Belang van managementondersteunende systemen voor zakelijke ondernemingen

Belang van managementondersteunende systemen voor zakelijke ondernemingen!

Managementondersteunende systemen zijn gericht op managementgebruik van informatiebronnen. Deze systemen bieden informatie om te beheren voor planning en besluitvorming. De informatie die door deze systemen wordt verstrekt, is gebaseerd op zowel de interne als externe gegevens met behulp van verschillende gegevensanalysetools.

Ze bieden de gebruiker ook de keuze om uit deze hulpmiddelen te kiezen voor gegevensanalyse. Deze systemen dienen de informatiebehoeften van managers op middelste en hoogste niveaus in de managementhiërarchie.

Er zijn drie soorten managementondersteunende systemen, namelijk:

a) Beslissingsondersteunende systemen,

b) Uitvoeringsinformatie (ondersteuning) Systemen en

c) Deskundige systemen.

Decision Support-systemen:

Decision Support Systems (DSS) zijn ontworpen ter ondersteuning van het besluitvormingsproces van managers om hun effectiviteit en daarmee de efficiëntie van de onderneming te verbeteren. Ze zijn gebaseerd op het uitgangspunt dat managementoordeel niet door een computergebaseerde oplossing kan worden vervangen. Door de ondersteuning van gegevens en modellen aan te bieden, is het echter mogelijk om het besluitvormingsproces te verbeteren, zelfs in het geval van semigestructureerde en ongestructureerde problemen.

Het hoofddoel van DSS is het vermogen van het besluitvormingsproces van een manager uit te breiden door hulpmiddelen en gegevens te ondersteunen die onder zijn directe controle aan hem beschikbaar zijn gesteld. DSS veronderstelt geen specifieke informatie-eisen en vooraf gedefinieerde hulpmiddelen voor analyse voor verschillende soorten beslissingen, noch legt het oplossingen op aan een manager.

Het biedt de beheerder dus flexibiliteit om de invoergegevens, het analysehulpmiddel, de diepte van de analyse en de afhankelijkheid van de uitkomst van analyse voor de besluitvorming te bepalen. DSS biedt een interactieve omgeving voor gebruikers en stelt managers dus in staat te experimenteren met gegevens en modellen om de optimale besluitvormingsstrategie in een gegeven situatie te ontwikkelen.

DSS worden ook beschreven als interactieve informatiesystemen die managers helpen data-analysemodellen te gebruiken om ongestructureerde problemen op te lossen. DSS maakt gebruik van technologieën die we kunnen gebruiken als bouwstenen. Ze zijn weergegeven in figuur 10.3.

Typen en kenmerken van DSS:

DSS kan gegevensgeoriënteerd of modelgeoriënteerd zijn. De data-georiënteerde DSS's hebben een grotere input voor het ophalen van gegevens en data-analyse. De modelgerichte DSS beschikt over krachtige faciliteiten voor het simuleren van beslissingsscenario's door de uitkomst van een actie te schatten en suggesties te genereren. In feite is het moeilijk om een ​​DSS exclusief te vinden voor het ophalen en analyseren van gegevens of, eenvoudigweg, voor het modelleren. In feite bevatten de meeste DSS's een combinatie van beide soorten faciliteiten.

DSS's hebben de volgende kenmerken die hen onderscheiden van andere soorten informatiesystemen:

a) DSS richt zich niet op een specifiek soort beslissingen. Het heeft de flexibiliteit van gebruik in verschillende onverwachte beslissingsituaties.

b) De gebruiksvriendelijke interface van DSS maakt het anders dan andere soorten informatiesystemen. Als een manager een DSS enige tijd heeft gebruikt, heeft het onregelmatige gebruik ervan geen nadelig effect op het gebruiksgemak.

c) De rapportgeneratoren en grafische faciliteiten in DSS bieden betere manieren om de informatie te representeren die is gegenereerd door het gebruik van modellen in DSS. Deze faciliteiten voegen waarde toe aan de informatie.

d) DSS biedt elke gebruiker volledige controle over het systeem. De invoer, de methode van verwerking en uitvoer worden gecontroleerd door de gebruiker.

Voordelen van DSS:

Een informatiesysteem moet zijn eigen rechtvaardiging hebben om een ​​kandidaat te zijn die het overwegen waard is om te worden opgenomen in de toepassingsportfolio van een onderneming. De rechtvaardigingen zijn over het algemeen in termen van de voordelen bij het genereren van informatie om te helpen bij externe rapportage en managementbeslissingen. Het voordeel dat een DSS kan bieden, is onder meer:

een. Evaluatie van een groter aantal alternatieven, omdat de faciliteiten in DSS de tijd en moeite besparen bij het verzamelen en analyseren van gegevens voor verschillende alternatieven.

b. Modelleren en voorspellen wordt eenvoudig voor managers die DSS gebruiken, waardoor ze meer inzicht krijgen in de bedrijfsprocessen.

c. Bruikbaarheid bij communicatie binnen en tussen groepen omdat het het mogelijk maakt om anderen uit te leggen hoe iemand tot een bepaalde conclusie is gekomen. De redenering kent respectabiliteit toe aan conclusies en verdient de steun van anderen in de onderneming.

d. Voorzieningen voor snellere analyse van gegevens voor ongestructureerde besluitvorming, waardoor de reactiesnelheid in onverwachte besluitvormingssituaties wordt verbeterd.

e. Sneller signaleren van varianties en uitzonderingen. Frequente gebruikers van DSS hebben ontdekt dat DSS hen in staat stelt te anticiperen op de resultaten met behulp van een efficiënte ad hoc-queryfaciliteit.

f. Diepgaande analyse van gegevens en dus effectiever gebruik van gegevensbronnen.

