Tầm quan trọng của hệ thống hỗ trợ quản lý cho doanh nghiệp kinh doanh

Tầm quan trọng của hệ thống hỗ trợ quản lý cho doanh nghiệp kinh doanh!

Hệ thống hỗ trợ quản lý tập trung vào việc sử dụng quản lý tài nguyên thông tin. Các hệ thống này cung cấp thông tin để quản lý để lập kế hoạch và ra quyết định. Thông tin được cung cấp bởi các hệ thống này dựa trên cả dữ liệu bên trong và bên ngoài bằng các công cụ phân tích dữ liệu khác nhau.

Họ cũng cung cấp một lựa chọn cho người dùng để chọn ra các công cụ này cho mục đích phân tích dữ liệu. Các hệ thống này phục vụ nhu cầu thông tin của các nhà quản lý ở cấp trung và cấp cao trong hệ thống phân cấp quản lý.

Có ba loại hệ thống hỗ trợ quản lý, đó là:

a) Hệ thống hỗ trợ quyết định,

b) Hệ thống thông tin điều hành (hỗ trợ) và

c) Hệ chuyên gia.

Hệ thống hỗ trợ quyết định:

Các hệ thống hỗ trợ quyết định (DSS) được thiết kế để hỗ trợ quá trình ra quyết định của các nhà quản lý nhằm nâng cao hiệu quả của họ và từ đó hiệu quả của doanh nghiệp. Chúng dựa trên tiền đề rằng phán quyết của người quản lý không thể được thay thế bằng bất kỳ giải pháp dựa trên máy tính nào. Tuy nhiên, bằng cách cung cấp sự hỗ trợ của dữ liệu và mô hình, có thể cải thiện quá trình ra quyết định ngay cả trong trường hợp các vấn đề bán cấu trúc và không cấu trúc.

Mục đích cơ bản của DSS là mở rộng khả năng của quá trình ra quyết định của người quản lý bằng cách hỗ trợ các công cụ và dữ liệu có sẵn cho anh ta dưới sự kiểm soát trực tiếp của anh ta. DSS không giả định trước các yêu cầu thông tin cụ thể và các công cụ được xác định trước để phân tích cho các loại quyết định khác nhau cũng như không áp đặt bất kỳ giải pháp nào cho người quản lý.

Do đó, nó mang lại sự linh hoạt cho người quản lý để quyết định dữ liệu đầu vào, công cụ phân tích, độ sâu phân tích và sự phụ thuộc vào kết quả của Phân tích để ra quyết định. DSS cung cấp một môi trường tương tác cho người dùng và do đó cho phép người quản lý thử nghiệm dữ liệu và mô hình để phát triển chiến lược ra quyết định tối ưu trong một tình huống nhất định.

DSS cũng được mô tả là hệ thống thông tin tương tác giúp người quản lý sử dụng các mô hình phân tích dữ liệu để giải quyết các vấn đề không có cấu trúc. DSS sử dụng các công nghệ có thể được gọi là các khối xây dựng của nó. Chúng được biểu diễn trong hình 10.3.

Các loại và tính năng của DSS:

DSS có thể được định hướng dữ liệu hoặc định hướng mô hình. Các DSS định hướng dữ liệu có đầu vào lớn hơn của truy xuất dữ liệu và phân tích dữ liệu. DSS định hướng mô hình có các phương tiện mạnh mẽ để mô phỏng các kịch bản quyết định bằng cách ước tính kết quả của một hành động và tạo ra các đề xuất. Trên thực tế, rất khó để tìm thấy một DSS dành riêng cho việc truy xuất và phân tích dữ liệu hoặc, đơn giản, để mô hình hóa. Trên thực tế, hầu hết các DSS đều chứa hỗn hợp cả hai loại phương tiện.

Các DSS có các tính năng sau khiến chúng khác biệt với các loại hệ thống thông tin khác:

a) DSS không nhằm vào bất kỳ loại quyết định cụ thể nào. Nó có tính linh hoạt của việc sử dụng trong các tình huống quyết định bất ngờ khác nhau.

b) Giao diện thân thiện với người dùng của DSS làm cho nó khác với các loại hệ thống thông tin khác. Khi người quản lý đã sử dụng DSS một thời gian, việc sử dụng không thường xuyên của nó không ảnh hưởng xấu đến sự dễ sử dụng.

c) Trình tạo báo cáo và phương tiện đồ họa trong DSS cung cấp các cách tốt hơn để thể hiện thông tin được tạo bằng cách sử dụng các mô hình trong DSS. Các cơ sở này thêm giá trị cho thông tin.

d) DSS cung cấp bất kỳ quyền kiểm soát hoàn toàn của người dùng đối với hệ thống. Đầu vào, phương thức xử lý và đầu ra được kiểm soát bởi người dùng.

Lợi ích từ DSS:

Một hệ thống thông tin phải có lý do riêng để trở thành một ứng cử viên đáng để xem xét để đưa vào danh mục ứng dụng của doanh nghiệp. Các biện minh nói chung là về lợi ích trong việc tạo ra thông tin để hỗ trợ trong quá trình ra quyết định quản lý và báo cáo bên ngoài. Lợi ích mà DSS có thể mang lại bao gồm:

a. Đánh giá một số lượng lớn các lựa chọn thay thế vì các cơ sở trong DSS giảm thời gian và nỗ lực trong việc thu thập và phân tích dữ liệu cho các lựa chọn thay thế khác nhau.

b. Mô hình hóa và dự báo trở nên dễ dàng cho các nhà quản lý sử dụng DSS cho phép họ hiểu rõ hơn về quy trình kinh doanh.

c. Sự hữu ích trong giao tiếp giữa các nhóm và giữa các nhóm vì nó giúp giải thích cho những người khác, làm thế nào một người đi đến một kết luận cụ thể. Cơ sở lý luận gán sự tôn trọng cho kết luận và kiếm được sự ủng hộ của những người khác trong doanh nghiệp.

d. Các cơ sở để phân tích dữ liệu nhanh hơn cho việc ra quyết định phi cấu trúc, do đó, cải thiện tốc độ phản ứng trong các tình huống ra quyết định bất ngờ.

e. Phát hiện nhanh hơn các phương sai và ngoại lệ. Người dùng thường xuyên của DSS đã nhận thấy rằng DSS cho phép họ dự đoán kết quả với sự trợ giúp của cơ sở truy vấn ad hoc hiệu quả.

f. Phân tích chuyên sâu dữ liệu và do đó, sử dụng tài nguyên dữ liệu hiệu quả hơn.

