Betydningen af ​​styringssystemer til virksomheder

Betydningen af ​​Management Support Systems for Business Enterprises!

Management support systemer fokuserer på ledelsesmæssige brug af informationsressourcer. Disse systemer giver information til at klare planlægning og beslutningstagning. Oplysningerne fra disse systemer er baseret på både de interne og eksterne data ved hjælp af forskellige dataanalyseværktøjer.

De tilbyder også et valg til brugeren at vælge ud af disse værktøjer med henblik på dataanalyse. Disse systemer tjener informationsbehov hos ledere på mellem- og topniveau i ledelseshierarkiet.

Der er tre typer styringssystemer, nemlig:

a) Decision Support Systems,

b) Executive Information (support) Systemer og

c) Ekspert systemer.

Decision Support Systems:

Beslutningsstøttesystemer (DSS) er designet til at understøtte beslutningsprocessen for ledere for at forbedre deres effektivitet og derved effektiviteten af ​​virksomheden. De er baseret på den forudsætning, at ledelsesdommen ikke kan erstattes af nogen computerbaseret løsning. Men ved at tilbyde support af data og modeller er det muligt at forbedre beslutningsprocessen, selv i tilfælde af halvstruktureret og ustruktureret problem.

Det grundlæggende formål med DSS er at udvide muligheden for en leders beslutningsproces ved at støtte værktøjer og data, der stilles til rådighed for ham under hans direkte kontrol. DSS forudsætter heller ikke specifikke informationskrav og foruddefinerede værktøjer til analyse for forskellige typer beslutninger eller pålægger nogen løsninger på en leder.

Det giver således lederskabet fleksibilitet til at bestemme inputdata, analyseværktøj, analysediameter og afhængighed af resultatet af analyse til beslutningstagning. DSS tilbyder et interaktivt miljø for brugerne og giver dermed ledelsen mulighed for at eksperimentere med data og modeller for at udvikle den optimale beslutningstagningsstrategi i en given situation.

DSS er også beskrevet som interaktive informationssystemer, der hjælper ledere med at bruge dataanalysemodeller til at løse ustrukturerede problemer. DSS bruger teknologier, der kan betegnes som dets byggesten. De er repræsenteret i figur 10.3.

Typer og funktioner i DSS:

DSS kan være dataorienteret eller modelorienteret. De dataorienterede DSS'er har større input til data hentning og data analyse. Den modelorienterede DSS har kraftfulde faciliteter til simulering af beslutningsscenarier ved at estimere resultatet af en handling og generere forslag. Faktisk er det svært at finde en DSS udelukkende til dataindhentning og analyse eller simpelthen til modellering. Faktisk indeholder de fleste DSS'er en blanding af begge typer faciliteter.

DSS'er har følgende funktioner, der gør dem forskellige fra andre typer informationssystemer:

a) DSS sigter ikke på nogen bestemt type beslutninger. Det har fleksibilitet i brug i forskellige uventede beslutningssituationer.

b) Den brugervenlige grænseflade af DSS gør det anderledes end andre typer informationssystemer. Når en leder har brugt en DSS i et stykke tid, har den uregelmæssige brug ikke negativ indflydelse på brugervenligheden.

c) Rapportgeneratorer og grafiske faciliteter i DSS giver bedre måder at repræsentere den information, der genereres ved brug af modeller i DSS. Disse faciliteter giver værdi til informationen.

d) DSS giver enhver bruger fuldstændig kontrol over systemet. Indgangen, metoden til behandling og udgang styres af brugeren.

Fordele ved DSS:

Et informationssystem skal have sin egen begrundelse for at være en kandidat, der er værd at overveje at inddrage i en virksomheds ansøgningsportefølje. Begrundelserne er generelt med hensyn til fordelene ved at generere oplysninger til hjælp i ekstern rapportering og ledelsesmæssige beslutningsprocesser. Den fordel, som en DSS kan tilbyde omfatter:

en. Evaluering af et større antal alternativer som faciliteterne i DSS reducerer tid og kræfter ved indsamling og analyse af data for forskellige alternativer.

b. Modellering og prognoser bliver nemme for ledere, der bruger DSS, så de får mere indsigt i forretningsprocesserne.

c. Nyttighed i intra-gruppe og inter-gruppe kommunikation, fordi det gør det muligt at forklare for andre, hvordan man har nået en bestemt konklusion. Begrundelsen tildeler respekt for konklusioner og tjener til støtte for andre i virksomheden.

d. Faciliteter til hurtigere analyse af data til ustruktureret beslutningstagning og dermed forbedring af reaktionshastigheden i uventede beslutningstagningssituationer.

e. Hurtigere spotting af afvigelser og undtagelser. Hyppige brugere af DSS har fundet ud af, at DSS gør det muligt for dem at foregribe resultater ved hjælp af en effektiv ad hoc-forespørgselsfacilitet.

f. Dybtgående analyse af data og dermed mere effektiv brug af datafil.

