مدلهای کسب و کار و جریان اطلاعات
در هر برنامه کسب و کار، یک درک مشخص از مشکل کسب و کاری که برنامه قرار است حل کند، وجود دارد (یا حداقل باید وجود داشته باشد). به عنوان مثال، اثر جانبی یک برنامه صدور فاکتور مشتری، ایجاد فاکتورها برای ارسال به مشتریان است. اثرات جانبی دیگر میتواند شامل ثبت جزئیات حسابداری و محاسبه یک گزارش استفاده ماهانه باشد، اما به طور کلی هدف از این برنامه ایجاد فاکتورها است.
متأسفانه در عمل، هنگامی که برنامهها اصلاح، ادغام و گسترش مییابند، درک سطح بالای مشکل کسب و کار به وابستگی به جزئیات اجرایی و تصمیماتی که محدودیتهای مصنوعی را بر روی سیستم اعمال میکنند، تبدیل میشود. به دلیل طراحی الگوریتم ساختاری که بیشتر اجراکنندگان آموزش داده میشوند، ساختار کنترلی را در روش جریان اطلاعات از طریق پردازش تعیین میکنیم. اما این ساختار کنترلی همیشه وابستگیهای واقعی را که در برنامه اصلی وجود دارند، منعکس نمیکند، زیرا ممکن است تصمیم گیریهایی که تصمیم به اجرای یک مرحله پیش از مرحله دیگری را به خود میکنیم، مرحلههای موازی اصلی را به دو مرحله جداگانه تقسیم کند، اما یک تصمیم اجرایی ممکن است باعث شود که یک مرحله به مرحله دیگری پیش از آن اجرا شود.
همچنین هنگامی که سیستم تکامل مییابد، نوسان کارکنان فنی به از دست رفتن دانش در مورد اینکه چگونه این برنامه واقعاً مدل مشکل اصلی کسب و کار را نمایش میدهد، منجر میشود. تصمیمات موقت، یک جریان دقیق از کنترل پردازش ایجاد کردهاند که ممکن است دیگر واقعیت وابستگی دادهای برنامه را منعکس نکند. بنابراین وقتی که تحلیلگران تلاش میکنند تا راهی که اطلاعات در داخل سیستم استفاده میشود را تجزیه و تحلیل کنند، بیشتر آنها ممکن است از ناامیدی دست بکشند.
در این مطلب، ما به توصیف آنچه مدیران با تجربه باید در مورد چگونگی هماهنگی جریان اطلاعات مدل تجاری ، چرا خط تولید سنتی پردازش داده ممکن است این کار را دشوار کند و چگونه باید شرکتکنندگان را سازماندهی کنیم تا در نقشهبرداری و اسناد این مدلها همکاری کنند، خواهیم پرداخت.
مورد کسب و کار
فرض کنید درگیر ساختن یک دیتا مارت برای هدف تجزیه و تحلیل پرتفوی (portfolio) ارزش مشتریان بر اساس تمام تعاملات مشتریان باشید، از تماسهای تلفنی تا خریدها، برگشتیها، تماسهای خدمات مشتری، تاریخچه پرداخت و غیره. از یک طرف، شما باید تشخیص دهید که چه سازمانهایی دادهها را ارائه میدهند، چگونه و کی مجموعههای داده ارائه خواهند شد و چگونه دادهها برای ادغام در دیتا مارت سازماندهی و تغییر یافته خواهند شد. علاوه بر این، شما باید قادر باشید به سرعت مجموعههای داده جدید را به مارت داده ادغام کنید، زمانی که تصمیم گرفته شود آنها نیز در دیتا مارت شامل شوند. به عبارت دیگر، شما باید قادر باشید خدمات اطلاعاتی را به تحلیلگران کسب و کار ارائه دهید، هر کدام از آنها ممکن است به صورت منطقی یا فیزیکی در مکانهای مختلف قرار داشته باشند.