Các ứng dụng của DSS:

DSS đã tìm thấy thành công trong các doanh nghiệp có quy mô từ trung bình đến lớn và trong các kịch bản quyết định đòi hỏi phải phân tích sâu về dữ liệu bên trong và bên ngoài. Thành công của DSS, phụ thuộc rất lớn vào sự hỗ trợ quản lý hàng đầu, tính thường xuyên và thời gian sử dụng, đào tạo các nhà quản lý và nhiều tình huống ra quyết định.

Nếu quy trình kinh doanh đơn giản và lặp đi lặp lại về bản chất, DSS có thể không thể biện minh cho chi phí của mình. DSS áp dụng cho các quyết định có cấu trúc chỉ làm tăng thêm chi phí và nhầm lẫn. DSS đã được tìm thấy là hữu ích trong các lĩnh vực quyết định, nơi linh hoạt trong dữ liệu và mô hình hóa là cần thiết để đưa ra quyết định tốt hơn. Các lĩnh vực điển hình của việc áp dụng DSS trong các chức năng sản xuất và tài chính của doanh nghiệp là:

Sản xuất:

Phân tích mua sắm, ước tính và phân tích chi phí, lập kế hoạch và lập kế hoạch sản xuất, đưa ra hoặc quyết định mua, lập kế hoạch và kiểm soát hàng tồn kho, tải nhân lực, v.v.

Tài chính:

Ngân sách vốn, lập kế hoạch và phân tích tài chính, lập kế hoạch thuế, hoạch định tài chính chiến lược, ngân sách, quản lý vốn và tiền mặt, phân tích tài chính nợ và vốn chủ sở hữu, quản lý rủi ro ngoại hối, phân tích hiệu quả tài chính, phân tích phương sai, v.v.

Các hệ thống hỗ trợ quyết định được phát triển bằng cách sử dụng một quy trình khác với quy trình phát triển hệ thống truyền thống vì chúng được cho là xử lý dữ liệu bên trong cũng như bên ngoài. Họ cần phải độc lập và tương tác.

Hệ thống thông tin điều hành:

DSS được thiết kế để phục vụ nhu cầu thông tin của các nhà quản lý ở cấp độ trung bình đến cao nhất. Chúng liên quan đến công việc dựa trên quy tắc thực hiện mô hình hóa và phân tích dữ liệu để làm cho nó hữu ích trong việc ra quyết định.

Tuy nhiên, ở cấp cao nhất của cấp quản lý, cần tập trung nhiều hơn vào việc đóng gói và cung cấp thông tin hơn là tạo ra thông tin. Người quản lý hàng đầu xứng đáng có môi trường tốt hơn để truy cập thông tin so với DSS cung cấp.

Các giám đốc điều hành hàng đầu cần truy cập nhanh vào các thông tin cập nhật, ngắn gọn và báo cáo ngoại lệ với các cơ sở để thông tin và phân tích được cá nhân hóa. Các hệ thống thông tin được thiết kế để phục vụ nhu cầu như vậy của các giám đốc điều hành hàng đầu được gọi là Hệ thống thông tin điều hành (EIS) hoặc Hệ thống hỗ trợ điều hành.

Các hệ thống này hoạt động như các hệ thống giao ban điện tử và cung cấp sự linh hoạt rất lớn trong sử dụng. EIS sử dụng thông tin nội bộ cũng như bên ngoài và cung cấp môi trường hoạt động tương tác và thân thiện với người dùng.

Các ứng dụng của EIS:

Tóm tắt điều hành:

EIS cung cấp thông tin cập nhật về các khía cạnh khác nhau trong mối quan tâm của nhà điều hành. Tóm tắt, nói chung, liên quan đến hiệu suất của các trung tâm lợi nhuận khác nhau và cung cấp các báo cáo trạng thái về các hoạt động khác nhau của doanh nghiệp. Mặc dù một số lượng nhất định của cuộc họp diễn ra trong DSS cũng như thông tin đến và khi được yêu cầu, từ cơ sở dữ liệu.

Trong EIS, thông tin được tự động tải xuống định kỳ từ cơ sở dữ liệu dưới dạng báo cáo hoàn thành. Tải xuống tự động này đảm bảo rằng giám đốc điều hành không mất liên lạc trong thời gian dài trong những ngày áp lực cực lớn của khối lượng công việc.

Phân tích cá nhân:

EIS cung cấp các phương tiện để phân tích dữ liệu bằng cách sử dụng các mô hình lựa chọn của người dùng. Bảng tính và kỹ thuật thống kê có sẵn trong EIS để hỏi. Sự khác biệt, ở đây, là EIS không chỉ giúp người dùng phân tích dữ liệu mà còn giải thích kết quả phân tích.

Báo cáo ngoại lệ:

Một thành phần quan trọng của EIS là mô-đun báo cáo ngoại lệ. EIS đáp ứng yêu cầu này của các giám đốc điều hành một cách hiệu quả và báo trước cho giám đốc điều hành các biến thể đáng kể từ các kế hoạch.

Họ cho phép, với các mức độ khác nhau, điều tra thêm về lý do sai lệch và tác động có thể có của các hoạt động trục vớt được đề xuất. Khả năng thăm dò vấn đề này để có được nhiều hơn một chút ngoại lệ khiến EIS trở thành một công cụ rất hữu ích cho nhà điều hành trong việc thực hiện hiệu quả các chức năng của mình.

Phân tích dựa trên mô hình:

EIS có các phương tiện để phân tích thông tin dựa trên mô hình và tính năng này là phổ biến với DSS. Nhưng, phân tích dựa trên mô hình trong EIS khác với phân tích trong DSS theo nghĩa là dữ liệu đầu vào trong EIS bị hạn chế và thu được từ cả nguồn bên trong và bên ngoài.

Có thể lưu ý rằng EIS không phải là một tập hợp các báo cáo thông tin máy tính riêng biệt cho giám đốc điều hành. EIS là một tập hợp các công cụ và công nghệ tích hợp được dệt vào môi trường hệ thống thông tin tổng thể của doanh nghiệp.

