Valdymo paramos sistemų svarba verslo įmonėms

Valdymo paramos sistemų svarba verslo įmonėms!

Valdymo paramos sistemose daugiausia dėmesio skiriama informacijos išteklių valdymui. Šios sistemos teikia informaciją, kuri valdoma planuojant ir priimant sprendimus. Šių sistemų teikiama informacija yra pagrįsta tiek vidiniais, tiek išoriniais duomenimis, naudojant įvairias duomenų analizės priemones.

Jie taip pat siūlo vartotojui pasirinkti iš šių įrankių duomenų analizės tikslais. Šios sistemos tarnauja vadovų hierarchijos vidurinių ir aukščiausių lygių informacijos poreikiams.

Yra trijų tipų valdymo paramos sistemos:

a) Sprendimų palaikymo sistemos,

b) vykdomosios informacijos (paramos) sistemos ir. \ t

c) Ekspertų sistemos.

Sprendimų palaikymo sistemos:

Sprendimų palaikymo sistemos (DSS) yra skirtos remti vadovų sprendimų priėmimo procesą, siekiant pagerinti jų veiksmingumą ir taip įmonės efektyvumą. Jie grindžiami prielaida, kad valdymo sprendimas negali būti pakeistas jokiu kompiuteriniu sprendimu. Tačiau siūlant duomenų ir modelių palaikymą galima pagerinti sprendimų priėmimo procesą net ir pusiau struktūrizuotų bei nestruktūruotų problemų atveju.

Pagrindinis DSS tikslas - išplėsti valdytojo sprendimų priėmimo proceso galimybes, remiant jam prieinamas tiesiogines kontrolės priemones ir duomenis. DSS nereikalauja specialių informacijos reikalavimų ir iš anksto nustatytų skirtingų sprendimų tipų analizės priemonių, o vadovui nenustato jokių sprendimų.

Taigi, jis suteikia lankytojui lankstumo nuspręsti, kokie yra įvesties duomenys, analizės priemonė, analizės gylis ir pasitikėjimas analizės rezultatais priimant sprendimus. DSS siūlo interaktyvią aplinką vartotojams ir leidžia valdytojui eksperimentuoti su duomenimis ir modeliais, siekiant sukurti optimalią sprendimų priėmimo strategiją tam tikroje situacijoje.

DSS taip pat apibūdinamos kaip interaktyvios informacinės sistemos, kurios padeda vadovams panaudoti duomenų analizės modelius, kad išspręstų nestruktūruotas problemas. DSS naudoja technologijas, kurios gali būti vadinamos kaip jos blokai. Jie pateikiami 10.3 pav.

DSS tipai ir funkcijos:

DSS gali būti orientuota į duomenis arba orientuota į modelį. Duomenys orientuoti DSS turi didesnę duomenų paieškos ir duomenų analizę. Į modelį orientuotas DSS turi galingas priemones, skirtas imituoti sprendimų scenarijus, įvertinant veiksmo rezultatus ir kuriant pasiūlymus. Tiesą sakant, sunku rasti DSS tik duomenų paieškai ir analizei arba tiesiog modeliavimui. Iš tikrųjų dauguma DSS yra abiejų rūšių įrenginių derinys.

DSS turi šias funkcijas, kurios jas skiria nuo kitų informacinių sistemų tipų:

a) DSS nesiekia konkrečių sprendimų. Jis turi lankstumo naudoti įvairiose netikėtose sprendimų situacijose.

b) DSS vartotojui patogi sąsaja skiriasi nuo kitų informacinių sistemų tipų. Kai vadybininkas tam tikrą laiką naudojo DSS, jo neteisėtas naudojimas nedaro neigiamo poveikio naudojimo paprastumui.

c) DSS generatoriai ir grafiniai įrenginiai suteikia geresnius būdus, kaip vaizduoti informaciją, gautą naudojant modelius DSS. Šios priemonės suteikia papildomos informacijos.

d) DSS siūlo bet kuriam naudotojui visiškai kontroliuoti sistemą. Įvestį, apdorojimo metodą ir išvestį valdo vartotojas.

DSS privalumai:

Informacinė sistema turi turėti savo pagrindimą būti kandidatu, kurį verta apsvarstyti įtraukiant į įmonės paraiškų portfelį. Priežastys paprastai yra susijusios su informacijos teikimo teikiamais privalumais, padedančiais išorės atskaitomybei ir valdymo sprendimų priėmimo procesui. DSS teikiama nauda apima:

a. Didesnio skaičiaus alternatyvų įvertinimas, nes DSS įrenginiai sumažina laiką ir pastangas rinkti ir analizuoti įvairias alternatyvas.

b. Modeliavimas ir prognozavimas tampa lengva valdytojams, naudojantiems DSS, kad jie galėtų geriau susipažinti su verslo procesais.

c. Naudingumas grupės viduje ir tarp grupių ryšių, nes tai leidžia paaiškinti kitiems, kaip pasiekta tam tikra išvada. Priežastys suteikia pagarbą išvadoms ir uždirba kitų įmonių paramą.

d. Priemonės, leidžiančios greičiau analizuoti duomenis nestruktūriniam sprendimų priėmimui, taip pagerinant reagavimo greitį netikėtose sprendimų priėmimo situacijose.

e. Greitesnis dispersijų ir išimčių nustatymas. Dažni DSS naudotojai nustatė, kad DSS leidžia jiems numatyti rezultatus, naudojant efektyvią ad hoc užklausos priemonę.

f. Išsami duomenų analizė ir todėl efektyvesnis duomenų išteklių naudojimas.

