SVEUČILIŠTE U SPLITU
EKONOMSKI FAKULTET
POSLIJEDIPLOMSKI DOKTORSKI STUDIJ
POSLOVNA EKONOMIJA
ANTE LUETIĆ
POSLOVNA INTELIGENCIJA I UPRAVLJANJE
OPSKRBNIM LANCEM
DOKTORSKA DISERTACIJA
Mentor:
prof. dr. sc. Neven Šerić
Doktorand:
Ante Luetić mr. oec.
matični broj 9090118
Split, 2013.
SADRŽAJ
I.
II.
UVODNA RAZMATRANJA ......................................................................................................... 1
1.
Definiranje problema istraživanja ............................................................................................ 1
2.
Svrha i ciljevi istraživanja ........................................................................................................ 8
3.
Metode istraživanja ................................................................................................................ 10
4.
Obrazloženje strukture rada ................................................................................................... 12
TEORIJSKI OKVIR KONCEPTA POSLOVNA INTELIGENCIJA I UPRAVLJANJE
OPSKRBNIM LANCEM .............................................................................................................. 14
1.
Teorijski aspekt koncepta poslovna inteligencija .................................................................. 14
1.1. Temeljne teorijske odrednice i nastanak koncepta poslovna inteligencija ..................... 14
1.1.1. Upravljanje poslovnim podacima i informacijama ...................................... 14
1.1.2. Različiti pristupi fenomenu poslovne inteligencije ....................................... 21
1.1.3. Terminološko određenje pojma business intelligence i njemu srodnih pojmova u
znanstvenim radovima ............................................................................. 25
1.1.3.1. Intelligence i inteligencija........................................................... 26
1.1.3.2. Odnos različitih intelligence pojmova u znanstvenim radovima ....... 29
1.1.3.3. Kompetitivna inteligencija – Competitive Intelligence .................. 34
1.1.3.4. Strateška inteligencija – Strategic Intelligence............................... 37
1.1.3.5. Tržišna inteligencija – Market Intelligence ................................... 39
1.2. Razmatranje koncepta poslovna inteligencija u kontekstu strateškog menadžmenta .... 42
1.2.1. Pojmovno definiranje strateškog menadžmenta ........................................... 42
1.2.1.1. Analiza okoline poduzeća ........................................................... 43
1.2.1.2. Formuliranje strategije, njena implementacija i kontrola ostvarenja . 46
1.2.2. Intelligence aktivnosti u procesu strateškog menadžmenta ........................... 48
1.3. Ciklus, sustav i karakteristike poslovne inteligencije..................................................... 54
1.3.1. Poslovna inteligencija kao kontinuirani proces ........................................... 54
1.3.2. Informacijska tehnologija – podrška za funkcioniranje ................................ 59
1.3.2.1. Skladište podataka – Data Warehouse .......................................... 60
1.3.2.2. Rudarenje podacima – Data Mining ............................................. 62
1.3.2.3. OLAP alati ............................................................................... 63
1.3.2.4. Poslovne kontrolne ploče – Business Dashboards .......................... 65
1.3.3. Ključni elementi poslovne inteligencije ...................................................... 67
1.3.4. Zaštita podataka i informacija – defenzivna poslovna inteligencija ............... 72
1.3.5. Budućnost poslovne inteligencije .............................................................. 79
I
1.4. Evaluacija poslovne inteligencije ................................................................................... 82
1.4.1. Mjerenje poslovne inteligencije................................................................. 82
1.4.2. Provedena istraživanja u Hrvatskoj ........................................................... 93
2.
Teorijski aspekt upravljanja opskrbnim lancem .................................................................... 97
2.1. Različiti teorijski pristupi upravljanju opskrbnim lancem ............................................. 97
2.1.1. Povijesne pretpostavke nastanka opskrbnog lanca ...................................... 97
2.1.2. Logistika, opskrbni lanac i upravljanje opskrbnim lancem ......................... 101
2.1.3. Definiranje upravljanja opskrbnim lancem............................................... 103
2.2. Evolucija upravljanja opskrbnim lancem i njegove odrednice..................................... 110
2.2.1. Elementi, principi i procesi upravljanja opskrbnim lancem ........................ 110
2.2.2. Faze zrelosti upravljanja opskrbnim lancem ............................................. 116
2.2.3. Evaluacija strategija upravljanja opskrbnim lancem ................................. 120
2.3. Odrednice suvremenog upravljanja opskrbnim lancem ............................................... 126
2.3.1. Aktualna znanstvena istraživanja u kontekstu opskrbnih lanaca .................. 126
2.3.2. Vrednovanje uspješnosti upravljanja opskrbnim lancem ............................ 131
2.3.3. Održivo upravljanje opskrbnim lancem .................................................... 135
III. KONCEPTUALNI MODEL ODNOSA POSLOVNE INTELIGENCIJE I UPRAVLJANJA
OPSKRBNIM LANCEM ............................................................................................................ 143
1.
Razvoj teorijskog modela .................................................................................................... 143
1.1. Važnost i razmjena podataka i informacija .................................................................. 143
1.2. Informacijska tehnologija i sustav................................................................................ 153
1.3. E-poslovanje ................................................................................................................. 162
1.4. Integracija ..................................................................................................................... 170
1.5. Vidljivost ...................................................................................................................... 178
1.6. Suradnja........................................................................................................................ 185
1.7. Napredna analitika........................................................................................................ 194
1.8. Elastičnost .................................................................................................................... 205
2.
Inteligencija opskrbnog lanca .............................................................................................. 214
3.
Konceptualni model istraživanja i povezanost hipoteza ...................................................... 232
IV. EMPIRIJSKO UTVRĐIVANJE VEZE IZMEĐU KONCEPTA POSLOVNA INTELIGENCIJA
I UPRAVLJANJA OPSKRBNIM LANCEM ............................................................................. 237
1.
Metodološki aspekti empirijskog istraživanja...................................................................... 237
1.1. O empirijskom istraživanju i definiranju osnovnog skupa ........................................... 237
1.2. Nacrt istraživačkog projekta......................................................................................... 239
1.3. Instrument istraživanja ................................................................................................. 241
1.4. Metodologija prikupljanja podataka............................................................................. 242
II
1.5. Obrada podataka........................................................................................................... 244
2.
Operacionalizacija varijabli ................................................................................................. 245
2.1. Nezavisna varijabla: Poslovna inteligencija ................................................................. 245
2.2. Zavisna varijabla: Upravljanje opskrbnim lancem ....................................................... 248
2.3. Varijabla: Informacijska vidljivost............................................................................... 250
2.4. Varijabla: Integracija .................................................................................................... 250
3.
Rezultati empirijskog istraživanja........................................................................................ 252
3.1. Temeljne karakteristike uzorka istraživanja ................................................................. 253
3.2. Analiza elemenata konceptualnog modela istraživanja................................................ 256
3.2.1. Poslovna inteligencija u hrvatskim poduzećima ........................................ 256
3.2.2. Postignuta razina informacijske vidljivosti u hrvatskim poduzećima ............ 275
3.2.3. Postignuta razina integracije u hrvatskim poduzećima............................... 281
3.2.4. Upravljanje opskrbnim lancima u hrvatskim poduzećima ........................... 288
3.3. Pouzdanost mjernih ljestvica ........................................................................................ 305
3.4. Faktorska analiza istraživačkih varijabli ..................................................................... 313
3.5. Prosudba istraživačkih hipoteza ................................................................................... 320
V. ZAVRŠNA RAZMATRANJA.................................................................................................... 332
1.
Sinteza rezultata istraživanja i njihova rasprava .................................................................. 332
2.
Ograničenja provedenog istraživanja i sugestije za buduće aktivnosti ................................ 341
3.
Zaključak ............................................................................................................................. 343
SAŽETAK ........................................................................................................................................... 349
ABSTRACT ........................................................................................................................................ 350
POPIS SLIKA ..................................................................................................................................... 351
POPIS TABLICA ................................................................................................................................ 352
POPIS GRAFOVA .............................................................................................................................. 355
POPIS PRILOGA ................................................................................................................................ 356
POPIS KRATICA ............................................................................................................................... 357
LITERATURA .................................................................................................................................... 360
III
I.
UVODNA RAZMATRANJA
1.
Definiranje problema istraživanja
Bremenitost poslovanja poduzeća na globalnom tržištu danas karakteriziraju iznimno
kompleksni konkurentni odnosi (Davneport i Harris, 2007; Slone et al., 2010.) te složeni rizici
tržišne održivosti (Waters, 2009; Haanaes et al., 2011). Tehnološki su postupci dostigli
respektabilnu razinu (Fisher i Raman, 2010.), a varijable troškovnih inputa svedene su na
nekada nepojmljivo niske razine u strukturi konačne cijene proizvoda i usluge (Trent i
Roberts, 2010.). Kvaliteta tržišne komunikacije također je razvijena kroz različite
specijalizirane i pod specijalizirane modele i oblike (Howson, 2008; Eckerson, 2011.).
Konkurentnost između opskrbnih lanaca postaje jedna od najznačajnijih paradigmi
suvremenog poslovanja (Lambert, 2008.), a poslovna izvrsnost opskrbnih lanaca izravno je
korelirana s porastom vrijednosti za dioničare (Slone et al., 2010.). Aktualna istraživanja
ukazuju da još uvijek u segmentu upravljanja opskrbnim lancima postoje područja na kojima
se može efikasno štititi konkurentnost, tržišnu poziciju i ostvareni tržišni udio poduzeća.
Iznimno važna sastavnica efikasnosti poslovanja, bez obzira na sigurnosne, političke,
prirodne, socijalne i ekonomske faktore okruženja, poslovni je sustav upravljanja podacima i
informacijama, poglavito s aspekata koji određuju troškovne inpute u opskrbnom lancu
konkretnog poslovnog subjekta. Istraživanje Sveučilišta Stanford (Srića, 1999.) ukazalo je da
se cjelokupno ljudsko znanje stečeno do 1900. godine udvostručilo do 1950. godine, a od tada
se količina svjetskog znanja udvostručuje svakih pet do osam godina. Novije procjene (Merv,
2010.) govore kako se velika skladišta podataka utrostručuju svake dvije godine, a prema
istraživanju koje je proveo Gartner (Mearian, 2010.), 47% ispitanika rast podataka
kvalificiralo je među tri najveća izazova suvremenog menadžmenta. Navedene spoznaje
ukazuju na činjenicu da je suvremeno poslovanje doseglo razinu na kojoj informacija postaje
statistički najznačajniji fokus suvremenog menadžmenta (The Economist, 2010.). Učinkovito
upravljanje podacima i informacijama poduzećima omogućuje donošenje efikasnih strateških,
taktičkih i operativnih odluka, ali podrazumijeva i korjenite promjene u koncepciji poslovnog
promišljanja i funkcioniranju, s obzirom na značaj informacija, njihovu količinu, brzinu
1
protoka i međusobnu povezanost i uvjetovanost. U kontekstu upravljanja opskrbnim lancem
ovoj se činjenici može pristupiti s dva stajališta:
iznalaženja načina rješavanja problema upravljanja velikom količinom podataka;
iznalaženja modela efikasnog upravljanja tim poslovnim resursom u cilju učinkovite i
efikasnije transformacije podataka u informacije, znanje te, u konačnici, unapređenja
konkurentnosti poslovanja poduzeća.
Spoznaja da menadžment više ne može donositi odluke na temelju intuicije već na egzaktnim
činjenicama rezultirao je razvojem koncepta poslovna inteligencija (PI) (engl. Business
Intelligence – BI) (Panian i Klepac, 2003; Buchanan i O’Connell, 2006; Javorović i Bilandžić,
2007; Isik, 2010.). Istraživanja (McGonagle i Vella, 2002; Liautaud i Hammond, 2006.)
ukazuju da tipično poduzeće posjeduje 90% potrebnih podataka i informacija nužnih za
efikasno poslovanje, ali učinkovito koristi svega 10% raspoloživih podataka i informacija. S
obzirom da je riječ o relativno novom pojmu, nije postignut konsenzus oko definicije. Razlog
tome jest i činjenica što mu pojedini autori u svojim istraživanjima pristupaju iz različitih
perspektiva te ga tumače kao: proces (Howson, 2008; Fleisher i Bensoussan, 2007; Pettit,
2008; Taskov, 2009.), koncept (Panian i Klepac, 2003; Hannula i Pirttimaki, 2003; Williams i
Williams, 2007; Isik, 2009.), disciplinu (Hwang i Cappel, 2008.), strategiju (Kalakota i
Robinson, 2002; Liautaud, i Hammond, 2006.), arhitekturu ili skup aplikacija (Li, 2008.),
poslovno-obavještajnu aktivnost (Javorović i Bilandžić, 2007.), proizvod s dodanom
vrijednošću (Fleisher i Bensoussan, 2003.), način poslovnog promišljanja (Oreščanin, 2003.),
sistem (Hugos, 2006.), pa čak i menadžersku filozofiju (Pirttimaki, 2007.). Moss i Atre
(2003.) smatraju da business intelligence ili inteligencija o poslovanju nije ni proizvod ni
sistem već jedinstvenost svake organizacije kao i politike i poslovnih pravila u skladu s
kojima se upravlja poduzećem.
Zajednički elementi navedenih tumačenja mogu se rezimirati u definiciji kako je to koncept
organiziranog, sustavnog, legalnog, legitimnog i etičkog prikupljanja, analiziranja i upotrebe
podataka i iz njih dobivenih informacija koje menadžmentu pružaju korisna znanja za
donošenje efikasnijih, bržih, kvalitetnijih i efektivnijih poslovnih odluka na svim
upravljačkim razinama u funkciji postizanja kontinuiteta poslovne održivosti i više razine
konkurentnosti.
2
Pregledom i analizom opsežne znanstvene građe, objavljenih dostupnih rezultata istraživanja,
te respektirajući svrhu i ciljeve planiranog istraživanja koje disertacija pretpostavlja, namjera
je istražiti poslovnu inteligenciju kao menadžerski koncept u upravljanju opskrbnim lancem
poduzeća. U hrvatskim znanstvenim krugovima nije postignuto opće suglasje oko prevođenja
pojma intelligence kao sastavnog dijela sintagme business intelligence1. Naime, potrebno je
imati u vidu činjenicu da intelligence u kvalitativnom smislu ima veću vrijednost od
informacije (Dedijer, 1999.) jer podrazumijeva krajnji proizvod nastao prikupljanjem,
verifikacijom, analizom i evaluacijom podataka odnosno informacija. Iako određeni domaći
znanstvenici u svojim radovima koriste izvornu sintagmu (Javorović i Bilandžić, 2007;
Bilandžić, 2008; Bazdan 2009.), ipak uvažavajući engleske terminološke pristupe2, ali i
preporuke nekih drugih domaćih autora (Panian i Klepac, 2003; Garača, 2009.), uz izvornu
sintagmu, koristio se termin poslovna inteligencija kao najkorišteniji u hrvatskom
znanstvenom opusu.
Uslijed nepostojanja globalno prihvaćene definicije različiti istraživači koriste drugačije
termine te istražuju njihove međuodnose; competitive intelligence (CI) (Kahaner, 1997;
Prescott i Miller, 2001; Thierauf, 2001; Brody, 2008; Sharp, 2009; Michaeli, 2004.), market
intelligence (MI) ( Handfield, 2006; Jenster i Soilen, 2009; Hedin et al., 2011.), strategic
intelligence (SI) (Liebowitz, 2006; Xu, 2007; Cohen, 2009.), competitor intelligence (CpI)
(Mintzberg3, 1994; Fuld, 1995; Porter, 1998.). Iz proučene se literature može konstatirati kako
američki znanstvenici većinom koriste pojam competitive intelligence, dok se u europskim
radovima pretežito prakticira termin business intelligence (Bilandžić, 2008; Jenster i Soilen,
2009; Popovič et al., 2010.). Iako se u znanstvenoj literaturi uočava da određeni autori za
termin BI koriste i pojam knowledge management (KM) treba naglasiti kako se ipak radi o
različitim pojmovima, usko povezanim, obzirom da BI predstavlja dio KM-a pa se određena
istraživanja bave njihovim odnosom (Thierauf, 2001; Marin i Poulter, 2003; Herschel et al.,
2005; Clark et al., 2007; Dwivedi i Butcher, 2009.). Isti primjeri također ukazuju na
aktualnost problematike odabrane za istraživanje, odnosno na potrebu i korisnost teorijske
obrade i sistematiziranja tog fenomena te s njime povezanih terminoloških pojmova kako bi
se u konačnici pridonijelo globalnom znanstvenom opusu.
1
Najčešće korišteni prevodi ove sintagme jesu: poslovna inteligencija, poslovno izvještavanje, poslovne
izvjesnice, poslovno obavješćivanje, poslovno istraživanje te upravljanje poslovnim podacima i informacijama.
2
Prema Pons Cobuild English Learner's Dictionary,Collins Publisher, London, 1989., p. 506., pojam
intelligence se objašnjava kao; sposobnost razumijevanja i učenja stvari, sposobnost razmišljanja i razumijevanja
umjesto djelovanja prema instiktu odnosno, automatizmom.
3
Prema Pirtimmaki, V.: Business Intelligence as a Managerial Tool in Large Finnish Companies, 2007., p. 61.
3
Predmet mnogih istraživanja bile su koristi koje menadžment može polučiti primjenom
koncepta PI. Hwang i Cappel (2008.) utvrdili su kako većina ispitanika smatra ovaj koncept
vrlo važnim za uspjeh poduzeća, te očekuju da će važnost i ubuduće rasti. Godinu dana
kasnije Hwang (2009.) potvrđuje navedene rezultate kod 89% ispitanika. Hannula i Pirttimaki
(2003.) uzorkuju najuspješnija poduzeća u Finskoj te konstatiraju kako njih 80% ima
organizirane aktivnosti poslovne inteligencije, jer su ocijenili značaj istih za poboljšanje i
unapređenje postupka prikupljanja informacija potrebnih za planiranje i odlučivanje. Također,
utvrđeno je kako najveći postotak informacija (95%) poduzeća prikupljaju o konkurentima i
tržištu na kojem se natječu, dok nešto manje (80%) prikupljaju o svojim kupcima. Navedeno
je istraživanje od osobite važnosti jer je provedeno u izrazito kompetitivnim odnosima
gospodarskih subjekata u Finskoj. Tri godine kasnije broj je korisnika porastao na 95%
(Pirttimaki, 2007.). Isik (2009.) razvija okvir utjecaja mogućnosti BI-a na njegov uspjeh u
različitim okruženjima. Istraživanja učinaka primjene ovog koncepta pokazala su većinom
nefinancijske efekte poput povećanja kvalitete i pravovremenosti informacija (Thierauff,
2001; Hannula i Pirttimaki, 2003; Williams i Williams, 2004; Lonnquist i Pirttimaki, 2006.),
kroz unapređenje ili reinženjering temeljnih poslovnih procesa (Williams i Williams, 2007.),
odnosno kroz unapređenje performansi poduzeća (Elbashir i Williams, 2007.).
Treba istaknuti kako su određeni autori istraživali elemente i utjecaj e-poslovanja (engl. ebusiness) na poslovanje poduzeća (Lee i Whang, 2001; Johnson i Whang, 2002; Swaminathan
i Tayur, 2003; Wagner et al., 2003; Hill i Scott, 2004; Croom, 2005; Panian, 2005; Johnson et
al., 2007; Sanders, 2007; Leon-Pena, 2008; Borges et al., 2009; Chen et al., 2009.) što je
također jedan od poticaja za provedbu planiranog istraživanja u kontekstu opskrbnog lanca.
Rezultati navedenih istraživanja ne ukazuju na uopćene zaključke, a istraživanja iste materije
u kontekstu efektivnosti opskrbnog lanca su iznimno rijetka na globalnoj razini. Sljedeći
preporuke istraživanja odabranih autora (Hugos, 2006; Elbashir i Williams, 2007; Jourdan et
al., 2007; Panian, 2008; Bayraktar et al., 2009; Hadaya i Cassivi, 2009; Stock et al., 2010.)
ova disertacija je usmjerena na istraživanje odnosa između koncepta poslovna inteligencija i
upravljanja opskrbnim lancem zbog potencijala tog segmenta poslovanja na konkurentsku
poziciju poduzeća u okruženju.
Promjene u poslovnoj filozofiji poduzeća koje su posljedica globalnih utjecaja visoko
kompetitivnog eksternog okruženja te internih karakteristika i čimbenika mikro okruženja,
snažno dolaze do izražaja u funkcioniranju i upravljanju opskrbnim lancima. U suvremenim
istraživanjima povezanim s upravljanjem opskrbnim lancima utvrđene su određene poveznice
4
i zakonitosti, međutim na mnoge dileme još uvijek nisu dati konkretni odgovori, jer nisu ni
istraživane. Aktualnost i kompleksnost ove problematike potvrđuje rast broja istraživanja u
logističkom segmentu opskrbnih lanaca posljednjih godina (Gubi et al., 2003; Chen i Paulraj,
2004; Arlbjorn et al., 2008; Zhang et al., 2009.)4. Činjenica da se 60 - 70% troškova
poslovanja poduzeća kontrolira proširenim opskrbnim lancem (Žibret, 2007; Ditman et al.,
2010.) predstavlja dodatni poticaj za istraživanja na tom polju.
Odnosi između elemenata i pojedinih procesa opskrbnog lanca, varijabli koje na njih utječu te
posljedično njihov utjecaj na efikasnost upravljanja opskrbnim lancem, predmetom su brojnih
teorijskih i empirijskih radova. Empirijske su analize ukazale na važnost određenih elemenata
u kontekstu upravljanja opskrbnim lancem. U evolutivnom kontekstu određeni su empirijski
radovi bili fokusirani na određivanje dostignutog stupnja razvoja istraživanih opskrbnih
lanaca te određivanju karakterističnosti tih faza (Poirier i Quinn, 2006; Handfield, 2006.).
Promatrajući upravljanje opskrbnim lancem kroz procesni pristup, koji je razvio Lambert, za
naglasiti je kako je riječ o interfunkcijskom i interorganizacijskom procesu (Kaplan i Norton,
2006.).
Analizom znanstvene građe u kontekstu prethodno navedenoga može se uočiti na što su
pojedini autori dali naglasak pri istraživanju ove problematike;
važnost informacija (Simatupang i Sridharan, 2001; Hackathorn, 2004; Fawcett et
al., 2007.) odnosno, upravljanje podacima i informacijama (Francis, 1998; Lee et al.,
2000; Tan, 2002; Miller, 2005; Hugos, 2006; Kim et al., 2006; Panian i sur., 2007;
Zhou i Benton, 2007; Trent, 2007; Howson, 2008; Redman, 2008; Hadaya i Cassivi,
2009; Jacoby, 2009; Klein i Rai, 2009; Li et al., 2009; Pereira, 2009; Sodhi i Son,
2009; Watson, 2009; Ramayah i Omar, 2010; Stock et al., 2010; Yigitbasioglu, 2010;
Davenport i Snabe, 2011; Ha et al., 2011.). Jacobi (2009.) predviđa da će sposobnost
upravljanja informacijama u budućnosti kreirati vitalnu konkurentsku prednost
opskrbnih lanaca što je logično jer se konkurentska prednost postiže kapitaliziranjem
onoga po čemu je poduzeće jedinstveno (Stubs, 2011.).
informacijska tehnologija (IT) (Srića i Miller, 2001; Thierauf, 2001; Reyes i
Raisinghani, 2002; Gunasekaran i Ngai, 2004; Subramani, 2004; Auramo et al., 2005;
Hugos, 2006; Liautaud i Hammond, 2006; Dehning et al., 2007; Garača, 2008; Palvia
4
Riječ je o istraživanjima koja su analizirali objavljene znanstvene i stručne članke na temu upravljanja
opskrbnim lancima te su utvrdili uzlazni trend broja objavljenih radova.
5
et al., 2006; Karkkainen et al., 2007; Porter, 2008; Sanders, 2008; Bayraktar et al.,
2009; Pereira, 2009; Stoel i Muhanna, 2009; Swanson, 2012.).
e-poslovanje (Earl, 2000; Kalakota i Robinson, 2001; Handfield i Nichols, 2002;
Johnson i Whang, 2002; Panian, 2003; Spremić, 2003; Swaminathan i Tayur, 2003;
Wagner et al., 2003; Hill i Scott, 2004; Koh i Maguire, 2004; Croom, 2005;
Bloomberg et al., 2006; Johnson et al., 2007; Sanders, 2007; Waters, 2007; Garača,
2008; Borges et al., 2009; Chen et al., 2009; Garača, 2009.).
integracija (Lee i Whang, 2001; Stank et al., 2001; Thierauf, 2001; Frohlich i
Westbrook, 2002; Handfield i Nichols, 2002; Rabelo et al., 2002; Vickery et al., 2003;
Chen et al., 2007; Harland et al., 2007; Chang et al., 2008; Speier et al., 2008;
Swafford et al., 2008; Li et al., 2009; Downing, 2010; Anbanandan et al., 2011; Saeed
et al., 2011.). Prava integracija opskrbnih lanaca bit će moguća tek onda kada svi
sudionici lanca budu spremni međusobno razmjenjivati podatke i informacije radi
postizanja zajedničkih ciljeva (Li et al., 2009.).
vidljivost (Joshi, 2000; Thompson et al., 2001; Handfield i Nichols, 2002;
Montgomery et al., 2002; Swaminathan i Tayur, 2003; Christopher, 2005; Auramo,
2006; Johnsen, 2006; Wang i Wei; 2007; Waters, 2007; La Grouw, 2008; Jacoby,
2009; Heaney, 2011; McCrea, 2011.). Istinska je vidljivost postignuta ako su
informacije i njihove analize korisne u procesu donošenja poslovnih odluka.
suradnja (Akintoye et al., 2000; Lee i Whang, 2001; Handfield i Nichols, 2002;
Johnson i Whang, 2002; Kocakulah et al., 2002; McLaren et al., 2002; Skjoett-Larsen
et al., 2003; Swaminathan i Tayur, 2003; Barratt, 2004; Christopher i Peck, 2004;
Manthou et al., 2004; Christopher, 2005; Croom, 2005; Holweg et al., 2005;
Simatupang i Sridharan, 2005; Hugos, 2006; Li et al., 2006; Verecke i Muylle, 2006;
Johnson et al. 2007; Patrakosol i Olson, 2007; Sanders, 2007; Li, 2008; Chong et al.,
2009; Anbanandan et al., 2011; Taylor, 2012.).
napredna analitika (Morris et al., 2002; Morris et al., 2003; Brown, 2007; Davenport
i Harris, 2007; Hair, 2007; Panian et al., 2007; Elbashir et al., 2008; Redman, 2008;
Bose, 2009; Ranjan, 2009; Watson, 2009; Davenport et al., 2010; Hubbard, 2010;
Laursen i Thorlund, 2010; Trkman, et al., 2010; Eckerson i Hammond, 2011; Kiron i
Shockley, 2011; Kruschewitz i Shockley, 2011; Lavalle et al., 2011; Stubs, 2011.). U
6
razvoju poslovne inteligencije napredna analitika jest samo logičan slijed (Elbashir et
al., 2008; Watson, 2009.) na OLAP alate i rudarenje podacima (Redman, 2008.).
elastičnost (Thierauff, 2001; Christopher i Peck, 2004; Gunasekaran i Ngai, 2004;
Christopher, 2005; Gebauer i Schober, 2006; Swafford et al., 2006; Zhang et al., 2006;
Sanders, 2007; Tachizawa, 2007; Waters, 2007; Lambert, 2008; Li, 2008; Pettit,
2008; Tang i Tomlin, 2008; Cecere, 2009; Jacoby, 2009; Pereira, 2009; Whitby i
Scott, 2009; Grawe et al., 2011; Hofman et al., 2011; Soon i Udin, 2011.).
U navedenim se okvirima pozicionira temeljni koncept istraživanja. U literaturi su razvidna tri
pristupa u ovakvim istraživanjima, s obzirom da pojedini autori stavljaju naglasak na
informatički aspekt (Reyes i Raisighani, 2002; Vural et al., 2006; Baars et al., 2008; Sabbaghi
i Vaidyanathan, 2008.), drugi promatraju PI kao menadžerski koncept kojemu informacijska
tehnologija (IT) predstavlja alat za provedbu (Christopher i Peck, 2004; Pirttimaki et al.,
2006; Maguire i Suluo, 2007; Pirttimaki, 2007; Wilkins, 2007; Copacino, 2008; La Grouw,
2008; Shaker, 2009; Pirzadeh i Pirzadeh, 2009.), dok treći pristupaju objedinjujući navedeno
pa shodno tome u upotrebi koriste sintagme Supply Chain Intelligence (SCI) (Dyson i Koruth,
2004; Noonan i Wallace, 2006; Stefanović et al., 2006; Lee i Cheng, 2007; Panian et al.,
2007; Rogers i Panos, 2006; Smouther, 2009.) odnosno, Supply Market Intelligence (SMI)
(Handfield, 2006; Trent i Roberts, 2010.). Slijedom navedenog, disertacija je usredotočena na
poslovnu inteligenciju kao menadžerski koncept kojemu informacijska tehnologija predstavlja
sredstvo u primjeni i implementaciji u kontekstu upravljanja opskrbnim lancem. Nastavno na
iznesene spoznaje temelji se kreacija konceptualnog modela ovog istraživanja.
Kao što je već naglašeno, empirijska su istraživanja ukazala na važnost koncepta poslovna
inteligencija u funkcioniranju poduzeća te utjecaj efikasnog upravljanja opskrbnim lancem na
dugoročnu održivost i efikasnost poslovanja poduzeća. Temeljem iznesene eksplikacije
problema ocijenjeno je znanstveno relevantnim istražiti primjenu koncepta poslovna
inteligencija te njezin odnos s upravljanjem opskrbnim lancem. Pregledom dostupne recentne
znanstvene građe iz područja poslovne inteligencije te iz područja upravljanja opskrbnim
lancem utvrđeno je kako slična istraživanja do danas nisu provedena. Slijedom navedenog,
posebno s obzirom na to da je 21. stoljeće – stoljeće informacija i znanja, a cijena pravodobne
informacije jest jednaka cijeni tržišnog opstanka, nameće se potreba i opravdanost za
istraživanjem primjene koncepta poslovna inteligencija i njezinim odnosom s upravljanjem
7
opskrbnim lancem. Znanstveni problem i predmet znanstvenog istraživanja odnosi se na dva
objekta istraživanja:
koncept poslovna inteligencija
upravljanje opskrbnim lancem.
2. Svrha i ciljevi istraživanja
Polazeći od postavljenog problema istraživanja te temeljem nedovoljnog broja provedenih
empirijskih istraživanja na globalnoj razini, postavlja se temeljno pitanje kako primjena
koncepta poslovna inteligencija pridonosi efikasnosti upravljanja opskrbnim lancem.
Glavna svrha i cilj istraživanja jest ispitivanje i razumijevanje uspostavljene veze između
elemenata koncepta poslovna inteligencija i varijabli koje određuju efikasnost
upravljanja opskrbnim lancem.
Znanstveno-spoznajni ciljevi istraživanja su:
Istražiti, analizirati i kritički valorizirati postojeće znanstvene spoznaje i ostvarene
doprinose iz područja proučavanja čime će se opisati dosadašnji teorijski i empirijski
nalazi iz segmenata poslovne inteligencije i upravljanja opskrbnim lancem.
Sistematizirati, klasificirati i raspraviti pojmove i koncepte iz područja proučavanja
potrebnih za provedbu ovog istraživanja te s njima povezanih pojmova.
Objasniti elemente koncepta poslovna inteligencija (izvore podataka i informacija,
njihovu pouzdanost, pristupačnost, naprednu analitiku, korištenje intuicije u
odlučivanju i vrijeme odlučivanja, te organizaciju poslovne inteligencije), njihov
međusobni odnos te varijable koje nastaju kao primjena ovog koncepta (informacijska
vidljivosti i integracija) u kontekstu upravljanja opskrbnim lancem (agilnost,
prilagodljivost, usklađenje, proaktivnost i performanse). Osim navedenog, istražiti će
se i analizirati veza i međusobni odnos u vertikalnoj domeni modela.
Temeljem znanstvenih spoznaja i na njima definiranih hipoteza istraživanja, oblikovati
model kojemu je cilj utvrđivanje zakonitosti, smjera i intenziteta veza između
8
koncepta poslovna inteligencija i efikasnog upravljanja opskrbnim lancem te ga
empirijski testirati.
Navedeni ciljevi rezultirati će novim znanstvenim spoznajama, što će otvoriti i prostor za
provedbu nekih budućih istraživanja u određenim segmentima te problematike.
Istraživanjem će se ostvariti i određeni operativni odnosno pragmatični ciljevi. S obzirom na
to kako je riječ o relativno novom konceptu, koji još uvijek nije saživio u hrvatskoj poslovnoj
praksi u onom opsegu kao što je to slučaj u visoko konkurentnim gospodarstvima, planirano
će istraživanje imati veliko praktično značenje za ona poduzeća koja uvode ili se spremaju na
uvođenje ovog koncepta. Osim navedenog, cilj je utvrditi i trenutnu sliku odnosno spoznaju
stanja u hrvatskim poduzećima. Rezultati će služiti menadžmentu za donošenje kvalitetnijih i
efikasnijih strateških i taktičkih odluka u segmentu upravljanja opskrbnim lancima.
Istraživanje ove problematike s ciljem dokazivanja postavljenih hipoteza te postizanje svrhe i
ciljeva istraživanja podrazumijeva odgovore na brojna pitanja, od kojih su najvažnija sljedeća:
1)
Primjenjuju li poduzeća koncept poslovna inteligencija na razini cijelog sustava ili na
razini određene strateške poslovne jedinice, odnosno pojedinih procesa, te koji se
problemi javljaju pri implementaciji tog koncepta?
2)
Koliko se u poslovanju koriste neke od tehnologija i platformi za skladištenje
podataka, rudarenje podacima, OLAP alati, napredne analitičke tehnike, upravljačke
ploče te simulacijski i vizualizacijski programi?
3)
Koje su determinante suvremenog načina upravljanja opskrbnim lancem?
4)
Koliko se koriste raspoloživi podaci i informacije, te kakve kvalitete za donošenje
poslovnih odluka u opskrbnim lancima?
5)
Koliko je prisutna intuicija u odlučivanju?
6)
Koliko primjena koncepta poslovna inteligencija može utjecati na informacijsku
vidljivost, integraciju i elastičnost opskrbnog lanca?
7)
Koje su najveće prepreke za uspješno upravljanje opskrbnim lancem?
8)
Koliko poduzeće poznaje svoje partnere, odnosno koliko je spremno na razmjenu
podataka i informacija u funkciji integracije opskrbnog lanca?
9
9)
Pravi li poduzeće razliku u spremnosti razmjene podataka i informacija između svojih
dobavljača i kupaca?
10)
Pravi li poduzeće razliku između razmjene strateških i operativnih podataka i
informacija sa svojim partnerima?
11)
Koje su evidentne prednosti implementacije koncepta poslovna inteligencija u
upravljanju opskrbnim lancem?
12)
Koje se aktivnosti mogu predložiti za efikasnije korištenje istraživanog koncepta?
3. Metode istraživanja
Za potrebe izrade i dovršenja ove doktorske disertacije, a temeljem predstavljenog problema
istraživanja, provedeno je istraživanje u kojemu su se koristile različite kombinacije
znanstvenih metoda za potrebe argumentacije i evaluacije postavljenih znanstvenih hipoteza.
Prvi dio istraživanja (istraživanje za stolom) bio je usmjeren na pretraživanje sekundarnih
izvora podataka čija je obrada poslužila za izradu teorijskog dijela rada. Kritički se analizirala
recentna znanstvena i stručna literatura iz područja poslovne inteligencije i problematike
upravljanja opskrbnim lancem. Inicijalni izbor literature izvršen je temeljem osobnog uvida u
područja istraživanja pri čemu su pretražene brojne baza podataka, među kojima su
najznačajnije: Science Direct, DOAJ (Directory of Open Access Journals), Emerald, EBSCO,
Sege Journals Online, Wiley InterScience, TDWI (The Data Warehouse Institute), SCIP
(Strategic and Competitive Intelligence Professionals), Springer, AIS (Association for
Information Systems), MIT Sloan. Osim navedenih baza, korišteni su raspoloživi fundusi
knjižnica Ekonomskog fakulteta u Splitu i Ekonomskog fakulteta u Zagrebu.
Za što kvalitetniju obradu sekundarnih podataka kako bi se stekao uvid u tijek razvoja
znanstvene misli istraživanih područja i prezentiranje već poznatih spoznaja te stjecanja i
prezentiranja vlastitih saznanja, koristile su se metode primjerene istraživanjima u društvenim
znanostima. U ovom su istraživanju najrelevantnije:
10
metoda analize kojom se raščlanjivanjem poznatih tvrdnji stekla jasnija predodžba o
objektima proučavanja,
metoda sinteze kojom su se povezale jednostavnije tvrdnje i zaključci u složenije i
općenitije tvrdnje sa svrhom boljeg i sistematičnijeg proučavanja odnosa između
objekata istraživanja,
metode indukcije i dedukcije za donošenje zaključaka u teorijskom i empirijskom
dijelu rada,
metoda generalizacije sa svrhom uopćavanja od posebnog pojma do općenitijeg,
metoda deskripcije za opisivanje pojmova, zakonitosti i postupaka,
metoda komparacije za potrebe uspoređivanja istih ili sličnih činjenica, pojava i
procesa.
Drugi dio istraživanja (istraživanje na terenu) predstavlja najvažniji empirijski dio ove
disertacije. Namjera je ovog istraživanja bila obuhvaćanje poduzeća koja primjenjuju koncept
poslovne inteligencije u svom poslovanju. Istraživanje na terenu provelo se s ciljem testiranja
postavljenih hipoteza, a anketni je upitnik predstavljao glavni instrument za prikupljanje
primarnih podataka.
Osim metode obrade podataka koja je provedena u programskom paketu SPSS 16 (Statistical
Package for the Social Science), korištena je metoda prezentiranja rezultata istraživanja u
obliku tablica i grafova. Za ocjenjivanje postavljenih hipoteza dominantna je bila metoda
korelacije. S obzirom na tri uvodna pitanja (o poduzeću) napravila se analiza varijance s
jednim promjenjivim faktorom. Također se upotrijebila faktorska analiza s ciljem utvrđivanja
primjerenosti operacionalizacije varijabli poslovna inteligencija i upravljanje opskrbnim
lancem.
11
4. Obrazloženje strukture rada
Doktorska se disertacija sastoji od pet osnovnih poglavlja.
U prvom poglavlju pod naslovom Uvodna razmatranja, definira se i elaborira problem,
predmet te objekti istraživanja doktorske disertacije. Također, opisani su znanstveni i
praktični ciljevi koji su se istraživanjem željeli ostvariti te znanstvene metode korištene u
teorijskom i empirijskom dijelu rada. Ovaj je dio zaključen s prikazom strukture izložene
materije.
Teorijski okvir koncepta poslovna inteligencija i upravljanje opskrbnim lancem naslov je
drugog poglavlja. U prvom su dijelu detaljno elaborirane relevantne teorijske spoznaje i
nastanak istraživanog koncepta poslovne inteligencije. S obzirom na to da je riječ o relativno
novoj paradigmi evaluirani su različiti pristupi pojedinih istraživača kao i terminološko
određenje izvornog pojma business intelligence i njemu srodnih pojmova korištenih u
znanstvenim djelima. Slijedi razmatranje i pozicioniranje ovog koncepta u kontekstu
strateškog menadžmenta te prikaz njegovog ciklusa, sustava, elemenata i načina
funkcioniranja. Poseban je naglasak stavljen na najrelevantnije odrednice koje su važne u
kontekstu ovog istraživanja. Objasnio se odnos informacijske tehnologije i poslovne
inteligencije te su prikazana razmatranja obrambene uloge poslovne inteligencije u funkciji
zaštite podataka i informacija. Ovaj je dio zaključen prikazom rezultata recentnih istraživanja
o uspješnosti implementacije, primjene i različitih mjerenja poslovne inteligencije, te su
prezentirana različita razmatranja daljnjeg razvoja ovog fenomena. U drugom su dijelu
izloženi
različiti teorijski pristupi tumačenju pojmova opskrbnog lanca i menadžmenta
opskrbnog lanca, povjesne pretpostavke njegovog nastanka te je objašnjen odnos logistike i
opskrbnog lanca. Prikazana je evolucija opskrbnog lanca i njegove suvremene odrednice te je
u tom kontekstu dan pregled rezultata relevantnih znanstvenih istraživanja. Posebna je pažnja
posvećena analizi elemenata vrednovanja uspješnosti funkcioniranja opskrbnog lanca,
prezentirane su faze zrelosti te je izvršena evaluacija različitih strategija upravljanja
opskrbnim lancem. Poglavlje se zaključuje razmatranjem održivog upravljanja u suvremenim
uvjetima poslovanja i tržišnog nadmetanja.
12
Konceptualni model odnosa poslovne inteligencije i upravljanja opskrbnim lancem naslov
je trećeg poglavlja. U prvom se dijelu elaboriraju elementi koji su utjecali na razvoj modela
istraživanja: važnost i razmjena podataka i informacija, informacijska tehnologija i sustav, eposlovanje, integracija, vidljivost, suradnja, napredna analitika i elastičnost. U drugom su
dijelu prikazani rezultati dosadašnjih istraživanja poslovne inteligencije i upravljanja
opksrbnim lancem unutar kojih je uočen neistražen prostor kao osnovica za ovu disertaciju.
Poglavlje se zaključuje s objašnjenjem postavljenih znanstvenih hipoteza i njihovom
grafičkom prezentacijom u istraživačkom modelu.
Empirijsko utvrđivanje veze između koncepta poslovna inteligencija i upravljanje
opskrbnim lancem naslov je četvrtog poglavlja. U prvom se dijelu poglavlja elaborira
metodološki aspekt empirijskog istraživanja, opisuje protokol istraživanja te objašnjavaju
osnovne karakteristike uzorka. Objašnjen je nacrt istraživanja, način prikupljanja podataka te
njihova obrada. Iznesena su osnovna teorijska polazišta temeljem kojih se objašnjavaju
varijable modela te način njihove operacionalizacije. Posljednji dio sadrži detaljnu
prezentaciju rezultata empirijskog istraživanja o odnosu koncepta poslovna inteligencija i
upravljanja opskrbnim lancem. Analiza rezultata provedena je u kontekstu postavljenih
hipoteza istraživanja te je tako izvršena njihova prosudba.
Završna razmatranja naslov je posljednjeg, petog poglavlja u kojemu je predstavljena sinteza
rezultata istraživanja te rasprava o njima. Evaluirane su teorijske i empirijske spoznaje nastale
kao rezultat testiranja predloženog modela te izneseni znanstveni i praktični doprinosi
provedenog istraživanja. Na kraju, predstavljena su ograničenja te predložene smjernice za
daljnja istraživanja.
13
II.
TEORIJSKI OKVIR KONCEPTA POSLOVNA
INTELIGENCIJA I UPRAVLJANJE OPSKRBNIM LANCEM
1.
Teorijski aspekt koncepta poslovna inteligencija
U ovom će se poglavlju objasniti temeljne teorijske odrednice i nastanak koncepta poslovna
inteligencija. Vodeći računa o problemu istraživanja razmotrit će se analizirani koncept u
kontekstu strateškog menadžmenta te prezentirati ciklus, sustav i elementi poslovne
inteligencije, poveznice s informacijskom tehnologijom, objasniti njen obrambeni element te
evaluirati provedena istraživanja u Republici Hrvatskoj.
1.1.
Temeljne teorijske odrednice i nastanak koncepta poslovna inteligencija
Za što kvalitetnije sagledavanje teorijskih odrednica i nastanka koncepta poslovna
inteligencija, potrebno je obraditi povijesnu evoluciju potrebe za prikupljanjem podataka i
informacija te proanalizirati različite istraživačke pristupe fenomenu poslovne inteligencije,
kako bi se u konačnici izvršilo terminološko određenje izvorne sintagme i njoj srodnih
intelligence pojmova u znanstvenim radovima.
1.1.1. Upravljanje poslovnim podacima i informacijama
Poput suvremenog pitanja o najvažnijoj pretpostavci preživljavanja tvrtke na današnjim
turbulentnim tržištima (Panian i Klepac, 2003.) moguće je parafraziranjem postaviti pitanje:
koja je najvažnija pretpostavka opstanka u povijesnim dimenzijama bez obzira je li riječ o
pojedincima, nomadima, narodima ili državama? U funkciji osiguranja svojega preživljavanja
u agresivnoj okolini biti informiran, odnosno znati, jest prva i najvažnija ljudska potreba, što
podrazumijeva kontinuirano traženje, interpretiranje i korištenje podataka i informacija sa
svrhom razumijevanja odnosno shvaćanja (Cohen, 2009., p.1). Iako je sam pojam poslovna
inteligencija relativno kratko u upotrebi, njegova bit vjerojatno dolazi iz vremena kada su se
14
ljudi počeli baviti organiziranjem svojega života. Polazeći od ovakve postavke, zanimljivo je
vidjeti koje su događaje ili aktivnosti iz raznih razdoblja ljudske povijesti pojedini istraživači
naglašavali kao početke primjene obavještajnih odnosno izvještajnih aktivnosti. Velik
doprinos informacijsko-komunikacijskom razvoju dala je pojava pisane riječi prije pet tisuća
godina, a posebno pojava nove tehnologije ovladavanja proizvodnjom papirusa oko 2500
godine prije Krista (Javorović i Bilandžić, 2007., p. 20). Autori naglašavaju svjedočenje
Biblije koja pokazuje kolika je važnost pridavana prikupljanju podataka odnosno
obavještajnoj djelatnosti za ostvarivanje neposrednih zadataka i ciljeva5. Herring (1996., p.
54.) također se reflektira na Bibliju6 i Sun Tzua. Iako se točan podatak nikada neće znati,
pretpostavlja se da je za vrijeme kralja Ptolomeja II Philadelphusa u knjižnici u Alexandriji
bilo pohranjeno 500.000 svitaka dokumenata, što je predstavljalo najveću kolekciju znanja u
to doba (Stubbs, 2011., p. 1.). Panian i Klepac (2003., p. 28.) smatraju kako je nastanak prvog
osiguravajućeg društva Lloyd's vrijeme kada je rođena poslovna inteligencija, a s obzirom da
su već tada osiguravatelji ovisili o točnim i ažurnim informacijama. Prije 2000 godina
tajanstveni kineski ratnik-filozof Sun Tzu napisao je možda najutjecajnije djelo o strategiji,
gdje je ustvrdio da onaj tko ima informaciju ima i moć, odnosno naglasio je vrijednost
prethodnog znanja7.
Istražujući trajnu ulogu informacija u snagama pojedinih zemalja Cohen (2009., p. 2-5.) ih
dijeli na pionire (Venecija, Švedska i Velika Britanija) i suvremene intelligence sisteme, gdje
pripadaju Japan, Njemačka, SAD i Francuska. U slučaju Venecije, čija je snaga bila najjača
između X. i XII. stoljeća, navodi se primjer veleposlanika koji su tvorili dobro organiziranu
mrežu informatora diljem Europe. Usporedbe radi, vrijedno je navesti primjer Dubrovačke
Republike gdje je njezin Senat na sjednici od 12. kolovoza 1301. godine donio odluku o
formiranju tri centra, između kojih je u kontekstu ovog rada najzanimljiviji Centar za
sakupljanje vijesti i informacija, čiji je zadatak bio prikupljanje važnih vojnih, gospodarskih i
političkih informacija iz ostalih zemalja (Dedijer, 2000., p. 131.). Ključni ljudi ovog centra
bili su Miho Procula, Prero Prodanelli i Marin Držić. Kao svježiji pionirski primjer, Cohen
(2009.) navodi Veliku Britaniju gdje su velike korporacije od 50-ih godina prošlog stoljeća
uvodile Marketing Intelligence (MkI) službe. U vrijeme kraljice Elizabete I., njezin državni
5
Autori navode nekoliko biblijskih citata u prilog svojoj tvdnji (p. 21-22).
Herrring citira Mojsija kada je naložio plemenima da izvide zemlju Kananovu.
7
Sun Tzu smatra da ono što omogućuje pametnu vladu i mudro vojno vodstvo da nadvlada druge i ostvari
iznimna postignuća jest prethodno znanje. Za prethodno znanje drži da se ne može dobiti od duhova i utvara, ne
može se imati analogijom (na ranija zbivanja), već se mora dobiti od ljudi, ljudi koji znaju prilike kod
neprijatelja. Sun Tzu, Umijeće ratovanja, Misl, Zagreb, 2001., p. 254.
6
15
tajnik zadužen za obavještajnu službu, Francis Walsingham utemeljio je prethodnika
britanskog Secret Intelligence Servicea. Od XVII. stoljeća Britanci imaju Centar za
obavještajnu aktivnost i sigurnost, a od 1899. godine Odsjek za komercijalno-obavještajnu
aktivnost (Bazdan, 2009., p. 59). Jedan od pet principa koje je japanski car proklamirao 1868.
godine glasi: skupljati svo znanje o svijetu što može koristiti Japanu (Dedijer, 2000., p. 307.).
U XIX. stoljeću Bismarck osniva obavještajnu službu kako bi postigao prednost u
industrijskoj revoluciji nad viktorijanskom Britanijom (Bazdan, 2009; Cohen, 2009.).
Posebnost suvremenog njemačkog obavještajnog sistema leži u strateškoj informacijskoj
povezanosti banaka, osiguravajućih društava te velikih korporacija. Ovakva centralna
organizacija povezana je s trgovačkim društvima, manjim kompanijama te konzultantskim
tvrtkama u jedinstvenom nacionalnom interesu.
Prescott (1999.) nastanak poslovne inteligencije razmatra kroz tri pravca. Iskonom smatra već
spomenutog stratega Sun Tzua, dok drugi pravac obavještajnih aktivnosti, koji nastaje u
vrijeme II svjetskog rata, smješta unutar polja nacionalne sigurnosti kao političko pitanje.
Treći, najnoviji pravac, koji je bio predmet njegovog istraživanja, prvenstveno je
karakterističan za gospodarstvo. S obzirom na to da je njegov rad star preko 14 godina
zanimljivo je vidjeti kako je Prescott analizirao tri razvojne faze poslovne inteligencije, te
predvidio četvrtu. Prvu fazu smješta u 60-e i 70-e godine prošlog stoljeća te je naziva
„Prikupljanje poslovne inteligencije“. Potom, 80-ih godina nastupa druga razvojna faza koju
označava kao „Industrijsku i konkurentsku analizu“ koja traje do razdoblja pisanja njegovog
rada te je zamjenjuje faza pod nazivom „Poslovna inteligencija za strateško odlučivanje“.
Karakteristika predviđajuće četvrte faze jest „Poslovna inteligencija kao konkurentska
sposobnost“.
Pirttimaki (2007., p. 4.) drži kako korijeni poslovne inteligencije i ostalih intelligence
aktivnosti leže, između ostalog, u vojnom planiranju. U poslovanju se pojavljuju 60-ih godina
prvenstveno kao aktivnost pohrane unutar poduzeća, dok prava ekspanzija započinje tek 80-ih
godina kada u Sjevernoj Americi nekoliko najvećih kompanija organizira obavještajne
aktivnosti. Istovremeno, u Europi je fokus ovih aktivnosti još uvijek u sigurnosnoj sferi
(Gilad i Gilad, 1985; Pirtimakki, 2007.). Autori koji preferiraju informatički aspekt nastanak
poslovne inteligencije vežu uz sustave za potporu odlučivanju DSS8 (engl. Decision Support
8
Autori navode model optimizacije prihoda kod kapitalno intezivnih djelatnosti, te optimizaciju logističke mreže
kao najranije primjere korištenja sistema za potporu odlučivanju.
16
Systems) i EIS9 (engl. Executive Information Systems) (Williams i Williams, 2007., p. 3-4).
Iako je Dedijer dao veliki doprinos u suvremenom promišljanju i razvoju intelligencea, a neki
ga čak smatraju ocem pojma social intelligence10 (SoI), odnosno djedom pojma intelligence
(Hedin et al., 2011., p. ix.), sam pojam business intelligence veže se uz ime Howarda
Dresnera, analitičara Gartnera (Javorović i Bilandžić, 2007; Hwang i Cappel, 2008; Watson,
2009; Isik, 2010.).
Iako nije rijedak slučaj da se u literaturi pojmovi podatak i informacija izjednačavaju s
obzirom da je podatak glavni sadržaj informacije (Javorović i Bilandžić, 2007., p. 29.), ipak
među njima postoji bitna razlika stoga je potrebno terminološki razlučiti ove pojmove te ih
proanalizirati u kontekstu njihovih odnosa s inteligencijom i znanjem. Prema Ekonomskom
leksikonu (1995., p. 319.), informacija jest objektivno svojstvo promatrane zbilje iz koje se
ona izdvaja ali ne egzistira kao samostalna supstancija, već kao izraz odnosa korisnika i
obavijesti koje tako prima. Pribavljanje relevantnih informacija daje potrebno znanje koje se
usmjeruje prema određenom zadatku i cilju što se želi postići. Prema klasičnoj definiciji
(Pirttimaki 2007., p. 38.), informacija treba ispunjavati tri uvjeta: prvo, uvijek treba postojati
objašnjenje kako informacija ne bi bila obična izjava; drugo, uvijek treba postojati potreba za
istinom; treće, ona ne smije biti produkt pogrešnog vjerovanja. Znanje se obično promatra kao
širi koncept od informacije, a podatak se na informacijskoj hijerarhiji pozicionira na najnižoj
razini. Intelligence, koja je u stvari destilirana informacija, predstavlja razvoj jedinstvene
spoznaje o činjenicama iz tvrtkinog okruženja (Miller, 2001., p. 12-13.). Redman (2008., p.
14-15.) smatra kako nije sporno da informacije nastaju od podataka, ali isto tako dodaje da oni
nisu jedini izvor informacija. Naime, promatrano kroz prizmu poslovne inteligencije svaki
tržišni signal može potencijalno postati informacija11. Određeni podatak može se prezentirati
na nekoliko različitih načina, stoga je jednako važna njegova selekcija i metoda predstavljanja
donositeljima odluka. Fuld (2010., p. 32.) kaže da je relativno lako naći informaciju ako se
znaju postaviti prava pitanja. Imati bolji pristup podacima ne mora izravno utjecati na tvrtkine
performanse, razlike se stvaraju u tome što kompanije rade s prikupljenim podacima
(Howson, 2008., p. 3.). Bilandžić i Javorović (2007., p. 29.) objašnjavaju da podatak nije
činjenica, jer sadrži mnoštvo činjenica koje ga određuju te o njemu govore. Tvrde da obrađeni
podatak, odnosno znanje o podatku, događaju ili pojavi s utvrđenim dokazanim činjenicama
9
Aplikacije poslovne inteligencije poput tablice uravnoteženih ciljeva, upravljačkih ploča te ostalih analitičkih
programa predstavljaju izravni razvoj sustava za podršku vrhovnom menadžmentu.
10
Nedjeljnji vjesnik, 20.06.2004.
11
Redman drži da određeni tržišni signal može biti „informativan“ iako ne predstavlja podatak u njegovom
osnovnom smislu.
17
predstavlja informaciju. Prema Thieraufu (2001., p. 4.), podatak postaje poslovna intelligence
kada se nalazi u rukama donositelja odluke koji zna što s njim treba uraditi. Kahaner (1997.,
p. 20-21.) tvrdi da je temelj konkurentske inteligencije poznavanje razlike između informacije
i inteligencije, jer intelligence predstavlja ono što je potrebno donositeljima odluka.
Informaciju promatra kao faktičnu, dok mu inteligencija predstavlja kolekciju informacija
koje su prethodno filtrirane i analizirane, a upravo sposobnost pretvaranja informacije u
inteligenciju vodi poslovnom uspjehu. Za razliku od Kahanera (1997., p. 21.), koji ne povlači
razliku između inteligencije i znanja s obzirom da tvrdi kako su to sinonimi, Thierauf (2001.,
p.7-13.) analizi podataka, informacija, inteligencije i znanja dodaje još mudrost12 i istinu, kao
što je prikazano u tablici 1.
Tablica 1. Odnos inteligencije na različitim razinama sažimanja
Razina sažimanja
Definicija
Važnost
problema
Pristup
odlučivanju
Priroda problema
Istina
potvrda činjenice ili
stvarnosti
vitalan
konsenzus
strukturiran do
nestrukturiran
Mudrost
sposobnost jasne prosudbe
kritičan
konsenzus
nestrukturirani
Inteligencija
konkretna spoznaja u
razumijevanju određenih
relacija
vrlo širok
savjetodavan
nestrukturirani i
polustrukturirani
Znanje
prikupljeno od eksperata
temeljeno na iskustvu
važan
savjetnička grupa
polustrukturirani
Informacija
strukturirani podatak
koristan za analizu
minoran do važan
savjetnički
strukturirani i
polustrukturirani
Podatak
nestrukturirana činjenica
minoran
individualan
strukturiran
Izvor: Thierauf, R. J.: Effective Business Intelligence Systems, Quorum books, London, 2001., p. 8.
Svrha informacije nije znanje već mogućnost poduzimanja akcije (Drucker, 2001., prema
Sharp, 2009., p. 19.). Informacija postaje inteligencija kada zadovoljava kritične intelligence
potrebe (engl. Critical Intelligence Needs – CIN) (Fleisher i Bensoussan, 2007., p. 7.).
Liebowitz (2006., p. 6-7.) slično razmatra organizacijsku inteligenciju kao proces dodavanja
vrijednosti nastao iz tvrtkine nematerijalne imovine (znanje zaposlenika, menadžment,
12
Thierauf filozofski smatra da je istinska polazna točka ove razine ponizna tvrdnja „Ne znam!“ Esencijalno
smatra da mudrost predstavlja osobni kapacitet stečen iskustvom i razmišljanjem.
18
dioničari i kupci) koja se hijerarhijski sastoji od podataka, potom informacija koje sa
spoznajom i iskustvom postaju znanje. Ono u specifičnim područjima postaje ekspertiza, koja
u konačnici s godinama iskustva i učenja postaje mudrost. Panian i sur. (2007., p. 171.)
opisuju informacijski lanac vrijednosti (engl. Information Value Chain), gdje izvorni podaci
nastaju kao nusprodukt pri obavljanju poslovnih transakcija te se u koracima transformiraju u
poslovnu inteligenciju koja se potom može angažirati za poboljšano izvođenje kasnijih
poslovnih transakcija.
Paralelno s porastom kompleksnosti podataka i informacija javlja se pitanje njihove kvalitete i
problema informacijske paralize13 (Hedin et al., 2011., p. 8-9.). Shannon je svojim radom14
dokazao da informacija može biti kvantificirana i mjerljiva, što je predstavljalo inovaciju i
svojevrsnu revoluciju (Stubbs, 2011. p. 2.). Vrednovati poslovnu informaciju nije jednostavan
zadatak s obzirom da je ona nematerijalna pa se u njezinom vrednovanju ne mogu primijeniti
konvencionalne metode. Panian i Klepac (2003., p. 40) upozoravaju da se prilikom
utvrđivanja vrijednosti informacija treba uzeti u obzir i određena doza subjektiviteta onih
pojedinaca ili skupina koji informaciju stvaraju, ali i onih koje ih primaju kako bi ih koristili u
neke specifično njima zanimljive svrhe.
Liautaud i Hammond (2006., p. 29.) tumače i vrednuju informacije polazeći od činjenice da se
njihova vrijednost proteže u kontinuumu te zaključuju kako se vrijednost informacije može
zadovoljavajuće precizno definirati kao funkcija broja korisnika koji mogu pristupati tim
informacijama i analizirati ih i broja poslovnih područja kojima korisnici pripadaju. Slika 1.
prikazuje kontinuum vrijednosti za neku informaciju i određuje pet zona u kojima se
vrijednost podataka progresivno povećava: područje izlaganja podataka, područje prve dobiti
od informacija, područje inteligencije poduzeća, područje proširenog poduzeća i područje
trgovanja informacijama. Oni (2006., p. 13-22.) razlučuju četiri modela upravljanja
informacijama:
informacijska diktatura; riječ je o centraliziranoj upravljačkoj kulturi u kojoj tek
nekolicina korisnika ima pristup podacima;
informacijska anarhija; koja nastaje kada pojedinci ili odjeli počnu upravljati vlastitim
potrebama za informacijama kreirajući osobne informacijske sustave koji su često bili
prepravljeni proturječnim i netočnim podacima;
13
Simptomi informacijske paralize javljaju se kod prikupljanja/dobivanja novih informacija koje donositelju
odluka neće pomoći već otežati izbor relevantnih informacija potrebnih za korištenje u procesu odlučivanja.
14
Riječ je o radu „A Mathematical Theory of Communication“ iz 1948. godine.
19
informacijska demokracija; predstavlja rezultat evolucije gdje informacije teku na
slobodan i uređen način;
informacijska veleposlanstva; predstavljaju virtualna mjesta izvan granica kompanije
preko kojih partneri mogu razmjenjivati podatke i informacije, odnosno, služe za
povezivanje s dobavljačima, kupcima te za posredovanje u prodaji informacija.
Slika 1. Krivulja vrijednosti informacija
Izvor: Liautaud, B., Hammond M.: e-Poslovna inteligencija, Prudens Consilium, Varaždin, 2006., p. 31.
Hubbard (2010., p. 99.) navodi tri razloga zašto informacija uopće ima vrijednost u
poslovanju; (1) smanjuje neizvjesnost o odlukama što ima ekonomske posljedice, (2) utječe
na ponašanje drugih15 što također ima ekonomske posljedice, (3) informacija ponekad ima
svoju vlastitu tržišnu vrijednost. Vrijednost informacije jednaka je vrijednosti smanjenja
rizika.
15
Hubbard smatra kako je vrijednost informacije, što se tiče njenog efekta na ljudsko ponašanje, točno jednaka
vrijednosti razlike u ljudskom ponašanju.
20
1.1.2. Različiti pristupi fenomenu poslovne inteligencije
U prvom poglavlju definirajući problem istraživanja navedeno jest kako uslijed nepostojanja
konsenzusa oko njezine definicije pojedini istraživači pristupaju poslovnoj inteligenciji na
različite načine, što se odražava kako u njezinom objašnjavanju, tako i u naglascima na
elemente koji je determiniraju. Howson (2008., p. 1.) objašnjava PI kroz procesni pristup
navodeći kako je sačinjavaju set tehnologija i procesa koji omogućavaju ljudima na svim
poslovnim razinama pristup podacima i njihovoj analizi. Tehnologija omogućava poslovnu
inteligenciju, međutim potencijalno preveliki fokus na njoj se može negativno odraziti na
sputavanje ljudskih inicijativa. Slično upozoravaju Williams i Williams (2007., p. 15.) kada
kažu da implementacija poslovne inteligencije zahtijeva tehnologiju; međutim, tehnologija
sama po sebi nije dovoljna jer ako tu implementaciju ne prate procesne promjene neće se
postići nikakve prednosti i progresi. Eckerson (2011., p. 32.) poslovnu inteligenciju vidi kao
skup procesa, alata i potrebnih tehnologija za preoblikovanje podataka u informacije,
informacija u znanje i planove koji pokreću učinkovite poslovne aktivnosti.
Thierauf (2001., p. 4.) kaže da su mnogi informacijski sistemi vezani uz sistem poslovne
inteligencije; međutim, razlika jest u tome što oni asistiraju donositeljima odluka u boljoj
informiranosti, dok sistem poslovne inteligencije ide korak dalje prezentirajući uvid i
razumijevanje za njihove aktivnosti danas i sutra16. Fleisher i Bensoussan (2007., p. 6.)
također definiraju PI kao proces kojim poduzeća prikupljaju akcijabilne informacije o
konkurentima i konkurentskom okruženju te ih, idealno, primjenjuju u aktivnostima
planiranja i odlučivanja s ciljem unapređenja poslovnih performansi. Pettit (2008.) prihvaća
definiciju SCIP-a17 koja kaže kako je riječ o procesu etičkog prikupljanja, analiziranja i
pružanja neophodnih informacija koje su relevantne, specifične, prigodne i prediktivne u
odnosu na
poslovno okruženje i samo poduzeće. Pretpostavka ovakvog tumačenja jest
dobivanje akcijabilne informacije kao gotovog proizvoda.
Cavalcanti (2005., p. 8-9.) i Taskov (2009., p. 70.) definiraju poslovnu inteligenciju dvojako, i
to kao proces i proizvod polazeći od teze da akcijabilna informacija predstavlja sukus i svrhu
samog procesa. Prema Herringu (1996., p. 55-56.), primarni cilj sistema poslovne
inteligencije jest omogućavanje konkurentskih prednosti kroz bolju informiranost donositelja
16
Thierauf slikovito kaže da sistem poslovne inteligencije pruža donositeljima odluka mogućnost da konstantno
drže prst na pulsu njihovih poslovnih aktivnosti i odluka.
17
Riječ je o udruženju BI/CI profesionalaca, SCIP predstavlja akronim od Society of Competitive Intelligence
Professionals, a 2011. godine je riječ Society zamijenjena sa riječi Strategic.
21
odluka te efikasnijih strategija i poslovnih operacija. U kontekstu ove definicije sam pojam
intelligence definira kao proces i proizvod koji predstavlja akcijabilnu informaciju za
djelovanje menadžmenta. Mohanty (2008., p. 21.) smatra kako je PI temeljena na poslovnim
informacijama, prethodnim aktivnostima i strategijama za budućnost te predstavlja sve za
postizanje veće profitabilnosti analiziranjem velike količine podataka i brojki, prezentiranjem,
kvalificiranjem, pronalaženjem trenda i skrivenih uzoraka, osnaživanjem akcije za rješavanje
problema te pružanjem djelotvornog uvida.
Watson (2009., p. 491.) i Ranjan (2009., p. 60.) pristalice su šire definicije s obzirom da kažu
kako PI obuhvaća aplikacije, tehnologije i procese za prikupljanje, skladištenje i analiziranje
podataka kako bi poslovnim korisnicima olakšali donošenje boljih odluka. Watson ističe kako
PI ne uključuje samo davanje, odnosno plasman podataka (engl. Getting data out), već i
prikupljanje podataka (engl. Getting data in). Panian i Klepac (2003., p. 24-25.) naglašavaju
da svijest o potrebi prihvaćanja ovog koncepta u kompanijama raste iz dana u dan, te navode
njene jezgrene značajke: zasniva se na personalizaciji, proaktivna je, te nastaje iz operativnih
podataka. Može se reći da poslovna inteligencija predstavlja ranije prikriveno znanje koje se
otkriva iz operativnih, rutinski prikupljenih poslovnih podataka primjenom odgovarajućih
računsko-logičkih metoda, obično podržavanih informacijskom tehnologijom (Panian i sur.,
2007., p. 1.). Ono što poduzeća trebaju izbjeći jest da budu bogata podacima a siromašna
informacijama (Williams i Williams, 2007., p.1.). U svojem istraživanju 50 najvećih finskih
kompanija Hannula i Pirttimaki (2003., p. 593.) također razmatraju poslovnu inteligenciju kao
koncept te je definiraju kao organiziran i sistematičan proces nabave, analize i raspodjele
informacija značajnih za poslovne aktivnosti. Istražujući uspjeh koncepta poslovna
inteligencija Isik (2009., p. 9-13.) zaključuje kako se većina definicija reflektira ili prema
tehnološkoj ili prema organizacijskoj perspektivi, iako bi u tom smislu trebao postojati
kompromis. Hwang i Cappel (2008.) u svojemu proučavanju zaključuju kako se termin
poslovna inteligencija koristi u dva konteksta: kao sistem pod čime podrazumijevaju
prethodno navedene sisteme za podršku odlučivanju (DSS), te kao proces. Za tumačenje
procesnog pristupa mnogi autori citiraju The Data Warehouse Institute koji objašnjava
poslovnu inteligenciju kao proces pretvaranja podataka u znanje, te znanje u akciju za
postizanje poslovne dobiti. Želeći naglasiti širinu poslovne inteligencije, autori je
objašnjavaju kao disciplinu koji sačinjavaju zajedno sistemi i procesi.
Kako bi objasnili koncept poslovne inteligencije Williams i Williams (2003., p. 2-3.)
definiraju ono što ona nije; običan proizvod, tehnologija niti metodologija. Polazeći od ovih
22
ograničenja objašnjavaju je kao kombinaciju proizvoda, tehnologija i metoda s ciljem
organiziranja ključnih informacija potrebnih menadžmentu za poboljšanje profita i
performansi, što je prikazano na slici 2.
Slika 2. Što business intelligence znači u praksi
Izvor: Williams, S., Williams, N.: The Profit Impact of Business Intelligence, Morgan Kaufman, San Francisco,
2007., p. 3.
Biere (2003., p. 18.) kaže kako je PI koncizna i metodična transformacija podataka iz svih
izvora u novu formu koja pruža informacije za poticanje poslovanja a usmjerene su prema
konačnom rezultatu. Polazeći od ovakve definicije zaključuje kako je svrha investiranja u
poslovnu inteligenciju transformacija poduzeća iz reaktivnog u proaktivno u odnosu na
podatke. Brody (2008., p. 10.) smatra kako se većina definicija reflektira prema procesu, a tek
potom prema proizvodu. Kalakota i Robinson (2002., p. 387. i 424.) kažu kako je pretvaranje
podataka u znanje posao poznat pod imenom poslovna inteligencija te zaključuju kako u svom
najosnovnijem obliku ona predstavlja poslovnu strategiju tvrtke jer je postala presudnim
faktorom budućnosti poduzeća i poslovanja. U strateškom smislu PI promatraju i Liautaud i
Hammond (2006., p. 115.) obzirom da tvrde kako projekt poslovne inteligencije donosi
23
vrijednost kao dio šire strategije poduzeća. Slikovito objašnjavaju kako podaci pokreću
poslove, poslovi se ubrzavaju informacijama, a olimpijski se rekord postiže inteligencijom.
Liebowitz (2006., p. 13-22.) u kontekstu razmatranja intelligence pojmova na prvo mjesto
svrstava umjetnu inteligenciju (engl. Artificial Intelligence - AI) koja se odnosi na izgradnju
računalnih programa kao dopune snazi ljudskog mozga, uz ogradu da ne moraju nužno ostale
intelligence aktivnosti uključivati AI već da se u njima mogu koristiti. Moss i Atre (2003., p.
4-5.) tumače da poslovna inteligencija nije ni proizvod ni sistem već arhitektura i kolekcija
integriranih operativnih aplikacija i aplikacija za potporu odlučivanju te baze podataka koje
omogućuju poslovnoj skupini lakši pristup poslovnim podacima. Zaključuju da je PI18
jedinstvenost svake organizacije kao i politike i poslovnih pravila u skladu s kojima se
upravlja tvrtkom. Upravo tu jedinstvenost treba istražiti kao bi se mogla istražiti konkurentska
prednost. Li (2007., p. 307.) također definira poslovnu inteligenciju kao skup aplikacija za
prikupljanje podataka, njihovu organizaciju, analizu i ekstrakciju te sistem za lakše
spoznavanje tržišta, klijenata, dobavljača i proizvoda. Proučavajući evoluciju poslovne
inteligencije prema naprednoj analitici Stubbs (2011., p. 300.) je definira kao široku
klasifikaciju informatičkih tehnologija koje podržavaju identifikaciju i prezentaciju spoznaja.
Garača (2009., p. 138.) ubraja PI u sustave za podršku odlučivanju za potrebe najviših razina
menadžmenta, a informacije koje se kreiraju odnose se na razdoblje predviđanja. Vitt et al.,
(2002., p. 13.) označava poslovnu inteligenciju kao široko područje tehnologija, platformi
softvera, specifičnih aplikacija i procesa koji imaju tri perspektive: brže donošenje poslovnih
odluka, pretvorbu podataka u informacije i upotrebu racionalnog pristupa menadžmentu. U
svojoj analizi McGonagle i Vella (2002., p. 35-37.) zaključuju da se u literaturi udomaćio
termin competitive intelligence, dok za business intelligence kažu kako ga neki koriste za
opisivanje CI aktivnosti, odnosno za povezivanje s menadžmentom podataka (engl. Data
Management) i skladištem podataka (engl. Data Warehouse).
Javorović i Bilandžić (2007., p. 205.) smatraju kako je business intelligence (poslovnoobavještajna aktivnost) obavještajna aktivnost u poslovnom svijetu koju planiraju,
organiziraju i provode poslovni subjekti, pri čemu ta aktivnost podrazumijeva proces legalnog
prikupljanja javnih i svima dostupnih podataka etičnim sredstvima, njihovu analizu i
pretvaranje u gotove poslovno-obavještajne analize („znanje“) radi pružanja potpore čelništvu
poslovnog subjekta s ciljem donošenja i realizacije što kvalitetnijih poslovnih odluka
18
Moss i Atre poslovnu inteligenciju također nazivaju inteligencijom o poslovanju (Business intelligence, or
intelligence about the business...), p. 31.
24
usmjerenih na očuvanje postojeće pozicije poslovnog subjekta u poslovnom okruženju,
izbjegavanje bilo kakvih prijetnji i u konačnici na ukupni kvalitativni napredak poslovnog
subjekta. Hugos (2006., p. 120-121.) jednostavnije definira PI: kao sistem koji pomaže
tvrtkama da shvate što se događa unutar njih samih kao i unutar tržišta na kojima posluju.
Srića i Muller (2001., p. 43.) opisuju je kao sposobnost skupljanja, obrade, interpretacije i
uporabe informacija u svrhu uspješnijeg poslovanja, tj. sposobnost pretvaranja podataka i
informacija u inteligentne akcije.
Prema Giladu (1996., p. 21.), poslovna inteligencija19 jest alat poslovnog lidera, osnovna
nadležnost što nastaje od tvrtkinog usmjerenja na kupca, koja neprestano nastoji istražiti
konkurentsku izvrsnost, dok istovremeno osujećuje konkurentska iznenađenja. Ovo je
potrebno sagledati u kontekstu strateške namjere postizanja i očuvanja najbolje tržišne
pozicije. Cohen (2009., p. 49.) tumači stratešku inteligenciju20 kao formalizirani proces
istraživanja, prikupljanja i procesuiranja informacija te distribucije znanja korisnog u
strateškom menadžmentu. Sharp (2009., p. 15-20.) analizira PI kao menadžersku disciplinu te
je definira kao znanje i buduće znanje o ukupnom poslovnom okruženju koje rezultira
akcijom. Upravo akcija determinira njezin uspjeh jer ako ona izostane informacija ostaje na
razini lijepo je znati, dok realizirana akcija potvrđuje poslovnu inteligenciju kao kontinuirani
proces i proizvod. Poslovna inteligencija nije ništa manje već krucijalna druga polovica
strateškog planiranja (Meyer, 1987., prema Gilad, 1996., p. 21.).
1.1.3. Terminološko određenje pojma business intelligence i njemu srodnih pojmova u
znanstvenim radovima
Prije nego se razmotre različiti intelligence koncepti i pojmovi potrebno je istaknuti kako u
svojoj osnovi skoro svi dijele isti smisao kao i business intelligence: prikupiti sirove podatke,
pretvoriti ih u informacije kako bi se u konačnici dobilo akcijabilno znanje i inteligencija za
donošenje upravljačkih odluka. U ovom će se poglavlju razmotriti odnos pojmova intelligence
19
Zbog točnosti citata potrebno je kazati kako Gilad koristi pojmove business intelligence i competitive
intelligence kao sinonime jer kaže: „Business or competitive intelligence is...“
20
Cohen, kao francuski autor, u svojoj knjizi objašnjava terminološke razlike i probleme koji se javljaju kod
prevođenja pojmova vezanih uz intelligence. Iako će o ovoj problematici biti više riječi u sljedećem poglavlju
potrebno je navesti kako ona koristi termine intelligence, business intelligence i strategic intelligence za opis
globalnih intelligence aktivnosti.