Có thể lưu ý rằng EIS hỗ trợ tất cả người dùng và không nhất thiết phải là giám đốc điều hành hàng đầu của doanh nghiệp. Tất cả những người giúp các giám đốc điều hành hàng đầu nên có quyền truy cập vào EIS và nó phải phục vụ cho nhu cầu thông tin của tất cả những người như vậy.

DSS và EIS:

Một số phương tiện trong EIS cũng được tìm thấy trong DSS và do đó, dòng phân biệt đôi khi trở nên mờ nhạt. Sự chồng chéo không thể loại trừ trong các hệ thống như vậy. Hình 10.4 cho thấy các loại hỗ trợ thông tin mà hai hệ thống này cung cấp cho người quản lý.

Lợi ích của EIS:

EIS cung cấp các lợi ích sau cho doanh nghiệp kinh doanh:

a) Hỗ trợ thông tin cho các quyết định chiến lược:

EIS giúp các giám đốc điều hành dựa nhiều vào thực tế hơn là trực giác và phán đoán kinh doanh cho các quyết định chiến lược của họ.

b) Thay đổi trọng tâm:

Các truy vấn thường xuyên của một giám đốc điều hành hàng đầu liên quan đến một tập hợp các yếu tố thành công quan trọng có tác động đến các ưu tiên của mọi người ở cấp quản lý thấp hơn. Do đó, một giám đốc điều hành sử dụng EIS sẽ dễ dàng truyền thông điệp đến các nhà quản lý chức năng về nhu cầu duy trì tiêu chuẩn chất lượng, chỉ bằng cách thực hiện các truy vấn thường xuyên từ EIS liên quan đến - chất lượng sản phẩm. Các truy vấn của giám đốc điều hành có thể thiết lập lực đẩy của các hoạt động trong doanh nghiệp và do đó thay đổi các ưu tiên trong doanh nghiệp.

EIS được cho là một trong những hệ thống thông tin quan trọng mang đến cơ hội cho ban lãnh đạo cao nhất có được cảm nhận thực sự về tính hữu ích của hệ thống thông tin trong việc ra quyết định chiến lược.

Một hệ thống như vậy trong một doanh nghiệp cũng có khả năng thúc đẩy sự hiểu biết giữa quản lý cấp cao và các chuyên gia CNTT và cải thiện giao tiếp giữa những người chơi quan trọng này trong việc phát triển cơ sở hạ tầng CNTT.

EIS thành công có thể cung cấp khả năng hiển thị và độ tin cậy cho toàn bộ hệ thống thông tin và giúp triển khai các hệ thống thông tin khác trong doanh nghiệp.

Các yếu tố thành công quan trọng trong việc triển khai EIS:

EIS dự định cung cấp kiến ​​thức trực tiếp cho các giám đốc điều hành hàng đầu về lợi ích tiềm năng của hệ thống thông tin trong doanh nghiệp. Do đó, cần phải đảm bảo rằng EIS, sau khi được lên kế hoạch, phải được thực hiện thành công.

Các vấn đề về triển khai trong EIS có thể rất nhiều nhưng một vài trong số những vấn đề phổ biến như sau:

a) Khó khăn trong đặc tả hệ thống:

Người dùng mục tiêu của EIS không rõ ràng về yêu cầu thông tin cụ thể của họ cũng như không có thời gian để đưa ra các thông số kỹ thuật của hệ thống thông tin. Do đó, người dùng xứng đáng có một vài lựa chọn để dùng thử trước khi họ có thể chỉ định các dịch vụ theo yêu cầu của họ. Prototyping được coi là một chiến lược tốt hơn trong thiết kế của EIS.

b) Khối lượng dữ liệu lớn:

Các cơ sở truy vấn đặc biệt yêu cầu truy cập vào một khối lượng lớn dữ liệu. Sự hài lòng của các truy vấn như vậy có thể yêu cầu sử dụng các công cụ thống kê xử lý dữ liệu hàng loạt trước khi nó có thể đáp ứng yêu cầu thông tin trong truy vấn. Điều này có thể mất thời gian và phản ứng của hệ thống có thể chậm.

Do đó, điều cần thiết là phải dự đoán các vấn đề rộng lớn mà các truy vấn có khả năng tập trung và thông tin liên quan đến các vấn đề đó có thể được tạo thường xuyên và được lưu trữ riêng để truy cập vào EIS.

c) Kháng cự từ cấp thấp hơn:

EIS có khả năng phải đối mặt với sự kháng cự từ mọi người ở hầu hết các cấp và hơn thế nữa từ các nhà quản lý ở các cấp java thấp hơn. Đó là vì bây giờ ông chủ có quyền truy cập vào thông tin mới nhất liên quan đến hoạt động hàng ngày ở mỗi bộ phận ngay cả trước khi các trưởng phòng đã đi qua và hiểu nó. Rochartat dự đoán những tác động nghiêm trọng của việc truy cập cơ sở dữ liệu như vậy vào chính trị mới về quyền sở hữu dữ liệu giữa các nhà quản lý. Tuy nhiên, người quản lý cơ sở dữ liệu có thể giải quyết vấn đề này bằng cách xử lý cẩn thận nút phân phối dữ liệu.

d) Phong cách quản lý:

Sẽ rất khó để triển khai EIS trong trường hợp các doanh nghiệp có văn hóa không thích CNTT. Một số giám đốc điều hành hàng đầu không ủng hộ việc sử dụng CNTT trong việc ra quyết định. Họ có niềm tin hơn vào phán đoán kinh doanh của mình và muốn để lại phân tích dữ liệu cho cấp dưới hoặc cho các chuyên gia tên miền giúp đỡ họ.

Vấn đề này khá nghiêm trọng. Do đó, EIS trong các môi trường như vậy là nhằm vào các vị trí hàng đầu. Chúng bị giới hạn, trong phạm vi, đối với các dịch vụ mà tỷ lệ thành công được biết là rất cao. Khi niềm tin vào CNTT và EIS được tạo, EIS có thể bổ sung thêm nhiều dịch vụ cho chính nó.

e) Tăng kích thước và chi phí:

Nếu người quản lý thấy EIS hữu ích, anh ta hy vọng cấp dưới của mình cũng sẽ sử dụng nó. Những người không sử dụng nó, rất khó sống theo mong đợi của ông chủ của họ cho đến khi nhận thức về môi trường kinh doanh có liên quan. Do đó, EIS bị quá tải và chi phí tăng mạnh vì số lượng người dùng sẽ tăng theo tỷ lệ hình học.