DSS taikomosios programos:

DSS įmonėse turi vidutinės ir didelės apimties ir sprendimų scenarijų, reikalaujančių išsamios vidaus ir išorės duomenų analizės. DSS sėkmė didžiąja dalimi priklauso nuo aukščiausio lygio valdymo paramos, reguliarumo ir naudojimo trukmės, vadovų mokymo ir sprendimų priėmimo situacijų įvairovės.

Jei verslo procesas yra paprastas ir pasikartojantis, DSS gali nepateisinti savo išlaidų. Struktūriniams sprendimams taikoma DSS papildo tik išlaidas ir painiavą. Nustatyta, kad DSS yra naudinga priimant sprendimus, kur reikalingas lankstumas duomenų ir modeliavimo srityje, siekiant geresnio sprendimų priėmimo. Tipinės DSS taikymo sritys gamybos ir finansų srityse yra:

Gamyba:

Pirkimų analizė, sąnaudų įvertinimas ir analizė, gamybos planavimas ir tvarkaraščių sudarymas, sprendimų priėmimas ar pirkimas, atsargų planavimas ir kontrolė, darbo jėgos pakrovimas ir kt.

Finansai:

Kapitalo biudžetas, finansinis planavimas ir analizė, mokesčių planavimas, strateginis finansinis planavimas, biudžeto sudarymas, grynųjų pinigų ir apyvartinio kapitalo valdymas, skolos ir nuosavybės finansavimo analizė, užsienio valiutos rizikos valdymas, finansinės veiklos analizė, dispersijos analizė ir kt.

Sprendimų palaikymo sistemos yra sukurtos naudojant procesą, kuris skiriasi nuo tradicinės sistemos kūrimo proceso, nes jos turėtų apdoroti vidinius ir išorinius duomenis. Jie turi būti nepriklausomi ir interaktyvūs.

Vykdomosios informacinės sistemos:

DSS yra sukurta taip, kad atitiktų vidutinio ir aukščiausio lygio vadovų informacijos poreikius. Jie susiję su taisyklėmis pagrįstu darbu, atliekant duomenų modeliavimą ir analizę, kad ji būtų naudinga priimant sprendimus.

Tačiau aukščiausio lygio vadovų lygmeniu reikia daugiau dėmesio skirti informacijos pakavimui ir pristatymui, o ne informacijos kaupimui. Viršutinis vadybininkas nusipelno geresnės informacijos prieigos aplinkos nei DSS teikiama aplinka.

Aukščiausiems vadovams reikia greitos prieigos prie naujausių, glaustų informacijos ir išimčių ataskaitų su galimybėmis individualizuotai informacijai ir analizei. Informacinės sistemos, skirtos tokiems aukščiausio lygio vadovų poreikiams tenkinti, vadinamos „Executive Information Systems“ (EIS) arba „Executive Support Systems“.

Šios sistemos veikia kaip elektroninės informacinės sistemos ir siūlo didžiulį lankstumą. EIS naudoja vidinę ir išorinę informaciją ir siūlo interaktyvią ir patogią naudoti aplinką.

EIS taikomosios programos:

Vykdomoji informacija:

EIS siūlo naujausią informaciją apie įvairius vykdomosios valdžios interesus. Instrukcija apskritai susijusi su įvairių pelno centrų veiklos rezultatais ir teikia ataskaitas apie įvairias įmonės veiklos ataskaitas. Nors DSS vyksta tam tikra informacija, taip pat gaunama informacija, kai prašoma, iš duomenų bazių.

EIS sistemoje informacija automatiškai atsisiunčiama iš duomenų bazių galutinių ataskaitų forma. Šis automatinis atsisiuntimas užtikrina, kad vykdantysis personalas ilgai neišlaikytų nepaprasto darbo krūvio.

Asmeninė analizė:

EIS siūlo duomenų analizės priemones, naudodamas vartotojo pasirinkimo modelius. Skaičiuoklės ir statistiniai metodai yra prieinami EIS klausimams. Skirtumas yra tas, kad EIS ne tik padeda vartotojui analizuoti duomenis, bet ir interpretuoti analizės rezultatus.

Pranešimų apie išimtis:

Svarbus EIS komponentas yra išimties ataskaitų teikimo modulis. EIS laikosi šio vadovų reikalavimo veiksmingai ir įspėja vykdytoją apie esminius planų skirtumus.

Jie įvairiais laipsniais leidžia toliau tirti nukrypimų priežastis ir galimą siūlomų gelbėjimo operacijų poveikį. Tai, kad EIS yra labai naudingas įrankis, leidžiantis efektyviai atlikti savo funkcijas, gali išbandyti šį klausimą, kad gautų šiek tiek daugiau nei tik išimtis.