Anvendelser af DSS:

DSS har fundet succes i virksomheder i mellemstore og store størrelser og i beslutningsscenarier, der kræver en dybdegående analyse af interne og eksterne data. DSS succes afhænger i vid udstrækning af top management support, regelmæssighed og brugstid, uddannelse af ledere og forskellige beslutningstagningssituationer.

Hvis forretningsprocessen er enkel og gentagende, kan DSS muligvis ikke retfærdiggøre sine omkostninger. DSS anvendt til strukturerede beslutninger øger kun omkostninger og forvirring. DSS har vist sig at være nyttigt i beslutningsområder, hvor fleksibilitet i data og modellering er nødvendig for bedre beslutningstagning. De typiske anvendelsesområder for DSS i produktions- og økonomifunktioner er:

Produktion:

Indkøbsanalyse, omkostningsberegning og analyse, produktionsplanlægning og planlægning, beslutningstagning eller købsbeslutninger, lagerplanlægning og -styring, læsning af arbejdskraft osv.

Finansiere:

Kapitalbudgettering, finansiel planlægning og analyse, skatteplanlægning, strategisk finansiel planlægning, budgettering, kontant- og driftskapitalforvaltning, gælds- og egenkapitalfinansieringsanalyse, valutarisikostyring, økonomisk resultatanalyse, variansanalyse mv.

Beslutningsstøttesystemerne udvikles ved hjælp af en anden proces end den traditionelle systemudviklingsproces, da de skal behandle interne såvel som eksterne data. De skal være uafhængige og interaktive.

Executive Information Systems:

DSS er designet til at imødekomme informationsbehovet hos ledere på mellem to øverste niveauer. De vedrører regelbaseret arbejde, der gør modellering og analyse af data for at gøre det nyttigt i beslutningsprocessen.

Men øverst på ledelsesniveau er der behov for at fokusere mere på emballage og levering af information end ved generering af information. Den øverste leder fortjener bedre miljø for adgang til information end den, der leveres af DSS.

De øverste ledere har brug for hurtig adgang til up-to-date, koncise oplysninger og undtagelsesrapporter med faciliteter til personlig information og analyse. Informationssystemerne, der er designet til at imødekomme sådanne leders behov, kaldes Executive Information Systems (EIS) eller Executive Support Systems.

Disse systemer fungerer som elektroniske briefing systemer og tilbyder enorm fleksibilitet i brug. EIS bruger både intern og ekstern information og tilbyder et interaktivt og brugervenligt arbejdsmiljø.

Anvendelser af EIS:

Executive Briefing:

EIS tilbyder up-to-date information om forskellige aspekter af ledelsens interesse. Oplysningen er generelt relateret til udførelsen af ​​forskellige profitcentre og tilbyder statusrapporter om forskellige aktiviteter i virksomheden. Selv om en vis orientering finder sted i DSS, så kommer informationen, når den bliver bedt om det, fra databaserne.

I EIS downloades oplysningerne automatisk periodisk fra databaser i form af færdige rapporter. Denne automatiske download sikrer, at lederen ikke forbliver ude af kontakt for længe i dagene med ekstremt pres på arbejdsbyrden.

Personlig analyse:

EIS tilbyder faciliteter til dataanalyse ved hjælp af modellerne efter brugerens valg. Regneark og statistiske teknikker er tilgængelige i EIS for at spørge. Forskellen er her, at EIS ikke kun hjælper brugeren med at analysere data, men også i fortolkningen af ​​analysens resultat.

Undtagelsesrapportering:

En vigtig del af EIS er undtagelsesrapporteringsmodulet. EIS henvender sig effektivt til dette krav fra ledende medarbejdere og advarer udøvelsen af ​​de væsentlige variationer fra planerne.

De tillader i forskellig grad yderligere undersøgelse af årsagerne til afvigelser og mulige virkninger af foreslåede bjærgningsoperationer. Denne evne til at sonde ind i sagen for at få lidt mere end blot undtagelsen, gør EIS til et meget nyttigt redskab for udøvende med hensyn til effektiv udskrivning af sine funktioner.

Modelbaseret analyse:

EIS har faciliteter til modelbaseret informationsanalyse, og denne funktion er fælles med DSS. Den modelbaserede analyse i EIS er imidlertid forskellig fra den i DSS i den forstand, at inputdataene i EIS er begrænsede og opnås fra både interne og eksterne kilder.

Det kan bemærkes, at EIS ikke er en isoleret samling af computerrapporter om information til udøvende. EIS er et sæt integrerede værktøjer og teknologier, der er vævet ind i virksomhedens samlede informationssystemmiljø.

