POGLAVLJE 5 PODACI, MODELIRANJE I KORISNICKI INTERFEJS

Podaci, modeliranje i korisnicki interfejs

Sta su podaci?

Podaci se definiu kao stvari koje se znaju ili pretpostavljaju, injenice i/ili
figure na osnovu kojih se mogu donositi zakljuci

ta je informacija i koje su njene karakteristike?

Informacija se definie kao procesiran podatak ili steeno znanje , a

karakteristike pravovremenost, dovoljnost, nivo detaljnosti, razumljivost,
nepristrasnost,relevanstonost,uporedivost ,pouzdanost, isplativost

ta je modeliranje i navedite njegove dimenzije!

Modeliranje je pojednostavljenje odreenog fenomena u svrhu

razumijevanja njegovog ponaanja

Svrha modela jeste prezentovanje kritinih veza na nain da vodi

donosioce odluka ka eljenom cilju, te pojednostavljenje konteksta
odluivanja kako bi donosioci odluka jasno razumjeli alternative i
njihove posljedice

Prezentacija modela

Vremenska dimenzija

Linearnost

Deterministiki vs. stohastiki model

Deskriptivni vs. normativni model

Uzronost vs. korelacija

Metodoloka dimenzija

Kako se modeli mogu prezentirati? Obrazloite neke od dimenzije

modela!

Prezentacija opisuje vrstu podataka potrebnih za model, to dalje diktira

neophodne pristupe za prikupljanje i procesiranje podataka

Eksperimentalni modeli se zasnivaju na procesiranju informacija ljudi.

Ovi modeli podrazumijevaju prosudbe, ekspertna miljenja i subjektivne
procjene. Mana: subjektivnost
Objektivni modeli se zasnivaju na specificiranim, nezavisnim podacima i
njihovoj analizi poznatim tehnikama. Podaci su specificirani, konstantni i
nezavisni od iskustva donosioca odluka. Mana: promjena odreenih faktora
iz okruenja dovodi u pitanje relevantnost matematikih modela

Korisniki interfejs

Svrha korisnikog interfejsa je komunikacija izmeu korisnika i

raunara, odnosno cilj je minimizirati koliinu pogreno percipiranih
informacija sa obje strane i istovremeno minimizirati napor koji ulae
korisnik, a sve u cilju iskoritenja punog potencijala sistema

3 cilja korisnikog interfejsa:

1. Adekvatna brzina pri kojoj donosioci odluka mogu prikupljati

dostupne informacije

2. Efektivnost u smislu da interfejs prua komfortabilan rad i

fokusiranje na podatke i modele

3. Jednostavan za uenje

POGLAVLJE 6 POSLOVNA INTELIGENCIJA

Poslovna inteligencija

- ta je poslovna inteligencija (PI)?

Poslovna inteligencija je proces prikupljanja raspoloivih internih i

relevantnih eksternih podataka, te njihovog pretvaranja u korisne
informacije koje mogu pomoi poslovnim korisnicima u donoenju odluka

- Historijski pregled

Termin PI je nastao 1990-ih godina od strane Gartner Group-a, iako

koncept ima korijene u MIS sistemima za izvjetavanje (1970)

Sistemi za izvjetavanje su tada bili statini, dvodimenzionalni i bez

analitikih mogunosti, te se u 1980-im javljaju EIS sistemi sa
karakteristikama multidimenzionalnosti, izvjetavanja, predvianja i
analiza trenda
 - Osnovna svojstva poslovne inteligencije

Zasniva se na personalizaciji koja podrazumijeva postupak

prilagoavanja informacija specifinim korisnicima

Po prirodi je proaktivna PI dostavlja informacije korisnicima na bazi

uoenih odstupanja i posebnih uvjeta poslovanja

Nastaje iz operativnih podataka izvor podataka je u poslovnim

procesima

- Arhitektura i prednosti poslovne inteligencije

4 glavne komponente:

Skladite podataka (Data Warehouse DW)

Poslovna analitika

Menadment performansi poslovanja (Business performance

management BPM)

Korisniki interfejs

Prednosti:

Iako je mnogo prednosti PI nematerijalno, Thompson (2004) na

osnovu obavljenih istraivanja i anketiranja izdvaja sljedee
prednosti PI:

Bre i tanije izvjetavanje

Poboljano donoenje odluka

Poboljana usluga klijentima

Povean prihod

- Povezanost PI DSS?