Modelių analizė:

EIS turi modelio pagrindu pagrįstos informacijos analizės priemones ir ši funkcija yra bendra su DSS. Tačiau modeliu pagrįsta analizė EIS skiriasi nuo DSS analizės, nes įvesties duomenys EIS yra riboti ir gauti tiek iš vidaus, tiek iš išorinių šaltinių.

Pažymėtina, kad EIS nėra atskiras kompiuterinės informacijos apie vykdomąją valdžią rinkinys. EIS yra integruotų įrankių ir technologijų rinkinys, susietas su visa įmonės informacinės sistemos aplinka.

Pažymėtina, kad EIS palaiko visus naudotojus, o ne būtent įmonės aukščiausius vadovus. Visi tie, kurie padeda aukščiausio lygio vadovams, turėtų turėti prieigą prie EIS ir turi patenkinti visų tokių žmonių poreikius.

DSS ir EIS:

Kai kurie EIS įrenginiai taip pat aptinkami DSS, todėl skiriamoji linija kartais tampa neryški. Tokiose sistemose negalima atmesti sutapimo. 10.4 paveiksle parodyta, kokios informacijos palaikymo priemonės šios dvi sistemos suteikia vadovui.

EIS privalumai:

EIS verslo įmonei suteikia šias išmokas:

a) Parama strateginiams sprendimams:

EIS padeda vadovams labiau remtis faktais nei intuicija ir verslo vertinimu dėl savo strateginių sprendimų.

b) Fokusavimo keitimas:

Dažniausiai vadovaujantys vyresni klausimai, susiję su kritinių sėkmės veiksnių rinkiniu, daro įtaką žemesnio lygio valdymo žmonių prioritetams. Taigi, naudodamiesi EIS, vadovui lengviau perduoti pranešimą funkciniams valdytojams dėl būtinybės išlaikyti kokybės standartus, tiesiog pateikiant dažnai užklausas iš EIS dėl produktų kokybės. Vykdomosios institucijos užklausos gali nustatyti veiklos kryptį įmonėje ir taip pakeisti įmonės prioritetus.

Manoma, kad EIS yra viena svarbiausių informacinių sistemų, suteikiančių galimybę aukščiausio lygio vadovybei gauti tikrą jausmą apie informacinių sistemų naudingumą priimant strateginius sprendimus.

Tokia sistema įmonėje taip pat gali skatinti aukščiausio lygio vadovų ir IT specialistų supratimą ir pagerinti šių svarbių dalyvių bendravimą plėtojant IT infrastruktūrą.

Sėkminga EIS gali suteikti informacinių sistemų, kaip visumos, matomumą ir patikimumą ir padėti įgyvendinti kitas informacines sistemas įmonėje.

Kritiniai sėkmės veiksniai įgyvendinant EIS:

EIS ketina teikti aukščiausio lygio vadovams pirmas žinias apie potencialią informacinių sistemų naudą įmonėje. Todėl būtina užtikrinti, kad planuojant EIS būtų sėkmingai įgyvendinta.

Įgyvendinimo problemos EIS sistemoje gali būti daug, tačiau kelios iš jų yra tokios:

a) Sistemos specifikacijos sudėtingumas:

EIS tiksliniai naudotojai nėra aiškūs dėl jų specifinės informacijos reikalavimo ir neturi laiko suskirstyti informacinės sistemos specifikacijas. Taigi naudotojai nusipelno kelių galimybių išbandyti, kol jie galės nurodyti jiems reikalingas paslaugas. Prototipų kūrimas laikomas geresne strategija kuriant EIS.

b) Didelės apimties duomenys:

Ad hoc užklausų įrenginiai reikalauja prieigos prie didelio duomenų kiekio. Tokių užklausų patenkinimas gali pareikalauti naudoti statistinius įrankius, apdorojančius didelius duomenis, kad jie galėtų patenkinti užklausoje pateiktos informacijos reikalavimą. Tai gali užtrukti ir sistemos atsakas gali būti lėtas.

Todėl labai svarbu numatyti plačius klausimus, dėl kurių gali kilti klausimų, ir informacija apie tokius klausimus gali būti reguliariai rengiama ir atskirai saugoma, kad būtų galima susipažinti su EIS.

c) atsparumas žemesniems lygiams:

Tikėtina, kad EIS taip pat susidurs su visais lygmenimis gyvenančių žmonių pasipriešinimu. Taip yra todėl, kad dabar bosas turi prieigą prie naujausios informacijos apie kasdienį kiekvienos departamento veikimą dar prieš padalinių vadovams išgyvenus ir suprasti. „Rochartat a“ tikisi, kad tokia prieiga prie duomenų bazių turės didelės įtakos naujai valdomų duomenų nuosavybės politikai. Tačiau duomenų bazės valdytojas šią problemą gali spręsti atidžiai tvarkydamas duomenų paskirstymo mygtuką.

d) Valdymo stiliai:

Būtų sunku įdiegti EIS, jei įmonės, turinčios nepalankią IT kultūrą. Kai kurie aukščiausio lygio vadovai nepritaria IT naudojimui priimant sprendimus. Jie labiau pasitiki savo verslo vertinimu ir nori palikti duomenų analizę savo pavaldiniams arba jiems padedantiems srities ekspertams.