25
i inteligencija, prezentirati međusobni odnos različitih intelligence termina u istraživanim
znanstvenim radovima te analizirati sličnosti i razlike najčešće korištenih intelligence
pojmova povezanih s poslovnom inteligencijom.
1.1.3.1.
Intelligence i inteligencija
Izraz poslovna inteligencija najčešće je korišteni hrvatski prijevod engleskog pojma business
intelligence, iako se koriste i termini „poslovno izvještavanje“, „poslovne izvjesnice“,
„poslovno obavješćivanje“, „poslovno istraživanje“ te „upravljanje poslovnim podacima“
(Panian i Klepac, 2003; Klepac i Mršić, 2006; Javorović i Bilandžić, 2007; Akrap, 200821;
Bilandžić, 2008; Bazdan, 2009; Garača, 2009.). S obzirom da je i u svjetskim razmjerima riječ
o relativno novome pojmu još uvijek se u domaćim krugovima nije postigao konsenzus oko
prijevoda. Ovome najviše pridonosi nemogućnost jednoznačnog prevođenja pojma
intelligence kao sastavnoga djela sintagme business intelligence.
Prema engleskom rječniku hrvatskog izdanja (Filipović, 1991., p. 578.), pojam intelligence
prevodi se kao:
1) pamet, razum, inteligencija, pronicljivost, razumijevanje, brzo shvaćanje,
snalažljivost, prisebnost, razumijevanje;
2) obavijest, obavještajna služba.
Prema Ponsovom rječniku (1989., p. 506.), ovaj se pojam objašnjava kao:
1) sposobnost razumijevanja i učenja stvari;
2) sposobnost razmišljanja i razumijevanja umjesto djelovanja prema instinktu ili
automatizmom;
3) informacija prikupljena od vlade ili vojske o njihovim neprijateljima.
Noviji Oxfordov rječnik (2010., p. 807.) intelligence tumači kao:
1) sposobnost učenja, razumijevanja i logičnog razmišljanja o različitim stvarima,
sposobnost dobrog djelovanja;
21
Članak je izvorno objavljen pod pseudonim Danijel Ćosić Dragan.
26
2) tajna informacija koja je prikupljena npr. o stranoj zemlji, pogotovo o
neprijateljskoj, ljudi koji prikupljaju ove informacije.
Prema Rječniku hrvatskog jezika (Anić, 2007., p. 149.), inteligencija se tumači kao:
sposobnost shvaćanja i brzog snalaženja u novim prilikama, sposobnost otkrivanja zakonitosti
u odnosima među činjenicama i rješavanju problema, oštroumnost te pamet. Leksikon
menadžmenta (Bahtijarević-Šiber i Sikavica, 2001., p. 177.) kaže kako je riječ o individualnoj
sposobnosti rješavanja problemskih situacija koje se ne mogu rješavati na neki naučen,
standardan način. To je opća snalažljivost u rješavanju problema. Ponekad se jednostavno
određuje kao sposobnost rezoniranja i brzina mentalnog shvaćanja, odnosno sposobnost osobe
da uči, misli apstraktno, rješava probleme i općenito se prilagođava novim situacijama u
svojoj okolini.
Von Clausewitz (1852. prema Michaeli, 2004., p. 2.)
objašnjava intelligence kao sve
informacije koje se imaju o neprijatelju i njegovoj zemlji a predstavljaju temelj za planiranje i
poduzimanje akcija. Američka vojna enciklopedija tumači pojam intelligence kao proizvod
nastao kao rezultat prikupljanja, obrade, integracije, analize, procjene i interpretacije
dostupnih informacija koje se odnose na druge države ili područja (Javorović i Bilandžić,
2007., p. 174.). Rodenberg (2012., p. 15.) također kaže da se korijeni intelligence aktivnosti
nalaze (i još su uvijek) u vojsci i državi. Američka obavještajna služba (Central Intelligence
Agency – CIA) (Herring, 1996., p. 54.) definira ovaj pojam kao znanje i prethodno znanje o
svijetu koji nas okružuje – preludij za predsjedničku22 odluku i akciju. U sklopu ove analize
potrebno je naglasiti kako intelligence ima u kvalitativnom smislu veću vrijednost od
informacije, jer je to krajnji proizvod nastao sustavnim prikupljanjem, verifikacijom i
analizom podataka odnosno informacija kako bi se steklo znanje o određenim problemima,
odnosno, to je sve što je potrebno znati da bi se učinkovito djelovalo (Dedijer, 1999.). U
kontekstu poslovne inteligencije Mohanty (2008., p. 22.) tumači intelligence kao sposobnost
realizacije poslovnog uspjeha jednostavnijim pristupom akcijabilnim informacijama kroz
pravovremen i točan uvid u poslovne okolnosti. Fuld (1995., p. 24.) tumači intelligence kao
implikaciju koja omogućuje donošenje odluka, odnosno u svom novijem djelu (2010., p. 20.)
objašnjava kako intelligence predstavlja učinkovito korištenje informacije te odlučivanje
22
U svom članku Herring predlaže da se riječ Presidental zamijeni sa CEO, COO, CFO ili general manager
kako bi se definicija elegantno prilagodila poslovnom svijetu i uvjetima.
27
temeljem slike koja ne treba biti perfektna23. Ona podrazumjeva čistu sliku konkurencije,
razumijevanje njihove strategije te rano djelovanje temeljem tog znanja.
Garača (2009., p. 138.) objašnjava problem: u engleskom jeziku riječ intelligence ima dva
značenja, a u hrvatskom samo jedno - inteligencija, te dodaje kako je za ovu situaciju
(prevođenje pojma business intelligencea op.a.) relevantno ono značenje koje se odnosi na
prikupljanje, obradu, analizu i interpretaciju podataka o okruženju nekog sustava u vojnosigurnosnom kontekstu24. Bilandžić (2008., p. 28-33.) nije pristalica korištenja prijevoda
poslovna inteligencija već se zalaže za korištenje izvorne sintagme25. Promatrajući
intelligence kroz prizmu menadžmenta Fleisher i Bensoussan (2003., p. 6.) ga definiraju kao
proizvod s dodanom vrijednošću koji je nastao iz prikupljanja, procjene, analize, integracije i
tumačenja svih raspoloživih informacija što se odnose na jedan ili više aspekata
menadžmenta, a koji je neposredno ili potencijalno značajan za donošenje odluka, dok Waters
(2010., p. 11.) kaže kako je osnovna svrha intelligencea smanjenje neizvjesnosti u svakom
konfliktu26. Akrap (2008., p. 56.) taj uradak, engleski intelligence koji je rezultat analitičke
obrade, na različite načine prikupljenih podataka, naziva izvjesnicom27.
Iako postoje ozbiljne rasprave s kvalitetnom argumentacijom oko načina rješavanja
prevođenja sintagme business intelligence, odnosno prvenstveno pojma intelligence činjenica
jest da se domaći autori još uvijek nisu približili usklađenju svojih stavova. Ovo i ne mora
čuditi pogotovo kada se ima u vidu koliko nejasnoća, preklapanja i korištenja različitih
sinonima postoji u inozemstvu kod definiranja i opisivanja intelligence pojmova i područja
što će se vidjeti u nastavku ovog rada. Zbog što kvalitetnije prezentacije istraživačke materije
u nastavku će rada biti korištene zajedno izvorne sintagme i hrvatski prevodi.
23
Fuld (2010., p. 20.) smatra kako nije cilj kreiranje savršene slike, već slike koja održava spoznajnu realnost.
Garača smatra da analogija vojno-sigurnosnih sustava sa suvremenim poslovnim aspektima i uvjetima
poslovanja te organiziranje posebnih odjela za ove zadatke u poslovnim sustavima ukazuje da je najbolje
upotrebljavati izvorni naziv.
25
Bilandžić objašnjava svoj stav s nekoliko argumenata; 1) u smislu prijevoda, odnosno tumačenja da pojam
intelligence osim inteligencije označava i obavještajnu djelatnost, obavještajne časnike, obavještajne proizvode i
obavještajne službe; 2) u sadržajnom smislu, jer kaže da je krajnji rezultat business intelligencea akcijabilno
znanje, a ono ga razlikuje od inteligencije; 3) za business intelligence kaže da je to obavještajna funkcija u
spektru poslovanja, te s inteligencijom ima veze utoliko što je to inteligentni mehanizam, mehanizam kojim se
stječe znanje.
26
Waters (2010., p. 11.) objašnjava kako je od Kaina i Abela pa do današnjih dana borbe protiv terorizma
osnovna svrha intelligencea smanjenje svih oblika neizvjesnosti u konfliktu, borbi ili konkurentnosti.
27
Slijedom već navedene analogije, Akrap naziv intelligence u širem smislu, odnosno u smislu organiziranog i
smislenog kružnog izvještajnog procesa, po kojem izvještajne službe svojim korisnicima podnose izvješća u
obliku izvjesnica prevodi pojmom izvjesništvo.
24
28
1.1.3.2.
Odnos različitih intelligence pojmova u znanstvenim radovima
Mnogi autori svjesni terminoloških problema nastalih uslijed povijesnih, jezičnih,
kulturoloških ili poslovnih okolnosti pokušali su na različite načine dati svoj doprinos
uređenju odnosa unutar širokog spektra intelligence područja. Cohen (2009., p. 31.) u svojem
istraživanju pronašla je u upotrebi 25 različitih termina u publikacijama objavljenim od 1967.
godine na engleskom jeziku.
Među ranijim radovima jest ono McGonagle i Velle (1996., p. 13-18.) gdje autori polaze od
definiranja pojma Cyber Intelligence pod čime podrazumijevaju viziju intelligence aktivnosti
koja funkcionira u de facto nevidljivim granicama odnosno, ona predstavlja ekspresiju
nastanka mrežne organizacije. Prema njima, Cyber Intelligence se sastoji od nekoliko djelova:
kompetitivne inteligencije, strateške inteligencije, tržišne inteligencije, upravljanja krizom,
usporedbi s tržišnim liderima, reverznog inženjeringa (engl. Reverse engineering), te
obrambene inteligencije što je prikazano na slici 3.
Slika 3. Preklapanje blokova koji tvore Cyber Intelligence
Izvor: McGonagle, John J., Vella, Carolyn M.: A New Archetype for Competitive Intelligence, Quorum books,
London, 1996., p. 18.
29
Jenster i Soilen (2009., p. 12-14.) osnovno intelligence područje dijele na dva glavna dijela:
privatni i državni. U svojem radu predlažu zamjenu starog značenja BI s terminom Private
intelligence jer se, prema njima, termin BI previše povezuje s informacijskom tehnologijom u
sklopu intelligence analize. Njihov dijagram odnosa različitih intelligence područja prikazan
je na slici 4.
Slika 4. Studija intelligence aktivnosti
Izvor: Jenster, Per V., Soilen, Klaus S.: Market Intelligence – Building Strategic Insight, Copehagen Business
School Press, 2009., p. 13.
Tyson (1986., p. 9. prema Hannula i Pirttimaki, 2003., p. 594.) osamdesetih godina prošlog
stoljeća identificirao je potrebu kontinuiranog motrenja kupaca, konkurencije, dobavljača i
drugih interesnih polja te zaključio da BI čine: customer intelligence, competitor intelligence,
market intelligence, technological intelligence, product intelligence te environmental
intelligence. Brody (2008., p. 10.) u svojoj analizi kaže kako autori koriste termine poslovna
inteligencija, strateška inteligencija, korporativna inteligencija, tehnička inteligencija,
konkurentska analiza, kupčeva inteligencija te monitoring okoline kada u stvari govore o
30
kompetitivnoj inteligenciji. U prilog tezi o različitim pristupima i tumačenjima vrijedno je
usporediti prezentiran Jensterov i Soilenov dijagram s rezultatima istraživanja koje je objavila
Pirttimaki o povezanosti intelligence koncepata (Pirttimaki, 2007., p. 93.). Prema njoj,
najznačanija je razlika između business intelligencea i ostalih koncepata u tome što su ostali
koncepti većinom usredotočeni na vanjsko okruženje ili jedinstveni informacijski element te
se informacije prikupljaju iz vanjskih izvora, dok se poslovna inteligencija generalno definira
kao šira.. Slika 5. prikazuje rezultate njezinog istraživanja odnosa različitih intelligence
koncepata. Za uočiti jest kako temelj njezina model asocira na onaj koji su prezentirali
McGonagle i Vella (slika 3.), a osnovnu - ključnu razliku predstavlja različito pozicioniranje
(i definiranje) BI-a te izostavljanje njezinog obrambenog aspekta.
Slika 5. Odnos business intelligencea i ključnih intelligence koncepata
Izvor: Pirttimaki, V.: BI as a Managerial Tool in Large Finnish Companies, 2007., disertacija, Tampere
University of Technology, p. 93.
Za dobivanje jasnije slike o odnosima i korištenjima pojedinih termina potrebno je pogledati i
usporediti rezultate nekoliko istraživanja na ovu temu. Global Intelligence Alliance (GIA) u
proljeće 2005. godine provela je istraživanje o korištenju CI u velikim kompanijama28 na
28
Rezultati su objavljeni u dokumentu „Competitive Intelligence in Large Companies – Global Study“, GIA
white paper 4/2005.
31
uzorku od 287 poduzeća
ća iz 18 država29 (Australije, Brazila, Kanade, Kine, Finske Njemačke,
Njemač
Hong Konga, Indije, Japana, Koreje, Malezije, Meksika, Nizozemske, Norveške, Singapura,
Tajvana, Tajlanda i Švicarske). Prema ovom istraživanju 29.6%
.6% poduzeća
poduzeć koristi termin
istraživanje tržišta (engl. Market Research),
Research), 20% termin BI, 16,2% CI, 13,6% termin MI,
MI
7,6% nadzor tržišta (engl. Market Monitoring),
Monitoring 5,1% competitor intelligence, te 2,8%
upravljanje znanjem (KM). Dvije godine kasnije ponovili su istraživanje30 na uzorku od 281
poduzeća
ća iz devet zemalja (Belgije, Brazila, Finska Njemačke,
čke, Indije, Nizozemske,
Španjolske, Velike Britanije i SAD). Prema ovom istraživanju, najkorišteniji
ajkorišteniji je pojam BI
(26,3%), potom MI (16,7%), te CI (14,2%),
(14,2%) što je prikazano na grafu 1.
Terminologija korištenih pojmova
26,2%
19,7%
16,7%
14,2%
9,4%
6,4%
6,0%
1,3%
Graf 1. Rezultati korištenih pojmova
Izvor: Konstrukcija autora na temelju podataka rezultata istraživanja „Market Intelligence in Large Companies –
Global Study“ objavljenih 22.05.2007.
Ovo je istraživanje također
đđer pokazalo da su njemački
njemaččki ispitanici samo u 40% slučajeva
slučč
koristili
pojam intelligence (CI,, MI ili BI),
BI) a najviše su u upotrebi bili pojmovi istraživanje tržišta,
29
Nedostatak ovog uzorka predstavlja činjenica
č
da je GIA provodila istraživanje samo u onim zemljama gdje
imaju svoje partnere, tako da su iz uzorka izuzete neke zemlje s razvijenim intelligence aktivnostima poput
Francuske, SAD i Velike Britanije. Također,
Takođ objedinjeni su rezultati deset zemalja pod oznakom
znakom Azija – Pacifik.
30
Rezultati istraživanja pod naslovom „Market
„
Intelligence in Large Companies – Global Study 2007“
prezentirani su na Webinaru, 22.05.2007. godine.
32
strateški uvid (engl. Strategic Insight) ili strateška analiza tržišta (engl. Strategic Market
Analysis), dok su belgijski i brazilski ispitanici u više od polovice slučajeva koristili termin
MI. Frishammar (2002., p. 152.) analizirao je različite načine i karakteristike procesuiranja
informacija te su njegovi zaključci prikazani u tablici 2.
Business
Intelligence
Competitive
Intelligence
Competitor
Intelligence
Ffokus
Metoda
Dodavanje
vrijednosti
Veza s
odlučivanjem
Djelokrug
Skeniranje
okruženja
Orijentacija
prema
budućnosti
Tablica 2. Usporedba različitih načina procesuiranja podataka
da
nabavljanje generalnih info
o događajima ili
fenomenima u okruženju
skeniranje
da i ne
jaka
širok,
uključuje BI
da
da
da
interpretacija informacija o
promjenama u okruženju
intelligence
ciklus
interpretacija informacija o
konkurentskoj poziciji
interpretacija informacija o
konkurentima
intelligence
ciklus
intelligence
ciklus
da
jaka
dio skeniranja
okruženja,
uključuje
ostale
intelligence
da
jaka
dio BI-a
da
jaka
dio BI-a
Market
Intelligence
da
interpretacija informacija s
fokusom na kupce
intelligence
ciklus
da
jaka
dio BI-a
Political
Intelligence
da
interpretacija informacija o
političkim faktorima
intelligence
ciklus
da
jaka
dio BI-a
Marketing
research
da
informacije iz okruženja o
firminim marketinškim
planovima
marketinško
istraživanje
da
jaka
uže
da (do
neke
granice)
primarni fokus na
menadžmentu IT-a ali isto
tako planiranje info politike,
info sistema i info protoka
jaka
šire, uključuje
informacijski
sistem
Information
management
n/a
da i ne
Izvor: Frishammar, J.: Characteristics in information processing approaches, International Journal of Information
Management, 2002., 22, p. 152.
Cavalcanti (2005., p. 9.) u sklopu svojeg istraživanja utjecaja BI-a na poslovni uspjeh je
razlučio poslovnu inteligenciju na dva dijela;
external intelligence (ExI) koji se sastoji:
33
-
environmental intelligence (odnosi se na ekonomsku, tehnološku, socijalnu,
političku, zakonodavnu i prirodnu okolinu),
-
market intelligence (odnosi se na izravne i neizravne konkurente, dobavljače i
partnere, distributere, proizvode te dijelove tržišta),
-
consumer intelligence (odnosi se na današnje klijente, stvarne – krajnje
potrošače, potencijalne kupce, demografske i fizičke informacije i znanje o
trendovima ciljane skupine).
organizational intelligence (OI) (odnosi se na marketing i prodaju, proizvodnju,
istraživanje i razvoj, financije, ljudske potencijale, te generalnu administraciju).
Za vrijeme realizacije VisiPro projekta31 tijekom 2005. godine napravljena su istraživanja o
korištenju intelligence terminologije u Finskoj i Kanadi. Prema rezultatima istraživanja
(Pirttimaki, 2007., p. 10-11.), termin BI u Finskoj se koristi u dvije trećine slučajeva (67%),
dok se u Kanadi najviše koristi termin CI (39%). Pirttimaki (2007., p. 136.) ove je rezultate
usporedila s onima iz istraživanja provedenog 2002. godine te je zaključila kako među njima
nema značajnije razlike. BI je statistički najznačajniji termin u upotrebi, dok je CI gotovo
zanemariv (7-8%).
1.1.3.3.
Kompetitivna inteligencija – Competitive Intelligence
Iako je pojam competitive intelligence nastao prije pojma business intelligence, još uvijek
postoje određena razmimoilaženja različitih autora u njihovim tumačenjima s obzirom da ih
neki koriste kao sinonime, dok drugi rade jasnu razliku. Osim samih autora, uočava se i
terminološka razlika vezana uz različita zemljopisna područja, pa Pirttimaki (2007., p. 61.)
kaže da je termin BI relativno prevladavajući u Europi, dok se termin CI više koristi u sj.
Americi. Prema Bilandžiću (2008., p. 24-25.), američko gospodarstvo naglašava
konkurentnost (engl. Competitiveness), pa stoga i ne čudi što se uz intelligence aktivnosti na
američkom tržištu udomaćio naziv competitive intelligence.
31
VisiPro označava dvogodišnji istraživački projekt pokrenut 2000. godine od strane Tampere University of
Technology (TUT) pod nazivom „Business Intelligence Processes and Technologies in Improving the Visibility
of Business Processes and Value Networks“ s ciljem dubljeg razumijevanja fenomena Business Intelligence.
34
Fuld (2010., p. 1-5.), po mnogima tvorac samog pojma competitive intelligence, kaže da se
ona temelji na dva bloka: jedan je sposobnost pronalaska prave informacije, a drugi, kritičniji,
predstavlja sposobnost nepristrane interpretacije prošlih tržišnih poremećaja. On ne dvoji da
će ova aktivnost, vidjeti kroz i ispred brzo mijenjajućeg rivala, postati kritična komponenta
poslovnog arsenala. Gilad, jedan od pionira ovog područja (1996., p. 20.), ubraja se među
autore koji ne prave razliku između ova dva analizirana pojma, štoviše njima kao sinonim
pridružuje i pojam competitor intelligence.
Wheelen i Hunger (2006., p. 92.) također drže da je riječ o istom pojmu32 i definiraju ga kao
formalni program prikupljanja informacija o tvrtkinoj konkurenciji te kažu kako je riječ o
jednom od najbrže rastućih polja unutar strateškog menadžmenta. Premda Howson (2008., p.
1-2.) koristi pojam business intelligence, istovremeno konstatira kako su u upotrebi i drugi
termini poput competitive intelligencea, izvještavanja (engl. Reporting), analize te zaključno
relativizira terminologiju jer zaključuje kako bez obzira koji se termin koristi važan je konačni
cilj. Sharp (2009., p. 21-22., 98.) priznaje kako su se ovi pojmovi koristili kao sinonimi do
kasnih 90-ih godina prošlog stoljeća, a danas se business intelligence prvenstveno odnosi na
rudarenje podacima (engl. Data Mining), praksu koja je pokretana informatičkom
tehnologijom jer je, prema njoj, ovaj termin uzurpiran od strane IT zajednice.
Objašnjavajući je istovremeno kao proces i proizvod, Panian i sur. (2007., p. 18.) kažu da
kompetitivna inteligencija tvrtke obuhvaća široku lepezu znanja, informacija i podataka o
njenoj sveukupnoj konkurenciji: od identifikacije korporacijskih ciljeva konkurenata, njihovih
jakih strana i nedostataka, preko podataka o zaposlenicima, njihovih životopisa i osobnih
profila menadžera, pa sve do njihovih planova razvoja i plasmana novih proizvoda i poslovnih
strategija konkurentskih poduzeća. Panian i sur. (2007., p. 1-4.) u svojoj su analizi poslovne
inteligencije krenuli logičkim redom analizirajući i raščlanjujući tvrtkine izvore podataka, što
je u konačnici rezultiralo sa četiri osnovne sastavnice: klijentskom inteligencijom,
kompetitivnom inteligencijom, inteligencijom opskrbnog lanca i unutarnjom inteligencijom
tvrtke, što je prikazano na slici 6. Bilandžić i Javorović (2007., p. 197.) ističu kako ni u ovom
slučaju ne postoji općeprihvaćena definicija, ali ukazuju da ih većina određuje competitive
intelligence kao obavještajnu djelatnost odnosno proces prikupljanja podataka legalnim
sredstvima i iz javnih (otvorenih) izvora, obrade tih podataka te izrada analiza koje služe pri
32
Wheelen i Hunger u jednoj rečenici pružaju definiciju pojma competitive intelligence, a slijedeću započinju s
„Often called business intelligence, it is...“
35
donošenju odluka u poslovnim subjektima vezano za ukupnu tržišnu konkurenciju, konkretne
konkurente na tržištu i konkurentnost poslovnog subjekta koji provodi aktivnost.
Slika 6. Sastavnice poslovne inteligencije
Izvor: Panian, Ž. i sur.: Poslovna inteligencija – Studija slučajeva iz hrvatske prakse, Narodne Novine, Zagreb,
2007., p. 5.
Prema Breedingu (2001., p. 64-65.), koncept BI tvori pet sastavnica: competitive intelligence,
customer/prospect intelligence, market intelligence, technical intelligence, te partner
intelligence33. Liebowitz (2006., p. 19-20.) business intelligence gleda uže nego competitive
intelligence koja u naravi predstavlja nalaženje onog što nam treba pomoću onog što imamo34.
Miler (2001., p. 9. i 13.) slikovito je usporedio poduzeće bez intelligence aktivnosti s avionom
bez radara te navodi i razlikuje četiri tipa ovih aktivnosti; strategic, business, competitive i
competitor intelligence. Fleisher i Bensoussan (2007., p. 6-7.) također prave razliku među
pojmovima te pozicioniraju competitive intelligence između business intelligencea i
competitor intelligencea. Specijalizirano polje PI-a poznato kao CI isključivo se fokusira
prema vanjskom kompetitivnom okruženju. Povezujući BI sa sofverskim rješenjima,
Rodenberg (2012., p. 19.) definira CI kao analitički i intelektualni proces koji transformira
neagregirane tržišne, kupčeve, konkurentske, dobavljačeve, tehnološke i ostale ključne
podatke-informacije-znanje u korisnu akcijabilnu intelligence za unapređeno odlučivanje.
33
U sklopu partner intelligencea Breeding pozicionira profile partnera (tvrki), biografije ključnih ljudi u
partnerskim organizacijama te baze podataka kupaca partnerskih organizacija.
34
Liebowitz ovu konstataciju preuzima iz knjige Helen Rothberg i Scotta Ericksona „From Knowledge to
Intelligence: Creating Competitive Advantage in the Next Economy“.
36
1.1.3.4.
Strateška inteligencija – Strategic Intelligence
Jedan od načina kako pojedini autori preciziraju ulogu i poziciju business intelligencea u
sklopu poslovanja jest diferencijacija prema određenim razinama važnosti, odnosno složenosti
poslovanja, pa Thierauf (2001., p. 66-67.) radi kategorizaciju na operativnu, taktičku i
stratešku. Prema njemu, operational intelligence pomaže donositeljima odluka u raznim
sferama poslovanja kroz razdoblja od nekoliko dana, tjedana ili mjeseci, dok tactical
intelligence pokriva vremenski prostor od godinu dana. Strategic intelligence koristan je
donositeljima odluka na najvišim upravljačkim razinama menadžmenta za primjereno
kombiniranje relevantnih vanjskih i unutarnjih podataka, informacija i znanja za buduće
razdoblje koji obično iznosi od dvije do pet godina. Thierauf (2001., p. 310.) naglašava
važnost financijske inteligencije (engl. financial intelligence - FI) koji prožima sva tri
navedena osnovna tipa intelligencea35.
McGonagle i Vella (1996., p. 18) vrše podjelu na strategic intelligence, competitive
intelligence, market intelligence i defensive intelligence. Nekoliko godina kasnije McGonagle
i Vella (2002., p. 36-37) redefiniraju svoju podjelu prema strateškoj, taktičkoj, tehnološkoj i
ciljanoj orijentaciji. Stratešku orijentaciju definiraju slično kao i Thierauf, međutim, u sklopu
nje još naglašavaju intelligence aktivnosti oko potencijalnih spajanja, preuzimanja i mogućih
partnerstava. Objašnjavaju kako je riječ o korporativnom radaru dizajniranom za
omogućavanje pogleda na ukupno okruženje: konkurencije te regulativne i političke domene.
U svom modelu Cyber Intelligencea McGonagle i Vella (1996., p. 52-54.) ne uspostavljaju
izravnu poveznicu između strateške i tržišne inteligencije objašnjavajući to činjenicom da se
tržišna bavi sadašnjošću i pružanjem podrške za operativno odlučivanje, a ne strateško.
Istovremeno stratešku inteligenciju usko povezuju s upravljanjem krizama i obrambenom
inteligencijom. Prema Liebowitzu (2006., p. 14 i 22.), koji također pravi razliku od
operational i tactical intelligencea, SI predstavlja agregaciju svih intelligence aktivnosti u
poduzeću, odnosno upravljanje znanjem (engl. Knowledge Management – KM), business
intelligence, te competitive intelligence. Prema njemu, zadatak je SI maksimiziranje strateške
misije i vizije poduzeća (Liebowitz, 2006., p. 60.). Objašnjavajući SI, Miller (2001., p. 13.)
naglašava odnos sa strateškim odlučivanjem te razvojem proizvoda. On povlači jasnu razliku
između SI, BI, CI i competitor intelligencea.
35
Thierauf navodi kako postoje široke poslovne mogućnosti korištenja integriranih alata, tehnika i metoda
financial intelligencea u razvoju fleksibilnog business intelligencea za različite aktivnosti; trgovanja, portfolio
analize, arbitraže, te analize tečaja i financijskih instrumenata.
37
Marchand i Hykes36 (2007., p. 1-3.) kažu da SI znači pravovremeno imati pravu informaciju u
rukama pravih ljudi kako bi oni mogli donijeti informirane poslovne odluke u svezi strateške
budućnosti poslovanja. Zadatak je strateške inteligencije opskrbiti kompaniju s potrebnim
informacijama o njenoj okolini kako bi se mogle anticipirati promjene te dizajnirati
primjerene poslovne strategije. Autori povlače razliku između SI i CI objašnjavajući potonji
kao proizvod pripremljen od strane manje grupe analitičara za potrebe višeg menadžmenta
kako bi im se olakšalo donošenje odluka, npr. hoće li ući u zajednički posao s drugom
kompanijom.
Panian (2007., p. 91-92.) smatra da se strateške primjene fokusiraju na ostvarivanje
dugoročnih ciljeva poput povećanja prihoda i smanjenja troškova, a primjenom poslovne
inteligencije na taktičkoj i operativnoj razini dolazi do njezine demokratizacije s obzirom da
prestaje biti ekskluzivnim dobrom ili pravom manjih skupina unutar tvrtke. Tablica 3.
prikazuje Panianovu razdiobu najvažnijih obilježja strateške, taktičke i operativne PI.
Tablica 3. Najvažnija obilježja strateške, taktičke i operativne poslovne inteligencije
Strateška PI
Taktička PI
Operativna PI
Poslovni fokus
Ostvarivanje dugoročnih
poslovnih ciljeva
Upravljanje taktičkim
inicijativama radi
ostvarivanja strateških
ciljeva
Upravljanje i optimizacija
dnevnih poslovnih
operacija
Primarni korisnici
Vrhovni menadžment i
poslovni analitičari
Srednji menadžment,
poslovni analitičari i
operativni menadžment
Operativni menadžment i
klijenti
Vremenski horizont
Mjeseci, godine
Dani, tjedni, mjeseci
Unutar radnog dana
Podaci
Povijesni, ključni
pokazatelji uspjeha
Povijesni pokazatelji i
podaci
Aktualni, realnovremenski
podaci
Izvor: Panian Ž. i sur.: Poslovna inteligencija – Studije slučajeva iz Hrvatske prakse, Narodne Novine, Zagreb,
2007., p. 93.
36
Marchand i Hyke su u stvarnosti dali definiciju business intelligencea, međutim njihova je definicija stavljena
u ovo poglavlje s obzirom da su je titulirali kao strategic intelligence, a dobro dođe kao potvrda različitih
pristupa i terminoloških i pojmovnih razmimoilaženja istraživača.
38
Prema Brouardu (2007., p. 123.), SI predstavlja rezultat procesuiranja informacija pomoću
kojih poduzeće ostaje informirano o svojem okruženju sa zadatkom donošenja odluka
sukladnih postavljenim ciljevima, a čine ga četiri potprocesa: tehnološko skeniranje,
konkurentsko skeniranje, komercijalno skeniranje te socio skeniranje. Termini koji se koriste
za opisivanje sličnih koncepata su, prema njemu, business intelligence, competitive
intelligence, skeniranje okruženja (engl. Environmental Scanning), te strateško skeniranje
(engl. Strategic Scanning).
Cohen definira SI (2009., p. 49.) kao formalizirani proces istraživanja, prikupljanja,
procesuiranja i distribucije znanja korisnog u strateškom menadžmentu. Osim informacijske
funkcije, glavni su ciljevi SI anticipiranje prijetnji i prilika iz okruženja (anticipatorska
funkcija), predlaganje i angažiranje (proaktivna funkcija), pomoć u strateškom odlučivanju te
unapređenje konkurentnosti i performansi poduzeća. Realizacija navedenog zahtijeva
organizacijsku mrežu
strukturiranu od ljudi, tehnike i financijskih metoda. Potrebno je
istaknuti kako Cohen (2009., p. 47.) izjednačava koncept SI s BI, za koje kaže da su evoluirali
iz koncepta konkurentske inteligencije. Istražujući evoluciju aktivnosti praćenja i nadgledanja
poslovne okoline, Cohen analizira i razloge uslijed kojih se u Francuskoj relativno kasno
udomaćio termin intelligence, a koji su nastali isključivo zbog problema u prevođenju37.
Prema Milleru (1996., p. 200.), za razvoj konkurentske strategije CI treba obuhvatiti sve ono
što uistinu može utjecati na razvoj tvrtkine konkurentnosti: kupce, konkurente, ekonomiju,
političko okruženje, poslovnu praksu, kulturu i sl. Ovakve aktivnosti CI se slobodno mogu
nazvati strateška inteligencija, s obzirom da naglašavaju one aspekte vanjskog okruženja koji
izravno dugoročno utječu na poslovanje i opstanak.
1.1.3.5.
Tržišna inteligencija – Market Intelligence
U poglavlju o kompetitivnoj inteligenciji prikazana je Panianova analiza poslovne
inteligencije koja se temeljem izvora podataka dijeli na dvije podgrupe: unutarnju
inteligenciju tvrtke i tržišnu inteligenciju. Za tržišnu postoje tri glavna izvora podataka, i to:
37
Cohen navodi problem prevoda pojma intelligence na francuski jezik koji ima dva značenja; sposobnost
razumijevanja i informacija. Upravo određenje pojma informacije stvaralo je probleme obzirom da je jedno
tumačenje strogo vojno, te samim time nije prikladno za poslovnu upotrebu. Iz ovog je razloga u upotrebi bio
preferiran pojam watch, pa čak i surveillance u odnosu na intelligence.
39
klijenti tvrtke, konkurencija tvrtke te tvrtkini poslovni partneri iz opskrbnog lanca, što
rezultira s njenim trima potkategorijama: klijentskom inteligencijom, kompetitivnom
inteligencijom te inteligencijom opskrbnog lanca (Panian i sur., 2007., p. 2.). Sharp ( 2009., p.
22.) kaže kako je market intelligence (MI) noviji termin koji je postao sinonim za CI kako bi
se razlikovao od pojma competitor intelligence, a označava fokus prema tržištu. Obrazlaže
kako neki misle da je to intelligence o potrošačkim proizvodima, dok poduzeća koja se bave
istraživanjem tržišta koriste ovaj termin kako bi podigli vrijednost svojih istraživanja
inicirajući da je u njima uključena analiza. Za one koji ga koriste u financijskoj sferi, MI se
odnosi na podatke o burzama i sličnim tržištima.
Handfield (2006., p. 159-160.) gleda na BI i MI kao sinonime, te u kontekstu razmatranja
opskrbnog lanca38 smatra kako je ocjena rizika glavno što BI/MI timovi mogu dostaviti, a
glavni elementi MI i BI-a su mu: kupčevi zahtjevi, cijena, konkurenti, kapacitet, tehnološka
predviđanja, opskrba resursima, regulatorno tijelo (zakonodavni propisi, op.a.) te rizik
opskrbnog lanca. Slično kao i Panian, Handfield (2006., p. 44.) također govori o internom i
eksternom intelligenceu jer smatra kako za uspješno kreiranje BI-a i MI-a koje će omogućiti
efikasnije
funkcioniranje
menadžmenta
opskrbnog
lanca
poduzeća
trebaju
razviti
centraliziranu grupu posvećenu upravljanju tim internim i eksternim intelligenceom. U
navedenom smislu, ova bi grupa trebala imati dva glavna zadatka; izradu ekspertize o
unapređenju financijske analize i poslovnog razvoja (zadatak BI-a), te izradu ekspertizu o
razvoju tržišta, industrije i dobavljača (zadatak MI-a).
Prema Apgaru (2006., p. 3 i 20.), inteligencija rizika (engl. Risk Intelligence – RI) se odnosi
na individualnu ili organizacijsku sposobnost za učinkovito vaganje rizika koje uključuje
klasificiranje, karakteriziranje, izračun prijetnji, razumijevanje odnosa, brzo učenje,
spremanje,
oporavljanje,
djelovanje
na
temelju
relevantnih
informacija,
efikasnu
komunikaciju te prilagođavanje novonastalim uvjetima. Ovako definiran RI autor promatra
kao varijaciju MI-a ili čak sigurnosne inteligencije (engl. Security Intelligence – SeI). Prema
Hedinu et al. (2011., p. 9.), MI pomaže poduzećima da shvate njihovo poslovno okruženje, na
njemu uspješno konkuriraju te kao rezultat postižu rast. Gledajući ga kao program za MI kažu
da prikuplja informacije o tržišnim igračima i strateški važnim temama procesuirajući ih tako
da razvojem spoznaje o istima pomažu odlučivanje. U organizacijskom smislu MI se prema
njima svrstava unutar strateškog planiranja, poslovnog razvoja ili marketinga. Složenost
38
Handfieldov prvenstveni fokus jest opskrbni lanac, međutim, također kaže da se market intelligence te ocjena
rizika ne koriste samo u upravljanju opskrbnim lancem već i u ostalim funkcijskim i poslovnim jedinicama.
40
problematike međusobnih odnosa raznih intelligence područja i pojmova najbolje se ogleda
kroz činjenicu da Hedin et al. (2011., p. 9.) prave razliku između pojmova competitive i
business intelligence, jer pod potonjim podrazumijevaju informatičke tehnike i procesuiranje
numeričkih podataka, ali istovremeno kao sinonime koriste pojmove market intelligence i
competitive intelligence, dok Lynch (2006., p. 5 i 7.) pod pojmom MI podrazumijeva potrebu
monitoringa konkurencije.
Jenster i Soilen (2009., p. 11-14.) MI smatraju širim pojmom, te unutar njega pozicioniraju
BI, CI, kao najveća područja, te marketing intelligence i competitor intelligence kao najmanje
područje. Objašnjavaju (p. 162.) marketing intelligence kao aktivnost koja je usmjerena
prema budućnosti, a podrazumijeva prikupljanje, analizu i interpretaciju relevantnih internih i
eksternih marketinških podataka. U osnovi je dijele na dva područja; kontinuiranu
inteligenciju (koja podrazumijeva prikupljanje signala, simptoma i činjenica koje se mogu
koristiti u ocjenjivanju određenih performansi ili pripremi za nastupajuće probleme, odnosno
fokusirana je prema identifikaciji nepoznatih prijetnji) i inteligenciju čiji je fokus rješavanje
određenih problema. Prema Thieraufu (2001., p. 243.) marketing intelligence predstavlja
primjenu taktičke inteligencije u marketingu, a karakterizira je: (1) osluškivanje kupaca i
promatranje njihovog ponašanja kroz vrijeme, (2) proširenje istraživanja i analize tržišta, (3)
korištenje tržišnih podataka za otkrivanje novih znanja o kupcima, te (4) korištenje programa
taktičke inteligencije.
Breeding (2001., p. 65.), kao što je već rečeno, MI pozicionira unutar BI te ga definira kao širi
tržišni pristup s makro perspektive, koji ispituje industrijske grupe ili zemlje/trgovačke
organizacije, kao i socijalna, politička, ekonomska ili pitanja okruženja. Prema Akrapu39
(2008., p. 64.), tržišno izvjesništvo jest proces sustavnog prikupljanja, obrade, organizacije
pristupa, pohrane i raščlambe javno dostupnih podataka, zakonom dopuštenim metodama i
sredstvima, o tržištu na kojem tvrtka djeluje ili na kojem namjerava djelovati, te ga smatra
užim pojmom od BI-a i CI-a. U istraživanju utjecaja informacijske tehnologije na marketinšku
orijentaciju Borges et al. (2009., p. 884.) su stava da se marketinška orijentacija odnosi na
generiranje MI o trenutnim i potencijalnim klijentima, te dijeljenje intelligencea između
odjela kako bi se ubrzao odgovor prema tržištu.
39
Akrap umjesto termina Market Intelligence koristi termin tržišno izvjesništvo.
41
1.2.
Razmatranje koncepta poslovna inteligencija u kontekstu strateškog
menadžmenta
U sklopu ovog poglavlja prezentirati će se osnovni elementi i faze strateškog menadžmenta, te
će se potom obraditi pozicioniranje i značenje intelligence aktivnosti u procesu strateškog
menadžmenta.
1.2.1. Pojmovno definiranje strateškog menadžmenta
Prema Leksikonu menadžmenta (2001., p. 542.), u poslovnom se smislu strategija definira
kao plan, obrazac ponašanja, konkurentni položaj i (ili) perspektiva kojima se integriraju
glavni ciljevi, politike i slijed akcija poduzeća u kohezivnu cjelinu. Može se reći kako je
strategija poduzeća glavni organizacijski plan poduzeća u ostvarivanju zacrtanih ciljeva, skup
akcija usmjerenih postizanju trajnije prednosti poduzeća nad konkurencijom, unapređenje
vlastitog položaja prema potrošačima ili poboljšanjem alokacije resursa, ali i respektiranjem
socijalnog okruženja i utjecaja državnih institucija (Ekonomski leksikon, 1995., p. 858.).
Strateški se menadžment u literaturi kao pojam pojavljuje sredinom sedamdesetih godina
prošlog stoljeća a, prema Bahtijarević-Šiber i Sikavica (2001., p. 556.), predstavlja proces
kojim menadžeri postavljaju misiju organizacije, temeljne dugoročne ciljeve organizacije,
razvijaju strategije za postizanje tih ciljeva te poduzimaju sve potrebno za provedbu planova
kojima se žele ostvariti postavljeni ciljevi. I kod definiranja ovog pojma, uslijed pomanjkanja
konsenzusa, vlada semantička zbrka (Buble, 2005., p. 5.), te se može utvrditi kako postoji više
modela procesa i teorija strateškog menadžmenta s međusobnim razlikama. Ahlstrand et al.
(prema Niven, 2008., p. 116.) navode deset strateških škola u trajnoj praksi menadžmenta:
škola nacrta, škola planiranja, škola pozicioniranja, poduzetnička škola, kognitivna škola,
škola učenja, škola moći, kulturna škola, škola okruženja te škola konfiguracije, a Niven
(2008., p. 115.) razmatra najvažnija načela strategije: razlikovne aktivnosti, kompromisi,
pristajanje, kontinuitet te različiti misaoni procesi. Fleisher i Bensoussan (2003., p. 12.) kažu
da strateški menadžment uključuje sve aspekte poslovanja te zahtijeva znanje i razumijevanje
utjecaja okoline na organizaciju kako bi se osiguralo donošenje korektnih poslovnih odluka.
Okvir strateškog menadžmenta trebao bi pomoći donositeljima odluka lakše razumijevanje
onih elemenata koji trebaju biti usklađeni kako bi se donosile efikasne odluke.
42
1.2.1.1.
Analiza okoline poduzeća
Wheelen i Hunger (2006., p. 11.) raščlanjuju svoj model strateškog menadžmenta, prikazan na
slici 7. na četiri faze: prva je faza u stvari predfaza, koja se bavi tvrtkinim okruženjem, te se
pod njezinim utjecajem nastavlja formuliranje strategije kao druga faza. U sljedećoj fazi
slijedi implementacija strategije, da bi se u posljednjem koraku odnosno fazi obavljale
kontrola i evaluacija. Prva faza, posebno zanimljiva u kontekstu ovog rada, obuhvaća
istraživanje vanjske i unutarnje okoline s ciljem dijagnosticiranja svih bitnih faktora iz
tvrtkinog vanjskog ili unutarnjeg okruženja koji imaju ili će to u budućnosti imati utjecaja na
poslovanje i egzistenciju poduzeća. Ovom se analizom treba dobiti što jasnija i potpunija
slika poslovne situacije koja će kasnije biti podloga za izbor adekvatne strategije tako da
Dulčić (1997., 9. 79.) kaže kako je cilj ne samo uočiti koje su to komponente i s njima
povezani kritični ili strateški faktori, nego i procijeniti je li njihov utjecaj predstavlja priliku ili
prijetnju za poduzeće. Imajući u vidu karakteristike raznih poduzeća i njihov različiti položaj
na tržištu, Buble (2005., p. 15.) kaže kako ta analiza mora biti prilagođena specifičnim
potrebama promatranog poduzeća.
Slika 7. Elementi procesa strateškog menadžmenta
Izvor: Wheelen, T.D., Hunger, D.J.: Strategic Management, 10th ed., Pearson Prentice Hall, New Jersey, 2006.,
p.11.
43
Prema Bahtijarević-Šiber i Sikavica (2001., p. 377.), okolina poduzeća predstavlja dio
vanjskog svijeta s kojim poduzeće dolazi u kontakt; ukupnost vanjskih faktora koji utječu na
organizaciju, na njezino oblikovanje i ponašanje, te na ponašanje njezinih članova. Temeljna
potreba nužna za kreiranje i realizaciju poslovne politike proizlazi upravo iz poznavanja
okoline, pa Mencer (2003., p. 29.) drži da poslovanje nije samo posljedica internog
razmišljanja poslovodstva na temelju uočene snage i slabosti poduzeća već i spoznaje o
mogućnostima i ograničenjima koje pruža njegova okolina. Okolina se poduzeća koja treba
biti predmet obrade poslovne inteligencije dijeli na eksternu, odnosno vanjsku, koja je
prikazana na slici 8., i internu, odnosno unutarnju okolinu. Eksterna okolina obuhvaća one
dimenzije ili dijelove okoline koji indirektno utječu na poduzeće, a Kotler (1988., p. 41.)
prijetnje okoline promatra kao izazov postavljen nepovoljnim trendom ili razvojem u okolini
koji bi pozicije kompanije doveo do erozije kada ne bi bilo odlučne akcije. Polazeći od
prikazanog Wheelen-Hungerovog modela, ova se okolina može podijeliti na dva ključna
segmenta:
opću ili socijalnu okolinu, koja predstavlja onaj dio vanjske okoline što je udaljen od
poduzeća pa stoga na nju teško može utjecati, a Dulčić (2005., p. 19.) je prezentira
putem pet ključnih dimenzija; prirodno-ekološke okoline, znanstveno-tehnološke
okoline, ekonomske okoline, političko-pravne okoline, te sociokulturne okoline.
poslovnu okolinu ili okolinu zadatka, koja je za razliku od opće okoline puno bliža
poduzeću, čine sudionici iz njegove neposredne blizine koji bitno utječu na njegovo
poslovanje te i ne čudi da su poduzeća više orijentirana na ovu okolinu s kojom su u
dnevnom doticaju i o kojoj imaju više potrebnih informacija. Ovu okolinu tvori devet
ključnih dijelova: dobavljači, kupci-potrošači, konkurenti, dioničari, zaposleni i
sindikati, kreditori, vladine (državne) organizacije, društvene organizacije i strukovna
udruženja.
Internu okolinu predstavlja onaj dio ukupne okoline poduzeća koji se nalazi u njemu samome
te se u potpunosti nalazi pod utjecajem poduzeća, a čine je:
organizacijska struktura, koja predstavlja najvažniji dio unutarnje okoline poduzeća,
jer se njezinim pravilnim izborom i oblikovanjem omogućuje najbolje iskorištenje
vlastitih snaga i vanjskih prilika. Prema Weihrichu i Koontzu (1998., p. 184.),
organizacijska struktura sa svojim sustavom delegiranja treba biti oblikovana da
pomogne menadžerima u ostvarenju ciljeva i donošenja odluka nužnih za
44
oživotvorenje planova, a Kotler (1998., p. 38.) smatra da kompanija prvo treba odlučiti
o budućem pravcu razvoja, a zatim razviti organizacijsku strukturu i sisteme da to
provede;
organizacijska kultura, koja predstavlja način ponašanja zaposlenika koji usvajajući
određen sustav vrijednosti, prihvaćajući zadane norme ponašanja i poštujući
odgovarajuće običaje i tradiciju, pridonose stvaranju organizacijske klime u poduzeću
(Buble, 2006., p. 80.);
organizacijski resursi koji su konkretna sredstva pomoću kojih poduzeće funkcionira,
a čine ih: fizički, ljudski, informacijski i financijski.
Slika 8. Eksterna ili vanjska okolina poduzeća
Izvor: Dulčić, Ž. in Buble, M. (red.): Strateški menadžment, Ekonomski fakultet, Split, 1997., p. 74.
Strateška analiza vanjske i unutarnje okoline izvodi se pomoću Andrewsove40 SWOT41
matrice, koju neki autori nazivaju i TOWS. Ova se analiza smatra jednom od najčešće
korištenih tehnika strateške analize (Mencer, 2003., p. 71.), a s obzirom na to da se temelji na
kvalitativnim podacima, razumljiva je, jasna i jednostavna za uporabu (Pfeifer, 2005., p. 69.).
40
Prema Fleisher i Bensoussan (2003., p. 92.), Ken Andrews se smatra pionirom SWOT analize.
SWOT analiza naziv je dobila od prvih slova bitnih parametara analize (engl. Strenghts – Weaknesses –
Opportunities – Threats) snage, slabosti, prilike i prijetnje.
41
45
Iako je ova analiza izuzetno pogodna za poduzeće i vrednovanje informacija o njemu, ona
također ima i određena ograničenja koje treba imati na umu prilikom isčitavanja njezinih
rezultata. S obzirom da se zasniva na ekspertnoj procjeni jedne ili manjeg broja osoba ova
analiza može biti subjektivna. Pfeifer (2005., p. 69.) navodi kako teorija kaosa navodi
primjere gdje čak i neznatne promjene na marginalnim čimbenicima rezultiraju dramatičnim
promjenama u uvjetima funkcioniranja, a takvi marginalni čimbenici u SWOT analizi
najčešće ne ulaze u čimbenike visoke vjerojatnosti, što može rezultirati ozbiljnim strateškim
previdima. Kada je riječ o analizi opće ili socijalne okoline tada je jedna od najčešće
korištenih metoda PEST analiza koja se bavi utjecajem političko-pravnih (P), ekonomskih
(E), socijalno-kulturnih (S) i tehnoloških (T) čimbenika (Fleisher i Bensoussan, 2007., p. 8990.). Ovom se analizom utjecajni faktori ponderiraju s obzirom na njihovu važnost i utjecaj
opće okoline na poduzeće. Poslovna okolina ili okolina zadatka predstavlja najvažniji
segment vanjske okoline poduzeća, a njezina analiza se može izvršiti na nekoliko načina:
stakeholder analizom42, analizom konkurencije, te skeniranjem poslovne okoline.
1.2.1.2.
Formuliranje strategije, njena implementacija i kontrola ostvarenja
Glavne naznake preostale tri faze prezentirane su u nastavku u svojim najosnovnijim crtama.
Formuliranje strategije predstavlja drugu fazu u procesu strateškog menadžmenta, što
podrazumijeva razvoj dugoročnih planova za efikasno upravljanje prilikama i prijetnjama iz
vanjskog okruženja i unutarnjim snagama i slabostima, odnosno to je, prema Singer (1997., p.
182.), izbor one strategije koja omogućava definirane misije i ciljeva. Kaplan i Norton (2001.,
p. 73.) kažu kako formuliranje strategije predstavlja jedan korak u logičnom kontinuitetu koji
se kreće od definirane misije na najvišem vrhu do linijskih izvršitelja. Teorija strateškog
menadžmenta obuhvaća veliki broj klasifikacija mogućih strategija, a jedna od najrazvijenijih
teza opću hijerarhiju strategija poduzeća dijeli na:
cjelovitu (korporacijsku) strategiju, čiji je zadatak definiranje politike rasta,
investiranja, spajanja i razdvajanja, razvoja te raspodjele resursa na razini cijelog
poslovnog sustava;
42
Stakoeholder analiza, odnosno analiza zainteresiranih poduzeća, promatra sve one poslovne subjekte o čijim
aktivnostima ovisi opstanak poduzeća.
46
poslovnu ili strategiju poslovnih jedinica, koja predstavlja strategiju poslovanja s
određenom strateškom poslovnom jedinicom, odnosno skupinom proizvoda;
funkcijsku strategiju, koja je usmjerena na pojedino poslovno funkcijsko područje, a
podupire ostvarivanje korporacijskih i poslovnih strategija.
Prema Kaplanu i Nortonu (Niven, 2008., p. 29.), samo 10% organizacija provodi svoju
strategiju, a prepreke u njezinoj provedbi jesu:
prepreka u viziji, samo 5% radne snage razumije viziju,
prepreka u ljudima, samo 25% menadžera ima poticaje povezane sa strategijom.
prepreka u menadžmentu, 85% direktorskih timova provodi manje od jednog sata
mjesečno razgovarajući o strategiji. S obzirom na to da je u većini poduzeća sve
usmjereno na postizanje kratkoročnih financijskih ciljeva, menadžment će učiniti sve u
njihovom postizanju, ali obično na račun stvaranja dugoročne vrijednosti za tvrtku.
prepreka u resursima, 60% organizacija ne povezuje proračune sa strategijom.
Najzahtjevniju fazu u procesu strateškog menadžmenta predstavlja implementacija strategije s
obzirom da je to proces kojim se provode i primjenjuju strategije i politike na osnovi budžeta,
programa, pravila i procedura, a njezin sukus jest strategijska promjena. Prema Cinguli
(2005., p. 158.), u postupku implementacije strategija se pretvara u niz poslovnih politika
kojima se postiže kontinuirano poboljšanje u odvijanju operativnih poslovnih aktivnosti i
programa. Kako bi promjena stare i implementacija nove strategije polučila očekivane
rezultate bitno je unaprijed definirati ciljeve koji će biti nedvosmisleno zacrtani u prostoru i
vremenu čime se omogućava usporedba planiranih s ostvarenim veličinama, te razraditi
taktičke i operativne zadatke svake poslovne funkcije. Najbolji ciljevi imaju pet svojstava:
preciznost, mjerljivost, izvedivost (dostižnost), dosljednost i prikladnost za kompanije za
kompanije kojima su namijenjeni43.
Kontrola ostvarenja strategije predstavlja proces u kojemu se tekuće aktivnosti i performanse
uspoređuju s očekivanim odnosno utvrđenim standardima kako bi se mogla ustanoviti
eventualna odstupanja i njihovi uzroci te poduzeti potrebne mjere za njihovo otklanjanje.
Prema Bubli (2005., p. 241.), temeljni je zadatak strateške kontrole u tome da pomogne
vrhovnom menadžmentu u ostvarivanju ciljeva poduzeća pomoću nadzora i vrednovanja
procesa strateškog menadžmenta u cjelini, a posebno u implementaciji odabrane strategije.
Weihrich i Koontz (1998., p. 583.) smatraju da kontrola pojednostavljuje usporedbu
43
Strategija – Economistove poslovne enciklopedije, Privredni vjesnik, Zagreb, 1996., p. 38.
47
postavljenih ciljeva i ostvarene učinkovitosti te pruža priliku za učenje koje predstavlja
osnovu organizacijskih promjena. Smith (2003., p. 129.) kaže kako puko mjerenje rezultata
nije dovoljno jer se tajna uspjeha faze kontrole nalazi jednim dijelom u stupnju discipline
(reda) koju nameće sustav, a drugim dijelom u načinu ponašanja i dosljednosti same
organizacije. Buble (1998., p. 385.) navodi četiri temeljna razloga za provođenje
implementacije strategije:
promjene u okolini - faktore iz okoline, nad kojima poduzeće nema ili ima vrlo mali
utjecaj treba kontinuirano pratiti jer se s vremenom mogu bitno promijeniti te tako
ugroziti realizaciju strategije;
delegiranje - problemi iz ove domene mogu se odraziti na efikasnost ljudskih resursa;
kompleksnost poduzeća - vrlo osjetljivi odnos strategija ↔ struktura te kompleksnost
organizacijske strukture poduzeća može narušiti uspješno ostvarenje ciljeva;
menadžerske greške - na uspjeh provođenja strategije može utjecati iracionalno
ponašanje menadžmenta iz svih faza strateškog menadžmenta te je kontrola
menadžmenta važna kako zbog uočavanja grešaka, tako i za njihovo otklanjanje.
1.2.2. Intelligence aktivnosti u procesu strateškog menadžmenta
Iako se iz izložene materije prethodnog dijela može naslutiti koliko je koncept PI potreban
poduzeću u procesima strateškog menadžmenta, u ovom će se poglavlju ta poveznica
konkretnije obraditi. Waters (2010., p. 6.) objašnjava kako vrijeme samo po sebi ne
predstavlja značajnu prednost međutim, način kako poduzeća koriste vrijeme, kako analiziraju
informacije, prilagođavaju strategiju te manevriraju svojim reusursima kreira konkurentske
prednosti. Fuziranje intelligencea i strategije kako bi se donosile brže i jasnije odluke s manje
raspoloživih informacija je jedini način dugoročnog opstanka što predstavlja svrhu poslovne
inteligencije. Wheelen i Hunger (2006., p. 92.) pozicioniraju CI u prvu fazu, predfazu svojeg
modela prikazanog na slici 4., te ističu kako je primarna aktivnost odjela CI monitoring
konkurenata, organizacija koje nude iste, slične ili zamjenske proizvode ili usluge u poslovnoj
zoni u kojoj djeluje kompanija. Međutim, kada se vidi da prvu fazu svojeg modela (Wheelen i
Hunger, 2006., p. 10.) tumače kao promatranje, evaluaciju i diseminaciju informacija iz
48
vanjskog i unutarnjeg okruženja ključnim ljudima organizacije, može se ustvrditi kako bi se
ovo objašnjenje idealno uklapalo među obrađene definicije PI iz prethodnog poglavlja.
Smatraju da učinkoviti proces CI predstavlja ključni input za strateško planiranje.
Prema Milleru (1996., p. 215.), tijekom procesa strateškog planiranja uloga SI profesionalaca
bi trebala biti ključna u razvoju prikladne strategije s obzirom na njihovu sposobnost
razumijevanja globalnih implikacija nadolazećih čimbenika koji utječu na poslovanje. Prema
Gonan Božac (2005., p. 108.), analizi kritičkih pitanja i prikupljanjem informacija što ulaze u
određeni analitički okvir (SWOT) uloga je opskrbljivati menadžment informacijama koje
podupiru donošenje korporacijskih i/ili poslovnih strategija, a kvaliteta inputa ovisna je o
ukupnosti informacijske, spoznajne i akcijske osposobljenosti poduzeća koja čini BI
poduzeća. Lynch (2006., p. 5 i 7.) definira korporativnu strategiju kao identifikaciju svrhe
poduzeća, planova i aktivnosti za postizanje te svrhe odnosno kao traženje tržišnih
mogućnosti. Po njemu, tri su osnovna elementa korporativne strategije: strateška analiza,
strateški razvoj te strateška implementacija, a aktivnosti MI također pozicionira pod stratešku
analizu i smatra da korporativna strategija može biti uspješna ako se temelji na analizi
konkurenata.
Za Portera, konkurentska strategija pretpostavlja postavljanje poslovanja tako da se
maksimiziraju one vrijednosti koje poduzeće razlikuje u odnosu na svoju konkurenciju. Kako
bi poduzeće bilo efikasno u prikupljanju podataka i analizi konkurencije, on smatra (1998., p.
71-74.) da mu je potreban organiziran mehanizam što ga naziva Competitor Intelligence
System. Elementi ovog sistema nisu isti u svim poduzećima te prvenstveno ovise o
partikularnim potrebama pojedinog poduzeća, industrije u kojoj djeluje, sposobnosti
zaposlenika, interesu menadžmenta te njegovom talentu.
Individualni dobavljači, konkurenti i klijenti duž lanca vrijednosti tvore klastere, industrije i
makro okruženje – činitelje dinamizma koje poduzeće treba shvatiti kako bi održalo svoju
strategiju (Hedin et al., 2011., p. 5.). Kompleksno i multidimenzionalno operativno okruženje
poduzeća u kontekstu strateške analize prikazuje slika 9.
49
Slika 9. Operativno okruženje u kontekstu strateške analize
Izvor: Hedin, H., Hirvensalo, I., Vaarnas, M.: The Handbook of Market Intelligence, John Wiley and Sons,
Chichester, 2011., p. 135.
Prema Fleisheru i Bensoussanu (2003., p. 4-6.), CI je nužna za stratešku analizu, a s obzirom
da su poduzeća u suvremenim uvjetima poslovanja prisiljena strateški razmišljati zaključuju
kako je upravo to osnovni razlog zašto trebaju razvijati i unapređivati svoju poslovnu
inteligenciju. Herring (1996., p. 70-73.) navodi pet osnovnih proizvoda intelligence analize
koji se trebaju sagledati u kontekstu strateškog menadžmenta:
intelligence ranog upozorenja za prevenciju menadžerskih i organizacijskih
iznenađenja;
intelligence kao podrška za proces strateškog odlučivanja;
intelligence kao podrška taktičkom i operativnom odlučivanju;
ocjenjivanje konkurencije i izvještaji o monitoringu;
intelligence kao podrška strateškom planiranju i procesu donošenja strategije.
Fuld (2010., p. 143.) objašnjava koncept ranog upozorenja (kojeg on naziva sposobnošću
gledanja u budućnost) kroz četiri faze: (1) skiciranje plana mogućih budućih događaja, (2)
identificiranje signala koje treba gledati za svaki od događaja, (3) angažiranje ljude koji su
sposobni realizirati ove aktivnosti u svojemu svakodnevmom radu te (4) osiguranje aktivnog
djelovanja kada se uoče najraniji signali. Osmanagić Bedenik (2007., p. 137-142.) objašnjava
50
sustave ranog upozorenja kao specifične sustave opskrbljivanja informacijama čiji je zadatak
signaliziranje latentnih opasnosti i rizika, ali i prilika i prijetnji. Riječ je o informacijama o
situacijama koje još nisu nastupile, no ako se pojave, poduzeće treba reagirati želi li izbjeći
krizu. Ovisno o obilježjima okoline i vrstama informacija razlikuju se tri generacije ovih
sustava: prvu obilježavaju informacije ranog upozorenja, drugu generaciju karakteriziraju
specifični indikatori ranog upozorenja, dok se treća generacija naziva strateškim radarom
(predstavlja instrument prikupljanja i obrade strateški relevantnih tihih signala u područjima:
uže okoline poduzeća, informacija o konkurenciji, šire okoline poduzeća i znanja unutar
poduzeća).
Analogno operativnom i strateškom upravljanju Osmanagić Bedenik (2007., p. 144.) razlikuje
operativne i strateške sustave ranog upozorenja. Zadatak strateškog sustava jest u
pravodobnoj spoznaji slabih signala, loše definiranih i nejasno strukturiranih informacija koje
upućuju na strateške diskontinuitete. Operativni sustavi su usmjereni na prošlost i sadašnjost,
temelje se na informacijama o likvidnosti i uspjehu poduzeća, a kao podloge rabe financijska
izvješća. U svojem novijem djelu Fleisher i Bensoussan (2007., p. 4.) istražuju kako se pojam
analize koristi u intelligence kontekstu pa analizu definiraju kao uspješno apliciranje
znanstvenih i neznanstvenih metoda i procesa kojima se interpretiraju podaci i informacije
kako bi se proizveli spoznajni (pronicljivi) intelligence pronalasci i učinkovite preporuke za
donošenje odluka i zaključuju kako kompetitivna analiza predstavlja kamen temeljac
efikasnog formuliranja strategije i njezinog izvršenja. Analiza se kao aktivnost prepoznala
početkom ere znanja i intelektualnog kapitala za što se može reći da koincidira s nastankom
poslovne inteligencije.
Održanje ove sposobnosti u budućnosti zahtijeva od CI praktičara analizu koja će biti
uvjerljiva, relevantna, pravovremena, shvatljiva i akcijabilna za donositelje odluka (Fleisher i
Bensousan, 2007., p. 13.). Zbog objektivnosti razmatranja procesa i nalaza odnosno preporuka
analize potrebno je ukazati na određene moguće greške koje su prema Heueru (1999., p.
161.):
analitičari obično precjenjuju točnost svojih prošlih procjena;
korisnici obično podcjenjuju koliko su naučili iz prošlih izvještaja;
kontrolori intelligence proizvoda koji rade obdukciju njihovih promašaja obično
procjenjuju da su događaji bili lakše predvidivi nego što je to u stvari bio slučaj.
51
Herring (1999.) je temeljem svojih istraživanja kreirao ključne intelligence teme (engl. Key
Intelligence Topics - KIT) kako bi pomogao poduzećima u sferama njihovog poslovanja. KIT
protokol se sastoji od tri dijela: strateško odlučivanje i akcije, prikazano u tablici 4., elementi
ranog upozorenja, te opis ključnih tržišnih igrača. Analiza zahtjeva KIT protokola pokazuje
koliko je jaka poveznica poslovne inteligencije sa strateškim menadžmentom poduzeća.
Intelligence o kupcima, konkurentima, potencijalnim partnerima, dobavljačima te ostalim
utjecajnim skupina jest kompanijina prva, a često i posljednja linija obrane.
Tablica 4. Ključne intelligence potrebe za strateško odlučivanje
1.
Osiguranje intelligence inputa za kompanijin strateški plan za kreiranje budućeg konkurentskog
okruženja.
2.
Formuliranje globalne konkurentske strategije: procjena uloge konkurenata u postizanju naših
poslovnih ciljeva.
3.
Globalizacija industrije: kako i s kim nastaviti? Što naši konkurenti rade i s kim?
4.
Razvoj tržišta: procjena trenutne konkurentske situacije, opis najvjerojatnijih budućih situacija.
5.
Strateške odluke o investiranju: identifikacija i procjena šansi u konkurentskom okruženju, što
uključuje:
- kritične investicije drugih,
- potrebne investicije drugih kompanija,
- uloga investicijske zajednice
- mogući alternativni izvori za buduće investicije poput alijansi, akvizicija i sl.,
6.
Da li širiti trenutne proizvodne kapacitete ili graditi nove novčano isplativije?
7.
Koje planove i akcije trebamo poduzeti za održanje tehnološke konkurentnosti s našim najvećim
tržišnim takmacima?
8.
Program razvoja proizvoda: identificirati i ocijeniti program vodećih konkurenata te procijeniti status
ostalih konkurentskih tehnologija.
9.
Razvoj i lansiranje novog proizvoda: kada i gdje će konkurenti uzvratiti? Kako će oni utjecati na
naše planove?
10.
Kako će naša nova prodajna/marketinška strategija biti prepoznata na tržištu? Naši konkurenti? Naši
distributeri?
Izvor: Herring, Jan P.: Key Intelligence Topics: A Process to Identify and Define Intelligence Needs,
Competitive Intelligence Review, 1999., 10 (2), p. 8.
S obzirom da je u prethodnom poglavlju objašnjena SWOT analiza ovdje će se navesti autori
koji su je razmatrali u kontekstu odnosa intelligence – strateški menadžment (Javorović i
52
Bilandžić, 2007; p. 250-251; Howson, 2008; p. 87; Bilandžić, 2008; p. 99-100; Sharp, 2009;
p. 63; Hedin et al., 2011; p. 167-168; Sutbs, 2011; p. 26-27.). Prema Kahaneru (1997., p. 9899.), riječ je o jednoj od osnovnih ali ne nužno jednostavnih analiza konkurencije koja također
može dobro poslužiti za usporedbu s vlastitom firmom. Miller (2001., p. 90.) kaže da je
korisna u predviđanju konkurentskih strategija, a za Fleishera i Bensoussana (2003., p. 97.)
korisna je za procjenu stanja između tvrtkine strategije, internih sposobnosti i vanjskih
mogućnosti.
Za dobivanje potpune slike potrebno je stavove teoretičara usporediti s rezultatima
istraživanja o poziciji intelligence aktivnosti, a među prvima je GIA-ino iz 2005. godine.
Prema njemu, 54% poduzeća na prvo mesto stavlja strateško planiranje i razvoj poslovanja
kao najveće korisnike CI-a. S obzirom da među istraživanim zemljama ima značajnih razlika
za navesti je kako u Njemačkoj 83% poduzeća rangira strateško planiranje na prvom mjestu, a
u Finskoj i Norveškoj to radi njih 74%.
Istraživanje obavljeno 2011. godine (Hedin et al., 2011., p. 26-27.) pokazalo je kako 39%
poduzeća klasificira MI kao dio strateškog planiranja i razvoja poslovanja, a 37% kao dio
prodaje i marketinga. Poveznicu intelligence aktivnosti sa strateškim menadžmentom može se
promatrati kroz još dva pokazatelja: prema istraživanju 43% direktora MI odjeljenja izravno
izvještava glavnog izvršnog direktora (engl. Chief Executive Officer- CEO), a trećina internih
klijenata MI-a pripadaju vrhovnom menadžmentu. U IHEDN44 studiji (Cohen, 2009., p. 48.)
950 francuskih menadžera definira ekonomsku i stratešku inteligenciju (engl. Economic and
Strategic Intelligence - ESI) kao organizirani servis korporacijskom strateškom menadžmentu
zbog unapređenja konkurentnosti pomoću prikupljanja, informacijskog procesuiranja i
distribucije znanja korisnog u kontroli okoline. Istraživanje koje je provela Howson45 (2008.,
p. 64-65.) pokazalo je kako je 52% korisnika BI-a iz sfere poslovne i financijske analize, a
preko 40% su izvršni direktori i menadžeri.
Istraživanje (Badr et al., 2006., p. 15-35.) o doprinosu CI europskim farmaceutskim
poduzećima pokazalo je kako CI nije samo korisna već krucijalna u procesu strateškog
menadžmenta. Uočeno je kako u svakoj fazi procesa postoji razina koja se jedino može
uspješno realizirati primjenom CI-a. Također su utvrdili slaganje ispitanika o vrijednosti i
44
IHEDN je akronim za Institut des hautes études de défense nationale, odnosno, francuski Institut za studije
visoke nacionalne sigurnosti.
45
Istraživanje je provedeno 2007. godine na uzorku od 513 poduzeća (69% iz SAD, 12% iz Europe), 43% su bile
velike kompanije, 30% srednje velike, a 27% male kompanije.
53
doprinosu CI-a strateškoj analizi i fazi formuliranja strategije, koja se pokazala manja kada je
u pitanju implementacija i kontrola. BI proizvodi informacije koje smanjuju neizvjesnost u
strateškom planiranju i odlučivanju (Frishammar, 2003., p. 320.) te se može zaključiti kako će
ta veza u perspektivi samo jačati.
1.3.
Ciklus, sustav i karakteristike poslovne inteligencije
U sklopu ovog poglavlja obraditi će se poslovna inteligencija kao kontinuirani proces, alati i
tehnike koji se koriste u njezinom normalnom funkcioniranju, ključni elementi koji je
determiniraju, obrambeni segment te izgledi u budućnosti.
1.3.1. Poslovna inteligencija kao kontinuirani proces
Poslovna inteligencija predstavlja okvir uspješnosti menadžmenta, stalan i kontinuiran ciklus
gdje poduzeća postavljaju svoje ciljeve, analiziraju napredak, stječu uvid, poduzimaju radnje
te mjere svoju uspješnost. Ova ciklička aktivnost jest u stvari proces sastavljen od različitih
međusobno povezanih i uvjetovanih faza koja je ponavljajućeg karaktera s obzirom na brzinu
i intenzitet promjena u vanjskoj i unutarnjoj okolini poduzeća. Riječ je o procesu bez kraja
koji ne daje konačne odgovore (Javorović i Bilandžić, 2007., p. 213.). Slično kao i kod
definiranja poslovne inteligencije, različiti autori imaju različite pristupe, pa iako te razlike
nisu drastične vrijedno ih je obraditi. Prema Vitt et al. (2002., p. 17-22.), PI ciklus se sastoji
od četiri komponente:
analize, svjesnim selektiranjem i podsvjesnim filtriranjem se određuju podaci koji su
potrebni za prikupljanje i obradu, a mentalnim modelom nazivaju kolekciju svega za
što mislimo da znamo o tome kako nešto funkcionira;
spoznaje, koja se može javljati kao operacijska ili strateška;
akcije, pod čime se podrazumijeva proces donošenja odluka. S kvalitetnim
spoznajama poduzeće će moći brže reagirati na nove okolnosti;
54
mjerenja, a prema autorima, PI termin za najvažnija mjerenja jesu ključni pokazatelji
uspjeha (engl. Key Performance Indicators – KPI) koje menadžeri trebaju razumjeti,
potom ih analizirati, te konačno temeljem kojih trebaju poduzimati korektivne akcije.
Panianov (2007., p. 85-91.) ciklus se također sastoji od četiri faze koje se razlikuju od ostalih
modela:
faza mjerenje, koja je obično najdugotrajnija, a služi za prikupljanje ključnih
pokazatelja uspješnosti danas i u prošlosti te ću pružiti odgovore na pitanje „Što?“
odnosno, „Kakvo je stanje poslovanja?“;
faza analize, tijekom koje se prikupljeni podaci pregledavaju i ocjenjuju na nove i
različite načine kako bi se otkrili skriveni odnosi koji će poslužiti za dobivanje
odgovora na pitanje „Zašto?“ odnosno „Zašto je nešto takvo kakvo jest?“;
faza planiranja, tijekom koje je cilj odgovoriti na pitanje „Što-ako?“ odnosno,
potrebno je utvrditi koja je opcija najizglednija, odnosno kakva bi promjena ili
kombinacija promjena tvrtku mogla odvest u najpovoljnijem smjeru;
faza dodavanja vrijednosti, koja predstavlja najvažniju fazu, a tijekom koje se nastoji
pronaći odgovor na pitanje „Kako?“ odnosno „Kako napraviti poboljšanja u
segmentima gdje su otkriveni problemi u prethodnim fazama?“. Tijekom ove faze do
punog izražaja dolazi potreba za suradnjom koja je jedan od ključnih preduvjeta
uspješnosti sustava PI.
Herringov (1996., p. 56.) ciklus se sastoji od pet faza: (1) planiranja i usmjeravanja, (2)
skladištenja i prerade podataka, (3) kolekcije i izvještavanja, (4) analize i izrade izvještaja, te
(5) razdjele korisnicima. Fleisher i Bensoussan (2003., p. 6.) ciklus promatraju kroz šest
sastavnica, iako između njihovoga modela i Herringova nema razlike već je riječ o razlici u
prezentaciji: (1) potrebe, (2) planiranje i usmjeravanje, (3) skladištenje i prerada podataka, (4)
izrada zbirke, (5) analiziranje i izvještavanje, (6) razdjela korisnicima. Ciklus uvijek počinje s
ključnim intelligence temama (KIT) definiranim od strane vrhovnog menadžmenta. Prema
Kahaneru (1997., p. 43-45.), koji smatra da je competitive intelligence učinkovitiji kao proces
a ne kao funkcija, ciklus se sastoji od četiri dijela:
planiranja i upravljanja, pod čime se podrazumijeva od strane menadžmenta
određivanje ciljeva i načina izvršenja, a potrebno je napomenuti kako ova faza
predstavlja kraj prethodnog CI ciklusa;
55
prikupljanja, pod čime se podrazumijeva prikupljanje sirovih podataka koji su
praktički svima dostupni ako zainteresirani znaju gdje ih potražiti;
analize, koja predstavlja najkritičniju fazu cijelog ciklusa jer je potrebno izvagati
informacije, pronaći uzorke te prirediti različite inačice mogućih scenarija:
distribucije gotovih intelligence proizvoda.