1.Slina arhitektura jer je PI evoluirala iz DSS-a, iako je PI prikladnija za

vee organizacije, dok je DSS prilagoen za bilo koji tip organizacije

2.Veina DSS-a je kreirana u cilju direktne podrke odluivanju, dok je PI

primarno usmjerena na obezbjeivanje tanih i pravovremenih informacija,
te indirektno podrava proces odluivanja

3.BI je vie izvrno i strateki orijentirana, dok je DSS analitiki

orijentiran
4.Veina PI sistema je kreirana sa komercijalno dostupnim alatima i
komponentama koji se prilagoavaju potrebama organizacije, dok se u
kreiranju DSS-a konstruiu rjeenja za nestrukturirane probleme, te
je potrebno vie programiranja u cilju prilagoavanja rjeenja

5.PI metodologije i alati su razvijeni od strane softverskih kompanija,

dok su DSS metodologije i alati uglavnom kreirani u akademskom
svijetu

6.Veina alata koje koristi PI, smatraju se i DSS alatima (data mining,
prediktivne analize...)

- Ugradnja i implementacija inteligencije u procese

Ugradnja:

- Poslovne procese treba modelirati kao skup prioritetnih aktivnosti

- Na aktivnosti treba primijeniti automatizirane i manuelne metode

planiranja i prognoze

- Konano, treba definirati nadzor i automatsko alarmiranje kod

nastupanja specifinih dogaaja

Implementacija:

Cilj je na integriran nain podrati cjelokupan tok poslovnog procesa,

a ne samo pojedine funkcionalne cjeline

Integrirani softverski paketi:

Oracle

SAP

PeopleSoft...

Koji su kanali za prenos podataka i kako se moe mjeriti kvalitet

podataka?

Postoji velik broj kanala za prenos podataka:

World Wide Web,
elektronska pota,
instant messaging,
internet telefonija, itd

Definirajte metapodatke i nabrojite vrste metapodataka

Metapodaci su podaci o podacima.

Postoje tri glavne vrste metapodataka:
- metapodaci o poslovnoj semantici
- transformacijski metapodaci
- navigacijski metapodaci

Koji su efekti sistema upravljanja kvalitetom podataka

Oekivani efekti sistema upravljanja kvalitetom podataka obuhvataju:

jednostavnost upotrebe
prilagodljivost
efektivnost
neovisnost o raunarskoj platformi
ekonominost

POGLAVLJE 7 - DATA MINING

ta je data mining (rudarenje podataka) i koji su tipini

zadaci data mininga?

- Pojam Data Mininga

- Data Mining(DM) je automatizirani procespronalaenja, evaluacije i
prezentacije interesantnihin formacija, obrazaca,
vezaipravilnostiprisutnihu velikimskupovimapodataka.

Otkrivanje znanja u bazama podataka

Otkrivanje znanja u bazama podataka(eng. Knowledge Discovery in

Databases KDD) je iri kontekst DM u koji ulaze:
- Proiavanje i integracija podataka
- Odabir i transformacija podataka
- Primjena DM postupaka
- Evaluacija uoenih obrazaca
- Prezentacija znanja

Elementi arhitekture data mininga

Izvori podataka
Ukljuuju transakcione baze podataka, funkcionalna spremita podataka,
pojedinane datoteke, kao i druga skladita podataka.
Server baze/skladita podataka
Slui za pristup preienim i integriranim podacima iz razliitih izvora.
Baza znanja
Sadri domenski specifino znanje kojim se usmjerava pretraivanje i
evaluiraju uoeni obrasci
DM pogon
sadrimotor DM/KDD sistema, tj. Stvarnu realizaciju DM algoritama
Modul za evaluaciju obrazaca
Slui za ocjenjivanje interesantnosti i meusobno rangiranje pronaenih
obrazaca u podacima
 Grafiki korisniki interfejs
Vizuelno prezentira obrasce koji su uoeni iza koje je procijenjeno da su
interesantni.