Do đó, việc triển khai EIS cần được tiến hành rất cẩn thận. Đó là khuyênableto chọn một thời cơ thích hợp để thực hiện. Mọi người chống lại những thay đổi nhiều hơn khi diễn ra suôn sẻ và sẵn sàng thử những điều mới mẻ trong một cuộc khủng hoảng.

Do đó, thời điểm thích hợp nhất để triển khai EIS là khi mọi người đang tìm kiếm giải pháp mới cho các vấn đề của họ. Cài đặt thí điểm được coi là chiến lược cài đặt phù hợp nhất cho EIS. Cách tiếp cận có chọn lọc sẽ tốt hơn trong các giai đoạn ban đầu của thiết kế EIS và các dịch vụ mới chỉ được thêm vào EIS sau khi mô hình ban đầu thành công. Sự tham gia và hỗ trợ của người dùng rất quan trọng trong việc triển khai thành công EIS.

Những hệ thống chuyên gia:

Sự phức tạp và năng động ngày càng tăng trong môi trường kinh doanh mới nổi đòi hỏi sự tương tác lớn hơn của các nhà quản lý chức năng với các chuyên gia để có được lời khuyên kịp thời. Những chuyên gia này sẽ không chỉ sàng lọc thông tin từ những kho thông tin đa dạng mà còn sử dụng chuyên môn của họ để đưa ra lời khuyên.

Theo truyền thống, chuyên môn có sẵn trong một tổ chức đã cung cấp một cơ sở quan trọng để đạt được, cải thiện và duy trì vị thế cạnh tranh của nó. Tất cả những thứ khác đều bình đẳng, các công ty không có chuyên môn tương đương đang ở thế bất lợi.

Các chuyên gia về con người có thể không thể đương đầu với những thách thức mới, do những hạn chế về thời gian và sự phức tạp của môi trường mới. Bên cạnh đó, có thể không có sự thống nhất và thống nhất về lời khuyên cho một tình huống quyết định nhất định trong một khoảng thời gian.

Điều này là như vậy bởi vì sự bất lực rõ ràng của con người trong việc nắm bắt tác động của các biến số quyết định khác nhau mọi lúc. Hội chứng mệt mỏi thông tin và những hạn chế của các chuyên gia về con người trong môi trường kinh doanh thay đổi đã dẫn đến sự phổ biến ngày càng tăng của các hệ thống chuyên gia kinh doanh (BES).

Các hệ thống này mô phỏng hoạt động của con người và tiếp tục nắm bắt và hệ thống hóa kiến ​​thức kinh doanh, mở rộng khả năng ra quyết định của các chuyên gia con người đắt đỏ và khan hiếm, để những người khác có thể sử dụng kinh nghiệm quyết định của họ. Họ cung cấp lợi thế của tính linh hoạt trong việc nắm bắt và thể hiện thông tin của các loại khác nhau trong các hình thức đa dạng.

Một hệ thống chuyên gia kinh doanh nhận được một vấn đề từ người dùng, xác định các yêu cầu dữ liệu của nó, phân tích dữ liệu liên quan theo các quy tắc quyết định (có trong một hệ thống kiến ​​thức). Khi vấn đề được giải quyết, hệ thống thông qua công cụ suy luận của nó báo cáo giải pháp cho người dùng và cũng có thể giải thích dòng lý luận của mình để đạt được giải pháp đó.

Một hệ thống chuyên gia kinh doanh có thể hoạt động như một sự trợ giúp cho hiệu quả quản lý bằng cách cung cấp lời khuyên. Các giải pháp / lời khuyên của nó luôn nhất quán, thống nhất, kỹ lưỡng và có phương pháp. Nó có chức năng như một người giải quyết vấn đề tiêu chuẩn hóa. Hệ thống chuyên gia kinh doanh có thể giải thích dòng lý luận mà nó sử dụng để giải quyết vấn đề.

Một người dùng có thể nghiên cứu cơ sở lý luận và được tự do chấp nhận, sửa đổi hoặc từ chối giải pháp. Không giống như các hệ thống chuyên gia khác trong lĩnh vực y học, kỹ thuật, vv, mục tiêu của hệ thống chuyên gia kinh doanh không phải là để thay thế đánh giá của chuyên gia con người bằng chương trình máy tính.

Thay vào đó, mục tiêu là để có được chuyên môn của chuyên gia về con người và làm cho nó có sẵn ở dạng chuẩn cho chuyên gia của con người và những người khác trong tổ chức. Họ đưa ra các chiến lược để sử dụng kiến ​​thức trong các lĩnh vực ứng dụng để phát triển các giải pháp hợp lý cho các vấn đề.

Các lĩnh vực điển hình của ứng dụng hệ thống chuyên gia trong kinh doanh bao gồm:

tôi. Ra quyết định hoặc mua

ii. Quyết định ra mắt sản phẩm mới

iii. Xác định hạn mức tín dụng

iv. Phát triển sản phẩm

v. Tư vấn đầu tư

vi. Đánh giá hiệu suất

vii. Hệ thống ưu đãi

viii. Truy vấn khách hàng

ix Đánh giá dự án

x. Kế hoạch sản xuất

xi. Quyết định định tuyến

Xây dựng khối hệ thống chuyên gia kinh doanh:

Mặc dù phương pháp hệ thống chuyên gia đã được phát triển trong hai thập kỷ qua, nhưng nó vẫn còn ở giai đoạn sơ khai khi nhìn từ quan điểm của một nhà quản lý doanh nghiệp. Vì vậy, không có mô hình tiêu chuẩn cho một hệ thống chuyên gia kinh doanh. Holsapple xác định ba thành phần cơ bản của BES là giao diện người dùng, công cụ suy luận và hệ thống kiến ​​thức. Các mối quan hệ giữa các thành phần này được trình bày trong Hình 10.5.