Toepassingen van DSS:

DSS heeft succes gevonden in middelgrote tot grote ondernemingen en in beslissingsscenario's die een grondige analyse van interne en externe gegevens vereisen. Het succes van DSS hangt in grote mate af van de ondersteuning van het topmanagement, de regelmaat en de gebruiksduur, training van managers en verschillende besluitvormingssituaties.

Als het bedrijfsproces eenvoudig en repetitief van aard is, kan DSS zijn kosten mogelijk niet rechtvaardigen. DSS toegepast op gestructureerde beslissingen draagt ​​alleen maar bij aan kosten en verwarring. DSS zijn nuttig gebleken in beslissingsgebieden waar flexibiliteit in gegevens en modellering vereist is voor betere besluitvorming. De typische toepassingsgebieden van DSS in productie- en financieringsfuncties van bedrijven zijn:

Productie:

Inkoopanalyse, kostenraming en -analyse, productieplanning en -planning, maken of kopen van beslissingen, inventarisplanning en -controle, mankracht laden, etc.

Financiën:

Kapitaalbudgettering, financiële planning en analyse, belastingplanning, strategische financiële planning, budgettering, beheer van contant geld en werkkapitaal, analyse van schuld- en aandelenfinanciering, beheer van wisselkoersrisico's, analyse van financiële prestaties, variantieanalyse, enz.

De beslissingsondersteunende systemen worden ontwikkeld met behulp van een ander proces dan het traditionele systeemontwikkelingsproces, aangezien ze geacht worden interne en externe gegevens te verwerken. Ze moeten onafhankelijk en interactief zijn.

Uitvoerende informatiesystemen:

DSS zijn ontworpen om tegemoet te komen aan de informatiebehoeften van managers op middelste tot hoogste niveaus. Ze hebben betrekking op op regels gebaseerd werk door modellering en analyse van gegevens om het bruikbaar te maken bij het nemen van beslissingen.

Bovenaan het managementniveau moet echter meer aandacht worden besteed aan het verpakken en leveren van informatie dan aan het genereren van informatie. De topmanager verdient een betere omgeving voor toegang tot informatie dan die geboden door DSS.

De topmanagers hebben snelle toegang nodig tot actuele, beknopte informatie- en uitzonderingsrapporten met faciliteiten voor gepersonaliseerde informatie en analyse. De informatiesystemen die zijn ontworpen om aan dergelijke behoeften van topfunctionarissen te voldoen, worden Executive Information Systems (EIS) of Executive Support Systems genoemd.

Deze systemen fungeren als elektronische briefingsystemen en bieden een enorme flexibiliteit bij het gebruik. EIS maakt gebruik van interne en externe informatie en biedt een interactieve en gebruiksvriendelijke werkomgeving.

Toepassingen van EIS:

Executive Briefing:

EIS biedt up-to-date informatie over verschillende aspecten van het belang van de leidinggevende. De briefing is over het algemeen gerelateerd aan de prestaties van verschillende profit centers en biedt statusrapporten over verschillende activiteiten van de onderneming. Hoewel er ook in DSS een bepaalde hoeveelheid briefing plaatsvindt, komt de informatie uit de databases waar en wanneer deze wordt gevraagd.

In EIS wordt de informatie automatisch periodiek gedownload vanuit databases in de vorm van voltooide rapporten. Deze automatische download zorgt ervoor dat de uitvoerende macht niet te lang buiten contact blijft tijdens de dagen van extreme druk van de werklast.

Gepersonaliseerde analyse:

EIS biedt faciliteiten voor data-analyse met behulp van de modellen van de keuze van de gebruiker. Spreadsheets en statistische technieken zijn beschikbaar in EIS voor vragen. Het verschil is dat EIS niet alleen de gebruiker helpt bij het analyseren van gegevens, maar ook bij de interpretatie van de uitkomst van de analyse.

Uitzonderingen rapportage:

Een belangrijk onderdeel van EIS is de uitzonderingsmeldingsmodule. EIS speelt effectief in op deze vereiste van leidinggevenden en waarschuwt de uitvoerende macht voor de substantiële wijzigingen van de plannen.

Ze laten, in verschillende mate, verder onderzoek toe naar de redenen voor afwijkingen en de mogelijke impact van voorgestelde bergingsoperaties. Dit vermogen om de zaak te doorgronden om iets meer dan alleen de uitzondering te krijgen, maakt van EIS een zeer nuttig hulpmiddel voor de uitvoerende macht bij het efficiënt uitvoeren van zijn functies.

Modelgebaseerde analyse:

EIS beschikt over faciliteiten voor op modellen gebaseerde informatieanalyse en deze functie komt vaak voor bij DSS. Maar de modelgebaseerde analyse in EIS verschilt van die in DSS in die zin dat de invoergegevens in EIS beperkt zijn en worden verkregen uit zowel interne als externe bronnen.

Opgemerkt kan worden dat EIS geen geïsoleerde verzameling van computerverslagen van informatie voor leidinggevenden is. EIS is een set van geïntegreerde tools en technologieën verweven in de totale informatiesysteemomgeving van de onderneming.