Koja je razlika izmeu data miniga i OLAP

- DM nasuprot OLAPa
- Za razliku od OLAPa, DM je:
- automatizirani proces koji ne zahtjeva rukovoenje od strane
korisnika
- koristi znatno sloenije modele i sofistiriciranje algoritme obrade
podataka od same agregacije

- Arhitektura DM

STARA

- DM alati i tehnike

Klasifikacija

Klaster analiza

Asocijacije

Otkrie tokom vremena (Sequence discovery)

Ostali vizualizacija, regresija, predvianje...

- Primjeri DM projekata

Cross-Industry Standard Process za DM (CRISP-DM)

Six Sigma metodologija

SEMMA model (Sample, Explore, Modify, Model, Assess)

Otkrivanje znanja u bazama podataka (Knowledge discovery in

databases KDD)

- Text i Web mining

Text mining je primjena DM-a na tekstualne datoteke. Usko je povezan sa

ekstrakcijom informacija, procesiranjem prirodnog jezika i saimanjem
teksta. TM zahtijeva kreiranje numerikih pokazatelja iz nestrukturiranog
teksta, te nakon toga primjenjuje DM algoritme na te pokazatelje

Web mining je otkrivanje i analiza zanimljivog i korisnog sadraja na

Web-u, u vezi sa Web-om i najee koristei Web-bazirane alate.
Razlikujemo 3 podruja: Web content mining, Web structure mining, Web-
usage mining

POGLAVLJE 8 - DIZAJNIRANJE I IMPLEMENTACIJA DSS-A

Dizajniranje i implementacija DSS-a

- Pristup kreiranju DSS-a

Prije kreiranja DSS-a potrebno je postaviti sljedea pitanja:

Ko treba DSS?

Koje prednosti korisnik oekuje koristei DSS?

Kada e se DSS koristiti?

Kojem segmentu poslovnog procesa DSS pripada?

Zato je DSS potreban?

Kako e DSS biti koriten?

- Faze procesa dizajna DSS-a

Specifikacija zahtjeva na osnovu kontekstualnih problema

Preliminarni konceptualni dizajn

Logiki dizajn i specifikacije arhitekture

Detaljni dizajn i testiranje

Operativna implementacija

Evaluacija i prilagoavanje

Finalne promjene, distribucija i monitoring

- Uspjenost DSS-a

Arnott i Dodson (2008) definirali su 2 koncepta i 10 kritinih faktora

uspjeha (CSF) koji utiu na uspjenost DSS-a:

1. Zadovoljstvo korisnika > pogodan za koritenje

2. Utjecaj sistema > poboljanje procesa odluivanja

- Planiranje DSS-a
Plan prua informacije o specifikacijama DSS-a, njegovoj interakciji sa
drugim poslovnim procesima, vrsti informacija koje e obezbijediti i
njegovoj vanosti za rast organizacije

DSS plan prua pomo u odabiru hardvera i softvera, te nainu

integracije sa postojeim sistemom

- Dizajniranje DSS-a

Incijalna analiza, situaciona analiza,dizajn Sistema,implementacija

- Implementacijska strategija

Osigurati da sistem radi pravu stvar na pravi nain - Uspjenost

implementacije DSS-a zavisi od kvalitete sistema, te jednostavnosti i
fleksibilnosti upotrebe. Jedan od naina za osiguranje uspjenosti jeste
koritenje prototipa u analizi i dizajnu uz aktivno uee donosioca odluka,
kao i intervjuisanje.