Prema Kovacichu (2000., p. 331-335.) i Milleru (2001., p. 14-16.), ciklus se također sastoji od
četiri faze:
identifikacije ključnih donositelja odluka i njihovih intelligence potreba;
prikupljanja informacija iz primarnih i sekundarnih izvora;
analize informacije i njihove nadgradnje u intelligence, pri čemu je potreban
znanstveni pristup, statistički softver i poznavanje tehnika modeliranja;
raspodjele tih intelligence uradaka prema donositeljima odluka, te preporučuju kako je
zbog uspješnosti ove posljednje faze potrebno znati na koji način i kako donositelji
odluka preferiraju prezentiranje završnih intelligence izvještaja.
Javorović i Bilandžić (2007., p. 206-213.) prezentiraju model identičan Kahanerovom kroz
četiri temeljne faze te kažu kako im je zajedničko da se nijedna ne događa sama od sebe, što
znači da svaka faza također zahtijeva brižljivo planiranje i sustavnu provedbu. Njihove faze
jesu: planiranje i upravljanje ciklusom BI, prikupljanje podataka, pri čemu se razlikuju dvije
razine: opća, u kojoj mogu sudjelovati svi zaposlenici, i konkretna, gdje su strogo određeni
interesi i zadaci, a podatke prikupljaju profesionalci; obrada i analiza podataka te distribucija
gotovih obavještajnih proizvoda. Garača ( 2009., p. 140.) ciklus opisuje kroz šest faza:
definiranje i analiza potreba odnosno, identifikacija kritičnih potreba za određenim
znanjima;
kontinuirano promatranje poslovnog okruženja i prikupljanje informacija;
obrada podataka i analiza informacija;
pohranjivanje proizvedenog znanja na siguran i jednostavan način koji će omogućiti
ponovnu upotrebu tog znanja ili biti osnova za proizvodnju novih znanja;
prezentacija rezultata istraživanja PI-a, što predstavlja važan zadatak zbog
kompleksnosti;
upotreba rezultata istraživanja, osiguravanje povratnih informacija i definiranje
novonastalih potreba.
56
Prema Sharp (2009., p. 215-216.), proces uvijek započinje i završava s podatkom, a njezini se
ciklusi
razlikuju
od
prethodno
prezentiranih:
(1)
podatak,
(2)
informacija,
(3)
analiza/intelligence, (4) odlučivanje, (5) akcija, (6) rezultati, te povratak na početnu fazu.
Slika 10. prikazuje blago redizajnirani model Fleishera i Bensoussana (2007., p. 8.) u odnosu
na ranije prezentirani, međutim, vidljivo je kako je riječ o isključivo kozmetičkim
promjenama, a suštinski se nije ništa bitno promijenilo. U sklopu prve faze - plana određuju
se potrebe, uspostavljaju zahtjevi, te razvijaju potrebni planovi kako bi se u drugoj fazi
prikupljali podaci iz unutarnjeg i vanjskog okruženja, provela inicijalna klasifikacija i
redukcija prikupljenih podataka. Nakon obavljene analize dobiveni se intelligence proizvodi
dostavljaju i prezentiraju donositeljima odluka. Posljednja faza generira povratne informacije
kako bi se mogao pokrenuti sličan ili nadopunjujući novi ciklus.
Slika 10. Ciklus poslovne inteligencije
Izvor: Fleisher Craig S., Bensoussan, Babette E.: Business and Competitive Analysis, FT Press, New Jersey,
2007., p. 8.
Hedin et al. (2011., p. 63-65.) razvijaju šest faza MI ciklusa:
analitičke potrebe - identifikacija ključnih i stvarnih potreba imat će najveći utjecaj na
kvalitetu isporučenih materijala, više nego bilo koja druga faza ovog ciklusa. Potrebno
je također voditi računa o činjenici kako u stvarnosti menadžment možda i ne može u
57
potpunosti artikulirati koje su mu točno informacije potrebne već će to fragmentirano
naznačiti. Stoga analitičari trebaju znati kako identificirati potrebe menadžmenta,
poznavati organizaciju i poslovanje te zadržati objektivnost;
obuhvaćanje sekundarnih izvora informacija - autori namjerno razdvajaju i daju
prednost sekundarnim izvorima podataka u odnosu na primarne izvore zbog više
razloga: jeftiniji su, analizom sekundarnih izvora lakše će se upravljati kasnijim
intervjuima, te nakon obrade sekundarnih izvora određeni podaci se neće trebati
nabavljati iz primarnih izvora;
primarno istraživanje;
analiza - davanje smisla prikupljenim podacima i informacijama;
isporuka - potrebno je voditi računa o sugestijama vezanim za prvu fazu kako bi učinci
bili maksimalni;
korištenje povratne veze - bez obzira koliko analiza bila kvalitetno učinjena, uvijek se
javljaju nova pitanja, dileme ili dvojbe, tako da su povratne informacije izuzetno
važne u kontekstu započinjanja novog ciklusa.
Iz prezentirane se materije može zaključiti kako su razlike u navedenim ciklusima minimalne,
a polazeći od činjenice da je sadržaj važniji od forme može se pretpostaviti da četiri osnovne
faze pokrivaju kompletan proces. Planiranje i upravljanje, kao prva faza, odnosi se na
nespornu artikulaciju ciljeva, postojanje jasne predodžbe o zahtjevima, prioritetima,
pokazateljima koji se trebaju pratiti, rokovima i resursima i izvršiteljima. Ovaj prvi korak u
ciklusu poslovne inteligencije Meyer (1999.) naziva izgradnjom intelligence profila tvrtke
kojim se treba definirati što tvrtka treba znati. Prikupljanje podataka predstavlja drugu fazu, a
izvori podataka se mogu podijeliti na one koji se nalaze u poduzeću46 (podaci iz sustava, te
podaci od zaposlenika), i one izvan poduzeća (primarni i sekundarni publicirani izvori).
Prema Kahaneru (1997., p. 54-55.), primarni je materijal sirov, nepromijenjen te u većini
slučajeva potpun, dok je sekundarni (ponekad jedini mogući izvor) većinom unaprijed
selektiran ili promijenjen. Govoreći o izvorima podataka za industrijsku analizu Porter (1998.,
prema Wheelen i Hunger, 2006.,) ih dijeli na šest temeljnih skupina: promatrači ili motritelji
industrije, dobavljači, prodavači ili distributeri, kupci ili korisnici usluga, intervjui o
konkurentima, te servisne organizacije. Kovacich (2000., p. 327.) navodi tri područja u
kojima se prikupljaju podaci;
46
Kovacics (2000., p. 332.) navodi kako određene procjene govore da se 80% onoga što je menadžemntu
potrebno za donošenje boljih odluka već nalazi u njihovoj kompaniji.
58
bijela zona - koju karakterizira etičnost i legalnost,
siva zona - nije etična, međutim još uvijek je legalna,
crna zona - neetična i nelegalna.
Fuld (2010., p. 260.) naglašava kako jedan od najvećih izazova u prikupljanju informacija
predstavlja sposobnost razlikovanja između aktivnosti koja je agresivna i one koja je neetična
ili nelegalna. Bit analize kao treće faze jest u vrednovanju dobivenih odnosno prikupljenih
podataka u smislu pouzdanosti i preciznosti te njihova obrada i pretvaranje u informacije i
inteligenciju47. Važno je napomenuti da se treba izbjeći GI-GO efekt (engl. Garbage in –
Garbage out). Javorović i Bilandžić (2007., p. 211.) kažu kako se kvaliteta gotove
obavještajne informacije može vrednovati kroz tri elementa: točnost koja se utvrđuje nakon
događaja, relevantnost u odnosu prema izvornim zahtjevima, tj. potrebe krajnjih korisnika i
pravodobnosti dostavljanja. Kahaner (1997, p. 134-135.) objašnjava karakteristike kvalitetno
napravljenog analitičkog materijala: odgovarajuća prema potrebama menadžmenta,
fokusirana a ne generalna, pravovremena, visoke razine povjerenja, te prezentacija rezultata u
najboljem obliku prema menadžmentu.
Distribucija kao završna faza označava raspodjelu raspoloživa znanja korisnicima odnosno
donositeljima odluka. U ovoj fazi PI treba osigurati menadžmentu pouzdanu sliku stvarnosti,
što kompletniju i relevantniju za domenu poslovnog odlučivanja. Ovdje je potrebno naglasiti
važnost povratne veze odnosno povratne informacije o kvaliteti, zadovoljstvu i ispunjenju
zadatka kako bi ciklus PI zaista bio životan.
1.3.2. Informacijska tehnologija – podrška za funkcioniranje
Iako je misija informacijske tehnologije (engl. Information Technology – IT) pružanje potpore
poslovanju (Williams i Williams, 2007., p. 117.), to se u praksi može razlikovati i varirati s
obzirom na samu razinu razvijenosti IT u pojedinoj kompaniji. Kao što je u uvodu ovog rada
navedeno, IT će se razmatrati u kontekstu alata provedbe koncepta PI, tako da će se u sklopu
ovog dijela obraditi skladište i spremište podataka, rudarenje podacima, OLAP alati, te
kontrolne ploče.
47
Kahaner (1997., p. 96.) kaže kako je osnovni cilj intelligence projekta naći odgovor.
59
1.3.2.1.
Skladište podataka – Data Warehouse
Današnje poslovanje karakterizira sve veći broj događaja, a podaci - čija količina
eksponencijalno raste - dobiveni iz tih aktivnosti najčešće se pohranjuju u operativnim
bazama podataka čiji je zadatak prikazivanje stvarnog, najnovijeg stanja poslovnog sustava.
Informacijska anarhija ozbiljan je problem s kojim se poduzeća susreću, a Liautaud i
Hammond (2006., p. 17.) kažu da nastaje kada pojedinci ili cijeli dijelovi tvrtke počnu
upravljati vlastitim potrebama za informacijama razvijajući pri tom vlastite informacijske
sustave (engl. Information System – IS) koji nisu mogli međusobno komunicirati te su,
posljedično, često bili prepravljeni proturječnim i netočnim podacima. Količina podataka koje
je trebalo prikupljati i pohranjivati postala je zapanjujuća (Panian, 2007., p. 48.) , tako da je
Inmon (prema Panian i Klepac, 2003., p. 80.) 1992. godine predstavio koncept skladišta
podataka kojemu su svojstvena četiri obilježja:
subjektnost - podrazumijeva usmjerenost predmetima, odnosno organiziranost
podataka oko predmeta;
sadržajna nepromjenjivost - znači da se jednom pohranjeni podaci u pravilu više ne
mijenjaju;
integriranost - označava njihovu konzistentnost;
povezanost s vremenom - podaci su vezani uz određeno vremensko razdoblje,
odnosno povijesnog su karaktera, dok su kod operativnih baza pohranjeni samo
najsvježiji podaci.
Objašnjavajući skladište podataka, pojedini autori naglašavaju razliku od poslovne
inteligencije, tako da Howson (2008., p. 2.) kaže kako ono može i ne mora biti dio arhitekture
PI, ali to nikako nije sinonim za nju, dok je Ranjan (2009., p. 62.) smatra značajnom
komponentom PI, a Panian (2007., p. 50.) temeljem sustava PI. Davenport et al. (2010., p.
33.) kažu da kompanijina skladišta podataka (eng. Enterprise Data Warehouse – EDW)
sadrže sve potrebne informacije – sadašnje i povijesne. Kalakota i Robinson (2002., p. 401.)
smatraju da je inicijativa za uspostavom skladišta podataka često prvi zahtjev uspješne
strategije poslovne inteligencije.
Rasmussen (2002., p. 13.) objašnjava da DW sadrži široku paletu podataka koji predstavljaju
koherentnu sliku poslovnih uvjeta u jedinstvenoj točki vremena. Williams i Williams (2007.,
p. 10.) drže da je ono ključni omogućavatelj koncepta PI jer je uslijed pada cijena pohrane
60
podataka, posebnih alata te načina organiziranja podataka postalo jeftinije i ekonomičnije, a
Wixom i Watson (2001., p. 18.) kažu da je nastalo kao produkt poslovnih potreba i
tehnoloških prednosti. Laursen i Thorlund (2010., p. 139.) objašnjavaju da se skladište
podataka sastoji od tehničkog i poslovnog dijela. Tehnički dio treba osigurati da se podaci
prikupljaju, skladište, kombiniraju, strukturiraju i čiste bez obzira koji im je izvor, dok
poslovni dio treba osigurati kreiranje poželjnih ključnih pokazatelja i izvještaja. Najopsežniji
posao u procesu skladištenja podataka predstavljaju procesi integriranja podataka i
organizacija njihovih sadržaja. ETL procesi (engl. Extract, Transform, Load) imaju zadatak
ekstrahirati odnosno zahvaćati ili vaditi, transformirati odnosno preoblikovati te puniti ili
unositi podatke iz jednog ili više transakcijskih sustava u skladište podataka48.
Spremišta podataka (engl. Data Mart - DMa) predstavlja podskup podataka koji dolazi iz
centralnog skladišta podataka (Howson, 2008., p. 30.), a koriste se za specifične potrebe
pojedinih dijelova poduzeća (Ranjan, 2009., p. 62.), odnosno prema Laursenu i Thorlundu
(2010., p. 153. ), ono predstavlja specijaliziranu verziju skladišta podataka. Karakteristično
jest da su strukturirana za lakši pristup krajnjeg korisnika (Williams i Williams, 2007., p.
201.). Prema Panianu (2007., p. 93.), osnovna tehnologija strateške poslovne inteligencije je
tehnologija centraliziranog skladišta podataka, dok je taktičke PI tehnologija distribuiranih
spremišta podataka.
Prema istraživanju Cuter Information Corp. (Ćurko, 2002., p. 66.) najvažnije koristi koje
tvrtke traže i očekuju od svojih skladišta podataka jesu: bolja poslovna inteligencija (39%),
smanjenje vremena lociranja, pristupa i analize informacija (21%), konsolidacija različitih
izvora informacija (20%), strateška prednost pred konkurencijom (11%), brže osvajanje
tržišta (5%), te zamjena starih sustava potpore odlukama (3%). Rezultati istraživanje koje su
proveli Wixom i Watson (2001., p. 17.) pokazalo je da menadžerska podrška i resursi pomažu
pronalaženju odgovora na pitanja koja se javljaju tijekom implementacije projekta skladišta
podataka. Također je ustanovljeno kako resursi, korisnički angažman, te obučen projektni tim
povećavaju vjerojatnost da će se ovaj projekt implementacije odviti unutar postavljenog
budžeta, u planiranom vremenu s predviđenom funkcionalnošću.
48
Detaljnije u knjizi Panian, Ž., Klapac, G.: Poslovna inteligencija, Masmedia, Zagreb, 2003., p. 86-94.
61
1.3.2.2.
Rudarenje podacima – Data Mining
Nevjerojatna količina i složenost podataka jednostavno potiču na njihovo prekopavanje49 koje
nadilazi obično izvješćivanje radi otkrivanja modela koje bi u suprotnome bilo teško
prepoznati (Liautaud i Hammond, 2006., p. 163.). Rudarenje podataka (engl. Data Mining –
DM) može se definirati kao pronalaženje zakonitosti u podacima (Thierauf, 2001; p. 108-109;
Panian i Klepac, 2003; p. 247.), odvajanje korisnog od nekorisnog (Garača, 2008., p, 96.),
odnosno prema Kudybai i Hoptroffu (2001., p. 8.), to je skup tehnologija koje ujedinjuju
primjenu statističkih tehnika i matematičkih formula kao alata, pokušavajući identificirati
značajnost međuveza između povijesnih podataka koje bi potom mogli biti iskorišteni za
prognoziranje, izvršenje analize osjetljivosti ili samo identificiranje značajnosti veza između
podataka koju su na raspolaganju. Primjenom ovih alata moguće je otkriti do tada
neprepoznate matrice ponašanja, lakše i točnije se mogu predvidjeti budući trendovi što bi u
konačnici trebalo rezultirati donošenjem poslovnih odluka utemeljenih na znanju (engl.
Knowledge-driven decisions).
Vitt et al. (2002., p. 58-59.) kažu da se zadaci DM-a mogu kategorizirati kao deskriptivni ili
prediktivni, što prvenstveno ovisi o problemima koji treba riješiti. Prema Milleru (2001., p.
150-151.), oko 90% informacija jesu nestrukturirani dokumenti pa kaže da bi se DM principi
trebali primijeniti u konceptu što ga naziva rudarenje dokumentima (engl. Document Mining).
Cilj ove aktivnosti bilo bi zaključivanje relacija i odnosa u kontekstu pretraživane
dokumentacije bez unaprijed definiranih odnosno pretpostavljenih relacija. Najčešće korištene
metode rudarenja podacima jesu (Kudyba i Hoptroft, 2001; Vit et al., 2002; Panian i Klepac,
2003; Bilandžić, 2008; Garača, 2008; Watson, 2009.):
metoda potrošačke košarice - ova analiza otkriva skrivena pravila u nizu transakcija
koje se tiču prodaje roba, odnosno ona otkriva asocijativna pravila koja pokazuju koji
se parovi artikala i s kojom vjerojatnošću kupuju zajedno;
klasteriranje - podrazumijeva postupak kojim se provodi grupiranje ili pridruživanje
objekata sličnih karakteristika, gdje je cilj pronaći grupe koje se međusobno razlikuju,
dok su istovremeno članovi unutar grupa dosta slični jedni drugima;
neuronske mreže - mogu biti vrlo snažan alat za predviđanje trendova i prognoziranje
na temelju povijesnih podataka, a svoje začetke ideja o ovim mrežama vuče iz
49
U knjizi e-Poslovna inteligencija pojam Data Mining se prevodi kao prekopavanje podataka, iako se može reći
kako je u Hrvatskoj uvriježen prijevod rudarenje podacima.
62
neuropsihologije, s obzirom na to da su iskorištena saznanja o ponašanju živčanih
stanica;
stabla odlučivanja - glavni zadatak ove metode jest određivanje varijabli i njihovih
vrijednosti koje determiniraju neki skup, a primjenu nalaze prilikom analize sklonosti
potrošača kupnji određenog proizvoda s obzirom na raspoložive atribute;
genetički algoritmi - u većini slučajeva služe za probleme optimizacije pa nisu
eksponirani kao gore navedeni primjeri;
neizrazita logika (engl. Fuzzy Logic);
napredne matematičke i statističke analize.
U primjeni rudarenja podacima javljaju se i određeni problemi, tako da Panian (2007., p. 71.)
navodi kako su pojedini alati katkad teški za upotrebu te se proizvođači trude kako bi
pojednostavnili njihovo rukovanje uz istovremeno zadržavanje funkcionalnosti. Vitt et al.
(2002., p. 58.) osim kompleksnosti navodi i problem cijene što se odrazilo na usporavanje
korištenja. Također treba biti svjestan činjenice da se rudarenjem podacima često otvara više
novih pitanja nego što se dobiva odgovora na postavljena, pa nije rijedak slučaj de se koristi u
tandemu sa OLAP alatima.
1.3.2.3.
OLAP alati
Jedan od najraširenijih i izuzetno uspješnih načina izvođenja znanja iz podataka predstavljaju
OLAP50 (engl. On-Line Analytical Processing) alati odnosno multidimenzijske analize
(Watson, 2009., p. 510). Porastom količine raspoloživih informacija i pojavom strožih
zahtijeva za kvalitetnijom podrškom odlučivanju spoznalo se da koncepti, metode i tehnike,
odnosno klasični načini elektroničke obrade podataka ne mogu udovoljiti novonastaloj
situaciji te da je potrebno definirati nove načine obrade podataka posebno dizajnirane za tu
namjenu (Garača, 2008., p. 79-80.). Ime OLAP može se usporediti s on-line obradom
transakcija – OLTP (engl. On-Line Transaction Processing), terminom koji je bio u upotrebi
prije nastanka OLAP-a. OLTP sustavi dizajnirani su za bilježenje velikog broja transakcijskih
podataka i optimizirani su za podršku jednostavnih upita, dok su, prema Thieraufu (2001., p.
50
Prema Vitt et al. (2002., p. 35.), termin OLAP kreirao je matematičar E. F. Codd te je 1993. godine kreirao set
kriterija kojima trebaju udovoljavati baze podataka nad kojima bi se primjenjivao OLAP.
63
98.), Vitt et al. (2002., p. 36-37.) i Ranjanu (2009., p. 61.), OLAP kocke namijenjenje analizi
velikih količina podataka metodama raslojavanja i presijecanja (engl. Slice and Dice Method).
Druge mogućnosti jesu opcija rotacije (engl. Pivoting) po principu pokaži i klikni, te bušenje
odnosno svrdlanje (engl. Drill down), a omogućuje da se vidi koje informacije dovode do
jedinstvene ukupne vrijednost.
Najvažnije i ujedno najvrijednije svojstvo OLAP alata zasniva se na multidimenzijskoj
analizi, što znači da se podaci mogu istovremeno promatrati kroz veći broj filtera koji se u
znanstvenoj terminologiji nazivaju dimenzije. Broj dimenzija teoretski ničim nije ograničen
(Laursen i Thorlund, 2010., p. 156.), a u praksi se taj broj može popeti na više od deset, a s
obzirom da to prelazi spoznajne mogućnosti prosječnog čovjeka može se zaključiti da ovi
alati omogućuju proširenje ljudske inteligencije. Sljedeća njihova važna karakteristika jest
brzina koja omogućuje postavljanje pitanja i dobivanje odgovora u najkraćem roku, praktički
odmah. U većini slučajeva vrijeme odgovora sustava na upit jest unutar nekoliko sekundi, a
kod složenijih upita ponekad je potrebno više od trideset sekundi. Klasično se izvještavanje
koristilo za prikaz podatka koje je poduzeće imalo u različitim bazama podataka raznih
dijelova sustava, a multidimenzijski se OLAP alati koriste za objašnjenje zašto su određeni
poslovni događaji upravo takvi (Moss i Atre, 2003., p. 284.). Među osnovne kvalitete OLAP
kocke Panian (2007., p. 66-67.) navodi: analizu i rukovanje izvještajima brzinom misli,
prigodno (ad hoc) svrdlanje iz sumarnih podataka prema transakcijskim pojedinostima,
razmjenu i dijeljenje OLAP kocaka s personaliziranim aspektima uz visok stupanj sigurnosti
odnosno pouzdanosti, te automatsko stvaranje i sinkroniziranje OLAP kocaka. Howson
(2008., p. 41-42.) naglašava karakteristike u odnosu na izvještavanje; multidimenzionalnost,
brzinu, visoku interaktivnost, različite razine agregacije, te kros-dimenzijsku kalkulaciju.
Prema rezultatima istraživanja51 (Pendse, 2005., p. 11.), osnovni razlozi za izbor OLAP alata
jesu: funkcionalnost (41%), jednostavnost upotrebe (31%), uspješnost query karakteristika
(24%) te cijena (21%). Postoji nekoliko inačica ovih alata, a prema Panianu (2003., p. 244.) i
La Grouw (2008., p. 250.), to su MOLAP (engl. Multidimensional OLAP), HOLAP (engl.
Hybrid OLAP), ROLAP (engl. Relational OLAP), te DOLAP (engl. Desktop OLAP). Iako se
u praksi mogu pronaći sve navedene varijante, kao najzastupljenija rješenja pokazali su se
hibridni OLAP-i.
51
Istraživanje je proveo World Research Inc Survey.com na uzorku od više od 5.000 ispitanika iz 106 zemalja.
64
1.3.2.4.
Poslovne kontrolne ploče – Business Dashboards
S obzirom da stara kineska poslovica kaže kako slika vrijedi više od tisuću riječi, a u slučaju
poslovne inteligencije se može reći brojeva (Howson, 2008., p. 197.) ne čudi ubrzani razvoj
modela i načina što učinkovitijih prezentacija svih vrsta informacija. Treba napomenuti kako
vizualizacija nije novost s obzirom da su njezini prvi pokušaji zabilježeni u XVIII. stoljeću52
(Eckerson i Hammond, 2011., p. 4). Kontrolna ploča (engl. Dashboard) predstavlja
vizualizirani prikaz najvažnijih informacija potrebnih za ostvarivanje jednog ili više ciljeva,
konsolidiran i uređen tako da može biti izložen na jednom računalnom zaslonu, čime se
omogućuje cjelovit uvid u sve relevantne informacije odjednom (Panian, 2007., p. 191.).
Analogno, poslovna kontrolna ploča (engl. Business Dashboard) napredni je vizualizacijski
alat koji pomaže poslovnim korisnicima znati kako se odvija njihovo poslovanje. Koristeći
jednostavna grafička rješenja i tablice one prezentiraju velike količine podataka kako bi
korisnici lakše uočavali trendove i uzorke (La Grouw, 2008., p. 260.). Promatrajući je kroz
prizmu funkcionalnosti poslovne inteligencije Garača (2009., p. 142.) je objašnjava kao
digitalno upravljačko mjesto s uvidom u aktivnosti ostvarivanja strategije, definiranim
metrikama i poslovnim performansama.
Panian i sur. (2007., p. 196. i 209.) naglašavaju važnost izbora ključnih pokazatelja
uspješnosti koji će se prezentirati putem kontrolnih ploča, a La Grouw (2008., p. 261.) u tom
smislu ističe da oni trebaju biti usklađeni s korporativnim ciljevima, lako razumljivi,
relevantni, mjerljivi, povezani, te vidljivi. Povezujući ih s tablicom uravnoteženih ciljeva
(engl. Balanced ScoreCard – BSC) Laursen i Thorlund (2010., p. 156.) navode kako u većini
slučajeva informacije dolaze iz relacijskih baza podataka i OLAP kocaka te se korisnicima
prezentiraju preko kontrolnih ploča. Howson (2008., p. 45-47.) također kaže da se termini
kontrolna ploča i tablica uravnoteženih ciljeva koriste naizmjenično te navodi da je, prema
njoj, osnovna razlika u tome što se BSC fokusira na zadanim mjerama i uspoređuje ih s
predviđenim ili ciljanim veličinama, dok kontrolne ploče prezentiraju podatke i brojke na
različite načine. Panian i sur. (2007., p. 209-213.) ih uspoređuju te kažu kako su kontrolne
ploče u visokoj mjeri prilagodljive specifičnim potrebama pojedinačnih korisnika, dok
primjena BSC-a, koje se mogu smatrati središnjim – stožernim točkama sustava strateškog
upravljanja, iziskuje primjenu daleko strukturiranijeg i manje prilagodljivog pristupa.
52
Autori navode primjer škotskog inžinjera i političkog ekonomistu Williama Playfaira (1759-1823) koji je
producirao mnogobrojne vizualizacije ekonomskih i političkih tema Britanskog carstva, npr. kretanja britanskog
duga u razdoblju od 1688. do 1800. godine.
65
Kontrolne ploče odražavaju ono što se dogodilo, a tablice uravnoteženih rezultata usmjerene
su budućnosti što je prikazano na slici 11.
Slika 11. Uloga poslovnih kontrolnih ploča i usporednih tablica
Izvor: Panian, Ž.; Poslovna inteligencija – Studije slučajeva iz hrvatske prakse, Narodne Novine, Zagreb, 2007.,
p. 213.
Za razliku od nekih navedenih autora, Cokins (2009., p. 104.) uočava razliku iz konteksta
njihovog korištenja te objašnjava kako BSC ima stratešku dimenziju, a kontrolne ploče
operativnu. Prema Eckersonu (2011., p. 101.) kontrolne ploče performansi53 pružaju
informacije koje kombiniraju monitoring, analizu, izvještavanje, predviđanje i vizualizaciju u
jedinstvenom integriranom okruženju. Prema njemu postoje tri vrste ovih instrumenata:
operativne ploče - služe za monitoring procesa, događaja i aktivnosti koje se
pojavljuju (svake minute, sata, dana);
taktičke ploče - mjere i analiziraju performanse aktivnosti, procesa i ciljeva pojedinog
odjela;
53
strateške ploče - prate progres prema zacrtanim strateškim ciljevima.
Eckerson koristi termin Performance Dasboards.
66
1.3.3. Ključni elementi poslovne inteligencije
Različiti pogledi pojedinih autora na fenomen poslovne inteligencije ogledaju se također u
drugačijim pristupima i vrednovanju čimbenika ključnih za učinkovitu implementaciju,
razvoj, uspjeh i/ili budućnost samog koncepta. U evolutivnom ih je smislu zanimljivo
kronološki proanalizirati, te usporediti s rezultatima određenih naknadnih istraživanja. Prema
Thieraufu (2001., p. 95. i 161.), postoje četiri esencijalna elementa efikasnog BI-a:
nadogradnja aktualnog IS-a sa sustavom poslovne inteligencije (engl. Business
Intelligence System – BIS);
korištenje metode rudarenja podataka ili otkrivanja znanja s softverom poslovne
inteligencije kako bi se bolje razumjele kompanijine operacije, današnje i one u
budućnosti;
izgradnja efikasnog skladišta podataka i IS-a u realnom vremenu gdje je fokus na
mnoštvu faktora povezanih s internetom, intranetom i ekstranetom;
povećanje korištenje kompjuterske mreže koja je povezana s e-trgovinom.
Prema Atre (2003., p. 2-8.) uspjeh poduzeća nikada nije plod slučajnosti, a do uspjeha će doći
ako tvrtka brže donosi bolje i pouzdanije odluke, pojednostavljuje operacije (engl. Streamline
operations), skraćuje vrijeme ciklusa razvoja novog proizvoda, maksimizira vrijednost svoje
proizvodnje, anticipira nove mogućnosti, te provodi kvalitetniji i fokusiraniji marketing uz
unapređenje odnosa s kupcima i dobavljačima. Navedeno će mu omogućiti PI, međutim on
istovremeno ukazuje poduzećima na razumijevanje deset kritičnih izazova:
pogrešno shvaćanje i razumijevanje BI projekata kao kros-organizacijske aktivnosti
naime, potrebna je organizacijska kultura shvaćanja BI-a na razini cijelog poduzeća;
pogrešan izbor sponzora BI projekta, ako to nije osoba iz top menadžmenta, te ako ona
nije uvjerena u uspjeh - on će izostati;
nedostatak ključnih menadžera u razvojnom timu BI projekta54;
nedostatak obučenog i raspoloživog osoblja;
nepostojanje jasno definiranog plana, metoda, ciljeva i putokaza;
nedostatak spoznaje o BI projektu kao iterativnom procesu u kojemu se resursi,
planovi, vremenske skale i ciljevi kontinuirano usklađuju;
54
Atre navodi kako 20% ključnih menadžera koristi BI aplikacije u 80% svojeg vremena, pa stoga smatra
potrebnim identificiranje i uključivanje bitnih IT i poslovnih menadžera od samog početka razvoja BI-a.
67
problem identifikacije i artikulacije informacijskih potreba postavljenih pred BI,
nerazumijevanje potrebe za korištenjem podataka o podacima (engl. Meta-data);
previše oslanjanja na različite metode i alate, pa predlaže da se u perspektivi svjesno
teži korištenju manjeg broja alata s obzirom da njihov veći broj povećava
kompleksnosti te zahtijeva veći administrativni angažman.
Williams i Williams (2007., p. 171-181.) navode četiri kritična faktora BI uspjeha:
utvrđivanje odnosno razumijevanje na koji će način uvođenje BI-a unaprijediti
performanse poduzeća - ovdje su potencijalni problemi: nepostojanje usklađenosti BI
strategije s poslovnom strategijom, nesnalažljivost u definiranju informacijskih
potreba, te nepostojanje marketinške vizije za dobivanje organizacijske podrške.
osnivanje i rukovođenje BI programom - moguće su greške: ad hoc praksa za
selektiranje BI projekta, neadekvatno vođenje BI programa, nestrateško pozicioniranje
BI unutar organizacije, neadekvatni resursi i nekvalitetno financiranje kao podrška
uspješnosti BI inicijative;
optimiziranje infrastrukture korištene IT za potrebe BI-a - mogući problemi: korištenje
tehničke infrastrukture koja je neadekvatna za podršku poslovnoj inteligenciji,
korištenje IT standarda i politika koji su dizajnirani za operativni sistem;
upravljanje organizacijskim promjenama potrebnim za postizanje novih vrijednosti potencijalne greške: nekorištenje reinženjeringa poslovnih procesa za optimizaciju
korištenja BI svojstava, pomanjkanje volje za organizacijskim promjenama,
nedostatak inicijativa te nekorištenje punog potencijala informacija.
Panian (2007., p. 108-119.) navodi pretpostavke (zlatna pravila) koje će jamčiti veći
stupanj vjerojatnosti uspješnijih sustava:
korisnike treba razumjeti - gotovo 90% ili i više poslovnih korisnika u većini
organizacija ne žele trošiti vrijeme na stvaranje, mijenjanje ili drugačije rukovanje
informacijama čak i kad su im nadohvat ruke PI alati pomoću kojih to mogu činiti;
valja primijeniti paradigmu broja klikova - što je potrebno više klikova da bi se
došlo do konačnog rezultata, to je uložen veći trud, stoga ne čudi nastojanje da se
osigura prijem željenih informacija sa što manjim brojem klikova;
napredniji korisnici trebaju biti konzumenti, ali i proizvođači informacija;
valja uspostaviti i njegovati sveprisutnu kulturu mjerenja s obzirom da se onim što
se može mjeriti može i upravljati;
68
razvoj poslovne inteligencije treba biti strateško opredjeljenje tvrtke.
Neke od navedenih sugestija i elementi svoju su potvrdu našli u rezultatima istraživanja
koje je objavila Howson (2008., p. 89., 115., 184.). Prema njima, 55% ispitanika partnerstvo
između poslovanja i IT-a (engl. Business-IT partnership) označilo je kao esencijalno za
uspjeh uvođenja BI-a u poduzeće. Na drugom mjestu se nalazi podrška vrhovnog
menadžmenta sa 53%, dok treće mjesto pripada usklađenju55 BI-a i poslovnih ciljeva odnosno
korporacijske strategije. Upravljanje BI programom prosječno je ocijenjeno kao vrlo važno za
postizanje BI uspjeha, što je vrednovalo 25% ispitanika. Otprilike isti broj poduzeća ima
implementiran BI na razini određenog odjela kao i na razini cijelog poduzeća, međutim skoro
dvostruko (31% u odnosu na 16%) dalo je ocjenu vrlo zadovoljan na razini poduzeća u
odnosu na razinu odjela. Istraživanje je također ukazalo na određene kulturološke elemente, u
uspješnim BI kompanijama 73% ispitanika se složilo (ili strogo složilo) da se odluke
dominantno donose na temelju činjenica u odnosu na dobar osjećaj, za razliku od onih
kompanija koje nisu uspješne u korištenju BI-a gdje je 80% ispitanika potvrdilo da koriste
dobar osjećaj za odlučivanje. Ovdje je potrebno ukazati na moguću tzv. zamku dokaza (engl.
Evidence Trap) koja nastaje kada donositelji odluka traže informacije koje će potvrditi već
donesene odluke na temelju iskustva ili dobrog osjećaja. Druga razlika koja, po autorici,
spada pod kulturološku jest da uspješna BI poduzeća u 79% slučajeva sebe doživljavaju kao
efikasne lean upravljače, za razliku od 63% dijelimično BI uspješnih, odnosno 47%
neuspješnih.
Hedin et al. (2011., p. 42.) u sklopu rezultata svojih istraživanja ukazali su na šest ključnih
faktora uspješnosti (engl. Key Success Factors - KSF):
opseg intelligencea - odnosi se na definiranje svrhe MI programa, korisnika i
vremenskog okvira (prošlost, sadašnjost, budućnost) intelligence aktivnosti te
određivanje tema za koje će se trebati prikupiti informacije, a obično je tu riječ o
kupcima,
konkurentima,
dobavljačima,
trendovima
i
geografskim
tržišnim
područjima;
intelligence proces - koji se odnosi na prikupljanje, analizu i izvještavanje
informacijama korisničkih grupa. Ovaj proces uvijek treba biti vezan uz korporacijske
55
Kaplan i Norton su u svojoj knjizi „Alignment“ slikovito objasnili ovaj pojam kao „nešto slično sinkronizaciji
koju postiže posada veslačkog čamca“.
69
procese poput strateškog planiranja, marketinga, prodaje, inovacija, menadžmenta
proizvoda i upravljanja opskrbnim lancem;
intelligence isporuke - pod čime se podrazumijevaju konkretni outputi prethodno
objašnjenog procesa. Ove isporuke mogu biti opipljive poput analitičkih izvještaja,
prikaza profila s tržišta, ili je riječ o interaktivnom radionicama i brifinzima. Ovdje je
također moguće uključiti posebno razvijene IT programe dizajnirane za tzv.
samoposluživanje krajnjih korisnika;
intelligence alati - riječ je o softverskim alatima koji su zaduženi za provođenje
definiranih procesa te kao pomoć procesuiranju podataka u informacije i inteligenciju
koja se normalno dostavlja korisnicima. Pod ovim alatima se također mogu
podrazumijevati i određene analitičke tehnike;
intelligence organizacija - podrazumijeva sve resurse čijom kombinacijom su
omogućeni intelligence procesi. Formiranje intelligence organizacije započinje činom
definiranja vlasnika korporacijskih intelligence aktivnosti kojemu su potrebne interne i
eksterne mreže podrške. Unutarnja se mreža odnosi na korisnike i stvaratelje iz
različitih dijelova organizacije, dok se vanjska mreža odnosi na sve izvore iz eksterne
okoline, poput partnera, industrijskih konzultanata, kreatora istraživačkih izvještaja i
sl.;
intelligence kultura - zadužena je za održavanje intelligence programa u životu, a
najvažniji element ove kulture jest vrhovni menadžment sa svojom iskrenom
podrškom intelligence aktivnostima.
Promatrajući BI kao sustav, Bilandžić (2008., p. 87-90.) ukazuje na potrebu integriranja,
organiziranja i usklađivanja nekoliko elemenata: ljudski (kadrovski), operativni (djelatnost),
organizacijski (okvir funkcioniranja) i tehnički (informatički). Prema njemu, gradnja BI
sustava treba biti postavljena u skladu sa shvaćanjem da je BI sastavni dio strateškog
upravljanja, a sam se sustav može uspostaviti na tri načina:
neformalni oblik organiziranja - na način kada pojedini djelatnici uz svoj primarni
posao obavljaju i aktivnosti iz BI spektra;
formalni oblik - koji podrazumijeva uspostavu posebnih organizacijskih jedinica
zaduženih za BI;
formalni
centralizirano-decentralizirani
model
-
karakterističan
velikim
multinacionalnim kompanijama.
70
I on naglašava organizacijsku kulturu povezujući je sa sviješću zaposlenika o sadržaju i
važnosti BI-a, čime on posljedično postaje dio poslovne kulture kompanije. Indikatori koji,
po njemu, ukazuju na uspješnost BI-a u kompaniji jesu:
to bi trebao biti sustav koji kompaniji donosi novac;
top menadžment bi trebao znati što je BI, kolika mu je važnost u poslovanju i uloga u
procesima te redovito rabiti rezultate u procesu donošenja odluka;
BI sustav bi trebao stvoriti realne poslovne intelligence analize koje omogućuju
kompaniji da uvijek bude korak ispred konkurenata;
Intelligence analize trebaju pružiti realnu sliku o položaju kompanije u poslovnom
okruženju i u odnosu na konkurente te predvidjeti razvoj budućih događaja.
Garača (2009., p. 139.) iznosi načela BI-a iz kojih se u svari mogu iščitati elementi potrebni
za uspješno funkcioniranje bez obzira koja se tehnologija koristi:
centralizacija, Bi mora biti podređen strateškim interesima poslovnog sustava;
objektivnost, podrazumijeva se korektnost u prezentaciji dobivenih rezultata;
pravovremenost, bitne informacije i rezultati trebaju biti dostupni u vrijeme potrebe za
njima;
prilagodljivost, odnosno fleksibilnost BI sustava različitim potrebama i zahtjevima
poslovnog sustava;
kontinuiranost, stanje predmeta istraživanja treba se kontinuirano provjeravati;
sustavnost, metodičko korištenje svih raspoloživih resursa;
dostupnost, informacije i rezultati trebaju biti dostupni svim zainteresiranim i
ovlaštenim osobama;
etičnost, osim podataka o internom poslovanju, legalno i etički se može prikupljati
najveći dio javno dostupnih podataka;
sveobuhvatnost, potrebno je koristiti sve raspoložive izvore podataka, bilo da su
primarni ili sekundarni, bez obzira na učestalost njihovog pojavljivanja ili
objavljivanja.
71
1.3.4. Zaštita podataka i informacija – defenzivna poslovna inteligencija
Polazeći od pretpostavke koliku vrijednost podaci i informacije predstavljaju za tvrtku i
njezino poslovanje, namaće se potreba pronalaženja načina za njihovo efikasno čuvanje i
branjenje. Nolan (2001., p. 205.) logično objašnjava temeljni princip kada kaže: ako
intelligence aktivnosti imaju vrijednost tada ih je vrijedno i štititi. Što pod pojmom poslovne
protuobavještajne aktivnosti (engl. Business Counterintelligence - BC) podrazumijevaju
pojedini autori te koliko su široka tumačenja nabolje se vidi iz analize nekoliko probranih
definicija (Barrett, 2000., p. 29; Bernhardt, 2003., p. 88-90; Shear, 2009., p. 56-57.):
Ispravno shvaćen cilj BC-a predstavlja angažman i neutralizaciju nastojanja
konkurentskih prikupljanja korištenjem raznih fleksibilnih i aktivnih mjera (Nolan,
2001.);
BC se bavi upadima koji nisu ni protuzakoniti ni neetični. Iako se mogu koristiti
barijere za sprječavanje egzodusa informacija, BC treba biti uspostavljen u tvrtkinim
procedurama, ali i u glavama zaposlenika, a ne preko ulaznih točaka na (web)
stranicama (West, 2001.);
BC je višeslojni zaštitini štit koji krije vaše slabosti od onih koji mogu, znajući ih,
profitirati na vaš trošak. Također se koristi za ograničavanje izloženosti vaše snage
onima koji to ne trebaju znati. To je tekući defenzivni proces kojim organizacija
sagledava svoju unutrašnjost lećama protivnika kako bi blokirala svoju izloženost
ekonomskoj, cyber ili industrijskoj špijunaži, prijevarama, terorizmu, nebrizi,
prevelikom otkrivanju, nezakonitom stjecanju vlasničkih informacija te drugim
sigurnosnim rizicima (Martin, 2002.);
BC je proces preveniranja intelligence napora drugih strana, često, ali ne nužno
konkurenata. Razumijevanje BC-a podrazumijeva razumijevanje procesa poslovne
inteligencije kako biste shvatili kako netko drugi možda prikuplja informacije o vama
(Barrett, 2000.);
Kao što je PI široko ugrađena u korporativno istraživanje i planiranje, tako je i praksa
BC koja štiti podatke vaše kompanije od legalnih ili ilegalnih intelligence aktivnosti
drugih poduzeća (Miller, 2001.);
BC je akcija poduzeta protiv protivnikovih intelligence aktivnosti, špijunaže ili
sabotaže (Fleisher i Blenkhorn, 2001.);
72
BC se bavi ofenzivnim i defenzivnim aktivnostima kako bi neutralizirala efikasnost
stranih/neprijateljskih intelligence operacija, zaštitila osjetljive informacije, spriječila
subverzije, sabotaže i terorističke aktivnosti usmjerene prema ljudima, strateškoj
infrastrukturi te materijalima (South Africa Government White Paper on Intelligence,
1995.);
Misija BC-a jest zaštita cjelokupnog subjekta, bez obzira je li riječ o vladi ili
korproaciji, od unutrašnje ili vanjske povrede (Sulc, 1997.).
Shear (2009., p. 58.) konsolidira proučene analize te kaže kako BC podržava proces PI kroz
zaštitu, čuvanje, doprinos i korištenje znanja slijedeći interne ofenzivne i defenzivne etične
procedure kako bi se adekvatno neutralizirale štetne ili potencijalno štetne aktivnosti koje se
provode iznutra ili izvana, legalnim ili ilegalnim sredstvima, od strane vanjskih ili unutarnjih
subjekata. U najširem smislu može se ustvrditi kako je zadatak BC-a zaštita informacija od
onih koji nisu autorizirani za njezino posjedovanje kako bi se spriječile potencijalne prijetnje
te unaprijedila sigurnost (Bernhardt, 2003., p. 89.), odnosno rizik gubitka poslovnih
informacija koje posjeduje poslovni subjekt svesti na najmanju moguću mjeru (Javorović i
Bilandžić, 2007., p. 228.). S obzirom da je poslovna inteligencija isključivo orijentirana
prema poslovnoj domeni, a termin protuobavještajno djelovanje ima prizvuk vojnog, odnosno
špijunskog, primjerenije bi bilo ove aktivnosti nazvati defenzivna ili obrambena poslovna
inteligencija (engl. Defensive Business Intelligence - DBI). Jelens56 (DeGenaro, 2005., p. 1314.) razlikuje ova dva pojma te kaže kako se defenzivna inteligencija sastoji od:
sigurnosnih protumjera (obrana od protivničkih pokušaja, tradicionalno fizičke potrebne ali nedovoljne);
operativne sigurnosti (uskraćivanje protivniku bilo kakvih dokaza o planiranju i
izvršenju osjetljivih aktivnosti);
kontraobavještajnih aktivnosti (otkrivanje protivnikovih intelligence aktivnosti).
McGonagle i Vella (1996., p. 91.) objašnjavaju kako realizacija obrambene inteligencije
(engl. Defensive Intelligence – DI)57 obuhvaća nekoliko aktivnosti: (1) nadgledanje
informacija distribuiranih od strane kompanije, (2) evaluacija konkutrentskih aktivnosti – da li
su poduzete na temelju neobjavljenih informacija, (3) preporuka politika i načina kontrole
56
Georg Jelens je u vrijeme objave članka (2005. godina) bio direktor operativne sigurnosti National Security
Agency (NSA).
57
I kod se ovog pojma može uočiti različito korištenje termina tako da u ovom slučaju autori objašnjavaju pojam
Defensive Intelligence a navode kako se ponekad koristi pojam Counter Intelligence.
73
upravljanja osjetljivim informacijama. Na slici 12. je prikazano njihovo povezivanje
obrambene inteligencije s ostalim elementima Cyber Intelligencea.
Slika 12. Poveznica obrambene inteligencije s ostalim elementima modela
Izvor: McGonagle, John J., Vella, Carolyn M.: A New Archetype for Competitive Intelligence, Quorum books,
London, 1996., p. 96.
Javorović i Bilandžić (2007., p. 214.) kažu kako ova aktivnost ima tri cilja: zadržavanje status
quo vezano za položaj pravnog subjekta u poslovnom okruženju, procjenu mogućih opasnosti
i prijetnji te zaštitu poslovnog subjekta od nelegalnih i neetičnih napada drugih subjekata.
Ovaj ciklični proces sastoji se od nekoliko međusobno povezanih faza (Barrett, 2000., p. 3138; Nolan, 2001., p. 210-212.):
postavljanje i definiranje zadataka - sigurnost se treba gledati kao proaktvni i
integralni dio programa BC-a. Sa strateške razine potrebno
je točno i precizno
definirati opseg (što se treba zaštititi) i ciljeve koji se trebaju izvršiti te način i
tehnologiju njihove realizacije;
ocjena konkurencije - aktivna procjena tko i na koji način ugrožava (ili potencijalno)
ugrožava interese kompanije te kakve su intelligence sposobnosti konkurencije ili
drugih interesenata. Kod ove aktivnosti potrebno je poći od pretpostavke da aktivnosti
usmjerene prema kompaniji ne moraju biti ni legalne ni etične58, ali isto tako da
potencijalni ugrožavatelji mogu djelovati preko samih zaposlenika59;
58
Nolan navodi informaciju FBI-a kako je u šest godina evidentirano 1.100 slučajeva industrijske špijunaže u
kojoj je procijenjena šteta u iznosu od 300 milijardi USD.
59
Javorović i Bilandžić navode kako su istraživanja pokazala da su u preko 70% slučajeva za gubitak
informacija krivi zaposlenici kompanije (2007., p. 230.)
74
procjena ranjivosti - podrazumijeva analizu slabosti same organizacije koje
istovremeno mogu biti prilike svim neprijateljskim čimbenicima. Ranjivosti se mogu
klasificirati kroz nekoliko dimenzija: operativne (odnose se na način kako poduzeće
izvodi svoje dnevne operacije, kako otkrivaju svoju budućnost te kako štite
informacije pogotovo u kontekstu svijesti zaposlenika koje su informacije osjetljive),
fizičke (najveća ranjivost proizlazi iz ne korištenja fizičkih zaštita: brava, lozinki,
važnih dokumenata), osobne (odnose se na način kako poduzeća zapošljavaju i
upravljaju svojim zaposlenicima), tehničke (prvenstveno se odnosi na računala,
njihovo korištenje i zaključavanje);
dizajn i razvoj protumjera - zasniva se na prethodno utvrđenom stanju ranjivosti
poduzeća sukladno čemu se i određuju prikladne mjere koje ne moraju nužno biti
skupe nego učinkovite. Prvi element u izgradnji ove faze jest podizanje svijesti
zaposlenika o važnosti zaštite informacija te potencijalnim posljedicama ugroze.
Slijedeću važnu karika predstavlja uspostava sigurnosne klasifikacije informacija i
razrada sheme njihove dostupnosti;
analiza - dat će ocjenu kakav je bio učinak poduzetih mjera te koje se aktivnosti i na
koji način trebaju usavršiti kako bi se kvalitetno ispunili postavljeni sigurnosni ciljevi;
distribucija - ključni trenutak kojim se analitičke procjene dostavljaju menadžmentu te
vrijedi isto pravilo kao i kod poslovne inteligencije - prava informacija u pravo
vrijeme pravim osobama.
Kahaner (1997., p. 252-254.) objašnjava osnovnu ideju OPSEC60 metode – identificirati
relativnu važnost svake informacije kako bi se poduzele prikladne mjere za njezinu zaštitu. Za
razliku od tradiocionalnih sigurnosnih metoda koje su nastojale izbjeći rizik po svaku cijenu,
ova tehnika pomaže upravljati rizikom u razumnom i analitičkom smislu na ekonomičan
način kroz pet koraka:
identifikacija kritičnih informacija - predstavlja izbor informacija koje konkurencija
treba kako bi stekla prednosti u odnosu na tvrtku koja se štiti. Najčešće je riječ o
formulama, trgovačkim tajnama, ugovorima, planiranim akvizicijama te strateškim
planovima;
analiza prijetnji - podrazumijeva identifikaciju konkurenata i ocjenu sposobnosti
učinka njihovih intelligence aktivnosti;
60
OPSEC predstavlja akronim od Operation Security, odnosno, za operaciju sigurnosti.
75
analiza ranjivosti - sastoji se od procjene mogućih curenja vlastitih informacija i
razumijevanja ovog problema od strane zaposlenika kojima su te informacije
dostupne;
procjena rizika - podrazumijeva analizu mogućih posljedice ukoliko konkurencija
dobije određene štićene informacije, odnosno, kako bi se to moglo odraziti na tržišni
udjel, kupce ili poziciju tehnološke razine;
upotreba protumjera - prvi korak predstavlja promjena načina zaposlenika kako rade
svoj posao, potom način njihovog razmišljanja o poslu te posljedično pristup
upravljanju podacima i informacijama.
Gordon i Loeb (2001., p. 71-75.) slično, kroz pet koraka, razvijaju obrambeni aspekt
sistemske analize konkurencije (engl. Competitor Analysis System – CAS) gdje svaki korak
karakterizira nužnost promišljanja prethodnog:
identifikacija trenutnih i potencijelnih konkurenata - identifikacija mogućih budućih
konkurenata predstavlja izazov obzirom da je u analizi potrebno uočiti mnoge
prikrivene elemente teško primjetnih karakteristika;
određivanje informacija koje predstavljaju ciljeve uočenih konkurenata (o tržišnom
udjelu, razvoju novih proizvoda, informacije o potencijalnim spajanjima, o
neobjavljenim financijskim pokazateljima, strukturi troškova...);
procjena dostupnosti ovih informacija - predstavlja temeljnu obrambenu mjeru;
ocjena njihove vrijednosti za konkurente - zbog jednostavnije obrade predlažu tri
vrijednosne kategorije;
sprečavanje konkurentskih CAS aktivnosti.
Bernhardt (2003., p. 88-96.) navodi tri pitanja na koje svaka tvrtka treba odgovoriti kako bi
identificirala razinu svoje obrambene spremnosti: (1) što naši konkurenti žele saznati o nama i
zašto?, (2) na koji način to žele postići?, (3) koje mjere su na raspolaganju za sprječavanje tih
aktivnosti? Osim navedenog, Bernhardt sugerira i moguće indikatore aktivnosti usmjerenih
protiv organizacije:
konkurenti su upoznati s novim projektima, povjerljivim poslovima, poslovnim
tajnama i strategijama;
tvrtka dobiva upite od nepoznatih (studenti, istraživači i sl.) o svojim poslovnim
tajnama i novim projektima;
serviseri i tehničko osoblje održavanja posjećuje kompanije bez da su pozvani;
76
isti konkurenti uvijek pobjeđuju poduzeće na raznim natječajima;
postavljeni uređaji za prisluškivanje u sobama za sastanke;
poduzeće stalno zaprima upite za posjete raznih stranih delegacija;
konkurenti redovito prvi lansiraju novi proizvod vrlo sličan onom kojeg poduzeće
razvija;
krađa povjerljivog materijal ili računala kojima se koristi menadžment;
ključni zaposlenici napuštaju poduzeće i prelaze konurenciji.
Rezultati istraživanja61 koje je proveo Calof (2004.) pokazuju da generalno postoji
zadovoljavajuća praksa zaštite informacija, međutim također je ustanovljeno kako poduzeća
slabo procjenjuju aktivnosti poslovne inteligencije usmjerene protiv njih, pa zaključuje kako
je sigurnosna svijest velika a defenzivna niska. U prilog navedenoj ocjeni idu rezultati
istraživanja62 koje je proveo ASIS63 (Fitzpatrick i Burke, 2003., p. 21.) prema kojima su četiri
naznačajnije posljedice curenja informacija: gubitak konkurentske prednosti, smanjenje
tržišnog udjela, povećanje troškova namjenjenih istraživanju i razvoju te povećanje stopa
osiguranja. U kontekstu navedene materije vrijedno je navesti jedno od rijetkih istraživanja64
povrede informacijske sigurnosti od strane zaposlenika poduzeća koje je provela Shropshire
(2009., p. 296-310.). U istraživačkom su modelu prediktorske varijable: financijske promjene,
deformacije u ponašanju, zlouporaba opijata (droga i alkohol) te promjena posla, dok su
zavisne IT špijunaža i sabotaža. Rezultati ovog istraživanja potvrdili su hipoteze: (1)
financijske su promjene u korelaciji sa IT špijunažom, (2) deformacije u ponašanju su u
korelaciji s IT sabotažom, (3) zlouporaba opijata je u korelaciji sa IT sabotažom, (4) promjene
posla su u korelaciji sa IT sabotažom, ali nisu u korelaciji sa IT špijunažom.
Prema Nolanu (2001., p. 213-216.), kada se PI i DPI integriraju u jedinstven model rezultati
mogu biti impresivni, a model takve integracije prikazuje slika 13. Integracija se očituje kroz
tri elementa: prvi i osnovni element koji ujedno predstavlja početnu i krajnju točku jest
menadžment odnosno donositelji strategije i najvažnijih odluka. Druga su dva integrirajuća
elementa izrada analiza i njihova distribucija krajnjim korisnicima.
61
Istraživanje je provedeno na uzorku od 3.080 kanadskih visokotehnološki razvijenih poduzeća od kojih se
dobilo 1.025 odgovora što predstavlja odziv od 33%.
62
Istraživanje je provedeno 1999. godine na poduzećima iz grupe Fortune 1000.
63
ASIS predstavlja akronim od American Society for Industrial Security , odnosno američko udruženje za
industrijsku sigurnost.
64
Ovim su istraživanjem obuhvaćene institicije vlade SAD, organizacije iz obrambene sfere, te financijskih i
zdrastvenih usluga. Iz navedenih se baza generirao 41 slučaj, a kanoničkom su analizom ukupno obrađena 62
slučaja.
77
Slika 13. Integralni model zaštite poslovne inteligencije
Izvor: Nolan, J.A.: Intelligence and Security in Business, in Miller, J.: Millenium Intelligence: Understanding
and Conductiong Competitive Intelligence in the Digital Age, CyberAge Books, New Jersey, 2001., p.
213.
Barrier (2004., p. 54.) navodi rezultate istraživanja65 prema kojem se 30% ispitanika izjasnilo
kako njihovo poduzeće ne provodi nikakve mjere zaštite trgovinskih tajni. Isto je istraživanje
pokazalo kako su dva najčešća načina zaštite: potpisivanje dokumenta o zašititi podataka
(engl. Nondisclosure agreement) i dokument kojim se uposlenik obvezuje da neće preći raditi
u konkurentsko poduzeće (engl. Noncompete agreement). Bernhardt (2003., p. 90-93.)
preporučuje preventivne mjere koje bi se mogle primijeniti u većini poduzeća: edukacija
zaposlenika (kako bi na vrijeme prepoznali prijetnje), obrambene mjere (identifikacija
mogućih prijetnji među zaposlenicima), mjere tehničkog nadzora (služe identifikaciji ilegalno
postavljenih uređaja) te testiranje penetracije (ocjena ranjivosti sigurnosnih sustava).
65
Society for Human Resource Management je tijekom ožujka 2004. proveo istraživanje na uzorku od 247 HR
profesionalaca.
78
1.3.5. Budućnost poslovne inteligencije
Današnje uvjete poslovanja karakteriziraju neizvjesnost, nepredvidivost te nesigurnost, a
globalne pokazatelje međunarodnog monetarnog fonda (engl. International Monetary Fund)
prikazuje graf broj 2.
Upravo zbog navedenih okolnosti Ranjan (2009., p. 63.) predviđa rast potrebe za BI
analizama u realnom vremenu (engl. Real time) ili blizu realnog vremena (engl. Near real
time), odnosno očekuje rast potreba za ažuriranim informacijama, slično kao na burzama za
koje će korisnici očekivati da ih dobiju s klikom ili dva miša. Ovo će se odraziti na smanjenje
potrebama za tjednim ili mjesečnim izvještajima.
makroekonomski
rizik
10
8
monetarni i
financijski rizik
6
rizik novih tržišta
4
2
tra.07
0
lis.08
potreba za rizikom
kreditni rizik
tržišni i rizik
likvidnosti
Graf 2. Promjene u globalnom okruženju
Izvor: International Monetary Fund: Global Financial Stability Report in: Hostman, B.: Future Scenarios for the
Five Key Business Intelligence and Information Management Initiatives, Gartner Business Intelligence
Summit, march 9-11, 2009., p.2.
Watson (2009., p. 499-503.) predviđa četiri trenda:
skalabilnost, koja označava sposobnost BI-a u rukovanju velikih količina podataka,
većeg broja korisnika, složenijih upita (engl. Query) bez smanjenja performansi i
djelotvornosti sistema;
79
sveprožimajući
(engl.
Pervasive)
BI,
pod
čime
podrazumijeva
svojevrsnu
demokratizaciju BI-a za široku skupinu korisnika, ne samo unutar organizacije već to
predviđa i za tvrtkine kupce i dobavljače. Izazovi koji se u tom smislu postavljaju jesu
vrijeme, cijena, kompleksnost izbora, nabava te implementacija;
operacijski BI, napretkom tehnologije aktualne se operacije ne moraju samo
nadgledati, na njih se može utjecati korištenjem realnih podataka tako da on
upotrebljava termin skladište podataka u realnom vremenu (engl. Real time Data
Warehouse);
organizacija na temeljima BI-a (engl. BI-based organization), prateći razvoj BI-a
može se reći da je od nečega poželjnog (engl. Nice to have) postao uvjet
konkurentnosti (Davenport, 2006.), nešto bez čega poduzeće ne bi moglo funkcionirati
u budućnost.
Poslovna je inteligencija trebala izaći iz područja povijesnih analiza i usmjeriti se prema
budućnost, pa se može reći da se od nje očekuje prediktivnost i proaktivnost (Panian, 2007., p.
49.). Pod prediktivnošću podrazumijeva mogućnost predviđanja budućih događaja, stanja,
promjena ili procesa, dok proaktivnost znači mogućnost osmišljavanja, pripremanja i
poduzimanja akcija primjerenih anticipiranim događajima, stanjima, promjenama i procesima.
Kada informacija o nekom zbivanju dođe do skladišta podataka, upozorenje o tome prenosi se
do korisnika putem različitih vrsta mehanizama, što Liautaud i Hammond (2006., p. 96.)
nazivaju proaktivnom inteligencijom.
Rudarenje podataka, statističke analize i prediktivna analitika nisu ništa novo, međutim, ono
što ih je promijenilo jest način kako su integrirani u BI jer je menadžment prepoznao koliko
se široko mogu primjenjivati ove analize (Howson, 2008., p. 204-205.). Tradicionalni su
izvještaji pomagali shvatiti što se dogodilo i donekle zašto se to dogodilo. Rudarenje
podacima identificiralo je uzorke i trendove u podacima kako bi se moglo predvidjeti što će se
dogoditi, dok napredna analitika pruža širi kontekstualni uvid i interpretaciju koje izravno
vode prema specifičnim akcijama (La Grouw, 2008., p. 258.).
Hedin et al. (2011., p. 223-236.) temeljem rezultata svojeg istraživanje prezentirali su MI
trendove do 2015. godine:
iz perspektive lanca vrijednosti kupci, konzumenti i konkurenti će i dalje biti u
primarnom fokusu intelligence aktivnosti;
upravljanje rizikom i risk intelligence postaju važna područja unutar MI-a;
80
tržišta u nastajanju predstavljaju najveće prilike stoga će biti ciljevi povećane
intelligence aktivnosti;
sukreacija u intelligence aktivnostima podrazumijeva zajednički rad MI profesionalaca
i donositelja odluka;
kvalitetnija integracija MI u poslovni proces i u proces donošenja odluka pod čime se
podrazumijeva bolje razumijevanje poslovanja i korporativnih strategija i ciljeva od
strane MI profesionalaca, ali istovremeno se podrazumijeva da donositelji odluka
trebaju razumjeti način funkcioniranja MI-a te im omogućiti šire vidike unutar polja
interesa za određenim informacijama;
budući MI outputi trebaju imati povećanu razinu analize i dubljeg uvida, lakšu
pristupačnost (on-line), poboljšanu vizualizaciju te povećanu orijentiranost prema
budućnosti. Za očekivati je veći udio scenario analiza, ratnih radionica (engl. war
gaming workshop), razvijanja različitih varijanti mogućih ishoda, personalizirane
intelligence uratke i sl.;
razvoj sistema ranog upozoravanja;
prepoznata su četiri trenda preferiranja informacija:
o stvarno jednostavne vijesti (engl. Really Simple Syndication – RSS) za
individualne korisnike,
o unošenje informacija s Googlea ili nekog drugog izvora otvorenog tipa,
o korištenje pametnih telefona za MI potrebe,
o korištenje video materijala za MI potrebe;
osim navedenih kanala očekuje se daljnji razvoj umjetne inteligencije (AI) i alata za
obradu teksta te geografskog informacijskog sistema (engl. Geographical Information
System – GIS);
u organizacijskom smislu očekivanja su podijeljena s obzirom da dio sudionika
očekuje povećanu centralizaciju (u MI smislu), dok drugi očekuju suprotno;
izmještanje (engl. Outsourcing) netemeljnih MI aktivnosti izvan organizacije;
naglašeniji interni marketing i podrška vrhovnog menadžmenta MI aktivnostima.
81
1.4.
Evaluacija poslovne inteligencije
1.4.1. Mjerenje poslovne inteligencije
Potreba mjerenja poslovne inteligencije proizlazi iz same činjenice da menadžment treba znati
doprinos svakog poslovnog elementa, procesa, aktivnosti ili funkcije ukupnom rezultatu, bez
obzira je li riječ o opipljivom ili neopipljivom učinku. Upravo zbog specifičnosti područja
mjerenja, u literaturi postoji širok spektar razmišljanja, sugestija i prijedloga. Stubs (2011., p.
100.) smatra kako je vrijednost stvorena jedino onda kada je poduzeta akcija, a ne kada se
stekao uvid. Lonnqvist i Pirttimaki (2006., p. 33.) navode kako su dva osnovna razloga
mjerenja PI-a: određivanje same vrijednosti poslovne inteligencije (odnosno vidjeti je li
vrijedna investicije) i upravljanje njezinim procesom. Kahaner (1996., p. 230-231.) tvrdi kako
je utjecaj intelligence operacija indirektan te da nema jednostavne korelacije između prihoda i
novca potrošenog za aktivnosti PI66, ali isto tako postavlja obrnuto pitanje: koliko poduzeće
gubi ne primjenjujući PI? Simon (GIA, 2004., p. 5.) slično kaže jer smatra kako je teško
izmjeriti izravnu novčanu dobit, što govori i Pirttimaki (2007., p. 77.). Ona kaže da mjerenje
izravne financijske dobiti od PI predstavlja težak zadatak zbog neopipljive prirode PI
aktivnosti i njezinih rezultata, te zbog činjenice da se realizirana dobit odnosno koristi
disperziraju kroz cijelo poduzeće. Simon (1998., prema GIA, 2004., p. 6.) u svojem
razmatranju dijeli mjere na tvrde i meke, gdje pod tvrdim mjerama podrazumijeva standardne
mjere organizacijskih procesa izražene kroz vrijeme, novac i kvalitetu. Meke mjere
predstavljaju subjektivne pokazatelje poput radne atmosfere, navika, osjećaja i sl.
Vrijednost poslovne inteligencije Mohanty (2008., p. 22.) razmatra u kontekstu informacijske
agilnosti koju smatra ključnom za postizanje poslovne agilnost, tako da je, po njemu, pravo
pitanje kako izračunati informacijsku agilnost. Najvažnijim faktorom po kojem se razlikuju
agilna poduzeća od svoje konkurencije jest sposobnost donošenja informiranih odluka.
Buchda (2007., p. 34-40.) u svojoj analizi navodi tri rana primjera mjerenja poslovne
inteligencije: Herring, 1996; Davidson, 2001; McGonagle i Vella, 2002. Temeljem svojih
istraživanja Herring navodi četiri mjere efikasnosti (engl. Measures of Effectiveness – MOE):
ušteda vremena, izbjegavanje troškova, uštede na troškovima te unaprjeđenje prihoda. Iako je
prijedlog zanimljiv, nije jasno kako bi se ovi pokazatelji trebali mjeriti. Prema McGonagle i
66
Kahaner slikovito kaže kako je pokušaj kvantificiranja izravnog efekta od PI jednak kao da neki grad pokuša
kvantificirati povrat koji dobiva jer ima izvrsne škole, bolnice, vatrogasce, policiju i sl.
82
Vella (2002., prema Buchda, 2007., p. 35.), The Future Group identificirali su najčešće mjere
efikasnosti: poduzete akcije (67%), promjene tržišnog udjela (49%), realizacija financijskih
ciljeva (49%), te razvoj novih proizvoda (44%).
Davidson (2001.) predlaže model povrata na investicije kompetitivne inteligencije (engl.
Return on Competitive Intelligence Investment – ROCII) za specifičan projekt razlikujući pri
tome strateške rezultate (omjer točnog predviđanja, ispunjavanje ciljeva te mjerenje
zadovoljstva: ukupnog, kvalitetom, relevantnošću, pravovremenošću, preciznošću i uvidom) i
operativne rezultate (ocjena inkrementalne vrijednosti, mjerenje faktora rizika, ispunjenje
ciljeva, mjerenje zadovoljstva). Temeljem navedenoga predlaže formulu:
=
č + (š)
š
U navedenoj formuli (i njezinom objašnjenju) ostalo je nedorečeno na koji bi se način trebalo
precizno razdvojiti strateški i taktički element. Sawka (2000., p. 1-4.) kaže da poslovodstvo
traži konkretne i mjerljive koristi od PI kao dokaz njene vrijednosti te smatra kako je najbolje
mjerenje njezine korisnosti kroz evaluaciju doprinosa pojedinoj odluci te posljedičnoj analizi
koristi koje je kompanija imala od te odluke. U svojoj analizi predlaže četiri vrste mjerenja:
izbjegavanje troška - poslovna inteligencija može imati mjerljiv utjecaj na
izbjegavanje nepotrebnih troškova u području kapitalnih investicija, razvoja proizvoda
te razvoja tržišta;
poboljšanje prihoda - pokazati u kojoj mjeri aktivnosti PI pridonose povećanju
prihoda;
povećanje investicija67 - investicije bi trebale ostvariti veći povrat kada su inputi
poslovne inteligencije uključeni u donošenje odluka. Potrebno je izmjeriti povećani
povrat koji je nastao kao rezultat aktivnog korištenja PI;
stvaranje vrijednosti - može se mjeriti na različite načine, a Sawka ovdje sugerira PI
menadžerima da analiziraju sve mjere kako bi pronašli one gdje PI ima ili će imati
potencijalni doprinos, npr. zadovoljstvo zaposlenika ili kupaca.
67
Sawka priznaje kako je posljednje dvije mjere, povećanje investicija i stvaranje vrijednosti teže kvantificirati.
83
Marin i Poulter (2004., p. 202-203.) navode kako većina poduzeća još nije pronašla adekvatan
način mjerenja svojih PI aktivnosti. Moss i Atre (2003., p. 37-40.) priznaju kako je teško
pokazati adekvatan ROI, međutim smatraju kako je potrebno analizom informacija u PI
okruženju pokazati koliko poduzeće može učinkovitije djelovati i prilagoditi se na rastuće
tržišne promjene. Drže kako sve inicijative poslovne inteligencije pridonose barem u jednoj
od sljedećih kategorija:
porast prihoda - identifikacija novih tržišta ili niša, efikasnija prodaja, brže
prepoznavanje novih mogućnosti, brži izlazak na tržište;
porast prihoda - bolje ciljana promotivna populacija, rano upozorenje o padajućem
tržištu, identifikacija lošijih proizvodnih linija ili proizvoda, identifikacija internih
nedjelotvornosti, učinkovitije upravljanje proizvodima;
poboljšanje kupčeva zadovoljstva - unaprijeđeno razumijevanja kupčevih preferencija,
unaprijeđenje proizvoda po kupčevim očekivanjima, prodaja dodatnog proizvoda
postojećem kupcu, ponovljena prodaja, brže reagiranje na kupčeve žalbe;
povećanje ušteda - smanjenje izgubljenih ili otpisanih proizvoda, reduciranje zahtjeva
za prilagođenim izvještavanjima;
povećanje tržišnog udjela - povećanje broja kupaca koji su prešli od konkurencije,
zadržavanje ili povećanje stope zadržavanja kupaca u odnosu na prethodno razdoblje
ili na konkurenciju.
Williams i Williams (2003., p. 3.) kažu kako investicija u PI treba kreirati određenu imovinu
koja će se koristiti za generiranje dodanog novčanog toka. Slikovito pojašnjavaju svoj stav
navodeći primjer kako investicija u PI koja će unaprijediti predviđanje neće donijeti dodanu
vrijednost ako se to predviđanje ne iskoristi u operativnim procesima što bi, posljedično,
trebalo rezultirati u opipljivim ekonomskim koristima. Temeljem ovakvog pristupa razlučuju
dvije opcije gdje PI pridonosi poslovnoj vrijednosti: unapređenjem upravljačkih procesa
(planiranje, kontroling, monitoring, mjerenja), te unapređenjem operativnih procesa (detekcija
prevara, promotivne kampanje, procesuiranje narudžbi, nabavljanje, procesiuranje plaćanja...).
Naime, poslovna vrijednost PI leži u njezinom korištenju u upravljačkim procesima koji
utječu na operativne procese kroz povećanje prihoda ili smanjenje troškova, ili u njezinom
izravnom korištenju u operativnim procesima. Iako potvrđuju (Williams i Williams, 2007., p.
21-22.) kako je ROI analiza ključna komponenta poslovnih analiza, ipak predlažu širu
analitičku perspektivu koja bi se trebala sastojati od:
84
oportunitetne analize PI - kombiniranjem analize okruženja, industrijske analize i
ocjenom strategije sa sveobuhvatnom procjenom kako bi se PI trebala koristiti da
omogući provedbu te strategije i podrži ključne poslovne procese;
ocjene spremnosti PI - riječ je o ocjeni organizacijske, poslovne i tehničke spremnosti
za dostavu podataka u sistem PI. Također je potrebno procijeniti kulturu odlučivanja,
spremnost prema promjenama te mogućnosti upravljanja promjenama, jer sve to utječe
na korištenje poslovne inteligencije;
inženjeringa procesa - riječ je o vrednovanju korištenja pojedinih aplikacija PI u
kontekstu upravljačkih ili operativnih procesa;
ROI analize - korištenje procjene troškova i diskontinuiranog novčanog toka za
procjenu neto sadašnje vrijednosti investicije u PI inicijative;
upravljanja promjenama - temeljem ocjena procesnog reinženjeringa potrebno je
utvrditi potrebni stupanj traženih promjena, vještina i nužnog osposobljavanja.
Smatraju kako upravo inženjering procesa i upravljanje promjenama identificiraju ključne
poslovne aktivnosti koje je potrebno urediti kako bi investicije u PI kreirale poslovnu
vrijednost. Poduzeća kod kojih su učinkovitiji business/IT odnosi polučuju bolje rezultate
investicija u poslovnu inteligenciju (Williams i Williams, 2007., p. 23.). Panian i sur. (2007.,
p. 188-189.) navode tri aplikacije u cjelokupnom portfelju aplikacija poslovne inteligencije
koje su usmjerene povećanju uspješnosti poslovanja: uravnotežene poredbene tablice rezultata
poslovanja koje podržavaju proces upravljanja poslovanjem, analitiku klijenata koja podržava
proces stvaranja prihoda tvrtke, te alati za upravljanje opskrbnim lancem koji podržavaju
operativne procese u sveukupnom opskrbnom lancu. Svaka od navedenih aplikacija ima
potencijal unaprijeđenja rezultata poslovanja u nekom segmentu.
U kontekstu mjerenja BI performansi Lonnqvist i Pirttimaki (2006., p. 36.) navode primjer
tablice uravnoteženih rezultata (BSC) te prizme performansi koja se sastoji od pet aspekata:
zadovoljstvo dionika, njihov doprinos, strategije, procesi i mogućnosti. Osnovna ideja prizme
performansi jest stvaranje okvira koji treba usmjeriti pažnju menadžmenta prema onome što
je važno za dugoročni uspjeh te pomoći organizacijama u dizajniranju, izgradnji i održavanju
sistema mjerenja performansi. Ovaj pristup koriste prema PI procesima kroz četiri koraka:
zadovoljstvo i doprinos korisnika PI, strategija PI, PI proces te mogućnosti. Blenkhorn i
Fleisher (2007., p. 10-22.) navode specifičnosti mjerenja performansi kod poslovne
inteligencije:
85
varijabilnost svojstvena ukupnom strateškom procesu u kojem PI predstavlja sastavni
dio - mnoge studije iz područja strategije nisu uspjele raspodijeliti koristi koje su
postignute zahvaljujući strategiji, industriji ili uvjetima;
nedostatak strateških alata u PI - PI ne mora nužno biti dio najaktivnijih ili
najsnažnijih korisnika planiranja, budžetiranja ili drugih upravljačkih informacijskih
alata u usporedbi s drugim organizacijskim funkcijama;
često postojanje nejasnih veza PI s ostatkom organizacije - teško je razlučiti koje su
koristi ostvarene prvenstvo/djelom/jedino uz pomoć PI;
kvantitativni pokazatelji često mogu biti loši indikatori performansi PI - može (ali i ne
mora) biti opipljive poveznice između broja produciranih izvještaja, datih preporuka,
potrošenog novca ili broja usluženih klijenata;
često je loša komunikacija kvalitativnih podataka unutar PI funkcije.