Ši problema yra gana rimta. Todėl EIS tokiose aplinkose yra nukreipta į aukščiausias pozicijas. Jos apima tik paslaugas, kurių sėkmės rodiklis yra labai aukštas. Sukūrus pasitikėjimą IT ir EIS, EIS gali suteikti daugiau paslaugų.

e) Didesnis dydis ir kaina:

Jei vadybininkas suranda naudingą EIS, jis tikisi, kad jo pavaldiniai taip pat naudos. Tie, kurie jų nenaudoja, labai sunku laikytis savo vadovo lūkesčių, kiek tai susiję su informuotumu apie verslo aplinką. Taigi, EIS tampa perkrautas, o išlaidos smarkiai auga, nes naudotojų skaičius augs geometrinėmis proporcijomis.

Taigi EIS įgyvendinimas turėtų būti vykdomas labai atsargiai. Patartina pasirinkti tinkamą įgyvendinimo laiką. Žmonės pasipriešina pokyčiams, kai vyksta sklandžiai ir yra labiau linkę išbandyti kažką naujo krizės metu.

Todėl tinkamiausias EIS įgyvendinimo laikas yra tada, kai žmonės ieško naujų problemų sprendžiant. Bandomoji instaliacija laikoma tinkamiausia EIS diegimo strategija. Atrankinis požiūris yra geresnis pradiniuose EIS projektavimo etapuose, o naujos paslaugos į EIS įtraukiamos tik po to, kai pradinis modelis yra sėkmingas. Vartotojų dalyvavimas ir parama yra labai svarbūs sėkmingam EIS įgyvendinimui.

Ekspertų sistemos:

Dėl didėjančio besivystančios verslo aplinkos sudėtingumo ir dinamiškumo reikia didesnio funkcinių vadovų ir ekspertų sąveikos, kad būtų galima laiku konsultuotis. Šie ekspertai ne tik perkeltų informaciją iš įvairių įvairios informacijos grupių, bet ir naudosis savo patirtimi, kad galėtų pasiūlyti patarimus.

Tradiciškai organizacijos turima patirtis yra svarbus pagrindas konkurencinei padėčiai pasiekti, gerinti ir išlaikyti. Visi kiti dalykai yra lygūs, įmonės, neturinčios panašios patirties, yra nepalankioje padėtyje.

Žmonių ekspertai gali nesugebėti susidoroti su naujais iššūkiais, atsižvelgiant į laiko ribas ir naujos aplinkos sudėtingumą. Be to, per tam tikrą sprendimo situaciją gali būti, kad patarimai nėra vienodi ir nuoseklūs.

Taip yra dėl akivaizdaus žmonių nesugebėjimo visą laiką fiksuoti įvairių sprendimų kintamųjų poveikį. Informacijos nuovargio sindromas ir žmogaus ekspertų apribojimai besikeičiančioje verslo aplinkoje paskatino didinti verslo ekspertų sistemų (BES) populiarumą.

Šios sistemos imituoja žmogaus veiklą ir nuolat kaupia bei sistemina verslo žinias, praplečiant brangių ir ribotų žmogiškųjų ekspertų sprendimų priėmimo galimybes, kad kiti galėtų pasinaudoti savo sprendimų patirtimi. Jie suteikia lankstumo pranašumą, kad būtų galima užfiksuoti ir atstovauti įvairių tipų informaciją įvairiomis formomis.

Verslo ekspertų sistema gauna problemą iš vartotojo, nustato savo duomenų reikalavimus, analizuoja atitinkamus duomenis pagal sprendimų taisykles (esančias žinių sistemoje). Kai problema bus išspręsta, sistema, pasitelkusi savo išvadų variklį, praneša vartotojui apie sprendimą ir taip pat gali paaiškinti savo argumentus, kad pasiektų šį sprendimą.

Verslo ekspertų sistema gali padėti valdyti efektyvumą teikdama konsultacijas. Jo sprendimai / patarimai visada yra nuoseklūs, vienodi, išsamūs ir metodiški. Jis veikia kaip standartizuotas problemų sprendimas. Verslo ekspertų sistema gali paaiškinti, kodėl ji sprendžia problemą.

Vartotojas gali ištirti loginį pagrindą ir laisvai priimti, keisti ar atmesti sprendimą. Skirtingai nuo kitų medicinos, inžinerijos ir kt. Ekspertų sistemų, verslo ekspertų sistemos tikslas nėra pakeisti žmogiškųjų ekspertų (-ų) vertinimą kompiuterine programa.

Atvirkščiai, tikslas yra įgyti žmogiškojo eksperto žinias ir padaryti jį standartizuotai prieinamu žmogiškiesiems ekspertams ir kitiems organizacijoje. Jie parengia strategijas, skirtas pritaikyti žinias taikomosiose srityse, siekiant sukurti patikimus problemų sprendimo būdus.