Het kan worden opgemerkt dat EIS alle gebruikers ondersteunt en niet noodzakelijk de topfunctionarissen van de onderneming. Iedereen die topmanagers helpt, moet toegang hebben tot EIS en het moet inspelen op de informatiebehoeften van al die mensen.

DSS en EIS:

Sommige van de faciliteiten in EIS zijn ook te vinden in DSS en als zodanig is de onderscheidingslijn soms vervaagd. De overlapping kan in dergelijke systemen niet worden uitgesloten. Figuur 10.4 toont de soorten informatie-ondersteuning die deze twee systemen bieden aan een manager.

Voordelen van EIS:

EIS biedt de volgende voordelen voor een onderneming:

a) Informatieondersteuning voor strategische beslissingen:

EIS helpt leidinggevenden bij het meer vertrouwen op feiten dan bij intuïtie en zakelijk inzicht voor hun strategische beslissingen.

b) De focus wijzigen:

Frequente vragen van topfunctionarissen over een reeks kritieke succesfactoren hebben invloed op de prioriteiten van mensen met een lager managementniveau. Het is dus gemakkelijker voor een leidinggevende die EIS gebruikt om het bericht door te geven aan functionele managers over de noodzaak om kwaliteitsnormen te handhaven, gewoon door veelvuldige vragen van EIS te stellen met betrekking tot de kwaliteit van producten. De vragen van de leidinggevende kunnen de richting aangeven van de activiteiten in de onderneming en daarmee de prioriteiten van de onderneming veranderen.

EIS is naar verluidt een van de belangrijke informatiesystemen die het topmanagement een kans biedt om een ​​echt gevoel te krijgen van het nut van informatiesystemen bij strategische besluitvorming.

Een dergelijk systeem in een onderneming bevordert waarschijnlijk ook het begrip tussen topmanagement en IT-professionals en verbetert de communicatie tussen deze belangrijke spelers bij de ontwikkeling van de IT-infrastructuur.

Succesvol MER kan de zichtbaarheid en geloofwaardigheid van informatiesystemen als geheel vergroten en helpen bij de implementatie van andere informatiesystemen in de onderneming.

Kritieke succesfactoren bij implementatie van EIS:

EIS is van plan uit eerste hand kennis te verschaffen aan topmanagers met betrekking tot de potentiële voordelen van informatiesystemen in de onderneming. Daarom is het noodzakelijk ervoor te zorgen dat EIS, eenmaal gepland, met succes moet worden geïmplementeerd.

De implementatieproblemen in EIS kunnen talrijk zijn, maar enkele van de meest voorkomende zijn de volgende:

a) Moeilijkheden in systeemspecificatie:

De doelgebruikers van EIS zijn niet duidelijk over hun specifieke informatiebehoefte en hebben ook geen tijd om de specificaties van het informatiesysteem uit te graven. De gebruikers verdienen dus een paar opties om uit te proberen voordat ze de door hen vereiste diensten kunnen specificeren. Prototyping wordt beschouwd als een betere strategie bij het ontwerp van EIS.

b) Grote hoeveelheden gegevens:

Ad-hoc Query-voorzieningen vereisen toegang tot een grote hoeveelheid gegevens. Voor het voldoen aan dergelijke vragen is mogelijk het gebruik van statistische hulpmiddelen nodig die bulkgegevens verwerken voordat deze kan voldoen aan de vereiste informatie in de query. Dit kan enige tijd duren en de reactie van het systeem kan traag zijn.

Het is daarom van essentieel belang te anticiperen op de brede kwesties waarop de vragen zich waarschijnlijk zullen richten en informatie over dergelijke kwesties kan regelmatig worden gegenereerd en afzonderlijk worden opgeslagen voor toegang tot EIS.

c) Weerstand van lagere niveaus:

EIS zal waarschijnlijk ook weerstand ondervinden van de mensen op bijna alle niveaus en meer van managers op lagere niveaus van Java. Het is zo omdat nu de baas toegang heeft tot de nieuwste informatie over het dagelijks functioneren in elke afdeling nog voordat de afdelingshoofden het hebben doorgemaakt en begrepen. Rochartat anticipeert op serieuze implicaties van een dergelijke toegang tot databases over de nieuwe politiek van data-eigendom bij de managers. Echter, een data- de basemanager kan dit probleem aanpakken door zorgvuldig de distributieknop van gegevens te hanteren.

d) Managementstijlen:

Het zou moeilijk zijn om EIS te implementeren in het geval van ondernemingen met een IT-afkeringscultuur. Sommige topmanagers zijn niet voorstander van IT-gebruik bij het nemen van beslissingen. Ze hebben meer vertrouwen in hun bedrijfsoordeel en willen gegevensanalyse achterlaten bij hun ondergeschikten of bij de domeinexperts die hen helpen.

Dit probleem is vrij ernstig. Daarom zijn EIS in dergelijke omgevingen gericht op topposities. Ze zijn qua reikwijdte beperkt tot diensten waarvan het slagingspercentage zeer hoog is. Zodra het vertrouwen in IT en EIS is gegenereerd, kan EIS meer services aan zichzelf toevoegen.

e) Verhoogde omvang en kosten:

Als de manager een EIS nuttig vindt, verwacht hij dat zijn ondergeschikten het ook zullen gebruiken. Degenen die het niet gebruiken, vinden het erg moeilijk om te voldoen aan de verwachtingen van hun baas, voor zover het bewustzijn over de zakelijke omgeving betreft. Zo raakt de EIS overbelast en stijgen de kosten scherp, omdat het aantal gebruikers in geometrische verhoudingen zal toenemen.