Njihovo je istraživanje68 pokazalo da veliki problem predstavlja izbor varijabli koje bi se
trebale koristiti u ROI kalkulaciji za PI, tako da smatraju kako je ovaj pokazatelj u najboljem
slučaju nedovoljan, a u najgorem neprimjeren.
Elbashir et al. (2008., p. 135-153.) pristupili su ovoj problematici kao IT sistemu te su razvili
mjerni model temeljen na razumijevanju karakteristika sistema poslovne inteligencije.
Testiranje69 su izvršili kroz ispitivanje odnosa procesnih i organizacijskih performansi. PI
sistem definirali su kao sistem za prikupljanje podataka i izvještavanje koji pruža
menadžerima na različitim razinama pravovremene, relevantne i iskoristljivije informacije za
lakše donošenje odluka. Taj se sistem sastoji od querry analiza i izvještavanja (OLAP, alati
rudarenja podacima, statističke analize, predviđanje, kontrolne ploče) te specijaliziranih baza
podataka (skladište podataka i spremište podataka). Organizacijske su performanse
konstruirali pomoću: povećanje prihoda, sniženje prodajnih troškova, povećanje geografske
distribucije
prodaje,
poboljšanje
profitne
marže,
povećanje
ROI-a,
unaprijeđenje
konkurentskih prednosti. Procesne su performanse konstruirali kroz tri dimenzije: odnosi s
dobavljačima (unapređena suradnja, sniženje troškova međusobnih transakcija, unapređenje
odgovornosti, povećanje broja obrtaja zaliha te sniženje zaliha), klijentska inteligencija
(sniženje troškova povrata, sniženje marketinških troškova, skraćenje vremena plasmana
proizvoda na tržište) i efikasnosti internih procesa (unapređenje efikasnosti internih procesa,
68
Istraživanjem (radionice i grupne diskusije) obuhvaćena su 103 PI profesionalca iz poduzeća čiji je godišnji
prihod veći od 100 mil. USD.
69
Ciljani uzorak predstavljali su menadžeri (1873) iz 612 poduzeća koji koriste PI softver. Istraživanju je
pristupilo 419 menadžera iz 212 poduzeća, što predstavlja odziv od 22%.
86
povećanje radne produktivnosti, smanjenje troškova efikasnog odlučivanja, sniženje
operativnih troškova). U modelu su predviđene dvije kontrolne varijable koje se nisu pokazale
značajnima: veličina poduzeća te vrijeme proteklo od usvajanja. Rezultati su potvrdili
značajnu vezu između procesnih i organizacijskih performansi za uslužne (financijske,
konzalting) i neuslužne (trgovina i maloprodaja, te proizvodnja) sektore, međutim, razlika se
pojavila kod industrija tako da se kod neuslužne industrije pokazala snažnija veza između
analiziranih performansi. Zaključno se može reći kako neuslužni sektor bolje pretvara
procesne u organizacijske performanse, za što autori nalaze potporu u elementu odnosa s
dobavljačima.
Cohen (2009., p. 62-74.) smatra kako se umjesto odnosa intelligence prakse i performansi
poduzeća treba uspostaviti odnos između performansi intelligencea i performansi poduzeća. U
svojem modelu polazi od IS-a kojega prilagođava poslovnoj inteligenciji te predlaže
razmatranje četiri elementa;
1. različiti tipovi mjera ili kategorija - ova se skupina može podijeliti u tri grupe:
tehničku (fokus je na mjerenju alata), ekonomsku (mjere se troškovi, efikasnost i
efektivnost), te organizacijsku (zadovoljstvo korisnika);
2. različiti objekti mjerenja - temeljem prethodno navedenih mjera ovdje se navode
varijable: resursi korišteni u aktivnostima sistema PI (iz tehničke perspektive mjerenja
ovi resursi mogu biti financijski, organizacijski, tehnički, ljudski ili procesni),
kvaliteta informacije (informativna, anticipativna, te analitička), korišteni procesi (što
je korišteno i pod kakvim uvjetima?), te rezultati samog sistema (je li korištenje
polučilo mjerljive koristi, niže troškove, povećanu prodaju, više inovacija, bolji
financijski rezultat i sl.);
3. prethodni izbori koncepta mjerenja;
4. problemi povezani s konceptom mjerenja.
Četiri elementa iz druge točke čine okosnicu modela utjecaja učinkovitosti PI na
organizacijske performanse. Boyer et al. (2010., p. 3.) smatraju kako PI daje veću vrijednost
poduzeću na tri načina: (1) smanjuje ukupnu cijenu vlasništva (TCO) za IT te povećava ROI
za softver i hardver, (2) kroz svoju strukturu osigurava širok spektar ažurnih informacija za
odlučivanje što utječe na produktivnost i učinkovitost, (3) uspješna PI povećava razinu
suradnje kroz čitavo poduzeće te utječe na bolje korištenje resursa. Analizirajući vrijednost
poslovne analitike Stubs (2011., p. 115-130.) objašnjava opipljivu korist kao povrat koji se
87
izravno može preslikati na neku od formi ekonomskog povrata za razliku od neopipljive
koristi koja stvara povrat koji je teško, a često i nemoguće za izračunati. Primjeri opipljive
koristi jesu: rast prihoda, smanjenje troškova, rast profitabilnosti, poboljšanje likvidnosti,
smanjenje sumnjivih i spornih potraživanja, dok su neopipljive: osobna ušteda vremena i
unapređenje produktivnosti, strateški uvid, smanjenje neizvjesnosti, brži bolje odlučivanje, te
više pouzdanih podataka. Stubs predlaže (2011., p. 248-259.) okvir unutar kojega
menadžment bira najzanimljivije pokazatelje u zavisnosti od ciljeva, strategija, okolnosti,
potreba, a koji obuhvaća:
poslovne mjere - koje omogućuju usporedivost, a predstavljaju ih financijski
(osiguravaju menadžmentu kvantificiranje opipljivih vrijednosti imovine koju su
stvorili) i analitički pokazatelji (predstavljaju neekonomske mjere koje su često
usklađene s ključnim pokazateljima, a prvenstveno se odnose na pokazatelje
operativnih aktivnosti);
analitičke mjere - čiji je fokus na kvaliteti stvorene imovine, a najčešće su to mjere
točnosti, unapređenja ili devijacija;
tehničke mjere - koje pomažu u identifikaciji kako se promatrani procesi i tehnologije
mogu optimalizirati.
Hedin et al. (2011., p. 16.) kažu kako je utjecaj MI na kvalitetu donošenja odluka teško
kvantificirati, međutim efikasnost intelligence programa se može lakše izmjeriti kroz vrijeme
i novac. Novije istraživanje70 koje su proveli Vierkorn et al. (2010.) pokazalo je da trećina
ispitanih poduzeća (34%) uopće ne mjeri uspješnost investicije poslovne inteligencije, dok ih
manje od trećine (31%) to radi određenom kombinacijom kvalitativnih i kvantitativnih
mjerenja. Miller (2009) razlikuje ROI za PI projekt od kvalitete poslovne inteligencije koja je
determinirana ocjenama: korektnosti i integriteta podataka, pretvorbom podataka u korisne
informacije, brzinom i formatom dostave te zadovoljstvom krajnjeg korisnika. Popovič et al.
(2010., p. 5-29.) kažu kako se indirektne koristi od PI sistema poput veće kvalitete
informacija ili dostizanje ciljeva unapređenja kvalitete ne mogu zanemariti, dok se prava
vrijednost krije u unapređenju poslovnih procesa te samim time i unapređenju performansi. U
ocjeni koristi autori polaze od IT perspektive te smatraju da zrelost PI pojedine tvrtke
podrazumijeva sposobnost PI sistema da pruži kvalitetnu informaciju i sposobnost korištenja
te informacije u unapređenju poslovnih performansi. U procjeni vrijednosti PI sustava njihov
70
Istraživanje je provedeno na uzorku od 402 sudionika ( 79% iz Eurpope, a 17% iz Sjeverne Amerike), 25% je
proizvodnih poduzeća, 24% iz područja IT-a, te 13% iz financijskog sektora.
88
model polazi od navedene definicije te ključnim smatraju definiranje elemenata koji
omogućuju lakše korištenje kvalitetnih informacija pruženih od strane PI. U navedenome
smislu
predlažu
mjerenje
strateškog
usklađenja,
kulture
kontinuiranog
procesnog
unapređenja, kulture korištenja informacija i analiza, upravljanja odlučivanjem te suradnje
business/ IT. Hočevar i Jaklič (2010., p. 99.) tvrde da je mjerenje koristi od PI veći problem
nego što je mjerenje troškova te navode najčešće korištene modele: ROI, neto sadašnja
vrijednost (NPV), analiza troška i koristi, ukupna cijena vlasništva (engl. Total Cost of
Ownership – TCO), studija slučaja, subjektivna evaluacija. Temeljem svojeg istraživanja
studija slučaja za ocjenu isplativosti/korisnosti OLAP alata primijenili su pokazatelje strateške
analize uzročno-posljedičnih odnosa.
U kontekstu mjerenja poslovne inteligencije modeli zrelosti predstavljaju zanimljiv pokazatelj
implementacije, kompletiranosti, učinkovitosti, upravljivosti i korisnosti, te će se u nastavku
prikazati četiri modela. Jedan od prvih pokušaja bio je kada su Watson et al. (2001., p. 42-50.)
razvili model zrelosti za skladište podataka koji se sastojao od tri razine (uvođenja, rasta i
zrelosti) te devet specifičnih dimenzija (troškova i koristi, organizacijskog utjecaja, korištenja
skladišta, utjecaja na sposobnosti korisnika, korisnika skladišta podataka, osoblja, stabilnosti
proizvodnog okruženja, arhitekture, te podataka). Williams i Williams (2007., p. 47. i 98.)
navode tri ključna faktora koji pokrivaju sedam BI elemenata koji utječu na ROI:
sposobnost usklađenja i vodstva - strateško usklađenje, partnerstvo PI i poslovanja,
upravljanje portfoliom PI;
sposobnost korištenja - kultura kontinuiranog procesnog unapređenja, kultura
korištenja informacija i analitike, kultura procesnog odlučivanja;
sposobnost dostava - tehnička spremnost poslovne inteligencije i skladišta podataka.
Njihov model puta PI (engl. Business Intelligence Pathway) sastoji se od tri faze:
informacijski fokus prve faze jest odgovor na pitanje što (korisnici žele), a
karakteristično jest da se informacije koriste kao prije implementacije PI, dok se
određeni pomaci vide u njihovom bržem dobivanju;
u drugoj fazi poduzeća počinju shvaćati ulogu informacija te se prethodno pitanje što
nadopunjuje sa zašto, tko, gdje, kako;
finalna faza zrelosti gdje su svi dijelovi poduzeća uključeni u organizacijske promjene.
Ako se uistinu želi ostvariti puni potencijal PI tvrtke trebaju biti spremne redefinirati
89
ulogu informacija, promijeniti način i logiku potražnje za informacijama te promijeniti
način njihove upotrebe.
IDC (Vesset et al., 2008.) kreirali su model prožimajuće71 poslovne inteligencije te ga
testirali72 u praksi. Prožimajuća PI rezultira kada se organizacijska kultura, poslovni procesi i
tehnologije dizajnirani i implementirani sa ciljem unapređenja strateških i operativnih
mogućnosti odlučivanja širokog spektra internih i vanjskih zainteresiranih sudionika. U
njihovom se modelu definira:
šest pokazatelja prožimajuće PI (zavisnih varijabli): stupanj unutrašnjeg korištenja,
stupanj vanjskog korištenja, broj domena, frekvencija ažuriranja podataka te
analitička orijentiranost;
pet ključnih faktora koji imaju najveći utjecaj na ispunjavajuću PI (nezavisnih
varijabli);
stupanj
treninga,
kvaliteta
dizajna,
prominencija
upravljanja
performansama te prominencija vođenja.
TDWI model (Eckerson, 2007.) fokusiran je na tehnički aspekt te se zrelost ocjenjuje u osam
elemenata: opsega, sponzorstva, financiranja, vrijednosti, arhitekture, podataka, razvoja i
dostave. Model se sastoji od pet faza i dviju prepreka, što je prikazano na slici 14.
Slika 14. TDWI Model zrelosti poslovne inteligencije
Izvor: Eckerson, W.W.: TDWI's Maturity Model, TDWI Research, Jully 2007., p. 4.
71
72
Engl. Pervasive
Istraživanje je napravljeno na uzorku od 1.141 poduzeća iz 11 zemalja.
90
U ovom je modelu potrebno naglasiti dvije prepreke. Zaljev se javlja između druge i treće
faze i karakterizira ga kombinacija lošeg planiranja, problemi kvalitete podataka, percepcija
menadžmenta, financiranje te unutarnji otpori. Ponor se javlja između četvrte i pete faze te je
dosta ozbiljniji i složeniji nego prije navedeni. Naime, ovdje se javljaju problemi volatilnosti
poslovanja (agilni procesi, fleksibilna arhitektura te usklađenje business/IT odnosa koji su
ključni za rješavanje volatilnosti), semantičke standardizacije (svaki odjeljak gleda svijet
svojim očima tako da su usklađenja i dogovori nužni), tranzicija prema korporativnom IT
(kulturološko i organizacijsko usklađenja IT-a i poslovanja su neizostavni), izvještajni kaos
(samoposluživanje izvještavanja vodi u kaos, stoga je potrebno kreirati standardan set
izvještaja i izgleda upravljačkih ploča) te izbjegavanje nefleksibilnosti arhitekture.
Graf 3. predstavlja korelaciju između indeksa zrelosti tržišne inteligencije i učinkovitosti
odlučivanja prema istraživanju koje su proveli Hedin et al., (2011.). Njihovi su rezultati
pokazali jaku i statistički značajnu korelaciju između percipiriane kvalitete odlučivanja i
indeksa zrelosti tržišne inteligencije.
5
4
3
2
1
1
2
3
4
5
Zrelost tržišne inteligencije
Graf 3. Korelacija zrelosti tržišne inteligencije i učinkovitosti odlučivanja
Izvor: Hedin, H., Hirvensalo, I., Vaarnas, M.: The Handbook of Market Intelligence, John Wiley & Sons,
Chichester, 2011., p. 33.
91
Istraživanjem73 deset modela zrelosti Lahrmann et al. (2010.) utvrdili su kako je samo jedan
utemeljen na teoriji te generalno zaključuju kako su poveznice između strategije poslovne
inteligencije, njezine zrelosti te organizacijskog uspjeha još uvijek nejasne. Howson (2008., p.
58.) je temeljem svojeg istraživanja74 o mjerenju uspjeha PI zaključila kako su najčešći
pokazatelji: unaprijeđenje poslovnih performansi (70%); bolji pristup podacima (68%);
podrška ključnih dionika (53%); percepcija korisnika o kritičnosti misije (50%); ROI (43%);
postotak aktivnih korisnika (31%); uštede troškova (31%).
Rezultati istraživanja75 (TDWI, 2011; 2012.) uspješnosti poslovne inteligencije provedenih
2011. i 2012. godine prikazani su i uspoređeni u tablici 5.
Tablica 5. Rezultati istraživanja uspješnosti poslovne inteligencije
U koliko je vremena posljednja BI investicija vratila pozitivan rezultat?
2010
2011
2012
Manje od 6 mjeseci
13%
16%
18%
Od 6 mjeseci do godine dana
22%
23%
22%
Između godinu i dvije dana
17%
17%
15%
Između dvije i tri godine
4%
8%
6%
Preko 3 godine
2%
4%
1%
Ne računaju povrat
41%
32%
38%
Visoko
22%
24%
28%
Umjereno
64%
59%
59%
Niska
14%
18%
13%
Koliko smatrate Vaše BI inicijative uspješne?
Izvor: prema TDWI Report: 2011 TDWI BI Benchmark Report – Organizational and Performance Metrics for
Business Intelligence Teams, p. 10-11. i TDWI Report: 2012 TDWI BI Benchmark Report –
Organizational and Performance Metrics for Business Intelligence Teams, p. 10.
73
Istraživanje je provedeno analizom 24 znanstvena časopisa.
Cf. p. 52.
75
Istraživanja su provedena na uzorku od 160 (2011.), odnosno 410 (2012.) profesionalaca poslovne
inteligencije.
74
92
Iz prikazanih se rezultata može zaključiti kako se percepcija visoke uspješnosti povećava iz
godine u godinu, dok je umjerena uspješnost (uz vidljivu mogućnost napretka) relativno
konstantna. Osim rasta povrata BI incijativa unutar šest mjeseci, zbirni pokazatelji za povrat u
roku dvije godine također su u blagom porastu (sa 52% na 56%).
1.4.2. Provedena istraživanja u Hrvatskoj
U Hrvatskoj, prema spoznajama autora napravljeno je pet istraživanja o poslovnoj
inteligenciji, te se u nastavku navode pojedinačne karakteristike svakog od njih. Ćurko (2002.,
p. 63-75.) je istraživala76 korištenja alata i tehnologija PI (skladište podataka, OLAP i
rudarenje podacima) među najvećim hrvatskim poduzećima. Rezultati njezinog istraživanja
pokazali su da je većina ispitanika (oko 80%) upoznata s terminom skladišta podataka, te su
samo ti ispitanici odgovarali na upitnik. Nadalje, 35% ispitanika koristi dok ih 11% razvija
skladište podataka, što autor drži zadovoljavajućim (ukupno 46%) ako usporedimo s
podacima Cutter Information Corp. iz 1999. godine prema kojima su ti pokazatelji na
svjetskoj razini između 65% i 70%. Inicijative za DW projekat većinom su došle iz IS odjela
(61%) odnosno rukovodstva poduzeća (30%). Najveći razlog za uvođenje ovog projekta jest
smanjenje vremena potrebnog za pronalaženje, pristup i analizu podataka (80%), a najveći
korisnici su: operativni menadžment (63%) i top menadžment (53%). Pokazalo se da se
OLAP alati koriste samo u 18% poduzeća, što je začuđujuće s obzirom da su ove dvije
tehnologije komplementarne pa je bilo za očekivati veću uporabu. Alati rudarenja podacima
koriste se samo u 6% poduzeća, dok ih 25% to planira. Začuđujuće se također pokazalo da
38% voditelja IS službi ne zna za OLAP alate, a otprilike polovica ih nije upoznato sa
pojmom rudarenja podacima.
Pejić Bach et al. (2007., p. 243-248.) istraživali77 su utjecaj i implementaciju alata poslovne
inteligencije u hrvatskim bankama. Definirajući alate PI (query i analize, OLAP, integrirana
analitika, vizualizacija, rudarenje podacima te skladište podataka) u svom su se istraživanju
usredotočili na posljednja dva navedena kao najkorištenija u bankarskoj industriji. Prema
76
Istraživanje je napravljeno između svibnja i rujna 2000. godine na uzorku od 106 poduzeća slučajno odabranih
s popisa 400 najvećih poduzeća prema listi Privrednog vjesnika.
77
Istraživanje je provedeno na uzorku od 23 banke od ukupno registrianih 41 na dan 31.12.2003. godine
metodom intervjua tijekom rujna 2003. godine.
93
autorima, korištenje PI može pomoći kod sprečavanja pranja novca, upravljanja kreditnim
rizikom, kod kreditnog bodovanja, za zadržavanje bančinih klijenata, otkrivanju prijevara,
upravljanju tržišnim rizikom, upravljanja operativnim rizikom te upravljanju strateškim
performansama kod financijskih usluga. Njihovo je istraživanje pokazalo da su najkorištenije
tehnologije: internet (86%), skladište podataka (62%), sistemi za podršku odlučivanju (57%)
te rudarenje podacima (48%). Autori su pod alate PI svrstali skladište podataka i rudarenje
podacima, tako da se pokazalo kako samo 44% banaka koriste alate poslovne inteligencije.
Utvrđeno je također da banke koje koriste PI imaju veću ukupnu imovinu, nešto brži rast te
imovine, veći udio u ukupnom bankarskom tržištu RH te veću dobit prije oporezivanja.
Jurišić (2007.) prikazao je rezultate istraživanja78 primjene PI u hrvatskom gospodarstvu.
Rezultati istraživanja pokazuju:
samo 9% tvrtki (2) ima poseban PI odjel, 44% (10) se povremeno bavi ovim
aktivnostima u sklopu drugih funkcija, dok ih se 47% (11) uopće ne bavi poslovnom
inteligencijom;
42% poduzeća (5) ima poseban odjel između tri i pet godina, dok ih 25% (3) ima
između pet i deset, odnosno između godinu i pet godina;
50% poduzeća (6) ima jednu organizacijsku razinu između PI jedinice i upravnog
odbora, 8% (1) ih ima dvije, dok ih je 42% (5) izravno pod upravnim odborom;
četiri najpodržavanija procesa od strane PI-a jesu: strateški razvoj, razvoj novih
proizvoda, marketing te prodaja;
najčešći proizvodi PI-a jesu: tržišne analize, profili konkurenata, ad-hoc izvještaji,
rana upozorenja, te mjesečni intelligence izvještaji;
najkritičnija područja PI-a u Hrvatskoj jesu: nedefinirani proces poslovne
inteligencije, nedostatak educiranih stručnjaka, te podrška vrhovnog menadžmenta.
Zebić (2010., p. 71-77.) objavio je rezultate provedenog istraživanja79 u sklopu izrade svojeg
specijalističkog poslijediplomskog rada. Rezultati ovog istraživanja pokazuju:
polovica analiziranih poduzeća ima odjel zadužen za prikupljanje i analizu
informacija;
78
Istraživanje je provedeno 2005. godine na uzorku od 85 poduzeća, od kojih se odazvalo 23.
Istraživanjem su obuhvaćena 84 poduzeća od kojih se dobilo 50 odgovora, što predstavlja odziv od 59,52%, uz
napomenu kako nije navedeno na koji su način izabrana poduzeća za analizu.
79
94
60% poduzeća ima taj odjel između pet i deset godina, dok ih 20% ima između godine
i pet godina;
u 60% poduzeća taj je odjel izravno pod upravom ili između njih postoji samo jedna
organizacijska razina;
69% poduzeća odjel PI smjestilo je unutar sektora korporativnih strategija i
marketinga, a 69% koristi podršku PI pri procesima razvoja poslovnih strategija,
odnosno 65,4% pri procesima marketinga i prodaje;
glavnim razlog za pokretanje PI aktivnosti pokazala se potreba za informacijama u
procesima planiranja i odlučivanja (64%), dok se njihovim učinkom pokazalo
kvalitetnije detektiranje prilika i prijetnji (56%), brže donošenje odluka (42%), te više
kvalitetnih poslovnih informacija (40%);
primarni izvori podataka jesu prodaja (60%), potrošači/klijenti (56%) i konkurenti
(30%);
najkorištenije analitičke metode jesu: financijska analiza (60%), analiza trendova
(58%), SWOT analiza (50%), profiliranje konkurenata (30%), analiza scenarija (20%);
najkritičnijim područjima u razvoju PI pokazali su se: nedefinirani poslovnoobavještajni proces (34%), prepoznavanje ključnih informacija (28%), nedostupni
izvori informacija (26%), podrška vrhovnog menadžmenta (26%), nedostatak
obrazovanog osoblja (26%).
Zebić zaključuje kako bi glavni fokus budućeg razvoja trebao biti usmjeren prema edukaciji
menadžmenta i zaposlenika, posebno zbog prepoznavanja ključnih informacijskih potreba.
Bilandžić et al. (2012., p. 15-26.) istražili80 su upoznatost s business intelligenceom, njegovu
primjenu, te planove vezane za budućnost kod hrvatskih poduzeća. Ključna hipoteza
njihovoga istraživanja jest da većina tvrtki koje posluju na teritoriju RH ne primjenjuje BI
kontinuirano kao institucionaliziranu sustavnu poslovnu funkciju81. Najvažniji zaključci
njihovog istraživanja jesu:
80
Istraživanje je napravljeno u suradnji Odsjeka za sociologiju Filozofskog fakulteta Sveučilišta u Zagrebu i
poslovnog tjednika Lider na uzorku od 1.000 najvećih hrvatskih poduzeća po visini prihoda za 2009. godinu.
Istraživanje se provodilo u razdoblju od listopada 2010. godine do travnja 2011. godine, na njega se odazvala
233 poduzeća što predstavlja odziv od 23,3%.
81
Izvedene hipoteze su: (1) primjena BI aktivnosti nije jednako zastupljena u svim regijama, (2) primjena BI
aktivnosti zastupljenija je u velikim tvrtkama, (3) primjena BI aktivnosti nije jednako zastupljena u svim
djelatnostima, (4) primjena BI aktivnosti zastupljenija je u tvrtkama koje sebe smatraju konkurentnijima na
tržištu.
95
iako većina tvrtki (57%) primjenjuje neke od BI aktivnosti, institucionalizirani odjel
za ove aktivnosti ima tek 19% poduzeća, a približno njih četvrtina (24%) ne
primjenjuje nikakvu BI aktivnost;
s obzirom na regiju82 u kojoj poduzeća djeluju nisu utvrđene značajnije razlike u
primjeni BI-a; međutim, uočava se kako se najviše tvrtki s institucionaliziranim BI
odjelom te tvrtki koje primjenjuju neke od aktivnosti BI-a nalazi u sjeverozapadnoj
regiji (78%), što je i razumljivo s obzirom da se u njoj nalazi grad Zagreb, te dvije od
četiri najrazvijenije županije. U južnoj regiji nalazi se najviše tvrtki (31%) koje ne
primjenjuju ni jednu od BI aktivnosti;
između tvrtki postoji statistički značajna razlika s obzirom na veličinu tvrtke i
primjenu BI-a; međutim, pokazalo se da nema utvrđene razlike između malih i
srednjih tvrtki;
BI aktivnostima najviše se služe u sektoru bankarstva i financija (84%) te u sektoru
informacija i komunikacija (82%);
nije utvrđena statistički značajna razlika u primjeni BI aktivnosti, s obzirom na
procjenu konkurentnosti tvrtki te s obzirom na kretanje tržišnog udjela u posljednjih
godinu dana;
većina je poduzeća (više od 90% od onih koje provode neku od BI aktivnosti)
usmjerena prema prikupljanju podataka koji su povezani s konkurentima,
potencijalnim poslovnim suradnicima te krajnjim potrošačima roba i usluga;
poduzeća koja imaju institucionaliziran odjel ili provode neku od BI aktivnosti
smatraju kako on pridonosi u predviđanju i upravljanju rizicima, prepoznavanju
isplativih tržišnih niša, prepoznavanju snage i slabosti konkurenata, razvijanju novih
profitabilnih proizvoda, praćenju vanjskih faktora koji utječu na poslovanje, povećanju
produktivnosti, boljoj komunikaciji i suradnji unutar poduzeća, većoj sigurnosti
vlastitih informacija, povećanju tržišnog udjela, ostvarenju većeg profita, uštedi
vremena, upravljanju odnosa s krajnjim potrošačima, upravljanju ljudskim resursima
te profiliranju poslovnih partnera.
poduzeća koja ni na koji način ne primjenjuju BI kao glavne razloge navode
nedovoljno poznavanje funkcioniranja BI sustava, nepostojanje kompetentnog kadra,
te nedostatna financijska sredstva.
82
U istraživanju je Republika Hrvatska podijeljena na tri regije; (1) sjevernu (65%), (2) istočnu (13%) i (3) južnu
(21%).
96
2.
Teorijski aspekt upravljanja opskrbnim lancem
U okviru poglavlja objasniti će se evolucija poslovanja koje je bila preduvjet nastanka
opskrbnog lanca te će se razmotriti odnosi pojmova logistika, opskrbni lanac i upravljanje
opskrbnim lancem u znanstvenim djelima.
2.1.
Različiti teorijski pristupi upravljanju opskrbnim lancem
2.1.1. Povijesne pretpostavke nastanka opskrbnog lanca
Može se kazati kako upravljanje opskrbom seže od 1832. godine kada je Charles Babbage
objavio tekst pod naslovom „O ekonomiji strojeva i proizvodnji“83, odnosno od 1933. godine
kada je Lewis84 objavio prvi tekst koji se isključivo bavio nabavom (Bloomberg et al., 2006.,
p. 4; Li, 2008., p. 59.). Segetlija ( 2008., p. 5.) pak smatra kako se početkom znanstvene
rasprave na području gospodarske logistike smatra Morgensternov rad85 iz 1955. godine.
Međutim, isto tako se može ustvrditi kako osnovni prapočeci logistike i opskrbnog lanca sežu
još u doba gradnje piramida, s obzirom da su i tada postojali principi kretanja materijala i
informacija u funkciji zadovoljenja nečijih zahtjeva (Christopher, 2005., p. 3.). Rezultati
mnogih bitaka, počevši od američkog rata za neovisnost od Britanaca pa do drugog svjetskog
rata, bili su determinirani uspjesima odnosno fatalnim logističkim i opskrbnim greškama86.
Prema Segetliji (2008., p. 14-15.) logistika je pojam koji potječe od Platonova izraza za
praktičnu matematiku, u novije doba ova se riječ uvriježila u vojnom području, a iz njega je
ušla u gospodarsko područje i odnosi se u prvom redu na dobra (materijalne tokove). Prema
Bloomberg et al. (2006., p. 3-9.), opskrbni lanac tvore tri komponente: upravljanje nabavom,
upravljanje operativom i integralna logistika, koje imaju različite evolucijske faze
karakteristične po određenim događajima ili koncepcijama. U navedenom smislu upravljanje
operativom razvijalo se kako slijedi:
83
Charles Babbage: On the Economy of Machinery and Manufacturing“, London, 1832.
Howard T. Lewis: Industrial Purchasing, New York, Prentice-Hall, Inc. 1933.
85
Morgenstern, O.: Note of the Formulation of the Theory of Logistics“, Naval Research Logistic Quarterly, 2.,
1955., p. 129-137.
86
Vidi opširnije nekoliko primjera iz povjesti ratovanja gdje je logistika odigrala presudnu ulogu u Christopher,
M.: Logistics and Supply Chain Management, 3rd ed., Prentice Hall and Financial Times, London, 2005., p. 3.
84
97
industrijska revolucija - od 1769. do 1776. godine, parni stroj, podjela rada;
znanstveno upravljanje - od 1911. do 1913. godine, principi znanstvenog upravljanja i
studije o vremenu i pokretu, pokretna traka;
međuljudski odnosi - od 1930. do 1940. , teorije motivacije;
znanost o upravljanju - od 1947. do 1951. godine, linearno programiranje, digitalno
računalo, simulacije, teorije vremenskog rasporeda;
revolucija u kvaliteti - od sedamdesetih do osamdesetih godina prošlog stoljeća, lean
proizvodnja, u pravo vrijeme (engl. Just In Time – JIT), totalno upravljanje kvalitetom
(Total Quality Management – TQM);
informacijsko doba - osamdesete i devedesete godine prošlog stoljeća, računalna
integralna proizvodnja, World Wide Web;
globalizacija – od 1990., svjetska tržišta i operacije.
Jacoby (2009., p. 5-11.) navodi manji broj evolutivnih karakterističnih faza:
industrijska revolucija;
masovna proizvodnja, u sedamdesetim godinama prošlog stoljeća 60% kontrolnih
aktivnosti izvodilo se ručno (uključujući primanje narudžbi, isporuku kupcu,
kvantificiranje i vremenski raspored proizvodnje, izvještavanje, nadgledanje zaliha
sirovina i gotovih proizvoda...);
sindikati i pregovaranja (pogotovo u transportnoj i operativnoj sferi);
deregulacija
(nakon
deregulacijskog
zakona
u
SAD
vozarine
su
postale
konkurentnije);
globalizacija, najznačajniji katalizator promjena87 uz uočljiv porast broja partnera
uključenih u opskrbne lance;
informacijski pomak prema kupcu, kupci počinju odlučivati koji će se proizvod i kada
kretati unutar lanca, što posljedično znači da znanja kompanija o njihovim kupcima
počinju eksponencijalno rasti.
Segetlija (2008., p. 21.) navodi četiri razvojne faze poslovne logistike:
logistika kao uslužna funkcija, orijentirana na tokove materijala i roba;
logistika kao koordinirajuća funkcija, orijenitrana na tokove;
87
Prema Jacobiju (2009., p. 7.) između 1950. i 2000. godine svjetska trgovina rasla je po prosječnoj godišnjoj
stopi između 5 i 6%, s tim da je između 1990. i 2000. taj rast iznosio između 8 i 9%, a između 2000. i 2008.
godine između 17 i 18%.
98
logistika kao orijentacija na tok cijelog poduzeća (orijentacija na procese i vrijednosne
lance);
logistika kao orijentacija na tok kojim se prelaze granice poduzeća (SCM).
Još je jedan element igrao važnu ulogu u razvoju opskrbnog lanca – cijena nabavljenih
dobara. Prema Žibretu (2007., p. 7.), početkom osamdesetih godina prošlog stoljeća nabavni
su troškovi činili 40% ukupnih rashoda tvrtke, a danas su na razini 60% ukupnih rashoda, što
je dominantno utjecalo na činjenicu da se ovom segmentu počinje poklanjati sve veća pažnja,
odnosno da postaje strateški interes tvrtke. Udjel troška nabavljenog materijala kao postotak
dolarske vrijednosti prodaje u odabranim industrijama prikazuje tablica 6.
Tablica 6. Trošak nabavljenih materijala kao postotak dolarske vrijednosti prodaje
Industrija
Postotak u dolarskoj vrijednosti prodaje
hrana i prehrambeni proizvodi
64%
naftna industrija
83%
transportna oprema
60%
duhan
27%
prosječna američka proizvodna tvrtka
54%
Izvor: Bloomberg, David J., LeMay, S., Hanna, Joe B.: Logistika, Mate, Zagreb, 2006., p. 12.
Li (2008., p. 59-61.) je pokušao objediniti razvojne faze nabave i opskrbnog lanca
prezentirane od NAPM-a (National Association of Purchasing Management) te modela
Monzcka et al. (2005.) u sedam faza:
prva faza koja obuhvaća razvojne začetke i traje do početka prošlog stoljeća – nakon
industrijske revolucije masovna je proizvodnja pozicionirala nabavnu funkciju na
razinu tvrtkinog odjela;
od 1900. do 1914., profiliranje nabavne funkcije;
od 1914. do 1945., zahvaljujući ratnim aktivnostima raste važnost nabavne funkcije,
potom doprinos važnosti nabavne funkcije daje proizvođač automobila Ford razvojem
masovne proizvodnje;
od kasnih četrdesetih do sredine šezdesetih godina, kvalitetnije profiliranje nabavne
funkcije;
99
od sredine šezdesetih do početka osamdesetih godina, vrijeme razvoja koncepta
upravljanja materijalom, popularizacija JIT-a, naglasak se polako stavlja na
dobavljače;
od kasnih osamdesetih do kraja stoljeća, globalizacija i e-commerce, razvijaju se
koncepti izravne trgovine B2B (engl. Business to Business) B2C (engl. Business to
Customer), razvija se opskrbna mreža;
današnje doba, integrirani opskrbni lanac uz pomoć IT-a, vrijeme provođenja
reinženjeringa poslovnih procesa, te strateški utjecaj naprednih tehnologija.
Potočan (2007., p. 34-36.) navodi četiri glavna koncepta protoka roba i materijala:
upravljanje materijalima, izvorno je nastalo iz nabavne funkcije shvaćajući važnost
integracije protoka materijala kroz podupiruće funkcije. Ovdje je uključena nabava,
otpremništvo, upravljanje zalihama, upravljanje trgovinom, planiranje proizvodnje,
kontrola i fizička distribucija;
prodaja roba (engl. merchandising), odgovornost trgovine jest organizacija
maloprodaje, izgled reklamnog dijela te upravljanje zalihama;
logistika, u odnosu na upravljanje materijalima logistika je dosta proširen koncept iako
ima autora koji ih izjednačavaju;
SCM, predstavlja širi, strateški značajniji koncept koji uključuje cjelokupan opskrbni
lanac s ciljevima: zadovoljavanje kupca, formuliranje i implementacija odgovarajuće
strategije te efikasno upravljanje lancem.
Pravila poslovanja drastično su se izmijenila (Handfield i Nichols, 2002., p. 3.), prije je
karakteristika uspješnih kompanija bila vertikalna integracija sa ciljem maksimalne
efikasnosti na bazi ekonomije obujma, dok je danas na djelu virtualna integracija u kojoj se
svaka kompanija fokusira na aktivnost u kojoj je najbolja (Hugos, 2006., p. 21-22.).
Razmatranje evolucije opskrbnog lanca može se zaključiti onim što ga danas karakterizira dodavanje vrijednosti. Prema Handfieldu i Nicholsonu (2002., p. 6.), opskrbni lanac nije samo
troškovno razmatranje, čine ga ukupnost sadržaja krajnjeg proizvoda ili usluge što uključuje
kvalitetu, tehnologiju, isporuku te postprodajnu aktivnost. Ako se može upravljati ukupnim
sadržajem, tada će se sigurno moći zadovoljiti kupčeve potrebe.
100
2.1.2. Logistika, opskrbni lanac i upravljanje opskrbnim lancem
Iako su pojmovi opskrbni lanac (engl. Supply Chain - SC) i upravljanje opskrbnim lancem
(engl. Supply Chain Management – SCM) u upotrebi od ranih osamdesetih godina još uvijek
ne postoji teorijsko jedinstvo u njihovim definicijama te je potrebno kritičko sagledavanje
raznih pristupa pojedinih autora. Vrlo često ovaj se pojam poistovjećuje s pojmom logistike
pa je prema Watersu (2007., p. 38.), riječ o istim pojmovima, a izbor termina isključivo je
semantičke prirode. Logistika odnosno upravljanje opskrbnim lancem jest funkcija odgovorna
za transport i skladištenje materijala na njihovom putovanju od izvornih dobavljača, preko
prelaznih operacija do krajnjeg kupca. Potvrdu za svoje stajalište nalazi u tumačenju
britanskog Instituta logistike i transporta (Chartered Institute of Logistics and Transport),
prema kojemu, logistika predstavlja strateški menadžment ukupnog opskrbnog lanca.
Segetlija kaže kako SCM ima svoje podrijetlo u središnjim logističkim problemima (2007., p.
22.), te da upravljanje opskrbnim lancem reprezentira kvalitativno novi razvojni stupanj u
životnom ciklusu poslovne logistike (Segetlija, 2008., p. 18.). Na ovakvim postavkama navodi
Baumgartenovu definiciju (2003.) koji smatra kako logistika poduzeća obuhvaća cjelovito
planiranje, upravljanje, provođenje i kontrolu svih tokova dobara i informacija koji se
događaju kako unutar poduzeća tako i onih koji prelaze granice poduzeća. Logistika priprema
rješenja za cjelovite i djelomične sustave u poduzećima, koncernima, mrežama i virtualnim
poduzećima, koji su orijentirani na kupce i procese (Segetlija, 2008., p. 22.). Zelenika (2008.,
p. 227.) objašnjava logističko-opskrbni lanac kao skup interesno povezanih logističkih karika,
odnosno logističkih partnera (subjekata) koji samostalno ili u sklopu logističko-distribucijskih
lanaca opskrbljuju kupce, potrošače, korisnike nečim, primjerice: materijalom, vodom, pićem,
hranom, naftnim derivatima, znanjem, kapitalom ili različitim potrepštinama. Ovi lanci
ostvaruju svoju misiju samo tada kada se kvalitetnti proizvodi (ili usluge) u optimalnim
količinama i u odgovarajućim asortimanima dostave na pravo mjesto, u pravom trenutku i uz
najpovoljnije uvjete za sve logističke subjekte takvih lanaca.
Lambert (2008., p. 3-4.) u svojoj analizi objašnjava kako je sve do nedavno i Council of
Logistic Management (CLM) tumačio da SCM predstavlja logistiku integriranu s kupcima i
dobavljačima, što se promijenilo kasnije kada je CLM prezentirao modificiranu definiciju
logistike prema kojoj ona predstavlja dio upravljanja opskrbnim lancem koji planira,
implementira, kontrolira efikasno kretanje (prema naprijed i unazad) i skladištenje dobara,
101
usluga i informacija između točke nastanka (engl. Point of origin) i točke konzumacije (engl.
Point of consumption) sa ciljem zadovoljenja kupčevih želja. Jacoby (2009., p. 33.) je
stajališta da logistika podrazumijeva koordinaciju protoka roba, informacija i kapitala od
dobavljača do kupca radi maksimiziranja korisnosti uz minimiziranje operativnih troškova
naglašavajući da se za razliku od SCM-a logistika ne proteže cijelim područjem od dobavljača
do kupca. Prema njemu opskrbni lanac je set aktivnosti uključenih u kretanje roba i pratećih
usluga od krajnjeg dobavljača do krajnjeg kupca, a upravljanje opskrbnim lancem predstavlja
koordinaciju navedenih aktivnosti kako bi se maksimizirala ekonomska dodana vrijednost
(engl. Economic Value Added – EVA). Christopher (2005., p. 4-5.) također naglašava kako je
upravljanje opskrbnim lancem širi koncept od logistike koju tumači kao proces strateškog
upravljanja nabavom, kretanjima i skladištenjima materijala, djelomično i kompletno gotovih
proizvoda (i informacija) kroz organizaciju i njezine marketinške kanale, tako da su sadašnja i
buduća profitabilnost maksimizirane kroz troškovno efikasna ispunjavanja narudžbi.
Logistički je menadžment primarno nadležan za optimizaciju protoka unutar poduzeća, dok
mu SCM predstavlja upravljanje uzvodnih (opskrbnih) i nizvodnih (distribucijskih) odnosa s
dobavljačima i kupcima kako bi se dostavila vrhunska kupčeva vrijednost uz najmanji trošak
cjelokupnog lanca. Američko udruženje koje predstavlja ljude iz prakse što se bave
opskrbnim lancem, tj. Council of Supply Chain Management Professionals (CSCMP),
definira SCM88 kao planiranje i upravljanje svim aktivnostima uključenim u traženje i
opskrbu, preobrazbu te sve aktivnosti logističkog menadžmenta. Također uključuje
koordinaciju i suradnju s partnerima u lancu koji mogu biti dobavljači, posrednici, vanjski
pružatelji usluga ili kupci.
Handfield i Nichols (2002., p. 62-63.) prihvaćaju tumačenje logistike koju je dao CLM te
kažu kako superiorne logističke performanse predstavljaju primarno područje u kojima
organizacije koje participiraju u integriranom SCM-u mogu učiniti značajna unapređenja.
Polazeći od rezultata studije CLM-a, prema kojima su poduzeća svjetske klase sklonija
eksploataciji logistike kao sržne kompetencije u odnosu na njihove zaostajale konkurente,
smatraju da se ova logika može proširiti i na interorganizacijske opskrbne lance. Prema
nalazima studije ključna područja koja čine razliku vrhunskih poduzeća u odnosu na
istraživanu materiju su:
pozicioniranje u vezi odabira strateških i strukturnih pristupa vođenju logističkih
operacija;
88
Prema http://cscmp.org/aboutcscmp/definitions.asp, pregledano, 14.01.2010.
102
integracija unutarnjih postignuća izvrsnosti logističkih operacija i razvoja graničnih
poveznica čvrstih odnosa unutar opskrbnih lanaca;
agilnost poduzeća s obzirom na relevantnost, smještaj i fleksibilnost;
mjerenja internih i eksternih performansi.
Polazeći od navedenih premisa, Handfield i Nichols (2002., p. 8.) kažu da opskrbni lanac
obuhvaća sve organizacije i aktivnosti povezane s protokom i transformacijom dobara od faze
sirovina do krajnjih korisnika, kao i pratećih informacija, dok upravljanje opskrbnim lancem
predstavlja integraciju i menadžment organizacija što čine opskrbni lanac i aktivnosti kroz
kooperativne odnose, efikasne poslovne procese te visoku razinu dijeljenja informacija kako
bi se kreirao visoko vrijedan sistem koji će organizacijama omogućiti održivu konkurentsku
prednost. Hugos (2006., p. 3-4.) smatra da su se prije početka korištenja pojma SCM (kraj
osamdesetih godina) koristili izrazi logistika i operacijski menadžment te u svojoj analizi
navodi određene definicije za opskrbni lanac: usklađenje poduzeća koja donose proizvode
(Lambert et al., 1998.), faze koje su izravno ili neizravno uključene u zadovoljenje kupčevih
potreba (Chopra i Meindl, 2003.). Na kraju ovog razmatranja, vrijedno je navesti razmišljanje
Mentzera et al. (2001., p. 3.) koji kažu kako definicije opskrbnog lanca imaju više zajedničkih
elemenata u različitih autora nego je to slučaj s definiranjem i objašnjavanjem upravljanja
opskrbnim lancem.
2.1.3. Definiranje upravljanja opskrbnim lancem
U proteklih je deset godina SCM bio dosta puta definiran i redefiniran, što je dobrim dijelom
zavisilo o različitim motivacijama i interesima (Bolstroff i Rosenbaum, 2007., p. 13.). Radi
lakšeg poimanja različitih pristupa, ponekad i suprotstavljenih, potrebno je sagledati određene
definicije SCM-a koje su se iskristalizirale u znanstvenoj literaturi posljednjih dekada (prema
Croom et al., 2000., p. 69. i Mentzer et al., 2001., p. 6.):
Monczka, Trent i Handfield (1998.) - SCM jest koncept čiji je primarni cilj integracija
i upravljanje nabavkom, tokom i kontrolom materijala koristeći ukupne sustavne
perspektive kroz mnogostruke funkcije i poveznice dobavljača;
103
Tan et al. (1998.) - SCM se fokusira na to kako poduzeća koriste procese svojih
dobavljača, njihovu tehnologiju i sposobnosti radi povećavanja konkurentskih
prednosti. Riječ je o menadžerskoj filozofiji koja prelazi tradicionalne aktivnosti
unutar poduzeća objedinjujući trgovačke partnere sa zajedničkim ciljevima;
La Londe i Masters (1994.) - kažu da strategija opskrbnog lanca uključuje dva ili više
poduzeća koji su ušli u dugoročnu suradnju, razvoj povjerenja i privrženosti tom
odnosu, integraciju logističkih aktivnosti uključujući dijeljenje podataka o potražnji i
prodaji te potencijal za promjene u kontroli logističkih procesa;
Jones i Riley (1985.) - integrativni pristup bavljenja planiranjem i kontrolom tokova
materijala od dobavljača prema krajnjim korisnicima;
Berry et al. (1994.) - namjera SCM-a jest gradnja povjerenja, razmjena informacija o
tržišnim potrebama, razvoj novih proizvoda, reduciranje liste dobavljača prema
originalnim (izvornim) proizvođačima kako bi se razvili svrsishodni dugoročni odnosi;
Saunders (1995.) - vanjski lanac (SCM) je ukupni lanac razmjene koji se proteže od
originalnog izvora sirovine kroz različite uključene tvrtke u procesuiranju materijala,
proizvodnje, sastavljanja, distribucije i maloprodaje krajnjem kupcu;
Stevens (1989.) - cilj upravljanja opskrbnim lancem jest usklađenje zahtjeva kupca s
tijekom materijala od dobavljača kako bi se postigla ravnoteža između ciljeva koji
često izgledaju sukobljeno, povećanog servisiranja kupca, niže razine zaliha te nižih
cijena jediničnih proizvoda.
Houlihan (1988.) - identificira razlike između upravljanja opskrbnim lancem i
klasičnog upravljanja materijalima:
o SCM se promatra kao jedinstven proces, a odgovornost različitih segmenata
unutar lanca nije razdvojena i pretpostavljena funkcijskim područjima poput
proizvodnje, nabave, distribucije i prodaje;
o SCM zahtijeva i na kraju zavisi o strateškom odlučivanju. Opskrba je
zajednički cilj praktično svake funkcije unutar lanca i ima strateško značenje
zbog njezinog utjecaja na ukupne troškove i tržišni udjel;
o SCM zahtijeva drugačiji pogled na zalihe koje se koriste kao mehanizam
ravnoteže posljednjeg a ne prvog mjesta;
o zahtijeva se novi pristup - integracija umjesto povezivanja.
Kopczak (1997.) - set poduzeća uključujući dobavljače, izvršitelje logističkih usluga,
proizvođače, distributore, prodavače, kroz koje teku materijali, proizvodi i
informacije;
104
Lee i Ng (1997.) - mreža poduzeća koja starta s poddobavljačima a završava s
krajnjim kupcima u kojoj se proizvodi i distribuira roba i usluge;
Cooper et al. (1997.) - SCM je integrativna filozofija koja upravlja ukupnim tokom
distribucijskog kanala od dobavljača do krajnjeg korisnika.
U svojoj analizi različitosti definicija i pristupa SCM-u Croom et al. (2000., p. 68.) zaključuju
i dijelimično potvrđuju Saundersovu tezu (1995.) kako većina definicija ipak dijele jednu
zajedničku liniju, fokus im je na vanjskom okruženju poduzeća. Vouk (2005., p. 1014.) u
objašnjavanju opskrbnog lanca kaže kako se sastoji od aktivnosti i organizacija kroz koje
prolaze materijali na svom putu od dobavljača do krajnjeg kupca. Želeći naglasiti
kompleksnost odnosa sudionika i procesa, pojedini autori koriste termin mreža (Elram, 1991;
Christopher, 1992; Lee i Billington, 1992; Lee and Ng, 199789; Zsidisin i Ritchie, 2008.), pa
tako Panian (2007., p. 27.) promatra SCM kao upravljačku disciplinu koja podrazumijeva
izgradnju mreže za integriranje poslovnih aktivnosti tvrtke, počevši od nabave sirovina i
materijala od dobavljača, preko proizvodnje, do distribucije i isporuke konačnih proizvoda
i/ili usluga klijentima. Zaključuje kako opskrbni lanac predstavlja način uklapanja tvrtke u
njezino poslovno okruženje stvarajući neki oblik intraorganizacijske zajednice tvrtke s
odabranim poslovnim subjektima iz tog okruženja.
Groznik (2005., p. 97.) tumači opskrbni lanac kao slijed procesa koji premještaju robu i
usluge od narudžbe kupca kroz faze sirovine, opskrbe, proizvodnje i distribucije gotovog
proizvoda kupcu. Uspoređujući povijesni i suvremeni SCM Zsidisin i Ritchie (2008., p. 2.)
smatraju kako je, za razliku od povijesnoga čija je osnovna karakteristika reaktivno
djelovanje, značajka suvremenog SCM-a potreba strateškog pristupa uz naglašenu
proaktivnost. Svi elementi lanca odnosno njegove sastavnice trebaju težiti održivoj
konkurentnosti i profitabilnosti kroz okretniju, efikasniju, elastičniju sveobuhvatnu strategiju
usmjerenu prema kupcu. Christopher (2005., p. 38-40.) sažima upravljanje opskrbnim lancem
kroz četiri „R“:
odgovornost (engl. Responsiveness) - sposobnost brzog odgovora prema kupčevim
potrebama postaje kritično za uspjeh, a kroz prizmu ovog elementa u mjenjajućem
okruženju ključnim smatra agilnost;
89
Prema Croom et al., 2000., p. 69.
105
pouzdanost (Engl. Reliability) - značajno unapređenje jest moguće jedino kroz
reinženjering procesa koji utječu na performanse, a temelje tih procesa predstavlja
vidljivost;
elastičnost (Engl. Resilience) - turbulentno i volatilno okruženje zahtijeva sposobnost
lanca da bude elastičan kako bi uspješno odoljevao poremećajima;
odnose (Engl. Relationships) - po definiciji, SCM se odnosi na upravljanje odnosima,
a uspješniji će biti oni koji se rukovode principima zajedničke koristi u međusobnim
odnosima.
Hugos (2006., p. 4.) definira SCM kao koordinaciju proizvodnje, zaliha, lokacije i transporta
između sudionika opskrbnog lanca kako bi se postigao najbolji miks odgovornosti i
efikasnosti za tržište na kojem se djeluje. Iako svaki opskrbni lanac ima svoje posebnosti,
određeni su elementi svima zajednički pa smatra kako poduzeća moraju individualno i
zajednički donositi odluke u pet ključnih područja koji su, u stvari, pokretači opskrbnog lanca:
proizvodnja - koje proizvode tržište želi?, koliko i kada to proizvoditi?, odgovore treba
dati master plan proizvodnje koji treba uzeti u obzir kapacitete, balansiranje
opterećenja, kontrolu kvalitete i održavanje opreme;
zalihe - koja je razina zaliha potrebna u svakoj fazi opskrbnog lanca?, koja je količina
potrebna na lageru u obliku sirovina, poluproizvoda i gotovih proizvoda?, primarna
funkcija zaliha u opskrbnom lancu jest zaštita od neizvjesnosti, a s obzirom da njihovo
držanje predstavlja trošak pitanje je koja im je optimalna razina;
lokacija - gdje trebaju biti locirani proizvodni objekti i skladišta?, koja je troškovno
najisplativija lokacija?, da li koristiti postojeće ili graditi nove objekte?;
transport - kako će se zalihe micati s jedne na drugu lokaciju?, kako optimalizirati i
izabrati najbolji način transporta zrakom, morem, cestom i željeznicom?, koliko
sigurnost/nesigurnost transporta utječe na razinu zaliha?;
informacija - koliko podataka treba prikupljati, a koliko informacija dijeliti?,
vremenska i precizna informacija osigurava bolju koordinaciju i kvalitetnije
odlučivanje u domeni proizvodnje, lokacije, zaliha i transporta.
Analizirajući ponašanje lidera i sljedbenika, Defee et al. (2009.) objašnjavaju kako se SCM
sastoji od lidera i dva ili više članova koji su izravno vezani s jednim ili više uzvodnih ili
nizvodnih tokova proizvoda, usluga, novca ili informacija sa ciljem ostvarivanja zajedničke
dobiti za sve članove, a ne samo za lidera. Mentzer et al. (2001., p. 18.) definiraju SCM kao
106
sistematsku stratešku koordinaciju tradicionalnih poslovnih funkcija i taktika kroz te funkcije
unutar određene kompanije te kroz poslovanje unutar opskrbnog lanca sa ciljem dugoročnog
unapređenja performansi pojedine kompanije i opskrbnog lanca u cjelini. Tradicionalne
poslovne funkcije poput marketinga, prodaje, istraživanja i razvoja, predviđanja, proizvodnje,
nabave, logistike, informacijske tehnologije, financija i servisa kupcu omogućavaju tok lanca
(proizvoda, usluga, financijski resursa te povezanih informacija) između poddobavljača do
krajnjeg kupca osiguravajući mu vrijednost i zadovoljstvo. Njihov model prikazuje slika 15.
Opskrbni lanac
Globalno
Tijek lanca
opskrbe
okruženje
Interkorporativna koordinacija
prijenos funkcija, vanjski pružatelji usluga, upravljanje
odnosima, struktura lanca opskrbe
proizvodi
marketing
usluge
prodaja
Interfunkcijska
koordinacija
(povjerenje,
privrženost,
rizik,
zavisnost,
ponašanja)
istraživanje i razvoj
informacije
predviđanje
proizvodnja
zadovoljstvo
kupca /
vrijednost /
profitabilnost /
konkurentska
prednost
Izvori financiranja
nabava
logistika
informacijski sustav
potražnja
financije
servisiranje kupaca
poddobavljači
dobavljači
centralno
poduzeće
kupac
kupčev
kupac
predviđanje
Slika 15. Model upravljanja opskrbnim lancem – Mentzer et al.
Izvor: Mentzer, John T., DeWitt, W., Keebler, James S., Min, S., Nix, Nancy W., Smith, Carlo D., Zacharia,
Zach G.: Defining Supply Chain Management, Journal of Business Logistics, 2001., 22 (2), p. 19.
Označavajući SCM kao disciplinu Bowersox (2007., p. 5.) ističe šest imperativa što tvore
okvir integrativnog poslovnog modela opskrbnog lanca: usmjerenost kupcu kao centru (engl.
Customer-centricity), operativna izvrsnost, integrativni menadžment, odgovornost u realnom
vremenu, prednost mrežne organizacije i suradnja. Prema Tyndal et al. (1998.), određeni
autori objašnjavaju SCM u operativnom smislu uključujući tu kretanje materijala i proizvoda,
drugi mu pristupaju kao menadžerskoj filozofiji, a treći kao menadžerskim procesima, pa
Mentzer et al. (2001., p. 7.) definicije SCM-a razvrstavaju u tri kategorije: menadžerska
filozofija, implementacija menadžerske filozofije i menadžerski procesi. Pristupajući SCM-u
kao filozofiji upravljanja, naglašavaju sljedeće karakteristike:
107
sistematski pristup kako bi se opskrbni lanac sagledao u cjelini te se na takav način
upravljalo cjelokupnim tokom roba - od dobavljača do krajnjeg kupca;
stratešku orijentaciju prema kooperativnim nastojanjima za sinkronizacijom i
usmjerenošću unutarnjih i vanjskih sposobnosti u jedinstvenu cjelinu;
usmjerenost prema kupcu kako bi se kreirala jedinstvena i individualizirana vrijednost
za kupca, a rezultirala bi njegovim zadovoljstvom.
Kako bi se uspješno primijenila navedena filozofija, poduzeća trebaju uspostaviti takvu
praksu koja će im omogućiti tu realizaciju. Temeljem svojih istraživanja, Mentzer et al.
(2001., p. 8-10.) navode neophodne aktivnosti:
zajedničko ponašanje - potrebno je izvršiti proširenje ovog (unutarnjeg) ponašanja
kroz vanjske integracije s dobavljačima i kupcima;
zajedničko dijeljenje informacija - što se posebno odnosi na planiranje i monitoring
procesa, ali isto tako na informacije o stanju zaliha, predviđanjima, marketinškim i
prodajnim strategijama, što se posljedično treba odraziti na smanjenje nesigurnosti
među partnerima;
zajedničko dijeljenje rizika i nagrada - što bi dugoročno trebalo rezultirati
konkurentskim prednostima;
kooperacija - startajući od zajedničkog planiranja i završavajući sa zajedničkom
kontrolom svih aktivnosti kako bi se evaluirale performanse lanca, a suradnja može
biti jednostavna ili nadopunjujuća, što se svakako treba odraziti na rezultatima;
zajednički ciljevi i fokus na servisiranju kupaca - uspostava zajedničkih ciljeva
predstavlja odraz politike integracije partnera lanca;
integracija procesa - što uključuje porijeklo, proizvodnju i distribuciju kroz cijeli
opskrbni lanac;
partnerstvo u izgradnji i održavanju dugoročnih odnosa.
Odluka o udruživanju u određeni opskrbni lanac koja podrazumijeva višu razinu odnosa,
tipično je vođena očekivanjima o unapređenjima performansi odnosno postizanju boljih
rezultata i ostvarivanju strateških ciljeva, tako da Handfield i Nichols (2002., p. 156.) navode
ciljeve u različitim područjima, prikazane u tablici 7.
108
Tablica 7. Različiti ciljevi udruživanja u opskrbni lanac
Ciljevi udruživanja
Perspektiva proizvođača
unapređenje unutarnjih operacija
smanjenje troškova
smanjenje zaliha
unapređenje kvalitete
skraćenje vremena isporuke
stabilnost opskrbe i cijena
povećanje korištenja dobavljačevih
tehnologija i stručnosti
skraćenje vremena razvoja proizvoda za
tržište
Ciljevi udruživanja
Perspektiva proizvođača
povećanje volumena prodaje
povećanje raspoloživosti
povećanje svježine
sniženje troška šteta
inovacija novih proizvoda
niži troškovi zaliha
smanjenje šteta
preciznost fakturiranja
unapređenje politike cijena i promocija
unapređenje servisa kupcu
unapređenje isporuka narudžbi
Perspektiva proizvođača
Ciljevi udruživanja
unapređenje koordinacije između
transportnih operacija i opskrbe
proizvoda
smanjenje baze prijevoznika
smanjenje troškova
unapređenje uslužnosti
unapređenje skladištenja, proizvodnosti
distribucijskog rada i korištenja prostora
održavanje elastičnosti isporuka
postizanje konsolidiranih koristi
izgradnja podrške industriji u
aktivnostima opskrbnog lanca
Perspektiva dobavljača materijala
povećanje volumena prodaje
povećanje lojalnosti kupca
osiguranje usluga koje dodaju vrijednost
povećanje troškova zamjene dobavljača
smanjenje troškova
Perspektiva distributera
povećanje profitabilnosti
smanjenje zaliha
povećanje obrta
svježina proizvoda
sniženje troškova dostave
proizvodi po mjeri kupca
konfiguracija
unapređenje vrijednosti za kupca
Perspektiva dobavljača usluge
povećanje tržišnog udjela
upravljanje operacijskim različitostima
osiguranje usluge koje dodaju vrijednost
povećanje profitabilnosti
razvijanje bližih odnosa s industrijskim
liderima
zadovoljavanje proizvođačevih kupaca
osiguranje budućeg konkurentskog
položaja
Izvor: Handfield, R.B., Nichols, E.L.: Supply Chain Redesign: Transforming Supply Chains into Integrated
Value Systems, Financial Times Prentice Hall, New Jersey, 2002., p. 156-157.
109
2.2.
Evolucija upravljanja opskrbnim lancem i njegove odrednice
Postoje različita tumačenja određenih autora o evoluciji i elementima opskrbnog lanca, što
prvenstveno zavisi o njihovom pristupu te ciljevima provedenih istraživanja. U ovom će se
dijelu prikazati elementi opskrbnog lanca te faze njegove zrelosti s prikazom rezultata
određenih istraživanja.
2.2.1. Elementi, principi i procesi upravljanja opskrbnim lancem
Definirajući principe SCM-a, Hugos (2009., p. 34-36.) polazi od kupčeve točke gledišta te ih
objašnjava:
efikasnost - ne smije biti rasipanja u najširem smislu te riječi što će se pozitivno
odraziti na unapređenje svih procesa;
pouzdanost - unapređenjem procesa te sinkronizacijom potražnje i opskrbe na svim
vezama opskrbnog lanca, poduzeća će postići konstantu u kvaliteti proizvoda i usluga;
fleksibilnost - koju istovremeno naziva i agilnost, podrazumijeva prilagodljive odnose,
procese usmjerene kupcu te neprekinuti protok informacija unutar lanca. Postati
efikasan i pouzdan podrazumijeva omogućavanje fleksibilnosti pogotovo kad su
unapređenja učinjena zahvaljujući eliminaciji grešaka i rasipanja;
inovativnost - efikasnost, pouzdanost i fleksibilnost vremenom će zaostajati, stoga je
za kvalitetno konkurentsko i održivo pozicioniranje potrebna kontinuirana
inovativnost: procesa te proizvoda i usluga.
Istražujući elemente i karakteristike upravljanja opskrbnim lancem Storey et al. (2006., p.
760.) pokušali su identificirati idealne karakteristike:
neprekinuti tok od inicijalnog dobavljača do krajnjeg kupca;
opskrbni lanac vođen potražnjom;
razmjena informacija kroz cijeli lanac (kompletna vidljivost);
suradnja i partnerstvo (uzajamna korist i dodana vrijednost za sve sudionike; winwin90, zajedničko učenje, zajednički dizajn i razvoj);
90
omogućena informacijska tehnologija;
Pobjeda svih uključenih strana, odnosno, u tom odnosu nema poraženih.
110
proizvodi idu izravno na police;
optimalno konfiguriranje pakiranja proizvoda;
odgovornost prema kupcu;
agilnost i težnja lean proizvodnji;
maksimalna prilagodba
segmentacija tržišta.
Temeljni elementi SCM-a koje navodi Stevenson (2007.) predstavljeni su u tablici 8.
(Hasrulnizzam, 2009., p. 493.).
Tablica 8. Elementi upravljanja opskrbnim lancem
Elementi
Tipični
Kupci
Određivanje proizvoda i usluga koje kupci žele.
Predviđanje
Predviđanje količina i vremena kupčevih narudžbi.
Dizajn
Povezivanje kupaca, želja, proizvodnosti i vremena plasmana na tržište.
Planiranje kapaciteta
Usklađivanje opskrbe i potražnje.
Procesuiranje
Kontroliranje kvalitete i raspored posla.
Zalihe
Zadovoljavanje potražnje uz istovremeno upravljanje troškovima držanja zaliha.
Nabava
Dobavljači
predmet
Evaluacija potencijalnih dobavljača, podržavanje operativnih potreba nabavljenih
roba i usluga.
Monitoring kvalitete dobavljača, točnosti isporuke, fleksibilnosti, održavanje odnosa
s dobavljačima.
Lokacija
Određivanje lokacije objekata (proizvodnih i skladišnih).
Logistika
Određivanje kako najbolje pomicati informacije i materijale.
Izvor: Hasrulnizzam, W., Mahmood, W., Muhamad, M.R., Tahar, N.M.: Supply Chain Management: After
Business Process Re-Engineering, Proceedings of World Academy of Science, Engineering and
Technology, May 2009., p. 493.
Supply Chain Council (Liautaud i Hammond, 2006., p. 215.) pojednostavljuju stvar te svaki
opskrbni lanac svode na četiri osnovna procesa: planiranje, nabavu sirovina, izradu i dostavu,
koji obuhvaćaju upravljanje ponudom i potražnjom, nabavu proizvodnih sirovina i dijelova,
proizvodnju i sastavljanje, uskladištenje i kontrolu zaliha, primanje i upravljanje narudžbama,
raspodjelu robe te krajnju dostavu kupcima.
111
Lambert (2008., p. 2-12.) temeljem opće teorije upravljanja razvija procesni pristup SCM-u,
što predstavlja GSFC-ov (Global Supply Chain Forum) model prikazan na slici 16.:
upravljanje odnosima s kupcima (engl. Customer Relationship Management) - proces
pruža strukturu za razvoj i održavanje odnosa s kupcima te je, sukladno misiji
poduzeća, kroz njega potrebno identificirati ključne kupce i grupe kupaca i povećati
njihovu lojalnost pružajući im proizvode i usluge po njihovim željama;
upravljanje odnosima s dobavljačima (engl. Supplier Relationship Management) proces predstavlja zrcalo upravljanja odnosima s kupcima te je potrebno sa svakim
ključnim dobavljačem postići kvalitetan poslovni odnos. Kod oba procesa Lambert
naglašava poželjni win-win ishod;
upravljanje uslugama kupcima (engl. Customer Service Management) - ključni cilj
procesa predstavlja zadatak monitoriranja i rješavanja potencijalnog problema prije
nego što se on uopće pojavi kupcu te je potrebna koordinacija između njega,
upravljanja odnosima s kupcima, dobavljačima, ali i upravljanja proizvodnim tokom;
upravljanje potražnjom (engl. Demand Management) - zadatak procesa predstavlja
balansiranje između kupčevih zahtjeva i mogućnosti opskrbnog lanca te nije limitiran
na predviđanje, nego treba uključiti sinkronizaciju opskrbe i potražnje, smanjiti
varijabilnost i povećati elastičnost (fleksibilnost). Kvalitetno organiziran proces
koristi podatke prodajnog mjesta (engl. Point of sale) te ključne podatke o kupcu kako
bi se smanjila neizvjesnost;
ispunjavanje narudžbi (engl. Order Fulfillment) - u proces su uključene sve aktivnosti
potrebne za dizajniranje mreže kako bi se omogućilo pravovremeno zaprimanje
kupčevih želja te minimizirali troškovi isporuke;
upravljanje proizvodnim tokom (engl. Manufacturing Flow Management) - proces
uključuje sve aktivnosti potrebne za nabavu, implementaciju i upravljanje
proizvodnom fleksibilnošću tijekom kretanja proizvoda kroz pogon;
razvoj i plasman proizvoda (engl. Product Development and Commercialization) kroz suradnju s dobavljačima i kupcima proces je zadužen za razvoj i plasman
proizvoda na tržište. U sklopu toga potrebno je u koordinaciji s upravljanjem
odnosima s kupcima identificirati kupčeve artikulirane i neartikulirane potrebe,
selektirati materijale i dobavljače (u koordinaciji s procesom upravljanje odnosima s
dobavljačima) te asistirati ostalim procesima za što lakši prolaz novog proizvoda kroz
opskrbni lanac;
112
upravljanje povratima (engl. Return Management) - aktivnosti procesa povezane su s
reverznom logistikom, povratima i izbjegavanjima, a ispravno organiziran i
implementiran omogućit će ne samo efikasno upravljanje obrnutim tokom, već će
pružiti mogućnosti identifikacije uzročnih problema kako bi se u budućnosti otklonili
ili neutralizirali.
Slika 16. Upravljanje opskrbnim lancem – Lambert
Izvor: Lambert, Douglas E.: Supply Chain Management: Processes, Partnerships, Performance, 3rd. Ed., Supply
Chain Management Institute, Sarasota, 2008., p. 305.
Svaki od navedenih procesa ima svoje strateške i operativne potprocese. Strateški potprocesi
omogućavaju strukturu za implementaciju te predstavljaju nužan korak u integraciji poduzeća
s ostalim članovima opskrbnog lanca. Slično objašnjavaju Kaplan i Norton (2006., p. 221222.) koji tvrde da je upravljanje opskrbnim lancem interfunkcijski i interorganizacijski
proces. Interfunkcijski jest jer efikasna proizvodnja i opskrba zahtijevaju usku suradnju
između marketinga, proizvodnje, nabave, prodaje i logistike, dok je interorganizacijski jer
sistem i procesuiranje između svih sudionika - dobavljača sirovina, proizvođača, distributera i
prodavača - moraju biti integrirani i koordinirani sa ciljem optimizacije performansi cijelog
113
lanca. Još se jedan procesni pristup iskristalizirao u praksi u posljednjoj dekadi - riječ je o
SCOR (Supply Chain Operations Reference) modelu koji je nastao unutar neprofitne
organizacije Supply Chain Council (SCC). Ovaj model integrira poznate koncepte poslovnog
reinženjeringa, uspoređivanja s najboljima (engl. Benchmarking) te mjerenja procesa unutar
krosfunkcijskog okvira, a prikazuje ga slika 17.
Slika 17. Okvir SCOR modela
Izvor: Bolstorff, P., Rosenbaum, R.: Supply Chain Excellence – A Handbook for Dramatic Improvement Using
the SCOR Model, 2nd ed., Amacom, New York, 2007., p. 3.
Prvenstvena namjera razvoja ovog modela jest efikasna komunikacija između partnera u
opskrbnom lancu, a za što kvalitetniju provedbu on sadrži: opis uključenih upravljačkih
procesa, okvir odnosa između tih procesa, standardne mjere za mjerenje performansi procesa,
upravljačke prakse najboljih kompanija te usklađenje značajki i funkcija. Model se sastoji od
pet osnovnih procesa čije se karakteristike navode u nastavku (Bolstorff i Rosenbaum, 2007.,
p. 2-3.):
planiranje (planiranje i upravljanje potražnjom i opskrbom) - podrazumijeva ocjenu
opskrbnih resursa, zahtjeva agregatne i prioritetne potražnje, planiranje zaliha za
distribuciju i proizvodnju te potrebe kapaciteta;
nabavljanje - podrazumijeva nalaženje, nabavu, inspekciju, zadržavanje i autorizaciju
plaćanja dobavljačima za sirovine i nabavljene gotove proizvode;
proizvodnja - obuhvaća zahtijevanje i prijem materijala, obradu, testiranje proizvoda,
pakiranje te njihovo izdavanje;
114
isporuka
-
predstavlja
realizaciju
naručenih
proizvoda
u
kvalitativnom
i
kvantitativnom smislu;
povrat - predstavlja osjetljiv dio navedenih aktivnosti obzirom da upravlja s oštećenom
ili neprihvaćenom robom.
SCC je 2004. godine prezentirao dva nova okvira kao prilog mozaiku kompanijinog lanca
vrijednosti (Bolstorff i Rosenbaum, 2007., 240-245.). CCOR (Customer Chain Operations
Reference) model definira kupca kao dijela lanca vrijednosti, a sastavljen je integracijom
planiranja, odnosa, prodaje, ugovora, servisa te omogućujućih procesa (engl. plan, relate, sell,
contract, service and enable processes). DCOR (Design Chain Operations Reference) model
definira dizajn kao dio lanca vrijednosti nastalog integracijom planiranja, istraživanja, dizajna,
integracije, poboljšanja i omogućujućih procesa (engl. plan, research, design, integrate,
amend and enable processes). Prema Handfieldu i Nicholsu (2002., p. 68.), najznačajnija
vrijednost SCOR modela predstavlja mogućnost članovima lanca da u sklopu postignute
integracije razgovaraju istim jezikom. S obzirom da je model ogledalo tradicionalnih funkcija
(planiranje = logistika, izvor = nabavljanje, proizvodnja, isporuka = transport), Jacoby (2009.,
p. 229-230.) kaže da ga dosta poduzeća koristi samo za uspoređivanje tradicionalnih
funkcionalnih performansi. Uspoređujući GSCF i SCOR modele, Lambert et al., (2008., p.
313.) zaključuju kako su oba fokusirana na implementaciju krosfunkcijskih procesa u
opskrbnom lancu; međutim, drže da je GSCF više uključen s obzirom da involvira sve
poslovne funkcije te širi set aktivnosti. Osim navedenog, prema njima, GSFC osigurava
mehanizam za razmatranje generiranja prihoda, radije nego da se fokusira na sniženje
troškova.
Izvrsnost opskrbnog lanca donosi dioničarima vrijednost91 jer kontrolira otkucaje srca
poduzeća – temeljni tok materijala i informacija od dobavljača preko poduzeća do kupaca
(Slone et al., 2010., p. 5.). Svjetska klasa SCM-a kreira ekonomski profit kada:
podržava veći prihod omogućavajući besprijekornu dostavu kupcu;
snižava trošak kroz učinkovitije operacije;
snižava potreban kapital pomoću nižih zaliha, ukupnog radnog kapitala te kreirajući
idealnu92 fizičku mrežu.
91
Slone et al. pojašnjavaju kako vrijednost za dioničare predstavlja ekonomski profit što se dobije kad se od
profita odbije trošak kapitala potreban za njegovo generiranje.
92
Izvorna riječ na engleskom jeziku glasi streamlined što se prevodi kao nešto što ne pruža otpor,
aerodinamično...
115
2.2.2. Faze zrelosti upravljanja opskrbnim lancem
Za razumijevanje opskrbnog lanca i načina njegovoga funkcioniranja esencijalno jest
poznavanje organizacije procesa koji se mogu definirati kao logična serija transakcija što
konvertiraju inpute u rezultate odnosno outpute (Handfield i Nichols, 2002., p. 40-41.).
Poslovni procesi predstavljaju lanac logički povezanih repetitivnih aktivnosti koji koriste
tvrtkine resurse za preradu ili transformaciju određenog objekta (fizičkog ili mentalnog) za
postizanja specifičnog i mjerljivog rezultata za interne ili eksterne kupce.
