فرایندهای هوش تجاری

آشنایی با فرایندهای هوش تجاری (BI)

گفتیم که در فرایند هوش تجاری، در شروع داستان OLTP و در انتها یک داشبورد داریم. در OLTP داده‌های شکسته را داریم که برای نگهداری داده مناسب هستند و در انتها داشبوردی داریم که برای خواندن داده‌ها مناسب است. این دو بخش نمی‌توانند مقابل هم قرار بگیرند. در صورتی که مقابل هم باشند، کندی به‌وجود می‌آید.

وقتی در سیستم SQL سرور، دیتایی در یک جدول ثبت می‌شود، SQL سرور این جدول را لاک می‌کند تا تضمین کند که دادۀ شما ثبت شده و بعد از این دادۀ ثبت شده،‌ گزارش بگیرد. یعنی همزمان با ثبت داده‌ها، اجازۀ خواندن آن‌ها را نمی‌دهد. اینجا داستانی که داریم این است که پاور BI‌، داده را طلب می‌کند و SQL‌ آن را تحویل نمی‌دهد و زمان می‌خواهد.

این موضوع باعث ایجاد کندی در گزارش‌ها می‌شود. SQL سرور هم هنگام ثبت داده‌ها،‌ به مقداری زمان نیاز دارد و این هم به کندی اضافه می‌کند. به خاطر همین، در وسط این اتفاق ما مباحثی مانند «انبار داده» را داریم که البته خیلی مربوط به بحث ما نیستند. در این بخش‌ها، به ساختار داده‌های OLTP، ساختار دیگری داده می‌شود که به گزارش ما نزدیک‌تر بوده و خوانش داده‌ها بیشتر باشد. درواقع در این‌جا ما همان SQL سرور را داریم اما ساختار آن کمی تغییر پیدا کرده است.

مقایسه هوش تجاری با علم داده

هوش تجاری و علم داده در مواردی با هم تفاوت دارند که عبارتند از:

1- هوش تجاری نگاه رو به عقب دارد در حالی که دیتاساینس یا علوم داده،‌ نگاه رو به جلو دارد. به عبارت دیگر می‌توان گفت که تمرکز هوش تجاری رو به گذشته و حال است اما علوم داده به حال و آینده تمرکز دارد. این دو در واقع در بخش حال با هم مشترک هستند؛ یعنی وقتی سازمان‌ها بخواهند بدانند که در حال حاضر در چه شرایطی هستند،‌ هم از علوم داده و هم از هوش تجاری می‌توانند استفاده کنند. اما برای نگاه به آینده، به علوم داده نیاز دارند. از طرف دیگر، برای بررسی مشکلات کنونی، نیازمند داده‌هایی از گذشته هستند که به وسیلۀ هوش تجاری به آن دسترسی دارد.

2- کسانی که در علوم داده هستند بیشتر از Python استفاده می‌کنند و افرادی که در هوش تجاری فعالیت دارند از Power BI.

اصول اساسی درون هوش تجاری

در طراحی داشبورد،‌ 3 اصل مهم را باید در نظر داشته باشیم:

1- شناسایی داده‌های یک سازمان

2- شناسایی شاخص‌های کلیدی عملکرد (KPI)

3- شناسایی نمودار مناسب

شناسایی داده‌های یک سازمان نیاز به توضیح ندارد. اما در مورد دو اصل بعدی در ادامه بیشتر خواهیم گفت.

شاخص‌های کلیدی عملکرد (KPI)

KPI روشی برای سنجش عملکرد و یا در سطح کلان‌تر، میزان خوب بودن عملکرد سازمان یا یک واحد سازمانی است. KPI مخفف Key Performance Indicator و به‌معنای شاخص کلیدی عملکرد است.

شاخص KPI‌ برای تمامی صنایع، سازمان‌ها و حتی کارهای شخصی، می‌تواند استفاده شود. این شاخص باید در دوره‌های زمانی مشخص، ‌ارزیابی شود و با معیارهای عملکرد در زمان گذشته مورد مقایسه قرار بگیرد.

معمولا مدیریت یک سازمان، تمایل دارد که یک نگاه کلی به همه چیز داشته باشد و از بالا به پایین به یک سازمان نگاه کند. مدیریت معمولا دوست ندارد رکورد به رکورد نگاه کند. مدیر مثلا دوست دارد که بداند کدام‌یک از مشتریانش، خریدهای بیشتری در فصل تابستان داشته است. 

نکته: برای یادگیری شاخص‌های عملکرد، لازم نیست که حتما به حوزۀ مورد بررسی، به‌طور مثال حوزۀ مالی، مسلط باشیم. فقط درک شاخص‌های آن حوزه برای رسم داشبورد کافی است.