بدون داشتن درک واضحی از منابع داده، نحوه تغییر دادهها قبل از ورود به یک انبار داده، دادههایی که باید در دیتا مارت منتقل شوند و نوع برنامههایی که از این دادهها استفاده میکنند، ساخت این سیستم دشوار است، اگر حتی ممکن نباشد. بعد از اینکه سیستم ساخته شد، داشتن نقشهای از جریان اطلاعات ورودی و خروجی از سیستم برای ارائه یک مکانیزم پیگیری برای تأیید هر گونه نتیجهای که از تجزیه و تحلیل داده حاصل میشود، بسیار حائز اهمیت است. برای مدیریت این محیط، مفید خواهد بود که یک مدل سطح بالا از فرآیندهای مرتبط با پر کردن و استفاده از این دیتا مارت داشته باشیم.
کارخانه اطلاعات
اغلب سیستمها میتوانند به عنوان یک دنباله از مراحل پردازش مشاهده شوند که توسط کانالهای اطلاعات هدایت شدهاند و به نحوی تصویر کارخانهای از دورهٔ صنعتی را به ذهن میآورد. در واقع، بسیاری از عملکردگرایان این موضوع را به عنوان یک کارخانه اطلاعات توصیف میکنند. اگرچه این دیدگاه ممکن است در واقعیت دیدگاه ما از استفاده و ارزش اطلاعات را محدود کند، اما یک الگوی مفید برای مدلسازی فرآیند کسب و کار است.
ارزش مدلسازی جریان اطلاعات
در این نقطه شاید به ذهن شما بیاید: “موضوع اصلی مطالب ما در مورد هوش تجاری است. چرا باید به پردازشهای غیرتحلیلی بپردازیم؟”
پاسخ این است که هوش تجاری (BI) به تعامل یک شرکت با مشتریان محدود نمیشود، بلکه دانشی را شامل میشود که از هر مجموعه از مصرفکنندگان داده، مانند برنامههای کسب و کار داخلی (یعنی در داخل سازمان) و خارجی (یعنی در سراسر شرکت) به دست میآید. به عنوان مثال، یک تعامل زنجیره تامین بین شرکت شما و گروهی از تامینکنندگان محصول را در نظر بگیرید. دانش تجاری جاسازی شده است که از بررسی تمام جزئیات این تعاملات به دست میآید، از جمله اندازهگیری حساسیت تامینکننده به درخواستهای شما، زمان پاسخ، روشهای تحویل، پایبندی به توافقات قراردادی و تطابق با مسائل تحویل بهموقع.
برای استخراج این هوش، ما باید درک کنیم که چگونه برنامههای کسب و کار خود را پیادهسازی کردهایم و تصمیم بگیریم که چه دادههایی را باید جمعآوری کنیم و کجا این اطلاعات نیاز است. مدل جریان اطلاعات در این تصمیمگیری کمک میکند.
طراحی در مقابل اجرا
به طور سنتی، افراد اجرایی در طراحی الگوریتمها آموزش دیدهاند تا هر برنامه را به مجموعهای از مراحل پردازش مجزا تجزیه کنند که در واقع میتوانند به صورت مستقل پیادهسازی شوند. وقتی تمام مراحل به پایان میرسند، به هم میپیوندند تا برنامه کامل شود. اما این فرآیند تجزیه و تحلیل ساخت برنامهها منجر به مدل خط تولید اطلاعات در راهی میشود که دادهها و نتایج جزئی از یک مرحله پردازش به مرحله دیگری ارسال میشوند. این فرآیندها دادهها (مثلاً جریان تراکنش یا سوابق استخراجشده از چندین مجموعه داده) را به عنوان ورودی میگیرند و محصولی را به عنوان خروجی ارائه میکنند. این محصول میتواند یک محصول فیزیکی (مانند فاکتورهایی که برای ارسال به مشتریان استفاده میشوند)، یک اثر جانبی (مانند تسویه ترتیب تراکنشها) یا یک محصول اطلاعاتی (مانند یک گزارش هوش تجاری) باشد.
برای ترمیم تأثیرات نهایی این فرآیند توسعه، یک قسمت مهم از روششناسی طراحی و اجرای یک برنامه تجاری، مدلسازی فرآیند تجاری به عنوان یک راه برای هدایت اجرای الگوریتمی است. در واقع، ساخت این مدل مرحله اول در فرآیند بهرهبرداری از اطلاعات است. این مدلسازی فرآیند تجاری، شامل توصیفهای اشیاء تجاری است که در سیستم با یکدیگر تعامل دارند، و همچنین تعاملات بین کاربران و اشیاء تجاری. این مفهوم همچنین برای برنامههای تجزیه و تحلیل و هوش تجاری صدق میکند، جایی که محصول نهایی به عنوان مورد استفاده و مزیتهای تجزیه و تحلیلی توصیف میشود.