Một người dùng đặt ra một vấn đề trước BES bằng giao diện người dùng. Công cụ suy luận cố gắng hiểu vấn đề, cấu trúc nó theo cách sao cho hệ thống kiến ​​thức có thể được sử dụng để giải quyết nó. Sau đó, nó sử dụng hệ thống kiến ​​thức để tìm kiếm giải pháp cho vấn đề.

Hệ thống kiến ​​thức bao gồm chuyên môn lý luận được lưu trữ và được giải quyết bởi công cụ suy luận để tìm kiếm giải pháp cho vấn đề. Hệ thống kiến ​​thức có thể bao gồm các công cụ biểu diễn tri thức như bộ quy tắc, cơ sở dữ liệu, bảng tính, cấu trúc hướng khung, cơ sở trường hợp, lưới ngữ nghĩa, văn bản, đồ họa, v.v. Công cụ suy luận có thể tương tác với người dùng để biết thêm chi tiết về việc ra quyết định môi trường.

Lựa chọn mua sắm:

Một hệ thống chuyên gia kinh doanh là một hệ thống phức tạp và đòi hỏi sự cam kết lâu dài về phía doanh nghiệp để có thể giao hàng. Do tính năng động của kinh doanh, tính hữu ích của BES có thể bị giảm do những thay đổi trong môi trường kinh doanh.

Một số BES có thể trở nên lỗi thời ngay cả trong giai đoạn phát triển nếu chúng không được lên kế hoạch đúng. Điều cần thiết là phải nhận thức được các tùy chọn mua sắm, để giảm thời gian và chi phí phát triển và sự cân bằng giữa tính linh hoạt và hiệu quả có thể được duy trì trong hệ thống.

Nói chung, có ba tùy chọn mua sắm cho BES:

a) Có được một hệ thống phát triển đầy đủ:

Một số BES làm sẵn có sẵn cho các loại vấn đề khác nhau được xác định trong danh sách các ứng dụng của BES đã đề cập trước đó. Các giải pháp làm sẵn này có tất cả ba thành phần được phát triển đầy đủ và ở trạng thái sẵn sàng để sử dụng. Họ có những lợi thế là kinh tế, được thử nghiệm tốt và thực hiện nhanh hơn nhưng trong nhiều tình huống quyết định, chúng không phù hợp.

b) Có được vỏ trí tuệ nhân tạo:

Vỏ trí tuệ nhân tạo bao gồm một trình quản lý bộ quy tắc và một công cụ suy luận. Trình quản lý bộ quy tắc được cung cấp với chuyên môn được đại diện bởi các công cụ biểu diễn tri thức khác nhau. Khi kiến ​​thức chuyên môn được trình bày, bộ quy tắc được kiểm tra dựa trên thông tin trong quá khứ và một khi được tìm thấy chính xác, vỏ sẽ có thể sử dụng được với sự trợ giúp của công cụ suy luận.

Tùy chọn này mang lại sự linh hoạt cho người quản lý để xác định các bộ quy tắc của riêng mình và có được hoạt động BES tùy chỉnh trong một khoảng thời gian ngắn. Tuy nhiên, các shell như vậy có sẵn trên thị trường có các khu vực ứng dụng riêng mà chúng phù hợp nhất.

c) Hệ thống được xây dựng tùy chỉnh:

Trong trường hợp hai tùy chọn đầu tiên dường như không khả thi hoặc được coi là khuyến khích do tính duy nhất của vấn đề, người ta có thể chọn BES tùy chỉnh. Chúng có giá cao hơn và mất nhiều thời gian hơn, nhưng, rất hữu ích trong các loại tình huống ra quyết định độc đáo hoặc cụ thể.

Lợi ích của hệ thống chuyên gia:

BES đắt tiền cả về tiền bạc và thời gian cần thiết để phát triển chúng. Do đó, cần phải nhận thức được lợi ích của BES để phân tích lợi ích chi phí có thể được thực hiện trước khi mạo hiểm mua lại BES.

Sau đây là những lợi ích tiềm năng của BES:

a) Mã hóa chuyên môn:

Lợi ích đáng kể của hệ thống chuyên gia kinh doanh là nó giúp chính thức hóa / mã hóa khả năng lý luận của một tổ chức. Trong quá trình phát triển BES, các nỗ lực được thực hiện để thể hiện chuyên môn dưới dạng quy tắc, khung, trường hợp, văn bản và đồ thị.

Điều này dẫn đến việc tổng hợp kiến ​​thức liên quan đến chuyên môn cho đến nay được các chuyên gia nắm giữ chắc chắn. Một cửa hàng chuyên môn như vậy có thể cung cấp một cơ sở để đào tạo tốt hơn các chuyên gia về con người trong tổ chức bên cạnh việc dẫn đến việc ra quyết định tốt hơn.

b) Nâng cao hiểu biết về quy trình kinh doanh:

Nó tăng cường sự hiểu biết về quá trình ra quyết định có thể dẫn đến cải tiến trong quá trình. Trong quá trình phát triển, các cách ra quyết định hiện có được xác định và xem xét. Điều này giúp cải thiện quá trình ra quyết định. Sự tương tác thường xuyên của các chuyên gia với BES là một quá trình học tập tuyệt vời và kết quả là tăng cường khả năng giải quyết vấn đề của nhau.

c) Có sẵn chuyên môn kịp thời:

BES có thể cung cấp chuyên môn khi không có chuyên gia về con người. Các hệ thống này không có vấn đề về tính khả dụng khá phổ biến giữa các chuyên gia về con người. BES có sẵn cho người dùng để tham khảo ý kiến ​​vào giờ lẻ, không có sự tham gia trước đó, không tiếp tục nghỉ vì lý do này hay lý do khác và không từ chức từ doanh nghiệp để tham gia đối thủ cạnh tranh.

d) Nhân rộng dễ dàng:

Chi phí cận biên của việc sao chép BES là không đáng kể. Khi một BES thành công ở một nơi, nó có thể được nhân rộng ở những nơi khác có môi trường ra quyết định tương tự, mà không mất thời gian hay cơ hội.

e) Loại bỏ các yêu cầu tư vấn thông thường:

BES có thể giúp một chuyên gia về con người trong việc giảm tải công việc của mình bằng cách chỉ đạo loại yêu cầu tư vấn thông thường cho BES. Điều này cho phép chuyên gia con người tập trung vào các vấn đề khó khăn hơn mà BES không giải quyết được.

