Informační systém (IS) Soubor lidí, metod a technických prostředků zajišťujících sběr, přenos, uchování, zpracování a prezentaci dat, jehož cílem je tvorba a poskytování informací podle potřeb jejich příjemců, činných v systémech řízení. • Technické prostředky (hardware) • Programové prostředky (software) • Organizační prostředky (orgware) - nařízení a pravidla definující provozování a řízení IS • Lidská složka (peopleware) - adaptace a účinné fungování člověka v prostředí IS • Reálný svět jako kontext IS - informační zdroje, legislativa, normy, … Koncepce IT ve firmách - historie • Střediskové dávkové zpracování • Centrální databanky • Nástup PC počítačů • Síťové propojení • Koncepce klient / server Cena za IS - příklad • Úvodní studie • Licence – podle velikosti podniku • Vedení projektu • Systémová a aplikační infrastruktura (HW, SW…) • Implementační práce – (30-100% ceny licence, u procesně složitých řešení nad 100%) • Systémová podpora – 1.5% z ceny licence měsíčně (update, upgrade, hot-line) Náklady na IT Náklady na IT v ČR – 3% HDP Růst 10% (HDP 6%) Přesun nákladů z HW na SW Viktor Zeisel – IT Systém 3/2007 Náklady na IT jako Total Cost of Owneship) ku obratu společností (IT Systém 3/2007) Náklady vs. efekty Informace potřebná na různých stupních řízení 1 Informace potřebná na různých stupních řízení 2 Hierarchie znalostí (Beckman) • Data (+ význam + struktura =) • Informace jako interpretovaná data (+ uvažování + abstrakce + aplikace =) • Znalost (+ výběr + zkušenosti + principy + omezení + učení =) • Expertíza (+ integrace + distribuce + navigace =) On Line Analytical Processing (OLAP) • výpočty (analýzy) prováděné koncovými uživateli pomocí online systémů (v reálném čase) • Generování dotazů • Požadování ad hoc reportů • Provádění statistických analýz • Odpovědi na otázky Kdy, kde, kdo, co... • Pracují s (primárními) daty uleženými v relačních databázích, zobrazují momentální stav podniku (informace z účetnictví, řízení výroby – ze systémů označovaných jako Online Transaction Processing) On Line Analytical Processing (OLAP) • Výstupem jsou informace agregované, bez zbytečných detailů, zaokrouhlené • Zachycují faktor času – časové řady • Data ukládána do multidimenzionální databáze „n-dimenzionální kostka“ • To umožňuje třídit a zpracovávat data podle řady hledisek • Až o 40% více paměti počítače než odpovídající relační databáze • Vyšší cena až o 50% • Data mohou být organizována způsobem, jakým je chtějí vidět spíše manažeři než systémoví analytici • Lze lehce a rychle dosáhnout různé způsoby prezentace stejných dat • Dimenze: výrobky, prodejci, segmenty trhu, obchodní jednotky, geografické lokality, distribuční kanály, země, průmysl • Jednotky: peníze, objemy prodeje, propočty na hlavu, majetkový profit, aktuální versus předpověděné • Čas: denně, týdně, měsíčně, čtvrtletně nebo ročně Data Mining - dolování v datech • odkrývání znalostí v databázích • extrakci znalostí • datová archeologie • explorativní analýza dat • zpracování obrazců dat • “bagrování” v datech • rozsáhlý sběr informací (“žně”) Aplikační oblasti pro dolování v datech • Marketing • Bankovnictví • Prodej • Výroba • Obchodování na burze • Pojišťovnictví • Počítačový hardware a software • Vláda a obrana • Letectví • Péče o zdraví • Rozhlasové a televizní vysílání • Kriminalistika Hlavní charakteristiky a cíle dolování v datech • Data jsou často hluboko zahrabána • Účinné nové nástroje -- zahrnují pokročilé vizualizační nástroje -- pomáhají odstranit “nánosy” na informacích • Úprava a synchronizace dat • Užitečnost “měkkých” dat (obvykle textové soubory) • Koncový uživatel, provádějící dolování, mívá k dispozici nástroje pro detailizaci pohledů na data (data drills) a jiné mocné dotazovací nástroje bez potřeby znalostí programování • Často zahrnuje nálezy neočekávaných výsledků • Nástroje jsou často kombinovány s tabulkovými procesory atd. Datawarehousing • proces vytváření souborů dat sloužících k podpoře rozhodování • Datawarehouse (DW) je předmětově orientovaná, integrovaná, v čase organizovaná a trvale uložená kolekce dat sloužící pro podporu rozhodování – předmětově orientovaná - data dávají info o specifickém předmětu (nákup, obchod) ne o operacích, které probíhají – integrovaná - data se berou z různých zdrojů a ukládají do koherentního celku – v čase organizovaná - spojuje data se stejnou časovou periodou – trvale uložená - data jsou ukládána v DW nastálo, jsou pouze přidávána, nikoli odstraňována Datawarehousing • Kde je vhodné zavést DW? – tam. kde je velké množství dat – tam. kde je složitá struktura dat – tam. kde se dá předpokládat, že poroste množství dat • Vybudování DW je záležitost finančně nákladná, proces trvá řadu měsíců, často spojen také s BPR (Business process reingeneering) Datawarehousing Data warehouse • Import a příprava dat (datová pumpa) • probíhá v pravidelných časových intervalech a realizují se tyto činnosti: – standardizace dat – filtrace dat, čištění, kondenzace, extrakce – opatření dat časovým údajem – příp. aktualizace a její datum • Vlastní datový sklad – obsahuje vnitřně standardizovaná data, se kterými lze snadno manipulovat vybírat, odvozovat, měnit pohledy – obsahuje málo primárních dat – část dat časově označena – fyzická struktura přizpůsobena rychlému výběru dat – data se z DW jen čtou (ne aktualizace a mazání) Data warehouse • Využití a prezentace dat – nástroje pro datové analýzy a rozbory – nástroje pro předdefinované sestavy – Nástroje pro rychlé ad hoc dotazy (OLAP) – nástroje typu data minining • Expertní systém je program, který využívá vhodně v počítači uložených poznatků lidských expertů k řešení problémů, které obvykle v praxi vyžadují znalost expertů • Expertní systémy napodobují činnost lidských expertů při řešení problémů • poradce - pomůcka experta na potvrzení či zpochyb-nění svých profesionálních názorů. Má hlavně kontrolní funkci • rovnocenný partner - ES navrhuje řešení, konečné rozhodnutí však dělá uživatel • expert - pracuje úplně autonomně na úkolech, které uživatel není schopen sám vyřešit. Systém má konečné slovo v rozhodování a svá rozhodnutí často také ihned provádí. Uživatel obvykle není ani schopen kontrolovat správnost těchto rozhodnutí. Vlastnosti expertních systémů • Oddělení znalostí a mechanizmu jejich využívání • Neurčitost v databázi • Neurčitost ve vstupních datech • Dialogový režim • Vysvětlovací činnost • Modularita a transparentnost báze znalostí Typy expertních úloh • Diagnóza • Interpretace • Monitorování • Plánování • Návrh • Predikce Konkurenční výhody použití expertních systémů Externí výhody • zdokonalená konkurenční analýza • zvýšení efektivity prodeje • lepší tok informací k zákazníkům a od nich • vyšší kvalita služeb • redukce chyb Konkurenční výhody použití expertních systémů Interní výhody · lepší dělba úkolů · více práce méně zkušeným pracovníkům · specializovaná expertíza dostupná kdekoliv a kdykoliv · společné využívání zkušeností (sdílení znalostí)