Tipinės verslo ekspertų sistemos taikymo sritys yra:

i. Priimti ar pirkti sprendimus

ii. Sprendimai priimti naujus produktus

iii. Kredito limitų nustatymas

iv. Produktų kūrimas

v. Investicijų konsultavimas

vi. Veiklos vertinimas

vii. Skatinimo sistemos

viii. Kliento užklausa

ix. Projekto vertinimas

x. Gamybos planavimas

xi. Sprendimai dėl maršruto

Verslo ekspertų sistemų blokai:

Nors ekspertų sistemos metodika buvo sukurta per pastaruosius du dešimtmečius, ji vis dar yra pradiniame etape, kai žiūrima iš verslo vadybininko požiūrio. Taigi nėra standartinio verslo ekspertų sistemos modelio. „Holsapple“ identifikuoja tris pagrindinius BES komponentus, būtent vartotojo sąsają, išvadų variklį ir žinių sistemą. Santykiai tarp šių komponentų pateikiami 10.5 pav.

Naudotojas pateikia problemą prieš BES naudodamas vartotojo sąsają. Išvada variklis bando suprasti problemą, ją struktūrizuoti taip, kad žinių sistemai būtų galima ją išspręsti. Tada ji naudoja žinių sistemą, siekdama išspręsti problemos sprendimus.

Žinių sistema susideda iš saugomų samprotavimų patirties ir sprendžiančiojo variklio sprendžia problemos sprendimus. Žinių sistema gali apimti žinias reprezentuojančias priemones, pvz., Taisyklių rinkinius, duomenų bazes, skaičiuokles, rėmą orientuotas struktūras, atvejų bazes, semantinius tinklus, tekstus, grafiką ir kt. Išvada variklis gali bendrauti su vartotojais, kad gautų daugiau informacijos apie sprendimų priėmimą aplinką.

Pirkimo galimybės:

Verslo ekspertų sistema yra sudėtinga sistema ir reikalauja ilgalaikio įmonės įsipareigojimo pristatyti prekes. Dėl verslo dinamikos BES naudingumas gali būti sumažintas dėl verslo aplinkos pokyčių.

Kai kurie BES gali būti pasenę netgi vystymosi etapo metu, jei jie nėra tinkamai suplanuoti. Labai svarbu žinoti apie pirkimo galimybes, kad būtų galima sumažinti kūrimo laiką ir sąnaudas bei išlaikyti pusiausvyrą tarp lankstumo ir efektyvumo sistemoje.

Apskritai BES yra trys pirkimo galimybės:

a) įgyti visiškai išvystytą sistemą:

Yra keletas paruoštų BES, skirtų įvairių tipų problemoms, nurodytoms anksčiau minėto BES paraiškų sąraše. Šie paruošti sprendimai turi visus tris komponentus, kurie yra visiškai paruošti naudoti. Jie turi privalumų, nes jie yra ekonomiški, gerai išbandyti ir greičiau įgyvendinami, tačiau daugeliu sprendimų situacijų jie nėra tinkami.

b) įsigyti dirbtinio intelekto apvalkalą:

Dirbtinio intelekto apvalkalą sudaro taisyklių rinkinys ir išvada. Taisyklių rinkinio valdytojui suteikiama įvairių žinių reprezentavimo priemonių patirtis. Atstovaujant ekspertų žinioms, taisyklių rinkinys išbandomas ankstesnėje informacijoje ir, kai tik nustatoma, teisinga, apvalkalas tampa tinkamas naudoti pasekmės variklio pagalba.

Ši parinktis suteikia lankytojui lankstumo apibrėžti savo taisykles ir per trumpą laiką gauti pagal užsakymą pagamintą BES. Tačiau tokie rinkoje esantys rinkiniai turi savo taikymo sritis, kurioms jie labiausiai tinka.

c) Pritaikyta sistema:

Jei pirmieji du variantai atrodo neįmanomi arba yra laikomi patartinais dėl problemos unikalumo, galima pasirinkti pagal užsakymą pagamintą BES. Jie kainuoja daugiau ir užtrunka ilgiau, bet yra labai naudingi unikaliose ar specifinėse sprendimų priėmimo situacijose.

Ekspertų sistemų privalumai:

BES yra brangūs tiek pinigų, tiek jų kūrimui reikalingo laiko požiūriu. Todėl būtina žinoti BES teikiamą naudą, kad būtų galima atlikti sąnaudų ir naudos analizę prieš pradedant įsigyti BES.

Toliau pateikiamos galimos BES teikiamos naudos:

a) Ekspertų kodavimas:

Svarbi verslo ekspertų sistemos nauda yra tai, kad ji padeda formalizuoti / kodifikuoti organizacijos argumentavimo gebėjimus. BES plėtros procese bandoma atstovauti žinias taisyklių, rėmų, bylų, teksto ir grafikų pavidalu.

