Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

Οι «κύκλοι» της επιχειρησιακής νοημοσύνης. Μέθοδοι και Τεχνικές εξερεύνησης των δεδομένων για την απόκτηση γνώσης (Knowledge Discovery). Επιχειρησιακή.

Παρόμοιες παρουσιάσεις


Παρουσίαση με θέμα: "Οι «κύκλοι» της επιχειρησιακής νοημοσύνης. Μέθοδοι και Τεχνικές εξερεύνησης των δεδομένων για την απόκτηση γνώσης (Knowledge Discovery). Επιχειρησιακή."— Μεταγράφημα παρουσίασης:

1 Οι «κύκλοι» της επιχειρησιακής νοημοσύνης. Μέθοδοι και Τεχνικές εξερεύνησης των δεδομένων για την απόκτηση γνώσης (Knowledge Discovery). Επιχειρησιακή νοημοσύνη σε ένα σύγχρονο οργανισμό: Data Warehouses. ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ] 1

2  Επιχειρησιακή Νοημοσύνη (Business Intelligence - ΒΙ)  Η (υπο)Ενότητα αυτή θα δώσει μια καθαρή εικόνα των τρόπων που οι Τεχνολογίες της Πληροφορικής διευκολύνουν τη χρήση της επιχειρησιακής νοημοσύνης, και την ένταξη της στην «καθημερινότητα» ενός οργανισμού, με σκοπό την αναγνώριση της κατάστασης του οργανισμού και τη λήψη ορθολογικότερων αποφάσεων.  Περιλαμβάνει (όπως και κάθε άλλη Ενότητα): Εισαγωγή: Για να βοηθήσει τους λιγότερο εξοικειωμένους με το θέμα να το παρακολουθήσουν Ανάπτυξη: Για να προσφέρει κυριολεκτικές γνώσεις πάνω στο θέμα Πρακτική Άσκηση 2 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ]

3  Στόχος  Κατανόηση της τεχνολογικής βάσης της Επιχειρησιακής Νοημοσύνης  Περιεχόμενο  Έννοιες και Παραδείγματα  Δείτε αυτό το webinar μέχρι τέλους...  Μετά, Ρωτήστε αυτά που θέλετε τον/την Εκπαιδευτή/τρία σας Κάνετε ένα post στο Forum! 3 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ]

4 Επιχειρηματική Νοημοσύνη, Ηλεκτρονική Διακυβέρνηση, Οι Κύκλοι της Επιχειρησιακής Νοημοσύνης (Δημιουργία – Χρήση), Data Warehouse, Μέθοδοι και Τεχνικές για τη εξερεύνηση των data – Ανακάλυψη Γνώσης (Knowledge Discovery), Πρότυπα και Κανονικότητες, Αλγόριθμοι για τον εντοπισμό προτύπων και κανονικοτήτων, BI Analytics, Queries, Enterprise Reports, Alerts, OLAP 4 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ]

5  Η Επιχειρησιακή Νοημοσύνη (ΕΝ) περιλαμβάνει  Τη συλλογή, διαχείριση και ανάλυση των data που παράγονται και αποθηκεύονται κατά τη διάρκεια της καθημερινής ζωής των επιχειρήσεων και των δημοσίων οργανισμών  Την μετατροπή τους σε χρήσιμη πληροφορία και γνώση, με συστηματικό τρόπο, με εγκυρότητα, έγκαιρα (σχεδόν αυτόματα)  Τη διαχείριση της «παραγόμενης» πληροφορίας και της γνώσης με τη χρήση εργαλείων (ιστογράμματα, charts κλπ. και reports) με σκοπό την υποστήριξη των αποφάσεων  Η Επιχειρησιακή Νοημοσύνη σε έναν οργανισμό αφορά  Τη Διεύθυνση Πληροφορικής, τη Διοίκηση (προφανώς) αλλά και όλους τους άλλους που ενδιαφέρονται να παρακολουθούν τη δουλειά τους συστηματικά μέσα από δείκτες και αναφορές...  Και εν τέλει τους πολίτες που μπορούν να διαπιστώσουν την ποιότητα της παρεχόμενης υπηρεσίας 5 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ]

6  Η Επιχειρησιακή Νοημοσύνη είναι μια εφαρμογή Πληροφορικής που αναπτύσσεται σε φάσεις στις οποίες εμπλέκονται αρκετοί, και κυρίως οι δημοτικοί παράγοντες  Οι φάσεις αυτές συνιστούν ένα κύκλο  Μέθοδοι και Τεχνικές εξερεύνησης των δεδομένων με σκοπό την παραγωγή γνώσης (Knowledge Discovery)  Data Warehouses: Τι είναι; 6 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ]