Poirier i Quinn (2003; 2006.) navode pet razina zrelosti opskrbnog lanca:
1. poduzeća su fokusirana na funkcijska i procesna poboljšanja, a riječ je o internim
aktivnostima usmjerenima oko unutarnje integracije. Kao vodič u ovoj najranijoj fazi
može se koristiti SCOR model;
2. nastavlja se evolucija opskrbnog lanca još uvijek unutar poduzeća jer se shvaća da se
uštede mogu generirati u svim elementima lanca unutar poduzeća. Dolazi do pomaka
nabave prema strateškoj funkciji, baza dobavljača se usmjerava prema strateškim,
poboljšava se protok informacija unutar poduzeća. Autori ističu kako mnogim
poduzećima predstavlja problem iskorak prema trećoj fazi koji je prvenstveno
kulturološke naravi;
3. strateško shvaćanje dobavljača rezultira njihovim involviranjem u ranije faze razvoja
proizvoda. Logistika, transport i funkcije skladištenja uspostavljaju globalne relacije s
kvalificiranim logističkim servisima;
4. intenzivan razvoj odnosa s kupcima i dobavljačima što rezultira razvojem lanca
vrijednosti, intenzivira se razmjena i korištenje informacija u uzvodnim i nizvodnim
aktivnostima. Karakteristika ove faze predstavlja uspostava elektronske trgovine (engl.
e-commerce) i elektronskog poslovanja (engl. e-business);
5. najnapredniju fazu karakterizira maksimalna komunikacijska povezanost kroz cijelu
mrežu opskrbnog lanca uz iscrpno korištenje svih raspoloživih tehnoloških
mogućnosti.
Istraživanje koje su proveli McCormak i Johnson (2000., prema Lockamy i McCormak,
2004., p. 273.) pokazalo je kako je orijentiranosti prema poslovnim procesima (engl. Business
Process Orientation – BPO) kritično za smanjenje konflikta, poticajno za jače povezivanje
unutar poduzeća te za unapređenje performansi. Ključni elementi BPO-a su: upravljanje
116
procesima i mjerenje, procesni poslovi (poslovi fokusirani na procese a ne na funkcije) te
procesni pogled (krosfunkcijski horizontalni pogled na poslovanje).
Temeljem svojih istraživanja odnosa zrelosti opskrbnog lanca i njegovih performansi
Lockamy i McCormak (2004., p.272.) razvili su model procesne zrelosti upravljanja
opskrbnim lancem na temeljima modela BPO čiji su elementi prikazani u tablici 9.
Tablica 9. Model zrelosti orijentiranosti poslovnim procesima BPO
Prošireni
Konkurentnost se pojavljuje između mreža poduzeća. Suradnja između tvrtki postaje rutinska
do točke gdje prakse naprednih procesa dozvoljavaju transfer odgovornosti nevezano za
legalnost vlasništva procesa. Povjerenje i zajednička zavisnost povezuje cjelokupnu proširenu
mrežu. Uspostavljena je čvrsta horizontalna kultura orijentirana prema kupcu.
Integrirani
Kompanija, njezini dobavljači i kupci uspostavljaju kooperaciju na procesnoj razini.
Organizacijska struktura i poslovi temeljeni su na procesima, a tradicionalne funkcije polako
nestaju. Mjerenje procesa i upravljanje sustavom duboku su ugrađeni u organizaciju.
Pojavljuju se naznake naprednih procesa.
Povezani
Ova razina predstavlja prijelomnicu. Vodstvo kompanija strateški uspostavlja upravljanje
procesima. Širi obuhvat procesa i struktura postavljeni su izvan tradicionalnih funkcija.
Kooperativnost između funkcija unutar poduzeća, prodavača i kupaca poprima obilježje
timova koji dijele zajedničke mjerljive procese i ciljeve.
Definirani
Osnovni su procesi definirani i dokumentirani. Promjene u ovim procesima trebaju se
odvijati kroz formalne procedure. Poslovni i organizacijska struktura uključuju procesne
aspekte, ali ostaju tradicionalni. Predstavnici funkcija održavaju koordinacijske sastanke u
svezi procesnih aktivnosti.
Ad hoc
Procesi su nestrukturirani ili loše definirani. Ne postoji mjerenje procesa, organizacijska se
struktura temelji na tradicionalnim funkcijama, a ne na horizontalnim procesima.
Izvor: Lockamy, A., McCormak, K.: The development of a supply chain management process maturity model
using the concepts of business process orientation, Supply Chain Management: An International Journal,
2004., 9 (4), p. 275.
Handfield i Nicholson (2002., p. 24-25.) navode korake u implementaciji integriranog lanca
vrijednosti koji započinju optimizacijom i koordinacijom između poslovnih funkcija. Nabava,
operacije i distribucija trebaju biti usklađeni s poslovnom strategijom i zajedničkim mjerama
performansi, i treba se znati u kojem smjeru poduzeće ide. Osnovni procesi (ispunjavanje
117
narudžbi, strategija nabave i logistički tok) trebaju biti analizirani i unapređeni, a temeljna
mrežna struktura povezanosti s dobavljačima i kupcima treba biti optimizirana. Uspostava
integriranog opskrbnog lanca koji će opskrbiti krajnjeg kupca ili člana lanca sa zahtijevanim
materijalima, u potrebnim količinama, u zahtijevanoj formi, s potrebnom dokumentacijom, na
zahtijevanu lokaciju, u pravo vrijeme, uz najniže moguće troškove leži u samom srcu SCM-a
(Handfield i Nicholson, 2002., p.39.). Kako bi se postigli ovi ciljevi, potrebno je:
razumjeti postojeći opskrbni lanac i izraditi njegovu mrežu;
prepoznati kritičnu ulogu vremenskog ciklusa opskrbnog lanca;
napraviti reinženjering logistike opskrbnog lanca;
uspostaviti sistem mjerenja performansi cjelokupnog lanca.
Model zrelosti upravljanja opskrbnim lancem prikazuje slika 18.
Slika 18. Model zrelosti upravljanja opskrbnim lancem
Izvor: Lockamy, A., McCormak, K.: The development of a supply chain management process maturity model
using the concepts of business process orientation, Supply Chain Management: An International Review,
2004., 9 (4), p. 276.
118
Vezano za prikazana dva modela zanimljivo je vidjeti rezultate određenih istraživanja o
dostignutim stupnjevima integriranosti. Prema rezultatima istraživanja Poirera i Quinna
(2006.), više od polovice kompanija smješteno je na treću razinu, za razliku od istraživanja
provedenog tri godine ranije (Poirier i Quinn, 2003.) kada je većina bila pozicionirana između
druge i treće razine. 75% ispitanika potvrdilo je da su kontinuirana poboljšanja njihovog
opskrbnog lanca urodila uštedom troškova odnosno porastom prihoda. Međutim, isto tako
treba naglasiti kako je istraživanje pokazalo kako je samo 40% ispitanika potvrdilo da imaju
određeni plan aktivnosti u slučaju ozbiljne ranjivosti njihovog lanca. Handfield (2006., p. 1416.) navodi rezultate istraživanja koje je provelo SCR (Supply Chain Redesign) 2005. godine
o razinama zrelosti preko 500 srednje do velikih poduzeća:
ad hoc - sva promatrana poduzeća su prošla ovu inicijalnu fazu;
definirani - 27% poduzeća;
povezani - 66% poduzeća;
integrirani - 7% poduzeća;
prošireni - još niti jedno poduzeće nije podiglo funkcioniranje opskrbnog lanca na ovu
razinu.
Prema Spekman et al. (1998., p. 53-67.), menadžment je svjestan kako je uspjeh poduzeća
povezan sa snagom najslabijeg partnera unutar opskrbnog lanca i zato predlažu prisnu
suradnju i integraciju cijelog lanca kako bi se mogle uživati pune pogodnosti sniženja
troškova i povećanja prihoda, odnosno, zalažu se za sljedeću evoluciju:
pregovaranje na otvorenom tržištu - glavna tema razgovora jest cijena, odnosi su
suparnički;
kooperacija - nekoliko dobavljača, dugoročni ugovori;
koordinacija - informacijska povezanost, razmjena podataka i informacija između
sudionika;
suradnja - integracija opskrbnog lanca, zajedničko planiranje, tehnološka suradnja.
Pitanje mjerenja odnosno mogućnosti operacionalizacije mjerenja integracije opskrbnog lanca
rezultirala je razvojem tehnike Q-podjele (engl. Q-sort techniques), a rezultati istraživanja
(Boon-itt i Paul, 2005., p. 47-52.) pokazali su kako je riječ o korisnom metodičnom pristupu.
Ovu su tehniku izvorno razvili Bowersox et al. (2000.) i Stank et al. (2001.), i sastoji se od
šest dimenzija: integriranost s kupcem, unutarnja integracija, integriranost s dobavljačima,
tehnološka integracija i planiranje, integracija mjerenja te integracija povezanosti tj. veza.
119
2.2.3. Evaluacija strategija upravljanja opskrbnim lancem
Prije donošenja odluke o implementaciji i provođenu određene strategije upravljanja
opskrbnim lancem potrebno je da poduzeće uopće prepozna takav koncept kao svoju stratešku
odrednicu, odnosno, potrebna mu je takva orijentacija. Mentzer et al. (2001., p. 11.) definiraju
orijenatciju prema opskrbnom lancu (engl. Supply Chain Orientation - SCO) kao
prepoznavanje organizacije sistematskog i strateškog uključivanja taktičkih radnji uključenih
u upravljanje različitih tokova unutar opskrbnog lanca. Može se reći da je poduzeće strateški
orijentirano prema opskrbnom lancu ako menadžment može vidjeti posljedice upravljanja
uzvodnim i nizvodnim tokovima proizvoda, usluga, financija i informacija sa svojim
dobavljačima i kupcima. Min i Mentzer (2004., p. 65.) predlažu kulturološke elemente koje bi
poduzeća trebala graditi i njegovati u svojim odnosima s partnerima iz opskrbnog lanca:
povjerenje, sastoji se od kredibilnosti i dobronamjernosti, determinira kooperaciju i
privrženost odnosu;
privrženost, implicitno ili eksplicitno obećanje o kontinuitetu odnosa između partnera
iz lanca;
kooperativne norme, predstavljaju percepciju zajedničkih napora dobavljača i
distributera u ostvarenju pojedinačnih i zajedničkih ciljeva uz istovremeno
suzdržavanje od poduzimanja oportunističkih aktivnost;
organizacijska uskladivost;
podrška vrhovnog menadžmenta.
S obzirom da su odnosi u opskrbnom lancu tipično dugoročni te zahtijevaju važnu stratešku
koordinaciju, Mentzer et al. (2001., p. 12.) istraživali su predhodnost i posljedice upravljanja
opskrbnim lancem, gdje se pod prethodnošću podrazumijeva ukupnost faktora koji
povećavaju ili onemogućavaju implementaciju filozofije orijentiranosti prema opskrbnom
lancu. Njihova je analiza prikazana na slici 19.
120
Slika 19. Upravljanje opskrbnim lancem – prethodnost i posljedice
Izvor: Mentzer, John T., DeWitt, W., Keebler, James S., Min, S., Nix, Nancy W., Smith, Carlo D., Zacharia,
Zach G.: Defining Supply Chain Management, Journal of Business Logistics, 2001., 22 (2), p. 192.
Jedan od uzroka neuspjeha opskrbnih lanaca jest nerazumijevanje prirode potreba što se
posljedično odražava na dizajn i strategiju upravljanja opskrbnim lancima. Fischer 1997. (Li,
2008., p. 13-14.) je sugerirao dva različita pristupa: efikasan i odgovoran opskrbni lanac.
Svrha odgovornog opskrbnog lanca jest brza reakcija na tržišne zahtjeve. Ovakvi modeli
najbolje odgovaraju okolini gdje je predviđanje potražnje nisko, greške predviđanja visoke,
životni ciklus proizvoda kratak, uvođenje novog proizvoda brzo, a postoji i veliki izbor novih
proizvoda. Svrha efikasnog opskrbnog lanca jest koordinacija toka materijala i usluga kako bi
se minimizirale zalihe te povećala efikasnost proizvođača u lancu. Ovakav tip modela najbolje
odgovara tržištima gdje se potražnja može dobro predvidjeti, greške predviđanja su male,
životni ciklus proizvoda je duži, a izbor novih proizvoda skučen.
Efikasno funkcioniranje opskrbnih lanaca ima svakim danom sve veći utjecaj na poslovanje i
opstanak poduzeća, stoga ne čude mnoga istraživanja akademske zajednice sa ciljem
pronalaženja modela za poboljšanje njihove učinkovitosti i djelotvornosti. Bilo koja strategija
opskrbnog lanca treba početi s kupčevim sadašnjim i budućim potrebama (Slone et al., 2010.,
p. 34.). Temeljem evolutivnih faza prikazanih u prethodnom poglavlju Spekman et al. (1998.)
razvili su matricu strategija upravljanja opskrbnim lancem vidljivu na slici 20.
121
Slika 20. Matrica strategija upravljanja opskrbnim lancem
Izvor: Spekman, R.E., Kamauff, J.W., Myhr, N.: An empirical investigation into supply chain management: a
perspective on partnership, Supply Chain Management: An International Journal, 1998., 3 (2), p. 59.
Jacoby (2009., p. 34-38.) navodi četiri osnovna principa za unapređenje SCM-a:
produktivnost, pouzdanost, fleksibilnost i inovativnost93. Na osnovi ovako postavljenih
principa razvijaju se četiri temeljne strategije SCM-a:
racionalizacija, uključuje temeljne procese koji se javljaju kod nabavljanja (aukcija,
kolekcija, ugovaranje, porijeklo), proizvodnje te upravljanje sadržajima. Ova je
strategija izvrsna u upravljanju operativnim troškovima kroz SCM kako bi se postiglo
cjenovno vodstvo i veća profitabilnost nego u konkurenata;
sinkronizacija, uključuje temeljne procese koji se javljaju kod sastavljanja, upravljanja
zalihama, održavanja, upravljanja materijalima, operacijama, kontroli proizvodnje i
kvalitete, ispunjavanju narudžbi, povratima, popravcima i recikliranju. Cilj ove
strategije jest postizanje vjerodostojnosti i besprijekornih izvršavanja unutar lanca
(pravi proizvod na pravo mjesto u pravo vrijeme) kako bi se postigao isti volumen
izlaza s manjom imovinom (kapacitetom proizvodnje) i manjim radnim kapitalom;
adaptacija, uključuje temeljne procese koji se javljaju kod servisa kupcima,
predviđanja, marketinga, segmentacije kupaca, rudarenja podacima, distribucije,
uvođenja novih proizvoda, te politike cijena. Prilagodba podrazumijeva izvrsnost u
izgradnji jedinstvene sposobnosti korištenja opskrbnog lanca u postizanju kvalitetnijih
odnosa s kupcima, a uključuje odgovornosti i fleksibilnost;
93
Jacoby kaže da mnogi autori u osnovne principe također uvrštavaju suradnju kao vodeći princip međutim, on
smatra da ona ne dodaje vrijednost za krajnjeg kupca. Dakle, prema njemu, suradnja jest nužna, ali ne i dovoljna.
122
inovacija (inovativnosti), uključuje tradicionalne procese u inženjeringu, istraživanju i
razvoju, ranijem involviranju dobavljača i dijeljenju inovativnih ideja, partnerstvo te
upravljanje rizikom. Primjena ove strategije u opskrbnom lancu omogućava bržu,
frekventniju i efikasniju promociju novog proizvoda što utječe na kvalitetniju
brendiranost u očima kupaca.
Elementarne tehnike nužne za provođenje ovih strategija jesu:
dizajniranje mreže opskrbnog lanca, to će omogućiti brže i učinkovitije odgovore uz
niže troškove;
planiranje kapaciteta, kako bi ih se pravovremeno imalo dovoljno, uključujući
dugoročno modeliranje odlučivanja;
upravljanje rizikom, kako bi se efikasno izbalansirao rizik s dobitkom za postizanje
vrhunskih performansi bez nepoželjnog rizika;
monitoring i mjerenje kako bi se pratilo izvršenje zadane strategije.
Anderson et al. (2007.) smatraju da uspješni menadžeri opskrbnog lanca odbacuju
tradicionalističke poglede na poduzeće i njegove dijelove smatrajući kako je pravi pokazatelj
uspjeha način kako se vodi cjelokupan lanac gradeći vrijednost za kupca, uz istovremeno
povećanje profitabilnosti svake komponente lanca. Povećanje uspješnosti treba se provoditi
kako na strateškoj tako i na taktičkoj razini, uz holistički pristup koji će omogućiti da
napredak čitavog lanca bude veći nego zbroj poboljšica njegovih pojedinih dijelova. Predlažu
sedam temeljnih principa u razradi strategije SCM-a:
provođenje segmentacije kupaca, kako bi se opskrbni lanac prilagodio pojedinoj grupi
tako da pruži veću vrijednost ciljanom kupcu uz povećanje profitabilnosti.
Segmentacijom je potrebno razviti portfelj različitih usluga prilagođenih pojedinoj
ciljanoj skupini kupaca;
adaptacija logističke mreže prilagođena zahtjevima i profitabilnosti pojedinog
segmenta kupaca;
osluškujući tržišne signale potrebno je uskladiti planiranje opskrbe dužinom cijelog
opskrbnog lanca osiguravajući pri tome dosljedno predviđanje i optimalnu alokaciju
resursa;
diferencirati proizvode prema potrebama kupaca te izvršiti konverziju brzine duž
cijelog lanca;
123
strateški upravljati izvorima kako bi se postiglo smanjenje vlastitih troškova sirovina i
usluga;
razviti stratešku tehnologiju koja obuhvaća cjelokupan opskrbni lanac s idejom
omogućavanja potpore višestrukim razinama odlučivanja te pružiti jasan pregled
protok roba, usluga i informacija;
usvojiti mjerenje kanala (engl. Channel-spanning) za ocjenu kolektivnog uspjeha
efikasne i efektivne realizacije krajnjeg korisnika.
Porter (1998., p. 35-41.) je definirao tri opće strategije: segmentacije (fokusiranja),
diferencijacije proizvoda te cjenovnog odnosno troškovnog vodstva. Prema istraživanju koje
je 2008. godine proveo Boston Strategies International (Jacoby, 2009., p. 53-54.), 54%
poduzeća provodi low-cost strategiju, 28% fokusirano je na određeno tržište, dok ih 18%
provodi diferencijaciju proizvoda. Istraživanje je pokazalo korelaciju između poslovne
strategije i strategije opskrbnog lanca, kao što prikazuje tablica 10. Strategija niskih cijena
(engl. low-cost) odnosi se na strategiju opskrbnog lanca prvenstveno usmjerenu na rezanje
troškova, a poduzeća koja provode ovu strategiju daju prednost racionalizaciji i sinkronizaciji
u odnosu na inovaciju i adaptaciju. Strategija segmentacije pomaže strategiji opskrbnog lanca
proizvodnju posebnog proizvoda (u očima njegovog kupca). Istraživanje je pokazalo da
poduzeća koja provode ovu strategiju provode također strategiju adaptacije opskrbnog lanca.
Ona poduzeća koja provode strategiju diferencijacije žele uslužiti dio tržišta drugačije nego to
radi njihova konkurencija, stoga provode strategije adaptacije i inovacije.
Tablica 10. Korelacija između poslovnih strategija i strategija opskrbnog lanca
Poslovna strategija
Racionaliazcija
Sinkronizacija
Adaptacija
(prilagodba)
Inovacija
(inovativnost)
Diferencijacije
negativna
negativna
pozitivna
pozitivna
Segmentacije
(fukusiranja)
negativna
negativna
pozitivna
negativna
Troškovno vodstvo
(niske cijene)
pozitivna
pozitivna
negativna
negativna
Izvor: Jacoby, D.: Guide to Supply Chain Management, The Economist Newspaper Ltd., London, 2009., p. 54.
124
Temeljem svojih istraživanja, Slone et al. (2012., p. 40.) iskristalizirali su pet ključnih
elemenata koji kreiraju izvrsnost opskrbnih lanaca, odnosno strategiju za postizanje
izvrsnosti:
izbor pravih vođa i razvoj talenta - s obzirom na izuzetnu kompleksnost suvremenih
opskrbnih lanaca selektiranje menadžmenta koji će ga voditi predstavlja ključnu točku
uspjeha. Karakteristike tih ljudi trebale bi biti (Slone et al., 2012., p. 63.): globalna
orijentiranost, sposobnost sistemskog razmišljanja, inspirirajuće i utjecajno vodstvo,
tehnološka obrazovanost94 te superiorne poslovne vještine;
izbor i implementacija prikladnih tehnoloških rješenja - primjereno primijenjena
tehnologija može biti glavni pokretač unapređenja opskrbnog lanca u generator
ekonomskog profita, omogućavajući poduzeću rezanje troškova i zaliha te
unapređenje servisa kupcima. Tehnološke kategorije koje su primjenjive u opskrbnim
lancima jesu: softver, tehnologije e-poslovanja (engl. e-business technologies),
vidljivost i produktivnost te procesno napredovanje;
unutarnja suradnja - bit će uspješna kada prodaja, marketing i operacije nađu način da
usklade fokusiranje na servisiranje kupca tako da maksimiziraju ekonomski profit. S
obzirom da je opskrbni lanac horizontalni krosfunkcijski proces važno je eliminirati
vertikalne funkcijske barijere koje ga sprečavaju;
vanjska suradnja - sastoji se od zajedničkog rada dobavljača i kupaca radi postizanja
unapređenja. Uspješnija suradnja članova opskrbnog lanca zahtijeva dosta teškog rada
te izgradnju zajedničkog povjerenja kroz duže razdoblje što znači čvrsto uvjerenje
partnera o snazi suradnje, potom zajednička privrženost investiranju vremena i resursa
u izgradnju odnosa, te vjera u dokumentirane procese koji odražavaju odnos.
upravljanje promjenama - mnogi projekti opskrbnih lanaca nisu postigli željenu razinu
izvrsnosti jer se učinci nisu mogli jasno mjeriti, artikulirati niti voditi. Također je
potrebno izvršiti identifikaciju rizika kako bi se njime moglo upravljati, a preduvjet
navedenom u sklopu upravljanja promjenama jest prva faza, odnosno izbor ključnih
ljudi koji će ovim upravljati.
94
Prema autorima, tehnologija postaje ključni čimbenik izvrsnosti opskrbnih lanaca tako da se zahtijeva
tehnološka pismenost menadžmenta. AMR Research predviđa da će investiranje opskrbnih lanaca u IT nastaviti
rasti po stopi od 15% godišnje (Slone et al., 2012., p. 74.).
125
2.3.
Odrednice suvremenog upravljanja opskrbnim lancem
2.3.1. Aktualna znanstvena istraživanja u kontekstu opskrbnih lanaca
Termin upravljanje opskrbnim lancem nije samo korišten za objašnjavanje logističkih
aktivnosti te planiranje i kontrolu materijala i informacija koji su se kretali unutar ili izvan
poduzeća. Istraživači su ga također koristili da objasne strateška i interorganizacijska pitanja,
za ispitivanje i proučavanje alternativnih organizacijskih formi te za objašnjavanje relacija
koja su poduzeća razvijala sa svojim dobavljačima i kupcima. Harland (1996., p. 64.) sažeo je
četiri glavna istraživačka područja u domeni SCM-a: pitanja unutar organizacije, teme između
dvije organizacije, problemi unutar lanca te pitanja unutar mreže.
Temeljem istraživanja 400 članaka vezanih za problematiku opskrbnih lanaca, Chen i Paulraj
(2004., p. 131-144.) razvili su teorijski okvir kako bi se bolje razumjelo područje problema i
mogućnosti vezanih za SCM, a prikazan je na slici 21.
Slika 21. Teorijski okvir za istraživanje upravljanja opskrbnim lancem
Izvor: Chen, I.J., Paulraj, A.: Understanding supply chain management: critical research and a theoretical
framework, International Journal of Production Research, 2004., 42 (1), p. 133.
126
Tri su ključne pokretačke sile u razvoju SCM-a: neizvjesna okolina, orijentacija prema kupcu
i informacijska tehnologija, dok su četiri osnovna pravca istraživačkih usmjerenja:
strateška nabava - povijesno gledajući nabava je imala pasivnu ulogu u poslovanju sve
do osamdesetih godina, kada je počela njezina evolucija;
upravljanje opskrbom - upravljanje opskrbom razlikuje se od SCM-a jer SCM
obuhvaća sve aspekte dostave proizvoda ili usluge kupcu dok je upravljanje
opskrbnom prvenstveno usmjereno na odnos kupac – dobavljač. Osnovne teme koje su
se proučavale u sklopu ovog dijela jesu:
o komunikacija - efikasna dvostrana komunikacija je esencijalna za uspješan
odnos s dobavljačima i kupcima. U namjeri da riješe potencijalne probleme i
osiguraju nesmetan tok roba i usluga strane u lancu trebaju biti voljni dijeliti
podatke i informacije;
o redukcija baze dobavljača - iako se u prošlosti smatralo da je poželjnije imati
više dobavljača koji se međusobno nadmeću, novije spoznaje jesu suprotne:
smanjenjem broja dobavljača omogućuje se intenziviranje odnosa na obostranu
korist;
o dugoročni odnosi - ovdje nije riječ o trajanju odnosa već je naglasak da nisu
privremeni ili povremeni. Kroz ovakve odnose partneri su voljni dijeliti
informacije, rizik, zajednički ulaziti u razvoj novih proizvoda i sl.;
o izbor dobavljača - vezano je uz prethodno navedeno s obzirom da njihov
pravilan izbor za specifične potrebe može imati veliki utjecaj na financijski i
operativni rezultat. Spremnost dijeljenja informacija može se smatrati
pokazateljem međusobnog povjerenja;
o certificiranje dobavljača - pregledavanjem svih aspekata njegovih performansi
i činom konačnog izbora za očekivati je da će odnos kupac – dobavljač biti
unaprijeđen u smislu pouzdanja i povjerenja;
o učešće dobavljača - primjeren broj članaka bavio se odnosom angažmana
dobavljača u razvoju novog proizvoda s obzirom da se to može izravno
odraziti na povećanje kvalitete, smanjenje troškova te skraćenje vremena
razvoja i plasmana proizvoda na tržište;
o krosfunkcijski timovi - identificirani su kao važan doprinos uspjehu izbora
dobavljača, dizajnu proizvoda, pravovremenoj proizvodnji (JIT); smanjenju
troškova, povećanju kvalitete te unaprjeđenju komunikacije;
127
o povjerenje i privrženost - suradnja u kojoj poduzeća razmjenjuju važne
informacije i uključuju se u dugoročne odnose dobavljač – kupac predstavlja
početak istinske interakcije opskrbnog lanca;
logistička integracija - može biti dvojaka, interna i eksterna odnosno proširena.
Karakterizira je integracija logističkih aktivnosti kroz funkcijske odjele unutar
poduzeća, jednako kao i integracija firminih logističkih aktivnosti s istovjetnim
aktivnostima drugih članova lanca;
koordinacija opskrbne mreže - veliki broj istraživanja bio je usmjeren prema nalaženju
matematičkog modela sa ciljem optimiziranja planiranja i koordiniranja tri temeljne
pozicije opskrbnog lanca; nabave, proizvodnje i distribucije.
Temeljem rezultata navedenog istraživanja Chen i Paulraj (2004.b) predložili su i testirali set
mjera i instrumenata za ocjenjivanje različitih modela SCM-a: neizvjesna okolina, fokus
prema kupcu, podrška vrhovnog menadžmenta, strateška nabava, konkurentski prioriteti,
informacijska tehnologija, struktura opskrbne mreže, logistička integracija, performanse
dobavljača, performanse kupca te odnos kupac – dobavljač unutar kojega se nalaze: redukcija
baze dobavljača, dugoročni odnosi, komunikacija, krosfunkcijski timovi, uključivanje
dobavljača, što je prikazano na slici 22.
Slika 22. Okvir za razvoj mjernih instrumenata upravljanja opskrbnim lancem
Izvor: Chen, I.J., Paulraj, A.: Towards a theory of supply chain management: the construct and measurements,
Journal of Operations Management, 2004., 22 (2), p. 121.
128
Burges et al. (2006., p. 703-729.) analizirali su uzorak od 100 statistički izabranih članaka iz
domene SCM-a s pouzdanošću od 90% a objavljivani su od 1985. do 2005. godine.
Istraživanje je pokazalo da se najviše članaka (35%) bavi proizvodnjom, dok druga najveća
grupa (16%) obuhvaća različite industrijske sektore. Najveći broj članaka (57%) SCM
sagledava kao proces, četvrtina (24%) ga analizira kao sistem, dok ih 9% razmatra kao
aktivnost. S obzirom da ne postoji konsenzus oko mjerila i konstrukata za ocjenu SCM-a
autori su razvili svoj pristup sa sedam mjerila: vodstvo, unutarorganizacijski odnosi,
međuorganizacijski
odnosi,
logistika,
orijentacija prema procesnim
unapređenjima,
informacijski sistem te poslovni rezultati. Prema ovakvoj klasifikaciji, najviše se članaka
bavilo procesnim unapređenjima (35%) i međuorganizacijskim odnosima (25%). Ni jedan
analizirani članak nije pružio novu originalnu teoriju, a prema klasifikaciji koju su napravili
Handfield i Malnyk 1998. (prema Burges et al., 2006.) o šest tipova aktivnosti vezanih uz
teoriju - otkriće, opisivanje, mapiranje, izgradnja odnosa, validacija teorije te proširenje
teorije - najviše članaka (40%) bavi se opisivanjem. U metodološkom smislu najviše je
analitičko konceptualnih (39%), empirijskih studija slučajeva (32%) te statistička testiranja
(22%).
Arlbjorn et al (2007., p. 452-474.) napravili su istraživanje znanstvenika koji se bave
problemima SCM-a i logistike u nordijskim zemljama te su utvrdili dominantna područja
njihovih istraživačkih interesa95:
opskrbni lanci i mreže - 54,16%;
transport - 25,69%;
logistika / organizacija opskrbnih lanaca - 23,61%;
poslovni odnosi - 21,52%;
distribucija - 19,44%.
Zhang et al. (2009.) napravili su sveobuhvatno istraživanje 157 doktorskih disertacija s
kineskih sveučilišta u razdoblju od 1999. do 2006. godine u području SCM-a. U svojoj su
analizi identificirali 17 tematskih područja, a u kontekstu ovog rada zanimljivo jest da su
poslovnu
inteligenciju
pozicionirali
u
skupinu
s
informacijskom
tehnologijom,
informacijskim sustavima, CRM-om, sustavima za odlučivanje te RFID tehnologijom unutar
koje je obrađeno deset disertacija (6,37%). Više od pola disertacija (55%) obrađuje
95
Istraživanje je obuhvatilo 353 znanstvenika iz pet zemalja: Danske, Finske, Islanda, Norveške i Švedske, a
odziv je bio 144 (41%).
129
proizvodne probleme, dok ih se trećina (33%) odnosi na poljoprivredne teme. Harlandovu
(1996.) četverodijelnu raspodjelu tema iz opsega SCM-a dodatno su proširili na sedam razina,
počevši od funkcijske razine, potom procesne, organizacijske, međuorganizacijske, razine
lanca, mrežne, te razine makro opskrbnog lanca. Prema ovakvoj podjeli, više od polovine
disertacija (54%) obrađuje teme makro i razine lanca.
Gubi et al. (2003., p. 854-885.) istražili su 71 objavljenu disertaciju sa skandinavskog
područja96 u razdoblju od 1990. do 2001. godine, te su zaključili kako su proizvodnja i
prijevoz dva dominantna područja istraživanja (zajedno čine 80%). Preko polovine disertacija
(56,33%) bavi se istraživanjima funkcija pojedinačne firme, dok ih manje od trećine (29,57%)
to radi na razini lanca ili mreže. U teorijskom smislu97, skoro polovina disertacija (47%)
klasificirana je kao T3 teorija. Za razliku od Zhang et al., koji su identificirali 17 tematskih
područja, Gubi et al. klasificirali su ih osam, gdje trećina obuhvaća logistiku, dizajn sustava,
njegovu strukturu i efikasnost. Posebnost ovog istraživanja jest prikaz tematskih područja
koja nisu obrađivana u analiziranim disertacijama, a autori su ih klasificirali na; kupčeve
zahtjeve, strateške izvore, usklađenje mreže, agilnost, okruženje/održivost, e-trgovanje,
informacijski sustav, integraciju te virtualnu logistiku.
Zachariassen i Arlbjorn (2010., p. 332-352.) istražili su 70 nordijskih98 disertacija objavljenih
u razdoblju od 2002. do 2008. godine, a s obzirom da su primjenili metodologiju koju su
razvili Gubi et al. (2003) rezultati se mogu usporediti s njihovim. Kao i kod starijeg
istraživanja, problemi iz proizvodnje su i dalje dominantni, međutim, prepolovljen je broj
tema iz područja prijevoza a povećan iz područja trgovine na veliko i malo. Promatrajući
operativnu razinu, može se zaključiti kako su se istraživačka usmjerenja značajno pomakla s
pojedinog poduzeća prema međusobnom odnosu i opskrbnom lancu. Analizirajući tematska
područja može se zaključiti kako je smanjen interes za strukturiranje i dizajn sustava u odnosu
na starije nalaze. Progres znanstvene misli može se uočiti kada autori, slijedeći primjer
prethodnog istraživanja, sugeriraju neistražene a aktualizirane teme: globalizacija, pitanja
okoline/korporacijske i socijalne odgovornosti, upravljanje rizikom, sigurnost te humanitarna
logistika.
96
Za razliku od prethodno navedenog nordijskog istraživanja ovdje nije uključen Island.
Jensen je 1995. (Gubi et al., 2003., p. 864.) objasnio tri tipa teorija: T1 teorija može biti znanstvena ako je
moguće pružiti dokaz o njezinoj efikasnosti u rješavanju praktičnog problema ili o izboru najbolje varijante
između mnogo ponuđenih. Ovakva se teorija sastoji od skupine principa, procedura, koncepata, notacija i
simbola. Teorija T2 pruža odgovor na teorijski problem. Njena osnovna funkcija jest objašnjenje. T3 teorija
nastaje primjenom teorije T2 na praktični problem. Prema Jensenu, upravo su teorije T3 najčešće u
menadžmentu i znanosti o poslovanju.
98
U ovo istraživanje također nije uključen Island.
97
130
U jednom od najnovijih istraživanja (Hofman, 2011.) identificirano je šest taktika odnosno
trendova koje koriste lideri u području upravljanja opskrbnim lancima: evolucija iz opskrbnog
lanca u lanac vrijednosti, segmentacija opskrbnih lanaca, balans prodajnog i operativnog
planiranja (engl. Sales & Operations Planning), povećanje inovativnosti u funkcioniranju
opskrbnih lanaca, hijerarhija metrike opskrbnog lanca, proširenje opskrbnih lanaca u opskrbne
mreže.
2.3.2. Vrednovanje uspješnosti upravljanja opskrbnim lancem
Veliki utjecaj što ga upravljanje opskrbnim lancem ima na poslovanje poduzeća rezultiralo je
brojnim pokušajima pronalaženja metrike za njegovo ocjenjivanje. Kaplan i Norton (1996., p.
75-85.) razvili su tablicu uravnoteženih ciljeva (BSC) koja istovremeno predstavlja
komunikacijski alat, sustav mjerenja te sustav strateškog upravljanja, a koja se može
primijeniti na opskrbni lanac (Handfield i Nichols, 2002., p. 70.). Ovaj pristup uključuje
financijske i operativne pokazatelje za mjerenje kratkoročnih i dugoročnih performansi (Li,
2008., p. 335.) te pomaže organizacijama u svladavanju triju glavnih pitanja: djelotvornog
mjerenja organizacijskog učenja, povećanja nematerijalne imovine i izazova provedbe
strategije (Niven, 2008., p. 19.). Christopher (2005., prema Jacoby, 2009., p. 184-185.)
predlaže jednu inačicu ekonomske dodane vrijednosti, odnosno tržišnu dodanu vrijednost
(engl. Market Value Added – MVA) koja u stvari predstavlja neto sadašnju vrijednost od
EVA-e, odnosno MVA= NPV(EVA). Međutim, ovo je teško izračunati na razini cijelog
opskrbnog lanca. Jacoby (2009., p. 186.) smatra kako svaka strategija opskrbnog lanca na
najvišoj razini donosi određen financijski učinak koji se može mjeriti, i smatra kako:
racionalizacija može utjecati na poboljšanje neto marže (engl. Net margin) za 1 - 4%;
sinkronizacija može utjecati na povećanje povrata od neto imovine (engl. Return on
net assets) za 1 - 4%;
adaptacija može povećati bruto maržu (engl. Gross margin) za 5 - 7%;
inovacija može utjecati na povećanje prihoda do 10%.
Brewer i Speh (2000., p.) razvili su model koji povezuje upravljanje opskrbnim lancem i
uravnoteženu tablicu rezultata, a prikazan je u tablici 11.
131
Tablica 11. Okvir upravljanja opskrbnim lancem i uravnotežene tablice rezultata
→
Uravnotežena tablica rezultata
Ciljevi upravljanja opskrbnim lancem:
smanjenje gubitaka
sažimanje vremena
fleksibilan odgovor
sniženje jedinične cijene
→
Perspektiva poslovnih procesa
Koristi za kupca:
unapređenje kvalitete proizvoda i usluga
unapređenje pravovremenosti
unapređenje fleksibilnosti
povećanje vrijednosti
→
Perspektiva kupca
Financijske koristi:
veća profitna marža
unaprijeđen novčani tijek
rast prihoda
veći povrat na imovinu
→
Financijska perspektiva
SCM unapređenja:
inovacija proizvoda i procesa
upravljanje odnosima
informacijski tijek
prijetnje / zamjene
→
Perspektiva učenja i inovacija
Upravljanje opskrbnim lancem
Izvor: Brewer, P.C., Speh, T.W.: Using the Balanced scorecard to measure supply chain performance, Journal of
Business Logistics, 2000., 21 (1), p. 85.
Četiri područja mjerenja; financijska, kupčeva, procesa te učenja i razvoja odražavaju
strateške ciljeve poduzeća odnosno opskrbnog lanca, te su povezani u ukupnom mjerenju.
Kaplan i Norton (2004., p. 9-15) naknadno su razvili strateške mape koje predstavljaju
evoluciju tablice uravnoteženih rezultata, a u naravi predstavljaju grafički prikaz onoga što
tvrtke trebaju raditi dobro u svakoj od četiri perspektive kako bi se uspješno provela strategija
(Niven, 2008, p. 38.).
Hugos (2006., p. 133-134.) polazi od teze de se prvo treba evaluirati tržište na kojem djeluje
opskrbni lanac kako bi se mogle identificirati potrebne performanse što se trebaju mjeriti i
pratiti. U navedenome smislu, polazi od potražnje i opskrbe te definira četiri tipa tržišta:
razvijajuće tržište, karakteristično po niskoj i nepredvidivoj razini potražnje i opskrbe;
rastuće tržište, na kojemu je potražnja visoka a opskrba niska;
stabilno tržište, potražnja i opskrba su na visokoj razini;
zrelo tržište, opskrba je veća od potražnje.
132
S obzirom na različitosti navedenih tržišta, svako od njih ima jedinstven miks vlastitih
traženih performansi, što znači da poduzeća prvenstveno trebaju prepoznati tržište na kojemu
funkcioniraju njihovi opskrbni lanci kako bi im mogli postaviti realne ciljeve. Hugos (2006.,
p. 137-146.) koristi četiri kategorije: servis kupcu (pokazatelji koji mjere sposobnost
opskrbnog lanca u zadovoljavanju kupčevih očekivanja), interna efikasnost (pokazuje koliko
je poduzeće - opskrbni lanac sposobno poslovati tako da generira odgovarajuću razinu
profitabilnosti), potražna fleksibilnost (mjeri sposobnost odgovora na nesigurnost razine
potražnje) te razvoj proizvoda (obuhvaća sposobnost poduzeća i opskrbnog lanca za
kontinuiranim razvojem skupa s tržištem na kojemu funkcioniraju), a odnos tržišta i kategorija
pokazatelja prikazuje slika 23.
Slika 23. Matrica tipova tržišta i potrebnih pokazatelja performansi
Izvor: Hugos, M.: Essentials of Supply Chain Management, 2nd ed., John Wiley & Sons Inc., New Jersey, 2006.,
p. 139.
Temeljem svojih istraživanja99 Lee (2004., p. 102-112.) je zaključio kako brzina i troškovna
učinkovitost nisu one aktivnosti koje kreiraju konkurentsku prednost, već se to postiže
pomoću koncepta nazvanog tri A; agilnošću (engl. Agility), prilagodljivošću (engl.
Adaptability) i usklađenjem (engl. Alignment). Osnovne karakteristike za postizanje ovih
elemenata su:
99
Lee je istraživanjem obuhvatio 60 velikih kompanija i njihovih opskrbnih lanaca.
133
agilnost (odgovor na kratkoročne promjene u potražnji ili opskrbi, te postupanje s
vanjskim
poremećajima):
promicanje
protočnosti
informacija
s
kupcima
i
dobavljačima, razvoj suradničkih odnosa s dobavljačima, dizajniranje za odgodu,
izgradnja zaliha održavanjem jeftinijih ali ključnih komponenti, imati pouzdane
logističke sustave ili partnere, izrada planova i razvoj timova za upravljanje krizama;
prilagodljivost (prilagodba dizajna opskrbnog lanca kako bi se zadovoljile strukturne
tržišne promjene te modificirale opskrbne mreže za strategije, proizvode i
tehnologije): monitoring svjetskih ekonomija kako bi se pronašle nove opskrbne baze i
tržišta, korištenje posrednika za razvoj svježe opskrbne i logističke strukture,
razmatranje i evaluacija potreba krajnjih korisnika, a ne samo posredničkih korisnika,
razvoj fleksibilnog dizajna proizvoda, određivanje pozicija proizvoda u kontekstu
njihovih tehnoloških i životnih ciklusa;
usklađenje (kreiranje inicijativa za bolje performanse): slobodna razmjena informacija
s prodavačima i kupcima, jasna raspodjela uloga, ciljeva i odgovornosti za dobavljače
i kupce, pravedno dijeljenje rizika, troška i dobiti od realizacije unaprijeđenih
inicijativa.
AMR Research100 provodi kontinuirana istraživanja primjene opskrbnog lanca kod poduzeća
koja pripadaju u skupinu Fortune Global 500. Smatraju (Friscia et al. 2009.) da je princip
vođenja potražnjom (engl. Demand driven) vladajući princip upravljanja opskrbnim lancem,
pod čime podrazumijevaju izgradnju opskrbnog lanca koji će uslužiti kupca s operativnom i
inovacijskom izvrsnošću. Ovaj se princip sastoji od tri preklapajuća područja:
upravljanje opskrbom - proizvodnja, logistika i nabava;
upravljanje potražnjom - marketing, prodaja i servis;
upravljanje proizvodom - istraživanje i razvoj, inženjering, te razvoj proizvoda.
Izvrsnost je stvar vidljivosti, komunikacije i pouzdanih procesa koji povezuju ova tri prostora
u jednu cjelinu. Kada ovi procesi zajednički funkcioniraju, poslovanje može brzo i efikasno
odgovoriti na tržišne prilike ili kupčeve zahtjeve (Hofman, 2011.). Njihovo je istraživanje iz
2009. godine potvrdilo trend prisutan u posljednjih nekoliko godina o rastućoj ulozi
100
AMR Research Inc. je 2009. godine prodan Gartner Research Inc.
134
intelektualnog kapitala kao ključnog faktora u strategiji opskrbnog lanca101. Predlažu dvije
vrste mjerenja izvrsnosti (Hofman, 2004. i Friscia et al., 2009.):
operativna izvrsnost, koja uključuju isporuku kakva je obećana kupcu te držanje
troškova pod kontrolom. Ovakvo mjerenje ne bi trebalo predstavljati veći problem, a
na vrhu hijerarhije mjera nalazi se:
o mjera narudžbe (engl. Order rate);
o ukupni troškovi opskrbnog lanca (engl. Total supply chain costs).
inovacijska izvrsnost, koju je teže izmjeriti, a obuhvaća:
o vrijeme isporuke proizvoda kupcu kako bi ga omogao početi koristiti i time od
njega dobivati vrijednost ( engl. Time to value);
o povrat na lansirani novi proizvod (engl. Return on new product launch).
Završna razina usluge, zadovoljstvo kupca, te konkurentnosti i performanse spadaju među
najvažnije mjere uspješnosti upravljanja opskrbnim lancem. Ljungberg (2002.) smatra da su
mjere raspoređene u dva osnovna dijela, što zavisi radi li se o osnovnoj aktivnosti procesa ili o
potrebnim resursima za obavljanje tog procesa. Chen i Paulraj (2004., p. 146-147.) navode
kako mnoge studije primjenjuju financijske i/ili operativne mjere i zaključuju kako mjerenje
opskrbnog lanca nije adekvatno ako se sastoji od financijskih ili operativnih pokazatelja.
2.3.3. Održivo upravljanje opskrbnim lancem
Poglavlje o upravljanju opskrbnim lancem potrebno je završiti s razmatranjem jednog od
dominantnih rastućih trendova ovog područja. Jedini način za postizanje kontinuiranog rasta i
uspješnog poslovanja jest tretirati održivost kako ključnu polugu jednako kao i marketing,
financije, ljudske resurse ili opskrbni lanac (Haanaes et al. 2011., p. 24.). Carter i Rogers
(2008., p. 361.) navode kako je, prema podacima KPMG-a iz 2005. godine, 68% poduzeća iz
skupine 250 najvećih radilo izvještaje o održivosti, a 80% ih je to radilo u kontekstu
upravljanja opskrbnim lancem.
Istraživanje koje su 2009. godine proveli Berns et al.
101
Metodologija njihovog istraživanja najboljih opskrbnih lanaca složena je od financijskih pokazatelja i
mišljenja sutručnjaka. Tri financijska pokazatelja koja čine 50% ocjene jesu: povrat na imovinu (ROA), obrtaj
zaliha i rast prihoda. Preostalih 50% ocjene dobiva se temeljem ocjenjivanja stručnog skupa.
135
pokazuje kako je najprihvaćenija definicija Brundtland komisije102. Po njoj održivost se
odnosi na ispunjavanje potreba sadašnje generacije ne ugrožavajući pri tom mogućnost
budućih generacija da zadovolje svoje potrebe (Berns et al., 2009., p. 45.). Osim navedene
definicije, menadžment ovaj pojam povezuje uz: klimatske promjene, okolinu, ekonomska i
socijalna pitanja, održavanje poslovanja, te dugoročna pitanja. S obzirom na širinu obuhvata
definicije pojavljuje se više pitanja nego odgovora (Linton et al., 2007., p. 1076.), a između
inih jesu kako definirati održivost u kontekstu poduzeća i potom opskrbnog lanca.
Shrivastava (1995., prema Carter i Rogers, 2008.) objašnjava održivost kao potencijal
poduzeća za smanjenje dugoročnog rizika, što je povezano s pražnjenjem resursa,
fluktuacijom cijena energenata, proizvodnim obvezama, zagađivanjem te upravljanjem
gubicima. Efikasna globalna strategija održivosti može rezultirati u: (1) povećanju profita
kroz značajnu operativnu efikasnost – smanjenje globalnog gubitka i troška; (2) poticanje
ljudi i njihove zajednice – opredjeljenje prema prihvaćanju globalnih uvjeta rada, te
usklađenost s regulativnim zahtjevima; (3) smanjenje oslanjanja na oskudna sredstva – voda,
određene sirovine – dok se smanjuju gubici – osigurava se dugoročna globalna održivost
(Closs et al., 2011., p. 102.).
Polazeći od definicija SCM-a koje pružaju Mentzer et al. i Lambert et al., Carter i Rogers
(2008., p. 368.) definiraju održivo upravljanje opskrbnim lancem kao stratešku, transparentnu
integraciju i postizanje organizacijskih socijalnih i ekonomskih ciljeva, te ciljeva iz područja
okoline kroz sustavnu koordinaciju ključnih međuorganizacijskih procesa zbog unapređenja
dugoročnih ekonomskih performansi pojedine kompanije i pripadajućeg joj opskrbnog lanca.
Gupta i Palsule-Desai (2011., p. 235.) kažu da održivost SCM-a predstavlja set menadžerskih
praksi koje uključuju:
utjecaj na okolinu kao imperativ;
sagledavanje svih faza kroz cijeli lanac vrijednosti za sve proizvode;
multidisciplinarnu perspektivu koja uključuje sve faze životnog ciklusa proizvoda.
Carter i Rogers (2008.) oblikuju model održivog SCM-a polazeći od tri komponente; okoline,
socijalnih i ekonomskih performansi (planet, ljudi, zarada – engl. planet, people, profit)
kojima pridružuju četiri podržavajuća aspekta: organizacijsku kulturu, strategiju, upravljanje
rizikom i transparentnost, što je prikazano na slici 24.
102
Svjetska komisija za okoliš i razvoj (engl. World Commision on Environment and Development) dala je ovu
definiciju 1987. godine.
136
Slika 24. Model održivog upravljanja opskrbnim lancem
Izvor: Carter, C.R., Rogers, D.S.: A framework of sustainable supply chain management: moving toward new
theory, International Journal of Physical Distribution & Logistics Management, 2008., 38 (5), p. 367.
Održivi SCM zahtijeva uspostavu vrijednosti i etičnosti kroz organizaciju te efikasno,
fleksibilno i zeleno IT okruženje, jednako kao i usklađenje s korporacijskom strategijom za
održivi razvoj (Teuteberg i Wittstruck, 2010., p. 1002.). Gupta i Palsule-Desai (2011., p. 236238.) također kategoriziraju četiri dimenzije održivog SCM-a, međutim, značajno drugačije:
strateška razmatranja (organizacijska strategija, strategija i struktura opskrbnog lanca,
marketinška strategija), odlučivanje na funkcijskim sučeljima (razvoj proizvoda i njegov
ciklus, određivanje cijene i normiranje povrata, predviđanja, nabava informacija, te njihova
vrijednost),
regulatorne i vladine politike (proširena odgovornost i granica trgovačkog
programa), integrativni modeli i alati potpore odlučivanju. U kontekstu ove disertacije
zanimljivo je vidjeti da autori razmatraju pozicioniranje informacija u odnosu na upravljanje
neizvjesnostima i koja pitanja postavljaju; kako i kada će bolje informacije unaprijediti
upravljanje povratima?, koje su informacije u tom smislu vrijednije?
137
Linton el at. (2007., p. 1078.) smatraju da fokusiranje na opskrbni lanac predstavlja iskorak
prema usvajanju i razvijanju šire definicije održivosti koja također mora integrirati područja i
tokove izvan osnovnog upravljanja opskrbnim lancem. U navedenom smislu oni pozicioniraju
sljedeće teme: (1) dizajn proizvoda, (2) proizvodnja nusproizvoda, (3) nusproizvodi dobiveni
tijekom korištenja proizvoda, (4) produženje vijeka trajanja proizvoda, (5) kraj životnog
ciklusa proizvoda, (6) sanacija na kraju životnog vijeka. Seuring i Muller (2008., p. 16991710.) analizirali su 191 članak103 gdje je dominantna bila obrada studija slučajeva (70
članaka), te empirijsko istraživanje (53 članka). U dimenzijskom smislu teme su podijeli u tri
kategorije: pitanja okoliša (140 članaka), socijalna pitanja (20 članak), te članci koji imaju
obje dimenzije (31 članak). Ekonomsku dimenziju autori nisu posebno klasificirali polazeći
od pretpostavke kako se ona u konačnici nalazi u svim člancima. U svojoj su analizi
identificirali:
inicijative održivog SCM-a: pravni zahtjevi, zahtjevi kupaca, odgovor zainteresiranim
strankama, konkurentska prednost, pritisci raznih ekoloških i socijalnih grupa,
gubljenje reputacije;
barijere: visoki troškovi, kompleksnost i veliki napor koordinacije, nedostatak
komunikacije kroz opskrbni lanac;
podržavajuće elemente: komunikacija unutar kompanije, upravljački sustav – ISO,
monitoring, evaluacija, izvještavanje, sankcije, edukacija dobavljača i zaposlenih te
integracija poslovnih politika.
Teuteberg i Wittstruck (2010., p. 1001-1015.) analizom 142 članka104 utvrdili su sedam
razmatranih tema (perspektiva) unutar ovog područja: političke, ekonomske, socijalne,
tehnološke, organizacijske te psihološke. Ovo je istraživanje zanimljivo po činjenici da je
selektiralo neriješene probleme specificirane u obrađivanim člancima po utvrđenim
perspektivama uz napomenu kako je uzrok njihovom većem broju činjenica da je održivost
nematerijalna pa stoga i teža za ekonomsku valorizaciju. Interesantno pitanje vezano uz temu
ovog rada jest: kako se znanje može koristiti i prezentirati u ekološkom upravljanju
informacijskim sistemom? Ipak, krucijalnim se postavlja pitanje može li održivi SCM biti
profitabilan, odnosno kako to izmjeriti?
103
104
Istraživanje je obuhvatilo 191 objavljeni članak u razdoblju od 1994. do 2007. godine.
Istraživanje je obuhvatilo 142 članka objavljena u devet visokokvalitetnih časopisa od 1995. do 2010. godine.
138
Carter i Easton (2011., p. 46-62.) prezentirali su jedno od novijih istraživanja105 literature s
tematikom održivog SCM-a. S obzirom da njihovo istraživanje pokriva dvije dekade,
zanimljivo jest usporediti nalaze u tim razdobljima. Pojmovi održivost i ekologija u početku
su se koristili kao sinonimi do konceptualizacije održivosti. U novije doba utvrđen je porast
broja istraživanja iz područja korporativne socijalne odgovornosti (engl. Corporate Social
Responsibility – CSR) i održivosti. Kod razmatranja industrija što su obrađivane u
promatranim člancima ne uočavaju se nikakvi trendovi, odnosno, članci s ovog naslova
izbalansirani su kroz cijelo razdoblje. Za cijelo promatrano razdoblje čak 42% članaka nije
prikazalo validaciju koja bi trebala predstavljati qonditio sine qua none svakog empirijskog
istraživanja, međutim, ovdje je prisutan pozitivan trend jer u prvoj dekadi to je bio slučaj kod
65% članaka, a u drugoj dekadi u 26%. Kada se promatraju jedinice analize ukupno gledajući
tvrtka je najzastupljenija, međutim za uočiti je trend prijelaza na opskrbni lanac kao centar
analize.
Tvrtkin lanac vrijednosti treba razviti i podržati širu perspektivu održivosti kako bi se
osiguralo da njihovi kupci, poslovanje, opskrbni lanac, zajednica te relacije i interakcije s
okolinom ostanu održivi (Closs et al., 2011., p. 104.). Efikasan marketing te SCM kritični su
za tvrtkinu održivost s obzirom da: (1) balansiraju narudžbu i opskrbu, (2) identificiraju i
kvantificiraju ključne poslove i isplative resurse, (3) razvijaju talent s perspektive globalnih
operacija. Temeljem rezultata istraživanja konceptualizirali su 4E model: ekološki (zeleni),
etični, educirajući, te ekonomski (engl. Environmental, Ethical, Educational, Economic). U
jednom od novijih istraživanja Miemczyk et al. (2012.) bavili su se održivošću s dva aspekta:
ekološkog i socijalnog, promatranog kroz tri razine: izravno između dva partnera,
povezanošću s lancem te s mrežom. Svojim su istraživanjem sintetizirali moguće mjere
(Myemczyk et al., 2012., p. 478-496.): za ekološku održivost (generički interni procesi,
materijali, gubitci, recikliranje, zagađenje, trošak, slaganje i standardi, energija, CO2,
strategija, monitoring, proizvod, rizik), te za socijalnu održivost (generički interni procesi,
socijalno vlasništvo, zajednica, etičko ponašanje, konflikt interesa, kodeks prakse i
ponašanja).
The United Nations Global Compact (2010., prema Blackhurst et al., 2012., p. 4.) smatraju
kako je održivost u opskrbnom lancu pokrenuta prema poslovnim potrebama, posebno zbog;
upravljanja rizikom (koji je po svojoj prirodi ekološki, socijalni i ekonomski), realizacije
105
Za svoje su istraživanje odabrali 7 najutjecajnijih časopisa iz područja SCM-a publiciranih u razdoblju 1991.
do 2010. godine, te su na kraju u obradu uzeli 80 članaka.
139
efikasnosti (smanjenje troška materijala, rada, energije i transporta) i kreacije održive
proizvodnje (koja bi trebala zadovoljiti potrebe svih zainteresiranih uključujući vladu, klijente
i dobavljače). Kako bi pomogli malim i srednjevelikim poduzećima u postizanju izvrsnosti
održivog SCM-a, a temeljem svojih istraživanja106, Blackhurst et al. (2012., p. 10-11.) razvili
su kritične faze koje se mogu usporediti s ciklusom poslovne inteligencije: (1) razumjeti
činjenice107, (2) razviti viziju, (3) kreirati plan aktivnosti, (4) izvršiti, analizirati i promijeniti.
U analiziranim održivim opskrbnim lancima identificirali su određene zajedničke
karakteristike: pravne i regulatorne usklađenosti, upravljanje prirodnim resursima, angažman
zainteresiranih te tablice rezultata dobavljača (engl. Supplier Scorecards). Nedostatak
kvalitetnih informacija dijagnosticirali su kao najvažniji razlog zbog kojeg se tvrtke odlučnije
ne bore za svoju održivost.
Mann et al. (2010., p. 53.) u svojem su istraživanju identificirali čimbenike koji usmjeravaju
tvrtke prema usvajanju održivog SCM-a: dva se nalaze izvan poslovanja (zakonodavstvo i
ekologija), a tri su locirana u poslovanju (financije, interni poslovni procesi i kupci). Osim
navedenih elemenata, u svoju analizu uključuju i socijalnu komponentu unutar koje se nalaze
zainteresirani, a nisu vlasnici koji izravno ili neizravno utječu na tvrtkine performanse.
Zainteresirani se mogu podijeliti u dvije skupine: primarnu (kupci, zaposlenici, dobavljači,
tehnološki konzorciji, komplementarni inovatori te donositelji političkih odluka i regula) i
sekundarnu (lokalna zajednica, grupe aktivista, religijske zajednice, udruženja trgovaca,
predstavnici zajednice, odvjetnici).
Mefford (2011.) predložio je model prema kojemu
primjena modernih proizvodnih metoda (lean proizvodnja, odnosno proizvodnja na
vrijeme108, eliminacija gubitaka109, unapređenje kvalitete kroz kontinuirana procesna
unapređenja,
kvalitete
izvora110,
kontinuirana
unapređenja111)
rezultira
održivim
korporativnim ponašanjem koje se u konačnici održava na dobrobit svih zainteresiranih
(zaposlenih, kupaca, dioničara, zajednice te ekološke okoline).
106
Autori su istraživali najbolje prakse opskrbnih lanaca u tvrtkama: Walmart, P&G, Pella, John Deere,
Caterpillar te ConAgra Foods.
107
Za što kvalitetniju realizaciju prve faze, CIRAS (engl. Center for Industrial Research and Service) razvio je
metodologiju za ocjenjivanje održivosti opskrbnog lanca. Unutar svake sekcije (financijske, socijalne i ekološke)
posebno se ocjenjuju opskrba, interne operacije, kupci i distribucija.
108
Engl. Just in time - JIT
109
Jap. muda
110
Jap. jidoka
111
Jap. kaizen
140
Razmatranje održivosti nabolje je zaključiti usporedbom rezultata istraživanja provedenih
2009. (Berns et al.), 2010. (Haanaes et al.) i 2011. godine112 (Kiron et al.). Jedno od prvih i
najopsežnijih istraživanja113 (Berns et al., 2009., p.3.) na temu održivosti pokazalo je
zanimljive rezultate:
izvjestan je strogi konsenzus da održivost ima, a imat će i dalje, materijalni utjecaj na
to kako će poduzeća misliti i djelovati; više od 92% ispitanika potvrdilo je da njihova
kompanija na neki način pozicionira održivost;
održivost će preživjeti recesiju, manje od 25% ispitanika potvrdilo je da su smanjili
svoju privrženost održivosti tijekom negativnog ekonomskog ciklusa;
iako su se svi složili da održivost ima utjecaj na njihovo poslovanje, mnogi su
potvrdili da ne istražuju u potpunosti mogućnosti smanjenje rizika povezanog s
održivošću;
održivost će postati značajna za poslovnu strategiju i menadžment, što znači da će
tvrtke morati razviti nove mogućnosti i karakteristike, uključujući internu i eksternu
suradnju, nagrađivanje dugoročnog promišljanja, razvoj novih mogućnosti u
područjima mjerenja, kvalitetnije izvještavanje te aktivno komuniciranje s okolinom;
najveće dobiti poduzeća vide kroz unapređenje brenda kompanije;
tri najdominantnije strategije održivosti jesu: unapređenje efikasnosti kroz potrošnju
energije, smanjenje troška te izgradnja svjesnosti.
Vodeće
kompanije
uočavaju
isplativost
održivosti:
u
neopipljivim
prednostima,
unapređenjima procesa, sposobnosti inovativnosti, te u prilici za rast (Haanaes et al., 2011., p.
24). Prema njihovom istraživanju, najveće pogodnosti od održivosti jesu: unapređenje
reputacije brenda, povećanje konkurentskih prednosti, pristup novim tržištima te povećanje
tržišne margine. Najvažniji nalazi istraživanja koje su proveli Kiron et al. (2012., p. 69-74.)
jesu:
dvije trećine ispitanika smatra kako je održivost nužna za postizanje konkurentnosti na
današnjim tržištima;
kupci (41%) jesu najčešći razlog promjene poslovnog modela kompanije, potom
slijede zakonodavstvo (35%), deficitarni resursi (30%), konkurenti (28%), te striktni
zahtjevi partnera iz lanca vrijednosti (26%);
112
U istraživanju je sudjelovalo više od 4.000 menadžera iz 113 zemalja.
Istraživanje je napravio MIT Sloan Management Review u suradnji s Boston Consulting Group na uzorku od
više od 1.500 menadžera, te 400 znanstvenika.
113
141
zapažena je uloga institucionalnih investitora koje zahtijevaju više informacija o
održivosti poduzeća i investicija poduzeća u tom pravcu;
25% ispitanika kao najveću dobit od održivosti pozicioniralo je unapređenje
inovativnosti u proizvode i servis (godinu ranije ovaj je pokazatelj bio 16%);
Europa se smatra liderom održivosti (63%), potom slijedi S. Amerika (35%);
u provođenju održivosti najvažnija je podrška vrhovnog menadžmenta (75%);
najuspješnija poduzeća imaju posebno praćenje i izvještavanje o održivosti (39%);
najuspješnija poduzeća imaju čistu unutarnju komunikaciju (52%) te ključne
pokazatelje uspješnosti koji se odnose na održivost (50%);
primjena održivosti u najuspješnijim poduzećima odrazila se na povećanu suradnju s:
kupcima (66%), dobavljačima (59%), vladama/donositeljima političkih odluka (47%)
te unutarnjim poslovnim jedinicama (41%).
142
III.
1.
KONCEPTUALNI MODEL ODNOSA POSLOVNE
INTELIGENCIJE I UPRAVLJANJA OPSKRBNIM LANCEM
Razvoj teorijskog modela
U uvodnom su poglavlju navedeni elementi iz područja proučavanja ovog rada u čijim se
okvirima pozicionira temeljni koncept istraživanja. U ovom će se poglavlju detaljnije obraditi
istraživanja čiji su rezultati, smjernice, ograničenja i preporuke pridonijela razvoju
istraživačkog modela, a riječ je o obradi pojmova: važnost i razmjena podataka i informacija,
informacijska tehnologija, e-poslovanje, integracija, vidljivost, suradnja, napredna analitika te
elastičnost.
1.1.
Važnost i razmjena podataka i informacija
Tretiranje informacije kao mjerljive veličine promijenilo je svijet (Stubbs, 2011., p. 2.).
Istraživati poslovnu inteligenciju i upravljanje opskrbnim lancem bez razmatranja utjecaja i
vrijednosti podataka i informacija na njihovo funkcioniranje u današnjim je uvjetima besmisleno. Francis (1998.) je utvrdio kako su upravljanje informacijama i fizičko upravljanje
opskrbnim lancem u simbiozi te je sposobnost lanca za efikasnim osiguranjem protoka
materijala uvjetovano njegovom sposobnošću da upravlja informacijama. Njegovo je
istraživanje pokazalo kako je informacija ključna determinanta efikasnosti opskrbnog lanca.
Razmjena informacija jest strategija za postizanje kohezije svih funkcija članova opskrbnog
lanca; međutim, uslijed postojanja asimetričnih informacija114 opskrbni lanac trpi a to se
odražava: u nerazumijevanju oko zajedničkih napora, problemima u reagiranju na tržišnu
neizvjesnost, u neoptimalnom odlučivanju te u oportunističkom ponašanju (Simatupang i
Sridharan, 2001.). Prema autorima, postoje četiri temeljne koristi razmjene informacija u
opskrbnom lancu, a okvir odnosa razmjene informacija i prava odlučivanja koju su razvili
prikazan je u tablici 12:
114
Asimetrične se informacije pojavljuju kada pojedini sudionici opskrbnog lanca imaju različite informacije o
raspoloživim resursima (kapacitetima, zalihama, fondovima), troškovima, operacijama (prodaja, proizvodnja,
isporuka, predviđanje) te tržišnim uvjetima.
143
postizanje ugovorne jasnoće - omogućuje optimalnu alokaciju resursa, mjerenje
performansi, lakšu distribuciju opterećenja i koristi kroz prikladne inicijative;
aktivno bavljenje tržišnim neizvjesnostima - razmjena prodajnih podataka omogućiti
će kvalitetnije predviđanje buduće prodaje, optimalizaciju zaliha neugrožavajući
prodaju uslijed nedostatka asortimana;
podupiranje suradnje unutar lanca - posljedično se odražava na sniženje troškova
narudžbi, zaliha i transporta;
reduciranje oportunizma.
Tablica 12. Mogući izbori strukture razmjene informacija
Potreba za redefiniranjem prava odlučivanja
Zadržavanje prava odlučivanja
Redefiniranje prava odlučivanja
Nema otkrivanja
privatnih informacija
Otkrivanje privatnih
informacija
Nema otkrivanja
privatnih informacija
Otkrivanje
privatnih informacija
Nema stjecanja
informacija
Konkurentski
opskrbni lanac
Sporazum o
otkrivanju
Kratkoročan
sporazum115
Sporazum s
principalom
Stjecanje
informacija
Sporazum o stjecanju
Sporazum o
komunikaciji
Sporazum s
principalom
Kolaborativan
opskrbni lanac
Izvor: Simatupang, T.M., Sridharan, R.: A Characterisation of Information Sharing in Supply Chains,
Operational Research Society of New Zeland (ORSNZ) Conference, 2001., p. 16.
Lee et al. (1997., p. 546-558.) utvrdili su kako razmjena prodajnih informacija čini glavnu
strategiju protiv efekta biča (engl. Bullwhip effect) koji predstavlja fenomen povećavanja
varijabilnosti potražnje duž opskrbnog lanca. Ova deformacija potražnje (engl. Demand
distortion) kreira probleme dobavljačima: neprecizno predviđanje, slabije korištenje
kapaciteta, povećanja zaliha, te lošiji servis kupcu. Koristeći analitički model Lee et al.
(2000., p. 626-643.) razvili su opskrbni lanac u dvije razine te su istraživali koristi od
razmjene potražnih informacija. Utvrdili su da sama razmjena informacija značajno pridonosi
smanjenju proizvođačevih zaliha i troškova. Njihovi su rezultati također pokazali da će
115
Engl. Arm-lenght agreement
144
proizvođač imati značajne uštede ako je: korelacija potražnje s vremenom visoka, varijanca
potražnje u istom razdoblju također visoka te kada je dugo vrijeme isporuke. Temeljem
navedenog,
zaključuju
kako
će
razmjena
informacija
posebno
biti
efikasna
u
visokotehnološkim industrijama (engl. High-tech industry). Prema istraživanju koje je proveo
Tan116 (2002., p. 42-53.), razmjena informacija jest krucijalna za efikasne operacije cijelom
dužinom opskrbnog lanca i na svim funkcijskim razinama, odnosno, razmjena informacija
unapređuje tvrtkine performanse, a nedostupnost informacija nepovoljno se odražava na
konkurentnost.
Široka primjena raznih aplikacija sa svrhom optimiziranja operacija opskrbnog lanca dovest
će do rapidnog porasta podataka, te će upravo sposobnost upravljanja tim podacima i
informacijama u budućnosti predstavljati važnu vrijednost za vlasnike, a način tog upravljanja
predstavljati će vitalnu konkurentsku prednost SCM-a (Jacoby, 2009., p. 206-207.). Prema
procjenama Boston Strategies International – BSI (Jacoby, 2009., p. 207.) od 1987. do 2015.
godine vrijednost materijalne imovine bit će prepolovljena, dok će istovremeno vrijednost
informacijske imovine biti udvostručena. Ključni aspekt SCM-a jest efikasno upravljanje
proizvodima i informacijskim tokom (Stock et al., 2010., p. 33.). Fawcett et al. (2007., p. 358368.) u svojem su istraživanju117 identificirali i analizirali dvije dimenzije razmjene
informacija (povezanost i spremnost) te su utvrdili kako obje utječu na operativne
performanse i kritične su za razvoj spremnosti razmjene informacija. Njihovo je istraživanje
također pokazalo koje su prepreke boljoj razmjeni informacija: cijena i kompleksnost
implementacije naprednih sistema, inkompatibilnost različitih sistema, različite razine
povezanosti kroz opskrbni lanac te nedovoljno razvijena poslovna kultura razmjene
informacija između partnera. Razmjena informacija dogodit će se kada postoji ugodan odnos i
povjerenje kako će se razmjenjene informacije prikladno koristiti za postizanje unapređenja
suradnje.
Prikladno upravljanje informacijskim, materijalnim i financijskom tokovima između članova
opskrbne mreže postaje kritično važno s obzirom da se iz njih slijeva znanje koje će se koristi
za optimizaciju odnosa u lancu (Hadaya i Casivi, 2009., p. 20.). Njihovo je istraživanje118
116
Uzorak ovog istraživanja sačinjavalo je 4.500 poduzeća iz baze podataka Institute for Supply Management
(ISM) i American Production and Inventory Control Society (APICS), a obrađeno je 411 pristiglih kompletiranih
odgovora, što predstavlja stopu odziva od 9,1%.
117
Istraživanje je obavljeno poštom a sadržavalo je 558 iskoristivih odgovora, što je predstavljalo stopu odziva
od 12%.
118
Istraživanje je obavljeno e-mailom, a od 130 poslanih upitnika menadžerima opskrbnih lanaca prvog reda
povratnih odgovora bilo je 53 što predstavlja odziv od 40,8%.
145
pokazalo: razmjena znanja pozitivno utječe na međuorganizacijski informacijski sistem i
procesne inovacije, procesne inovacije pozitivno utječu na performanse, ali za razmjenu
znanja i međuorganizacijski informacijski sistem nije utvrđeno da utječu na performanse.
Analiza varijance ukazala jest na činjenicu da su poduzeća spremnija dijeliti znanje sa svojim
dobavljačima nego s kupcima. Prema Hugosu (2006., p. 15-16.), informacije predstavljaju
vezu između svih aktivnosti i procesa opskrbnog lanca, a koriste se za:
koordinaciju dnevnih aktivnosti, a odnose se na funkcioniranje ostalih elemenata
opskrbnog lanca: proizvodnje, zaliha, lokacije i transporta;
predviđanje i planiranje, kako bi se anticipirali budući zahtjevi i događaji.
U poduzeću se kompromis između odgovornosti i efikasnosti mjeri koristima koje pruža
dobra informacija u odnosu na trošak njezinog nabavljanja. Izdašna i precizna informacija
omogućuje efikasne operativne odluke te bolje predviđanje; međutim, potrebno je voditi
računa da trošak izgradnje i instalacije sistema za obradu takvih informacija može biti visok.
Što su kompanije spremnije međusobno razmjenjivati informacije, to su obostrano
odgovornije. U svojem su istraživanju Klein i Rai119 (2009., p. 735-762.) identificirali tri tipa
strateških informacija unutar odnosa u opskrbnom lancu:
operativne (o zalihama, kapacitetima ili proizvodnim planovima), čijom se razmjenom
partnerima omogućuje optimizacija ulaznih resursa;
strateške (o financijskoj metrici i troškovima), čijom se razmjenom omogućuje
suradnja u poboljšanju ekonomskih rezultata te učinkovitije korištenje financijskih
sredstava;
strateško-konkurentne (o konkurentskom položaju i planiranim tržišnim aktivnostima)
čija razmjena osigurava koordinaciju prodajnih i marketinških aktivnosti s
operativnom potrebama.
Njihovo je istraživanje također utvrdilo: strateško razmjenjivanje informacija pozitivno i
značajno utječe na performanse odnosa za obje strane jer su povećali produktivnost i
reducirali troškove, te da su kupci koji su ovisniji o svojim dobavljačima spremniji na
razmjenu strateških informacija kako bi postigli sinergiju s dobavljačevim resursima i
sposobnostima. Zhou i Benton (2007., p. 1348-1365.) istraživali120 su integraciju razmjene
119
U ovom je istraživanju uzorak uključivao 183 menadžera ključnih kupaca s prodavačeve strane (odazvalo ih
se 132 odnosno 72%), te 183 menadžera s kupčeve strane (odazvalo ih se 91, odnosno 49%).
120
Uzorak se u ovom istraživanju sastojao od 745 proizvodnih poduzeća, a iskoristivih odgovora bilo je 125 što
predstavlja odziv od 18%.
146
informacija i prakse opskrbnog lanca. U svojoj su analizi praksu opskrbnog lanca odredili
pomoću tri kategorije: planiranja, proizvodnje na vrijeme (JIT) te isporuke. Tri aspekta
određuju razmjenu informacija:
podupiruće tehnologije koje omogućavaju razmjenu informacija;
njihova kvaliteta (preciznost, dostupnost, pravovremenost, unutarnja povezanost,
vanjska povezanost, kompletnost, relevantnost, pristupačnost, ažuriranost);
njihov sadržaj (sadržaj informacija koje proizvođač razmjenjuje sa svojim kupcem, te
sadržaj informacija koje kupac razmjenjuje sa svojim proizvođačem).
Njihovo je istraživanje pokazalo:
učinkovita razmjena informacija značajno poboljšava praksu opskrbnog lanca;
dinamizam opskrbnog lanca (brzina promjena u proizvodima i procesima) značajno
utječe na razmjenu informacija, te nešto manje na praksu opskrbnog lanca;
učinkovita razmjena informacija i efikasna praksa opskrbnih lanaca imaju značajan
utjecaj na karakteristike isporuka (isporuka na vrijeme, stopa ispunjenja narudžbe,
pouzdanost isporuke). Može se utvrditi kako se rezultati ovog istraživanja razlikuju od
Hadayinih i Cassivijevih u domeni performansi.
Sodhi i Son121 (2009., p. 937-945.) identificirali su faktore koji utječu na partnerske
performanse (razmjena informacija, povjerenje, zajedničko partnersko upravljanje, specifični
odnosi te partnerska asimetrija), i utvrdili su kako se faktori koji najbolje modeliraju strateške
performanse razlikuju od onih koji modeliraju operativne performanse. Zaključuju kako
povjerenje i razmjena informacija mogu najbolje zadovoljiti ciljeve postavljene u operativnoj
učinkovitosti.