Det kan bemærkes, at EIS støtter alle brugere og ikke nødvendigvis virksomhedens øverste ledere. Alle dem, der hjælper øverste ledere bør have adgang til EIS, og det skal imødekomme informationsbehovene hos alle sådanne personer.

DSS og EIS:

Nogle af faciliteterne i EIS findes også i DSS, og som sådan bliver sondens linje sommetider sløret. Overlapningen kan ikke udelukkes i sådanne systemer. Figur 10.4 viser de typer informationsunderstøttelse, som disse to systemer leverer til en leder.

Fordele ved EIS:

EIS tilbyder følgende fordele til en virksomhed:

a) Informationsstøtte til strategiske beslutninger:

EIS hjælper ledere med at stole mere på fakta end på intuition og business judgment for deres strategiske beslutninger.

b) Ændring af fokus:

En øverste leders hyppige forespørgsler vedrørende et sæt kritiske succesfaktorer har indflydelse på prioriteterne for folk på lavere ledelsesniveau. Det er således lettere for en udøvende medarbejder at bruge EIS til at videregive budskabet til funktionelle ledere angående behovet for at opretholde kvalitetsstandarder, blot ved at stille hyppige forespørgsler fra EIS vedrørende -kvaliteten af ​​produkterne. Eksekutivens forespørgsler kan sætte fokus på aktiviteter i virksomheden og dermed ændre prioriteterne i virksomheden.

EIS siges at være et af de vigtige informationssystemer, der giver mulighed for øverste ledelse til at få en reel følelse af brugen af ​​informationssystemer i strategisk beslutningstagning.

Et sådant system i en virksomhed vil også fremme forståelse mellem top management og it-fagfolk og forbedre kommunikationen mellem disse vigtige aktører i udviklingen af ​​it-infrastruktur.

Succesfuld EIS kan give synlighed og troværdighed til informationssystemerne som helhed og hjælpe med at implementere andre informationssystemer i virksomheden.

Kritiske succesfaktorer i implementeringen af ​​EIS:

EIS har til hensigt at give førstehånds viden til de øverste ledere vedrørende de potentielle fordele ved informationssystemer i virksomheden. Derfor er det nødvendigt at sikre, at EIS, når det er planlagt, skal gennemføres med succes.

Problemerne med implementering i EIS kan være mange, men nogle få af de fælles er som følger:

a) Problemer med systemspecifikation:

Målbrugerne af EIS er hverken klare over deres specifikke informationskrav eller har tid til at kritisere specifikationerne i informationssystemet. Brugerne fortjener derfor et par muligheder for at prøve, før de er i stand til at angive de tjenester, der kræves af dem. Prototyping anses for at være en bedre strategi i udformningen af ​​EIS.

b) store datamængder:

Ad hoc Query faciliteter kræver adgang til en stor mængde data. Tilfredsheden af ​​sådanne forespørgsler kan kræve brug af statistiske værktøjer, der behandler bulkdata, før det kan opfylde kravet om information i forespørgslen. Dette kan tage tid, og systemets respons kan være langsom.

Det er derfor vigtigt at forudse de brede emner, som spørgsmålet sandsynligvis vil fokusere på, og oplysninger om sådanne problemer kan regelmæssigt genereres og opbevares separat for at få adgang til EIS.

c) Modstand fra lavere niveauer:

EIS vil sandsynligvis også modstå modstand fra folk på næsten alle niveauer og mere fra ledere på lavere java niveauer. Det er sådan, fordi chefen nu har adgang til de seneste oplysninger om den daglige drift i hver afdeling, selv før afdelingschefne har gennemgået og forstået det. Rochartat a forudser alvorlige konsekvenser af sådan adgang til databaser om den nye politik for dataejerskab blandt ledere. En data-base manager kan imidlertid løse dette problem ved omhyggeligt at håndtere distributionsknappen af ​​data.

d) Ledelsesstil:

Det ville være vanskeligt at gennemføre EIS i tilfælde af virksomheder, der har en IT-vild kultur. Nogle øverste ledere støtter ikke brugen af ​​it i beslutningsprocessen. De har mere tillid til deres forretningsdomme og ønsker at forlade data analyse enten til deres underordnede eller til domæneeksperterne, der hjælper dem.

Dette problem er ret alvorligt. Derfor er EIS i sådanne miljøer rettet mod toppositioner. De er begrænsede i omfang til tjenester, hvor succesfrekvensen vides at være meget høj. Når selvtillid til IT og EIS er genereret, kan EIS tilføje flere tjenester til sig selv.

e) Øget størrelse og pris:

Hvis lederen finder et EIS nyttigt, forventer han, at hans underordnede også bruger det. Dem, der ikke bruger det, finder det meget vanskeligt at leve op til deres chefs forventninger, for så vidt angår bevidstheden om erhvervsmiljøet. Således bliver EIS overbelastet og koster stigningen skarpt, fordi antallet af brugere skal vokse i geometriske proportioner.

