هوش تجاری

هوش تجاری و نقش آن در ارتقای مدیریت عملکرد شرکت

ازآنجایی‌که هر سازمان کوچک و بزرگی برای پیشرفت کسب‌وکار خود به اطلاعات نیاز دارد تا بتواند آینده را پیش‌بینی کند، اطلاعات به اصلی‌ترین ابزاری تبدیل شده که برای درک روندهای بازار و کشف جایگاه در بازار رقابتی از آن استفاده می‌شود. هوش تجاری به معنای استفاده از داده‌های سازمانی متنوع برای ارائه اطلاعات و تحلیل‌های معنادار به کارکنان، مشتریان، تأمین‌کنندگان و شرکا برای تصمیم‌گیری کارآمدتر و مؤثرتر است.

برنامه‌های BI شامل سرویس‌های سیستم‌ پشتیبان تصمیم‌گیری، تحقیق و گزارش، پردازش تحلیلی آنلاین (OLAP)، انبار داده (DW)، تجزیه‌وتحلیل آماری، پیش‌بینی و داده‌کاوی است. این مقاله نشان‌دهنده اهمیت BI، دامنه BI، اجزای BI و تأثیر KPIها بر CPM است. این مقاله همچنین تفاوت‌های بین BI، MIS، DSS، EIS و ES را نشان می‌دهد.

لازمه کسب موفقیت در سطح بین‌المللی این است که بدانیم فردا چگونه از امروز متفاوت خواهد بود. با داشتن چنین دیدگاهی است که فرصت‌ها نمایان می‌شوند. در سال‌های اخیر مشاغل و شرکت‌های گوناگون تغییرات عمده‌ای را در دنیای تجارت ایجاد کرده‌اند. امروزه برای جهانی کردن شرکت‌ها، محیط سازمانی آن شرکت باید سازگار با بازار رقابتی جهانی باشد. رشد یک شرکت به توانایی آن در به‌روزرسانی و ادغام، سفارشی‌سازی و گسترش اپلیکیشن‌های کامپیوتری به شیوه‌ای انعطاف‌پذیر با سرعت بالا بستگی دارد که به کاربران امکان دسترسی فوری به تمام مدل‌ها یا داده‌های تعاملی و سازگار را می‌دهد.

اهمیت روزافزون انعطاف‌پذیری در برابر شرایط مختلف، ارائه پاسخ سریع به شرایط واقعی بازار، رقابت قوی در سطح محلی یا جهانی، شرکت‌ها را به استفاده از فناوری اطلاعات مدرن برای تغییر و به‌روز کردن سازمان و روش‌های مدیریت کسب‌وکار سوق داده است. در این صورت، با توسعه اینترنت و خدمات وب هر کسب‌وکاری دچار تغییرات می‌شود و با عرضه محصولات یا خدمات جدید و گسترش بازارها، سیستم رقابتی را تحت‌تأثیر قرار می‌دهد. این امر استفاده از اپلیکیشن‌های شخصی را غیرممکن می‌کند و لزوم ادغام اطلاعات در سیستم‌های پیچیده را برای تصمیم‌گیری به‌موقع و بهتر گوشزد می‌کند. هوش تجاری در شرکت‌های بزرگی که حجم وسیعی از داده را ذخیره می‌کنند تا از آن‌ها برای گرفتن تصمیمات درست در زمان درست استفاده کنند، نقش مهمی را ایفا می‌کند.

هوش تجاری: دیدگاه‌های مختلف

هوش تجاری (BI) دسته بزرگی از اپلیکیشن‌ها و تکنولوژی‌ها است که به کاربران سازمانی در جمع‌آوری، ذخیره‌سازی، پاک‌سازی، تجزیه‌وتحلیل و دسترسی به داده‌ها کمک می‌کند. مجموعه این سرویس‌ها با این هدف ارائه می‌شوند که سازمان‌ها باتکیه‌بر این داده‌ها بتوانند در زمان درست تصمیمات درستی بگیرند. استاکوویاک و همکاران در سال ۲۰۰۷ هوش تجاری را فرایند جمع‌آوری مقادیر زیادی داده، تجزیه‌وتحلیل و ارائه مجموعه‌ای از گزارش‌های سطح بالا از آن‌ها تعریف می‌کنند که مدیر کسب‌وکار در تصمیم‌گیری‌های مهم و روزانه خود بر آن‌ها تکیه می‌کند. طبق این گزارش‌ها، پایه و اساس فعالیت‌های تجاری تحت‌تأثیر این داده‌ها تغییر پیدا کرده‌‌اند.