مزایای مدل فرآیند تجاری
مزایای عمدهای برای ساخت این مدل وجود دارد. یکی از آنها این است که درک جریان اطلاعات مستند منطقی برای فرآیند تجاری فراهم میکند. دیگر مزیت آن این است که امکان افزودن ارزش از طریق نوعی پردازش تجزیه و تحلیلی که در آینده به آن میپردازیم ، به نمایش میگذارد. مزیت سوم این فرآیند مدلسازی تجاری در انتقال نیازهای کاربر به تیم اجرایی است. زمانی که یک چارچوب رسمی برای توصیف یک فرآیند استفاده میشود، نه تنها ترجمه نیازهای کاربر به نیازهای سیستم را آسان میکند، بلکه مدیر را به نمایش دید اجمالی از این که کنترل چگونه در سراسر سیستم منتقل و چگونه اطلاعات از طریق سیستم جاری میشود، میآورد، هر دوی اینها به نوبه خود در هدایت تجزیه و تحلیل مشکل به اجزای قابل اجرا کمک میکند.
به طور کلی، یک جریان اطلاعات، به عنوان بخشی از یک مدل فرآیند تجاری، به مزایای زیر میانجامد …
- نقشه مسیر توسعه:
شناسایی اینکه چگونه اطلاعات استفاده و پخش میشود، به هدایت توسعه واسطها بین اجزای اجرایی گسسته و همچنین ردیابی توسعه در مقابل نیازهای اصلی کمک میکند.
- نقشه عملیاتی:
وقتی که برنامه در محیط تولید است، مدل توصیفی راجع به اینکه چگونه مجموعههای داده تحلیلی ایجاد میشوند فراهم میکند، همچنین نقطه شروعی برای عیبیابی در عمل است. همچنین میتوان از آن برای عیبیابی و جداسازی مشکلات کیفیت داده، تصویری از جریان کار و کنترل به اطلاعات استفاده شده داشت و فرصتهای بهینهسازی را آشکار کرد.
- کنترل مدیریتی:
این مدل یک راه برای مشاهده نحوه پخش اطلاعات در سراسر سازمان فراهم میکند، تا در نقاط ضعف استفاده از اطلاعات (یا بازاستفاده) شناسایی کند و فرآیندهای مرتبط با یکپارچهسازی اطلاعات را آشکار کند.
- محاسبه بازده سرمایه گذاری (ROI) :
این به مدیر اجازه میدهد استفاده از اطلاعات، میزان پردازشی که به افزودن ارزش نیاز است، و میزان اصلاح و پیشگیری از خطا که برای افزودن ارزش لازم است و همچنین تعداد هزینههای مرتبط با تولید ارزش تجاری نهایی را در رابطه با هزینهها مرتبط با تولید ارزش تجاری متصل کند.
شرکت داده های هوشمند ساویس با هدف کمک به طراحی، توسعه و رشد محصول و کسب و کار خدمات متفاوتی ارائه میکند. با توجه به اینکه مجموعه شما چه ابعاد و نیازهایی دارد، برنامه همکاری و سرویسدهی به شما بطور منحصر بفرد طراحی و بصورت پروپوزال به شما ارائه میشود. با توجه به اهداف هوش تجاری و موارد مطرح شده در این مطلب میتوانید با استفاده از داشبوردهای هوش تجاری، کسب و کار خود را ارتقاء دهید.
ما در مطالب بعدی، در رابطه با پردازش اطلاعات و جریان اطلاعات، الگوهای پردازش مختلف و چگونگی نگاه به یک برنامه تجاری به مواردی اشاره خواهیم کرد؛ امید است که ارائه این مطالب شما را به شناخت بهتر هوش تجاری نزدیک کند و بتواند موفقیتی برای کسب و کار شما باشد.