De implementatie van EIS moet dus zeer zorgvuldig worden uitgevoerd. Het is raadzaam om een ​​geschikt tijdstip voor implementatie te selecteren. Mensen weerstaan ​​veranderingen meer wanneer het soepel gaat en zijn meer bereid om iets nieuws uit te proberen in een crisis.

Daarom is de meest geschikte tijd voor implementatie van EIS wanneer mensen op zoek zijn naar nieuwe oplossingen voor hun problemen. Pilootinstallatie wordt beschouwd als de meest geschikte installatiestrategie voor EIS. Een selectieve benadering is beter in de beginfase van het EIS-ontwerp en nieuwe services worden pas in EIS toegevoegd nadat het eerste model succesvol is. Gebruikersbetrokkenheid en ondersteuning zijn van cruciaal belang voor de succesvolle implementatie van EIS.

Expertsystemen:

De toenemende complexiteit en dynamiek in de opkomende bedrijfsomgeving vereisen een grotere interactie van functionele 'managers met de experts om tijdig advies te krijgen. Deze experts zouden niet alleen informatie uit enorme bronnen van uiteenlopende informatie ziften, maar ook hun expertise gebruiken om advies te geven.

Van oudsher bood de expertise die beschikbaar is in een organisatie een belangrijke basis voor het realiseren, verbeteren en behouden van zijn concurrentiepositie. Als alle andere dingen gelijk zijn, zijn bedrijven zonder vergelijkbare expertise in het nadeel.

Menselijke experts zijn misschien niet in staat om de nieuwe uitdagingen aan te gaan, gezien de beperkingen van de tijd en de complexiteit van de nieuwe omgeving. Bovendien is er misschien geen uniformiteit en consistentie van advies voor een bepaalde beslissingssituatie over een periode.

Dit is zo vanwege het voor de hand liggende onvermogen van mensen om de impact van verschillende beslissingsvariabelen altijd vast te leggen. Het informatie-vermoeidheidssyndroom en de beperkingen van menselijke experts in de veranderende zakelijke omgeving hebben geleid tot een toenemende populariteit van bedrijfsexpert-systemen (BES).

Deze systemen simuleren menselijke activiteiten en blijven bedrijfskennis vastleggen en systematiseren, waardoor de beslissingsmogelijkheden van dure en schaarse menselijke experts worden uitgebreid, zodat anderen hun beslissingservaringen kunnen gebruiken. Ze bieden het voordeel van flexibiliteit bij het vastleggen en representeren van informatie van verschillende typen in diverse vormen.

Een bedrijfsexpert-systeem ontvangt een probleem van de gebruiker, identificeert zijn gegevensvereisten, analyseert de relevante gegevens tegen de beslissingsregels (vervat in een kennissysteem). Zodra het probleem is opgelost, rapporteert het systeem via zijn relatiemotor de oplossing voor de gebruiker en kan het ook zijn redenering uitleggen om die oplossing te bereiken.

Een bedrijfsexpert-systeem kan als hulpmiddel voor managementeffectiviteit fungeren door advies te verlenen. De oplossingen / adviezen zijn altijd consistent, uniform, grondig en methodisch. Het functioneert als een gestandaardiseerde probleemoplosser. Het bedrijfsexpert-systeem kan de redenering uitleggen die het gebruikt om een ​​probleem op te lossen.

Een gebruiker kan de redenering bestuderen en is vrij om de oplossing te accepteren, te wijzigen of te verwerpen. In tegenstelling tot andere expertsystemen op het gebied van geneeskunde, engineering, enz. Is het doel van het bedrijfsexpert-systeem niet om de evaluatie door menselijke expert (s) door het computerprogramma te vervangen.

Het doel is veeleer om de expertise van de menselijke expert te verwerven en deze in een gestandaardiseerde vorm beschikbaar te stellen voor menselijke expert (s) en anderen in de organisatie. Ze werken strategieën uit om kennis te gebruiken in de toepassingsgebieden om plausibele oplossingen voor de problemen te ontwikkelen.

De typische toepassingsgebieden van expertsystemen in het bedrijfsleven zijn:

ik. Maak of koop beslissingen

ii. Nieuwe productlanceringsbeslissingen

iii. Bepaling kredietlimieten

iv. Product ontwikkeling

v. Investment counseling

vi. Prestatie-evaluatie

vii. Stimuleringssystemen

viii. Vraag van de klant

ix. Projectevaluaties

X. Productieplanning

xi. Routebeslissingen nemen

Bouwstenen voor bedrijfsexpert-systemen:

Hoewel de methodologie van het expertsysteem de afgelopen twee decennia is ontwikkeld, staat deze nog steeds in de kinderschoenen, gezien vanuit het oogpunt van een bedrijfsleider. Er is dus geen standaardmodel voor een bedrijfsexpert-systeem. Holsapple identificeert drie basiscomponenten van BES, namelijk gebruikersinterface, relatiemotor en kennissysteem. De relaties tussen deze componenten worden weergegeven in figuur 10.5.

Een gebruiker stelt een probleem vóór de BES met behulp van de gebruikersinterface. De inferentie-engine probeert het probleem te begrijpen, structureert het zodanig dat het kennissysteem kan worden gebruikt om het op te lossen. Vervolgens gebruikt het het kennissysteem om oplossingen voor het probleem te zoeken.