Implementering af EIS bør således gennemføres meget nøje. Det anbefales at vælge en passende tid til gennemførelse. Folk modstår forandringer mere, når gået er glat og mere villigt til at prøve noget nyt i en krise.

Derfor er den mest hensigtsmæssige tidspunkt for implementering af EIS, når folk søger nye løsninger på deres problemer. Pilotinstallation betragtes som den mest egnede installationsstrategi for EIS. En selektiv tilgang er bedre i de indledende faser af EIS design og nye tjenester tilføjes kun i EIS, efter at den oprindelige model er succesfuld. Brugerinddragelse og støtte er afgørende for den vellykkede implementering af EIS.

Ekspert systemer:

Den stigende kompleksitet og dynamik i det nye forretningsmiljø kræver større interaktion mellem funktionelle 'ledere med eksperterne for at få rettidig rådgivning. Disse eksperter vil ikke kun sive oplysninger fra store puljer af forskellig information, men også bruge deres ekspertise til at tilbyde rådgivning.

Traditionelt har den ekspertise, der er til rådighed i en organisation, givet et vigtigt grundlag for at opnå, forbedre og opretholde sin konkurrencedygtige stilling. Alt andet lige er virksomheder uden sammenlignelig ekspertise ufordelagtige.

Menneskeeksperter kan muligvis ikke klare de nye udfordringer på grund af de tidsmæssige og kompleksiteter i det nye miljø. Derudover må der ikke være ensartethed og konsistens af rådgivning for en given beslutningssituation over en periode.

Dette er så på grund af menneskets indlysende manglende evne til at fange virkningen af ​​forskellige beslutningsvariabler hele tiden. Information Fatigue Syndrome og begrænsningerne af menneskelige eksperter i det skiftende erhvervsklima har resulteret i stigende popularitet af forretningssystemer (BES).

Disse systemer simulerer menneskelig aktivitet og fortsætter med at opfange og systematisere forretningskendskab og udvide beslutningsmulighederne hos dyre og knappe menneskelige eksperter, så andre kan bruge deres beslutningserfaringer. De giver fordelen af ​​fleksibilitet i at fange og repræsentere information af forskellige typer i forskellige former.

Et virksomhedsekspertsystem modtager et problem fra brugeren, identificerer sine datakrav, analyserer de relevante data mod beslutningsreglerne (indeholdt i et videnssystem). Når problemet er løst, rapporterer systemet via sin inference-motor løsningen til brugeren og kan også forklare sin tankegang for at nå denne løsning.

Et forretningssystem kan fungere som en hjælp til ledelsesmæssig effektivitet ved at yde rådgivning. Dens løsninger / råd er altid konsistente, ensartede, grundige og metodiske. Det fungerer som en standardiseret problemløsning. Forretningsekspertsystemet er i stand til at forklare den tankegang, som den bruger til at løse et problem.

En bruger kan studere begrundelsen og er fri til at acceptere, ændre eller afvise løsningen. I modsætning til andre ekspertsystemer inden for medicin, ingeniørvirksomhed osv. Er det ikke meningen med virksomhedsspecifikke system at erstatte evaluering af menneskelige ekspert (er) ved computerprogrammet.

Formålet er snarere at erhverve ekspertisen hos den menneskelige ekspert og gøre den tilgængelig i en standardiseret form til menneskelige ekspert (er) og andre i organisationen. De udarbejder strategier for at bruge viden på applikationsområderne for at udvikle plausible løsninger på problemerne.

De typiske anvendelsesområder for ekspert system i erhvervslivet omfatter:

jeg. Lav eller køb beslutninger

ii. Nye produktlanceringsbeslutninger

iii. Fastlæggelse af kreditgrænser

iv. Produktudvikling

v. investeringsrådgivning

vi. Præstations evaluering

vii. Incitamentsystemer

viii. Kunde forespørgsel

ix. Projekt evalueringer

x. Produktionsplanlægning

xi. Rutebeslutninger

Bygningssten af ​​forretningssystemer:

Selvom ekspertsystemmetoden er udviklet i løbet af de sidste to årtier, er den stadig i sin barndom, set fra perspektivet af en forretningschef. Således er der ingen standard model for et forretningssystem. Holsapple identificerer tre grundlæggende komponenter af BES nemlig brugergrænseflade, inference motor og viden system. Forholdene mellem disse komponenter er repræsenteret i figur 10.5.

En bruger stiller et problem før BES bruger brugergrænsefladen. Inference-motoren forsøger at forstå problemet, strukturere det på en sådan måde, at videnssystemet kan bruges til at løse det. Så bruger det videnssystemet til at finde løsninger på problemet.