U kontekstu razmatranja uloge i važnosti podataka i informacija potrebno je utvrditi kada su
uopće podaci i informacije raspoloživi za bilo kakvu aktivnost, a što je pokazao Hackathorn
(2004.) i predstavljeno je na slici 25. Prema njegovoj analizi, u vremenskom kontinuumu
između zbivanja nekog događaja i poduzimanja akcije neminovno dolazi do kašnjenja u
barem nekom od tri segmenta (Panian, 2007., p. 95; Howson, 2008., p. 110; Watson, 2009., p.
501.):
kašnjenja podataka, obuhvaća vrijeme od nastanka nekog događaja do trenutka kada
su podaci spremni za analizu;
121
Istraživali su 71 povezan odnos dobavljač – trgovac u industriji pakiranih proizvoda u Južnoj Koreji.
147
kašnjenja analize, obuhvaća vremensko razdoblje za obradu prikupljenih podataka;
kašnjenja akcije obuhvaća vrijeme od dostave informacije do trenutka poduzimanje
aktivnosti.
vrijednost
poslovni
događaj
nje
nje
po
ta k
da
a
izgubljeno vrijeme
š
k a
spremljeni
podaci
dostavljena
informacija
k a
š
nje
nje
an
poduzeta
akcija
ali
z e
kašnjenje odluke
razlika u akciji
vrijeme
Slika 25. Sastavnice vremena poduzimanja aktivnosti
Izvor: Hackathorn, R.: The BI Watch: Real-Time to Real-Value, DM Review, January 2004., p. 3.
Kroz prizmu prethodne slike zanimljivo je analizirati istraživanje122 koje je proveo The
Economist (Kielstra, 2007.). Na pitanje o dostupnosti podataka potrebnih za odlučivanje više
od polovine ispitanika (54%) odgovorilo je da su im dostupni s manjim kašnjenjem, četvrtini
(25%) s većim kašnjenjem, dok ih je samo 10% potvrdilo kako ih imaju u trenutku kada su im
potrebni. Nastavno na navedeni prikaz, potrebno je istaknuti kako ne postoji identična
vremenska potreba za svim informacijama. Istraživanje123 pokazuje (Davenport i Snabe,
2011., p. 60.) kako se određene informacije traže i dobivaju češće i brže od ostalih
(informacije o prodaji te novosti o konkurentima i kupcima). Najvažnije je prepoznati ključne
122
Istraživanje je provedeno on-line na uzorku od 154 menadžera (40% iz Europe, 31% iz Sjeverne Amerike i
23% iz Azije). Više od 50% ispitanika bilo je sa „C“ razine (CEO, CFO, CIO).
123
Istraživanje je obuhvatilo 302 starija izvršna menadžera.
148
donositelje odluka kako unutar poduzeća, tako i unutar opskrbnog lanca, te potom definirati
opseg informacija koje su im potrebne. Osim razmatranja o raspoloživosti te vremenskoj
uvjetovanosti podataka i informacija, također je zanimljivo vidjeti rezultate istraživanja o
važnosti pojedinih informacija u odnosu na stanje ekonomije tržišta na kojemu funkcioniraju
ispitanici, što prikazuje graf 4.
karakteristike zaposlenika/produktivnost
strateški i operativni rizik
najvažnije informacije u
padajućoj ekonomiji
novčani tijek
budžeti/potrošnja/troškovi
potraživanja/obveze
scenario planovi / simulacije
podaci o kupcima/dobavljačima
najvažnije informacije u
rastućoj ekonomiji
razina zaliha
tržišni udio
zadovoljstvo zaposlenika
0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
Graf 4. Najvažnije informacije u različitim ekonomijama
Izvor: Davenport, Thomas D., Snabe, Jim H.: How Fast and Flexible Do You Want Your Information, Really?,
MIT Sloan Management Review, spring 2011., 52 (3), p. 60.
Kompromis između preciznosti i vremena primanja informacije predstavlja treću zanimljivost
ovog razmatranja. Naime, postavlja se pitanje koliko treba biti precizna informacija, odnosno,
koliko je menadžment ili drugi donositelj odluka spreman žrtvovati preciznost u odnosu na
brzinu. Rezultat istraživanja s prikazom tipova informacija s pripadajućim postotkom
ispitanika koji traže potpuno potvrđenu informaciju kako bi je mogli koristiti, prezentirani su
u tablici 13.
149
Tablica 13. Rang lista najpotrebnijih točnih informacija
Tip informacije
%
Tip informacije
%
Novac / novčani tijek
74
Performanse zaposlenika
48
Budžeti / potrošnja / troškovi
67
Kvaliteta
43
Potraživanja / obveze za plaćanje
67
Tržišni udio
35
Prodaja
60
Strateški / operativni rizik
32
Razine proizvodnje
58
Zadovoljstvo kupca
28
Razine zaliha
50
Zadovoljstvo zaposlenika
27
Izvor: Davenport, Thomas D., Snabe, Jim H.: How Fast and Flexible Do You Want Your Information, Really?,
MIT Sloan Management Review, spring 2011., 52 (3), p. 61.
Prema rezultatima istraživanja (Kielstra, 2007., p. 18.) najvažniji atributi informacija
potrebnih za odlučivanje su: kvaliteta (65%), dostatnost (18%), pravovremenost (13%) i
cijena (5%). Redman (2008., p. 54.) navodi deset navika kako se najuspješnije tvrtke brinu za
kvalitetu podataka: fokusiranje na najvažnije potrebe najvažnijih klijenata, primjenjivati
izuzetnu pozornost na procese, upravljati svim kritičnim izvorima podataka uključujući
dobavljače, mjeriti kvalitetu na izvoru i u poslovnom smislu, organizirati kontrolu na svim
razinama kako bi se spriječile jednostavne greške i kreirala osnovica za pomak naprijed,
razviti vještinu za kontinuirana unapređenja, uspostaviti i postizati agresivne ciljeve
unapređenja, formalizirati upravljanje odgovornošću za podatke, prednjačiti u nastojanjima
koristeći stariju grupu te shvatiti kako je tema kvalitete podataka lagana, a aktivno upravljanje
zahtijeva kulturološke promjene.
Prema istraživanju124 koje su proveli Kim et al. (2006., p. 40-54.), razmjena informacija
predstavlja kamen temeljac za ostale kanalne mogućnosti (engl. Channel capabilities) jer
značajno utječe na suradnju, odgovornost među partnerima i tržišne performanse. Prema
Trentu (2007., p. 250-251.), uspješno globalno nabavljanje zahtijeva spremnost podjele
informacija sa svojim dobavljačima, gdje se pod informacijama o performansama
podrazumijeva periodično izvještavanje o kvaliteti, isporukama, trajanju ciklusa, fleksibilnosti
te cjenovnim elementima. Drugi aspekt razmjene informacija odnosi se na ocjenu doprinosa
dobavljačeve tehnologije, zajedničkim tehnološkim planovima te investicijama. Jedno od
124
Istraživanje je provedeno e-mailom na uzorku od 1.949 menadžera iz SAD temeljem baze podataka CLM-a
(Council of Logisitics Mannagement). Obrađeno je 184 povratnih upitnika što predstavlja odziv od 10,7%.
150
novijih istraživanja125 odnosa razmjene informacija i performansi opskrbnog lanca proveli su
Ramayah i Omar (2010., p. 35-52.), gdje su performanse odredili kao: isporuke prema
zahtijevanom datumu, potrebno vrijeme reakcije na kupčeve zahtjeve, fleksibilnost u
ispunjavanju zahtjeva te kretanje troškova. Pod razmjenom operativnih informacija
podrazumijevali su kratkoročne informacije (dnevne ili tjedne) koje se većinom odnose na
prodaju i logističke aktivnosti, dok su pod razmjenom strateških informacija podrazumijevali
one informacije koje mogu dugoročno utjecati na na poslovanje. Utvrdili su kako je utjecaj
razmjene strateških informacija veći nego utjecaj razmjene operativnih informacija. Iako su
utvrdili da kvaliteta informacija ne utječe kao intervenirajuća varijabla ni na jedan odnos,
zanimljivo je navesti njihove determinirajuće elemente te kvalitete: točnost, pravovremenost,
kompletnost, adekvatnost i kredibilitet. Usporedbe radi, možda najopsežnije određivanje
kvalitete informacije ponudio je Miller126 (2005., p. 93-102.): točnost, vjerojatnost,
objektivnost,
preciznost,
pouzdanost,
relevantnost,
pravovremenost,
kompletnost,
primjerenost, razumljivost, objašnjivost, dosljednost, sažetost, oblikovanost, pojavnost,
dostupnost, sigurnost i raspoloživost.
U istraživanju127 povjerenja menadžera dobavljača prema kupcima (mjereno na osobnoj
razini) Ha et al. (2011., p. 56-77.) utvrdili su kako emocionalno povjerenje (engl. Affective
trust) značajno utječe na razmjenu informacija (frekvencija kontakata, korištenje
kompatibilnih informacijskih sustava, voljnost prema razmjeni operativnih i strateških
podataka) koje također značajno utječu na logističke performanse (ispunjavanje narudžbi,
vrijeme ispunjenja narudžbi, operativna fleksibilnost, obrtaj zaliha te ukupni logistički
troškovi). Učinkovito upravljanje informacijskim tokom predstavlja jedno od najznačajnijih
izazova suvremenih opskrbnih lanaca, odnosno esencijalno, bilo koja tehnika SCM-a
predstavlja povećanje vrijednosti razmjene informacija kroz lanac (Li et al., 2009., p. 155.).
Postoje četiri kategorije razmjene informacija unutar lanca: nema razmjene, razmjena
opskrbnih informacija, razmjena potražnih informacija te razmjena svih informacija, što je
prikazano u tablici 14.
125
Istraživanje je napravljeno na uzorku od 250 proizvodnih poduzeća iz sjevernog dijela Malezije a upitnik je
bio usmjeren na izvršni menadžment nadležan za nabavu. Iskoristivih odgovora bilo je 58 što predstavlja odziv
od 23,2%.
126
Engl. accuracy, believability, objectivity, precision and relaibility of the information, relevancy, timeliness,
completeness and information appropriateness, comprehensibility, interpretability, consistency, conciseness,
format and appearance of the information, accessibility, security and availability.
127
Uzorak se sastojao od 965 korejskih poduzeća, a obrađeno je 265 vraćenih odgovora (od čega 165
proizvodnih poduzeća) što je predstavljalo stopu odgovora od 27,5%.
151
Tablica 14. Vrste razmjene informacija u opskrbnom lancu
Tip
Namjera
Upravljač
Sadržaj
Razmjena
opskrbnih
informacija
Koordinacija aktivnosti
poduzeća sa svojim
dobavljačima i donošenje
boljih odluka u domeni
nabave.
Neizvjesnost
vremena realizacije,
kvaliteta dijelova i
opskrbnog procesa.
Razmjena rasporeda, vremena
realizacije, kapaciteta, vremena
odgovora, razine servisa, dostupnosti,
dizajna proizvoda
Razmjena
potražnih
informacija
Usklađenje opskrbnih
aktivnosti s potrebama svojih
nizvodnih partnera i tržišnih
zahtjeva.
Neizvjesnost tržišta,
proizvodnje i
distribucijskog
sistema.
Razmjena zahtjeva u realnom
vremenu, prodajnih podataka, tržišnih
trendova, kupčevih preferencija,
troškova i rasporeda, razina zaliha,
isporuka, kapaciteta.
Razmjena
svih
informacija
Maksimalna korist od
razmjene informacija.
Neizvjesnost opskrbe,
potražnje i procesa.
Razmjena opskrbnih, potražnih i
operativnih informacija.
Izvor: Li, J., Sikora, R.T., Shaw, M.J.: Supply Chain Management: A Multi-Agent System Framework, 2009., p.
159., in Dwivedi, A., Butcher, T. (eds.): Supply Chain Management and Knowledge Management,
Palgrave Macmillan, London, 2009.
Yigitbasioglu (2010., p. 550-578.) napravio je paralelno istraživanje128 o spremnosti kupaca
za razmjenu informacija s ključnim dobavljačima. Rezultati su pokazali da neizvjesnost
(potražnje i okoline) i zavisnost pozitivno utječu na razinu razmjene informacija s ključnim
dobavljačima, odnosno, raste međusobno povjerenje te se razvija suradnja. Popovič et al.
(2009.) istraživali129 su utjecaj sistema poslovne inteligencije na kvalitetu informacija kroz
dva aspekta: kvalitete sadržaja i kvalitete dostupnost. Rezultati su pokazali da je korištenje PI
pozitivno utjecalo na kvalitetu informacija, s time da se utjecajnijim pokazalo na kvalitetu
dostupnosti.
128
Kriterij za izbor poduzća bio je: minimalan rihod od 15 mil.EUR-a te da se bave proizvodnjom, sastavljanjem
ili distribucijom tih proizvoda, a uzorak je bio sastavljen od 1.170 finskih i 1.290 švedskih poduzeća. Stopa
odziva je bila 11,5% kod finskih, a 10% kod švedskih poduzeća.
129
Istraživanje je provedeno na uzorku od 1.329 slovenskih srednjih i velikih poduzeća, od kojih se dobilo 181
odgovor, što predstavlj odziv od 13,6%.
152
1.2.
Informacijska tehnologija i sustav
Prema Liautaudu i Hammondu (2006., p. 13.) suvremene informacijske tehnologije i na njima
razvijeni informacijski sustavi postaju strateško oruđe poduzeća te s vremenom o njima ovisi
cjelokupna uspješnost i perspektiva poslovanja. Srića i Miller (2001., p. 79.) tvrde kako je
razvoj informatičke tehnologije u većoj mjeri utjecao na razvoj poslovnih trendova nego
obrnuto, jer bez tog razvoja i mogućnosti koje IT pruža ne bi bilo moguće ni zamisliti
suvremene poslovne trendove i funkcioniranje modernih poslovnih sustava. Garača (2008., p.
13.) kaže kako su to tehnologije130 potrebne za elektroničku obradu podataka, a prije svega se
to odnosi na upotrebu hardvera i softvera za transformaciju, pohranjivanje, zaštitu, obradu i
pretraživanje podataka i informacija s bilo kojeg mjesta i u bilo koje vrijeme. Informacijski se
sustav može smatrati podsustavom poslovnog sustava, a osnovne su mu funkcije (Garača,
2009., p. 4.):
dokumentacijska, sređivanje poslovnih podataka o proteklim događajima;
informacijska, osiguravanje potrebnih informacija o stanju sustava u realnom
vremenu;
upravljačka, osiguravanje informacijskih podloga za odlučivanje i upravljanje na svim
razinama.
IT podržava interne operacije te suradnju između poduzeća u opskrbnom lancu, a efikasno
korištenje ove tehnologije predstavlja ključni aspekt tvrtkinog uspjeha (Hugos, 2006., p.
103.). Prema Srići (1999., p. 8.), postoji šest osnovnih utjecaja IT-a na poslovnu politiku:
ove se tehnologije ugrađuju u sve veći broj proizvoda i usluga postajući tako njihovim
sastavnim dijelom; to će sve više postajati prevladavajući trend što će se posljedično
znatno odraziti na vođenje poslovne politike;
utjecaj trenda kreiranja novih proizvoda i usluga utemeljenih na informatici;
IT iz temelja mijenja poslovne odnose s obzirom na to da novi oblici informacijskih
usluga i telekomunikacijske tehnologije omogućuju obavljanje transakcija koje nisu
isključivo vezane za radno mjesto;
130
Garača u svojoj knjizi koristi pojam informatičke tehnologije jer ga smatra primjerenijim zbog svoje
sveobuhvatnosti te kaže kako je to sinonim za pojmove informacijska tehnologija i informacijsko
komunikacijska tehnologija.
153
u definiranju poslovne strategije izuzetno je važno unaprijed shvatiti trendove kao
moguću posljedicu utjecaja IT koje mogu zahtijevati redefiniranje proizvoda, usluga,
djelatnosti ili organizacije tvrtke;
smanjenje troškova poslovanja s obzirom da tehnologija pruža mogućnosti
modernizacije poslovanja, kvalitetnijeg upravljanja financijskim tokovima i resursima,
podržava racionalno korištenje energije, što sve utječe na konkurentske prednosti
poduzeća;
utjecaj IT na bolje definiranje ciljeva poduzeća, što podrazumijeva primjenu
informacija kao resursa za upravljanje.
Palvia et al. (2006., p. 1042-1063.) proveli su analizu131 o korištenim modelima u
istraživanjima IS-a. Temeljem svojih nalaza, klasificirali su 11 različitih modela koji su
prezentirani u tablici 15.
Tablica 15. Frekvencija IS istraživačkih modela
Model
frekvencija
%
Nikakav model
283
21,5
Popis varijabli - prikazane su samo varijable relevantne za istraživačko pitanje
167
12,7
Popis varijabli i pripadajućih im razina
22
1,7
Popis varijabli i implicitnih odnosa
12
0,9
Jednostavan dijagram utjecaja - odnos zavisnih i nezavisnih varijabli
102
7,7
Višeredni dijagram utjecaja - jednostavni dijagram proširen s više redova132
460
34,9
Vremenski dijagram utjecaja - događaji su poredani kronološki
54
4,1
Jednostavna mreža – najčešći prikaz 2 x 2 (dvije razine dvije varijable)
58
4,4
Kompleksna mreža
11
0,8
Vennov dijagram
18
1,4
Matematički model
119
9,0
Kombinacija nekih od navedenih modela
11
0,8
Izvor: Palvia, P., Midha, V., Pinjani, P.: Research Model in Information Systems, Communications of the
Associations for Information Systems, 2007., 17 (47), p. 1053.
131
Istraživanje je obuhvatilo 1.226 članaka objavljenih u sedam vodećih IS časopisa u razdoblju od 1998. do
2003. godine.
132
Višeredni dijagram utjecaja ima najznačajniji trend rasta od svih modela u promatranom razdoblju.
154
Porter (2008., p. 84-92.) naglašava vrijednost informacija za postizanje konkurentnosti te
navodi kako informacijska tehnologija (IT) utječe na konkurentnost na tri načina:
mijenjajući industrijsku strukturu - pet konkurentskih sila (snaga kupca, snaga
dobavljača, prijetnje novih ulaza, prijetnje zamjenskih proizvoda te suparništvo
između postojećih konkurenata) determinira industrijsku profitabilnost, a IT može
mijenjati svaku od navedenih sila i tako, posljedično, utjecati na atraktivnost pojedine
industrije133;
omogućavajući konkurentsku prednost - IT utječe na vrijednost samih aktivnosti ili
omogućuje kompanijama postizanje konkurentskih prednosti iskorištavajući ukazane
šanse u svojem okruženju. IT može promijeniti tvrtkine troškove u bilo kojem dijelu
lanca vrijednosti, omogućiti diferencijaciju, ili promijeniti konkurentsko okruženje
mijenjajući odnos konkurentskog okvira i konkurentskih prednosti134;
otvarajući mogućnost za razvijanje kompletno novih poslova na tri načina omogućavajući izvodljivost novih poslovnih tehnologija, kreirajući potražnju za
novim proizvodima te omogućavanjem novih poslovnih aktivnosti u okviru već
postojećih.
U razmatranju poslovne vrijednosti informacijske tehnologije Kohli i Grover (2008., p. 2527.) rezimiraju ono što je poznato:
IT kreira vrijednost - mnoge studije su pokazale da je paradoks proizvodnje (engl.
Productivity Paradox) razriješen, odnosno, postoji kritična količina istraživanja koja
pokazuju odnos IT-a i nekog aspekta kompanijine vrijednosti;
IT kreira vrijednost pod određenim uvjetima - polazeći od činjenice da obični (i
izolirani) hardver i softver ne mogu kreirati vrijednost, oni trebaju biti dio šireg
tvrtkinog procesa dodavanja vrijednosti kako bi uz druge IS-ove i organizacijske
faktore dali svoj doprinos;
vrijednost koje se kreira sa IT-om manifestira se u različitim pravcima - kroz procesna
unapređenja (vrijeme trajanja ciklusa), profitabilnost (ROA), poboljšanje usluge
133
Porter navodi nekoliko primjera: (1) IT povećava snagu kupca u industriji gdje se sklapaju kupljene
komponente, (2) IT zahtijeva velika ulaganja u kompleksne softvere pa na taj način podiže barijeru za nove
ulaske, (3) IT ima veliki utjecaj na međusobno pregovaranje kupaca i dobavljača s obzirom da utječe na
povezivanje između kompanija, (4) IT mijenja odnose između omjera, automatizacije i fleksibilnosti s
potencijalno dubokim posljedicama.
134
IT je omogućila odnos između industrija koje ga u povijesti nisu imale, odnosno, omogućila je poduzećima
sposobnost koordinacije nacionalnih, regionalnih i globalnih aktivnosti.
155
kupcu, unapređenja opskrbnog lanca; ili na različitim razinama - individualnoj,
grupnoj, organizacijskoj, industrijskoj ili procesnoj;
vrijednost se može manifestirati sa zakašnjenjem - što je razumljivo s obzirom na
vrijeme koje je potrebno za uvođenje, prilagođavanje, prihvaćanje i uhodavanje i zato
ne čudi ako je potrebno rezultate pričekati i više od godine dana;
postoje faktori koji utječu na odnos IT-a i vrijednosti - poput strateških usklađenja,
organizacijskih i procesnih promjena i njihovih karakteristika, razmjene informacija te
širine korištenja IT-a.
Fleisher i Bensoussan (2007., p. 30.) objašnjavaju IS135 kao kombinaciju softvera i hardvera
koji se u kontekstu analitičkih procesa koriste kao podrška prikupljanju informacija, njihovoj
klasifikaciji, sintezi i distribuciji. Prema istraživanju koje je proveo London School of
Economics (Compass Group, 1998., prema Sanders, 2007., p. 1334.), IT jest pozicionirana
kao firmin top strateški alat, ali uz napomenu da izvor konkurentske prednosti nije tehnologija
sama za sebe, nego superiorna razmjena informacija koju ona omogućuje. Reyes i
Raisinghani (2002., p. 256-263.) smatraju da je integracija informacijskih tehnologija (sistemi
utemeljeni na znanju136 i inteligentni sustavi za podršku odlučivanju) ključni za podršku i
unapređenje kontrole proizvodnje i zaliha (engl. Production and inventory control – PIC).
Prema njima, tri su glavna doprinosa IT-a upravljanju znanjem: prikupljanje znanja (kroz
marketinška istraživanja, sisteme kompetitivne inteligencije, planiranje scenarija), distribucija
informacija (kroz intranet, programsku opremu za skupni rad137, elektronsku poštu, e-biltene)
te interpretacija informacija.
Gunasekaran i Ngai (2004., p. 269-295.) kažu da je efikasan opskrbni lanac nemoguć bez
primjene IT-a jer ona predstavlja njegov živčani sistem. U svojoj su analizi sistematizirali
objavljene članke na temu odnosa IT-a i SCM-a te razvili okvir dotadašnjih istraživanja:
strateško planiranje, virtualno poduzeće, e-trgovina, infrastruktura IT-a, upravljanje znanjem i
upravljanje informacijskom tehnologijom i pitanja implementacije IT-a. Najčešće citirani
problemi ovog odnosa jesu: nedostatak integracije između IT-a i poslovnih modela,
nedostatak odgovarajućeg strateškog planiranja, loša IT infrastruktura, neadekvatna
135
Fleisher i Bensoussan (2007., p. 31.) navode kako pod informacijskim sustavom (IS) podrazumijevaju
Management Information System (MIS), Decision Suport System (DSS), Enterprise Information System (EIS),
Enterprise Resource Planning System (ERP), Business Intelligence System (BIS), Executive Information System
(ExIS), Marketing Information System (MkIS), Knowledge Management System (KM) ili neki drugi koji je
poduzeće razvilo za svoje potrebe.
136
Engl. knowledge-based system
137
Engl. groupware
156
implementacija znanja o informacijskoj tehnologiji u SCM-u. Najvažniji zaključci i preporuke
ovog istraživanja jesu: u strateški informacijski sistem treba uključiti strateške ciljeve SCM-a,
arhitektura IS-a treba biti dizajnirana za SCM kako bi on mogao biti drugačiji od
tradicionalnih organizacija; nije lako implementirati uspješan strateški IS jer je potrebno
unijeti dosta promjena u interne i eksterne poslovne operacije; potrebno je uvesti mjerenje
performansi prikladno za IT; potrebno je razviti standard i okvir za kvalitetno apliciranje IT-a
u upravljanju opskrbnim lancem; sugestija za potrebna dodatna istraživanja usklađenja
informacijskog modela i modela opskrbnog lanca.
Subramani (2004., p. 45-73.) s dobavljačeve strane proučavao138 je utjecaj korištenja IT-a na
dvije vrste nematerijalne imovine, poslovne procese i specifično područje znanja. Korištenje
IT-a u ovom istraživanju je dvostruko: za eksploataciju, pod čime se podrazumijevaju akcije
koje usavršavaju stare i uspostavljene uzorke; za istraživanje, pod čime se podrazumijevaju
aktivnosti na uspostavi novih uzoraka. Operativna je korist definirana kao posljedica sniženih
transakcijskih i proizvodnih troškova uslijed međuorganizacijskog korištenja IT-a koji se
očituju kroz unapređenje procesa, troškovne efikasnosti, te poboljšane usluge kupcu. Strateška
je korist objašnjena kao rezultat čvršće povezanosti s kupcima, a uključuje znanje o
karakteristikama i poboljšicama proizvoda po zahtjevima kupaca, te povećani volumen
prodaje. Rezultati ovog istraživanja pokazali su da korištenje IT-a za eksploataciju pozitivno i
značajno utječe na poslovne procese; korištenje IT-a za istraživanje pozitivno i značajno
utječe na specifično područje znanja;
potvrđeni su pretpostavljeni posredni učinci IT
eksploatacije i istraživanja. Osobitim doprinosom literaturi smatra se dokazivanje da
dobavljači mogu imati koristi od sudjelovanja u inicijativama lidera, koristi upotrebe IT-a su
posredovani dobavljačevom implementacijom specifičnih poslovnih procesa i područja
znanja. Kod ocjenjivanja navedenih rezultata, potrebno je na umu imati činjenicu kako su
ovdje istraživani dobavljači samo jednog trgovca, pa se stoga ne bi mogli uopćavati.
Temeljem svojih istraživanja139, Auramo et al. (2005., p. 82-100.) nude pet sugestija u odnosu
IT-a i SCM-a: (1) uspješne kompanije razvile su fokusirane inačice e-poslovanja kako bi
unaprijedile najvažnije elemente usluge kupcu, (2) unaprijeđena efikasnost omogućuje
fokusiranje na kritične poslovne aktivnosti, (3) korištenjem e-poslovanja unapređuje se
138
Istraživanje je provedeno u Kanadi u suradnji s vodećim trgovcem Alphom koji je među prvima uveo IT u
svoj opskrbni lanac. Obuhvaćeno je 640 poduzeća od kojih je dobiveno 211 odgovora što predstavlja odziv od
33%.
139
Istraživanje je operacionalizirano kroz tri faze: (1) intervjui s devet SCM konzultanata, (2) 48 intervjua s
poduzećima koja su progresivna u korištenju IT-a u svom opskrbnom lancu, (3) 18 dubinskih intervjua – studije
slučajeva.
157
kvaliteta informacija, (4) e-poslovanje podržava zajedničko planiranje i unapređuje agilnost
cijele opskrbne mreže, (5) za postizanje strateških učinaka korištenje IT-a treba biti povezano
s redizajnom procesa. Sanders (2008., p. 349-367.), na temelju Subramanijeva modela,
istraživala140 je kako se dva načina korištenja IT-a od strane dobavljača odnose na operativnu
i stratešku suradnju s njihovim kupcima. Operativna suradnja podrazumijeva razmjenu
informacija za učinkovito izvršenje zadataka, dok strateška suradnja podrazumijeva razmjenu
informacija zbog organizacijskog planiranja i pozicioniranja strategija. Najvažniji zaključci
ovog istraživanja jesu:
korištenje IT-a za eksploataciju (unapređenje starih procesa) izravno utječe na
operativnu suradnju; međutim nije nađeno da utječe i na stratešku suradnju;
korištenje IT-a za istraživanje (razvoj novih načina korištenja tehnologije) izravno
utječe na stratešku suradnju; međutim, nije nađeno da utječe i na operativnu suradnju;
operativna i strateška suradnja pozitivno utječu na operativne koristi, strateška
suradnja pozitivno utječe na strateške koristi; međutim nije nađeno da operativna
suradnja utječe na strateške koristi;
dobavljači bi trebali koristiti IT na oba načina kako bi postigli ukupne koristi odnosa
sa svojim kupcima.
Utjecajem financijskih koristi mjerenih u povratu na imovinu (engl. Return on Asset – ROA)
te u povratu na prodaju (engl. Return on sales – ROS) od implementacije IT-a u SCM u
svojem su se istraživanju141 bavili Dehning et al. (2007., p. 806-824.). Njihovi su rezultati
pokazali da su analizirana poduzeća povećala bruto maržu, obrtaj zaliha, tržišni udio, povrat
na prodaju te su reducirali generalne, prodajne i administrativne troškove. Još su bolji rezultati
uočeni kod visokotehnoloških industrija, a autori pretpostavljaju da je razlog sposobnost tih
poduzeća u bržem kretanju tihih informacija kroz SCM procese, unutar i izvan granica
poduzeća kako bi se moglo brže reagirati na nepredviđene događaje. Odnos SCM-a,
informacijskog sustava te faktora koji ih sprečavaju i omogućavaju bio je predmet
istraživanja142 koje su proveli Bayraktar et al. (2009., p. 133-149.). SCM su operacionalizirali
kroz 12 vještina: blisko partnerstvo s dobavljačima, blisko partnerstvo s kupcima, opskrba na
140
Istraživanje je obuhvatilo 1.000 dobavljače prve razine orginalnih proizvođača djelova (engl. Orginal
Equipment Manufacturer - OEM) u kompjutorskoj industriji. Iskoristivih je odgovora bilo 241, što je
predstavljalo odziv od 24,1%.
141
Istraživanjem su obuhvaćene 123 proizvodne firme u razdodblju od 1994. do 2000. godine. Mjerene
performanse uspoređivane su za razdoblje od godinu dana prije do dvije godine nakon implementacije.
142
Istraživanje je obuhvatilo 800 malih i srednjih poduzeća koja se bave proizvodnjom metalnih proizvoda i
strojevima opće namjene na širem području Istanbula od kojih se odazvalo 229 odnosno 25,4%. Upitnik je bio
namijenjen izvršnom menadžmentu SCM-a i IS-a.
158
vrijeme (JIT), e-nabava, vanjska usluga, podizvođači, 3PL (engl. Third party logistic),
strateško planiranje, usporedba s najboljim opskrbnim lancima, nekoliko dobavljača, puno
dobavljača, te držanje sigurnosnih zaliha. IS su definirali kroz 13 elemenata, faktore koji
sprečavaju kroz sedam, one koji omogućavaju kroz osam, te operativne performanse kroz
sedam varijabli (smanjenje vremena proizvodnje, preciznost predviđanja, bolje planiranje
resursa, bolja operativna učinkovitost, sniženje zaliha, ušteda te točniji troškovi). Istraživanje
je pokazalo:
praksa SCM-a pozitivno utječe na operativne performanse;
praksa IS-a također pozitivno utječe na operativne performanse;
postoji značajno negativan utjecaj faktora koji sprečavaju postizanje operativnih
ciljeva SCM-a i IS-a;
elementi koji omogućavaju odnos SCM-IS imaju moderirajući efekt na odnos SCM-a i
operativnih performansi.
Ključnim doprinosom autori drže empirijsko testiranje liste faktora koji sprečavaju i
omogućavaju odnos SCM-IS kako bi ih menadžment malih i srednjih poduzeća mogao
prepoznati te poduzeti aktivnosti sukladno potrebama tvrtke. Karkkainen et al. (2007., p. 264286.) istražili143 su kako i zašto poduzeća koriste međuorganizacijski IS u upravljanju
opskrbnim lancem. Temeljem svojih zaključaka, predložili su tri kategorije korištenja, kao i
njihove vodiče (engl. Drivers):
za transakcijski proces; sniženje troškova i manualnog rada, unapređenje kvalitete
informacija, ubrzanje transfera informacija, visoki volumen transakcija te kontinuitet
poslovnog odnosa;
za planiranje i suradnju unutar opskrbnog lanca; potrebna podrška specifičnoj
kolaborativnoj potražnji te upravljanju zalihama;
za praćenje narudžbi i koordinaciju isporuka; projektna orijentacija i tranzitna
konsolidacija.
Pereira (2009., p. 372-379.) proučavanjem objavljenih radova na temu odnosa IT-a,
upravljanja informacijama (engl. Information management - IM) i SCM-a zaključio je kako je
potrebno razviti prikladnu strategiju opskrbnih lanaca koja će im omogućiti da istovremeno
budu čvrsti i elastični ne narušavajući im pritom efikasnost. U tom smislu, IT predstavlja
jedan od temeljaca koji podržavaju IM u opskrbnom lancu jer predstavlja alat koji će pomoći
143
Istraživanje je napravljeno na temelju 16 studija slučajeva finskih poduzeća.
159
menadžmentu da ubrza protok povećane količine informacija kroz lanac. Smatra da buduća
istraživanja trebaju naći odgovore na pitanja kako modelirati odnos IM-a, IT-a i
nepredviđenih događaja i izvora nestabilnosti u opskrbnom lancu, te kako modelirati IT da
potiče bolji IM kako bi dodao vrijednost opskrbnom lancu?
Stoel i Muhanna (2009., p. 181-189.) proučavali144 su koliko tri industrijske karakteristike
(dinamizam, izdašnost i kompleksnost) utječu na različite mogućnosti IT-a na mjerenje
financijskih performansi. Organizacijske IT sposobnosti definirali su kao kompleksan skup IT
resursa, sposobnosti i znanja koji se primjenjuju u poslovnim procesima, a omogućavaju
poduzeću koordinaciju aktivnosti i korištenja IT imovine za postizanje željenog rezultata. Ove
se sposobnosti dijele na interne (pomoću kojih poduzeće nudi proizvode i usluge uz
minimalne troškove) i eksterne (pomoću kojih poduzeće pravovremeno reagira prema
kupcima i dobavljačima). Performanse su mjerili s većim brojem pokazatelja: povratom na
prodaju (ROS), povratom na imovinu (ROA), operativnim prihodom na prodaju (engl.
Operating income to sales – OIS), operativnim prihodom na imovinu (engl. Operating income
to assets - OIA), operativnim prihodom na zaposlene (engl. Operating income to employees OIE), troškom prodane robe (engl. Cost of goods sold to sales - COG/S), troškom prodaje i
generalne administracije (engl. Selling and general administration expense to sales – SGA/S).
Rezultati su pokazali kako utjecaj IT sposobnosti ovisi o karakteristikama industrijske okoline
u kojoj se poduzeće natječe, odnosno:
relacija između eksterne IT sposobnosti i performansi poduzeća snažnija je u
turbulentnim uvjetima (dinamizam) nego u stabilnim uvjetima;
relacija između eksterne IT sposobnosti i performansi snažnija je u poduzećima koja
djeluju u okruženjima koje karakterizira visok dinamizam, visoka izdašnost te visoka
kompleksnost.
Iako koristi nisu sporne, potrebno je voditi računa da se u implementaciji novih
informacijskih tehnologija stvari ne razvijaju uvijek kako su planirane. Značajne
karakteristike ovih inovacija jesu: skupa cijena, dugotrajnost i problematičnost (Swanson,
2012., p.77.). Kao prilog ovoj ocjeni zanimljivo je proanalizirati dva istraživanja sustava
podrške upravljačkoj funkciji (engl. Enterprise Resource Planning – ERP). Hunton et al.
144
Za istraživanje im je poslužila godišnja lista 500 poduzeća s izvrsnim IT sposobnostima koju izdaje časopis
Information Week. Lista se formira temeljem saznanja o primjeni i kreativnom korištenju tehnologije koja
pomaže kreiranju značajnih poslovnih vrijednosti.
160
(2003., p. 165-184.) uspoređivali145 su poduzeća koja primjenjuju i ona koja ne primjenjuju
ERP sustave kroz četiri pokazatelja; povrat na imovinu (ROA), povrat na prodaju (ROS),
obrtaj imovine (ATO), povrat na investicije (ROI). Njihovi su rezultati pokazali:
ROA, ROI i ATO su statistički značajno bolji kod poduzeća koja primjenjuju ERP
(nakon tri godine primjene) u odnosu na ona koja ga ne primjenjuju;
prosječni trogodišnji ROI i ROA su statistički značajno veći kod poduzeća koja
primjenjuju ERP;
performanse poduzeća koja primjenjuju ERP se nisu statistički značajno promjenila
uspoređujući razdoblje prije i poslije implementacije, ali su se pogoršale kod onih koji
ne primjenjuju ERP;
postoji pozitivna (negativna) veza između financijskog zdravlja i performansi (ROA,
ROI i ROS) za mala (velika) poduzeća.
U odnosu na prezentirane nalaze, Wieder et al. (2006., p. 13-29.) u svom su istraživanju146
došli do drugačijih rezultata. ERP su operacionalizirali kroz tri dimenzije: njegovo uvođenje,
povjest i proširenje prema SCM-u. Zavisne varijable su ključni pokazatelji performansi
opskrbnog lanca (SCOR model) i poduzeća (ROA, ROI, ROS). Najvažniji zaključci ovog
istraživanja jesu:
nije utvrđena statistički značajna razlika performansi između poduzeća koja
primjenjuju ERP i onih koji ga ne primjenjuju, niti u domeni elemenata opskrbnog
lanca;
duža primjena ERP-a pozitivno utječe na performanse poduzeća međutim, to nisu
mogli utvrditi i za opskrbni lanac.
145
Istraživanje je provedeno na uzorku od 63 poduzeća kojima su se mjerili financijski pokazatelji za razdoblje
od tri godine prije implementacije te tri godine nakon implementacije. U uzorak su uzeta dodatna 63 poduzeća
koja ne primjenjuju ERP zbog kontrole utjecaja makroekonomskih uvjeta na postignute rezultate.
146
Istraživanje je provedeno na uzorku od 1874 australska poduzeća od kojih se dobilo 106 odgovora što
predstavljala odziv od 5,7%.
161
1.3.
E-poslovanje
E-poslovanje (engl. E-business) podrazumijeva onakav suvremeni oblik organizacije
poslovanja tvrtke ili ustanove koja se zasniva na intenzivnoj primjeni informacijske i,
posebice, internetske tehnologije pri obavljanju svih ključnih, odnosno jezgrenih (engl. Core)
poslovnih funkcija (Panian, 2003., p. 45.). Prema Garači (2009., p. 147.), učinkovita i
djelotvorna implementacija upravljanja lancem opskrbe može se ostvariti samo intenzivnim
razvojem i primjenom e-poslovanja, a klasifikacija se može izvršiti kroz sljedeće modele
(Bloomberg et al., 2006., p. 242; Waters, 2007., p. 65; Garača, 2008., p. 148-151.):
B2B (engl. Business to Business) - označava potpunu elektroničku povezanost
poslovanja između članova, a njegovo korištenje omogućuje znatno smanjenje
ukupnih troškova poslovanja uz povećanu produktivnost i u konačnici povećanje
profita. Primjena ovog modela treba osigurati potpunu suradnju koja uključuje
dijeljenje potrebnih i relevantnih informacija, a njegova suština jest e-trgovanje,
elektronička integracija tržišta te obavljanje poslovnih transakcija. Najprivlačniji dio
ovog poslovanja jest povećanje efikasnosti kroz smanjenje troškova;
B2C (engl. Business to Customer) - važan je za krajnje elemente lanca, odnosno za
trgovanje s krajnjim kupcem ili potrošačem, a pretpostavlja posjedovanje B2B modela
radi poslovanja sa svojim dobavljačima. Ovo je najrasprostranjeniji model eposlovanja, a uglavnom se odnosi na e-prodaju, e-trgovinu te e-marketing;
B2R (engl. Business to Reseller) - predstavlja podmodel B2B modela, a služi za
poslovanje s distributivnim lancima;
C2C (engl. Customer to Customer) – nastaje kao posljedica izravnog trgovanja između
fizičkih osoba kao prodavača i kupaca koji se nalaze u kategoriji krajnjih potrošača.
Earl (2000., prema Spremić, 2003., p. 106.) je evolucije e-poslovanja podijelio u šest faza:
vanjske komunikacije (fokus je na internetu), unutarnje komunikacije, e-trgovina, eposlovanje, e-poduzeće te transformacija prema poslovnim modelima nove ekonomije. Prema
Handfieldu i Nicholsu (2002., p. 19-21.), poslovni će sistemi evoluirati od onih gdje je
dobavljač u centru prema onima u kojima je kupac u centru tako da progresiju vide kroz četiri
faze: prisutnost weba, e-trgovina, isporuka podataka te automatizacija. Kalakota i Robinson
(2001., p. 322-323.) drže da e-poslovanje omogućuje tvrtkama sve četiri evolutivne faze
SCM-a: razmjenu informacija, izgradnju zajedničkih sustava mjerenja učinkovitosti i
162
planiranja, bolju suradnju te redizajn proizvoda i procesa. Prema njima, glavni su trendovi
koji upravljaju e-poslovanjem (Kalakota i Robinson, 2001., p. 42.):
kupac; brži servis, samousluživanje, veći izbor proizvoda, integrirana rješenja;
e-samousluživanje; integrirana prodaja i servis, glatka podrška, fleksibilno
ispunjavanje narudžbi i pogodno servisiranje kupca, povećana preglednost procesa;
organizacija; izmještanje poslovanja u vanjsko okruženje, proizvodnja po ugovoru,
virtualna distribucija;
zaposlenik; vrbovanje najboljih i najpametnijih, zadržavanje talentiranih;
tehnologija za poslovanje poduzeća; integrirane aplikacije, integracija većeg broja
kanala, posredničke aplikacije;
opća tehnologija; bežične web aplikacije, pokretni uređaji za obradu i razmjenu
informacija, konvergencija sastavnica infrastrukture i pružatelji aplikacijskih servisa.
Koncept e-poslovanja primjenjiv je u mnogim poslovnim djelatnostima, no najuspješnije u
primjeni ovog koncepta bile su djelatnosti: e-prodaja, e-trgovanje, e-bankarstvo, e-zabava, eizdavaštvo te e-marketing (Garača, 2008., p. 145.). Johnson i Whang (2002., p. 413-423.)
istraživali147 su odnos e-poslovanja i upravljanja opskrbnim lancem. Temeljem svojih nalaza,
e-poslovanje su kategorizirali kroz tri forme: e-trgovinu (pomaže mreži partnera opskrbnog
lanca identificirati i brzo odgovoriti na promijenjene kupčeve zahtjeve prikupljene preko
interneta), e-nabavu (omogućuje kompanijama korištenje interneta za izravnu ili neizravnu
nabavu materijala, kao i upravljanje servisom poput transporta, skladištenja, plaćanja,
kontrole kvalitete i dokumentacija), te e-suradnju (olakšavanje koordinacije različitih odluka i
aktivnosti izvan transakcijske domene među partnerima opskrbnog lanca korištenjem
interneta). Teo i Choo (2001., p. 67-83.) bavili su se utjecajem interneta na kvalitetu
informacija poslovne inteligencije. U svom su istraživanju148 njegov utjecaj operacionalizirali
kroz tri dimenzije: istraživanje (sastoji se od primarnog koje podrazumijeva prikupljanje
novih podataka i sekundarnog koje se odnosi na istraživanje već prikupljenih podataka za
neke druge svrhe), interno korištenje (sastoji se od unutrašnje suradnje i distribucije) i vanjsko
korištenje (koje podrazumijeva vanjsku suradnju i distribuciju). Prema njihovim rezultatima:
postoji statistički značajna pozitivna veza između korištenja interneta za istraživanje i
kvalitete informacija poslovne inteligencije;
147
Istraživali su članke objavljene na temu e-poslovanja i SCM-a u razdoblju od 2000. do 2002. godine.
Istraživanje je provedeno na uzorku od prvih 600 singapurskih kompanija s popisa „Singapore 1000“ od kojih
se dobilo 129 odgovora što predstavlja odziv od 21,5%.
148
163
nije utvrđeno postojanje značajne veze između internog korištenja interneta za
suradnju i distribuciju i kvalitete informacija PI-e;
postoji statistički značajna veza između vanjskog korištenja interneta za suradnju i
distribuciju i kvalitete informacija PI-e;
veća kvaliteta informacija poslovne inteligencije unapređuje strateške performanse
poduzeća.
Ključne razlike između aktivnosti upravljanja tradicionalnim projektima i projektima
implementacije koncepta e-poslovanja prikazuje tablica 16.
Tablica 16. Ključne razlike upravljanja tradicionalnim i projektima implementacije e-poslovanja
Ključno obilježje
Tradicionalno upravljanje projektima
Upravljanje projektima implementacije
e-poslovanja
Ciljevi
Usko postavljeni i fiksirani
Široko postavljeni i promjenjivi
Opseg
Uzak
Širok, s tendencijama daljnjeg širenja
U pravilu, redovni radni zadaci, u
punom radnom vremenu
Najčešće kao dodatni zadaci uz redovne
radne zadatke
Kritični put
Fokusiranje na najduži put
Fokusiranje na rizične zadatke; najduži
put je važan, ali ne i kritičan
Tehnologija
Podržavajuća uloga
Ključna uloga
Stabilni
Dinamički i promjenjivi
Godinu dana i više
Manje od godinu dana, nerijetko
nekoliko mjeseci
Uglavnom jednokratni
Neprekidni i trajni
Projekt završava s dosizanjem ključnih
ciljeva
Dosizanje postavljenih ciljeva uvjetuje
utvrđivanje novih
ograničena
Intenzivna, zbog dijeljenja zajedničkih
resursa
Mnogo slijednih zadataka
Mnogo usporednih zadataka
Obično podržavajući
Nerijetko odbojni
Radni zadaci osoblja
Zahtjevi
Trajanje početnog projekta
Tip završetka
Završetak projekta
Povezanost s drugim
projektima
Struktura zadataka
Stavovi osoblja
Izvor: Panian, Ž.: Odnosi s klijentima u e-poslovanju, Sinergija nakladništvo, Zagreb, 2003., p. 49.
164
Spremić (2003., p. 111-119.) istraživao149 je praksu e-poslovanja (koju definira kao korištenje
interneta za povezivanje s kupcima, partnerima i dobavljačima, te prihvaćanje novih
organizacijskih pravila kako bi se efikasnije poslovalo) u najvećim hrvatskim kompanijama.
Prema njegovim rezultatima, hrvatska poduzeća ne uviđaju e-poslovanje kao važnu inovaciju
koja će radikalno promijeniti poslovanje, ali shvaćaju evoluciju u tom pravcu. Uočeni
problemi implementacije jesu:
manje od trećine inicijativa za uvođenje e-poslovanja dolazi od menadžmenta;
samo trećina analiziranih poduzeća ima strateški plan za e-poslovanje;
loši, odnosno, nedovoljni temelji za ovakav tip poslovanja.
Usporedbe radi sa Spremićevim podacima o hrvatskim poduzećima, u Velikoj Britaniji je
2000. godine 83% dobavljača koristilo B2B modele (MRO, 2001., prema Waters, 2007., p.
65.). Swaminathan i Tayur (2003., p. 1387-1406.) uočavaju kako je pojava e-poslovanja
kreirala nekoliko izazova i mogućnosti u okruženju opskrbnog lanca. Internet je povećao
mogućnosti kupnje proizvoda i usluga bez odlaska u trgovinu, što znači da vrijeme realizacije
određuje koliko će kupac čekati između prodaje i isporuke pa se ekstremno povećava
odgovornost SCM-a. Nadalje, u e-okruženju kupčeva očekivanja u pogledu brzine i vremena
također rastu, a istovremeno se otvaraju nove prilike u tradicionalnom segmentu opskrbnog
lanca zahvaljujući mogućnosti razmjene informacija; izbor dobavljača, e-nabava, uspostava
protokola razmjene informacija; sinergijskih efekata; udruživanje radi utjecaja na rizik...
Wagner et al. (2003., p. 343-354.) istraživali150 su odnos e-poslovanja i e-opskrbnih strategija.
Iako je ovdje riječ o malom uzorku, zanimljivi su njihovi nalazi: uvođenje e-poslovanja
većinom je diktirano od strane kupaca, dobavljači jačih kupaca nisu imali puno izbora nego
prihvatiti uvođenje e-poslovanja kako bi zadržali poslove; bilo je za očekivati da poduzeća u
visokotehnološkim industrijama imaju veći udio u e-poslovanju nego je to slučaj kod onih s
nižom tehnološkom razinom, što je također slučaj u poduzeća kćeri jačih i većih kompanija. U
istraživanju je zamijećeno kako kupci očekuju više informacija od dobavljača; međutim, nisu
prepoznali da će obostrana razmjena informacija poboljšati obostrani potencijal. Faktori koji
dominantno utječu na koristi od uvođenja jesu: cijena implementacije, kulturološke promjene
i trening osoblja, razvoj kupaca i dobavljača te nedostatak tehnoloških vještina unutar
149
Uzorak u ovom istraživanju predstavljalo je 400 najvećih poduzeća prema podacima „Privrednog vjesnika“ za
2001. godinu, a odazvalo se 116 poduzeća, što predstavlja stopu odziva od 27%.
150
Uzorak u ovom istraživanju činilo je 120 malih i srednjih škotskih poduzeća (SMEs) smještenih u centralnom
pojasu, od čega je njih 20 pristupilo dubinskom intervjuiranju.
165
poduzeća. Hill i Scott (2004., p. 48-57.) u istraživanju151 uloge poslovne inteligencije i eposlovanja u unapređenju kvalitete odlučivanja ustanovili su: kvalitetno odlučivanje jest
snažno ovisno o ažuriranju prikupljenih informacija iz niza uglavnom nepovezanih izvora,
poduzeća prepoznavaju potrebu efikasnog marketinga i upravljanja informacijskim sustavom,
poduzeća imaju zanimljive izvore podataka ali s njima se ne upravlja efikasno, poduzeća
veliku vrijednost poklanjaju osobnim kontaktima te poduzeća shvaćaju važnost PI i eposlovanja. Koh i Maguire (2004., p. 338-348.) istraživali152 su primjenu e-poslovanja u
malim i srednjim poduzećima Velike Britanije. Njihovi su rezultati ukazali na porast primjene
e-poslovanja kod B2B i B2C aktivnosti; međutim, zaključuju kako promatrana poduzeća
generalno nisu svjesna kako se znanje može kreirati kroz e-poslovanje.
Croom (2005., p. 55-73.) u svojem istraživanju153 definira e-poslovanje kao korištenje sistema
i otvorenih kanala za razmjenu informacija, komercijalne transakcije te dijeljenje znanja
između organizacija. Rezultati su pokazali glavne ciljeve strategije implementacije eposlovanja: integracija SCM-a, pritisak na cijene i redukcija troškova, razvoj znanja i učenja,
intelektualno vlasništvo i kontrola informacijskog toka, te brzina poslovnih promjena.
Upravljanje znanjem pokazalo se značajnim u dvije domene: klijentskoj inteligenciji i
inoviranju proizvoda. Najvažnije aktivnosti međuorganizacijskog sistema (engl. Inter
organizational systems - IOS) jesu: e-mail, stranice weba, prenos sredstava, elektronska
razmjena podataka (engl. Electronic data interchange - EDI), MS Outlook, Lotus notes,
razmjena znanja, upravljanje odnosima s kupcima (CRM), te tvrtkino planiranje resursa (engl.
Enterprise resource planning – ERP). Najveće koristi od strategije realizacije jesu:
unaprijeđena usluga prema kupcu, unaprijeđen informacijski tok te financijske koristi;
suprotno, najveće su prepreke: razvojni troškovi, integracijska kultura te potrebno vrijeme.
Temeljem ukupnih rezultata istraživanja napravljen je prikaz evolucije e-poslovanja u SCM-u
kroz pet faza, koje su prikazane u tablici 17.
151
U istraživanju je sudjelovalo 11 visokotehnoloških kompanija iz Sjeverne Irske.
Uzorak je predstavljalo 126 poduzeća, od kojih je dobiveno 108 odgovora, što predstavlja stopu odgovora od
zavidnih 86%. Upitnik je bio namijenjen voditeljima IT sektora odnosno poslovanja.
153
Istraživanjem je obuhvaćeno 92 kompanije (najpoznatije među njima su: AT&T, BAA, Dell Computers, Ford
Motor Company, Heinz, IBM, Lloyds, Nestle, Pepsi Co., P&G, Sony Corporation, Unilever), te je dodatno
napravljano šest studija slučajeva.
152
166
Tablica 17. Faze evolucije e-poslovanja u upravljanju opskrbnim lancem
1
2
3
4
5
Fokus
B2C
B2B
reinženjering
procesa
B2X154
transparentni
cjevovod
Sistemi
e-mail, web,
EDI
CRM
planiranje
resursa
e-nabava
e-realizacija
Procesi
prodaja za
naplatu
upravljanje
odnosima
planiranje
procesa i
kontroling
upravljanje
opskrbnom
bazom
integrirana
logistika
Strategije
rast prodaje
strateško
upravljanje
računovodstvom
operativna
unapređenja
nabava
opskrbni lanac
Primarni cilj
unaprijediti
pristup kupcu
segmentacija
kupaca
operativna
koordinacija,
planiranje i
kontrola
upravljanje
opskrbom
integrirano
upravljanje
materijalima
Informacijski
fokus
kanalska
tehnologija
klijentska
inteligencija
procesni i
proizvodni
podaci
nabavne
procedure
logistička
koordinacija
Glavni
procesni
imperativi
novčani tok
kupčev portfolio
operativni
troškovi
ukupni troškovi
akvizicije
odgovornost
%
84
54
37
29
12
Izvor: Croom, Simon R.: The Impact of e-business on supply chain management – An empirical study of key
developments, International Journal of Operations & Production Management, 2005., 25 (1), p. 70 i 71.
Prema Watersu (2007., p. 65.), e-poslovanje nije samo unaprijedilo nabavu već je omogućilo
potpuno nove tipove logistike gdje se važnost pomakla s fizičkih materijala prema
informacijama. Johnson et al. (2007., p. 1260.) u sklopu svojeg istraživanja155 korištenja
tehnologije e-poslovanja u opskrbnim lancima prikazali su nekoliko zanimljivih rezultata
prethodnih istraživanja:
Mukhopadhayay et al., 1995., rezultat primjene EDI-a jest ušteda troškova;
Frochlich, 2002., ustanovio je pozitivnu vezu između dobavljačeve i kupčeve eintegracije i e-poslovanja s operativnim performansama;
Boyer i Olson, 2002., nabava preko interneta vodi do koristi u performansama;
154
B2X predstavlja poveznicu s horizontalnom i vertikalnom (tipično vanjskom) razmjenom.
Uzorak je sastavljen od 640 velikih proizvođačkih i uslužnih poduzeća iz SAD-a (562) i Kanade (78), a
odazvala su se 284 poduzeća, što predstavlja odziv od 44%. Osim provedenog istraživanja autori su također
obradili četri studija slučaja.
155
167
Wu et al., 2003., zaprimanje on-line narudžbi i e-nabava ne utječu na performanse,
usvajanje e-poslovanja u ulaznim i izlaznim komunikacijama utječe na performanse;
Barua et al., 2004., on-line informacijske sposobnosti na kupčevoj strani vode prema
unapređenju financijskih performansi, dok identične sposobnosti na opskrbnoj strani
ne vode prema unapređenju tih performansi.
Performanse su u svojem istraživanju mjerili s dvije varijable: povrat na imovinu (ROA) i
povrat na prodaju (ROS), dok su operacionalizaciju tehnologije e-poslovanja predvidjeli kroz
dvije forme: transakcijsku i relacijsku. Faktorska je analiza ovo upotpunila jer se transakcijska
dimenzija dodatno podijelila na uparenu koordinaciju (engl. Dyadic coordination) i
određivanje cijene (engl. Price determination). Rezultati ovog istraživanja jesu interesantni
(Johnson et al., 2007., p.1264-1272.):
uparena koordinacija (elektronska/on-line sistem narudžbi, elektronski/on-line katalog
dobavljača, elektronska povezanost s dobavljačima u realnom vremenu, elektronska
razmjena podataka) jest najkorištenija tehnologija;
širenjem razvoja strateških resursa, posebno internih i kupčevih timova, širi se
korištenje tehnologija e-poslovanja;
posljednje, što je zanimljivo praktičarima, e-poslovne tehnologije usmjerene prema
smanjenju troškova uparene koordinacije rezultiraju poboljšanjem performansi.
Sanders (2007., p. 1332-1347.) također je istraživala156 odnos tehnologija e-poslovanja na
organizacijsku suradnju (vanjsku i unutarnju) i performanse. Za potrebe rada definirala je
korištenje tehnologija e-poslovanja kao korištenje interneta, weba, te drugih web aplikacija za
provođenje unutarnjih i vanjskih poslovnih procesa. Organizacijske su se performanse mjerile
kroz četiri pokazatelja: troškovi, kvaliteta, isporuke i vrijeme uvođenja novog proizvoda.
Rezultati su pokazali:
korištenje tehnologija e-poslovanja izravno i neizravno značajno utječu na
performanse; suradnja predstavlja rezultat ljudske interakcije koja može biti podržana
s informacijskom tehnologijom ali nikako zamijenjena s njom;
pokazatelj značajnosti utjecaja unutarorganizacijske suradnje na performanse sugerira
da poduzeća trebaju investirati u strategije koje promiču unutarnju suradnju i
integraciju;
156
Uzorak je obuhvaćao 2.000 velikih industrijskih poduzeća u SAD, a dobiveno je 245 odgovora što predstavlja
odziv od 12,3%.
168
obzirom da je model dokazao utjecaj vanjske suradnje na unutarnju, angažmanom u
međuorganizacijskoj suradnju automatski se potiče i unutarnja pa se sinergijom djeluje
na performanse.
Borges et al. (2009., p. 863-890.) temeljem istraživanja157 utjecaja IT-a na marketinšku
orijentaciju u e-poslovanju tri studija slučaja zaključili su kako strateško razumijevanje o
najboljem načinu korištenja IT-a jest ono što kreira konkurentsku prednost. Prema njima,
marketinška orijentacija podrazumijeva prikupljanje i distribuiranje market intelligencea (MI)
od strane poduzeća te njegov odgovor na tržišna događanja. Zaključuju, za poticanje uspjeha
e-poslovanja menadžment treba fokus korištenja IT-a usmjeriti prema aktivnostima MI-a.
Temeljem svojih analitičkih sposobnosti da razumije MI tvrtka će bit u stanju definirati
adekvatniji odgovor prema tržištu koji će koristiti IT da doda vrijednost za klijenta.
Chen et al. (2009., p. 879-886.) istraživali158 su utjecaj između tehnologija e-poslovanja,
tvrtkinog znanja, prakse opskrbnog lanca te konkurentskih performansi. Performanse su
mjerene kroz četiri pokazatelja: troškovi, kvaliteta, isporuka, fleksibilnost159. Organizacijsko
se znanje mjerilo samo kroz dva pokazatelja; znanje o zalihama s dobavljačima i kupcima te
odluke o planiranju proizvodnje i predviđanje potražnje s kupcima i dobavljačima. Rezultati
su pokazali:
organizacijsko znanje ima pozitivan učinak na praksu opskrbnog lanca koja pozitivno
utječe na operativne performanse;
organizacijsko znanje i tehnologije e-poslovanja su međusobno utjecajne;
tehnologije e-poslovanja igraju važnu ulogu u dijeljenju znanja.
Zaključno, rezimiraju da stvaranje organizacijskog znanja kroz e-poslovanje omogućava
njegovo značajno dijeljenje i difuziju između članova opskrbnog lanca te efikasno
unapređivanje prakse opskrbnog lanca kako bi se uskladila s konkurentskim performansama.
157
Tri studije slučaja se odnose na dva najveća maloprodajna lanca u Brazilu; Sonae Brasil (kupio ga je WallMart) i Pao de Acqucar, te Subramano koja je u to vrijeme bila najveća dot.com kompanija u Brazilu.
158
U ovom su istraživanju usvojeni rezultati iz baze IMSS-a (International Manufacturing Strategy Surveys).
Analizirana su 522 uzorka velikih proizvođača iz 23 zemlje.
159
Za primijetiti je kako se ovi elementi razlikuju u samo jednom pokazatelju u odnosu na one koje je koristila
Sanders; umjesto fleksibilnosti ona je koristila vrijeme uvođenja novog proizvoda, a i to se može na određeni
način promatrati kao fleksibilnost.
169
1.4.
Integracija
Sinkronizirane logističke aktivnosti između članova lanca kreiraju vrijednosti za krajnjeg
korisnika snižavajući troškove povezane s redundancijom i umnožavanjem. Integracija
logističkih sposobnosti i resursa različitih entiteta opskrbnog lanca pozicionira cijeli lanac
prema boljem servisiranju odabranih kupaca zahtijevajući dramatično novi način razmišljanja
i djelovanja (Stank et al., 2001., p.32.). Integracija je izuzetno važna s obzirom na
karakteristike odnosa unutar lanca jer se njegova kompleksnost eksponencijalno povećava
rastom broja sudionika i proizvoda (Rabelo et al., 2002., p. 2.). Bowersox, Closs i Stank
(1999., prema Rabelo i Clark, 2002., p. 33-34.) razvili su okvir šest kritičnih kompetencija
integracije opskrbnog lanca, a svaka od njih obuhvaća jedinstvene funkcijske sposobnosti
koje odražavaju organizacijsko znanje i iskustvo bitno za razvoj logističkih prepoznatljivosti:
integracija kupaca - izgradnja trajne prepoznatljivosti s kupcima;
interna integracija - sposobnost povezivanja internih radova u bešavne procese za
potporu kupčevim zahtjevima;
integracija materijala / servisa dobavljača - sposobnost povezivanja vanjskih radova u
bešavno slaganje s internim procesima;
tehnološka i integracija planiranja - sposobnost održavanja IS za podršku širokom
spektru operativnih konfiguracija potrebnih za servisiranje različitih tržišnih
segmenata;
integracija mjerenja - razvoj i održavanje mjernih sustava koji pomažu parcijalne
strategije i procese;
integracija odnosa, sposobnost razvoja i održavanja zajedničkog mentalnog okvira s
kupcima i dobavljačima međuovisnosti poduzeća i načela suradnje.
Stank et al. (2001., p. 32-46.) testirali160 su navedeni okvir, kao i odnos njega i performansi
poduzeća koje su operacionalizirane kroz 13 varijabli: ranija obavijest o dospijeću,
zadovoljstvo kupca, pouzdanost dostave, brzina dostave, fleksibilnost vremena isporuke,
obrtaj zaliha, podrška IS-a, niži logistički troškovi, kapacitet ispunjenja narudžbi, fleksibilnost
narudžbi, fleksibilnost proizvodnje (prilagodba kupcu), odgovornost prema ključnim kupcima
160
Mjere za ovo istraživanje izvedene su kroz pilot testiranje skoro 3.700 sudionika iz Sjeverne Amerike, Europe
te regije pacifičkog oceana (Pacific Rim). Kroz 26 studija slučaja razvijene su mjere za perspektivu opskrbnog
lanca. Upitnik je poslan u sva poduzeća (proizvodna i distribucijska) Sjeverne Amerike koji su članovi CLM-a
(Council of Logisitic Management) tako da se uzorak sastojao od 2.680 poduzeća, od kojih je 306 odgovorilo,
pa je postignuta stopa odziva bila 11,4%.
170
te povrat na imovinu (ROA). Rezultati su pokazali da kupčeva integracija (koja je značajni
prediktor šest varijabli performansi) predstavlja najkritičniju poveznicu s unapređenjem
performansi. Druga po važnosti pokazala se interna integracija (koja je značajni prediktor
četiri varijable performansi), što znači da se menadžment koji želi postići kvalitetnu
integraciju sa svojim kupcima treba potruditi da se cijelo poduzeće integrira. Zaključno se
može ustvrditi kako je istraživanje pokazalo da unaprijeđena integracija opskrbnog lanca vodi
prema boljim performansama.
Lee i Whang (2001.) istraživali su odnos e-poslovanja i integracije opskrbnog lanca kroz
četiri dimenzije: informacijska integracija, sinkronizacija planiranja, koordinirani radni slijed
te novi poslovni modeli, što je prikazano u tablici 18.
Tablica 18. Dimenzije integracije opskrbnog lanca
Dimenzije
Elementi
Koristi
Informacijska
integracija
Djelenje informacija i
transparentnost
Izravni i pravovremeni pristup
Smanjeni efekt biča
Rana detekcija problema
Brži odgovor
Izgradnja povjerenja
Sinkronizirano
planiranje
Suradničko planiranje, predviđanje i
nadopuna
Zajednički dizajn
Smanjeni efekt biča
Niži troškovi
Optimalno korištenje kapaciteta
Unaprjeđene usluge
Koordinacija radnog
slijeda
Koordinirana proizvodnja,
planiranje i operacije, nabava,
obrada narudžbi, inženjerske
promjene i dizajn
Integrirani, automatizirani poslovni
procesi
Dostizanje efikasnosti i preciznosti
Brži odgovor
Unaprjeđeni servis
Ranije vrijeme za tržište
Razgranata mreža
Novi poslovni modeli
Virtualni resursi
Logističko restrukturiranje
Maksimalna prilagodba kupcu
Nove usluge
Klikni i baci modeli
Bolje korištenje imovine
Povećana efikasnost
Ulazak na nova tržišta
Kreiranje novih proizvoda
Izvor: Lee, H.L., Whang, S.: E-Business and Supply Chain Integration, Standford Global Supply Chain Forum,
SGSCMF-W2-2001, novembar 2001., p. 3.
Najvažnije odrednice njihovog izlaganja jesu:
integracija ne može biti kompletna bez čvrste veze među kompanijama, odnosno
suradnje inspirirane temeljem percepcije o zajedničkoj koristi;
171
za osiguranje da je opskrbni lanac vođen potražnjom, razmjena informacija predstavlja
kritični moment, što se pozitivno odražava na problem efekta biča;
informacijsko čvorište (engl. Information hub) predstavlja rješenje za razmjenu
podataka, a predstavlja središte mreže kroz koje organizacije međusobno djeluju u
provođenju integracije opskrbnog lanca, s mogućnošću spremanja podataka te
procesuiranja informacija; upravo ono treba osigurati nesmetan tok informacije
pravom partneru u pravo vrijeme;
poput razmjene informacija, zajedničko planiranje, predviđanje i nadopunjavanje
svim sudionicima višestruko se isplati, što je potvrđeno rezultatima istraživanja161;
aplikacije e-poslovanja mogu pružiti veliku količinu potražnih podataka s potencijalno
značajnom vrijednošću pa se korištenjem rudarenja podataka, spremištima podataka te
ostalih analitičkih tehnika poduzeću može pružiti poslovna inteligencija162 od interno
generiranih izvora.
Simatupang et al. (2002., p. 289-308.) sistematizirali su četiri moda suradnje unutar
opskrbnog lanca, što su prikazani u tablici 19.
Tablica 19. Sistematizacija tipova suradnje
Obostrana suradnja
Komplementarnost
Usklađenost
Operativna povezanost
Logistička sinkronizacija
(Cilj: proizvodi, usluge, te
logistički procesi)
Razmjena informacija
(Cilj: informacija)
Organizacijska povezanost
Usklađenje inicijativa
(Cilj: koristi i rizici)
Zajedničko učenje
(Cilj: znanje i sposobnosti)
Fokus
suradnje
Izvor: Simatupang, T.M., Wright, A.C., Sridharan, R.: The knowledge of coordination for supply chain
integration, Business Process Management Journal, 02002., 8 (3), p. 292.
Logistička je integracija odgovorna za osiguranje usklađenosti logističkih procesa kako bi se
dostavili proizvodi ili usluge koje će zadovoljiti kupčeve želje, a to znači unapređenja koja će
prodinijeti dodanoj vrijednosti. Koordinacija razmjene informacija pokušava uspostaviti
161
Temeljem rezultata istraživanja koje su proveli Standford University i Anderson Consulting 1998. godine.
Autori na jednom mjestu koriste termin business intelligernce, a na drugom market intelligence, bez
objašnjavanja eventualnih odnosa između njih, pa se može protumačiti da ih koriste kao sinonime.
162
172
zajedništvo informacija kada sudionici (vlasnici informacija) međusobno surađuju.
Usklađenost inicijativa podrazumijeva mehanizme kako bi se korist i/ili rizik povezan s
logističkom funkcijom podijelili među sudionicima lanca stimulirajući ih tako prema
postizanju veće profitabilnosti. Zajedničko se učenje bavi nastojanjima uvođenja i dijeljenja
znanja (posebno tacitnog) izvan granica poduzeća. Prema njihovom modelu, svaki od četiri
moda (preko svojih elemenata) utječe na integraciju opskrbnog lanca odnosno na njegove
operativne performanse (usluga kupcu, frekvenciju zaliha, brzinu odgovora, kvalitetu i
dostupnost proizvoda), što u konačnici utječe na financijske performanse (vrijeme pretvorbe
novca, logističke troškove, povrat neto imovine, ukupni dani opskrbe).
Prema Handfieldu i Nicholsu (2002., p. 4.), integracija e-poslovanja značajno je unaprijedila
organizacijske performanse podržavajući ključne principe poslovnog uspjeha: brži pristup
tržištu s novim proizvodima i uslugama, bolja usluga, kvalitetniji prodajni proces, niži
operativni troškovi, niži proizvodni troškovi, niži troškovi zaliha. Potrebno je naglasiti kako je
integracija također značajno povećala kompleksnost (sigurnost, pouzdanost, tolerancija
greške, vladine regulative...). Frohlich i Westbrook (2002., p. 729-745.) istraživali163 su odnos
između integracije strategija opskrbnog lanca i performansi. U radu su prezentirali četiri tipa
strateških integracija: slaba integracija, integracija opskrbe, integracija potražnje te integracija
potražnog lanca - upravljanje potražnim lancem (engl. Demand Chain Management - DCM).
Također su identificirali tri pokretača potražnje na temelju weba: pristup novim tržištima,
očekivana unapređenja internih performansi te vanjski pritisak (partnera ili konkurencije).
Njihovo je istraživanje pokazalo:
DCM utječe na performanse kod proizvođačkih kompanija; međutim, to nije
potvrđeno za uslužna poduzeća;
strategije vođene potražnjom motivirane su očekivanim internim unapređenjima;
strategije vođene opskrbom motivirane su pristupima novim tržištima.
Vickery et al. (2003., p. 523-539.) istraživali164 su utjecaj integriranih strategija opskrbnog
lanca na performanse, pod čime su podrazumijevali integrativne IT i integraciju opskrbnog
lanca. Integrativne IT operacionalizirali su kroz elektronsku razmjenu podataka (EDI),
163
Podaci za istraživanje prikupljeni su iz stratificiranog slučajnog uzorka proizvođačkih i uslužnih kompanija iz
Velike Britanije, a 890 prikupljenih odgovora činilo je odziv od 20%.
164
Uzorak istraživanja sačinjavalo je 150 najvećih dobavljača General Motorsa, Forda i Chryslera prema
preporuci profesionalne asocijacije AIAG (Automotive Industry Action Group). Ovi dobavljači generiraju preko
90% volumena nabave sjevernoameričkih proizvođača automobila. Istraživanju se odazvalo 57 poduzeća, što
predstavlja odziv od 38%.
173
integrirani IS te kompjuteriziranu proizvodnju, a integraciju opskrbnog lanca kroz partnerstvo
s dobavljačima, prisnije odnose s kupcima i kros-funkcijske timove. Performanse su mjerene
kroz tri pokazatelja: povrat na imovinu prije oporezivanja, povrat na investicije (engl. Return
on investment - ROI) te povrat na prodaju (ROS). Rezultati su pokazali izravnu pozitivnu
vezu između:
integriranih IT i integracije opskrbnog lanca;
integracije opskrbnog lanca i usluge kupcu;
usluge kupcu i tvrtkinih performansi;
Iz postavljenog i testiranog modela može se zaključiti kako je utjecaj integracije opskrbnog
lanca na tvrtkine financijske performanse indirektan, odnosno, preko usluga kupcu.
Zanimljivo istraživanje165 opsega integracije (marketinga i logistike) i njezinog utjecaja na
performanse napravili su Chen et al. (2007., p. 5-21.). Priklanjaju se definiciji integracije koju
su dali Kahn i Mentzer (1998.) prema kojoj je to proces interakcije i suradnje između
različitih odjela i to ih dovodi do kohezivne organizacije. Performanse su mjerili s pet
pokazatelja: zadovoljstvo kupca, ukupna konkurentska pozicija, prodaja, neto profitna marža
te povrat na imovinu (ROA). Njihovi su rezultati pokazali kako: nije potvrđeno da suradnja
marketinga i logistike utječe na performanse poduzeća, ali ova suradnja utječe na krosfunkcijsku integraciju, što također utječe na performanse. Može se zaključiti kako suradnja
marketinga i logistike posredno, preko kros-funkcijske integracije, utječe na performanse.
Harland et al. (2007., p. 1234-1254.) istraživali166 su prepreke u integraciji informacija u četiri
opskrbna lanca u razdoblju od četiri godine. Rezimirali su koje su se prepreke u literaturi do
tada pokazale kao najveće: nedostatak strateškog usklađenja informacijskih strategija s
lancem, veličina pojedinog poduzeća unutar lanca, nedostatak spoznaje o potencijalima eposlovanja te nedostatak motivacije ili nedovoljna razvijenost samih aktera. Njihovo je
istraživanje pokazalo disparitet između egzistirajućeg i planiranog korištenja e-poslovanja kod
velikih nizvodnih poduzeća u usporedbi s onim uzvodnim. Promatrana poduzeća vrlo su
oprezna, planiraju investiranje u e-poslovanje ako ih dominantni nizvodni kupci prisile;
međutim, oni ne shvaćaju punu korist koju će polučiti usvajanjem e-poslovanja.
165
434 potencijalna poduzeća s liste Fortune Top 500 i članova CSCMP-a (Council of Supply Chain
Management Professionals) selektirana su u uzorak, od kojih se dobilo 125 odgovora, što predstavlja odziv od
28,8%.
166
Ovim je istraživanjem obuhvaćeno 29 malih i srednjih poduzeća (SMEs) koji su bili članovi četri različita
opskrbna lanca.
174
Swafford et al. (2008., p. 288-297.) istraživali167 su izravne i neizravne odnose IT integracije,
fleksibilnosti i agilnosti opskrbnog lanca. Fleksibilnost opskrbnog lanca definirali su kao
sposobnost tvrtkinih unutarnjih funkcija u opskrbnom lancu: u razvoju, nabavi, proizvodnji i
distribuciji, dok je agilnost više fokusirana na brzinu. Zaključuju, riječ je o dva različita
koncepta, s time da fleksibilnost dolazi prije agilnosti. Performanse su mjerene kroz povrat
na imovinu (ROA), tržišni udio, profitnu maržu te odnos prodaje i zaposlenika. IT integracija
pokazuje u kojem se opsegu IT koristi za integraciju informacija i suradnju između odjela:
dizajna i razvoja, nabave, proizvodnje te logistike i distribucije. U istraživanju su identificirali
domino efekt između IT integracije koja utječe na fleksibilnost opskrbnog lanca, a ona na
agilnost koja u konačnici pridonosi boljim performansama. Također se pokazalo da nije
potvrđena izravna veza između integracije IT-a i agilnosti opskrbnog lanca. Može se zaključiti
kako poduzeća koja posjeduju integriran IT i postignutu fleksibilnost opskrbnog lanca imaju
veći potencijal za postizanje njegove agilnosti nego ona koja imaju samo integriranu IT.