7  Που εξελίσσεται σε 2 μεγάλες φάσεις  Δημιουργία (Creation) Αναλύεται σε περισσότερα στάδια  Χρήση (Use) Με τη συνδρομή των εργαλείων που είδαμε στο προηγούμενο μάθημα και θα συζητήσουμε πάλι 7 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ]

8 8... που ξεκινάει εδώ! Planning ΗΠΑ: Department of Defense

9 1. Σχεδιασμός (Planning / Tasking) 2. Συγκέντρωση Πληροφορίας (Collection) 3. Επεξεργασία (Processing & Exploitation) 4. Ανάλυση (Analysis) 5. Παραγωγή Reports & Διάχυση Πληροφορίας (Production – Dissemination)  Προκαλεί αλλεπάλληλους κύκλους Αξιολόγησης 6. Χρήση ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ] 9

10  Ξεκινά τη στιγμή που αντιλαμβανόμαστε την ανάγκη να «παίξουμε» με την ιδέα της Επιχειρησιακής Νοημοσύνης  Δηλαδή να αξιοποιήσουμε τη δυνατότητα να μετατρέψουμε τα data, που... απλώς υπάρχουν ανεκμετάλλευτα, σε χρήσιμη πληροφορία  Περιλαμβάνει  Την καταγραφή της ανάγκης, την ανάλυση της απαίτησης (Ποιός το σκέφτηκε; Για ποιό λόγο; Το ζήτησε κάποιος; Συνειδητοποιούμε την αξία του εγχειρήματος, καταλαβαίνουμε τι περιμένουμε να πάρουμε; Τι περιμένουν οι χρήστες;)  Την ονομασία των components έργου ΕΝ, π.χ. Μηνιαίο Report Εσόδων-Εξόδων κλπ.  Την οργάνωση του έργου ως project με αρχή, μέση και τέλος... και time plan! (όπως πρέπει να κάνουμε με κάθε έργο Πληροφορικής) 10 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ] Ποιός;

11  Ποιά data θέλουμε; Ποιές πηγές data θα αξιοποιήσουμε;  Από ποιές Υπηρεσίες του οργανισμού, του Δήμου;  Από ποιές εφαρμογές Πληροφορικής;  Κάθε πότε;  Από ποιές αυτοματοποιημένες Διαδικασίες (όταν το έργο LGAF εγκατασταθεί στους Δήμους) –- σήμερα από το Πρωτόκολλο...  Από άλλες πηγές, εξωτερικές; Ποιές;  «Επίσκεψη» στα data  Κατάλογος των data που θα χρησιμοποιηθούν (Cataloging) και των πηγών (databases) από τις οποίες θα αντληθούν  Φιλτράρισμα (Filtering) 11 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ] Ποιός; +

12  Τα data που θα επιλεγούν να χρησιμοποιηθούν θα πρέπει, αν θέλουμε η εργασία μας να είναι συστηματική, να μεταφερθούν  Από τις πηγές τους (production databases)  Σε ένα νέο περιβάλλον (data warehouse), που θα δημιουργήσει τις «σχεσιακές συνδέσεις» ανάμεσα στα δεδομένα που προέρχονται από διαφορετικές πηγές 12 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ] Ποιός; Data από Εξωρτερικές Πηγές Howson: Successful Business Intelligence {ETL: extract, transform, load}

13  Το έργο δημιουργεί αποτελέσματα (με βάση όσα ορίσθηκαν στη φάση του Σχεδιασμού)  Δείκτες, ιστογράμματα, πίνακες κλπ.  Χρειάζεται τώρα να γίνουν οι παρακάτω έλεγχοι  Έλεγχος ποιότητας: Αν τα παραγόμενα αποτελέσματα είναι σε αντιστοιχία με την πραγματικότητα, αν επιβεβαιώνονται (ή αλληλοσυμπληρώνονται) μεταξύ τους, αν δημιουργούν αντιφάσεις που πρέπει να ερευνηθούν…  Έλεγχος πιστότητας και χρηστικότητας: Αν τα παραγόμενα αποτελέσματα ανταποκρίνονται στις προθέσεις σχεδιασμού του έργου. Αυτός ο έλεγχος περιλαμβάνει επίσης αναδιατάξεις των αποτελεσμάτων, συμπλήρωση με νέες δυνατότητες συνδυασμών ώστε το παραγόμενο έργο να μπορεί να χρησιμοποιηθεί με τον καλύτερο δυνατό τρόπο στο πλαίσιο που έχει σχεδιασθεί και να υποστηρίζει πράγματι τις ανάγκες λήψης αποφάσεων ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ] Ποιός;