Tai sukelia žinių apie ekspertų iki šiol tvirtai laikomą krūtinę patirtį. Tokia patirtis gali suteikti pagrindą geresniam žmonių ekspertų mokymui organizacijoje, be to, tai leistų geriau priimti sprendimus.

b) Geresnis verslo proceso supratimas:

Jis pagerina sprendimų priėmimo proceso supratimą, kuris savo ruožtu gali pagerinti procesą. Vystymo proceso metu nustatomi ir peržiūrimi esami sprendimų priėmimo būdai. Tai padeda tobulinti sprendimų priėmimo procesą. Dažna ekspertų sąveika su BES yra puikus mokymosi procesas, dėl kurio abipusiai didėja viena kitos problemų sprendimo galimybės.

c) savalaikis žinių prieinamumas:

BES gali suteikti žinių, kai žmogiškųjų ekspertų nėra. Šios sistemos neturi problemų dėl prieinamumo, kuris yra gana dažnas tarp žmonių ekspertų. BES yra prieinami naudotojams konsultacijoms nelyginėmis valandomis, neturi jokių ankstesnių įsipareigojimų, nevyksta atostogų dėl vienos ar kitos priežasties ir neatsiima nuo įmonės prisijungti prie konkurento.

d) Paprasta replikacija:

Ribinės BES replikavimo išlaidos yra nereikšmingos. Kai BES yra sėkminga vienoje vietoje, ją galima kopijuoti kitose vietose, kuriose yra panašios sprendimų priėmimo aplinkos, neprarandant laiko ar galimybių.

e) Pašalina įprastinius konsultacijų prašymus:

BES gali padėti žmogiškajam ekspertui sumažinti savo darbo krūvį, nukreipdamas įprastus konsultacijų prašymus BES. Tai leidžia žmogaus ekspertui sutelkti dėmesį į sudėtingesnes problemas, kurių neišsprendžia BES.

f) Nuoseklumas:

BES siūlo nuoseklius ir vienodus patarimus dėl problemų. Jų patarimai nekenkia tam tikriems veiksniams, nepamirštant kai kurių žingsnių, asmeninių šališkumo ar temperamentinių problemų.

g) Logikos linija:

BES siūlo logikos liniją, naudojamą kartu su sprendimu. Tai leidžia vadovui kritiškai išnagrinėti sprendimus ir išsiaiškinti, ar vartojamas motyvavimas yra tinkamas, ar ne. Tai padeda vadovui suprasti sprendimo stiprumą ir silpnąsias vietas bei taikyti savo verslo vertinimą, kad priimtų sprendimus.

h) Strateginės programos:

BES teikiama nauda gaminių ir paslaugų diferenciacijai ir sumažintoms išlaidoms. Jie taip pat padeda plėtoti nišines rinkas, kuriose konkurentai be tokių sistemų gali būti neveiksmingi. Taigi BES gali suteikti strateginį pranašumą įmonei.

Kritiniai sėkmės veiksniai įgyvendinant BES:

BES kritikai pateikia daugybę priežasčių, kodėl neįmanoma įgyvendinti BES. Daugeliu atvejų kritika nėra nepagrįsta. Labai svarbu numatyti problemas, susijusias su kūrimu ir įgyvendinimu, ir imtis būtinų atsargumo priemonių siekiant užtikrinti BES sėkmę.

Šiame kontekste gali būti laikomi šie veiksniai:

a) Išlaidų efektyvumas:

Dauguma BES yra labai brangūs, o kartais ekonomiškai naudinga naudoti žmogiškuosius ekspertus. Siekiant užtikrinti, kad sąnaudos būtų pateisinamos dėl galimos naudos, būtina išlaikyti BES išlaidas. Pirmieji du pirkimo variantai padeda išlaikyti BES sąnaudas žemesniame lygmenyje.

b) pasirinktinis:

Didesnės BES gali prireikti ilgesnės plėtros proceso ir didelių išlaidų. Galima prisiminti, kad ne visi sprendimai suteikia tokią pačią investicijų grąžos normą BES.

Turėtų būti atrankos, įtraukiant paraiškas į BES ir išsamią BES, galbūt reikia daug informacijos apie sistemą. Dirbtinio intelekto technologijos vis dar vystosi ir gali būti ekonomiškai gyvybinga turėti platesnę BES taikymo sritį.

c) patogumas vartotojui:

BES yra labai sudėtingos sistemos, turinčios galingus duomenų analizės metodus. Jiems reikia daug pastangų, kad jie būtų veiksmingai naudojami. Todėl būtina turėti patogesnę vartotojo sąsają ir aiškesnes bei nedviprasmiškesnes meniu struktūras.

d) Daugiafunkcinė aplinka:

Dauguma BES yra atskiros sistemos. Tačiau daugelis laiko, sprendimų kompetencija yra kolektyvinės ir grupės veiklos rezultatas. BES, turinti daugiafunkcinę aplinką, greičiausiai bus sėkmingesnė nei atskiros sistemos.

Ką vadybininkas turi žinoti apie BES:

BES naudoja daugybę žinių inžinerijos priemonių, kurių daugelis gali būti ne įprastinio funkcinio vadovo supratimas. Tačiau, kaip BES vartotojas, vadybininkas neturi žinoti techninių žinių sistemos detalių.

Ką reikia žinoti apie BES:

i. BES taikymo galimybės savo verslo veikloje ir kiekvienos programos santykinis potencialas formalizuojant žinias.

ii. Pagrindinės BES technologijos ir jų mėgstamos taikymo sritys.

iii. Galimybė naudoti dirbtinio intelekto apvalkalą.

iv. BES vaidmuo remiant žmones jų veikloje.

v. BES techninis ir ekonominis įgyvendinamumas.