BI به‌عنوان «اطلاعات و اپلیکیشن‌های در دسترس برای تمام کارکنان، مشاوران، مشتریان، تأمین‌کنندگان و عموم» تعریف می‌شود.

برای تصمیم‌گیری صحیح باید به اطلاعات صحیح در زمان صحیح دسترسی داشته باشید. تجزیه‌وتحلیل داده و ابزارهای تحقیق و گزارش به کاربران تجاری در استخراج اطلاعات ارزشمند کمک می‌کند.

ازآنجایی‌که توسعه هر استراتژی تجاری موفق نیاز به اطلاعات و دانش کافی در مورد وضعیت بازار دارد، با ظهور تکنولوژی‌های جدید و مفاهیمی مانند BI، دسترسی و مدیریت انواع اطلاعات برای کسب‌وکارها راحت‌تر شده است.

پیش از ظهور عصر اطلاعات، دسترسی به اطلاعات در غیاب روش‌های محاسباتی بسیار دشوار بود و شم مدیریتی افراد در گرفتن تصمیمات تجاری حرف اول را می‌زد. اما در دنیای مدرن امروزی، استفاده از فناوری هوش تجاری تقریباً در همه انواع مشاغل دیده می‌شود. با پیشرفت تکنولوژی می‌توانیم در کمترین زمان ممکن به حجم وسیعی از داده‌ها دسترسی داشته باشیم و با استفاده از کامپیوتر داده‌ها را برای تصمیم‌گیری‌های استراتژیک و بلندمدت تجزیه‌وتحلیل کنیم. بااین‌حال، اگر به تاریخچه کوتاه BI نگاه کنیم، می‌بینیم که مفهوم هوش تجاری یک مفهوم کاملاً جدید است که برای تسهیل تصمیم‌گیری‌های تجاری ایجاد شده. به طور معمول، اپلیکیشن‌های تجاری اولیه هرکدام برای پشتیبانی از سرویس‌های خود، یک پایگاه‌داده مجزا داشتند. این پایگاه‌های اطلاعاتی به‌عنوان «جزیره اطلاعات» شناخته می‌شدند چرا که هیچ سیستم دیگری به محتوای آن‌ها دسترسی نداشت. تعداد این جزایر با اتومات شدن بخش‌های بیشتر، زیادتر شد. هرگونه ادغامی که بین شرکت‌ها و یا بخش‌ها در این زمینه انجام می‌شد، مشکل را تشدید می‌کرد. زیرا که هر شرکت از سیستم متفاوتی استفاده می‌کرد با اینکه در عمل بیشتر آن‌ها وظایف مشابهی داشتند.

با تکامل فناوری اطلاعات در طول سال‌ها، شرکت‌ها بیشتر فعالیت‌های خود را خودکار کردند. حجم زیادی از داده‌های بسیار ارزشمند در این سیستم‌ها نادیده گرفته می‌شد. داده‌های موجود در زمینه فروش، حسابداری، تولید، منابع انسانی و بسیاری از سیستم‌های دیگر می‌توانند اطلاعات قابل‌توجهی را در مورد دیدگاه‌های گذشته، جاری و آینده در حوزه عملیات کسب‌وکار ارائه کنند.

اهمیت هوش تجاری

اصطلاح «هوش تجاری» به سیستم‌ها و فرایندهایی اطلاق می‌شود که به ساده‌سازی و کاربرد اطلاعات در سازمان کمک می‌کنند و با ارائه اطلاعات کلیدی به تصمیم‌گیرندگان  کسب‌وکارها در زمان مناسب، تصمیم‌گیری سریع و مناسب را ممکن می‌کنند.

سازمان‌ها را قادر می‌سازد تا با شاخص‌های کلیدی عملکرد هماهنگ باشند.