14  Όταν περατωθούν οι έλεγχοι, και οι απαραίτητες, προσαρμογές της φάσης «Ανάλυση», το έργο  Δημιουργεί τα μέσα (user interface) με τα οποία τα αποτελέσματα της εφαρμογής της Επιχειρησιακής Νοημοσύνης (δηλ. Δείκτες με ονομασία και επεξηγήσεις, Reports)... ... Θα γίνονται προσβάσιμα από τους χρήστες (visualization)  Βέβαια αυτά μπορεί να περάσουν από μικρούς κύκλους αξιολόγησης για να πάρουν οι σχεδιαστές του έργου το «feedback» των χρηστών...  Το έργο όμως τώρα μπορεί να χρησιμοποιηθεί (Φάση Χρήσης) 14 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ] Ποιός; +

15 15 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ] του αποτελέσματος

16 Στην Πρακτική Άσκηση αυτής της Ενότητας (Βc1.1.2) θα δείτε στην πράξη την παραγωγή δεικτών και reports (hands-on experience) με data που έχουν αντληθεί από Δήμους της χώρας (Πρωτόκολο) και τροποποιηθεί για να μην έχουν... ομοιότητα με την πραγματικότητα 16 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ]

17 Εξερεύνησης των δεδομένων με σκοπό την παραγωγή γνώσης (Knowledge Discovery) ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ] 17

18  Data από διαφορετικές πηγές, τα συγκεντρώνει, τα επεξεργάζεται και τα κάνει προσβάσιμα στους χρήστες, μέσα από πολλά «user interfaces»...  Με σκοπό μέσα από αυτή τη διαδικασία να παράγει χρήσιμη πληροφορία για τον οργανισμό και να οδηγήσει σε καλύτερες αποφάσεις και στην αύξηση της ποιότητας των παρεχομένων υπηρεσιών  Όπως μέχρι τώρα έχουμε παρουσιάσει την Επιχειρησιακή Νοημοσύνη, το αποτέλεσμα που παίρνουμε από την εφαρμογή της είναι αυτό που σχεδιάσαμε στη βάση της ανάγκης που επισημάναμε  Στη γλώσσα που χρησιμοποιούν οι ειδικοί, αυτή λέγεται «proactive business intelligence» 18 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ]

19  Έχουν πολλές φορές και μια εσωτερική αξία που δεν βλέπουμε με την πρώτη ματιά (τα data κρύβουν όπως λέμε patterns & trends, δηλ. πρότυπα και κανονικότητες)…  Και που προκύπτουν μέσα από την εφαρμογή μεθόδων και τεχνικών εξερεύνησης των data ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ] 19

20  Συνδυασμοί και τεχνικές εξερεύνησης των data  Που έχουν σκοπό να «ανακαλύψουν» γνώση που δεν «υποπτευόμαστε» ότι υπήρχε... Δεν ξεκινάμε με γνωστό το τι θέλουμε να «ανακαλύψουμε»  Γνώση που «προκύπτει» εξ αιτίας του γεγονότος ότι μπορούμε, με τη βοήθεια των τεχνικών της Επιχειρησιακής Νοημοσύνης, να εφαρμόσουμε αλγορίθμους εντοπισμού προτύπων και κανονικοτήτων, σε μεγάλες «ποσότητες» data (πολλών χρόνων)  Παράδειγμα: Οι Τράπεζες και οι εμπορικές επιχειρήσεις εφαρμόζουν αυτές τις τεχνικές στα data που γεννούν οι πιστωτικές κάρτες «για να «ανακαλύψουν» κανονικότητες στη συμπεριφορά των καταναλωτών (π.χ. ηλικίες, έστω 15-34, που αγοράζουν πιο συχνά το προϊόν Χ, και ποιά μέρα της εβδομάδας, εργάσιμη ή Σάββατο, κλπ.) 20 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ]

21  Μέθοδοι + Τεχνικές  Παρατήρηση κανονικοτήτων και τάσεων (Τrend reporting)  Εξόρυξη δεδομένων (Data mining)  Ανάλυση Προβλέψεων (Predictive analysis)  Alerts στην περίπτωση που εντοπιστεί ένα «γεγονός» που περιέχει μέρος από ένα σύνολο χαρακτηριστικών που έχουν προσδιοριστεί εξ αρχής  Οι Δημόσιοι Οργανισμοί αρχίζουν να ενδιαφέρονται για τη χρήση αυτών των μεθόδων και τεχνικών  Παραδείγματα: Παρατήρηση τάσεων για την πρόβλεψη της εξέλιξης της αγοράς γης (σε τοπικό επίπεδο) ή της δημιουργίας νέων θέσεων εργασίας... ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ] 21

