnyebben konszenzusra jussanak. A GDSS hátrányát a magas költségek jelentik, amik hosszú ideig limitálták a felhasználását. A technológiai fejlődés és a költségek csökkenése miatt a csoportos döntéstámogató rendszerek mára széles körben elérhetővé váltak. A modern GDSS-ek különféle interaktív eszközöket is kínálnak, mint például a valós idejű dokumentumszerkesztés és vizuális elemzési eszközök. Itt is manapság jelentősen jelen van az AI és felhóalapú megoldások, mely lehetővé teszi a GDSS-ek számára a globális hozzáférést. Mesterséges intelligencia és gépi tanulás javíthatják a döntéstámogató rendszerek képességeit, például az adatfeldolgozás és az előrejelzések terén. A mobil eszközök integrálása lehetővé teszi a döntéshozók számára, hogy bárhol és bármikor részt vegyenek a folyamatban. A GDSS kihívásai közé tartozhatnak a kulturális 31 különbségek, a felhasználók hajlandósága, képessége és hogyan tudják alkalmazni az új technológiákat. Nemzetközi csoportok esetén a kulturális eltérések befolyásolhatják a kommunikációt és a döntéshozatalt. Pl. az IBM a GDSS- eket használnak a globális csapatok közötti együttműködésre. Jövőbeli fejlődés valószínűleg az integráció más rendszerek (ERP vagy CRM), virtuális és kiterjesztett valóság, valamint szociális hálózatok irányába fog haladni. A GDSS rendszerek elsődlegesen a közös munkára és a csoportos döntéshozatalra összpontosítanak, nem pedig a hagyományos értelemben vett üzleti intelligencia (lásd a következő fejezeteket) eszközökre. A GDSS rendszerek tartalmaznak elemző és vizualizációs eszközöket is, amelyek segítik a döntési folyamatot, de a fő fókuszuk a csoport tagjai közötti kommunikáció és együttműködés támogatása, mint pl. Google Workspace (Meet, Drive, Docs), IBM Planning Analytics vagy Decision Lens. A Decision Lens egy kifejezetten csoportos döntéshozatalra és priorizálásra fejlesztett GDSS, amely különböző döntési kritériumok és prioritások alapján segíti a döntéshozókat. A... … …. : :: ::: :::: Vállalati információs rendszerek szoftver lehetővé teszi a döntések mérését, szavazást és több szempont figyelembevételét, amelyek mind hozzájárulnak az objektív és átlátható csoportos döntéshozatalhoz. A GDSS rendszerek tehát támogatják a csoportos döntéshozatalt, növelik az együttműködési hatékonyságot és megkönnyítik a konszenzusra jutást. 10.5 Alapvető különbség a vezetői információs rendszer és döntéstámogató rendszer között Különbséget a vezetői és döntéstámogató rendszerek között a következő táblában összefoglalva mutatjuk be. 10.3 sz. tábla: Különbség a vezetői és döntéstámogató rendszerek között 32 Vezetői információs Döntéstámogató rendszerek rendszerek (DSS) (MIS) Főleg operatív, részben taktikai szintű Főleg taktikai, részben stratégiai szintű döntésekhez. döntésekhez. Strukturált, programozható Főleg félig strukturált problémákhoz. döntésekhez. A döntéshozatali folyamatban a A döntéshozatali folyamat mind a négy feladatmeghatározás és adatgyűjtés, lépését – feladat meghatározása és valamint a megvalósítás fázisát adatgyűjtés, tervezés, választás, támogatja. megvalósítás – támogatja.... … …. : :: ::: :::: Vállalati információs rendszerek Általános, gyakran előforduló Egyedi problémák megoldásában segít, problémákhoz nyújt segítséget, az adott döntéshozó stílusához és személytől függetlenül. igényeihez igazodva. Előre definiált formátumú jelentéseket Interaktív lekérdezések és válaszok készít periodikusan, kivételes rugalmasan módosítható formátumban, események bekövetkezésekor vagy a döntéshozó igényei szerint. igény szerint. A szolgáltatott információt a vállalat Az információt belső és külső belső adatbázisában meglévő adatok adatbázisok, valamint matematikai, átalakításával, feldolgozásával, analitikai modellek és szimuláció csoportosításával állítja elő. segítségével állítja elő. Az egész vállalat vagy egy funkcionális Egy-egy speciális, egyedi problémával terület általános teljesítményéről kapcsolatos információt szolgáltat. szolgáltat információt. Főleg nyomtatott jelentések. Jellemzően képernyőre szolgáltatott eredmények, igény szerint nyomtatás. Nehezen áttekinthető formátumú Könnyen áttekinthető, felhasználóbarát, jelentések. grafikus, táblázatos formátumú jelentések. Merev, nehezen módosítható rendszer. Rugalmasan, a felhasználó által módosítható és fejleszthető rendszer. Forrás: (Kacsukné Bruckner, L.; Kiss, T. 2007) A DSS a MIS rendszerekkel szemben összetettebb elemzési és modellezési eszközökkel segíti a stratégiai és nem rutin jellegű döntéseket, lehetővé téve a „mi lenne, ha” típusú szcenáriók elemzését. Míg az MIS célja a szervezet napi működésének támogatása, addig a DSS a döntéshozók számára nyújt mélyebb elemzéseket és alternatív javaslatokat. 11. Üzleti intelligencia, OLAP r