Amikor egy cég már legalább öt éve alkalmaz integrált vállalatirányítási rendszert, akkor érdemes elgondolkodni azon, mit kezdjen a felgyűlt adatvagyonnal?
Sokak számára a mesterséges és üzleti intelligencia még misztikus fogalmat jelent, pedig ma már az IT technológia kész megoldásokat kínál az alkalmazásukra. Először is pontosítsuk, mi a különbség a mesterséges és üzleti intelligencia között?
A Wikipédia szerint: Az üzleti intelligencia (angolul Business Intelligence, röviden BI) gyűjtőfogalom; magában foglalja azokat az alkalmazásokat, legjobb gyakorlatokat, eszközöket – beleértve az infrastruktúrát is -, amelyek lehetővé teszik, hogy megszerezhessünk és felhasználhassunk olyan információkat, amelyek fontosak ahhoz, hogy az üzleti döntéseket és így az üzleti teljesítményt javítsuk. Alkalmazásával optimalizálhatjuk a belső üzleti folyamatokat, növelhetjük a működés hatékonyságát, új bevételi forrásokhoz juthatunk, és előnyre tehetünk szert a piaci versenyben. Trendeket ismerhetünk fel, és azonosíthatunk olyan üzleti problémákat, amelyekkel foglalkoznunk kell.
Hatalmas, gyakran rosszul strukturált adattömeget kezelhetünk, ezzel új üzleti lehetőségeket tárhatunk fel, majd megtehetjük a szükséges lépéseket. Az üzleti intelligencia mind a múltbeli, mind a jelenlegi működés elemzésére alkalmas, a modern technológiák egyre pontosabb előrejelzéseket tesznek lehetővé. Üzleti döntések széles skáláját támogatja a stratégia kialakításától a napi működés támogatásáig. Utóbbira példa egyebek mellett a termékek pozicionálása és árazása, előbbire pedig új üzleti területek azonosítása. Az üzleti intelligencia lehetőségeit akkor használhatjuk ki a legjobban, ha a döntéshez szükséges adatokat minden lehetséges forrásból, a vállalaton belülről és kívülről is beszerezzük és feldolgozzuk. Ezeknek a „sokszínű” adatoknak az integrálása és feldolgozása adja az „intelligenciát”.
Az üzleti intelligencia rendszer ráépül a cég adatbázisaira, de külső adatbázisokat is bekapcsolhatunk. Az információkat többnyire grafikus formában, sokféle nézetben szemlélteti a vezetők számára. Az elemzési szempontokat tetszőlegesen lehet beállítani. ennek következtében sokszor meglepő összefüggésekre lehet rádöbbenni – amit korábban nem láttunk – és ennek birtokában jobb döntéseket hozhatunk. A BI rendszerek alá létrehozhatunk egy aggregált adatbázist a tételes adatokból, amelyek nagyobb összefüggésben, hosszabb időtávra mutatják meg az információkat. Ha pedig a részletekre is kíváncsiak vagyunk, az „adat lefúrási technika” alkalmazásával megtekinthetjük, miből jött össze egy aggregált szám. Ha külső adatbázisokat is bekapcsolunk, még szélesebb elemzési lehetőséget kapunk. Pl. a gyógyszergyártásban a gyógyszerkönyv adatbázisa, vagy országos forgalmi adatok hozzákapcsolása a gyógyszergyár ERP rendszerének adatbázisához.
A BI rendszer bevezetésével gyakran kiderül, hogy az adataink nem teljesen konzisztensek. Ennek oka lehet, hogy nem alkalmaztunk mindig egységes törzsadat kezelést (pl. többszörös cikkszámok, ügyfél azonosítók, stb.), vagy külső adatbázisokat töltöttünk fel, amikre a hivatkozások a tranzakciókban eltérő lehet. Így például nagyon nehéz forgalmi adatokat elemezni, ha az alapadatok nem helyesek. Ezért gyakran a BI rendszer bevezetési projekt adattisztítással is párosul.
A BI rendszerből a jövő alakulására is kaphatunk információkat a tendenciák elemzésével, ill. összehasonlító elemzéseket is végezhetünk az azonos, előző évi időszakok, vagy a tervhez képest a tények kimutatásával.
Elméletileg a mesterséges intelligencia (MI, vagy Artifical Intelligence – röviden AI) a gépek emberhez hasonló képességeit jelenti, mint például az érvelés, a tanulás, a tervezés és a kreativitás.
Lehetővé teszi a technika számára, hogy érzékelje környezetét, foglalkozzon azzal, amit észlel, problémákat oldjon meg, és konkrét cél elérése érdekében tervezze meg lépéseit. A számítógép nemcsak adatokat fogad (már előkészített vagy összegyűjtött adatokat érzékelőin, például kameráján keresztül), hanem fel is dolgozza azokat és reagál rájuk.
Ezek a rendszerek képesek viselkedésük bizonyos fokú módosítására is, a korábbi lépéseik hatásainak elemzésével és önálló munkával.
A mesterséges intelligencia fő típusai:
- Szoftveralapú: virtuális asszisztensek, kép- és szövegelemző szoftverek, keresők, beszéd- és arcfelismerő rendszerek
- Fizikai: robotok, önvezető autók, drónok, a dolgok internetje (Internet of things -iOT)
A gépi tanulás az a folyamat, amelyet a számítógépes rendszerek használnak a mesterséges intelligencia eléréséhez. Algoritmusokkal azonosít mintákat az adatokban, amelyekkel ezután adatmodellt készít, és előrejelzéseket végez.
A gépi tanulási modelleket adatok részhalmazain tanítják be. Ha a modell betanításához használt adatok pontosan képviselik az elemzésre váró teljes adatkészletet, akkor az algoritmus pontosabb eredményeket produkál. Ha a gépi tanulási modell elég jól van betanítva ahhoz, hogy gyorsan és pontosan elvégezze a feladatát, akkor elérte a szűk AI szintjét.
A vállalatirányításban – ha integráljuk a modelleket a vállalatirányítási rendszerrel, ill. külső adatforrásokkal, akkor hatékonyabb működést, nagyobb teljesítményt érhetünk el.
Tipikus szakmai területek, ahol a mesterséges intelligenciát a vállalatirányításban alkalmazhatjuk:
- Online értékesítés – a web-áruházban személyre szóló ajánlatok jelennek meg az érdeklődő vásárlószámára
- Marketing – személyre szabott hírlevek küldése
- Tervezés – különböző szcenáriók előállítása
- Készletgazdálkodás, beszerzés – az optimális készletszint elérése, a készletek optimális elosztása, a forgási sebesség növelése
- Raktári logisztika – a készletek optimális kiszedése, betárolása, áttárolása.
- Termelésirányítás automatizálásában
- Karbantartás irányításában
Az üzleti intelligencia legfontosabb alkalmazási területei:
- Szemléletes, személyre szabott vezetői riportok rendszeres előállítása naprakész adatokkal
- KPI-ok alakulásának gyors áttekintése
- Az információk sokféle szempontból elemezhetővé válnak
- Tendenciák, előrejelzések kimutatása
- Tervezési folyamat
- Értékesítés elemzése értékesítési csatornák, vevőcsoportok, területi megoszlás, stb. szerint
A mesterséges intelligencia modellek integrálása ún. API-n (Application Programming Interface) keresztüli kommunikációt jelent a vállalatirányítási funkciókkal.