هوش تجاری به سازمان کمک می‌کند تا با اهداف کلیدی خود هماهنگ شود. برای این منظور، یک سازمان ابتدا باید شاخص‌های کلیدی عملکرد (KPI) خود را متناسب با سبک و استراتژی خود طراحی کند. شاخص‌های کلیدی عملکرد باید برای هر یک از سطوح سازمان از بالاترین سطح گرفته تا پائین‌ترین به ترتیب طراحی شوند. رمز موفقیت هوش تجاری این است که KPIها باید ۱-با فضای رقابتی موجود در سازمان هماهنگ باشند، ۲-به عنوان عوامل اصلی که تعیین‌کننده دستاوردهای آینده هستند شناسایی شوند، ۳-به جای نتایج بر عملکرد متمرکز باشند و ۴-به معیارهای مختلف اجازه ترکیب و ادغام بدهند.

تصمیم‌گیری درست را در زمان درست و از طریق مسیر درست ممکن می‌کند.

نوع برداشت ما از داده‌ها بر تصمیمات ما تأثیر می‌گذارد و آن‌ها را تغییر می‌دهد؛ بنابراین ضروری است که داده‌ها به طور دقیق و آسان در دسترس باشند. هوش تجاری دسترسی آسان به داده‌ها را در قالب واقعی آن امکان‌پذیر می‌کند و امکان تصمیم‌گیری سریع‌تر و مبتنی بر واقعیت را فراهم می‌کند.

داده‌ها را از منابع مختلف برای تصمیم‌گیری بهتر با هم ترکیب می‌کند.

اغلب تصمیمات اتخاذ شده در یک سازمان بیش از یک جنبه مسائل را تحت‌تأثیر قرار می‌دهند. تمرکز تصمیمات تجاری یا بازاریابی مشتریانی هستند که سازمان قصد سرمایه‌گذاری روی آن‌ها را دارد، تصمیمات مالی بر اساس شانس فروش و بازاریابی تعیین می‌شوند و تصمیمات مربوط به ساعات کاری بر اساس نیازهای کارمندان، نرخ فرسودگی و احتمال کسب معاملات جدید مشخص می‌شوند؛ بنابراین برای گرفتن هرگونه تصمیم تجاری به داده‌ها و معیارهایی از جنبه‌های مختلف یک سازمان نیاز داریم. هوش تجاری داده‌ها را نه‌تنها از جنبه‌های مختلف، بلکه در نسبت‌ها و قالب‌های متنوع فراهم می‌کند و امکان مقایسه این معیارها را برای تصمیم‌گیری مؤثر و کارآمد ایجاد می‌کند.

به‌صورت مکرر از مجموعه‌های مختلف داده برای تولید داده‌های انبوه و آمار متناسب با سطح کاربران استفاده می‌کند.

هوش تجاری به سیستمی می‌گویند که امکان جمع‌آوری داده‌ها و معیارهای مختلف را به‌منظور تصمیم‌گیری کارآمد فراهم می‌کند؛ بنابراین سیستمی را ایجاد می‌کند که در آن جمع‌آوری و توزیع داده‌ها به شیوه‌ای مؤثر انجام می‌شود. با این روش داده‌هایی که گردآوری می‌شوند، همگی دقیق هستند. هوش تجاری نه‌تنها سرعت تصمیم‌گیری را بالا می‌برد؛ بلکه داده‌های حقیقی را در مرکز این تصمیم‌گیری‌ها قرار می‌دهد.

اهداف سیستم BI

 

شکل ۱: نقش سیستم‌های BI در تصمیم‌گیری‌ها

سیستم هوش تجاری (BIS) دسترسی را به داده‌های سازمانی ممکن می‌کند و تجزیه‌وتحلیل آن‌ها را در برابر شاخص‌های کلیدی عملکرد (KPI) راحت‌تر می‌کند و از این طریق تصمیمات تجاری را ارتقا می‌بخشد. برای این منظور باید اطلاعات بیشتری در هر سطح از شرکت در دسترس افراد باشند و هر سطح مدیریتی توانایی بیشتری در پاسخگویی به روندهای فعلی بازار داشته باشد.

هر جنبه‌ای از کسب‌وکار را می‌توان به طور مؤثر با یکدیگر هماهنگ کرد و در سطوح مختلف مدیریت با آن برخورد کرد.

سیستم‌های BI با سیستم‌های مدیریت قدیمی (مانند MIS، DSS، ES و EIS) در برآوردن انتظارات تصمیم‌گیرندگان و مدیران تفاوت دارند. از جمله:

  • تصمیم‌گیری در شرایط زمانی دشوار
  • نظارت بر رقابت در بازار
  • پردازش اطلاعات کاملی که چندین دیدگاه مختلف را در خود جای داده و تجزیه‌وتحلیل داده‌ها در مقیاس بزرگ از منابع مختلف.