Galimos naudos iš BES yra gana įdomios. Galbūt reikia sukurti ekonomiškai efektyvias priemones, skirtas BES kūrimui ir domenų ekspertų dalyvavimui vystymosi procese, kuris yra evoliucinis.

Verslo ekspertų sistemų apribojimai:

BES įrodė savo potencialią naudą daugelyje taikomųjų programų ir nemažai sėkmingų. Tačiau yra keletas BES apribojimų. Šie apribojimai susiję su prielaidomis, kurias BES daro dėl:

i. Galimybės domeno žmogiškojo eksperto, galinčio išreikšti žinias ir turintiems įrodymų, kad galėtų priimti veiksmingus sprendimus, prieinamumas. Tokie ekspertai retai pasiekiami, ypač naujose srityse, kuriose žinios taip pat yra evoliucinės būklės.

ii. Sprendimų priėmimo aplinka yra paprasta, gerai struktūrizuota ir dažnai nekeičiama. Iš tikrųjų sprendimų priėmimas vyksta sudėtingoje, dinamiškoje ir daugialypėje aplinkoje. Todėl labai sunku išreikšti žinias.

BES trūksta lankstumo, reikalingo atsižvelgiant į verslo dinamiką. Daugialypė sprendimų priėmimo aplinka leidžia priimti sprendimus grupėje. Vis sunkiau suvokti visus verslo problemų aspektus suprantančius ekspertus. Galima prisiminti, kad BES puikiai tinka ribotoms paraiškų rūšims ir nėra skirtos visiškai pakeisti žmogiškuosius ekspertus.

Todėl BES praranda savo populiarumą. Jie laikomi tinkamais ribotam taikymui. Nauji dirbtinio intelekto įrankiai, tokie kaip neuroniniai tinklai, fuzzy logika, atvejo pagrindimas ir kt., Yra pridedami prie išvadų variklių, kad jie taptų tinkamesni besikeičiantiems verslo poreikiams.

Kartu bandoma naudoti AI įrankius papildomai programinei įrangai kurti, kad atliktų ribotas funkcijas. Šie priedai yra vadinami intelektualiais agentais.

Pažangūs agentai:

Pažangūs agentai yra programinės įrangos komponentai, kurie atlieka dalį proceso, naudodami žinių bazę. Jie dirba bendrai su bendromis informacinėmis sistemomis ir veikia pusiau autonomiškai.

Šios programos bendrauja su vartotojais ir informacijos bazėmis, kad galėtų atlikti savarankiškas užduotis. Šios programos integruojamos į įvairias programas, siekiant pagerinti informacinės sistemos informacijos analizės paslaugas. Šie agentai naudojami įvairioms programoms, tokioms kaip:

a) Aptikimo ir signalizacijos sistemos:

Pažangieji agentai naudojami sukurti duomenų bazių, ryšių sistemų ir kt. Išimčių nustatymo sistemą ir suteikti reikiamus pavojaus signalus atitinkamiems naudotojams. „Valdymas išimties tvarka“ būtų naujas valdymo aspektas, kai tokie pažangūs agentai pradės teikti informaciją.

b) Informacijos paieškos sistemos:

Pažangūs agentai taip pat yra kuriami taip, kad veiktų kaip informacijos paieškos varikliai atsakant į užklausas, gautas iš skirtingų tipų vartotojų. Pavyzdžiui, ministerija kasdien gali gauti daug informacijos. Pažangūs agentai gali išaiškinti užklausas ir atsijoti informaciją iš duomenų bazės ir siųsti naudotojui atitinkamą formą.

Be to, pažangieji agentai galėtų suteikti informacijos geležinkelių informacinei sistemai, tinkamai valdydami keleivių paklausimus dėl įvairių operacijų. Pažangus agentas susieja internetą, vidinį tinklą ir CD-ROM, kad galėtų ieškoti filtro ir pateikti asmeninę informaciją. Mažesnė tokios paieškos sistemos versija jau yra prieinama „LOTUS-NOTES“.

c) Įrankiai viršų:

Kadangi intelektualių agentų prieinamumas asmeniniuose kompiuteriuose tampa įprastas, jie veiktų kaip asmeniniai susitikimų vadovai, asmeniniai bibliotekininkai, asmeniniai finansiniai patarėjai ir kt. Šie agentai automatiškai susitartų su telefonu kontaktais su klientais, nustatytų paskyrimus ir suteiktų pavojaus signalus, kad užtikrintų, jog paskyrimas nėra netyčia ignoruojamas.

Šie agentai ieškotų įrašų apie interneto žurnalų temas ir rinktų informaciją iš kitų šaltinių, įskaitant elektronines bibliotekas ir CD-ROM, kad gautų informaciją, kurią šiandien gauna sekretorių pagalba.