Kendskabssystemet består af lagret argumentationskompetencer og behandles af inference-motoren for at finde løsninger på problemet. Videnssystemet kan bestå af vidensrepræsentationsværktøjer som regelsæt, databaser, regneark, rammeorienterede strukturer, case baser, semantiske net, tekster, grafik mv. Inference-motoren kan interagere med brugere for at få flere detaljer om beslutningstagningen miljø.

Indkøbsmuligheder:

Et forretningssystem er et komplekst system og kræver langsigtet engagement fra en virksomhed om at kunne levere varer. På grund af virksomhedens dynamik kan brugervenligheden af ​​BES'erne reduceres på grund af ændringer i erhvervsmiljøet.

Nogle af BES'erne kan blive forældede selv under udviklingsfasen, hvis de ikke er ordentligt planlagt. Det er vigtigt at være opmærksom på indkøbsmulighederne, således at udviklingstiden og omkostningerne kan reduceres, og der kan opretholdes en balance mellem fleksibilitet og effektivitet i systemet.

Der er stort set tre indkøbsmuligheder for BES:

a) Erhverv et fuldt udviklet system:

En række færdige BES'er er tilgængelige for forskellige typer problemer, der er identificeret i listen over anvendelser af BES, der er nævnt tidligere. Disse færdige løsninger har alle de tre komponenter fuldt udviklet og er i en klar til brug tilstand. De har fordelene ved at være økonomisk, velprøvet og hurtigere implementering, men i mange beslutningssituationer er de ikke egnede.

b) Erstat kunstig intelligens shell:

Den kunstige intelligens skal består af en regel set manager og en inference motor. Regelsætschefen er forsynet med ekspertisen repræsenteret af forskellige vidensrepræsentationsværktøjer. Når ekspertviden er repræsenteret, er reglerne, der er testet på de tidligere oplysninger, og en gang fundet korrekt, bliver skallen brugbar ved hjælp af inference-motoren.

Denne mulighed giver fleksibiliteten for en leder til at definere sine egne regelsæt og få en brugerdefineret BES-operation på kort tid. Sådanne skaller, der er tilgængelige på markedet, har imidlertid deres egne anvendelsesområder, som de er mest egnede til.

c) Brugerdefineret bygget system:

Hvis de to første valgmuligheder synes at være uudviklede eller anses for at være tilrådelige på grund af problemets unikke, kan man vælge specialdesignede BES. De koster mere og tager længere tid, men er meget nyttige i unikke eller bestemte typer beslutningstagningssituationer.

Fordele ved ekspert systemer:

BES'er er dyre både hvad angår penge og tid, der kræves for at udvikle dem. Det er derfor nødvendigt at være opmærksom på fordelene ved BES, således at omkostningsfordele analyser kan gøres inden venturing til erhvervelse af BES.

Følgende er de potentielle fordele ved BESs:

a) Kodning af ekspertise:

Den væsentlige fordel ved forretningssystemer er, at det hjælper med at formalisere / kodificere en organisations begrundelsesevne. I processen med udvikling af BES gøres der forsøg på at repræsentere ekspertise i form af regler, rammer, sager, tekst og grafer.

Dette fører til kompilering af viden om ekspertisen hidtil holdt fast til brystet af eksperterne. En sådan ekspertise kan danne grundlag for bedre uddannelse af menneskelige eksperter i organisationen udover at føre til bedre beslutningstagning.

b) Forbedret forståelse af forretningsprocessen:

Det forbedrer forståelsen af ​​beslutningsprocessen, som igen kan føre til forbedring af processen. Under udviklingsprocessen identificeres og revideres de eksisterende beslutningsmetoder. Dette hjælper med at forbedre beslutningsprocessen. Hyppig interaktion mellem eksperter med BES er en god læringsproces og resulterer i en gensidig forbedring af hinandens problemløsningskapacitet.

c) Tidlig tilgængelighed af ekspertise:

BES er i stand til at levere ekspertise, når en menneskelig ekspert ikke er tilgængelig. Disse systemer har ikke problemer med tilgængelighed, der er ret almindeligt blandt menneskelige eksperter. BESs er tilgængelige for brugere til konsultationer på ulige timer, har ingen forudgående engagement, ikke gå på ferie af en eller anden grund og den anden og ikke opsige virksomheden for at deltage i en konkurrent.

d) Let replikation:

De marginale omkostninger ved replikering af BES er ubetydelige. Når en BES er vellykket på ét sted, kan den replikeres på andre steder, der har lignende beslutningstagningsmiljøer, uden tab af tid eller mulighed.

e) Eliminerer rutinemæssige høringsanmodninger:

BES kan hjælpe en menneskelig ekspert med at reducere hans arbejdsbyrde ved at lede den rutinemæssige type høringsanmodninger til BES. Dette gør det muligt for den menneskelige ekspert at koncentrere sig om mere udfordrende problemer, som ikke løses af BES.

f) Konsistens:

BES tilbyder konsekvent og ensartet rådgivning om problemer. Deres råd lider ikke af at overveje nogle faktorer, glemmer nogle af trinene, personlige forstyrrelser eller temperamentelle problemer.

g) Logiklinie:

BES tilbyder en logisk linje, der bruges sammen med løsningen. Dette gør det muligt for lederen at kritisk undersøge løsningerne og finde ud af, om den anvendte rækkefølge er gyldig eller ej. Dette hjælper lederen med at forstå styrken og svaghederne i løsningen og anvende sin forretningsdom til at komme frem til beslutninger.

h) Strategiske applikationer:

Fordelene ved BES-hjælp i produkt- og servicedifferentiering og reducerede omkostninger. De hjælper også med at udvikle nichemarkeder, hvor konkurrenter uden sådanne systemer måske ikke er effektive. Således kan BESs give den strategiske kant til en virksomhed.

Kritiske succesfaktorer i implementeringen af ​​BES:

Kritikerne af BES'er giver adskillige grunde til, at BES er umulig. Kritikken i de fleste tilfælde er ikke ubegrundet. Det er vigtigt, at problemerne med udvikling og implementering forventes, og der træffes nødvendige forholdsregler for at sikre, at BES har succes.

Følgende faktorer kan holdes i denne forbindelse:

a) Omkostningseffektivitet:

De fleste af BES'er er meget dyre, og nogle gange er det økonomisk at bruge menneskelige eksperter. Det er nødvendigt at holde omkostningerne ved BES lav for at sikre, at omkostningerne er berettiget af de potentielle fordele. De to første indkøbsmuligheder hjælper med at holde omkostningerne til BES lavere.

b) Selektiv rækkevidde:

Den mere ambitiøse BES kan kræve en længere varighed af udviklingsprocessen og store omkostninger. Det kan huskes, at ikke alle beslutninger giver samme afkast af investeringer i BES.

Man bør være selektiv i at inkludere applikationer i BES og en omfattende BES, måske kræver en masse informationssystem ekspertise. Den kunstige intelligens teknologi udvikler sig stadig, og det kan være økonomisk rentabelt at have bredere muligheder for BES.

c) Brugervenlighed:

BESs er meget komplekse systemer med kraftige teknikker til dataanalyse. De kræver meget træningsindsats, før de kan bruges effektivt. Det er derfor nødvendigt at have en mere brugervenlig brugergrænseflade og mere eksplicitte og entydige menustrukturer.

d) Multi-bruger miljø:

De fleste BES er fritstående systemer. Men mange gange er beslutningskompetencen et resultat af kollektiv og gruppeaktivitet. BES har multi-bruger miljø vil sandsynligvis være mere succesfuld end stand-alone systemer.

Hvad en leder har brug for at vide om BES:

BES bruger mange forskellige videnstekniske værktøjer, hvoraf mange kan være uden for forståelsen af ​​en almindelig funktionel leder. Som bruger af BES må en leder imidlertid ikke kende de tekniske detaljer i videnssystemet.

Hvad han skal vide om BES er:

jeg. Muligheden for at anvende BES i virksomhedens forretningsaktiviteter og relativ potentiale i hver ansøgning ved formalisering af viden.

ii. Grundlæggende BES teknologier og deres foretrukne anvendelsesområder.

iii. Mulighed for at bruge kunstig intelligens skal.

iv. BES-rolle i at støtte folk i deres aktiviteter.

v. BES-teknisk og økonomisk gennemførlighed.

De potentielle fordele ved BES er ret fascinerende. Måske er det nødvendigt at udvikle omkostningseffektive værktøjer til opbygning af BES og villig deltagelse fra domæneeksperter i udviklingsprocessen, der er evolutionær i naturen.

Begrænsninger af forretningssystemer:

BESs har vist deres potentielle fordele i mange applikationer, og ganske få har været meget succesfulde. Der er dog nogle begrænsninger af BES'er. Disse begrænsninger skyldes de antagelser, som BESs gør vedrørende:

jeg. Tilgængeligheden af ​​en villig domæne menneskelig ekspert, der er i stand til at formulere viden og har en dokumenteret rekord i at træffe effektive beslutninger. Sådanne eksperter er sjældent tilgængelige, især på nye områder, hvor viden også er i en udviklingstilstand.

ii. Beslutningsmiljøet er enkelt, velstruktureret og ikke underlagt hyppige ændringer. I virkeligheden finder beslutningsprocessen sted i et komplekst, dynamisk og et flerdimensionelt miljø. Som følge heraf er artikulering af viden meget vanskelig.

BES'erne mangler fleksibilitet, der er nødvendigt i lyset af virksomhedens dynamik. Multidimensionelt beslutningstagningsmiljø gør gruppebeslutningen afgørende. At få en ekspert, der forstår alle dimensioner af forretningsproblemerne, bliver stadig vanskeligere. Det kan huskes, at BESs er velegnede til begrænset anvendelsesformål og ikke til fuldstændig udskiftning af menneskelige eksperter.