f) Tính nhất quán:

BES cung cấp lời khuyên phù hợp và thống nhất về các vấn đề. Lời khuyên của họ không bị xem nhẹ một số yếu tố, quên một số bước, thiên kiến ​​cá nhân hoặc các vấn đề về tính khí.

g) Dòng logic:

BES cung cấp một dòng logic được sử dụng cùng với giải pháp. Điều này cho phép người quản lý kiểm tra phê bình các giải pháp và tìm hiểu xem dòng lý luận được sử dụng có hợp lệ hay không. Điều này giúp người quản lý hiểu được điểm mạnh và điểm yếu của giải pháp và áp dụng phán đoán kinh doanh của mình để đi đến quyết định.

h) Ứng dụng chiến lược:

Những lợi ích của BES giúp phân biệt sản phẩm và dịch vụ và giảm chi phí. Họ cũng giúp phát triển thị trường thích hợp nơi các đối thủ không có hệ thống như vậy có thể không hiệu quả. Do đó, BES có thể cung cấp lợi thế chiến lược cho doanh nghiệp.

Các yếu tố thành công quan trọng trong việc thực hiện BES:

Các nhà phê bình của BES cung cấp nhiều lý do cho tính không khả thi của BES. Những lời chỉ trích trong hầu hết các trường hợp không phải là không có cơ sở. Điều cần thiết là các vấn đề liên quan đến phát triển và triển khai được dự đoán và các biện pháp phòng ngừa cần thiết được thực hiện để đảm bảo thành công của BES.

Các yếu tố sau có thể được giữ trong quan điểm trong kết nối này:

a) Hiệu quả chi phí:

Hầu hết các BES đều rất đắt tiền và đôi khi việc sử dụng các chuyên gia của con người là rất kinh tế. Cần phải giữ chi phí BES thấp để đảm bảo rằng chi phí được chứng minh bằng các lợi ích tiềm năng. Hai tùy chọn mua sắm đầu tiên giúp duy trì chi phí BES ở mức thấp hơn.

b) Chọn lọc trong phạm vi:

BES tham vọng hơn có thể yêu cầu thời gian dài hơn của quá trình phát triển và chi phí nặng. Có thể nhớ rằng không phải tất cả các quyết định đều có cùng tỷ lệ hoàn vốn đầu tư vào BES.

Người ta nên chọn lọc bao gồm các ứng dụng trong BES và BES toàn diện, có lẽ đòi hỏi nhiều chuyên môn về hệ thống thông tin. Các công nghệ trí tuệ nhân tạo vẫn đang phát triển và có thể có khả năng kinh tế để có phạm vi rộng hơn cho BES.

c) Sự thân thiện với người dùng:

BES là những hệ thống rất phức tạp có các kỹ thuật mạnh mẽ để phân tích dữ liệu. Họ đòi hỏi rất nhiều nỗ lực đào tạo trước khi có thể được sử dụng một cách hiệu quả. Do đó, điều cần thiết là phải có giao diện người dùng thân thiện hơn và các cấu trúc menu rõ ràng và rõ ràng hơn.

d) Môi trường nhiều người dùng:

Hầu hết BES là các hệ thống độc lập. Tuy nhiên, nhiều lần, chuyên môn quyết định là kết quả của hoạt động tập thể và nhóm. BES có môi trường nhiều người dùng có khả năng thành công hơn các hệ thống độc lập.

Những gì người quản lý cần biết về BES:

BES sử dụng nhiều công cụ kỹ thuật tri thức, trong đó nhiều công cụ có thể vượt quá tầm hiểu biết của một người quản lý chức năng thông thường. Tuy nhiên, là người dùng BES, người quản lý không cần biết chi tiết kỹ thuật của hệ thống kiến ​​thức.

Những gì anh ấy cần biết về BES là:

tôi. Các cơ hội để áp dụng BES trong các hoạt động kinh doanh của một người và tiềm năng tương đối của mỗi ứng dụng trong việc chính thức hóa kiến ​​thức.

ii. Các công nghệ BES cơ bản và các lĩnh vực ứng dụng yêu thích của chúng.

iii. Tính khả thi của việc sử dụng vỏ trí tuệ nhân tạo.

iv. Vai trò của BES trong việc hỗ trợ mọi người trong các hoạt động của họ.

v. Tính khả thi về kinh tế và kỹ thuật của BES.

Những lợi ích tiềm năng từ BES là khá hấp dẫn. Có lẽ, những gì cần thiết là phát triển các công cụ hiệu quả về chi phí để xây dựng BES và sẵn sàng tham gia bởi các chuyên gia tên miền trong quá trình phát triển mang tính tiến hóa trong tự nhiên.

Hạn chế của hệ thống chuyên gia kinh doanh:

BES đã chứng minh lợi ích tiềm năng của họ trong nhiều ứng dụng và khá nhiều người đã rất thành công. Tuy nhiên, có một vài hạn chế của BES. Những hạn chế này là do các giả định mà BES đưa ra liên quan đến:

tôi. Sự sẵn có của một chuyên gia con người sẵn sàng trong lĩnh vực con người có khả năng nói rõ kiến ​​thức và có một hồ sơ đã được chứng minh trong việc đưa ra quyết định hiệu quả. Các chuyên gia như vậy hiếm khi có sẵn, đặc biệt là trong các lĩnh vực mới, nơi kiến ​​thức cũng đang trong tình trạng tiến hóa.

ii. Môi trường ra quyết định rất đơn giản, có cấu trúc tốt và không chịu sự thay đổi thường xuyên. Trong thực tế, việc ra quyết định diễn ra trong một môi trường phức tạp, năng động và đa chiều. Hậu quả là kiến ​​thức phát âm rất khó.

BES thiếu tính linh hoạt cần thiết trong ánh sáng của sự năng động trong kinh doanh. Môi trường ra quyết định đa chiều làm cho việc ra quyết định nhóm trở nên thiết yếu. Để một chuyên gia hiểu tất cả các khía cạnh của các vấn đề kinh doanh đang trở nên ngày càng khó khăn. Có thể nhớ rằng BES rất phù hợp cho loại ứng dụng hạn chế và không hoàn toàn thay thế các chuyên gia về con người.