22 Data Warehouses ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ] 22

23  Μπορούν να γίνουν με λίγα μέσα και χρησιμοποιώντας εργαλεία που προσφέρει το Web  Βλ. Πρώτη Ενότητα (Bc1.1.1)  Βλ.  Όταν όμως σχεδιάζει κανείς ένα έργο Επιχειρησιακής Νοημοσύνης σε βάθος, που θα αποδίδει συνέχεια και με συστηματικότητα αποτελέσματα  Θα πρέπει να σκεφτεί την οργάνωση συστήματος που θα συλλέγει σε μόνιμη βάση data από εσωτερικές και εξωτερικές πηγές  Επιστρέφουμε στη φάση «Επεξεργασία» της Επιχειρησιακής Νοημοσύνης... Το σύστημα αυτό λέγεται Data Warehouse 23 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ]

24 Ο Κύκλος της Επιχειρησιακής Νοημοσύνης Φάση: Επεξεργασία  Τι είναι ένα Data Warehouse  Ένα φυσικό αποθετήριο δεδομένων (data) όπου συλλέγονται data από διάφορες πηγές, και αναδιοργανώνονται για να πάρουν τη μορφή που της «πληροφορίας», που θα απαντά στις ανάγκες των χρηστών ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ] 24

25 25 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ] Data Warehouse E Turban et al: Business Intelligence, Prentice Hall

26  Δεν είναι υπόθεση ενός μικρού οργανισμού, όπως είναι ένας Δήμος  Εκτός αν πρόκειται για τους πολύ – πολύ μεγάλους Δήμους της χώρας   Προφανώς, το θέμα θα εξεταστεί στο πλαίσιο του Παρατηρητηρίου της ΚΕΔΚΕ  Το Παρατηρητήριο της Τοπικής και Περιφερειακής Ανάπτυξης Θα παρέχει στατιστικά δεδομένα που θα καταχωρούνται από τους Δήμους αλλά και που θα συλλέγονται κεντρικά Πληροφορίες και υποστήριξη στους φορείς της Τοπικής Αυτοδιοίκησης (και σε κάθε ενδιαφερόμενο) Ώστε να υποστηριχθούν με τον αποτελεσματικότερο τρόπο οι λήψεις αποφάσεων σε τοπικό και περιφερειακό επίπεδο 26 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ]

27  Συστήματα Επιχειρηματικής Ευφυΐας στη Γ.Γ.Π.Σ. του Υπουργείου Οικονομίας και Οικονομικών  rl=http%3A%2F%2Fwww.dmst.aueb.gr%2Fdamianos%2FAUEB%25 20BI%252023_6_08_v1.0.ppt&ei=YEnqSbLyBpGPsAbHtt2GBw&u sg=AFQjCNH9LGSDq8MsuOLsoeCXafVKPS- p8g&sig2=pBDFfeWzRlk2I-lFziSDnA  Δικτυωθείτε (Go Online): Eπιχειρηματική Eυφυΐα και Αποθήκευση Δεδομένων: Οι κυρίαρχες τάσεις  online.gr/ebusiness/specials/article.html?article_id=1662  Tech-Writer.net: The Intelligence Cycle  online.gr/ebusiness/specials/article.html?article_id=1662  Τι είναι ένα Data Warehouse;  27 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.2 ΕΙΣΑΓΩΓΗ]

28 28  ΟΤΑ Επιχειρησιακή Νοημοσύνη Παραγωγή Περιεχομένου:  ΕΑΙΤΥ [ΕΜ9: ATLANTIS Group] Συγγραφείς Θ. Εμμανουηλίδης, Π. Καβάσαλης, Γ. Κούζας, Αθ. Μώραλης, Ζ. Πολιτοπούλου 28 ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοημοσύνη [Bc1.1.3 ΑΝΑΠΤΥΞΗ]


Κατέβασμα ppt "Οι «κύκλοι» της επιχειρησιακής νοημοσύνης. Μέθοδοι και Τεχνικές εξερεύνησης των δεδομένων για την απόκτηση γνώσης (Knowledge Discovery). Επιχειρησιακή."

Παρόμοιες παρουσιάσεις


Διαφημίσεις Google