Nauji informacijos analizės įrankiai:

Pažangūs agentai naudoja įvairias informacijos analizės priemones. Šios priemonės ne tik atsiima informaciją iš duomenų krūvos, bet ir pateikia informaciją prasmingai. Tarp šių įrankių yra svarbi duomenų gavyba, duomenų atvaizdavimas, duomenų vizualizavimas, neuronų tinklai ir kt.

a) Duomenų gavyba:

Duomenų gavyba reiškia didelės apimties duomenų, susijusių su tendencijomis ir modeliais, tyrimą, tarp įvairių veiksnių, kurie iki šiol gali būti paslėpti duomenų krūvoje, tarpusavio ryšius. Tai apima gręžimo metodus, kad aukšto lygio skaičiai būtų suskirstyti į žemesnio lygio duomenis.

„Eismo šviesos“ suteikia įspėjimo signalus, kai susiduriama su išimtimis. Duomenų gavyba randa savo taikomąsias programas visur, kur yra sudėtingų ir subtilių ryšių tarp atskirų produktų ar paslaugų, kurių nėra lengva nustatyti, bet turi didelį poveikį pajamoms ir pelningumui. Svarbus duomenų gavybos bruožas yra tai, kad ji analizuoja visus turimus duomenis, o ne paima mėginius analizei. 10.6 pav. Iliustruojamas duomenų gavybos procesas.

Duomenų gavyba debiutavo mažmeninės prekybos prekėmis ir buvo natūralu. Tačiau ji taip pat turi paraiškas kitai verslo veiklai. Tai gali padėti vadovams užmegzti ryšius tarp įvairių veiksnių, turinčių įtakos įvairiems sprendimų kintamiesiems.

Duomenų gavyba kaip technika vis dar yra pradiniame etape. Ji turi didelį pažadą, ypač todėl, kad ji gali padėti nustatyti galimybes ir leisti vadovams greitai reaguoti į esamas galimybes ir gresiančius pavojus.

b) Duomenų atvaizdavimas:

Duomenų atvaizdavimo įrankiai pateikia grafinę vaizdą apie geografinės vietovės ar teritorijos žemėlapį. Jie gali suteikti greitesnį vaizdą apie produktų geografinį pasiskirstymą / koncentraciją ir klientų pageidavimus, lūkesčius ir rinkos jausmus.

Jie taip pat gali padėti nustatyti vietos veiksnius, darančius įtaką rinkos elgesiui įvairiais laiko momentais. Such mapping tools can be of great help in improving comprehension of voluminous data information as it has been found that a large proportion of data stored is geographical in nature.

However, mapping tools need to be enriched with more details regarding the characteristic features of each geographical area and the associated similarities of neighbouring areas.

c) Data visualisation tools:

These tools primarily aim at representing data with the help of three dimensional visuals. These visuals may be histograms that may be navigated for further details of its component data, with the help of any pointing device like mouse.

The visual may take more imaginative shapes such as spherical balls of varying sizes and colours or any other shape that may be directly related to the subject matter or behaviour of data. Data visualisation tools have the ability to summarise data in such a way that the users take less time to visualise the situation.

It helps in focusing on the currently relevant part of data and enables the user to explore for more in case it interests him. Data visualisation techniques should also help in simulation, sensitivity analysis and answering 'what if' questions.

To get a glimpse of their applications in financial management, let us take an example of the classical ratio analysis for measuring the performance of an enterprise. Ratio when used carefully, can contribute a lot in providing an insight into the state of affairs.

But, a large number of ratios relating to an enterprise with varying interpretations when compared with industry and country ratios would be too cumbersome and resist comprehension of intricate relationships. Visualisation techniques can help in putting them in the right perspective.

A three dimensional visual putting the values in the form of coloured balls/boxes and the components/lower level values contained in the bigger balls representing high level values can help in better understanding of relationships and comparison with corresponding industry and country standards. For example, a banking company yield on performing assets may be calculated and shown along with the concerned values of Cost of funds;

Market interest rate; interest tax/other taxes; Asset mix; and Financial risk along with the industry ratios in the form of two dimensional tables or array of ratios. Alternatively, the company's ratio is shown as a ball on a colour monitor along with the industry's ratio in distinguishing colours and proportionate sizes. By hitting with the help of a mouse at each ball, the user can break open the ball to give five additional balls.

Each one of these balls represents one of the factors listed above. The sizes of these balls are associated with their relative significance in determining the value of yield on performing assets, both for the company and the industry.

d) Genetic algorithms and neural networks:

Genetic algorithms are also being recognised as effective tools for analysis of financial data. These tools establish decision rules and patterns from the past data and help in hypothesising various situations. With the availability of advanced tools of fuzzy statistics and high speed computing facilities, genetic algorithms are now finding new applications in financial modelling.

Neural networks try to emulate human brains with the additional strength in arithmetic accuracy in processing large volume data using complex algorithms. These networks when confronted with relevant data, dig out patterns in data and develop models, test them, forecast future events and learn from mistakes.

These intelligent agents have the potential of enabling managers to anticipate changes in business environment more promptly so that they can change their strategies well in time. In this way, they help in improving the adaptability of the business processes.

Most of these tools try to analyse information on real time basis and thus the most recent scenario is presented to the manager without much of technical analysis done by himself.

Software giants like Oracle, Cognos and Comshare have started offering intelligent agents as add-ons with their traditional application products. Some of the others offer independent software tools for data management, modelling and information presentation. However, at present, these tools are very simple and in their primitive form.