Hậu quả là BES đang mất dần sự nổi tiếng. Chúng được coi là phù hợp cho loại ứng dụng hạn chế. Các công cụ trí tuệ nhân tạo mới như mạng thần kinh, logic mờ, lý luận dựa trên trường hợp, v.v ... đang được thêm vào các công cụ suy luận để làm cho chúng phù hợp hơn cho việc thay đổi nhu cầu kinh doanh.

Bên cạnh, các nỗ lực đang được thực hiện để sử dụng các công cụ AI để phát triển phần mềm bổ trợ để thực hiện các chức năng hạn chế. Những tiện ích bổ sung này được gọi là tác nhân thông minh.

Đại lý thông minh:

Tác nhân thông minh là các thành phần phần mềm thực hiện một phần của quy trình sử dụng cơ sở tri thức. Họ làm việc chung với các hệ thống thông tin được chia sẻ và hoạt động theo phương thức bán tự trị.

Các chương trình này giao tiếp với người dùng và các cơ sở thông tin để thực hiện các nhiệm vụ khép kín. Các chương trình này được tích hợp vào các ứng dụng khác nhau để tăng cường các dịch vụ phân tích thông tin của hệ thống thông tin. Các tác nhân này đang được sử dụng cho nhiều ứng dụng như:

a) Hệ thống phát hiện và báo động:

Các tác nhân thông minh đang được sử dụng để thiết lập một hệ thống phát hiện các ngoại lệ trong cơ sở dữ liệu, hệ thống truyền thông, v.v. và đưa ra các báo động cần thiết cho người dùng liên quan. 'Quản lý bằng ngoại lệ' sẽ tìm thấy một chiều hướng mới trong các hoạt động quản lý khi các tác nhân thông minh như vậy bắt đầu cung cấp thông tin.

b) Công cụ tìm kiếm thông tin:

Các tác nhân thông minh cũng đang được phát triển để hoạt động như các công cụ tìm kiếm thông tin để trả lời các truy vấn nhận được từ các loại người dùng khác nhau. Ví dụ, một bộ có thể nhận được một số yêu cầu thông tin, hàng ngày. Các tác nhân thông minh có thể giải thích các yêu cầu và sàng lọc thông tin từ cơ sở dữ liệu và gửi trả lời dưới dạng thích hợp cho người dùng.

Tương tự, các tác nhân thông minh có thể tăng thêm giá trị cho hệ thống thông tin Đường sắt bằng cách quản lý đúng các câu hỏi của hành khách liên quan đến các hoạt động khác nhau. Một tác nhân thông minh liên kết Internet, mạng nội bộ và CD-ROM để tìm bộ lọc và cung cấp thông tin cá nhân. Một phiên bản nhỏ hơn của công cụ tìm kiếm như vậy đã có sẵn trong LOTUS-GHI CHÚ.

c) Ứng dụng hàng đầu của bàn:

Khi các đại lý thông minh trở nên phổ biến trên PC, họ sẽ đóng vai trò là người quản lý cuộc họp cá nhân, thủ thư cá nhân, cố vấn tài chính cá nhân, v.v. Các đại lý này sẽ tự động sắp xếp liên lạc qua điện thoại với khách hàng, sửa các cuộc hẹn và báo động để đảm bảo rằng cuộc hẹn không vô tình bỏ qua.

Các đại lý này sẽ tìm kiếm các bài viết về các chủ đề quan tâm từ các tạp chí Internet và thu thập thông tin từ các nguồn khác, bao gồm thư viện điện tử và CD-ROM để cung cấp thông tin mà một người có được với sự giúp đỡ của các thư ký, hôm nay.

Công cụ phân tích thông tin mới:

Tác nhân thông minh sử dụng một loạt các công cụ phân tích thông tin. Những công cụ này không chỉ sàng lọc thông tin từ đống dữ liệu mà còn cung cấp thông tin một cách có ý nghĩa. Điều quan trọng trong số các công cụ này là khai thác dữ liệu, ánh xạ dữ liệu, trực quan hóa dữ liệu, mạng lưới thần kinh, v.v.

a) Khai thác dữ liệu:

Khai thác dữ liệu đề cập đến việc kiểm tra khối lượng dữ liệu lớn cho các xu hướng và mẫu, thiết lập mối quan hệ chéo giữa các yếu tố khác nhau có thể cho đến nay vẫn bị ẩn trong đống dữ liệu. Nó liên quan đến các kỹ thuật khoan sâu để chia các số liệu cấp cao hơn thành các số liệu cấp thấp hơn.

'Đèn giao thông' cung cấp tín hiệu cảnh báo khi gặp trường hợp ngoại lệ. Khai thác dữ liệu tìm thấy các ứng dụng của nó ở bất cứ nơi nào có mối quan hệ phức tạp và tinh tế giữa các sản phẩm hoặc dịch vụ riêng lẻ không dễ xác định nhưng có ý nghĩa quan trọng đối với doanh thu và lợi nhuận. Một tính năng đáng chú ý của khai thác dữ liệu là nó phân tích toàn bộ dữ liệu có sẵn thay vì chọn mẫu để phân tích. Hình 10.6 minh họa quá trình khai thác dữ liệu.

Khai thác dữ liệu xuất hiện lần đầu tiên trong tiếp thị hàng hóa bán lẻ và nó hoàn toàn tự nhiên. Tuy nhiên, nó cũng có ứng dụng trong các hoạt động kinh doanh khác. Nó có thể giúp các nhà quản lý thiết lập quan hệ giữa các yếu tố khác nhau ảnh hưởng đến các biến quyết định khác nhau.

Khai thác dữ liệu như là một kỹ thuật vẫn còn ở giai đoạn sơ khai. Nó đặc biệt hứa hẹn vì nó có thể giúp xác định các cơ hội và cho phép các nhà quản lý phản ứng nhanh với các cơ hội hiện tại và các nguy cơ sắp xảy ra.

b) Ánh xạ dữ liệu:

Các công cụ ánh xạ dữ liệu cung cấp chế độ xem đồ họa của thông tin được đặt chồng lên trên bản đồ của một khu vực địa lý hoặc lãnh thổ. Họ có thể cung cấp cái nhìn nhanh hơn về sự lan truyền / tập trung địa lý của nhu cầu đối với các sản phẩm và sở thích, mong đợi và tâm lý thị trường của khách hàng.