Chang et al. (2008., p. 1-12.) istraživali168 su odnos međuorganizacijskog sistema (IOS)
odnosno IT investicija i performansi poduzeća (profitabilnost, produktivnosti i zadovoljstvo
kupca), te utjecaj dva moderirajuća elementa - dinamičke sposobnosti tj. integracijske
sposobnosti (IT integracija i procesna integracija) i sposobnosti suradnje (koordinacija i
monitoring). Rezultati istraživanja pokazali su da integracijske sposobnosti značajno
moderiraju utjecaj IOS-a na tvrtkine performanse. Suradničke sposobnosti djelomično
moderiraju ovaj odnos s obzirom da koordinacija značajno utječe, dok za monitoring to nije
utvrđeno. Zaključno se može ustvrditi kako IOS investicije u opskrbnom lancu s višim
stupnjem integracije i koordinacije omogućuju bolje rezultate. Speier et al. (2008., p. 21-38.)
istraživali su teorijski okvir odnosa informacijske integracije i performansi opskrbnog lanca.
Temeljem svojeg prvog postulata, smatraju da će poduzeća koja imaju višu razinu orijentacije
na opskrbni lanac (SCO) investirati u više razine integracije IS-a. Prema slici 26.
informacijska integracija može se evaluirati kao specifična komponenta tvrtkine orijentacije
na opskrbni lanac.
167
U ovom su istraživanju sudjelovala poduzeća iz SAD, a obrađen je 131 odgovor što predstavlja odziv od
20%.
168
U uzorku je bilo 825 tajvanskih poduzeća iz PC i elektronske industrije, od kojih se dobilo 145 odgovora, što
predstavlja odziv od 17,57%.
175
niska ← orijenacija na opskrbni lanac → visoka
Slika 26. Odnos između orijentacije na opskrbni lanac i integracije IS-a
Izvor: Speier, C., Mollenkpof, D., Stank, T.P.: The Role of Information Integration in Facilitating 21st Century
Supply Chains: A Theory-Based Perspective, Transportation Journal, 2008., 47 (2), p. 26.
Interno povezivanje, kao prva razina informacijske integracije, podrazumijeva povezivanje
unutarnjih procesa; za razliku, od druge razine, gdje se poduzeće povezuje sa svojim
dobavljačima i kupcima razmjenjujući točne i pravovremene informacije o procesima,
narudžbama i isporukama. Na trećoj razini dva partnera aktivno surađuju koristeći informacije
za poboljšanje usluga kupcu te snižavanje troškova. Četvrta razina predstavlja proširenje
suradnje prema svim članovima lanca. Agilnost razmatraju kroz četiri dimenzije koje su dali
Goldman et al. (1995. prema Speier et al., 2008., p. 31.): fokusu prema obogaćivanju kupaca,
suradnji radi postizanja konkurentskih prednosti, organizaciji radi savladavanja promjena i
smanjenja nesigurnosti te utjecaju na učinak ljudi i informacija. Prema autorima, agilnost
poboljšava odnos između orijenacije na opskrbni lanac i integracije IS-a, koje djeluju na
performanse poduzeća.
176
Sezen (2008., p. 233-240.) istražio169 je utjecaj integracije, razmjene informacija i dizajna na
performanse opskrbnog lanca koje su operacionalizirane kroz tri dimenzije: fleksibilnost,
resursi i izlazni rezultati. Nezavisne su varijable operacionalizirane kroz pet dimenzija, uz
napomenu da je razmjena informacija podijeljena na dva dijela kako bi se posebno ocjenile
razmjene s dobavljačima i s kupcima. Rezultati su pokazali:
•
integracija pozitvno i značajno korelira s fleksibilnošću i izlaznim performansama;
međutim, ne i s resusima;
•
razmjena informacija i dizajn pozitivno i značajno koreliraju sa sve tri dimenzije
performansi, s tim da resursi i izlazne performanse najviše koreliraju s dizajnom, a
flaksibilnost s razmjenom informacija;
•
prema rezultatima regresije, jedini značajan efekt na resurse i izlazne performanse ima
dizajn, dok integracija i razmjena informacija imaju manji utjecaj od dizajna.
Downing (2010., p. 134-137.) u svojem se istraživanju170 bavio razlikama u performansama
tri vrste poduzeća: onih koja ne koriste elektronsku integraciju opskrbnog lanca, onih koja ne
koriste web kao osnovu svoje integracije, te onih koja koriste web kao osnovu svoje
integracije opskrbnog lanca. Performanse su operacionalizirane kroz: troškove procesa,
operativni efikasnost, zadovoljstvo kupca, koordinacija, suradnja i privrženost između EDI
partnera te ukupne performanse. Njegovo je istraživanje pokazalo:
pomicanje elektronske integracije opskrbnog lanca prema webu rezultira sniženjem
troškova;
operativna efikasnost pokazala se najboljom kod integracije temeljene na webu;
zadovoljstvo kupca pokazalo se najbolje kod elektronske integracije koja nije
utemeljena na webu;
dugoročna koordinacija, suradnja i privrženost EDI partnera također se pokazala
najboljom kod integracija koje nisu utemeljene na webu.
Zaključno se može konstatirati da integracija utemeljena na webu ima niže troškove,
superiornu operativnu efikasnost, višu kooperaciju između partnera te bolje ukupne
performanse.
169
Uzorkom je obuhvaćeno 196 proizvodnih turskih poduzeća, od kojih je pristiglo 125 odgovora, što
predstavlja odziv od 63,78%.
170
U uzorku je bilo 320 poduzeća (financijske usluge) primarno iz sjevernoistočnog dijela SAD, od kojih je
odgovorilo 129, što predstavlja odziv od 40%.
177
Saeed et al. (2011., p. 7-42.) istraživali171 su model interorganizacijskog sistema (IOS) kod
različitih primjera integracija opskrbnih lanaca. Temeljem sveobuhvatnog pregleda literature,
IOS su operacionalizirali kroz varijable: integracije aplikacija, kompatibilnost podataka,
analitičke sposobnosti, evaluacijske sposobnosti te upozorenja. Integraciju opskrbnog lanca
konceptualizirali su kroz tri dimenzije: stratešku (do koje su mjere članovi lanca razvili
zajedničku razmjenu znanja koja olakšava inovativne aktivnosti, razmjenu novih ideja te
zajedničko djelovanje u identificiranju i implementiranju unapređenja), operativnu (do koje
mjere članovi lanca povezuju odlučivanje na različitim razinama surađujući u određenim
operativnim procesima i aktivnostima kroz razmjenu informacija) i financijsku (do koje mjere
partneri iz opskrbnog lanca zajednički investiraju u projekte od obostranog interesa). Rezultati
su pokazali da uspješna poduzeća slijede konfiguraciju IOS karakteristika prema efikasnom
razvoju i podupiru procesne mogućnosti njihovog opskrbnog lanca. Poduzeća na nižoj razini
integracije konfiguriraju svoj IOS kao podršku evaluaciji dobavljača i automatskim
upozorenjima. Što poduzeća više uzdižu razinu svoje integracije veća se pažnja posvećuje
sistemskoj integraciji, planiranju i predviđanju.
1.5.
Vidljivost
Za efikasno upravljanje opskrbnim lancem menadžmentu je potrebna njegova vidljivost. Pod
time se podrazumijeva da su podaci i informacije s bilo koje njegove razine dostupni
donositelju odluka u kritičnom trenutku potrebe za njima, tako da Swaminathan i Tayur
(2003., p. 1395.) dijeljenje informacija i vidljivost navode kao sinonime. Thompson et al.
(2001., p. 3.) u svojem su istraživanju172 identificirali šest pokretača logističkih sustava
svjetske klase nazvavši ih ispunjenje izvrsnosti:
suradnja - razmjena podataka s ključnim kupcima, dobavljačima i partnerima u
realnom vremenu, usklađenje individualnog i organizacijskog, standardizacija procesa
i izvođenja;
171
U prvom je koraku bilo 597 poduzeća slučajno odabranih iz baze ELM Guide to North American Supplier
Database. U drugom je koraku bilo 254 poduzeća slučajno odabranih iz baze Dun and Bradstreet database.
Ukupno je primljeno 50 odgovora, što predstavlja odziv od 6%.
172
Istraživanjem su obuhvaćena 432 SCM profesionalca, od kojih je 50% iz proizvođačke industrije.
178
optimizacija - implementacija novih alata i procesa, eliminacija neučinkovitosti,
štednja duž cijelog lanca;
povezanost - standardizacija aplikacija i platformi, poticanje mnogostruke (engl.
Many-to-many) suradnje, omogućavanje trgovinske razmjene;
izvođenje - unapređenje transporta, distribucije, zaliha, te upravljanja narudžbama,
ubrzanje financijskih podmirivanja, mjerenje performansi;
brzina - povećanje odgovornosti, unapređenje prilagodljivosti te pristup informacijama
u realnom vremenu;
vidljivost - praćenje protoka zaliha, ažuriranje statusa narudžbi u realnom vremenu, te
upravljanje incidentima.
Vidljivost objašnjavaju kao sposobnost gledanja i upravljanja protokom proizvoda, usluga i
informacija u realnome vremenu, a uključuje pristup zalihama u tranzitu, dostupnost
proizvoda te informacije o statusu narudžbi. Njihovo je istraživanje kod ispitanika pokazalo
sljedeću vidljivost procesa: izbor prijevoznika (79%), praćenje odlaznih pošiljki (65%),
praćenje dolaznih pošiljki (61%), upozorenja kašnjenja pošiljki (58%), vidljivost narudžbi
(57%). Može se zaključiti kako vidljivost predstavlja kompleksno područje s obzirom da
obuhvaća ljude, procese, tehnologije te informacijske protoke.
Montgomery et al. (2002., p. 3.) u istraživanju173, što je uslijedilo kao nastavak onog kojeg su
proveli Thompson et al., utvrdili su da vidljivost nije taktičko pitanje jer ima strateške
implikacije na cijelo poduzeće, odnosno, vidljivost se može promatrati s taktičke i strateške
perspektive. S taktičke perspektive menadžmentu se omogućuje vidljivost protoka materijala,
dostupnosti kapaciteta i resursa unutar lanca, dok se strateška perspektiva poklanja resursima
opskrbne mreže tako da vidljivost omogućuje procjenu i preoblikovanje mreže u skladu s
promjenama u poslovnom okruženju. Prema autorima, upravo vidljivost omogućuje i
osigurava ostale identificirane pokretače izvrsnosti opskrbnog lanca s obzirom da su rezultati
istraživanja pokazali poboljšice u ciklusima (dolaska materijala s 19 na 16 dana, obrtaj zaliha
s 11 na 15). Vidljivost jest temelj upravljanja događanjima u opskrbnom lancu (engl. Supply
Chain Event Management - SCEM) čiji se model sastoji od šest nadograđujućih faza
(Montgomery et al., 2002., p. 5-14.):
proširena povezanost, koja omogućuje dobavljačima, logističarima te kupcima
dijeljenje događanja transakcija u opskrbnom lancu;
173
Istraživanje je napravljeno na uzorku od 365 SCM profesionalaca, od kojih je 58% iz proizvođačke industrije.
179
transparentnost poduzeća, koja omogućuje poslovnim korisnicima da vide narudžbu,
zalihe te informacije o isporukama važnim za njihovu specifičnu ulogu u opskrbnom
lancu;
upozorenje temeljem iznimki (engl. Exception-Based Alerting), temeljem pristupa da
svaki problem ne treba biti problem, ovo predstavlja pravilo koje dozvoljava
menadžmentu fokusiranje na procese umjesto na pojedine događaje;
događaj kao odgovor (engl. Event Based Response), omogućuje odlučivanje,
optimizaciju i preoblikovanje u realnom vremenu kao dinamički odgovor na
upozorenja, vidljivost osigurava uočavanje problema dovoljno rano za pronalaženje
solucija;
mjerenja performansi174, pružaju svim zainteresiranim i odgovornim osobama
potreban alat (jasan, mjerljiv i međusobno dogovoren) za mjerenje njihovog doprinosa
lancu;
omogućene kontrola predstavlja ideju u budućnosti, vrh SCEM piramide, kada će
poduzeće u svom odgovoru na događanja biti u stanju poluautomatski reagirati.
Christopher (2005., p. 242-253.) vidljivost sagledava u kontekstu upravljanja rizikom u
opskrbnom lancu a sastoji se od sedam faza: razumjeti opskrbni lanac, unaprijediti ga,
identificirati kritične putove (čvorove i linkove), upraviti s njima, unaprijediti vidljivost
opskrbnog lanca, uspostaviti kontinuirani tim te raditi zajedno s dobavljačima i kupcima u
unapređenju procedura za upravljanje rizikom. Problem limitirane vidljivosti opisuje kao
nemogućnost nekog člana lanca da vidi status pojedinih uzvodnih ili nizvodnih operacija,
njihovu razinu te progres kroz lanac što rezultira u kašnjenju uočavanja problema te,
posljedično, i njegovo rješenje. Najveća korist postignutom transparentnošću informacijskog
protoka treba biti povećanje efikasnosti samih procesa i unapređenje efikasnosti ukupnog
lanca (Christopher, 2005., p. 181.).
Handfield i Nichols (2002., p. 300.) navode koristi od uspostavljene informacijske vidljivosti:
uklanjaju se organizacijske barijere, ugrađuje se vidljivost dužinom cijelog lanca, upravlja se
pomoću mjerenja, skraćuje se vrijeme trajanja ciklusa pojedinih procesa, potiče se suradnja u
odlučivanju te se smanjuju problemi prikrivenosti. Waters (2007., p. 209-210.) smatra
dijeljenje informacija temeljem vidljivosti koju objašnjava kao mogućnost da jedan član lanca
174
U njihovom se istraživanju pokazalo da su najčešće operativne mjere: varijabilnost troškova, izgubljena
prodaja, obrtaj zaliha gotovih proizvoda, ispunjenje narudžbi, obrtaj zaliha sirovina, perfektna narudžba te
isporuka na vrijeme.
180
vidi što se događa kroz cijeli lanac. Najrelevantnijim informacijama u kontekstu vidljivosti
smatra one o razinama zaliha, potražnji, promocijama, uvođenju novih proizvoda, tržišnim
uvjetima, operativnim planovima, performansama, riziku, neočekivanim događajima te
izgubljenoj prodaji. Kvalitetna će vidljivost potaknuti temeljni cilj logističkih menadžera da
zalihe zamijene informacijama, što će rezultirati s dvije ključne koristi; menadžment će moći
raditi zajedničke informirane i efikasne planove u svezi rizika te će smanjiti količinu rizika
koji nastaje kao posljedica loše komunikacije.
Prema Johnsenu (2006., p. 6.), tehnologija igra značajnu ulogu; međutim, vidljivost
tradicionalnog opskrbnog lanca koja je fokusirana isključivo prema fizičkoj distribuciji
dostavlja samo jedan dio ukupne slike i predlaže trodimenzionalni pristup u funkciji pune
vidljivosti i uspješne kontrole: fizički opskrbni lanac, financijski opskrbni lanac, te
dokumentacijski i podatkovni opskrbni lanac. Prema La Grouw (2008., p. 388-389.), izvještaji
poslovne inteligencije i ključni pokazatelji uspjeha (KPI) koji omogućuju jedan pogled kroz
cijeli opskrbni lanac također podupiru kros-funkcijsku analizu svih podataka i informacija iz
lanca, uključujući upravljanje zalihama, nabavu, proizvodnju te plaćanje računa. Prema njoj,
vidljivost izravno utječe na dva kritična faktora:
odgovornost - performanse i proizvodni ciljevi trebaju biti usklađeni kroz sve faze, a
donositelji odluka na svim razinama trebaju shvatiti kako performanse u njihovom
području odgovornosti utječu na sveukupne performanse opskrbnog lanca;
pouzdanost - potrebna je usklađenost metrike kako bi se prevenirala nekonzistentnost
te spriječilo širenje i plasman krivih informacija.
Auramo (2006., p. 46-57.) u svojem je istraživanju175 identificirala tri kategorije vidljivosti
koje su rezultirale u izravnim operativnim koristima, u izravnim strateškim koristima te u
dugoročnim strateškim koristima: vidljivost transakcija, vidljivost suradničkih procesa te
vidljivost u korištenju, što je prikazano u tablici 20.
175
Rezultati istraživanja za potrebe izrade disertacije objavljeni su u pet članaka, a korištene istraživačke metode
su bile Delphi radionica te studije sliučajeva.
181
Tablica 20. Tri kategorije vidljivosti opskrbnog lanca
Vidljivost u korištenju
Vidljivost procesa
Vidljivost transakcija
Mogućnosti
Izravne operativne koristi:
pažljivo planiranje inačica e-poslovanja za unapređenje informacijske kvalitete;
razumijevanje implikacija mogućnosti na temelju operativnih odluka (koordinirajuće odluke) o istim
podacima kroz opskrbni lanac.
Izravne strateške koristi:
prikupljanje mogućnosti transferiranih realiziranih resursa (zahvaljujući efikasnosti unapređenja)
Dugoročne strateške koristi:
temelj varijanti e-poslovnog planiranja i suradnje za unapređenje agilnosti opskrbne mreže;
nekoliko alata e-poslovanja s reinženjeringom procesa;
mogućnost pomicanje prema proizvodnji po narudžbi.
Izravne operativne koristi:
unapređenje prakse upravljanja dokumentacijom i pojednostavljenje procesa;
postizanje ušteda zahvaljujući lakšem pristupu dokumentima;
informacije su dostupne u realnom vremenu, te je smanjeno vrijeme u pretraživanju;
razvoj efikasnosti u reagiranju i kontroli izmjene dokumentacije.
Izravne strateške koristi:
Pružanje kupcima dokumentacijske vidljivosti kroz projekte.
Dugoročne strateške koristi:
korištenje akumuliranih metapodataka za upravljanje potencijalnim uskim grlima u projektnim
operacijama;
Korištenje suradničkih mogućnosti za suvremeni inženjerski pristup.
Izravne operativne koristi:
mogućnost ranijih pristupa zahtijevanim informacijama, te korištenje tog vremena za servisiranje kupaca
iz centraliziranih zaliha;
pribavljanje zahtijevanih informacija bolje kvalitete za povećanje točnosti i efikasnosti planiranja;
korištenje dobavljačeve pozicije za utjecanje na kupčeve zahtjeve.
Izravne strateške koristi:
promjena mjera performansi od vremena isporuke i preciznosti prema dostupnosti i performansama
kupčevih procesa;
zahvaćanje bolje kvalitete zahtijevanih informacija za poboljšanje usluge kupcu.
Dugoročne strateške koristi:
transfer akumuliranog znanja o korištenju proizvoda, operativnoj okolini i kupčevom ponašanju u
kreiranju nove - poboljšane usluge;
mogućnost ranijeg pristupa zahtijevanim informacijama,
korištenje tog vremena za pomicanje prema proizvodu po narudžbi strategiji.
Izvor: prilagođeno prema Auramo, J.: Implications of Supply Chain Visibility: Benefits in Transaction Execution
and Resource Network Management, Helsinki University of Technology Laboratory of Industrial
Management, doctoral dissertation, 2006., p. 49-55.
182
Wang i Wei (2007., p. 647-674) istraživali176 su kako međuorganizacijsko upravljanje
(relacijsko upravljanje i virtualna integracija) kreira vrijednost u konteksu opskrbnog lanca
(informacijsku vidljivost i fleksibilnost opskrbnog lanca). Relacijsko upravljanje definiraju
kao mjeru unutar koje partneri iz lanca koriste mehanizme poput relacijskih normi i
zajedničkih akcija za održavanje svojih odnosa temeljenih na zajedničkim ciljevima. Ova je
dimenzija operacionalizirana kroz četiri konstrukta: povjerenje, privrženost, koordinacija te
zajedničko rješavanje problema. Virtualnu integraciju definiraju kao mjeru unutar koje
trgovački partneri koriste IT za omogućavanje zajedničkih operacija između partnera u lancu,
kao što su nabava, proizvodnja i logistika. Informacijska je vidljivost operacionalizirana kroz:
upravljanje proizvodom, transakcijama, statusom procesa, planiranjem / predviđanjem,
operativnim performansama. Njihovo je istraživanje pokazalo:
relacijsko upravljanje i virtualna integracija vode prema informacijskoj vidljivosti;
relacijsko upravljanje izravno i neizravno (preko informacijske vidljivosti) utječe na
fleksibilnost opskrbnog lanca;
virtualna integracija ne utječe izravno na fleksibilnost; međutim, utječe preko
informacijske vidljivosti.
Zaključno se može istaknuti kako poduzeće može postići veću fleksibilnost unutar
egzistirajućih međuorganizacijskih odnosa poboljšavajući informacijsku vidljivost kroz
virtualnu integraciju i relacijsko upravljanje.
Jacoby (2009., p. 109.) smatra da vidljivost i suradnja mogu eliminirati dio efekta biča koji
nastaje kao posljedica nemogućnosti viđenja cjelokupnog lanca. Smatra da se vidljivost
najlakše dostiže kroz dijeljenje predviđanja potražnje, proizvodnih planova te stanja zaliha s
trgovačkim partnerima. McCrea (2011., p. 36-38.) razvija korake prema optimalnoj
vidljivosti: (1) ocijeniti vlastitu logističku strategiju, (2) odrediti vodstvo, (3) integrirati se s
trgovačkim partnerima, (4) razmisliti o strategiji zaliha, (5) otvoriti komunikacijske linije s
kupcima, (6) iskoračiti izvan uobičajenog preuzimanja narudžbi, (7) razmišljati globalno, (8)
mudro koristiti informacije. Joshi (2000) u svojem je istraživanju simulirao distribuciju piva
unutar koje su bili veletrgovac, maloprodaja, distributor i proizvođač. Proučavao je različite
metode predviđanja s razmjenom informacija (vidljivost) i bez razmjene informacija. Razine
zaliha dosta su fluktuirale, a rezultati su pokazali da informacijska vidljivost i suradnja utječu
176
U istraživanju je sudjelovalo 980 proizvodnih firmi slučajno odabranih iz direktorija 5.000 najvećih
tajvanskih poduzeća. Obrađeno je 150 pristiglih odgovora, što predstavlja odziv od 15,3%.
183
na 40% do 70% sniženje zaliha. McCrea (2011., p. 38.) navodi ostale neopipljive koristi od
vidljivosti: smanjenje u izgubljenoj prodaji zbog nepostojanja zaostataka, unaprijeđenje
usluge kupcu zbog pravovremene isporuke te povećano povjerenje u upravljanje lancem zbog
točnog i pravovremenog znanja o lokaciji proizvoda. Prema istraživanju177 koje je provela
Aberdeen group (Heaney, 2011.), tri dominantna pokretača unapređenja vidljivosti jesu porast
kompleksnosti globalnih operacija (44%), potreba unapređenja operativnosti i preciznosti
opskrbnog lanca (37%), te ovlaštenje (mandat) za smanjenje troškova lanca (29%). Ovo je
istraživanje pokazalo koje su najčešće strateške aktivnosti koje poduzimaju najbolja poduzeća
za postizanje vidljivosti:
efikasni, moderni i jednostavni procesi za lakši monitoring, unaprijeđenu iskoristivost
ili učinkovitost (66%);
unaprijeđena unutarnja vidljivost i integracija u transakcijama i troškovima opskrbnog
lanca (60%);
unaprijeđena pravovremenost i točnost razmijenjenih podataka o transakcijama iz
opskrbnog lanca (46%);
povećanje B2B povezanosti / vidljivosti prema procesima na dobavljačevoj strani
(31%).
Temeljem rezultata istraživanja, sugeriraju fokusiranje na tri područja: zrnatost (najbolja
poduzeća imaju 40% bolju vidljivost na SKU razini u unutarnjoj liniji zaliha, te 41% na
vanjskoj), vrijeme za informaciju (najbolja poduzeća imaju 57% bolju vidljivost o
internacionalnom statusu pošiljke), kvaliteta i čišćenje podataka (najbolja poduzeća imaju
85% vjerojatnosti da će im podaci prikupljeni u monitoringu opskrbnog lanca biti točni više
od 90%). Poduzeća trebaju: povećati vidljivost unutar i izvan granica svoje organizacije,
koristiti poslovnu inteligenciju, pokrenuti se prema sigurnosti, elastičnosti i efikasnosti u
izvršavanju zadataka unutar opskrbnog lanca.
177
U istraživanju su sudjelovala 183 poduzeća, od kojih je 58% iz Sjeverne Amerike a 19% iz Europe.
184
1.6.
Suradnja
Mnogi istraživači povezuju odnose integracije i suradnje, tako da Lee i Whang (2001., p. 2.)
kažu da poduzeća koja žele biti konkurentna trebaju postići veću koordinaciju i suradnju s
ostalim partnerima iz opskrbnog lanca i taj pristup nazivaju integracija opskrbnog lanca.
Pozivajući se na istraživanje koje su proveli Standford University i Accenture, navode kako
poduzeća koja imaju profit veći od prosjeka imaju također postignuti viši stupanj razmjene
informacija, iz toga zaključuju da je suradnja izravno povezana s profitom (Lee i Whang,
2001., p. 7.). Handfield i Nichols (2002., p. 27.) smatraju da postignuta suradnja kroz
razmjenu informacija o predviđanju i potražnji može pomoći dugoročnom planiranju
kapaciteta, zaliha te potrebnih ljudskih resursa. Smatraju kako suradnja u vrednovanju
temeljnih kompetencija, razvoja novih proizvoda, te upravljanja troškovima predstavlja
temeljnu priliku za postizanje unapređenja. Suradnju i integraciju povezuju s povjerenjem
koje predstavlja osnovicu za uspostavu suradnje, a glavni su im elementi: pouzdanost,
sposobnost, naklonost, ranjivost te lojalnost (Handfield i Nichols, 2002., p. 163-169.).
Lambert i Knemeyer (2004., p. 132.) kažu kako implementacija partnerstva košta jer zahtjeva
dodatnu komunikaciju, suradnju i sudjelovanje u dijeljenju rizika, pa zaključuju, kako će ono
biti opravdano jedino ako rezultira boljim prinosom nego što bi poduzeće ostvarilo bez takve
suradnje. Polazeći od teze da sinkronizacija predstavlja ključ odgovornosti opskrbnog lanca,
Christopher (2005., p. 199-204.) drži da se njezine koristi ne mogu postići bez suradnje. I on
naglašava povjerenje koje predstavlja temelj za dugoročni razvoj odnosa s limitiranim brojem
dobavljača, što naziva izvorom partnerstva (engl. Partnership sourcing)178. Matrica ovakvog
odnosa može se upotrijebiti kako za uzvodne, tako i za nizvodne odnose s distributerima i
veletrgovcima. Vođenje zaliha od strane prodavača (engl. Vendor Managed Inventory – VMI)
predstavlja jedan od znakovitijih primjera uspostavljene suradnje za koju je karakteristično da
kupac ne dostavlja klasične narudžbe, nego razmjenjuje informacije sa svojim dobavljačem
temeljem kojih taj dobavljač preuzima odgovornost za njihovo održavanje.
Još se jedan koncept veže uz područje suradnje, a riječ je o suradničkom predviđanju,
planiranju i popunjavanju (engl. Collaborative Forecasting, Planning and Replenishment –
CFPR) u kojemu, zahvaljujući internetu, kupci i dobavljači dijele i razmjenjuju predviđanja,
detektiraju varijance, razmjenjuju ideje te surađuju kako bi uskladili međusobne različitosti
178
Christopher kao sinonim koristi i drugi izraz Co-makership.
185
(Lee i Whang, 2001., p. 8.). The Associations for Operations Management179 definira CFPR
kao suradnički proces gdje trgovački partneri zajednički planiraju ključne aktivnosti u
opskrbnom lancu: od proizvodnje i isporuke sirovina do proizvodnje i isporuke gotovog
proizvoda krajnjem kupcu (Li, 2008., p. 18.). Swaminathan i Tayur (2003., p. 1397.) smatraju
da će ovo prognoziranje temeljem razmijenjenih informacija pridonijeti efikasnosti opskrbnog
lanca zbog koordiniranog predviđanja te generiranja boljih informacija, a Hugos (2006., p.
188.) naglašava kako je ova implementacija zahtijevna te da treba vremena i truda kako bi
uspjela.
Skjoett-Larsen et al. (2003., p. 531-549.) istraživali180 su odnos SCM-a i CFPR-a, a razlike
CFPR-a kroz tri razine suradnje prikazuje tablica 21. Prema rezultatima istraživanja,
najvažniji aspekti međuorganizacijske suradnje jesu: povjerenje (4,6), postavke zajedničkih
ciljeva (3,9), razmjena podataka (3,61), formalni ugovori (3,37), količina transakcija
informacija (3,29) te količina transakcija proizvoda (3,3). Najvažnija područja suradnje su se
pokazala: razvoj proizvoda (3,79), nadopunjavanje (3,69), predviđanje (3,62), proizvodnja
(3,56) te promocija (3,07).
Tablica 21. Dimenzije različitih razina CFPR-a
Dimenzije
Osnovni CFPR
Razvijeni CFPR
Napredni CFPR
Razmjena
informacija
Narudžbe i potvrde,
Podaci o zalihama
Podaci o potražnji, planiranju
narudžbi, promocijama, te
proizvodnji
Podaci o potražnji, planiranju
narudžbi, promocijama, te
proizvodnji
Razina razgovora
Ne
Donekle
Često
Koordinacija /
sinkronizacija
Ne
Donekle
Sve aktivnosti
Razvoj
kompetencija
Ne
Ne
Znanje
Evaluacija
Ne
Ne
Iskustvo
Tip odnosa
Transakcijski
Razmjena informacija
Zajedničko učenje
Teorijsko
objašnjenje
TCA
Mreža
Temeljem resursa i
kompetencija
Izvor: Skjoett-Larsen, T., Thernoe, C., Andresen, C.: Supply chain collaboration: Theoretical perspective and
empirical evidence, International Journal of Physical Distribution & Logistics Management, 2003., 33
(6), p. 537.
179
Ovo se udruženje nekada zvalo American Production and Inventory Control Society – APICS.
Istraživanje je napravljeno na uzorku od 2.868 Danskih poduzeća (s prihodom većim od 3,2 mil EUR-a) od
kojih se 218 odazvalo što predstavlja stopu odziva od 7,6%.
180
186
Akintoye et al. (2000., p. 159-168.) istraživali181 su suradnju u opskrbnim lancima: pokazalo
se da je 47,5% ispitanika smatra kritičnom, odnosno 42,5% važnom za svoje poslovanje.
Njihovo je istraživanje pokazalo najvažnije:
faktore u odnosu na razvoj odnosa s dobavljačima: bolja kvaliteta usluge, odnos troška
i koristi, te pojednostavljenje procesa izgradnje i naručivanja;
faktore u odnosu na razvoj odnosa s klijentima: odnos troška i koristi te
pojednostavljenje procesa izgradnje, natječajnih procedura, te faze dizajna;
ciljeve suradnje: koristi za klijente, unaprijeđenje usluge kupcu, smanjenje
papirologije i birokracije, povećanje profitabilnosti, smanjenje troškova unutar
organizacije, povećanje konkurentnosti, koristi za dobavljače;
ključne faktore za efikasniji razvoj suradnje: povjerenje, pouzdanost opskrbe, podrška
vrhovnog menadžmenta, zajednički interes, slobodan protok informacija, zajedničko
poslovno planiranje, bliža povezanost potražnje i opskrbe, integrirani IT;
prepreke u razvoju suradnje: nedostatak podrške vrhovnog menadžmenta, neshvaćanje
koncepta suradnje, neadekvatna organizacijska struktura, nedovoljna partnerska
podrška te nejasne strateške koristi.
Lee (2000., prema McLaren et al., 2002., p. 350.) smatra kako je suradnički SCM dizajniran
da podrži poboljšanu razmjenu informacija i suradnju u planiranju između partnera kako bi se
smanjila asimetrija unutar lanca, što će se odraziti na višku zaliha i efektu biča. Suradnja se na
takav način podržava kroz tri mehanizma: integraciju informacija, koordinaciju procesa i
resursa te izvještavanjem o izmjerenim performansama kako bi se osigurala odgovornost. Za
učinkovito upravljanje opskrbnim lancem sve njegove funkcije i elementi koja ga tvore
trebaju biti potpuno integrirani. Komunikacijske mreže koje predstavljaju centar e-poslovanja
omogućuju njegovu integraciju, osiguravajući suradnju njegovih različitih entiteta (Kocakulah
et al., 2002., p. 2.).
Johnson i Whang (2002., p. 420.) definiraju e-suradnju kao internetom omogućen poslovni
međuodnos koji prelazi jednostavni prodaj/kupi odnos, a uključuju dijeljenje i integraciju
informacija te dijeljenje odlučivanja, procesa i izvora. Barratt (2004., p. 30-42.) formu
suradnje dijeli na dvije temeljne kategorije: vertikalnu (koja uključuje suradnju s kupcima,
dobavljačima, te internu odnosno međufunkcijsku) i horizontalnu (koja uključuje suradnju s
181
U istraživanju je sudjelovalo 100 najvećih građevinskih poduzetnika (prema vrijednosti projekata) u Velikoj
Britaniji, od kojih se dobilo 40 odgovora što predstavlja odziv od 40%.
187
konkurentima, drugim organizacijama, te također internu). Smatra da suradnju treba
podupirati suradnička kultura koju tvore: povjerenje, zajedništvo, razmjena informacija te
otvorenost i komunikacija. Korištenje IT-a za razmjenu podataka kreira virtualni opskrbni
lanac koji se radije temelji na informacijama nego na zalihama. Ključnim elementima koji
determiniraju uspješnu suradnju drži: upravljanje promjenama, kros-funkcijske aktivnosti,
usklađenje procesa, zajedničko odlučivanje te metriku opskrbnog lanca. Također definira i
strateške elemente dugoročne održivosti
opskrbnog lanca:
resurse i
privrženost,
međuorganizacijsku podršku, kooperativni fokus i iznimno važnu ulogu tehnologije.
McLaren et al. (2002., p. 351-354.) klasificiraju sustave koji podržavaju različite stupnjeve
suradnje i koordinacije u opskrbnom lancu u tri grupe: sistemi na osnovi poruke (engl.
Message-based systems), e-nabavna čvorišta i portali odnosno mjesta koja podržavaju nabavu
dobara ili usluga preko elektroničkih kataloga, natječaja ili aukcija, te zajednički i suradnički
SCM sustavi koji uključuju planiranje, predviđanje i nadopunjavanje. Prema njima, troškovi
suradnje mogu se podijeliti u dvije kategorije: ukupni troškovi vlasništva (TCO) i
oportunitetni partnerski troškovi koji nastaju zbog povezanosti sa specifičnim partnerom
(trošak nefleksibilnosti), a model troška i koristi prikazan je na slici 27.
Slika 27. Model troška i koristi od suradnje u SCM-u
Izvor: McLaren, T., Head, M., Yuan, Y.: Supply chain collaboration alternatives: understanding the expected
costs and benefits, Internet Research: Electronic Networking Applications and Policy, 2002., 12 (4), p.
348-364.
188
Visoka razina suradnje u opskrbnom lancu može značajno pomoći u smanjenju rizika
(Christopher i Peck, 2004., p. 17-18.). Prema njima, vodeći princip suradničkog ponašanja jest
razmjena informacija koja utječe na smanjenje neizvjesnosti pa se može zaključiti kako je cilj
postići inteligenciju opskrbnog lanca (SCI) koja će omogućiti vidljivost uzvodnih i nizvodnih
profila rizika. U svojem radu SCI opisuju kao proces korištenja znanja koje se generiralo i
razmjenjivalo između partnera u opskrbnom lancu. U kontekstu navedenoga, znanje
opskrbnog lanca kategoriziraju u tri razine:
strateško, poznavanje trendova i nadolazećih tema koje u budućnosti mogu utjecati na
kontinuitet opskrbnog lanca; ovaj se tip informacija kreira kroz PEST analizu;
taktičko, potrebno je znanje kako bi se procijenio rizik tekućih operacija, potražnje,
opskrbe i procesa;
operativno, odnosi se na dnevno upravljanje poslovanjem.
Manthou et al. (2004., p. 241-250.) razvijaju model virtualnog e-lanca s ciljem da integrira
tehničku i organizacijsku infrastrukturu, olakša e-poslovne procese, identificira i sinkronizira
specifične uloge i odgovornosti partnera te omogući inteligentno odlučivanje utemeljeno na
stečenom znanju. Integraciju opskrbnog lanca u virtualnom okruženju definiraju kao proces u
kojemu dobavljači, partneri i kupci unutar zajedničkog tržišta suradnički planiraju,
implementiraju i upravljaju protokom informacija, usluga i proizvoda kroz lanac kako bi
unaprijedili poslovne operacije u smislu brzine, agilnosti, kontrole u realnome vremenu,
odnosno odgovora kupcu. U smislu navedenoga, modul e-inteligencije opskrbnog lanca (engl.
e-Supply Chain Intelligence – eSCI) vodi suradnju događanja i procesa te prezentira
informacije namijenjene za odlučivanje (engl. Decision-oriented informations).
Suradnja u opskrbnim lancima pojavljuje se u različitim formama međutim može se reći da
postoji zajednički cilj: kreirati transparentan, vidljiv uzorak potražnje koji se kreće kroz cijeli
lanac (Holweg et al., 2005., p. 171.). U svojem su istraživanju182 identificirali četiri koncepta
suradnje, što je prikazano na slici 28. Pojam tradicionalni (tip 0) podrazumijeva da svaka
razina opskrbnog lanca kreira narudžbe i nadopune bez obzira na situaciju u uzvodnom ili
nizvodnom dijelu. Jedina dostupna informacija dobavljaču u ovakvom načinu funkcioniranja
jest narudžba. Razmjena informacija (tip 1) podrazumijeva da trgovac i dobavljač i dalje
naručuju neovisno jedan o drugome; međutim, ipak razmjenjuju informacije o potražnji i
182
U istraživanju su analizirali multinacionalne i nacionalne proizvođače iz Velike Britanije i iz nordijskih
zemalja, a istraživanje su podržali Cardiff Business School, Cambridge MIT Center for Competitiveness and
Innovation, te Helsinki University of Technology.
189
planiranim aktivnostima kako bi uskladili svoja predviđanja kapaciteta i dugoročno
planiranje. Tip 2 podrazumijeva da je zadatak nadopune narudžbi prepušten dobavljaču koji
tako preuzima odgovornost za održavanje zaliha trgovca i posljedično razine njegove usluge.
Sinkronizirana opskrba (tip 3) eliminira točku odlučivanja te objedinjuje odluku o nadopuni s
planiranjem materijala i proizvodnje dobavljača. Na ovakav način dobavljač preuzima
odgovornost za kupčeve zalihe na operativnoj razini te koristi vidljivost za planiranje vlastitih
operacija.
Slika 28. Koncepti suradnje u opskrbnim lancima
Izvor: Holweg, M., Disney, S., Holmstrom, J., Smaros, J.: Supply Chain Collaboration: Making Sense of the
Strategy Continuum, European Management Journal, 2005., 23 (2), p. 172.
Zaključuju, uspješnost suradnje zavisi o dvama faktorima: postignutoj razini integracije
internih i eksternih operacija te postignutog stupnja usklađenja postavki opskrbnog lanca u
smislu geografske disperzije, uzorka potražnje te karakteristika proizvoda. Simatupang i
Sridharan (2005., p. 44-62.) na osnovi svog istraživanja183 kreiraju indeks suradnje opskrbnih
lanaca temeljen na trima dimenzijama: dijeljenju informacija (koje su operacionalizirali sa
deset elemenata), sinkronizaciji odlučivanja (operacionalizirano sa devet elemenata), te
usklađenju inicijativa (operacionalizirano sa šest elemenata). Performanse su u ovom
istraživanju operacionalizirane kroz postizanje bolje realizacije, zaliha te odgovornosti.
Temeljem rezultata istraživanja, može se zaključiti kako:
183
Istraživanje je napravljeno na Novom Zelandu na uzorku od 200 trgovaca i 200 dobavljača. Konačni
iskoristivi uzorak sastojao se od 367 poduzeća, od kojih je dobiveno 76 odgovora, što predstavlja odziv od 21%.
190
razmjena informacija ima najveću važnost između triju dimenzija suradnje (težina
0,45), potom slijedi sinkronizacija odlučivanja (0,34), te usklađenje inicijativa (0,21);
sve tri dimenzije suradnje značajno utječu na performanse realizacije i zalihe;
sinkronizacija odlučivanja i usklađenje inicijativa značajno utječu na odgovornost;
međutim, to se nije utvrdilo za razmjenu informacija što ima umjeren efekt;
korelacija je potvrdila jaku vezu između indeksa suradnje i indeksa performansi.
Li et al. (2006., p. 107-124.) konceptualizirali su praksu opskrbnog lanca kroz pet dimenzija
(strateško partnerstvo s dobavljačima, odnosi s kupcima, razina razmjene informacija,
kvaliteta razmjene informacija te odgoda) te su istraživali184 njihov utjecaj na konkurentske
prednosti (cijena/trošak, kvaliteta, zavisnost isporuka, inovacija proizvoda i vrijeme za tržište)
i organizacijske performanse (tržišne i financijske). Njihovi su rezultati pokazali da viša
razina prakse opskrbnog lanca poboljšava konkurentske prednosti i unapređuje organizacijske
performanse, te da konkurentske prednosti također utječu na organizacijske performanse.
Hugos (2006., p. 188.) smatra kako je najbolji početak za promociju suradnje u opskrbnom
lancu mjerenje efekta biča. Vereecke i Muylle (2006., p. 1176-1198.) istraživali185 su odnos
između suradnje i unapređenja performansi. Suradnja je operacionalizirana kroz razmjenu
informacija (o razinama zaliha, o planiranju proizvodnje i predviđanju potražnje te o
frekvencijama isporuke) i strukturnu suradnju (lokacija postrojenja, korištenje kanban metode
te upravljanje zalihama od strane prodavača). Unapređenje performansi operacionaliziralo se
kroz 12 varijabli grupiranih u pet područja: performanse isporuka (brzina isporuke i
pouzdanost isporuke), trošak (produktivnost rada, korištenje kapaciteta te obrtaj zaliha),
performanse nabave (troškovi nabave i vrijeme trajanja nabave), fleksibilnost (volumen
fleksibilnosti i fleksibilni miks), te kvaliteta (kvaliteta proizvoda i dogovor oko proizvodnje).
Rezultati ovog istraživanja pokazali su:
slabu empirijsku podršku za pozitivan odnos između suradnje dobavljača (ili kupaca) i
unapređenja performansi;
parcijalnu empirijsku podršku za utjecaj suradnje (i dobavljača i kupaca) na stope
poboljšanja;
184
185
potvrdu utjecaja razmjene informacija na unapređenje performansi;
Uzorak se sastojao od 3.137 poduzeća iz SAD, od kojih se odazvalo 196, što predstavlja odziv od 6,3%.
Istraživanjem su obuhvaćena 374 inžinjersko-montažna poduzeća iz 11 europskih zemalja.
191
djelomičnu potvrdu utjecaja strukturne suradnje na unapređenje performansi (samo
kod fleksibilnosti i nabave);
snažnu potvrdu hipoteze da poduzeća koja imaju značajna unapređenja performansi
pokazuju višu razinu razmjene informacija i strukturne suradnje.
Karuranga et al. (2008.) temeljem svojeg istraživanja186, pokušali su pronaći elemente
mjerenja suradnje u opskrbnom lancu. Njihovi su rezultati pokazali da se suradnja može
definirati preko:
•
četri zajednička faktora dobavljača i kupaca - zajedničko predviđanje prodaje,
razmjena osnovnih informacija, zajedničko planiranje te zjedničko unapređenje
isporuke;
•
dva elementa na strani kupaca - djeljenje resursa logističke imovine i razmjena
evaluacije performansi;
•
dva elementa na strani dobavljača - implementacija sustava nadupunjavanja i
zajednički razvoj novih proizvoda.
Chong et al. (2009., p. 150-160.) istraživali187 su odnos između faktora opskrbnog lanca
(povjerenje, količina proizvoda i frekvencija transakcija i složenost proizvoda) i usvajanja
alata e-suradnje (izravni alati nabave, zamjenski alati, alati za predviđanje nestašice, alati za
isporuku, dizajnerski alati, alati za planiranje i predviđanje, strateški alati, e-čvorište, etržnice). E-suradnju razmatraju kao implementaciju alata IT-a za potrebe suradnje unutar
opskrbnog lanca koja je započeta primjenom EDI-a, a nastavila se preko e-trgovanja. Njihovo
je istraživanje pokazalo da povjerenje ima najjači utjecaj na usvajanje e-suradnje, potom
slijedi kompleksnost proizvoda, te količina proizvoda i frekvencija.
Prema Tayloru (2012., p. 191-193.), svi informacijski sustavi trebaju efikasnu suradnju
između poslovnih ljudi i IT odjela, ali sustavi upravljanja odlučivanjem (engl. Decision
Management Systems – DMS) zahtijevaju suradnju i trećeg elementa - analitičkog tima što je
posebno zanimljivo u kontekstu ovog rada. Ovakva trostruka suradnja potrebna je zbog
nekoliko razloga:
186
Istraživanje je provedeno na uzorku od 695 drvoprerađivačkih poduzeća iz kanadske pokrajine Quebec od
kojih se dobilo 312 odgovora, što predstavlja odziv od 44,9%.
187
Uzorak je sačinjavalo 400 malezijskih poduzeća koja se bave elektronikom, od kojih se odazvalo 109, što
predstavlja odziv od 27,25%.
192
riječ je o poslovnim odlukama, pa bez obzira što mogu biti i male, utjecaj na
poslovanje je velik zbog njihove velike količine;
ovaj sustav rukuje velikim volumenom i malim kašnjenjem odluka, odluke moraju biti
česte i brze, što znači automatizaciju;
donose se odluke koje su ograničene pravilima i propisima, a mnoge uključuju
optimizaciju i korištenje analitike kako bi se predvidio rizik, prijevara ili poslovne
mogućnost.
Ove tri grupe najčešće nisu surađivale zbog nekoliko razloga: IT odjel i poslovni korisnici
nalaze se na različitim (često i suprotnim) stranama, analitičari su većinom fokusirani na
idealnost svojeg modela, a manje na rezultat, te nedostatak općeg međusobnog razumijevanja.
Uspostavom međusobne suradnje DMS može doći do punog izražaja u smislu agilnosti,
prilagodljivosti i analitičnosti (Taylor, 2012., p. 205.). Anbanandam et al. (2011., p. 82-98.)
istraživali188 su metodu za mjerenje suradnje u opskrbnom lancu na bazi teorije grafa.
Suradnja je operacionalizirana kroz: podršku vrhovnog menadžmenta, dijeljenje informacija,
povjerenje među članovima lanca, dugoročne odnose te dijeljenje rizika i koristi. Pokazatelj
performansi operacionaliziran je kroz: realizaciju, zalihe, odgovornost i kvalitetu. Rezultati su
pokazali da se indeks suradnje pozitivno odnosi prema indeksu performansi, čime su potvrdili
rezultate koje su prezentirali Simatupang i Sridharan189.
Predmet istraživanja190 Patrakosola i Olsona (2007., p. 53-62.) jest: na koji način suradnja
utječe na tvrtkine IT inovacije koje se objašnjavaju kao generiranje i razvoj novih ideja ili
organizacijskog ponašanja povezanog s informacijskom tehnologijom. Ove su se inovacije
operacionalizirale kroz investicije u istraživanje i razvoj te broj registriranih patenata.
Suradnja je operacionalizirana kroz zajedničko ulaganje, zajedničko istraživanje i razvoj te
kvalitetnije međusobne povezanosti, dok se veličina poduzeća gledala kroz ukupnu prodaju.
Najvažniji zaključci njihovog istraživanja jesu:
veličina poduzeća značajno i pozitivno pridonosi IT inovacijama, velike su firme
inovativnije od manjih;
međuorganizacijska suradnja povezana je s evolucijskim, a ne revolucijskim
unapređenjima;
188
Istraživanje je provedeno na uzorku od 100 poduzeća (proizvođača i trgovaca nošnji) iz Indije, od kojih je
primljeno 35 odgovora, što predstavlja odziv od 35%.
189
Cf. p. 187.
190
U istraživanju su sudjelovale 23 vrhunske IT firme (Apple, Cisco, Dell, HP, IBM, Intel, Micron, Microsoft,
Motorola, Texas Instruments, Xerox...) u razdoblju od devet godina, od 1995. do 2003. godine.
193
što su ova (promatrana) poduzeća više angažirana u međusobnoj suradnji, veći će biti
efekt na IT inovacije;
količina IT inovacija u određenom vremenu ne zavisi o prethodnim inovacijama, pa
zaključuju da visokoinovativna poduzeća to možda neće uspjeti održati;
1.7.
ne trebaju se brzo očekivati velike koristi od bliske međuorganizacijske suradnje.
Napredna analitika
Istraživanja pokazuju da se 40% glavnih odluka ne donose na temelju činjenica, nego na
temelju menadžerovog osjećaja (Accenture, 2008., prema Davenport et al., 2010., p. 1.).
Napredna analitika (engl. Predictive analytics – PA) predstavlja podskup (Davenport i Harris,
2007., p. 7.), disciplinu unutar BI-a (Laursen i Thorlund, 2010., p. xxi) odnosno evolucijsku
fazu u razvoju BI-a (Bose, 2009., p. 156., Watson, 2009., p. 499.), tako da poduzeća postaju
svjesna kako njezinim korištenjem unapređuju konkurentske prednosti te da će, posljedično,
polučiti bolji ROI na investiciju u PI negoli je to bio slučaj prethodnih godina (Bose, 2009., p.
158.). Slično kao i kod pojma business intelligence i ovdje različiti autori koriste drugačije
termine; poslovna (Laursen i Thorlund, 2010; Trkman et al., 2010; Stubbs, 2011.), prediktivna
(Watson, 2009.) ili napredna (Bose, 2009; Ranjan, 2009.) analitika. Davenport i Harris191
(2007., p. 7.) tumače analitiku kao ekstenzivno korištenje podataka, statističkih i
kvantitativnih analiza, objašnjavajućih i predviđajućih modela za donošenje odluka i
poduzimanje akcija. Također se mogu uočiti razlike i kod definiranja i objašnjavanja analitike
tako da će se navesti neke najkarakterističnije.
Redman (2008., p. 142.) izjednačava ovaj pojam s rudarenjem podataka, slično i Watson
(2009., p. 510.) koji kaže kako je riječ o grupi analitičkih tehnika i procesa (klaster analiza,
analiza tržišne košarice) što služe za pronalaženje odnosa između podataka te korištenje tih
otkrića za predviđanje budućih događanja. Ranjan (2009., p. 62.) također poistovjećuje
naprednu analitiku s rudarenjem podacima, predviđanjem te prediktivnom analitikom192 koje
koriste prednosti statističke analize za predviđanje ili projiciranje određenih mjera ili
činjenica. Cokins (2009., p. 49.) naprednu analitiku dijeli u dvije grupe; rudarenje podacima i
191
192
Davenport i Harris u svojim radovima koriste izraz analitika bez dodatnih pridjeva.
Ranjan u svom radu ne objašnjava razliku između napredne i prediktivne analitike.
194
optimizaciju poslovanja koju promatra u širem kontekstu obuhvaćajući pri tome područja
kontrole kvalitete, kontinuiranog unaprijeđenja poslovanja, kontrole zaliha, optimizacije
cijena, predviđanja, te statističkih korelacija. Hair (2007., p. 305.) ih razlikuje te kaže kako
prvo rudarenje podacima traži uzorke i obećavajuće odnose, a tek potom napredna analitika
koristi potvrđene odnose kako bi predvidjela buduće trendove, događaje te uzorke ponašanja.
Prema njemu, elementi PA se sastoje od tri grupe modela: prediktivnih, deskriptivnih i
odlučujućih. Davenport i Harris (2007., p. 159.) navode pet pitanja na koje menadžment i IT
trebaju pronaći odgovore kako bi se postigle koristi od analitičkog nadmetanja:
relevantnost podataka; koji su podaci potrebni za nadmetanje u analitičnosti?
izvori podataka; gdje se mogu pronaći ti podaci?
količina podataka; koliko je potrebno tih podataka?
kvaliteta podataka; kako bi podaci mogli biti točniji i vrijedniji za analizu?
upravljanje podacima; koja su pravila i procedure potrebne za njihovo upravljanje od
nastanka do spremanja?
Panian i sur. (2007., p. 51-53.) navode primjer analitičke aplikacije transparentnog lanca
potražnje (engl. Demand Chain Visibility) kao dobar primjer prediktivne193 i proaktivne
tržišne inteligencije jer omogućuje stvaranje cjelovitog uvida u sve segmente lanca potražnje,
regije, pojedinačna prodajna mjesta, brendove, kategorije i zalihe. Prema njima, tehnologija
prediktivne i proaktivne PI nadograđuje se na tehnologiju skladištenja podataka i koristi
logiku, hijerarhiju, metriku i pravila ugrađena u skladište podataka kako bi se stvorio
svojevrsni zajednički jezik korisnika iz svih djelova tvrtke. Četiri glavne novosti koje donosi
aplikacija transparentnosti lanca potražnje jesu mogućnosti:
preciznije i točnije detaljno predviđanje potražnje: kako bi što uspješnije mogle
predviđati tržišnu potražnju tvrtke trebaju moći kombinirati statistička predviđanja s
predviđanjima zasnovanim na znanju i iskustvu;
učinkovitije analiziranje utjecaja poticaja ili motivatora potražnje na stvaranje
potražnje: cijena predstavlja samo jedan od čimbenika koji utječu na oblikovanje
potražnje, pa tvrtke trebaju moći razumjeti i vidjeti odnose svih ostalih faktora koji
imaju utjecaj na formiranje potražnje;
brže utvrđivanje prihoda, varijabilnih troškova i profita u svezi s promjenama u
potražnji: boljim upravljanjem događajima i unapređenjem profitabilnosti ključnih
193
Panianove definicije prediktivnosti i proaktivnosti, cf. p. 77.
195
kupaca, dobavljača i/ili prodajnih mjesta tvrtke mogu balansirati prihod s varijabilnim
troškovima kako bi se ostvarile planirane veličine profita;
kontinuirano uspoređivanje ostvarenih rezultata s utvrđenim planovima i ciljevima
poslovanja: uspješno planiranje jest kontinuirani proces te je važno osigurati
mehanizam za permanentno praćenje i usporedbu stvarnih i planiranih veličina.
Bose (2009., p. 158.) kaže kako to nije tehnologija već grupa pristupa, organizacijskih
procedura i analitičkih alata194 koji se međusobno kombiniraju kako bi se dobile informacije
za analizu temeljem kojih bi se mogli predviđati određeni ishodi ili varijante rješenja zadanih
problema. Drži kako su integracija podataka i rudarenje podacima osnove napredne analitike
iza kojih slijede statističke analize, njegovu definiciju u svojem su radu prihvatili i Trkman et
al. (2010., p. 318.). Odnos operativnog i analitičkog BI-a prikazuje tablica 22.
Tablica 22. Operativna Vs. analitička poslovna inteligencija
Karakteristike
Operativni BI
Analitički BI
Fokus
Profitabilne transakcije koje vode
prema operativnoj efikasnosti
Kreacija i korištenje intelligencea koja
vodi diferencijaciji od konkurencije
Tip odlučivanja
Operativno (dnevno)
Taktičko / strateško
Temeljna tehnologija
OLAP i izvještavanje
Napredna analitika
Naglasak
Pridobivanju kupaca
Zadržavanju kupaca
ROI
Srednji do visok
Visok
Mjere
Zadovoljstvo kupca
Vrijednost kupca i lojalnost
Organizacija upravljanja
kupcem
Funkcija ili jedinica proizvoda
Segmenti kupaca
Temelji se na
Informacijama o kupcima
Informacijama od kupaca
Vrsta interakcije
Proaktivna interakcija s kupcima
Presonalizirana interakcija s kupcima, u
realnom vremenu
Opseg
Interni, poduzeće fokusirano prema
unapređenjima
Eksterni, usmjereno prema kupčevim
unapređenjima
Učenje
Dugo učenje i implementacija
Kraće učenje i implementacija
Izvor: Bose, R.: Advanced analytics: opportunities and challenges, Industrial Management & Data Systems,
2009., p. 158.
194
U svojem istraživanju Bose pod alatima navodi proizvođače softverskih rješenja za naprednu analitiku.
196
Brown (2007., p. 37-59.) ocjenjuje kako dosta poduzeća premalo pažnje posvećuje detaljima
tako da im promaknu važni aspekti performansi zbog nedovoljne analitičnosti. Zbog
navedenoga predlaže modificirani model uravnotežene tablice performansi koji bi se trebao
sastojati od:
vanjskih mjera - iako je riječ o pokazateljima na koje tvrtka ne može utjecati potrebno
ih je uključiti s obzirom da mogu značajno utjecati na ukupne pokazatelje;
kupčevih mjera - trebale bi pokazati zdravstveno stanje odnosa s pojedinim kupcem
kroz nekoliko mjera (kupčevo mišljenje i percepcija, ponašanje, doprinos internih
procesa razvoju odnosa);
ljudskih mjera - pokazatelji zadovoljstva zaposlenika, izbora zaposlenika te efikasne
međusobne komunikacije;
internih mjera - izazov analitičnosti jest probrati, sumirati i sažeti podatke o
najvažnijim dimenzijama koji su generatori poslovnog uspjeha: kvaliteti proizvoda i
usluge, produktivnosti, pravovremenosti i kreativnosti;
financijskih i strateških mjera - koje pokazuju stanje organizacije s financijske
perspektivne, odnosno njezin progres prema zacrtanoj viziji.
Prema Stubbsu (2011., p. 9-10.), razlika između poslovne analitike i drugih inicijativa jest u
njezinoj sposobnosti da daje konstantan povrat uz relativno nisku investiciju tako da igra
značajnu ulogu u podršci strateškom planiranju, kreiranju konkurentskih prednosti, te
pružanju taktičnih vrijednosti. Diferencijaciju između napredne analitike i izvještavanja
objašnjava u većem korištenju statistike i matematičkih tehnika: operacijskih istraživanja,
parametrijske i neparametrijske statistike, multivarijantne analize i predviđajućih modela.
Polazeći od teze da je poslovna analitika multidisciplinarna aktivnost te da njezina vrijednost
ne dolazi od aktivnosti kao takve već od izvršenja, Stubbs (2011., p. 115-145.) objašnjava
opipljive i neopipljive koristi. Najčešći primjeri opipljive koristi jesu: porast prihoda, sniženje
troškova, povećanje profitabilnosti, poboljšanje likvidnosti te smanjenje spornih potraživanja.
Većina mjera koristi jedan od tri elementa: novac, vrijeme ili neku vrstu povrata. Zaključuje,
opipljive se koristi mogu naći u: poboljšanjima vezanima za prihod i profitabilnost,
unapređenjima proizvodnosti, odgođenim troškovima te smanjenju rizika. Neopipljiva se
korist najčešće javlja kao: osobne uštede vremena i unapređenja produktivnosti, mogućnost
strateškog uvida, smanjenje neizvjesnosti, brže i kvalitetnije odlučivanje te povećanju
vjerodostojnih podataka. Stvarajući okvir mjerenja koji pomaže poduzeću da opravda
197
investicije, optimizira interne aktivnosti te utvrdi prioritete, Stubbs (2011., p. 237-260.) ga
dijeli na tri područja:
poslovne mjere: sastoje se od financijskih rezultata (kvantificiraju opipljivu vrijednost)
i rezultata aktivnosti (većinom ključni pokazatelji uspjeha);
analitičke mjere: većinom se odnose na kvalitetu imovine, a najčešće su to mjere
točnosti, unapređenja te devijacije;
tehničke mjere: pokazuju kako bi se procesi i tehnologije mogle optimizirati.
Laursen i Thorlund (2010., p. 18-20.) navode četiri scenarija odnosa PA i tvrtkine strategije:
nema formalne povezanosti, što znači da se PA koristi po potrebi i od slučaja do
slučaja, pa se može zaključiti da se podaci ne koriste za odlučivanje na strateškoj
razini;
PA podupire strategiju na funkcijskoj razini, u ovom se slučaju PA angažira za
monitoring strateških performansi; međutim, pitanje jest postoji li povratna veza
prema strategiji;
dijalog, što označava progres prema dvostrukoj komunikaciji, odnosno PA dostavlja
analize i predviđanja;
holistički odnos, koji karakterizira zrelost, mogućnost, volja i sposobnost rada s
informacijama na različitim razinama, tako da se PA koristi kao strateški izvor.
Namjena centra kompetencije poslovne inteligencije (engl. Business Intelligence Competeny
Center – BICC) jest dvostruka: maksimiziranje protoka prihoda od PA, te pozicioniranje PA
kao poslovnog a ne IT procesa, a primarni zadatak dostava prave informacije i znanja pravoj
osobi u pravo vrijeme (Laursen i Thorlund, 2010., p. 184-185.). Analitičke aktivnosti trebaju
imati ciljeve, a kada je riječ o opskrbnom lancu potrebno je objediniti podatke nabave,
prodaje, logistike i financija kako bi se napravila integrirana analiza te stekli uvjeti za
osnovano odlučivanje. Menadžment je tada u mogućnosti sagledati financijske i operativne
utjecaje svojih odluka u procesima lanca (Davenport et al., p. 80-81.). Njihovu matricu
analitičkih pitanja u opskrbnom lancu prikazuje slika 29.
198
Slika 29. Matrica analitičkih pitanja u opskrbnom lancu
Izvor: Davenport, T.D., Harris, J.G., Morison, R.: Analytics at Work – Smarter Decisions Better Results,
Harvard Business Press, Boston, 2010., p. 81.
Davenport et al. (2010., p. 3.) navode koristi od analitičnosti:
analitika predstavlja alat menadžmenta za razumijevanje dinamike poslovanja
uključujući kako ekonomska i tržišna pozicija utječu na poslovne performanse;
pokazuje što uistinu funkcionira u organizaciji;
smanjuje troškove i povećava učinkovitost jer prediktivni modeli omogućavaju
kompaniji da uvidi tržišne promjene i na njih brže reagira;
upravljanje rizikom i predviđanje tržišnih promjena;
vrednovanje prethodnih investicija (IT) kako bi se dobio kvalitetniji uvid i osiguralo
brže izvršenje.
IDC195 (Morris et al., 2002.) napravio je istraživanje196 o financijskim rezultatima primjene
poslovne analitike. Istraživanje je pokazalo:
195
196
IDC je akronim za International Data Corporation.
Istraživanje je napravljeno na temelju 43 studija slučaja.
199
da 49% promatranih poduzeća očekuje povrat na ovu investiciju u razdoblju do jedne
godine, a 32% njih to očekuje između jedne i tri godine;
prosječna investicija vrijedna je 1,4 mil USD, a ukupni se trošak u prvih pet godina
penje do prosječnog iznosa od 4,5 mil USD, što uključuje: vanjski i unutarnji servis,
softversku licenciju i održavanje, nabavku hardvera i njegovo održavanje te trening i
obuku korisnika;
median petogodišnjeg ROI-a iznosi 112%.
Temeljem provedenog istraživanja, navode pet važnih principa za povećanje ROI-a:
prepoznavanje aplikacijskih imperativa, demokratizacija informacijske imovine, izgradnja
discipline u procesu odlučivanja, prepoznavanje potrebnih novih vještina kod analitičara,
suočavanje s kompleksnošću. Također su zaključili koje su to koristi što ih poduzeća mogu
polučiti primjenom poslovne analitike: bolje odlučivanje, usklađenje s poslovnim ciljevima,
unapređenje poslovnih performansi, poboljšanje vidljivosti te mogućnost kontinuiranih
unapređenja. Godinu dana kasnije (Morris, 2003.) IDC napravio je istraživanje197 koje je
pokazalo da prediktivni projekti (po klasifikaciji IDC-a riječ je o rudarenju podacima) imaju
ROI median od 145%, a neprediktivni (po klasifikaciji IDC-a riječ je o query upitima,
izvještavanju i osnovnim analizama) 89%. Najveće koristi od projekata što su koristili
prediktivnu analitiku pokazale su se u poboljšanju poslovnih procesa, pogotovo u unapređenju
kvalitete odlučivanja, preciznijoj segmentaciji kupaca te brzini odgovora na događanja. Prema
ovom istraživanju198, 4% koristi odnosi se na tehnologiju a 96% na produktivnost i
unapređenje procesa.
Trkman et al. (2010., p. 318-327.) istraživali199 su utjecaj PA (u različitim područjima
opskrbnog lanca prema SCOR modelu) na performanse lanca, uz moderirajuće utjecaje
orijentacije prema poslovnim procesima (BPO) i podrške IS-a. Njihovo je istraživanje
pokazalo da PA u proizvodnji (engl. Make) ima najveći utjecaj na performanse opskrbnog
lanca. Također je utvrđeno kako IS ima veći moderirajući utjecaj od BPO-a iz čega bi se
moglo zaključiti da BPO nije nužan uvjet za primjenu poslovne analitike. Lavalle et al.
197
Istraživanjem je obuhvaćeno 40 projekata, od kojih je 15 klasificirano kao prediktivni, a 25 kao neprediktivni.
IDC mjeri tri tipa koristi: tehnološku (uštede u tehnologiji ili tehnološkim troškovima), produktivnosti (uštede
u vremenu i naporima), te unapređenje procesa (sve ono što se na razini godine može kvantificirati kao ušteda u
procesu usljed korištenja analitičkih aplikacija).
199
Istraživanje je napravljeno na uzorku od 310 poduzeća iz SAD, Europe, Kanade, Brazila i Kine.
198
200
(2011., p. 21-32.) proveli su opširno istraživanje200 o korištenju analitike u poslovanju, u
nastavku se iznose najvažniji elementi:
najbolja poduzeća koriste analitiku pet puta više nego ona slabija, a više od polovice
ispitanika potvrdili su da unapređenje informacija i analitike jesu njihovi najvažniji
prioriteti;
60% ispitanika potvrdilo jest da inovativnost za postizanje konkurentske
diferencijacije je najvažniji poslovni izazov, a isti je postotak potvrdio da njihova
tvrtka ima više podataka negoli ih može efikasno koristiti;
top menadžment želi poslovanje gdje je odlučivanje temeljeno na podacima, želi
izrade scenarija i simulacija kako bi dobili vodič prema najboljim akcijama kada
neočekivano konkurent izazove poremećaj ili se u zoni opskrbnog lanca dogodi potres;
analitika treba biti povezana sa strategijom, jednostavna za razumijevanje i korištenje
kod krajnjih korisnika te ugrađena u organizacijske procese kako bi se aktivnosti
mogle pravovremeno odvijati;
korelacija između performansi i analitički pokrenutog menadžmenta ima snažne
implikacije za tvrtku, bez obzira da li ona nastoji rasti, biti efikasnija ili teži
konkurentskoj diferencijaciji;
gotovo 40% ispitanika kao najvažniju prepreku za implementaciju navelo je
nedostatak razumijevanja načina korištenja analitike za unapređenje poslovanja,
potom slijedi nedostatak propusnosti menadžmenta zbog različitih prioriteta, te
nedostatak internih vještina.
Prema uočenoj analitičkoj snazi, u istraživanju su kategorizirali tri vrste poduzeća: ona koja
imaju težnju201 (najudaljenija su od željenih analitičkih ciljeva, fokusirani su na efikasnosti i
automatizam egzistirajućih proces), iskusna (ova poduzeća izlaze izvan okvira upravljanja
troškovima, razvijaju korisnije načine prikupljanja, inkorporiranja i djelovanja na temelju
analitike, tako da počinju optimizirati svoje poslovanje) i transformirana (posjeduju značajno
iskustvo u korištenju analitike za postizanje konkurentskog razlikovanja, fokusirani su na
kupčevu dobit, održavanje optimizacije). Odnos današnjih (u trenutku istraživanja) i
očekivanih trendova prikazuje slika 30.
200
MIT Sloan Management Review i IBM Institute for Business Value proveli su istraživanje na uzorku od 3.000
ispitanika iz 108 zemalja i 30 industrija.
201
Ovu prvu grupu poduzeća nazivaju Aspirational.
201
Slika 30. Najvažnije analitičke tehnika danas i predviđanje za 24 mjeseca
Izvor: Lavalle, S., Lesser, E., Shockley, R., Hopkins, M.S., Kruschewitz, N.: Big Data, Analytics: The New Path
to Value, MIT Sloan Management Review, winter 2011., 52 (2), p. 27.
Područja gdje su sve tri vrste poduzeća primijenili poslovnu analitiku jesu: financijsko
upravljanje, operacije i proizvodnja te prodaja i marketing. Poslovnu analitiku primijenili su
samo iskusna i transformirana poduzeća u području strategija i razvoja poslovanja,
usluživanja kupaca te istraživanja i razvoja. Samo su transformirana poduzeća i u ovim
poljima primijenili poslovnu analitiku: upravljanje rizikom, iskustva s kupcima, planiranje i
alokacija rada, generalno upravljanje
karakteristike
podataka
prema
te upravljanje tržištem i brendom. Najvažnije
ispitanicima
jesu:
integriranost,
konzistentnosti
i
standardiziranost, pouzdanost, jednostavnost, pravovremenost, zaštićenost te troškovna
efikasnost.
Za razliku od prethodnog, u novijem se istraživanju202 kao najvažniji cilj navodi rast prihoda
(Kruschewitz i Shockley, 2011. p. 87-89., i Kiron i Shockley, 2011., p. 57-63.); međutim,
ukupno gledajući tri glavna cilja jesu identična samo je razlika u redoslijedu. Među
najvažnijim nalazima ovog istraživanja jesu:
40% ispitanika potvrdilo je da imaju kompletan ili pretežiti pristup traženim
podacima, dok je većina ispitanika pokazala manje zadovoljstvo;
najvažniji poslovni ciljevi za korištenje analitike jesu: pravovremeno odlučivanje,
unapređenje alokacije resursa, smanjenje organizacijskih troškova, povećanje
202
MIT Sloan Management Review i IBM Institute for Business Value napravili su istraživanje na uzorku od
4.500 ispitanika iz 122 zemlje i 30 industrijskih grana.
202
razumijevanja kupaca, povećanje produktivnosti zaposlenih, ubrzanje razvoja novih
proizvoda i usluga, te identificiranje novih tržišta;
najvažnije karakteristike traženih podataka jesu: konzistentnost, pravovremenost,
relevantnost te kvalitetnije metode prikupljanja;
najveće prepreke ostale su iste kao i u prethodnom istraživanju, nedostatak
razumijevanja načina korištenja analitike, nedostatak propusnosti menadžmenta te
nedostatak vještina;
ove je godine 58% ispitanika potvrdilo dobitak vrijednosti od PA za razliku od njih
37% iz prošlog istraživanja;
polazeći od uspostavljene klasifikacije poduzeća najveći porast konkurentskih
prednosti temeljem korištenja PA imala su iskustvena poduzeća (+66%), potom
transformirana (+23%), dok su najniže rangirana zabilježila pad (-5%);
kultura orijentiranosti na podatke, upravljanje informacijama i analitičke ekspertize
jesu tri međusobno podupiruća elementa u izgradnji konkurentne analitičnosti;
među iskustvenim poduzećima iskristalizirana su dva podtipa temeljem pristupa prema
analitici: suradnička (kreiraju informacijsku platformu širom poduzeća kao podršku
prostranom i konzistentnom korištenju analitike) i specijalizirana (izgradnja posebnih
analitičkih eksperata unutar poduzeća). Suradnička skoro tri puta više koriste analitiku
za vođenje buduće strategije, dvostruko više pružaju uvid bilo kome u organizaciji
kome je to potrebno. S druge strane, specijalizirana imaju bolje i naprednije analitičke
tehnike i sposobnosti. Može se zaključit, izbor strategije zavisi o tipu kompanije,
industrije kojoj poduzeće pripada, te kakvo poduzeće želi sutra biti.
TDWI203 (Eckerson i Hammond, 2011., p. 1-19.) proveli su istraživanje204 o korištenju
vizualizacije i napredne analitike, a njihovi najvažniji zaključci jesu:
usprkos rastu popularnosti vizualizacije, korisnici još uvijek koriste ⅔ svojeg vremena
u analiziranju podataka iz tablica ili teksta;
¾ ispitanika potvrdilo je njezin pozitvan utjecaj na uvid u poslovanje, više od ⅔
ispitanika potvrdilo je njen pozitivn utjecaj na povećanje radne produktivnosti, dok je
njih više od ¾ potvrdilo povećanje korisničkog usvajanja;
203
TDWI je akronim za The Data Warehouse Institute
Istraživanjem je obuhvaćeno 210 ispitanika od kojih je 76% BI odnosno IT profesionalaca, 72% iz Sjeverne
Amerike, 11% iz Europe, a 6% iz Azije.
204
203
mogućnosti vizualizacije ima presudan utjecaj pri kupovini novih BI proizvoda za više
od 70%;
vizualizacija se pokazala korisnom kod prezentacija: analize vremenskih serija (71%),
komparacija raznih kategorija (59%), detekcije nepripadajućih članova skupa (59%),
analize performansi (58%), analize varijance (43%), prediktivne analize (39%),
analize dimenzijskih podataka (37%), statističke analize (37%) te analize segmenata
(36%);
najveći korisnici vizulizacije jesu: rukovoditelji (74%), marketing (60%), prodaja
(52%), operacije (35%), financije (33%) te usluge (28%);
dvije su glavne kategorije: vizualno izvještavanje (koje koristi grafikone za opisivanje
poslovnih performansi metrikom i vremenskim serijama) i vizualna analiza (koja
omogućuje korisniku vizualno istraživanje i pronalaženje novih spoznaja).
Alati vizualnog izvještavanja dizajnirani su za vizualizaciju performansi prema unaprijed
definiranim mjerilima za menadžment, dok alati vizualne analitike omogućavaju analitičarima
istraživanje trendova i anomalija u serijama podataka kako bi mogli kreirati nove izvještaje za
ostale zainteresirane korisnike. Kako bi poduzeće djelovalo interaktivno u vizualizaciji te
polučilo maksimalne koristi, potrebna je prilagodba, suradnja i kontinuirana iteracija. Jedno
od novijih istraživanja205 poslovne analitike206 proveli su Kiron et al (2012., p. 47-52.) koji su
u svom uzoku identificirali pet razina analitičkih sposobnosti. Njihovi rezultati pokazuju
nekoliko zanimljivosti. Značajna većina ispitanika potvrdila je kako im je pristup
informacijama i povjerenje u podatke poraslo:
poboljšao se pristup korisnim podacima (70%);
poraslo je povjerenje u podatke (60%);
poboljšala se točnost internih podataka (60%);
poboljšala se točnost vanjskih podataka (45%);
koriste se svi ili većina podataka koje generira organizacija (43%);
uvijek ili često imaju pristup podacima za odlučivanje (35%).