سیستم اطلاعات اجرایی (EIS) یک سیستم کامپیوتری است که برای ارائه اطلاعات جاری و متناسب برای پشتیبانی از تصمیمات اجرایی مدیران در نظر گرفته شده است. EIS از یک فضای کاری شبکه‌بندی شده استفاده می‌کند. تأکید آن بر یک نمایشگر گرافیکی و یک رابط کاربری آسان است که اطلاعات را از پایگاه‌داده شرکت منتقل می‌کند.

سیستم پشتیبانی اجرایی (ESS) یک سیستم اطلاعات اجرایی (EIS) است که قابلیت‌هایی از جمله کمک در تصمیم‌گیری‌ها و ارائه تجزیه‌وتحلیل خاص دارد.

سامانه تخصصی یک سیستم ماشینی – انسانی است که برای ارائه راهکارهای تخصصی برای مشکلات ساخته شده است. «تخصص» شامل دانش در مورد یک حوزه خاص و درک مشکلات مربوط به آن حوزه و «مهارت» به معنی توانایی حل این مشکلات است.

BI با MIS (یعنی DSS، EIS و ES) در این موارد متفاوت است: دامنه موضوعی وسیع‌تر، تحلیل چندمتغیره، داده‌های نیمه‌ساختاریافته که از منابع مختلف سرچشمه می‌گیرند و ارائه داده‌های چندبعدی.

فرض ممکن بر این است که BI از تصمیم‌گیری در تمام سطوح مدیریتی بدون توجه به سطح ساختاری آن‌ها حمایت می‌کند. در سطح استراتژیک، BI امکان تعیین دقیق اهداف و پیگیری تحقق آن‌ها را فراهم می‌کند. با BI می‌توان گزارش‌های مقایسه‌ای مختلفی تهیه کرد. به طور مثال: نتایج گذشته، سودآوری پیشنهادهای خاص،  اثربخشی کانال‌های توزیع به همراه انجام شبیه‌سازی توسعه یا پیش‌بینی نتایج آتی بر اساس برخی مفروضات.

وظایفی که در سیستم‌های BI گنجانده شده‌اند عبارت‌اند از کاوش هوشمند، یکپارچه‌سازی، تجمیع و تجزیه‌وتحلیل چندبعدی داده‌ها که از منابع اطلاعاتی مختلف نشئت می‌گیرند.

سیستم‌های BI داده‌های سیستم‌های اطلاعاتی مختلف سازمان را با هم ترکیب می‌کنند. آن‌ها داده‌ها را از محیط‌های مختلف به‌عنوان‌مثال آمار، پورتال‌های مالی و سرمایه‌گذاری و پایگاه‌های اطلاعاتی متفرقه ادغام می‌کنند.

اجزای سیستم‌های BI

توسعه سیستم‌های هوش تجاری با درخواست سیستم‌های چندبعدی و پویا که قادر به پشتیبانی از فرایندهای تصمیم‌گیری هوشمند و دارای قابلیت‌های مشخصی بودند، تعیین شد.

کسب‌وکارها به‌مرورزمان ارزش تحلیلی داده‌هایی را که در جزایر اطلاعاتی خود در دسترس داشتند، تشخیص دادند. در واقع، همراه با روند اتومات کردن سیستم‌ها داده‌های بیشتری در اختیار کسب‌وکارها قرار گرفت. بااین‌حال، جمع‌آوری این داده‌ها برای تجزیه‌وتحلیل به دلیل ناسازگاری که بین سیستم‌ها وجود داشت، به یک چالش تبدیل شده بود.

هوش تجاری دسته وسیعی از اپلیکیشن‌های نرم‌افزاری و تکنولوژی است که در جمع‌آوری، ذخیره، تجزیه‌وتحلیل و ارائه دسترسی به داده‌ها به مدیران و کارکنان در تصمیم‌گیری بهتر کمک می‌کند. BI می‌تواند شامل سیستم‌های پشتیبان تصمیم‌گیری، تحقیق و گزارش، پردازش تحلیلی آنلاین (OLAP)، تجزیه‌وتحلیل آماری، پیش‌بینی و داده‌کاوی باشد.