Họ cũng có thể giúp xác định các yếu tố địa phương ảnh hưởng đến hành vi thị trường tại các thời điểm khác nhau. Các công cụ lập bản đồ như vậy có thể giúp ích rất nhiều trong việc cải thiện sự hiểu biết về thông tin dữ liệu đồ sộ vì nó đã được tìm thấy rằng một tỷ lệ lớn dữ liệu được lưu trữ có bản chất địa lý.

Tuy nhiên, các công cụ lập bản đồ cần được làm phong phú thêm với nhiều chi tiết liên quan đến các tính năng đặc trưng của từng khu vực địa lý và các điểm tương đồng liên quan của các khu vực lân cận.

c) Các công cụ trực quan hóa dữ liệu:

Những công cụ này chủ yếu nhằm mục đích đại diện cho dữ liệu với sự trợ giúp của hình ảnh ba chiều. Những hình ảnh này có thể là biểu đồ có thể được điều hướng để biết thêm chi tiết về dữ liệu thành phần của nó, với sự trợ giúp của bất kỳ thiết bị trỏ nào như chuột.

Hình ảnh có thể có nhiều hình dạng tưởng tượng hơn như các quả cầu có kích thước và màu sắc khác nhau hoặc bất kỳ hình dạng nào khác có thể liên quan trực tiếp đến đối tượng hoặc hành vi của dữ liệu. Các công cụ trực quan hóa dữ liệu có khả năng tóm tắt dữ liệu theo cách mà người dùng mất ít thời gian hơn để trực quan hóa tình huống.

Nó giúp tập trung vào phần dữ liệu hiện có liên quan và cho phép người dùng khám phá thêm trong trường hợp nó làm anh ta quan tâm. Các kỹ thuật trực quan hóa dữ liệu cũng sẽ giúp mô phỏng, phân tích độ nhạy và trả lời các câu hỏi 'nếu như'.

Để có cái nhìn tổng quát về các ứng dụng của họ trong quản lý tài chính, chúng ta hãy lấy một ví dụ về phân tích tỷ lệ cổ điển để đo lường hiệu suất của một doanh nghiệp. Tỷ lệ khi được sử dụng cẩn thận, có thể đóng góp rất nhiều trong việc cung cấp một cái nhìn sâu sắc về tình trạng.

Nhưng, một số lượng lớn các tỷ lệ liên quan đến một doanh nghiệp với các cách hiểu khác nhau khi so sánh với các tỷ lệ công nghiệp và quốc gia sẽ quá cồng kềnh và chống lại sự hiểu biết về các mối quan hệ phức tạp. Kỹ thuật trực quan có thể giúp đưa chúng vào đúng quan điểm.

Một hình ảnh ba chiều đặt các giá trị ở dạng quả bóng / hộp màu và các thành phần / giá trị cấp thấp hơn chứa trong các quả bóng lớn hơn đại diện cho các giá trị cấp cao có thể giúp hiểu rõ hơn về mối quan hệ và so sánh với các tiêu chuẩn ngành và quốc gia tương ứng. Ví dụ, lợi nhuận của một công ty ngân hàng đối với tài sản thực hiện có thể được tính toán và hiển thị cùng với các giá trị liên quan của Chi phí vốn;

Lãi suất thị trường; thuế lãi / thuế khác; Hỗn hợp tài sản; và rủi ro tài chính cùng với các tỷ số ngành dưới dạng bảng hai chiều hoặc mảng tỷ lệ. Ngoài ra, tỷ lệ của công ty được hiển thị dưới dạng một quả bóng trên màn hình màu cùng với tỷ lệ của ngành trong việc phân biệt màu sắc và kích thước tỷ lệ. Bằng cách đánh với sự trợ giúp của một con chuột ở mỗi quả bóng, người dùng có thể phá vỡ quả bóng để đưa ra năm quả bóng bổ sung.

Mỗi một trong những quả bóng này đại diện cho một trong những yếu tố được liệt kê ở trên. Kích thước của những quả bóng này được liên kết với tầm quan trọng tương đối của chúng trong việc xác định giá trị năng suất đối với tài sản thực hiện, cho cả công ty và ngành công nghiệp.

d) Thuật toán di truyền và mạng lưới thần kinh:

Các thuật toán di truyền cũng đang được công nhận là công cụ hiệu quả để phân tích dữ liệu tài chính. Các công cụ này thiết lập các quy tắc và mẫu quyết định từ dữ liệu trong quá khứ và giúp đưa ra giả thuyết về các tình huống khác nhau. Với sự sẵn có của các công cụ tiên tiến về thống kê mờ và các cơ sở tính toán tốc độ cao, các thuật toán di truyền hiện đang tìm kiếm các ứng dụng mới trong mô hình tài chính.

Mạng lưới thần kinh cố gắng mô phỏng bộ não của con người với sức mạnh bổ sung về độ chính xác số học trong việc xử lý dữ liệu khối lượng lớn bằng các thuật toán phức tạp. Các mạng này khi đối mặt với dữ liệu liên quan, khai thác các mẫu trong dữ liệu và phát triển các mô hình, kiểm tra chúng, dự báo các sự kiện trong tương lai và học hỏi từ những sai lầm.

Các tác nhân thông minh này có tiềm năng cho phép các nhà quản lý dự đoán những thay đổi trong môi trường kinh doanh kịp thời hơn để họ có thể thay đổi chiến lược của mình kịp thời. Bằng cách này, họ giúp cải thiện khả năng thích ứng của các quy trình kinh doanh.

Hầu hết các công cụ này cố gắng phân tích thông tin trên cơ sở thời gian thực và do đó, kịch bản gần đây nhất được trình bày cho người quản lý mà không có nhiều phân tích kỹ thuật do chính anh ta thực hiện.

Những gã khổng lồ phần mềm như Oracle, Cognos và Comshare đã bắt đầu cung cấp các tác nhân thông minh như các tiện ích bổ sung với các sản phẩm ứng dụng truyền thống của họ. Một số khác cung cấp các công cụ phần mềm độc lập để quản lý dữ liệu, mô hình hóa và trình bày thông tin. Tuy nhiên, hiện tại, những công cụ này rất đơn giản và ở dạng nguyên thủy.