Som følge heraf mister BESs deres popularitet. De anses for egnede til begrænset anvendelsesformål. De nye kunstige intelligensværktøjer som neurale netværk, fuzzy logik, case-based resonemang osv. Bliver tilføjet til inference-motorer for at gøre dem mere egnede til at ændre forretningsbehov.

Ved siden af ​​forsøges der at bruge AI-værktøjerne til at udvikle add-on-software til at udføre begrænsede funktioner. Disse tilføjelser betegnes som intelligente agenter.

Intelligente agenter:

Intelligente agenter er softwarekomponenter, der udfører en del af processen ved hjælp af en vidensbase. De arbejder generelt med fælles informationssystemer og arbejder semi-autonome.

Disse programmer kommunikerer med brugere og informationsbaser til at udføre selvstændige opgaver. Disse programmer er integreret i forskellige applikationer for at forbedre informationsanalysetjenesterne i informationssystemet. Disse midler anvendes til en række forskellige anvendelser såsom:

a) Detektions- og alarmsystemer:

De intelligente agenter bruges til at etablere et system til påvisning af undtagelser i databaser, kommunikationssystemer mv og udstedelse af nødvendige alarmer til de berørte brugere. 'Management by exception' vil finde en ny dimension i ledelsesaktiviteter, når sådanne intelligente agenter begynder at levere information.

b) Informationssøgemaskiner:

Intelligente agenter udvikles også til at fungere som informationssøgemaskiner til at besvare forespørgsler modtaget fra forskellige typer brugere. For eksempel kan et ministerium få en række anmodninger om information hver dag. Intelligente agenter kan fortolke anmodningerne og filtrere oplysninger fra databasen og sende svaret i den rette form til brugeren.

På samme måde kan intelligente agenter tilføre værdien til jernbanesystemet ved korrekt forvaltning af passagerernes henvendelser vedrørende forskellige operationer. En intelligent agent forbinder internettet, det interne netværk og cd-rom'erne med at søge efter filter og levere personlige oplysninger. En mindre version af en sådan søgemaskine er allerede tilgængelig i LOTUS-NOTER.

c) Desk top applikationer:

Da tilgængeligheden af ​​intelligente agenter bliver almindelig på pc'er, ville de fungere som personlige mødeforvaltere, personlige bibliotekarer, personlige finansielle rådgivere osv. Disse agenter vil automatisk arrangere telefonisk kontakt med klienter, fastsætte aftaler og udstede alarmer for at sikre, at udnævnelsen ikke er ignoreres utilsigtet.

Disse agenter vil søge efter opskrivninger om emner af interesse fra internetblade og indsamle oplysninger fra andre kilder, herunder elektroniske biblioteker og cd-rom'er, for at give oplysninger, som man får ved hjælp af sekretærer i dag.

Nye informationsanalyseværktøjer:

Intelligente agenter bruger en række informationsanalyseværktøjer. Disse værktøjer siver ikke kun information fra datahøjde, men leverer også oplysningerne på en meningsfuld måde. Det vigtige blandt disse værktøjer er data mining, data kortlægning, data visualisering, neurale netværk osv.

a) Data minedrift:

Data mining refererer til undersøgelse af store mængder data for tendenser og mønstre, etablering af tværgående forhold mellem forskellige faktorer, der hidtil forbliver skjult i datahøjden. Det drejer sig om boring ned teknikker til at nedbryde højere niveau tal til lavere niveau tal.

"Trafiklysene" giver advarselssignaler, når der opstår undtagelser. Data mining finder sine applikationer, hvor der er komplekse og subtile forhold mellem individuelle produkter eller tjenester, der ikke er lette at identificere, men har betydelige konsekvenser for indtægter og rentabilitet. Et bemærkelsesværdigt træk ved data minedrift er, at det analyserer alle tilgængelige data i stedet for at samle prøver til analyse. Figur 10.6 illustrerer processen med data mining.

Data mining lavede sin debut i retail commodity marketing og det var helt naturligt. Det har dog også applikationer inden for andre forretningsmæssige aktiviteter. Det kan hjælpe ledere med at etablere relationer mellem forskellige faktorer, der påvirker forskellige beslutningsvariabler.

Data minedrift som en teknik er stadig i sin barndom. Det har et stort løfte, især fordi det kan hjælpe med at identificere muligheder og sætte ledere i stand til hurtigt at reagere på de nuværende muligheder og forestående farer.

b) Data kortlægning:

Data kortlægningsværktøjer giver grafisk visning af de oplysninger, der er overlejret på et kort over et geografisk område eller område. De kan give et hurtigere billede af geografisk spredning / koncentration af efterspørgslen efter produkterne og kundernes præferencer, forventninger og markedsmæssige følelser.