این سیستم‌ها پیچیده‌تر و پیچیده‌تر می‌شوند. داده‌ها را به‌صورت چندبعدی تجزیه‌وتحلیل می‌کنند. دارای قابلیت‌هایی همچون تحلیل آماری و اخباری هستند و به‌خوبی تصمیمات گوناگون را تجزیه‌وتحلیل می‌کنند.

BI سازمان را قادر می‌سازد تا به اطلاعات دقیق و کامل در زمان مناسب و در قالب مناسب برای دستیابی به هدف خاصی دسترسی داشته باشد.

  • انبار داده و داده‌گاه

یک انبار داده به‌عنوان یک مخزن ذخیره اطلاعات منسجم برای تحقیق و تجزیه‌وتحلیل کارآمد است. اطلاعات از منابع ناهمگن به هنگام تولید یا به‌روزرسانی استخراج می‌شوند. سپس اطلاعات به یک مدل رایج داده ترجمه شده و با داده‌های موجود در انبار همگن می‌شود.

در انبار داده، شما داده‌های اطلاعاتی، داده‌های عملیاتی و داده‌هایی که از منابع مختلف جمع‌آوری شده‌اند را ذخیره می‌کنید و برای استفاده در تصمیم‌گیری‌ها، آن‌ها را به یک زبان مشترک تبدیل می‌کنید.

اولین تعریف توسط بیل اینمن که به‌عنوان پدر مفهوم انبار داده شناخته می‌شود، ارائه شده است: «انبار داده مجموعه‌ای موضوع‌محور، یکپارچه، متأثر از تغییرات زمانی و دائمی از داده‌ها در حمایت از فرایند تصمیم‌گیری مدیران است.»

داده‌گاه یک پایگاه‌داده یا مجموعه‌ای از پایگاه‌های داده است که برای کمک به مدیران در تصمیم‌گیری استراتژیک در مورد تجارت خود طراحی شده است. درحالی‌که یک انبار داده پایگاه‌های داده را در سراسر سازمان ترکیب می‌کند، داده‌گاه‌ها معمولاً کوچک‌تر هستند و بر یک موضوع یا بخش خاص تمرکز دارند. برخی از داده‌گاه‌ها که به آن‌ها داده‌گاه‌های مستقل گفته می‌شود، زیرمجموعه‌ای از انبارهای داده بزرگ‌تر هستند.

اینمون و همکارانش داده‌گاه را به‌عنوان «زیرمجموعه‌ای از انبار داده که متناسب با نیازهای یک بخش سفارشی شده است» تعریف می‌کنند. آن‌ها همچنین تأکید می‌کنند که: «داده‌گاه زیرمجموعه‌ای از یک انبار داده است که داده‌هایی با جزئیات‌ بیشتر در آن کمتر دیده می‌شوند و بیشتر داده‌ها به‌صورت خلاصه‌شده هستند.»

انبار داده یا DW اغلب با یک‌سری ویژگی‌های مشترک شناخته می‌شود:

  • استخراج، تبدیل، بارگذاری (ETL):

واردکردن داده‌ها به انبار داده اغلب چون منابع داده‌ها با یکدیگر متفاوت است، فرایندی نسبتاً دشوار است؛ بنابراین بروز ناهماهنگی در شکل و نوع داده‌ها دور از انتظار نیست.

ETL (استخراج، تبدیل، بارگذاری) فرایندی در انبار داده است که داده‌ها را از منابع گوناگون جمع‌آوری می‌کند و در انبار داده قرار می‌دهد. ETL شامل وظایف زیر است:

  • استخراج داده از منابع مختلف (Oracle ERP، SAP، ERP و سایر سیستم‌های عملیاتی): داده‌ها از منابع مختلف طبق فرمت ثابت انبار داده تغییر شکل می‌دهند و برای فرایند تبدیل آماده می‌شوند.
  • تبدیل داده: تبدیل داده ممکن است شامل مراحل زیر باشد:
    • اعمال قوانین و مقررات تجارت (به‌اصطلاح مشتقات، از جمله محاسبه معیارها و ابعاد جدید)
    • تمیزکاری (به‌عنوان‌مثال نگاشت NULL به ۰ یا “MALE” به “M” و “FEMALE” به “F” و غیره)
    • فیلترسازی (به‌عنوان‌مثال انتخاب ستون‌های خاصی برای بارگذاری)
    • تقسیم یک ستون به چند ستون و برعکس.
    • ادغام داده‌ها از منابع مختلف (به‌عنوان‌مثال جستجو و ترکیب)
    • جابه‌جایی سطرها و ستون‌ها
    • استفاده از هر نوع سیستم ساده یا پیچیده برای اعتبارسنجی داده (به‌عنوان‌مثال اگر ۳ ستون اول یک ردیف خالی است، از پردازش سطر صرف‌نظر کنید.)
  • بارگذاری داده: بارگذاری داده در انبار داده یا مخزن داده در سایر برنامه‌ها.
  • ابعاد:

انبار داده اغلب به شکل یک ستاره طراحی می‌شود و یک جدول حقایق بزرگ به‌عنوان نقطه شروع  برای سایر جداول که اطلاعات ابعاد را در خود جای می‌دهند، به کار برده می‌شود. ابعاد از موضوع‌های موردعلاقه در زمینه تجزیه‌وتحلیل هستند.

  • OLPA و OLTP

سیستم‌های پردازش آنلاین (OLTP) نوعی پایگاه‌داده هستند که داده‌های متغیر مانند داده‌های فروش، مشتریان، سهام و غیره را در خود جای می‌دهند. این نوع پایگاه‌داده در واقع تصویر سازمان در یک‌زمان خاص و در یک نقطه‌ای از مسیر را نشان می‌دهند.

OLTP (پردازش عملیات آنلاین) نوعی از برنامه‌ است که اپلیکیشن‌های عملیات گرا را تسهیل و مدیریت می‌کند. معمولاً در عملیات ورود و بازیابی اطلاعات در تعدادی از صنایع، از جمله بانک‌داری، خطوط هوایی، سفارش پستی، سوپرمارکت‌ها و تولیدکنندگان از آن استفاده می‌شود.

OLTPOLAP
اپلیکیشنعملیاتی: ERP، CRM، برنامه‌های قدیمی و غیرهسیستم اطلاعات مدیریتی، سیستم پشتیبان تصمیم‌گیری
کاربران عمومیکارکنانمدیران، مجریان
چشم‌اندازهفتگی، ماهانهسالانه
به‌روزرسانی دادهبلافاصلهدر بازه‌های زمانی
مدل دادهموجودیت – رابطهچندبعدی
طرح‌وارهعادیستاره
تأکیدبه‌روزرسانیبازیابی

جدول ۱: تفاوت‌های اصلی بین OLAP و OLTP را خلاصه می‌کند.

  • داده‌کاوی

داده‌کاوی اغلب به‌عنوان «کشف دانش در پایگاه‌های داده» (KDD) شناخته می‌شود.

«داده‌کاوی تجزیه‌وتحلیل مجموعه‌داده‌های مشهود (اغلب بزرگ) برای کشف روابط نامعلوم و در نهایت خلاصه‌کردن داده‌ها به روش‌های جدید است به‌طوری‌که برای صاحب داده قابل‌درک و مفید باشد.»

چهار مرحله اصلی چرخه داده‌کاوی عبارت‌اند از:

  1. ایجاد ایده و فرضیه.
  2. اعتبار بخشیدن به ایده‌ها بر اساس الگوهای موجود در داده‌ها.
  3. تبدیل نتایج به بخش‌های کارآمد.
  4. اندازه‌گیری نتایج.

فرایندهای گسترده‌ و متنوعی را می‌توان با تکنیک‌های پیشرفته داده‌کاوی انجام داد. انواع این فرایندها را می‌توان در دسته‌بندی زیر قرار داد: طبقه‌بندی، خوشه‌بندی، تخمین، گروه‌بندی همگرا یا تحلیل سبد بازار، پیش‌بینی و تطبیق الگوی ترتیبی یا تجزیه‌وتحلیل سری‌های زمانی.

شاخص‌های کلیدی عملکرد (KPI)

شاخص‌های کلیدی عملکرد راهنمای کسب‌وکارها در تصمیماتی هستند که بر فعالیت‌ها در یک بخش کوچک یا تمام سازمان تأثیر می‌گذارند.

شاخص‌های کلیدی عملکرد که به‌عنوان KPI یا شاخص‌های کلیدی موفقیت (KSI) شناخته می‌شوند، سازمان را در تعریف و اندازه‌گیری پیشرفت راهنمایی می‌کنند و توانایی‌هایی آن‌ها در دستیابی به اهداف را اندازه‌گیری می‌کنند. این شاخص‌ها، شاخص‌های کمی هستند. KPIها به ماهیت و مشخصات کسب‌وکار بستگی دارند.