Het kennissysteem bestaat uit opgeslagen redeneerexpertise en wordt aangesproken door de inferentiemotor om oplossingen voor het probleem te zoeken. Het kennissysteem kan bestaan ​​uit hulpmiddelen voor kennisrepresentatie, zoals regelsets, databases, spreadsheets, framegeoriënteerde structuren, case-bases, semantische netten, teksten, grafische afbeeldingen, enz. De relatie-engine kan interactie hebben met gebruikers om meer informatie te krijgen over de besluitvorming. milieu.

Inkoopopties:

Een bedrijfsexpert systeem is een complex systeem en vereist een langdurige inzet van een onderneming om goederen te kunnen leveren. Vanwege de dynamiek van het bedrijfsleven kan het nut van de BES's worden beperkt door veranderingen in de bedrijfsomgeving.

Sommige BES's kunnen zelfs tijdens de ontwikkelingsfase verouderd raken als ze niet goed gepland zijn. Het is essentieel om op de hoogte te zijn van de inkoopopties, zodat de ontwikkelingstijd en kosten kunnen worden beperkt en een balans tussen flexibiliteit en efficiëntie in het systeem kan worden behouden.

In grote lijnen zijn er drie inkoopopties voor BES:

a) Verwerven van een volledig ontwikkeld systeem:

Een aantal kant-en-klare BES's zijn beschikbaar voor verschillende soorten problemen die worden geïdentificeerd in de eerder genoemde lijst van aanvragen van BES. Deze kant-en-klare oplossingen hebben alle drie componenten volledig ontwikkeld en zijn klaar voor gebruik. Ze hebben de voordelen dat ze economisch, goed getest en sneller kunnen worden geïmplementeerd, maar in veel beslissingsituaties zijn ze niet geschikt.

b) Verkrijgen kunstmatige intelligentie shell:

De shell van de kunstmatige intelligentie bestaat uit een rule set-manager en een inferentie-engine. De Rule Set Manager wordt voorzien van de expertise die wordt vertegenwoordigd door verschillende hulpmiddelen voor kennisrepresentatie. Als de expertkennis eenmaal is weergegeven, wordt de regelset getest op de informatie uit het verleden en eenmaal gevonden, wordt de shell bruikbaar met behulp van de relatiemotor.

Deze optie biedt de flexibiliteit voor een manager om zijn eigen regelsets te definiëren en een op maat gemaakte BES operationeel te krijgen in een korte periode. Echter, dergelijke shells die beschikbaar zijn in de markt hebben hun eigen toepassingsgebieden waarvoor ze het meest geschikt zijn.

c) Op maat gemaakt systeem:

In het geval dat de eerste twee opties onhaalbaar lijken of als raadzaam worden beschouwd vanwege het unieke karakter van het probleem, kan men kiezen voor op maat gemaakte BES. Ze kosten meer en duren langer, maar zijn erg handig in unieke of specifieke soorten besluitvormingssituaties.

Voordelen van expertsystemen:

BES's zijn duur, zowel in termen van geld als tijd die nodig is om ze te ontwikkelen. Het is daarom noodzakelijk om zich bewust te zijn van de voordelen van BES, zodat de kosten-batenanalyse kan worden uitgevoerd voordat u zich waagt aan de overname van BES.

Hieronder volgen de potentiële voordelen van BES's:

a) Codering van deskundigheid:

Het grote voordeel van een bedrijfsdeskundig systeem is dat het helpt bij het formaliseren / coderen van het redeneervermogen van een organisatie. In het proces van ontwikkeling van BES wordt geprobeerd expertise te vertegenwoordigen in de vorm van regels, frames, cases, tekst en grafieken.

Dit leidt tot compilatie van kennis met betrekking tot de expertise die tot dusver door de experts stevig op de borst is gehouden. Een dergelijke expertise kan een basis bieden voor betere training van menselijke experts in de organisatie, naast het leiden tot betere besluitvorming.

b) Verbeterd begrip van bedrijfsprocessen:

Het verbetert het begrip van het besluitvormingsproces dat op zijn beurt kan leiden tot verbetering van het proces. Tijdens het ontwikkelingsproces worden de bestaande manieren van besluitvorming geïdentificeerd en beoordeeld. Dit helpt bij het verbeteren van het besluitvormingsproces. Frequente interactie van experts met BES is een groot leerproces en resulteert in wederzijdse verbetering van elkaars probleemoplossend vermogen.

c) Tijdige beschikbaarheid van expertise:

BES kan expertise bieden wanneer een menselijke expert niet beschikbaar is. Deze systemen hebben geen beschikbaarheidsproblemen die vrij algemeen zijn bij menselijke experts. BES's zijn beschikbaar voor gebruikers voor consulten op oneven uren, hebben geen voorafgaande afspraken, gaan niet verder met verlof om de een of andere reden en nemen geen ontslag bij de onderneming om zich bij een concurrent aan te sluiten.

d) Eenvoudige replicatie:

De marginale kosten van het repliceren van een BES zijn onbeduidend. Als een BES eenmaal op één plek succesvol is, kan het op andere plaatsen worden gerepliceerd met vergelijkbare besluitvormingsomgevingen, zonder verlies van tijd of gelegenheid.

e) Elimineert routinematige consultverzoeken:

BES kan een menselijke expert helpen zijn werklast te verminderen door het routinetype van consultverzoeken naar BES te leiden. Dit stelt de menselijke expert in staat zich te concentreren op meer uitdagende problemen die niet door BES worden opgelost.

f) Consistentie:

BES biedt consistent en uniform advies over problemen. Hun advies lijdt niet aan het over het hoofd zien van sommige factoren, het vergeten van sommige stappen, persoonlijke vooroordelen of temperamentvolle problemen.

g) Lijn van logica:

BES biedt een reeks logica die samen met de oplossing wordt gebruikt. Hierdoor kan de manager de oplossingen kritisch onderzoeken en nagaan of de gebruikte redenering geldig is of niet. Dit helpt de manager om de sterke en zwakke punten van de oplossing te begrijpen en zijn zakelijk inzicht toe te passen om tot beslissingen te komen.

h) Strategische toepassingen:

De voordelen van BES helpen bij product- en servicedifferentiatie en lagere kosten. Ze helpen ook bij het ontwikkelen van nichemarkten waar concurrenten zonder dergelijke systemen mogelijk niet effectief zijn. Zo kunnen BES's de strategische voorsprong van een onderneming bieden.

Kritieke succesfactoren bij de implementatie van BES:

De critici van BES's bieden tal van redenen voor de onuitvoerbaarheid van BES. De kritiek in de meeste gevallen is niet ongegrond. Het is essentieel dat de problemen met betrekking tot ontwikkeling en implementatie worden verwacht en dat de nodige voorzorgsmaatregelen worden genomen om het succes van BES te waarborgen.

In dit verband kunnen de volgende factoren in het oog worden gehouden:

a) Kosteneffectiviteit:

De meeste BES's zijn erg duur en soms is het economisch om menselijke experts te gebruiken. Het is noodzakelijk om de kosten van BES laag te houden om ervoor te zorgen dat de kosten worden gerechtvaardigd door de potentiële voordelen. De eerste twee inkoopopties helpen om de kosten van BES op een lager niveau te houden.

b) Selectief in omvang:

De meer ambitieuze BES kan een langere duur van het ontwikkelingsproces en zware kosten vereisen. Men mag niet vergeten dat niet alle beslissingen hetzelfde rendement op de investering in BES bieden.

Men moet selectief zijn in het opnemen van applicaties in BES en een uitgebreide BES, misschien vereist veel expertise op het gebied van informatiesystemen. De kunstmatige intelligentie-technologieën evolueren nog steeds en het kan economisch haalbaar zijn om een ​​grotere reikwijdte voor BES te hebben.

c) Gebruikersvriendelijkheid:

BES's zijn zeer complexe systemen met krachtige technieken voor data-analyse. Ze vereisen veel trainingsinspanning voordat ze effectief kunnen worden gebruikt. Het is daarom noodzakelijk om een ​​gebruiksvriendelijkere gebruikersinterface en meer expliciete en eenduidige menustructuren te hebben.

d) Multi-user omgeving:

De meeste BES zijn stand-alone systemen. Veel beslissingen zijn echter vaak het resultaat van collectieve en groepsactiviteiten. BES met een omgeving voor meerdere gebruikers is waarschijnlijk succesvoller dan zelfstandige systemen.

Wat een manager moet weten over BES:

BES maakt gebruik van een groot aantal kennistechnologie-instrumenten, waarvan vele mogelijk het bevattingsvermogen van een gewone functionele manager te boven gaan. Als een gebruiker van de BES hoeft een manager echter de technische details van het kennissysteem niet te kennen.

Wat hij moet weten over BES is:

ik. De mogelijkheden voor toepassing van BES in de bedrijfsactiviteiten en het relatieve potentieel van elke toepassing in formalisering van kennis.

ii. Standaard BES-technologieën en hun favoriete toepassingsgebieden.

iii. Haalbaarheid van het gebruik van kunstmatige intelligentie schelp.

iv. De rol van BES bij het ondersteunen van mensen bij hun activiteiten.

v. Technische en economische haalbaarheid van BES.

De potentiële voordelen van BES zijn behoorlijk fascinerend. Misschien is het nodig om kosteneffectieve instrumenten te ontwikkelen voor het opbouwen van de BES en de bereidwillige deelname van domeinexperts aan het ontwikkelingsproces dat evolutionair van aard is.

Beperkingen van zakelijke expert-systemen:

BES's hebben hun potentiële voordelen in veel toepassingen bewezen en nogal wat zijn zeer succesvol geweest. Er zijn echter een paar beperkingen van BES's. Deze beperkingen zijn te wijten aan de aannames die BES's maken met betrekking tot:

ik. De beschikbaarheid van een expert van het bereiddomein, die in staat is om kennis te articuleren en een bewezen staat van dienst heeft bij het nemen van effectieve beslissingen. Zulke experts zijn zelden beschikbaar, vooral in nieuwe domeinen waar kennis zich ook in een staat van evolutie bevindt.

ii. De besluitvormingsomgeving is eenvoudig, goed gestructureerd en niet onderhevig aan frequente veranderingen. In werkelijkheid vindt besluitvorming plaats in een complexe, dynamische en multidimensionale omgeving. Als gevolg hiervan is het moeilijk om kennis te articuleren.