De kan også hjælpe med at identificere lokale faktorer, der påvirker markedsadfærd på forskellige tidspunkter. Sådanne kortlægningsværktøjer kan være til stor hjælp til at forbedre forståelsen af ​​omfangsrige dataoplysninger, da det har vist sig, at en stor del af de lagrede data er geografisk karakter.

Kortlægningsværktøjer skal imidlertid beriges med flere detaljer vedrørende de karakteristiske træk ved hvert geografisk område og de tilhørende ligheder i nabosteder.

c) Data visualiseringsværktøjer:

Disse værktøjer har primært til formål at repræsentere data ved hjælp af tredimensionale billeder. Disse billeder kan være histogrammer, der kan navigeres for yderligere detaljer om dens komponentdata ved hjælp af en hvilken som helst pege enhed som musen.

Den visuelle kan tage mere fantasifulde figurer som sfæriske bolde af forskellig størrelse og farver eller enhver anden form, der kan være direkte relateret til emnet eller opførelsen af ​​data. Data visualiseringsværktøjer har mulighed for at opsummere data på en sådan måde, at brugerne tager mindre tid til at visualisere situationen.

Det hjælper med at fokusere på den aktuelt relevante del af data og gør det muligt for brugeren at udforske mere, hvis det interesserer ham. Datavisualiseringsteknikker bør også hjælpe med simulering, følsomhedsanalyse og besvarelse af 'what if' spørgsmål.

For at få et glimt af deres applikationer inden for økonomisk forvaltning, lad os tage et eksempel på den klassiske ratio analyse til måling af virksomhedens ydeevne. Forholdet, når det bruges omhyggeligt, kan bidrage meget til at give et indblik i tilstanden.

Men et stort antal forhold, der vedrører en virksomhed med varierende fortolkninger i forhold til industri og landforhold, ville være for besværlige og modstå forståelse af indviklede relationer. Visualiseringsteknikker kan hjælpe med at sætte dem i det rigtige perspektiv.

En tredimensionel visuel sætning værdierne i form af farvede kugler / kasser og komponenter / lavere niveauværdier indeholdt i de større kugler repræsenterer højt niveau værdier kan hjælpe med bedre forståelse af relationer og sammenligning med tilsvarende industri og land standarder. Eksempelvis kan et bankselskabsudbytte på udnyttelse af aktiver beregnes og vises sammen med de berørte værdier af omkostningerne ved penge.

Markedsrente; rente skat / andre skatter Asset mix; og finansiel risiko sammen med industriens forhold i form af to-dimensionelle tabeller eller en række forhold. Alternativt vises selskabets forhold som en bold på en farvemonitor sammen med industriens forhold i skelnenes farver og proportionerlige størrelser. Ved at ramme ved hjælp af en mus ved hver bold, kan brugeren bryde åben bolden for at give yderligere fem bolde.

Hver af disse bolde repræsenterer en af ​​ovenstående faktorer. Størrelsen af ​​disse bolde er forbundet med deres relative betydning ved at bestemme værdien af ​​udbyttet på udførelse af aktiver, både for virksomheden og for branchen.

d) Genetiske algoritmer og neurale netværk:

Genetiske algoritmer anerkendes også som effektive værktøjer til analyse af finansielle data. Disse værktøjer etablerer beslutningsregler og -mønstre fra tidligere data og hjælper med at hypotesere forskellige situationer. Med tilgængeligheden af ​​avancerede værktøjer med fuzzy statistik og højhastighedsdatabaser, finder de genetiske algoritmer nu nye applikationer inden for finansiel modellering.

Neurale netværk forsøger at efterligne menneskelige hjerner med den ekstra styrke i aritmetisk nøjagtighed ved behandling af store volumendata ved hjælp af komplekse algoritmer. Disse netværk, når de konfronteres med relevante data, graver ud mønstre i data og udvikler modeller, test dem, prognostiser fremtidige begivenheder og lære af fejl.

Disse intelligente agenter har potentialet til at sætte ledere i stand til at forudse ændringer i erhvervsmiljøet hurtigere, så de kan ændre deres strategier godt i tide. På denne måde hjælper de med at forbedre tilpasningsevnen af ​​forretningsprocesserne.

De fleste af disse værktøjer forsøger at analysere informationer i realtid, og dermed er det nyeste scenario præsenteret for manager uden meget teknisk analyse udført af sig selv.

Software giganter som Oracle, Cognos og Comshare er begyndt at tilbyde intelligente agenter som add-ons med deres traditionelle applikationsprodukter. Nogle af de andre tilbyder uafhængige softwareværktøjer til datahåndtering, modellering og informationspræsentation. På nuværende tidspunkt er disse værktøjer imidlertid meget enkle og i deres primitive form.