KPIها عمدتاً مبتنی بر معیارهای هزینه‌محور هستند. درحالی‌که یک استراتژی تجاری مناسب در مقایسه با KPI، از جنبه‌های بیشتری برای ایجاد ارزش آتی از طریق سرمایه‌گذاری در مشتریان، تأمین‌کنندگان، کارکنان، فرایندها، فناوری و نوآوری برخوردار است.

تأثیر KPIS بر مدیریت عملکرد شرکت (CPM)

به‌منظور حفظ جایگاه در بازار رقابتی و در نتیجه بقا به‌عنوان یک سازمان، شرکت‌ها باید قادر به بهبود مستمر عملکرد خود باشند. بهبود عملکرد در محیط کسب‌وکار پیچیده، پویا و گیج‌کننده امروز که برای بقا در آن باید تصمیمات قوی و عملکرد بهتری داشته باشیم، از اهمیت و کاربرد دو چندانی برخوردار است. برای مدیریت مؤثر عملکرد کسب‌وکار ابتدا باید عملکرد فعلی را اندازه‌گیری کنیم و بعد از شناسایی نقاط ضعف، برای بهبود عملکرد خود تصمیماتی را اتخاذ کنیم.

پنل هواپیما (داشبورد) آن را در نظر بگیرید که از صفحه‌های ابزار و سنجش‌گر‌ها تشکیل شده است. همان‌طور که خلبانان می‌توانند اطلاعات لازم برای هدایت هواپیما را با پردازش شاخص‌های متعدد و گوناگون به دست آورند، سازمان‌ها نیز به ابزارهای دقیقی (KPIS) در جنبه‌های مختلف نیاز دارند تا از کیفیت عملکرد خود مطمئن شوند.

از نظر تئوری، استفاده صحیح از KPIها را می‌توان از دیدگاه‌های مختلف مورد بررسی قرارداد. اولاً، KPIها مستقیماً با استراتژی سازمان مرتبط هستند و مستقیماً به اهداف استراتژیک سازمان کمک می‌کنند. این الزامات کاربرد KPI را در سطح سازمان و پروژه نشان می‌دهد. «داشبورد» شرکت‌ها از چندین KPI تشکیل شده است.

هنگام تعیین این KPI ها، مهم است که ترکیب مناسبی از آن‌ها باتوجه‌به درجه اهمیتشان در سازمان‌ها وجود داشته باشد. بدین ترتیب KPIها که جنبه‌های مختلف فرایندهای تجاری را نشان می‌دهند، تعیین می‌شوند.

نتیجه‌گیری

استفاده گسترده از فناوری اطلاعات می‌تواند حجم عظیمی از داده‌ها را در یک سازمان تولید کند. این داده‌ها حاوی اطلاعاتی هستند که برای تصمیم‌گیرندگان سازمان بسیار ارزشمندند. BI کلید استفاده از این داده‌های انبوه است که در یک شرکت انباشته می‌شوند.

با BI، کاربران غیرفنی می‌توانند عوامل پویایی کسب‌وکار خود را تشخیص دهند.

BI می‌تواند به کاهش هزینه‌ها، افزایش درآمد و بهبود رضایت مشتری کمک کند. درحالی‌که که بسیاری از فواید BI قابل‌اندازه‌گیری هستند، برخی از فواید ناملموس‌تر آن از جمله بهبود ارتباطات در سرتاسر شرکت، بهبود رضایت شغلی کاربران توانمند یا به اشتراک گذاشتن سرمایه فکری، می‌تواند کسب‌وکار را در جایگاه بالاتری نسبت به رقیبان قرار دهد.

CPM می‌تواند نقش مهمی در کنترل هزینه‌ها، بهینه‌سازی منابع و حصول اطمینان از همکاری واحدهای تجاری ایفا کند. هوش تجاری (BI) با ارائه اطلاعات در زمان مناسب و فرم مناسب و ایجاد توانایی استدلال و درک معنای پشت این اطلاعات از طریق کشف، تجزیه‌وتحلیل و تحقیقات ویژه، نقش مهمی را در مدیریت عملکرد ایفا می‌کند.

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دوره جامع و بلندمدت «متخصص حرفه‌ای هوش تجاری» با رویکرد کاربردی و اجراییاطلاعات بیشتر و ثبت‌نام
بستن