De BES's missen flexibiliteit die nodig is in het licht van de dynamiek van het bedrijfsleven. Multidimensionale besluitvormingsomgeving maakt groepsbeslissing essentieel. Het verkrijgen van een expert die alle dimensies van de bedrijfsproblemen begrijpt, wordt steeds moeilijker. Men mag niet vergeten dat BES's goed geschikt zijn voor een beperkt aantal toepassingen en niet voor het volledig vervangen van menselijke experts.

Als gevolg hiervan verliezen BES's hun populariteit. Ze worden geschikt geacht voor een beperkt aantal toepassingen. De nieuwe tools voor kunstmatige intelligentie, zoals neurale netwerken, fuzzy logic, casusgebaseerde redenering, enz., Worden toegevoegd aan inferentiemotoren om ze meer geschikt te maken voor veranderende bedrijfsbehoeften.

Zij aan zij wordt geprobeerd de AI-tools te gebruiken voor het ontwikkelen van add-on-software om beperkte functies uit te voeren. Deze add-ons worden aangeduid als intelligente agents.

Intelligente agenten:

Intelligente agents zijn softwarecomponenten die een deel van het proces uitvoeren met behulp van een kennisbank. Ze werken over het algemeen met gedeelde informatiesystemen en werken op een semi-autonome manier.

Deze programma's communiceren met gebruikers en de informatiebanken om op zichzelf staande taken uit te voeren. Deze programma's zijn geïntegreerd in verschillende applicaties om de informatieanalysediensten van het informatiesysteem te verbeteren. Deze agenten worden gebruikt voor een verscheidenheid aan toepassingen, zoals:

a) Detectie- en alarmsystemen:

De intelligente agents worden gebruikt om een ​​systeem op te zetten van het detecteren van uitzonderingen in de databases, communicatiesystemen, enz. En het afgeven van noodzakelijke alarmen aan de betrokken gebruikers. 'Management by exception' zou een nieuwe dimensie vinden in managementactiviteiten wanneer dergelijke intelligente agenten informatie gaan leveren.

b) Informatiezoekmachines:

Intelligente agents worden ook ontwikkeld om te functioneren als informatiezoekmachines voor het beantwoorden van de vragen die worden ontvangen van verschillende soorten gebruikers. Een ministerie kan bijvoorbeeld elke dag een aantal verzoeken om informatie krijgen. Intelligente agents kunnen de verzoeken interpreteren en informatie uit de database ziften en het antwoord in de juiste vorm naar de gebruiker sturen.

Evenzo kunnen intelligente agenten waarde toevoegen aan het informatiesysteem van de Spoorwegen door een goed beheer van passagiersvragen met betrekking tot verschillende operaties. Een intelligente agent koppelt internet, het interne netwerk en cd-roms aan een zoekfilter en levert gepersonaliseerde informatie. Een kleinere versie van een dergelijke zoekmachine is al beschikbaar in LOTUS-NOTES.

c) Desktoptoepassingen:

Aangezien de beschikbaarheid van intelligente agenten op pc's gebruikelijk wordt, fungeren ze als persoonlijke vergaderingmanagers, persoonlijke bibliothecarissen, persoonlijke financiële adviseurs, enz. Deze agenten regelen automatisch telefonisch contact met klanten, stellen afspraken vast en geven alarmen om te zorgen dat de afspraak niet is per ongeluk genegeerd.

Deze agenten zouden op zoek gaan naar onderwerpen over onderwerpen uit internetmagazines en informatie uit andere bronnen verzamelen, waaronder elektronische bibliotheken en cd-roms, om informatie te verschaffen die men vandaag met behulp van secretaresses krijgt.

Nieuwe hulpmiddelen voor informatie-analyse:

Intelligente agents gebruiken een verscheidenheid aan hulpmiddelen voor informatieanalyse. Deze tools ziften niet alleen informatie uit een hoop gegevens, maar leveren de informatie ook op een zinvolle manier. De belangrijkste van deze tools zijn datamining, datamapping, datavisualisatie, neurale netwerken, etc.

a) Datamining:

Datamining verwijst naar het onderzoeken van grote hoeveelheden gegevens voor trends en patronen, waarbij dwarsverbanden worden gelegd tussen verschillende factoren die tot nu toe verborgen konden blijven in de hoop gegevens. Het gaat om drill-down-technieken om cijfers van een hoger niveau op te splitsen naar lagere cijfers.

De 'verkeerslichten' geven waarschuwingssignalen wanneer zich uitzonderingen voordoen. Datamining vindt zijn toepassingen overal waar er complexe en subtiele relaties zijn tussen individuele producten of diensten die niet eenvoudig te identificeren zijn, maar die belangrijke implicaties hebben voor de opbrengsten en winstgevendheid. Een opvallend kenmerk van datamining is dat het de volledige beschikbare gegevens analyseert in plaats van monsters voor analyse op te halen. Figuur 10.6 illustreert het proces van datamining.

Datamining deed zijn intrede in de handel in retail commodity-marketing en het was heel natuurlijk. Het heeft echter ook toepassingen in andere bedrijfsactiviteiten. Het kan managers helpen bij het vaststellen van relaties tussen verschillende factoren die van invloed zijn op verschillende beslissingsvariabelen.

Datamining als techniek staat nog in de kinderschoenen. Het is een grote belofte, vooral omdat het kan helpen kansen te identificeren en managers in staat te stellen snel te reageren op de huidige kansen en dreigende gevaren.

b) Gegevenskoppeling:

Datamapping-tools bieden grafische weergave van de informatie op een kaart van een geografisch gebied of territorium. Ze kunnen een sneller beeld geven van de geografische spreiding / concentratie van de vraag naar de producten en de voorkeuren, verwachtingen en marktsentimenten van de klant.