Jednostavnost rjeenja Vano je da DSS omogui podrku koju

korisnici ele, te da fokus ne bude na najnovijoj dostupnoj tehnologiji,
ve na jednostavnosti upotrebe i zadovoljenju potreba donosioca odluka

Razvoj Satisfactory Support Base S obzirom da otpor i strah od

promjene od strane korisnika sistema moe negativno uticati na proces
implementacije, potrebno je ukljuiti korisnike jo u fazama analize i
dizajna

Institucionalizacija sistema se uvodi postepeno, te najbolji pristup

jeste omoguavanje odreenih poticaja za upotrebu sistema koji se
razlikuju od organizacije do organizacije

- Implementacija i evaluacija sistema

Kako znati da su DSS i implementacija DSS-a uspjeni?

Pitanje zahtijeva 2 pristupa: tehnika podesivost sistema (kako testirati

DSS?) i ukupna korisnost sistema (kako testirati implementaciju
sistema?)

- Integracija sistema

Vrste: funkcionalna I fizicka

POGLAVLJE 9 - INTERNACIONIALNI DSS I EIS

Internacionialni DSS i EIS

 Standardi dostupnosti informacija

Jedna od pretpostavki koje se tiu internacionalnog DSS-a je da kompanija

moe dijeliti informacije izmeu zemalja i kontinenata bez
prepreka.Pretpostavka podrazumijeva da kulture i zakoni zemalja u kojima
kompanija djeluje su konzistentni u pogledu informacija i njihove
privatnosti i dijeljenja

Privatnost, dostupnost i tok podataka

Privatnost podataka se odnosi na pitanje koje informacije o pojedincima,

korporacijama, kompanijama i sl. mogu biti prikupljene, te kako ih je
dozvoljeno procesirati i distribuirati

Pored informacija o pojedincima, za DSS su znaajne i informacije o

vladama, korporacijama, konkurenciji, itd.

U razliitim zemljama razliit je pogled na dostupnost ove vrste

informacija

3 znaajne stavke koje se tiu zabrinutosti u vezi sa prekograninim tokom

podataka su:

Imperativ je ouvati industriju obrade podataka jedne zemlje

Nacionalna sigurnost moe biti ugroena ukoliko drava postane

previe zavisna od drugih drava kada su u pitanju podaci i usluge

Kulturalni integritet moe biti ugroen ukoliko se doputa da sve

vea koliina informacija ima pripadnost drugih kultura

Meukulturalno modeliranje

Veliki broj istraivanja je pokazao da upotreba analitikih alata, statistikih

i finansijskih modela, AI istraivanja, te generalno percepcija i pristupa
odluivanju zavisi i od kulturalne pripadnosti

Efekti kulture na DSS

 EIS

EIS (Executive Information Systems) su razvijeni u ranim 1980-im kao

specijalizirani DSS koji je imao za cilj pomoi rukovodiocima u analizi
kritinih informacija i koritenju adekvatnih alata za strateko odluivanje
u organizaciji

Cilj EIS-a je bio omoguiti jednostavan alat koji e poveati kvalitet

odluivanja top menadera, reducirati vrijeme potrebno za
identificiranje problema i prilika, pruiti mehanizme za unapreenje
organizacijske kontrole, te bri pristup podacima i modelima

Kljuni indikatori performansi i balansirane liste mjerenja

performansi

Kljuni indikatori performansi ili KPI (Key Performance Indicators) su mjere

performansi koje imaju vanost za konkretnu kompaniju

Podrazumijevaju mjerljive ciljeve koji ukljuuju unapreenje odreenog

segmenta, definiran target ili benchmark i vremenski okvir koji
povezuje specifine aktivnosti sa dugoronim ciljevima

Dashboard

Dashboard je znaajan alat za monitoring stanja u organizaciji

Moe predstaviti KPI, scorecards ili bilo koje druge pokazatelje na jednom
mjestu, sve u cilju brzog i jednostavnog uvida u poslovno stanje
POGLAVLJE 10 - GROUP DECISION SUPPORT SYSTEMS GDSS