نکتۀ مهم این است که شاخص‌ها در کنار هم معنا پیدا می‌کنند. یعنی ما نمی‌توانیم فقط یک شاخص را بررسی کرده و با توجه به آن تصمیم‌گیری کنیم. شاخص‌های کلیدی عملکرد با توجه به صنعت متفاوت است و شرایط حاکم بر آن تغییر می‌کند. به‌طور مثال، مقدار خوب و بد برای یک شاخص در هر صنعتی متفاوت است.

برای مثال در بازاریابی،‌ شاخص‌های کلیدی می‌توانند این موارد باشند:

• نرخ رشد بازار

• میزان سهم بازار

• نرخ مکالمه با مشتریان

• عملکرد مشتری

• رتبۀ جستجوی برند در اینترنت

• نرخ کلیک در صفحه و مشاهدۀ سایت از سوی مشتریان

تعداد این شاخص‌ها بیشتر از این‌هاست که باید خودتان آن‌ها را پیدا کرده و در مورد آن‌ها مطالعه کنید. چون این شاخص‌ها در پاور BI زیاد استفاده می‌شوند. یکی از این شاخص‌ها NPS‌ است.

NPS چیست؟

NPS یا Net Promoter Score در فارسی به امتیاز خالص ترویج‌کننده ترجمه شده است. معنای این شاخص این است: مشتری چقدر دوست دارد که ما را به کسی معرفی کند.

مثلا شما در یک دوره‌ای شرکت می‌کنید و از شما می‌خواهند از 0 تا 10 به این دوره نمره دهید. معمولا کسانی که از 0 تا 6 نمره می‌دهند افرادی هستند که رضایت زیادی از دوره ندارند و در مورد مربی حرف‌های خوبی نمی‌زنند. افرادی که 7 و 8 می‌دهند معمولا خنثی هستند. افرادی که از 9 به بالا امتیاز می‌دهند، غالبا کسانی هستند که دوره را به دیگران پیشنهاد می‌دهند. وقتی این نظرسنجی را انجام دهیم و این بازه‌ها را داشته باشیم، می‌توانیم یک فرمول ارائه کنیم. یعنی شاخص‌های ما فرمول دارند. در این‌جا می‌توانیم فرمول را به این صورت ارائه کنیم:

NPS= % Promoters - % Detractors

یعنی اختلاف درصد کسانی که ما را پروموت می‌کنند با کسانی که از ما بدگویی می‌کنند، شاخص NPS‌ را نشان می‌دهد. این عدد نشان‌دهنده خوب یا بد بودن ماست. اگر ما این شاخص را در داشبورد خود داشته باشیم، جذابیت و ارزش داشبورد را بالاتر خواهد برد.

شناسایی نمودار مناسب

در پاور BI، نمودارهای زیادی داریم. اینکه از چه نموداری برای چه کاری استفاده کنیم،‌ اهمیت زیادی دارد. هرچقدر نمودار گویاتر باشد، مهم‌تر است و هر نموداری بهر کاری است.

در هر کدام از شرایط زیر باید از نمودار مناسب استفاده کرد:

• مقایسه Comparison 

• روند Composition 

• ارتباط Relationship 

• توزیع Distribution 

پس فراموش نکنیم:

1- شاخص را یاد بگیریم.

2- از هر نموداری برای هرکاری استفاده نکنیم.

ابزارهای هوش تجاری

در هوش تجاری، ما از نرم‌افزارهای مختلفی استفاده می‌کنیم. بعضی از این نرم‌افزارها عبارتند از:

Power BI, Qlik View, Qlik Scenes, tableau, SQL Server, ORACLE, CSV, Excel, …

تعدادی از این نرم‌افزارها Virtualization هستند مانند: Power BI, Qlik View, tableau, Qlik Scenes.

دو نرم‌افزار Qlik View و Qlik Server نرم‌افزارهای قدیمی هستند که کسانی که قدیم‌تر در حوزۀ هوش تجاری فعالیت می‌کردند از این دو استفاده می‌کرند. ولی کسانی که این روزها در این حوزه کار می‌کنند از دو نرم‌افزار Power BI‌ و tableau استفاده می‌کنند. بین این دو، Power BI انتخاب بهتری است چون هم در مایکروسافت است و هم به محیط SQL Server بسیار نزدیک است. این نرم‌افزار هم ساپورت داده‌ای خوبی دارد و هم در بخش انبار داده، کارآیی بسیار خوبی دارد.

تعدادی دیگر از این نرم‌افزارها،‌ پایگاه داده هستند مانند: SQL Server, ORACLE, CSV, Excel

پیوندها و منابع آموزشی

• مطالعه بیشتر درباره Key Performance Indicators
• مطالعه بیشتر درباره شاخص‌های کلیدی عملکرد (KPI)