Ze kunnen ook helpen bij het identificeren van lokale factoren die het gedrag van de markt op verschillende tijdstippen beïnvloeden. Dergelijke kaarthulpmiddelen kunnen van grote hulp zijn bij het verbeteren van het begrip van omvangrijke gegevensinformatie, aangezien is gebleken dat een groot deel van de opgeslagen gegevens een geografisch karakter heeft.

Kaartinstrumenten moeten echter worden verrijkt met meer details over de karakteristieke kenmerken van elk geografisch gebied en de bijbehorende overeenkomsten van aangrenzende gebieden.

c) Tools voor gegevensvisualisatie:

Deze hulpmiddelen zijn voornamelijk gericht op het weergeven van gegevens met behulp van driedimensionale beelden. Deze beelden kunnen histogrammen zijn die kunnen worden genavigeerd voor verdere details van de componentgegevens, met behulp van een aanwijsapparaat zoals een muis.

Het visuele kan meer fantasierijke vormen aannemen, zoals bolvormige ballen van verschillende grootten en kleuren of elke andere vorm die rechtstreeks verband houdt met het onderwerp of het gedrag van gegevens. Data visualisatie tools hebben de mogelijkheid om data op zo'n manier samen te vatten dat de gebruikers minder tijd nemen om de situatie te visualiseren.

Het helpt bij het focussen op het momenteel relevante deel van de gegevens en stelt de gebruiker in staat om te verkennen voor meer in het geval dat het hem interesseert. Datavisualisatietechnieken zouden ook moeten helpen bij simulatie, gevoeligheidsanalyse en het beantwoorden van 'wat als'-vragen.

Om een ​​glimp op te vangen van hun toepassingen in financieel beheer, laten we een voorbeeld nemen van de klassieke verhoudingsanalyse voor het meten van de prestaties van een onderneming. Verhouding bij zorgvuldig gebruik kan veel bijdragen aan het verschaffen van inzicht in de stand van zaken.

Maar een groot aantal verhoudingen met betrekking tot een onderneming met uiteenlopende interpretaties in vergelijking met de industrie en landenratio's zou te omslachtig zijn en weerstand bieden tegen het begrip van ingewikkelde relaties. Visualisatietechnieken kunnen helpen om ze in het juiste perspectief te plaatsen.

Een driedimensionaal visueel zetten van de waarden in de vorm van gekleurde ballen / dozen en de componenten / lagere niveauwaarden in de grotere ballen die hoge waarden vertegenwoordigen, kan helpen bij het beter begrijpen van relaties en vergelijken met overeenkomstige industrie- en landnormen. Bijvoorbeeld, een rendement van een bankbedrijf op het uitvoeren van activa kan worden berekend en getoond samen met de betreffende waarden van kosten van fondsen;

Marktrente; rentebelasting / andere belastingen; Asset-mix; en Financieel risico samen met de industrie verhoudingen in de vorm van tweedimensionale tabellen of array van verhoudingen. Als alternatief wordt de ratio van het bedrijf weergegeven als een bal op een kleurenmonitor, samen met de verhouding van de branche in onderscheidende kleuren en proportionele afmetingen. Door met een muis op elke bal te slaan, kan de gebruiker de bal openbreken om vijf extra ballen te geven.

Elk van deze ballen vertegenwoordigt een van de hierboven genoemde factoren. De afmetingen van deze ballen houden verband met hun relatieve betekenis bij het bepalen van de waarde van het rendement op het uitvoeren van activa, zowel voor het bedrijf als voor de sector.

d) Genetische algoritmen en neurale netwerken:

Genetische algoritmen worden ook erkend als effectieve hulpmiddelen voor het analyseren van financiële gegevens. Deze tools stellen beslissingsregels en patronen vast uit de gegevens uit het verleden en helpen bij het veronderstellen van verschillende situaties. Met de beschikbaarheid van geavanceerde tools voor fuzzy-statistieken en snelle computervoorzieningen, vinden genetische algoritmen nu nieuwe toepassingen in financiële modellering.

Neurale netwerken proberen menselijke hersenen te emuleren met de extra kracht in rekenkundige nauwkeurigheid bij het verwerken van grote volumegegevens met behulp van complexe algoritmen. Deze netwerken wanneer ze worden geconfronteerd met relevante gegevens, graven patronen in gegevens uit en ontwikkelen modellen, testen ze, voorspellen toekomstige gebeurtenissen en leren van fouten.

Deze intelligente agenten hebben het potentieel om managers in staat te stellen sneller te anticiperen op veranderingen in de bedrijfsomgeving, zodat ze hun strategieën goed in de tijd kunnen veranderen. Op deze manier helpen ze bij het verbeteren van het aanpassingsvermogen van de bedrijfsprocessen.

De meeste van deze tools proberen informatie te analyseren op basis van real-time en dus wordt het meest recente scenario gepresenteerd aan de manager zonder veel technische analyse door hemzelf.

Softwaregiganten zoals Oracle, Cognos en Comshare zijn begonnen met het aanbieden van intelligente agents als add-ons met hun traditionele applicatieproducten. Sommige van de anderen bieden onafhankelijke softwaretools voor gegevensbeheer, modellering en informatiepresentatie. Op dit moment zijn deze tools echter heel eenvoudig en in hun primitieve vorm.