Group Decision Support Systems GDSS

- Grupni rad i donoenje odluka

- Zadatak izvrava grupa, a ne pojedinac
- lanovi grupe mogu biti locirani u razliitim podrujima, raditi u
razliitom periodu i raditi za istu ili razliite organizacije
- Grupa moe biti privremena i stalna, te moe imati jedan ili vie
menaderskih nivoa
- Grupni rad moe rezultirati poveanjem, ali i smanjenjem
produktivnosti rada
- Odluke donesene od strane grupe je lake implementirati ako su
podrane od strane svih lanova

Prednosti i nedostatci rada u grupi

- Prednosti rada u grupi
- Kompletnija informacija
- Sinergetski efekat
- Robusnija i objektivnija evaluacija
- Stimulacija
- iri pogledi...
- Nedostaci rada u grupi
- Komunikacijske potekoe
- Razumijevanje
- Fragmentacija koncentracije
- Blokiranje koncentracije i panje
- Grupno pamenje
- Konformistiki pritisak
- Dominacija
- Previe informacija
- Koordinacijski problemi...

Definirajte GDSS i navedite primjer primjene

Za ta se najee koristi?
- Istraivanje u 400 USA kompanija (1997.):
- Menadment dokumenata
- Menadment vremena (osoblje i
- sastanci)
- Upravljanje projektima
- Komunikacije
- Menadment znanja

Definirajte sistem za korporacijsku kolaboraciju, ta pomau?

- Obezbjeuje alate koji pomau u kolaboraciji komuniciranju ideja,

dijeljenju resursa i koordiniranju kooperacije uesnicima u formalnim
 ineformalnim procesima, projektnim timovima i radnim grupama u
organizacijama. KOMUNIKACIJU dijelei informacije meu
- uesnicima u procesu.
-
- Sistem za korporacijsku kolaboraciju
- Pomau:
- KOOPERACIJU individualnih aktivnosti i
- koritenje resursa u grupi
- KOLABORACIJU u zajednikom kooperativnom
- radu na zajednikom projektu
- VRITUALIZACIJU u stvaranju timova koji nisu
- ogranieni fizikom lokacijom, organizacijskim
- granicama ili vremenom

Koji su glavni tipovi groupware alataza korporacijsku

kooperaciju

- Sumarni pregled glavnih tipova groupware alata

- za korporacijsku kooperaciju
-
- Alati za elektronsko komuniciranje koji pomau da komunicirate i
kolaborirate izmeu sebe
- elektronski aljui poruke, dokumente i datoteke sa podacima,
tekstom, glasom ili multimedijalne, putem Interneta, ekstraneta,
intraneta i drugih kompjuterskih mrea:
- E mail
- Govorna pota
- Fax
- Web publikacije
-
- Alati za elektronske konferencije pomau u mreenim kompjuterskim
korisnicima da dijele informacije i kolaboriraju dok zajedno rade na
nekom poslu neovisno o tome gdje su locirani:
- Date conferencing podaci
- Voice conferencing glas
- Video conferencing slika
- Diskusioni forumi
- et sistemi priaonica
- Sistemi za elektronske sastanke EMS
-
- Alati za upravljanje kolaborativnim radom pomau ljudima da uspiju
ili upravljaju zajednikim radnim aktivnostima:
- Kalendari, rasporedi i nalozi
- Upravljanje projektima i zadacima
- Sistemi za praenje radnih tokova (workflow
- systems)
- Upravljanje znanjem
 Prednosti i nedostatci rada u grupi
- Prednosti rada u grupi
- Kompletnija informacija
- Sinergetski efekat
- Robusnija i objektivnija evaluacija
- Stimulacija
- iri pogledi...
- Nedostaci rada u grupi
- Komunikacijske potekoe
- Razumijevanje
- Fragmentacija koncentracije
- Blokiranje koncentracije i panje
- Grupno pamenje
- Konformistiki pritisak
- Dominacija
- Previe informacija
- Koordinacijski problemi...

Najei nain primjene GDSS-a

- Za ta se najee koristi?
- Istraivanje u 400 USA kompanija (1997.):
- Menadment dokumenata
- Menadment vremena (osoblje i
- sastanci)
- Upravljanje projektima
- Komunikacije
- Menadment znanja