Više od ⅔ uzorkovanih poduzeća (67%) potvrdilo je da im analitika omogućava barem
umjerenu konkurentsku prednost. Najnaprednija se razina (11% poduzeća) razlikuje od ostalih
205
Istraživanje je proveo MIT Sloan Management Review u suradnji sa SAS Institute na uzorku od preko 2.500
menadžera iz 123 zemlje i 25 industrija.
206
U svom istraživanju analitiku su definirali kao korištenje podataka i odgovarajućih uvida razvijenih kroz
primjenjene analitičke discipline (poput statističkih, kontekstualnih, kvantitativnih, prediktivnih, kognitivnih ili
drugih modela) za vođenje planiranja, odlučivanja, izvršenja, upravljanja, mjerenja i učenja na bazi činjenica.
204
kroz nekiliko dimenzija: uočena je snažna korelacija između korištenja analitike za postizanje
konkurentskih prednosti te inovativnosti i ciklusa upravljanja podacima207.
Pokazatelji
(percipirane) učinkovitosti u svih pet faza za najbolja poduzeća iznose više od 80%. Više od
¾ ovih poduzeća (78%) potvrdilo je kako njihovi zaposlenici koji izravno komuniciraju s
kupcima imaju pristup potrebnim podacima i informacijama kako bi mogli aktivno utjecati na
poboljšanje prodaje i produktivnosti. Pokazalo se također kako je potreba za što bržim
informacijama kod ovih poduzeća značajno izraženija nego kod ostalih (87% smatra je vrlo
važnom). Možda najvažnija spoznaja o ovim organizacijama jest njihova evolucija i napredak
kao rezultat primjene analitike. Prema Laursenu i Thorlundu (2010., p. 224-225.), budućnost
poslovne analitike jest razvoj i dodatna unapređenja sve tri dimenzije iz osnovne definicije pružanje podrške pravom odlučivanju pravih ljudi u pravo vrijeme.
1.8.
Elastičnost
Iako ne postoji opće prihvaćena definicija, elastičnost odnosno fleksibilnosti
može se
objasniti kao sposobnost sistema da se povrati u prijašnje ili poželjno stanje nakon što su
nastupili poremećaji; tj. može se reći kako su elastični procesi fleksibilni i agilni te sposobni
za brzu promjenu (Christopher, 2005., p. 254., Waters, 2007., p. 178.). Elastični opskrbni
lanci možda nisu s najnižim troškovima, međutim, oni su se u stanju uspješno nositi s
neizvjesnom okolinom. Tang i Tomlin (2008., p. 155-174.) razmatrali su utjecaj fleksibilnosti
na smanjenje negativnog utjecaja rizika što se u kontekstu opskrbnog lanca može pojaviti na
nekoliko načina:
rizik opskrbe - primijenjene fleksibilne strategije jesu: fleksibilna opskrbna strategija
preko mnogobrojnih dobavljača, te fleksibilna opskrbna strategija kroz fleksibilne
ugovore o opskrbi;
rizik procesa - strategija je fleksibilan proces kroz fleksibilne proizvođačke procese
(organizacija proizvodnje koja bi bila u mogućnosti raditi širi spektar proizvoda);
207
Ovaj ciklus Kiron et al. nazivaju transformacijski ciklus, a sastoji se od pet faza; prikupljanja informacija,
njihove analize, agregiranja/integriranja, korištenja uvida zbog strateškog vođenja, te distribucije informacija i
strateškog uvida.
205
rizik potražnje - strategije jesu fleksibilan proizvod kroz prolongiranje (konačno
sastavljanje proizvoda u što kasnijoj fazi), te fleksibilna strategija cijena208.
Važna komponenta upravljanja potražnjom jest pronalaženje načina za smanjenje
varijabilnosti te povećanje operativne fleksibilnosti s obzirom da to povećanje omogućuje
tvrtki bržu reakciju na unutrašnja i vanjska događanja (Lambert, 2008., p. 87.), te utječe na
pouzdanost, kvalitetu, trošak i brzinu procesa (Lambert, 2008., p. 103.). Ova se aktivnost
nalazi unutar operativnih potprocesa koji počinju s prikupljanjem podataka i informacija,
nastavljaju se preko predviđanja, zatim sinkronizacije, iza koje slijedi smanjenje varijabilnosti
i povećanja fleksibilnosti, te završava mjerenjem performansi. Različiti konteksti i objašnjenja
fleksibilnosti prikazani su u tablici 23.
Tablica 23. Tipovi fleksibilnost
Tip fleksibilnosti
Definicija
Organizacijska fleksibilnost
Proizvodnja ili
operacije
Sposobnost organizacije da upravi proizvodnim resursima i neizvjesnošću kako bi
zadovoljili različite kupčeve zahtjeve.
Tržište
Sposobnost masovne prilagodbe te izgradnja bliskijih odnosa s klijentima, uključujući
dizajn novih proizvoda i modifikaciju postojećih.
Opskrba
Sposobnost rekonfiguracije opskrbnog lanca kao izvora opskrbe i kupčevih promjena.
IS
Sposobnost usklađenja IS-a s promjenjivim kupčevim zahtjevima.
Proizvodna fleksibilnost
Mix
Sposobnost brze promjene na drukčiji proizvod bez promjena u kapacitetu.
Volumen
Sposobnost ekonomičnog i efikasnog rada u različitim veličinama i/ili serijama različitih
količina.
Širenje
Modularna gradnja i širenje kapaciteta.
Rukovanje
materijalima
Sposobnost efikasnog transporta različitih dijelova između različitih procesnih centara
različitim putovima.
Proces
Sposobnost učinkovite obrade dobivenih dijelova na različite načine.
Strojevi
Sposobnost ekonomičnog i efikasnog obavljanja različitih operacija.
Radni centri
Sposobnost radne snage da ekonomično i efikasno izvrši širok spektar zadataka.
Izvor: Lambert, D.M.: Supply Chain Management: Processes, Pertnership, Performance, 3rd. ed., Supply Chain
Management Institute, Sarasota, 2008., p. 130.
208
Dell rapidno prilagođava cijene kao odgovor na neusklađenost ponude i potražnje.
206
Swafford et al. (2006., p. 118-140.) istraživali209 su utjecaj IT-a na fleksibilnost i agilnost
lanca vrijednosti te, posljedično, na njegove performanse. Iako neki autori izjednačavaju
fleksibilnost i agilnost (npr. Jacoby, 2009., p. 35.) Swafford et at. ih razlikuju, jer je, agilnost
izvedena iz relevantnosti, smještaja i fleksibilnosti. Naime, objašnjavaju kako se fleksibilnost
fokusira na sposobnost promjene, dok se agilnost fokusira na brzom odgovoru u kraćem
vremenu. U njihovom se modelu agilnost izvodi iz karakteristika fleksibilnosti kroz četiri
ključne komponente (razvoja proizvoda, nabave, proizvodnje te logistike) uključujući
mogućnosti IT-a unutar navedenih elemenata. Njihovo je istraživanje pokazalo: da poduzeća
imaju bolju agilnost kroz integraciju informacija duž lanca vrijednosti nego kroz njegove
aktivnosti. Poduzeća s većom fleksibilnošću funkcija lanca vrijednosti uživaju višu razinu
agilnosti, imaju točniju isporuku, ROA te tržišni udio.
Zhang et al. (2006., p. 390-399.) istraživali210 su fleksibilnost protoka informacija kroz lanac
vrijednosti te njihov utjecaj na zadovoljstvo kupca. Istraživanje je pokazalo pozitivnu, jaku i
izravnu vezu između fleksibilne diseminacije informacija i fleksibilnosti razvoja strategije, te
između nje i kupčeva zadovoljstva.
Prema Watersu (2007., p. 197-199.), elastičnost jest rezultat aktivnog upravljanja rizikom pa
navodi principe dizajniranja elastičnog opskrbnog lanca:
početak jest u samoj organizaciji - prvi princip zahtijeva uspostavu upravljanja
rizikom opskrbnog lanca211 (engl. Supply Chain Risk Management – SCRM), pod
čime se podrazumijeva definiranje politika rizika, uspostavu tima, instalaciju i
testiranje sistema i procedura;
uspostava strateškog pogleda - odnosno podrška strateškog menadžmenta, pogotovo
kad je riječ o odnosima s drugim organizacijama u lancu;
razumijevanje koncepta rizika opskrbnog lanca - elemente rizika, uloge, ciljeve,
interakcije, sile, dinamiku te snagu;
razmatranje rizika u dizajnu - prilikom odlučivanje potrebno je voditi računa o
efektima rizika;
snaga lanca jednaka je snazi njegove najslabije karike - poremećaj ili prekid toka na
bilo kojem dijelu lanca reflektira se na sve ostale njegove elemente; stoga
209
Uzorak se sastojao od 678 poduzeća od kojih je došlo 135 odgovora što predstavlja odziv od 20%.
U istraživanju su sudjelovala 273 poduzeća što predstavlja odziv od 9,2%. Uzorak je preuzet iz baze podataka
The Society of Manufacturing Engineers.
211
Waters (2007., p. 76.) definira upravljanje rizikom opskrbnog lanca kao proces sistematskog identificiranja,
analize i bavljenja rizikom u opskrbnom lancu.
210
207
identifikacija rizika pomaže u pronalaženju njegove najslabije točke, kako bi se ona
ojačala ili premostila;
suradnja - predstavlja osnovu zajedničkog bavljenja rizikom;
prevencija - uvijek je bolje izbjeći teškoću nego kasnije kompenzirati njezine
negativne efekte;
agilnost - rizik je temeljen na neizvjesnosti koja je prisutna u svim operacijama; lanac
je konstantno podložan nepredviđenim događajima pa je njegova agilnost koja
predstavlja efikasno djelovanje u rapidno promjenjivim uvjetima konstantna potreba;
postojanje procedura za hitne slučajeve - iako je nemoguće predvidjeti sve moguće
događaje, poželjno je imati plan za nepredviđene situacije s razrađenim osnovnim
elementima djelovanja.
Li (2008., p 163-164.) proizvodnu fleksibilnost dijeli u pet područja, od kojih su tri identična
Lambertovima iz tablice 23. (proizvodni miks, volumen i proces), a dva se razlikuju:
fleksibilni proizvod212 (sposobnost dizajniranja novog ili modificiranja postojećeg proizvoda),
te fleksibilna isporuka (sposobnost izvršenja isporuke u vremenu i na mjesto kupčeve želje).
Prema njemu, izazov predstavlja planiranje i uspostava prave mjere proizvodne fleksibilnosti
s obzirom da s povećanjem fleksibilnosti rastu troškovi. Veličina proizvodnje i dužina ciklusa
variraju s proizvodima, tržištima te fazom životnog vijeka proizvoda, stoga je potrebno dobro
analizirati i odrediti razinu fleksibilnosti. Uz odgovornost, globalizaciju, nove i inovativne
proizvode te tržišta, postizanje i održavanje fleksibilnost predstavlja jedan od osnovnih
razloga primjene IT-a u upravljanju opskrbnim lancima (Gunasekaran i Ngai, 2004., p. 287.).
Christopher i Peck (2004., p. 24.) kažu kako elastičnost tvore četiri elementa: (1)
reinženjering (određenih) procesa, (2) suradnja, (3) agilnost i fleksibilnost, (4) izgradnja
kulture rizika opskrbnog lanca.
Pettit (2008.) je u svom istraživanju213 elastičnost opskrbnog lanca ocijenio kroz dvije
dimenzije: ranjivost, pod čime se podrazumijevaju faktori koji poduzeće čine pogodnim za
poremećaje te mogućnosti koji omogućuju poduzeću da anticipira navedene ranjivosti.
Ranjivosti je operacionalizirana sa sedam faktora (turbulencije, namjerne prijetnje, vanjski
pritisci, ograničenja resursa, senzitivnost, povezanost i poremećaji s kupcima ili
dobavljačima), dok su mogućnosti operacionalizirane sa 14 faktora (fleksibilnost izvora,
212
Lambert je fleksibilni proizvod uključio u opciju tržište kod organizacijske fleksibilnosti.
Istraživanje je napravljeno na uzorku od sedam poduzeća iz kojih je sudjelovalo 170 učesnika zaposlenih u
različitim sektorima: istraživanje i razvoj, marketing, nabava, proizvodnja, logistika, financije, prodaja,
upravljanje rizikom, sigurnost te IT.
213
208
fleksibilnost u ispunjavanju narudžbi, kapacitet, efikasnost, vidljivost, prilagodljivost,
anticipacija, oporavak, disperzija, suradnja, organizacija, tržišna pozicija, sigurnost i
financijska snaga). Istraživanje je pokazalo pozitivnu vezu između unapređene elastičnosti i
tvrtkinih performansi (Pettit, 2008., p. 178.). Ustvrdio je da mu poslovna inteligencija
omogućuje njegovu vidljivost koju objašnjava kao znanje o operativnoj imovini i okolini. PI
definira kao proces i proizvod koji se proteže preko granica lanca sa ciljem da mu omogući
pokazatelje budućih trendova te predvidi ponašanje konkurencije, dobavljača, kupaca i tržišta
(Pettit, 2008., p. 70.).
The Economist (Whitby i Scott, 2009.) proveo je istraživanje214 o rizicima s kojima se
kompanije susreću te o načinu njihovog odgovora na te izazove. Pokazalo se:
poremećaji povezani s recesijom imaju najveći utjecaj na opskrbne lance, potom
slijedi nemogućnost predviđanja potražnje;
najveće prijetnje elastičnosti lanca jesu: nepovoljni međuvalutarni odnosi (39%),
porast cijena sirovina (34%) te porast cijena energenata (33%);
najveći pritisci prema poboljšanju elastičnosti dolaze od izvršnog menadžmenta (59%)
i kupaca (39%);
aktivnosti koje se poduzimaju za poboljšanje elastičnosti jesu: unapređenje suradnje s
dobavljačima i partnerima (50%), pomak od jednog prema više dobavljača (38%),
pojednostavljenja procesa (37%), provođenje revizije rizika ključnih dobavljača
(36%), poboljšanje predviđanja potražnje (33%), pojačano poslovno planiranje (33%),
te mapiranje procesa opskrbnog lanca (30%);
Gartnerovo (Hofman et al., 2011., p. 3.) istraživanje najboljih opskrbnih lanca za 2011.
godinu pokazalo je porast važnosti elastičnosti koju definiraju kao sposobnost da se ostvare
rezultati unatoč volatilnosti. Brzina, agilnost, efikasnost, odgovornost i inovativnost i dalje
ostaju najkritičniji elementi, samo što je te godine uz njih pozicionirana i elastičnost. Njihovo
je istraživanje pokazalo da nekoliko velikih kompanija, osim brige o svojoj elastičnosti, vodi
računa i o elastičnosti svojih partnera. Grawe et al. (2011., p. 69-80.) istraživali215 su odnos
sinteze znanja i inovativnih logističkih procesa te njihov odnos prema operativnoj
214
Economist Intelligence Unit je proveo istraživanje na uzorku od 500 menadžera odgovornih za upravljanje
rizikom u svojim kompanijama iz Sjeverne Amerike (28%), Europe (29%) i Azije (33%).
215
Podaci za ovo istraživanje su prikupljani u dvije faze. Od 112 upita poslanih u prvoj fazi, pristiglo je 50
odgovora, što predstavlja odziv od 44,6%. U drugoj fazi, u uzorku je bilo 600 poduzeća, od koji je 134
odgovorilo, što predstavlja odziv od 22,3%. Ukupna se populacija sastojala od 712 poduzeća, a iskorišteno je
184 odgovora, što predstavlja odziv od 25,8%.
209
fleksibilnosti i logističkim performansama. Sintezu znanja definirali su kao individualan i
socijalan proces jer zahtijeva da individue dijele svoje znanje i ideje s ostalim sudionicima
unutar ili izvan organizacije, a operacionalizirana je kroz tri dimenzije. Inovativni logistički
procesi jesu strukturirane mjerljive logističke aktivnosti koje su percipirane kao nove i korisne
u nekoj specifičnoj proizvodnji, a izvedene su kroz tri dimenzije. Operativna fleksibilnost
podrazumijeva tvrtkinu sposobnost da brzo odgovori na tržišna događanja, a mjerena je kroz
pet dimenzija. Performanse su objašnjene kroz: isporuku na vrijeme, obrtaj zaliha,
zadovoljstvo kupca, niske razine oštećenja te varijabilnosti ciklusa. Rezultati su pokazali:
sinteza znanja utječe na razvoj inovativnih logističkih procesa te utječe na operativnu
fleksibilnost;
inovativno logistički procesi također utječu na operativnu fleksibilnost;
operativna fleksibilnost pozitivno utječe na firmine logističke performanse.
Soon i Udin (2011., p. 506-526.) istraživali216 su praksu opskrbnih lanaca u odnosu na
fleksibilnost, lanac vrijednosti i sposobnosti. Fleksibilnost lanca vrijednosti definirali su kao
integraciju internih i eksternih fleksibilnosti, a operacionalizirana je kroz: operativnu mrežu
(sposobnost proizvodnog sistema da uskladi ili prilagodi interne procese kako bi kreirali
konkurentsku vrijednost), opskrbnu mrežu (sposobnost organizacije da uskladi i prilagodi
opskrbu kako bi mogla pružiti konkurentsku vrijednost) i logističku mrežu (sposobnost
organizacije da uskladi i prilagodi logistiku kako bi ona mogla pružati konkurentsku
vrijednost). Sposobnosti lanca su definirane kao operativna praksa koja omogućuje lancu da
bude fleksibilan, a čine ga osnovne, relacijske i organizacijske sposobnosti. Iako je uzorak
bio skroman, njihovi zaključci bit će podložni daljnjem testiranju: fleksibilnost se postiže uz
podršku menadžmenta te koordiniranu suradnju i zajedničko predviđanje s mrežom
dobavljača, koristi mogu biti opipljive (troškovi, profitabilnost) i neopipljive (zadovoljstvo
kupca).
U kontekstu teme ovog rada vrijedno je analizirati istraživanje koje su proveli Gebauer i
Schober (2006., p. 122-147.) o fleksibilnosti IS-a te njegovom utjecaju na troškovnu
efikasnost. Karakteristike poslovnog procesa sagledavali su kroz tri dimenzije: neizvjesnost
(odnosi se na teškoću predviđanja točnih zadataka i resursa koji su potrebni za obavljanje
određenog procesa, te se provlači razlika između strukturnih i neizvjesnosti okruženja),
varijabilnost (odnosi se na varijabilnost broja zadataka koji su potrebni za obavljanje
216
Istraživanje je napravljeno na temelju četri studije slučaja iz malezijske elektronske industrije.
210
određenog procesa, te su za ovu operacionalizaciju iskoristili Lorencovu krivulju) i kritičnost
vremena. Fleksibilne strategije operacionalizirane su kroz tri dimenzije: fleksibilnost u
korištenju (objašnjena kao količina procesnih zadataka podržanih sa IS-om, bez značajnije
potrebnih promjena IS-a), fleksibilnost za buduće promjene (manifestira se kao sposobnost
uvođenja novih funkcionalnosti, rekombiniranje i reorganizacija pristupa različitim izvorima
podataka, primjena novih modifikacija te povećanje kapaciteta) i nepostojanje IS-a (izvođenje
ručnih operacija). Analiza njihova modela pokazala je:
strategija fleksibilnosti za buduće promjene troškovno jest efikasnija kada je
primijenjena kod poslovnih procesa čija je karakteristika velika neizvjesnost
(strukturna i okoline);
niža razina procesne neizvjesnosti efikasno korespondira sa strategijom fleksibilnost u
korištenju;
visoka procesna varijabilnost može generalno povećati važnost fleksibilnosti IS-a.
Tachizawa (2007.) istraživao217 je odnos neizvjesnosti, integracije i fleksibilnosti opskrbnog
lanca te je fleksibilnost definirao kao sposobnost nabavne funkcije da pravovremeno i
troškovno efikasno odgovori na promijenjene zahtjeve u smislu količine, miksa i isporuke.
Upravljači fleksibilnosti jesu kategorizirani na: interne (neizvjesnost rasporeda proizvodnje,
loše komponente, JIT nabava, slab kapacitet središnje tvrtke), nizvodne (volatilnost potražnje,
sezonska potražnja, loša preciznost predviđanja), uzvodne (dobavljači koji ne reagiraju), dok
su identificirana tri tipa neizvjesnosti: količina, miks i isporuka. Temeljem studija slučaja,
identificirane su dvije strategije povećanja opskrbne fleksibilnosti: unaprijeđena odgovornost
dobavljača (jedan izvor, visoka razina interne i eksterne integracije, selekcija dobavljača) i
fleksibilni izvori (veća baza dobavljača, niža razina odgovornosti dobavljača te brži redizajn
opskrbne mreže). U drugoj fazi istraživanja faktorska je analiza identificirala:
tri dimenzije opskrbne fleksibilnosti: politika isporuke, odgovornost dobavljača i
prilagodljivost;
četiri dimenzije okruženja; neizvjesna opskrba, neizvjesna potražnja, tehnološka
neizvjesnost, troškovi izmjene.
Rezultati druge faze identificirali su tri strategije postizanja opskrbne fleksibilnosti:
217
Istraživanje je provedeno u dvije faze. U prvoj je fazi obrađeno sedam studija slučaja, dok se u drugoj fazi
provelo istraživanje na uzorku od 1.504 poduzeća iz registra Spanish Association of Purchasing Managers –
AERCE, od kojih je 77 sudjelovalo u istraživanju, što predstavlja odziv od 5,1%.
211
integracija - najviši rezultati tzv. integrirajućih varijabli: dobavljači, interno,
elektronski, logistički provideri;
off-shore - karakteristično je oslanjanje na inoopskrbu, nižu razinu odgovornosti
dobavljača, povišenu razinu zaliha kako bi se kompenzirao povećani rizik opskrbnog
poremećaja;
tuzemni - karakteristično je oslanjanje na domaće izvore, unaprijeđene odnose s
dobavljačima, niža razina elektronske integracije.
Nije utvrđen jedinstveni put prema povećanju fleksibilnosti, ali se pokazalo da su domaći
izvori, interna integracija, selekcija dobavljača, alternativni modeli transporta te e-integracija
najefikasniji u postizanju fleksibilnosti. Različite prakse i integrirani klaster pokazao je
superiornu fleksibilnost, ali i potrebu najveće investicije. Određene prakse pokazale su se
karakteristične za sve grupe: višestruki izvori, dugoročni odnosi s dobavljačima te zaštitne
zalihe. Također se kod svih grupa pokazalo da e-tržište nije značajno i da su varijable
okruženja (neizvjesna potražnja i troškovi izmjene) slične među grupama.
Potrebno je navesti još nekoliko opservacija o agilnost. Fleisher i Bensoussan (2007., p. 163.)
smatraju suradnički odnos esencijalnom pretpostavkom za postizanje agilnosti koju
objašnjavaju kao vješto upravljanje kratkoročnim promjenama u lancu i odgovor prema
kriznim momentima uz minimalnu obustavu njegovog funkcioniranja. Thierauf (2001., p.
274.) objašnjava agilnu proizvodnju kao sposobnost brzog odgovora na tržišne promjene, a
agilne kompanije kao one koje su sposobne okretno rekonfigurirati svoje operacije, procese i
odnose. Zaključuje, koncept agilnosti ističe ultrafleksibilna proizvodna postrojenja,
konstantno promjenjive alijanse između dobavljača, proizvođača i klijenata te izravnu
povratnu vezu prodajnih podataka. Christopher (2005., p. 117.) razdvaja pojmove agilnost i
lean218 proizvodnje jer kaže da ključ agilnog odgovora leži u agilnosti uzvodnih i nizvodnih
partnera, te nije riječ o sinonimu za lean, ali dopušta da se na njemu može graditi. Smatra da
lean najbolje funkcionira kod velikih količina, slabe varijabilnosti te predvidljivog okruženja,
dok je agilnost potrebna kod slabo predvidivog okruženja s visokom varijabilnošću potražnje.
Slično navodi i Waters (2007., p. 64.), kada kaže da se lean logistika može kritizirati zbog
velikog usmjerenja na troškove, pa se nameće alternativna strategija - agilna logistika - koja
naglasak stavlja na kupčevo zadovoljstvo.
Christopher (2005., p. 121-122.) agilnost
opskrbnog lanca temelji na četiri karakteristike:
218
Christopher (2005., p. 117.) slikovito objašnjava lean kada kaže da je to „uraditi više s manje“ (engl. It is
about doing more with less).
212
osjetljivosti prema tržištu, pod čime se podrazumijeva da je opskrbni lanac u stanju
slušati, prepoznati i odgovoriti na realne tržišne zahtjeve;
virtualnosti, virtualni opskrbni lanac temeljen je na informacijama i njihovoj razmjeni,
a ne na zalihama;
procesnom usklađenju, partneri iz opskrbnog lanca mogu iskoristiti puni potencijal
razmijenjenih informacija kroz međusobna usklađenja, suradnju, zajednički razvoj
novih proizvoda te integraciju;
umreženosti partnera, ideja jest oformiti konfederaciju partnera koji su međusobno
umreženi kako bi prethodna tri elementa došla do punog izražaja.
Temeljem navedenih elemenata, Christopher je razvio principe za razvoj agilnosti: (1)
sinkronizacija aktivnosti kroz razmjenu informacija, (2) pametniji a ne teži rad, (3)
partnerstvo s dobavljačima u pravcu razvoja VMI koncepta, (4) nastojanja u pravcu smanjenja
kompleksnosti, (5) odgađanje konačnog konfiguriranja (sastavljanja) finalnog proizvoda, (6)
razvoj upravljanja procesima a ne funkcijama, (7) korištenje prikladnog mjerenja performansi.
Cecere (2009) u svojem istraživanju219 navodi kako agilnost zahtijeva četiri sposobnosti:
brzinu, jednostavnost, predvidivost te kvalitetu, a za njezino postizanje predviđa četri koraka:
definiranje agilnosti, s obzirom da ne postoji općeprihvaćena definicija potrebno ju je
definirati na razini poduzeća, npr. sposobnost održavanja istih troškova, kvalitete i
usluge kupcu pri različitim razinama varijabilnosti potražnje;
angažman vodstva, ključna je podrška vrhovnog vodstva;
usklađenje, kultura (unutarnja tvrtkina) predstavlja najveću barijeru u postizanju
agilnosti;
ciklusi podrške, reaktivni opskrbni lanci nisu u stanju nadoknađivati zato je potrebno
graditi osjetljivost prema potražnji.
Rezultati pokazuju:
tri najvažnija načina mjerenja agilnosti: (1) vrijeme ispunjenja narudžbi, (2) trošak,
kvaliteta i razina usluge kupcu s fluktuacijom potražnje te (3) sposobnost odgovora
opskrbom na potražnju;
219
Hitachi Consulting i AMR Research su napravili istraživanje na uzorku od 164 poduzeća o načinu
odgovaranja na kupčeve potrebe i tržišne uvjete.
213
najveće prepreke unapređenju agilnosti: kultura (19%), nedostatak vidljivosti (12%),
povećanje proizvodne kompleksnosti (11%), povećanje kupčeve kompleksnosti
(11%).
2. Inteligencija opskrbnog lanca
Spoznaja o potrebi istraživanja i mjerenja uspješnosti procesa u opskrbnom lancu, kako bi se
temeljem toga donosile relevantne i efikasne upravljačke odluke, dovelo je do razvoja
inteligencije opskrbnog lanca (eng. Supply Chain Intelligence – SCI). Alati koji će pomoći
kompanijama da prežive i prosperiraju jesu radni kapital, opskrbni lanac i poslovna
inteligencija (Wheatley, 2009., p. 58.). Thierauf (2001., p. 273.) kaže kako je fokus primjene
operativne inteligencije na cijelom lancu; to uključuje gdje i kako su proizvodi nabavljeni,
isporučeni te prodani kupcu, a osnovni cilj predstavlja postizanje visoke kvalitete opskrbe,
niže cijene proizvodnje uz brži obrtaj. Reyes (2005., p. 1428.) objašnjava kako SCI aplikacije
omogućuju strateško odlučivanje jer prikupljaju detaljne informacije iz svake faze životnog
ciklusa nekog proizvoda (od nabave materijala preko proizvodnje do garantnog perioda kod
krajnjeg kupca). Prošireni opskrbni lanac koristi podatke s atomske razine što je neophodno
ako se žele shvatiti ukupni troškovi i njihovo dugoročno grananje, ali isto tako i proizvodni
gubitci uzrokovani kvalitetom ili drugim problemima. Prema Panianu i sur. (2007., p. 28-31.)
SCI predstavlja mogućnost analiziranja procesa obuhvaćenih lancem, komponenata i
materijala na koje se ti procesi primjenjuju te proizvoda koji realizacijom tih procesa nastaju.
Inteligencija opskrbnog lanca omogućuje uvid u djelovanje cjelokupnog opskrbnog lanca,
usmjerena je suradnji i razvoju poslovanja, pridonosi uspostavljanju partnerskih odnosa
poslovnih subjekata i outsourcinga, podržava kupovanje, prodaju i obavljanje ostalih
poslovnih transakcija putem weba te omogućuje JIT proizvodnju.
Li (2008., p. 308.) kaže kako je lanac vrijednosti poslovne inteligencije (engl. Business
intelligence value chain) interrelacijski proces dobavljača, proizvođača, distributera i kupaca
koji koriste podatke, informacije i znanje kako bi vodili kompaniju prema konkurentskom
uspjehu. Dyson i Koruth (2004., p. 342.) tvrde kako SCI predstavlja vrijedan integrirajući alat
SCM-a, a definiraju ga kao praksu omogućavanja funkcioniranja skladišta podataka kroz
214
cijeli opskrbni lanac. To podržavaju i Panian i sur. jer kažu da je osnovni cilj SCI-a primjena
tehnologije skladišta podataka i analitičkih alata na strateškoj razini poslovanja tvrtke tijekom
životnog ciklusa opskrbnog lanca i proizvoda. Kako bi se ostvarile konkurentsku prednost,
sve strane u opskrbnom lancu – dobavljači, proizvođači, trgovci na veliko, trgovci na malo,
distributeri i kupci – sve češće trebaju detaljniju i snažniju analizu koju omogućuje primjena
PI (Liautaud i Hammond, 2006., p. 217.). U kontekstu upravljanja rizikom u opskrbnom lancu
Dani (2008., p. 60.) pojašnjava njegove dvije dimenzije: frekvenciju (učestalost) i njegovu
jačinu te kaže kako rudarenje podacima kao prediktivan alat pomaže da učestali rizici imaju
slabiju jačinu, a jaki rizici manju učestalost.
Prema Rogersu i Panosu (2006.), SCI predstavlja fuziju SCM-a i PI-a jer se primjenom
funkcija PI-a na strateškoj razini omogućuje integracija različitih operativnih sistema, više
izvora podataka, analitike, ključnih pokazatelja uspjeha, najbolje prakse te poslovnih procesa
koji zajedno pružaju mogućnost pristupa, analize i dijeljenja informacija kroz cijelu mrežu
opskrbnih lanaca. SCI ne služi samo kako bi se dobio brzi snimak stanja temeljem izabranih
KPI-a, već predstavlja sposobnost objašnjenja detalja od kojih je snimak nastao, odnosno
pruža širinu i dubinu informacije (Lee i Cheng, 2007., p. 66.). Objašnjavajući ulogu BI-a, La
Grouw (2008., p. 386-387.) kaže kako između narudžbe i isporuke postoji kompleksan lanac
aktivnosti gdje svaka prethodna dodaje vrijednost slijedećoj te usmjerava narudžbu kroz lanac
vrijednosti prema kupcu; za kvalitetnije odlučivanje koriste se različiti stupnjevi intelligencea:
monitoring i uzbunjivanje (kada se aktivira kontrolni prag), automatsko odlučivanje
(poduzimanje aktivnosti temeljem unaprijed predviđenih događaja) te optimizacija
(korištenjem heurističkih pravila ili algoritama).
Christopher (2005., p. 254.) tvrdi da je preduvjet postizanja elastičnosti što brži pristup
informaciji, a kroz suradnju ovu je informaciju moguće pretvoriti u SCI jer opskrbne mreže
postaju sve kompleksnije te postoji opasnost da padnu u kaos ukoliko nisu povezane kroz
dijeljenje informacija i znanja. U navedenom smislu virtualni opskrbni lanac Christopher
(2005., p. 179.) vidi kao niz relacija između partnera koje se temelje na dodanoj vrijednosti
razmijenjenih informacija220. Tablica 24. prikazuje primjer korištenja poslovne inteligencije
za potrebe analize u SCM-u.
220
Engl. Value-added exchange of information.
215
Tablica 24. Primjeri korištenja PI za potrebe analize u SCM-u
Primjeri poslovnih informacija
Primjeri poslovnih analiza
Poslovne akcije i rezultati
• Trenutni status zaliha
• Predviđena prodaja po proizvodu i
vremenu
• Trenutne narudžbe pr proizvodu i
vremenu
• Razine zaliha
• Povjesni podaci o nabavljenim
materijalima
• Povjesni podaci o ugovornim
cjenama
• Trenutni broj dobavljača po
proizvodu
• Informacije o cijenama za
kvalificirane dobavljače
• Povjest narudžbi po dobavljaču
• Povrati/kvarovi po dobavljaču
• Trenutni status kapaciteta
• Trenutni status naručenih sirovina
• Lokacija pogona vs. lokacija kupca
• Analiza trendova prodaje i
nabave
• Analiza profitabilnosti
• Analiza planiranog
materijala
• Analiza rasporeda
proizvodnje
• BSC po dobavljaču
• Analiza troška dobavljača
• Analiza performansi
dobavljača
• Analiza preuzetih obveza
(isporuka)
• Analiza kvarova i grešaka
• Analiza preventivnog
održavanja
• Analiza proizvoda i usluga
• Optimizacija performansi
postrojenja i ispunjavanje
narudžbi
• Temeljem BSC-a određivanje
optimalnog miksa dobavljača
• Temeljem analize uzroka
kvarova i grešaka popravljanje
proizvodnog procesa i
prilagođavanje dobavljača
• Osiguranje dovoljnih količina
materijala i proizvodnih
kapaciteta kako bi se izbjegao
gubitak prodaje
• Temeljem povjesnih podataka
o trgovini s dobavljačem
renegociranje o količinama i
cijeni
• Unapređenje preventivnog
održavanja
Izvor: prilagođeno prema Williams, S., Williams, N.: The Profit Impact of Business Intelligence, Morgan
Kaufman, San Francisco, 2007., p. 6-7.
Maguire i Suluo (2007., p. 22.) kažu: najbolji je način da svi u opskrbnom lancu dobiju
ažurirane i korisne informacije jest da su sve razine lanca poduzeća izravno povezane s
tržišnim podacima, što omogućuje primjena PI-e. Smouther (2009.) koristi pojam
konkurentska inteligencija opskrbnog lanca (engl. Supply Chain Competitive Intelligence SCCI) te ga objašnjava kao stvaranje konkurentskih prednosti kroz sistematsko i etičko
prikupljanje, analiziranje, i upravljanje podacima, informacijama i znanjem o okruženju
opskrbnog lanca u kojemu poduzeće i konkurenti djeluju.
U kontekstu teme ovog rada korisno je analizirati i inteligenciju opskrbnog tržišta (engl.
Supply Market Intelligence – SMI). Handfield (2006., p. 3.) kaže kako su poslovna i tržišna
inteligencija dostupne ključnim ljudima ali nisu kvalitetno raspodijeljene ostalim korisnicima
te zaključuje kako donositelji odluka u opskrbnim procesima trebaju primjenjivati i koristiti
znanje na učinkovit način. Trent i Roberts (2010., p. 156.) tvrde kako SMI predstavlja ishod
procesa prikupljanja i analiziranja relevantnih informacija za tvrtkino trenutno i potencijalno
opskrbno tržište sa ciljem podupiranja učinkovitog odlučivanja. U navedenom smislu, SMI
uključuje pet elemenata: informacije o profilu robe (identifikacija vrste i prirode robe ili
216
usluge, informacije o potrebnom proizvodnom procesu, zahtjevi kvalitete ili standarda),
strukturu troškova (identifikacija svih povezanih troškova), informacije o bazi dobavljača
(trenutnih i potencijalnih s osnovnim karakteristikama), tržišne informacije (identifikacija
cijena, tržišnih kapaciteta, odnosa te ostalih utječućih faktora) i konkurentske analize (ocjene
pozicija i financijskih performansi kupaca i dobavljača, analiza zamjenskih proizvoda i
usluga, te ostalih faktora). Trent i Roberts (2010., p. 161-165.) identificirali su nekoliko razina
primjene odnosno obuhvata:
razina makrookruženja - uključuje informacije o dinamici tržišta, svjetskoj trgovini,
demografiji, političkoj klimi, ekonomiji, okruženju te tehnologiji;
razina (specifične) države - predstavlja podskup makrookruženja uz određene dodatke
o promatranoj zemlji, ekonomski pokazatelji, kulturološke prilike, sigurnost
intelektualnog vlasništva, politička klima, pokazatelji rada i odnosa prema radu;
razina industrije i proizvoda - odnosi se na pokazatelje tipa, veličine i relativne snage
promatrane industrije, konkurentskih dobavljača, cijena, trendova, zamjenskih
proizvoda, kupaca, kretanja potražnje i sl.;
razina dobavljača - obuhvaća analizu potencijalnih dobavljača, njihovih proizvoda i
usluga, snagu, poziciju te mogućnosti.
Li (2008., p. 308-310.) navodi četiri razine primijenjenih aplikacija PI u SCM-u: (1) strateška
razina (namijenjena je top menadžmentu), (2) taktička razina (agregira informacije potrebne
za omogućavanje vidljivosti kroz procese opskrbnog lanca kako bi se olakšale akcijske
promjene), (3) operativna razina (informacije potrebne za dnevno i pravovremene informacije
kako bi se na vrijeme udovoljilo kupčevim zahtjevima), (4) istraživanje i razvoj (iako osoblje
ne mora biti uključeno u dnevne operacije i odlučivanje, ono prikuplja podatke iz opskrbnog
lanca te modelira i simulira razna događanja kako bi otkrilo znanje o kupcima i konkurentima
koje je ugrađeno u procese samog lanca te pomoglo u njegovom optimiranju). La Grouw
(2008., p. 389-392.) smatra kako su planiranje potražnje i napredno planiranje i
raspoređivanje dva ključna područja opskrbnog lanca u kojima PI stvara značajnu korist kroz:
smanjenje troškova opskrbnog lanca (povećano korištenje imovine), unaprijeđene proizvodne
margine, niže zalihe, unaprijeđenu uslugu kupcu te povećan povrat na imovinu. Bankarski
sektor i telekomunikacije prepoznale su postprodajne usluge kao ključni konkurentski
diferencijantor, tako da La Grouw (2008., p. 393.) navodi najveće izazove u tom segmentu:
nedostatak vidljivosti uslužnih dijelova, različiti izvori podataka uslužnih segmenata,
217
nedosljednost korištenog naziva za pojedine dijelove, nepovezanost planiranja zaliha i
izvršnih procedura, nedovoljno i fragmentirano korištenje automatizma i napredne analitike.
Panian i sur. (2007., p. 32-34.) navode glavn područja primjene inteligencije opskrbnog lanca:
mjerenje uspješnosti cjelokupnog opskrbnog lanca - kako bi se stvorila inteligencija
opskrbnog lanca, proces mjerenja uspješnosti treba pružiti pouzdane pokazatelje
doprinosa lanca operacijama i aktivnostima u područjima kao što su: rast, razvoj,
unapređenje poslovanja, minimalizacija troškova, efikasnost korištenja radnog
kapitala te iskorištenje poslovnih resursa;
mjerenje doprinosa opskrbnog lanca rastu, razvoju i unapređenju poslovanja - ključni
pokazatelji uključuju: postotak narudžbi realiziranih u prvom pokušaju, postotak
materijala koji je stigao na vrijeme, udio proizvoda bez nedostataka u ukupnom broju
napravljenih proizvoda, udio vraćenih jedinica proizvoda u ukupnom broju
isporučenih proizvoda, udio isporuka izvršenih na vrijeme u ukupnom broju izvršenih
usluga;
mjerenje doprinosa opskrbnog lanca minimalizaciji troškova - tipični pokazatelji jesu:
prekomjerne zalihe, postotak ukupnih izravnih troškova proizvodnje u troškovima
prodaje ili u ostvarenom prihodu, trošak transporta i skladištenja u ukupnom trošku
prodaje ili ostvarenom prihodu;
mjerenje doprinosa opskrbnog lanca efikasnosti korištenja radnog kapitala - zalihe
predstavljaju najvažniju komponentu radnog kapitala, odnosno obrtnih sredstava, tako
što se izračunava udio zaliha (u različitim segmentima, nabave, proizvodnje,
logistike) u ostvarenoj prodaji/nabavi/realiziranim narudžbama;
mjerenje doprinosa opskrbnog lanca korištenju fiksnog kapitala - predstavlja
vrijednost fiksnog kapitala iskazanog u postotku od ostvarenog prihoda ili vrijednosti
ukupnog kapitala.
Dyson i Kouth (2004., p. 342-343.) smatraju kako su najvažniji faktori koji pokreću
inicijativu SCI-a: globalizacija, kupčeva potražnja, kompleksnost poslovanja te dostupnosti
novih tehnologija. Drže kako SCI pridonosi trima najvažnijim ciljevima opskrbnog lanca:
smanjenju troškova, skraćenju ciklusa te povećanju odgovornosti prema kupcu kroz
omogućenu vidljivost, unapređenu komunikaciju te bolju analizu performansi opskrbnog
lanca. Shorby (2003.) kaže kako poduzeća koriste alate PI za: (1) poboljšanje vidljivosti kako
bi smanjili zalihe za 5% do 15%, (2) analizu razine pružene usluge kako bi uočili
218
problematična područja, (3) bolje shvatili i razumjeli izvore varijabilnosti kupčeve potražnje
zbog unapređenja preciznosti predviđanja, (4) analizirali proizvodnu varijabilnost zbog
identificiranja potrebnih korektivnih radnji, (5) analizirali transportne elemente za buduće
smanjenje troškova.
Panian i sur. (2007., p. 31-32.) navode ciljeve inteligencije opskrbnog lanca: primjena
odgovarajuće metrike, upravljanje izuzecima, poboljšana komunikacija te suradničko
upravljanje. Izvedeni su ciljevi: snižavanje razine zaliha u svim segmentima lanca,
unapređenje kvalitete proizvoda, poboljšanje rezultata poslovanja i iskorištenja resursa,
kvalitativno rangiranje dobavljača, mjerenje uspješnosti funkcioniranja lanca u određenom
razdoblju, mjerenje i unapređenje prognoziranja tržišne potražnje, bolje upravljanje
materijalom, sirovinama, poluproizvodima i komponentama, mjerenje preciznosti, točnosti i
obuhvata planova proizvodnje, mjerenje uspješnosti likvidacije narudžbi te kraće vrijeme
odlučivanja. Upravljanje opskrbnim lancem i inteligencija opskrbnog lanca jesu
fundamentalno različiti što se vidi iz usporednog prikaza u tablici 25.
Tablica 25. Usporedna analiza SCM-a i SCI-a
Upravljanje opskrbnim lancem (SCM)
Inteligencija opskrbnog lanca (SCI)
Uglavnom o upravljanju nabavom i
proizvodnjom povezujući ih s životnim ciklusom
opksrbnog lanca
Pretežno transakcijski
Podržava taktičko odlučivanje
Pomaže smanjenju troškova kroz unapređenju
efikasnost
Zapisivanje podataka koji pokazuju sadašnjost
Pomoć u planiranju materijala i proizvodnje
Kvantificiranje troškova nekih materijala
Može pokazati sadašnju dobit ali je ne može
objasniti
Jednostavno izvještavanje
Pruža širi pogled na cijeli opskrbni lanac kako bi
se vidio cijeli proizvod i njegove komponente
Dominantno analitički
Podržava strateško odlučivanje
Pokazuje mogućnosti za smanjenje troškova, a
istovremeno stimulira rast prihoda
Integracija dobavljačevih i proizvodnih podataka
(horizontalno)
Odražava povijesne podatke
Što-ako analize temeljem povjesnih podataka
Omogućuje razumijevanje ukupnih troškova
Može svrdlati kroz ostvarenu dobit kako bi otkrio
kako je nastala
Suradničko okruženje s personaliziranim
motrenjem i mjerenjem
Izvor: prilagođeno prema Panian, Z.: Supply Chain Intelligence in E-Business Environment, WSEAS
Transactions on Information Science and Applications, 2005., 2 (8), p. 1080., Reyes, P.M.: Logistics
networks: A game theotry application for solving the transshipment problem, Applied Mathematics and
Computation, 2005., 168, p. 1430. i Rogers, B., Panos, M.: White Paper: Adding Intelligence to the
Supply Chain, preuzeto s www.vchainsolutions.com 12.08.2010.
219
Objašnjavajući redizajn poduzeća u pravcu SCI-a, Handfield (2006., p. 375.) u svojoj
konceptualizaciji kaže da je esencijalno organizirati decentralizirane procese s centraliziranom
vizijom i navodi tri potpredsjednička mjesta menadžera SCM-a: za poslovnu inteligenciju
opskrbnog lanca, strategiju i integraciju. Handfield (2006., p. 391-394.) navodi najvažnija
područja iz kojih su potrebna znanja za učinkoviti SCM:
upravljanje odnosima s dobavljačima - kroz efikasnu komunikaciju, zajedničko
razumijevanje potreba i zahtjeva te identificiranjem win-win mogućnosti potrebno je
izgraditi odnose koji stvaraju dodanu vrijednost;
analiza ukupnog troška - identificiranje troška vlasništva povezanog sa selektiranim
dobavljačima te procjena troška u funkciji unapređenja performansi lanca;
strategije nabave i planova - planiranje i razvoj ključnih strategija, dizajn lanca te
upravljanje odnosima;
analiza dobavljača - prikupljanje primarnih i sekundarnih podataka, njihovo filtriranje
i analiza radi identificiranja ključnih snaga i slabosti izabranih dobavljača;
konkurentska tržišna analiza - prikupljanje, filtriranje i analiza ključnih tržišnih
pokazatelja kao osnova za razvoj strategije SCM-a;
upravljanje opskrbnim lancem - identifikacija i istraživanje sudionika, informacijskog
i fizičkog protoka kao dio šireg opskrbnog lanca;
evaluacija dobavljača - sposobnost primarnog i sekundarnog istraživanja sa svrhom
kvantificiranja i kvalificiranja potencijalnih dobavljača;
razvoj dobavljača - analiza detektiranih problema povezanim s dobavljačima,
sugestivnost u potrebnim unapređenjima te razvoj mjera za praćenje njihovih procesa;
analize cijene i troškova - praćenje tržišnih cijena, identificiranje trendova, procjena
daljnjih kretanja i uočavanje glavnih elemenata utjecaja;
područja unapređenja procesa - uočavanje, eliminacija ili modifikacija procesa koji ne
dodaju vrijednost, razvoj novih procesa;
cjenovne tehnike, ekspertize o proizvodima, e-trgovanje i e-nabava, TQM, upravljanje
projektima, outsourcing, internacionalni izvori, analiza vrijednosti, kulturološke
odrednice (različitih tržišta), analiza lanca vrijednosti, standardizacija programa,
ekonomski i tržišni principi, proizvodnja vs. kupovina, upravljanje zalihama,
financijska analiza, upravljanje ciklusima, terminološka usklađenja te sigurnosna
pitanja.
220
Prema Hedin et al. (2011., p. 185-195.), primjena MI-a u SCM-u omogućit će uvid u trenutne
i buduće događaje vezane za industriju, sektore, tržišta, niše, klastere i konkurente. Glavna
područja upravljanja opskrbnim lancem u kojima se primjenjuje MI jesu: kupovina221
(predstavlja funkciju kupovine roba ili usluga), nabava (dizajn i izvršenje strategije
kupovanja), logistika (podrazumijeva upravljanje zalihama i dio ukupnih operacija), te
strateški izvori (rješavanje problema i potreba korištenjem najbolje kombinacije dostupnih
metoda i izvora). Uspješna primjena tržišne inteligencije rezultirat će većom profitabilnošću, a
svako područje zahtijeva različitu podršku:
kupovina: sveobuhvatnu listu dobavljača po industrijskim sektorima, izvještaji o
pojedinim dobavljačima, kontinuirani monitoring poduzeća u opskrbnom lancu, adhoc istraživanja;
nabava: analiza lanca vrijednosti konkurentskih poduzeća, kontinuirano motrenje
konkurenata, istraživačke analize, intelligence radionice, ciklusi uspoređivanja;
logistika: profiliranja tržišta, analize rizika zemalja gdje su lokacije potencijalnih
distribucijskih centara, analize scenarija kao podrška odlukama u sferi zaliha,
makroekonomske analize s predviđanjima cijena roba, kratkoročnih opskrba,
potražnje, tekući monitoring lokalnih, nacionalnih i internacionalnih regulativa;
strateški izvori: analitički izvještaji o lancu vrijednosti, profili kompanija koje su
članice lanca vrijednosti, predviđanje kretanja veličina tržišta, kontinuirano
nadgledanje tržišta.
Prema Handfieldu (2006., p. 159.), ocjena rizika jest način koji određuje kako zajedno
povezati različite tipove podataka koji se identificiraju u opskrbnom lancu. Smatra kako
planiranje prodaje i operacija (engl. Sales and Operations Plan – SOP) predstavlja temelj
strategije opskrbnog lanca što podrazumijeva suradnju u planiranju i odlučivanju između
glavnih poslovnih funkcija. BI i MI prikupljaju podatke i informacije kako bi se mogla izvršiti
predviđanja iz domena: kupčeve potražnje, cijena, konkurencije, kapaciteta, opskrbnih izvora,
te pravnih regulacija (Handfield, 2006., p. 135.).
Denton et al. (2007.) istraživali222 su koje performanse opskrbnog lanca menadžment malih i
srednjih poduzeća treba, te može li i kako na to utjecati primjena BI-a. Njihovi su rezultati
pokazali kako su svi zabrinuti zbog utjecaja globalizacije na poslovanje, profitabilnost te
221
Engl. Purchasing, Procurement, Logistics and Strategic sourcing.
U istraživanju je sudjelovalo 100 malih i srednjih poduzeća iz Velike Britanije od kojih se dobilo 47
odgovora, što predstavlja odziv od 47%.
222
221
opadajuće tržište. Iako ih se 62% složilo da je uspostava bolje suradnje ključna tema, samo ih
19% aktivno radi na tome. Samo ih 21% ima implementiran ERP, a 63% koristi IS za
osnovne financijske operacije. Zaključno se može konstatirati kako istraživana poduzeća nisu
dovoljno angažirana u postizanju suradnje i integracije u sklopu opskrbnih lanaca, a kao
najveće prepreke se pokazuju: troškovi implementacije, vrijeme, strah od novih tehnologija te
nejasne potencijalne koristi. Poduzećima predlažu testiranje primjene BI-a u upravljanju
opskrbnim lancima koje će im pokazati i dokazati 3R pristup (Right Quality, Right Time,
Right Cost) tj. prava kvaliteta u pravo vrijeme po pravom trošku.
Rogers i Panos (2006., p. 2.) smatraju kako su integracija podataka i organizacijski čimbenici
dvije najveće poteškoće u razvoju i implementaciji SCI-a. Usporedbe radi, navode kako BI
zahtijeva sedam izvora podataka, dok ih za SCI treba petnaest. Koristi implementacije
predstavljaju: unapređene mogućnosti predviđanja, smanjenje zaliha dužinom cijelog lanca,
efikasnije rukovanje materijalima, unapređeno planiranje proizvodnje, identifikacija
najkvalitetnijih dobavljača te preciznije mjerenje performansi. Panian i sur. (2007., p. 35-36.)
potvrđuju navedene teze te identificiraju probleme koji se javljaju pri pokušajima stvaranja
inteligencije opskrbnog lanca u tri područja pri održavanju željene razine kvalitete usluga
održavanjem razine zaliha gotovih proizvoda odmjerenih tako da mogu udovoljiti zahtjevima
klijenata: u nastojanju da se što bolje iskoristi materijal, oprema i ljudski potencijali; u
pokušajima održavanja ulaganja u zalihe, odnosno vrijednosti zaliha na unaprijed utvrđenoj
razini. Najčešći koraci u stvaranju inteligencije opskrbnog lanca jesu: (1) uklanjanje
organizacijskih barijera, (2) oblikovanje opskrbnog lanca tako da bude transparentan, (3)
upravljanje prema pokazateljima uspješnosti, (4) skraćenje trajanja ciklusa procesa
odlučivanja, (5) poticanje djelatnika na suradničko odlučivanje, (6) iterativno mjerenje,
praćenje i nadziranje aktivnosti u opskrbnom lancu. Prema Shakeru (2009.), dinamičke
informacije i SCI potrebni su kako bi opskrbni lanac mogao biti elastičan.
Dyson i Koruth (2004., p. 344-346.), osim već navedene integracije podataka, navode još
nekoliko izazova implementacije: povećanje količine podataka, poslovna usklađenja (osim
povjerenja i privrženosti između, nužni su otvoreni kanali komunikacije), volatilnost
(nestabilnost) opskrbnog lanca te sigurnosna pitanja. Navode primjer223 uspješne
implementacije SCI-a koji je polučio pozitivne rezultate: prelazak s papirnate na elektronsku
formu poslovanja, strateška preorijentacija prema privrženosti dijeljenju vrijednosti, povećane
223
Poduzeće Berri Ltd. je najveće australsko poduzeće koje se bavi proizvodnjom voćnih sokova s godišnjim
prometom većim od 500 mil. USD. Projekt implemetacije SCI-a trajao je tri godine.
222
analitičke mogućnosti, omogućeno trgovanje u realnom vremenu bez obzira na vremenske
zone, uvođenje globalnih izvora nabave, unaprijeđene IT mogućnosti. Zaključuju, ostvarena
su poboljšanja u sniženju troškova, smanjenju trajanja ciklusa te u povećanju odgovornosti
sudionika. Copacino (2008.) navodi kako sve više menadžera opskrbnog lanca postaje
analitički orijentirano jer koriste mogućnosti koje im pruža BI: izvještavanje, analize,
kontrolne ploče za monitoring performansi njihovog lanca te bolji uvid u ostale aspekte
poslovanja. Omogućeni pristup svim igračima proširenog lanca istim informacijama o
predviđanjima potražnje, narudžbama, statusima isporuka, promocijama i zalihama
predstavlja temeljni zahtjev uspješne suradnje, vidljivosti i operativne koordinacije.
Stefanovic et al. (2006., p. 616.) razvijaju globalni SCI model u nekoliko faza: definiranje
poslovnih ciljeva i zahtjeva, kreacija SCOR metamodela, konfiguracija SCM-a, ujedinjenje
procesa, dizajniranje skladišta podataka te kreiranje analitičkih sposobnosti. Prema autorima,
indikatori uspjeha jesu: ROI, korištenje skladišta podataka, realizacija projekta u planiranim
vremenskim i novčanim okvirima, poboljšano zadovoljstvo korisnika te postignuće ciljeva i
postavljenih zadataka. Sahay i Ranjan (2008., p. 28-48.) također navode kako je najveći
izazov analize u opskrbnom lancu prikupljanje podataka iz različitih izvora. Primjenom
poslovne inteligencije podaci iz opskrbnog lanca omogućit će pružanje strateških informacija
donositeljima odluka tako da zaključuju kako se BI i SCM trebaju razvijati istovremeno.
Noonan i Wallace (2006.) istraživali224 su nejednakosti u asimilaciji inteligencije opskrbnog
lanca između ugovornih partnera, odnosno fokus korištenja SCI-a u ovom istraživanju bili su
procesi koji su pokazivali najviše slabosti unutar svakog pojedinog poduzeća. Kao rezultat
unaprijeđenog SCI-a poduzeća su pokazala poboljšanja između 8% i 26%.
Primjenu radiofrekvencijske identifikacije (engl. Radio-frequency identification - RFID)
tehnologije u kontekstu Lambertovih procesa opskrbnog lanca proučavali su Sabbaghi i
Vaidyanathan (2008., p. 71-81.) unutar kojih su izdvojili četiri (upravljanje potražnjom,
ispunjavanje narudžbi, upravljanje proizvodnim tijekom, upravljanje povratima) kod kojih
ova tehnologija dodaje najveću vrijednost. Kompanije koje implementiraju BI kako bi
upravile s podacima prikupljenim ovom tehnologijom te ih pretvorila u informacije i korisno
znanje ostvarit će značajne koristi kroz nove inovacije, povećanje prihoda, smanjenje troškova
te rasta konkurentnosti. Prema Panianu i sur. (2007., p. 98.), RFID tehnologiju odlikuju neka
jedinstvena obilježja koja je čine privlačnijim rješenjem od konkurentskih tehnologija, a
možda najzanimljivija jest mogućnost automatskog i vrlo pouzdanog zahvaćanja podataka bez
224
Rezultati istraživanja se temelje na četri studije slučaja napravljene u Republici Irskoj.
223
primjene aktivnog procesa skeniranja, kakvog iziskuje većina ostalih konkurirajućih
tehnologija. Delen et al. (2007., p. 613-624.) identificirali su tri načina kako RFID može
utjecati na vidljivost i poslovnu vrijednost koja se kreira u opskrbnom lancu: reakcija na
prikupljene podatke moguća je bez odgode (što predstavlja izuzetnu povoljnost kod trgovanja
nekim robama), omogućena je izrada inkrementalnih promjena u poslovnim procesima (što
utječe na efikasnosti i efektivnost) te je omogućen razvoj sasvim novih procesa.
Baars et al. (2008., p. 1-10.) istraživali225 su kroz studiju slučaja prikupljanje RFID podataka i
integraciju te omogućenu analizu kroz implementaciju BI-a. Prezentirali su dva scenarija
(logistički procesi između distribucijskog centra i prodajnih mjesta, te logistički odnosi
između proizvođača, konsolidatora te distribucijskog centra) kroz osam različitih analiza i
zaključili su kako je razmjena i integracija podataka esencijalna za efikasnost opskrbnog
lanca. Pirzadeh i Pirzadeh (2009., p. 38-39.) smatraju kako je osnovni zadatak SCI-a
unapređenje efikasnosti opskrbnog lanca, što posljedično dovodi do unapređenja usluga
prema kupcu (vrijeme realizacije, pouzdanost isporuke, sigurnost isporuke, postignuta razina
usluge, fleksibilnost u odnosu na kupčeve zahtjeve i razmjena informacija) te smanjenja
logističkih troškova (troškovi rukovanja, transportni i distribucijski troškovi) što omogućuje
primjena RFID tehnologije. Li (2007., p. 207.) kaže kako treba biti svjestan da postoje i
ograničenja u korištenju ove tehnologije, poput visokih troškova, problema u standardizaciji i
zaštiti podataka te privatnosti.
Watson et al. (2001., p. 1-10.) temeljem svojih istraživanja226 prikazali su kreiranje
intelligencea unutar opskrbnog lanca zasnovanog na strategiji uvođenja spremišta
podataka227. Poslovni je cilj bio jednostavno definiran: postići jedinstven i integriran pogled
na cjelokupno poslovanje unutar opskrbnog lanca. Najvažniji prijedlozi nakon uspješne
implementacije mogu se rezimirati u nekoliko točaka: potrebno je sponzorstvo top
menadžmenta, uspješno uvođenje zahtijeva sposobnost prilagodbe i izmjene prvobitno
definiranog poslovnog plana, najbolje je startati s područjima najvećeg utjecaja (prodajna
analiza), ne smije se podcjenjivati kvaliteta podataka, procesi trebaju biti otvoreni i
ponavljajući, potrebno je mjerenje performansi dužinom cijelog lanca.
225
Autori navode kako je riječ o vodećoj europskoj trgovačkoj grupi, a korištene su metode promatranja,
radionica, te intervjua. Promatrani opskrbni lanac uključuje proizvođače locirane u Kini, konsolidatora koji je
također lociran u Kini, glavni distribucijski centar lociran u Njemačkoj te veći broj prodajnih mjesta u Europi.
226
Rezultati istraživanja temelje se na studiju slučaja poduzeća Sherwin-Williams, proizvođača boja i srodnih
proizvoda, s godišnjim prihodom od 5 bil. USD. Implementacija je trajala tri godine.
227
Dvije su osnovne strategije izgradnje skladišta podataka. Zagovornik prve je Bill Inmon koji se zalaže za
pristup: top-down (prvo se kreira skladište podataka na razini poduzeća), a druge je Ralph Kimball koji se zalaže
za suprotni pristup: bottom-up (prvo se kreiraju spremišta podataka od kojih kasnije nastaje skladište podataka).
224
Smietana (2010., p. 30-38.) analizira primjenu prožimajuće228 poslovne inteligencije kroz sve
procese SCOR modela što je prikazano na slici 31., te objašnjava dobiti primjene PI kod
distributera pića te kod dobavljača ortopedskih pomagala.
Slika 31. Prožimajuća poslovna inteligencija u SCOR procesima
Izvor: Smietana, F.: Enhancing Supply Chain Visibility with Pervasive Business Intelligence, Business
Intelligence Journal, 2010., 15 (1), p. 32.
Raisinghani i Meade (2005., P. 114-121.) istraživali229 su poveznice performansi, agilnosti i
pokretača e-opskrbnog lanca te upravljanja znanjem. Temeljno pitanje njihovog istraživanja:
utvrditi koja dimenzija upravljanja znanjem jest najvažnija u razvoju agilnog e-opskrbnog
lanca. Organizacijske performanse postavljene su kroz vrijeme, kvalitetu, trošak i
fleksibilnost. Da bi bio agilan, opskrbni lanac treba riješiti četiri osnovna principa: biti
kooperativan kako bi povećao konkurentnost, obogatiti kupca, biti majstor promjena i
nesigurnosti te iskoristiti utjecaj ljudi i informacija. Dimenzije upravljanja znanjem jesu
kreacija, skladištenje/dostupnost, transfer i apliciranje, a rezultati su pokazali da transfer ima
najveći utjecaj na e-opskrbni lanac. Blackhurst et al. (2005., p. 4067-4081.) istraživali230 su
poremećaje opskrbnog lanca te su rezultati predočeni kroz tri elementa:
otkriće poremećaja:
228
Engl. Pervasive
Autori objašnjavaju kako je predmet studije slučaja poduzeće koji je svjetski lider u mobilnim
komunikacijama, te vodeći dobavljač mobilnih telefona i širokopojasnih mreža.
230
Istraživanje je provedeno temeljem studije slučaja automobilskog opskrbnog lanca u kojemu je napravljeno
više intervjua kako s dobavljačima, tako i s distributerima. Kao zadnja korištena metoda kreirane su tri fokus
grupe (imale su 10-14 članova) koje su raspravile rezultate.
229
225
o vidljivost je prepoznata kao ključna točka za bavljenje poremećajima odnosno
pravovremena razmjena korektnih informacija sa svih čvorišta lanca kako bi se
maksimizirala odgovornosti i fleksibilnost za izbjegavanje ili smanjenje
utjecaja poremećaja; skraćenje vremena reakcije na poremećaj uslijed
unapređenje vidljivosti smanjuje broj i jačinu tih anomalija; potrebno je
dodatno istraživati vidljivost, kao i odnos njezinog troška i koristi;
o kapacitet predstavlja drugu interesnu točku, jer nemogućnost mjerenja
kapaciteta u raznim točkama opskrbnog lanca može utjecati na poremećaje, i
zato
su
potrebna
dodatna
istraživanja
kratkoročnih
i
dugoročnih
prekapacitiranosti te njezinih posljedica;
o prediktivna se analitika po važnosti nastavlja na vidljivost, jer shvaćanje i
predviđanje rizika te otkriće prikrivenih uzoraka postaje prioritet opskrbnog
lanca; u ovom se dijelu sugerira korištenje inteligencije opskrbnog lanca (SCI)
u smislu monitoringa ključnih točaka lanca, te korištenje inteligentnih agenata;
oporavak nakon poremećaja:
o rekonfiguracija opskrbnog lanca nastaje u realnom vremenu nakon što su
poremećaji već nastupili, tako da u ovoj domeni dolazi do izražaja njegova
fleksibilnost;
o dosezi analiza su razmatrani kroz kontrolu štete, odnosno kada je šteta već
nastupila poduzeće treba što prije otkriti koje su implikacije tog događaja na
cijeli lanac; ovdje je poželjno raditi modeliranje događaja kako bi se određene
pouke mogle primijeniti u budućnosti;
redizajn opskrbnog lanca:
o razumijevanje kompromisa globalnih troškova opskrbnog lanca prvenstveno se
odnosi na relaciju troškova i fleksibilnosti;
o optimizacija fleksibilnosti i robusnosti predstavlja drugu točku u razmatranju
unprijeđenja / redizajna opskrbnog lanca nakon njegovog oporavka.
Yang (2008., p. 1-12.) istraživao231 je kritične faktore uspjeha sveprisutnog upravljanja
opskrbnim lancem (engl. Ubiquitious Supply Chain Management - USCM232) kroz dvije
231
Istraživanje je provedeno na uzorku od 780 korejskih poduzeća, od kojih se dobilo 141 odgovor, što
predstavlja odziv od 19,03%.
232
Sveprisutno upravljanje opskrbnim lancem definira kao planiranje, kontrolu i upravljanje opskrbnim lancem
temeljeno na sveprisutnim (prožimajućim) kompjutorskim tehnologijama poput RFID te mobilnih uređaja.
226
kategorije: upravljački i tehnički faktori. Faktorskom je analizom identificirao po šest
elemenata:
upravljačkog aspekta: USCM planiranje, podrška menadžmenta, upravljanje
odnosima, novi USCM modeli, upravljanje procesima te upravljanje rizicima;
tehničkog aspekta: infrastruktura USCM sistema, apliciranje USCM tehnologija,
uspješno korištenje USCM-a, osnivanje USCM mreže, određivanje prema prihvaćanje
tehnologije te plan razvoja USCM-a;
koristi usvajanja USCM-a: konkurentske prednosti ( u sklopu koje se nalazi uspostava
inteligencije opskrbnog lanca), upravljanje zalihama, povećana produktivnost,
sniženje logističkih troškova, ušteda troškova te nove tržišne mogućnosti.
Rezultati analize pokazali su da se kritični faktori uspjeha, uključujući upravljački i tehnički
aspekt, pozitivno odnose prema koristima izbora USCM-a, pogotovo konkurentskih prednosti
i upravljanja zalihama. Što se tiče upravljačkih elemenata, planiranje USCM-a igra ključnu
ulogu u uspješnoj implementaciji USCM-a u korejskim poduzećima. Istraživanje233 primjene
SCI-a od strane Aberdeen Group (Sadlovska i Viswanathan, 2008., p. 1-24.) pokazalo je da su
dva najveća pritiska za poboljšanje SCI-a: potreba smanjenja troškova opskrbnog lanca (68%)
te povećana kompleksnost globalnih opskrbnih lanaca (34%). Najbolja poduzeća koriste
interne upravljačke ploče za mjerenje performansi opskrbnog lanca, te eksterne poredbene
tablice za mjerenje performansi partnera u lancu. Najveći izazovi za unapređenje SCI-a jesu:
nedostatak komunikacije između odjela (54%);
nedostatak komunikacije s vanjskim partnerima, uključujući dobavljače i kupce
(50%);
nedovoljno usklađenje poslovnih ciljeva i mogućnosti/stratagije IT-a (49%);
nedostatak kvalificiranog osoblja za izradu i korištenje SCI-a (30%).
Temeljem nekoliko ključnih pokazatelja analizirali su uzorak te ga razdijelili na tri
kategorije234: najbolji (22%), prosjek (47%), ispodprosječni (30%). Rezultati jesu:
isporuka na vrijeme: 96% najbolji, 91% prosjek, 75% ispodprosječni;
ispunjenje narudžbi: 95% najbolji, 85% prosjek, 72% ispodprosječni;
233
Istraživanje je provedeno tijekom listopada i studenog 2008. godine na uzorku od 138 poduzeća, od kojih je
najviše iz Sjeverne Amerike (60%) i Europe (21%). Gotovo četvrtina poduzeća (23%) spadaju u velika, 37% u
srednja, a 40% u mala. Istraživanje sadržava i dva studija slučaja: internacionalnu grupu proizvođača papira s
35.000 zaposlenih u 35 zemalja i distributora alkoholnih pića iz SAD.
234
U nastavku prikaza će se koristiti skraćenice N za najbolje, P za prosjek, te I za ispodprosječne.
227
promjena u ciklusu od novca do novca235: najbolji bez promjene, 2% povećanja kod
prosječnih, 3% povećanje kod ispodprosječnih;
troškovi zaliha: 2% smanjenje kod najboljih, 4% povećanje kod prosjeka, 7%
povećanje kod ispodprosječnih.
Za postizanje ciljeva SCI-a, poduzeća najčešće poduzimaju sljedeće strateške aktivnosti: (1)
unapređenje monitoringa procesa opskrbnog lanca kako bi se odluke donosile na vrijeme
(47%), (2) pravovremeno kreiranje izvještaja s ključnim pokazateljima (33%), (3) dodavanje
mogućnosti za kreiranje više scenarija planova i procesa opskrbnog lanca (23%), (4)
fokusiranje prema poboljšanju kvalitete podataka iz lanca (22%). Analizirana su poduzeća u
kategorijama procesa, organizacije, upravljanja znanjem, tehnologije i upravljanja
performansama te su za najbolja identificirali razlike:
30% veću vjerojatnost nego drugi imaju sposobnost točnijeg predviđanja potražnje;
27% veću vjerojatnost nego drugi osiguravaju vidljivost menadžmentu za kritične
mjere poslovnih procesa, a 19% veću vjerojatnost kada je riječ o operativnim
pokazateljima iz opskrbnog lanca;
20% veću vjerojatnost suradnje unutar poduzeća, a 30% veću vjerojatnost suradnje s
ostalim članovima kako bi se prikupili podaci iz opskrbnog lanca.
Najčešća korištenja BI-a za upravljanje opskrbnim lancem jesu:
automatsko izvještavanje: N-60%, P-48%, I-37%;
ad-hoc izvještavanje: N-55%, P-48%, I-36%;
praćenje događaja: N-47%, P-19%, I-17%;
statističke analize: N-47%, P-34%, I-30%;
predviđanje: N-45%, P-32%, I-32%.
Zanimljivo jest usporediti rezultate istraživanja236 koje je provedeno godinu dana kasnije o
utjecaju inteligencije opskrbnog lanca na njegove performanse (Viswanathan i Sadlovska,
2010.) a koji pokazuju da su najbolja poduzeća većinom popravila ili zadržala gornje
pokazatelje iz prethodnog istraživanja; isporuka na vrijeme 96% → 97%, ispunjenje narudžbi
95% = 95%, te pad troškova zaliha237 2% → 5,5%. Njihovo je istraživanje pokazalo da su
235
Engl. Cash to cash cycle time
Istraživanje je provedeno u studenom i prosincu 2009. godine na uzorku od 209 poduzeća, većinom iz
Sjeverne Amerike (61%) i Europe (20%).
237
Izražen je pad troškova zaliha u odnosu na prethodnu godinu.
236
228
najbolja poduzeća proaktivnija u upravljanju odnosima s dobavljačima. Sposobnost tretiranja
tranzitnih zaliha (kao dostupnih zaliha u kalkulaciji sigurnih količina) pruža dodatnu
fleksibilnost, optimizaciju, te osigurava brže i ekonomičnije upravljanje njima, a istovremeno
pokazuje da ih poduzeće vidi, odnosno da je razvilo takvu razinu vidljivosti da može
dinamički pratiti njihovo kretanje. Rezultati korištenja tehnologija prikazuje tablica 26.
Tablica 26. Pokazatelji tehnologije i upravljanja znanjem
Najbolji
Prosjek
Ispodprosječni
Pokazatelji tehnologije
Interne upravljačke ploče performansi opskbnog lanca
51%
37%
30%
Usporedna tablica vanjskih performansi opskrbnog lanca
55%
36%
22%
Izvještavanje
78%
65%
47%
Analitika (statistička analiza, analiza trenda, analiza uzroka i sl.)
51%
45%
19%
Modeliranje opskrbnog lanca (što-ako scenariji, dizajn mreže i sl.)
36%
28%
7%
Servis upravljanje podacima (automatsko uzbunjivanje ako podaci nedostaju ili su pogrešni)
38%
23%
18%
Upravljanje znanjem
Korištenje tablica performansi partnera pomoću vidljivosti informacija
57%
33%
24%
On-line vidljivost u poremećaje opskrbnog lanca
48%
39%
34%
On-line vidljivost dospjelih troškova opskrbnog lanca
38%
27%
25%
Izvor: Viswanathan, N., Sadlovska, V.: Supply Chain Intelligence: Adopr Role-Based Operational Business
Intelligence and Imporove Visibility, Aberdeen Group, February 2010., p. 10.
229
Supply Chain Management Review napravio je 2011. godine istraživanje238 ključnih izazova i
prijetnji upravljanja opskrbnim lancem. Ovo je istraživanje posebno zanimljivo s obzirom da
se analizirao sektor visoke tehnologije gdje je životni vijek proizvoda unutar godinu dana (u
trećine ispitanika), odnosno do 18 mjeseci (u polovine ispitanika). Rezultati su pokazali kako
su najvažnije inicijative:
sniženje troškova unutar opskrbnog lanca (62%);
unapređenje učinkovitosti ispunjenja narudžbi i performansi (60%);
unaprjeđenje suradnje s kupcima i partnetrima (56%);
uvođenje novih proizvoda (44%);
širenje prema novim globalnim tržištima (35%);
unapređenje sposobnosti predviđanja te ocjenjivanja i upravljanja rizikom (33%).
Najvažnije inicijative pokazale su se: zadovoljenje kupčevih potreba i održavanje lojalnosti
(56%), rast prihoda, profita te tržišnog udjela (55%), funkcioniranje s limitiranim resursima
(38%), sniženje zaliha (36%), funkcioniranje na volatilnim tržištima (33%). Najkorišteniji su
alati za transport i logistiku (46%) te upravljanje potražnjom i predviđanje (44%). Područja
gdje su moguća unapređenja kroz bolje funkcioniranje lanca jesu: optimizacija zaliha (58%),
izvori materijala (50%), transport (42%), IT sistem (37%), proizvodnja (31) te skladištenje
(30%). Više od trećine poduzeća (39%) nemaju plan za identifikaciju, analizu te reduciranje
rizika unutar opskrbnog lanca, a najrizičnije su prijetnje od: konkurencije (56%), volatilnosti
potražnje (56%), globalnih, ekonomskih i financijskih oscilacija (52%), dobavljača (43%).
Dvije trećine (67%) poduzeća koja upravljaju rizikom potvrdila su da su uspjela prevenirati
poremećaje. Podatke i informacije razmjenjuju s: dobavljačima (84%), outsourcing
partnerima (44%) te kupcima (43%). Polovina razmjenjenih podataka događa se
automatizmom (između 48% i 57%) što nameće pitanje na koji način i koliko često
razmjenjuju ostali podaci i informacije. Otprilike pola ispitanika (52%) ima vidljive podatke s
prodajnog mjesta, dok je vidljivost ostalih elemenata lanca kako slijedi: zalihe (87%), kupci i
tržišne potrebe (59%) te predviđanje potražnje (33%). U razvojima novih proizvoda najviše se
surađje s dobavljačima (77%), kupcima (67%) te outsourcing partnerima (39%).
Iyer (2011., p. 81-91.) istraživao239 je odnose napredne IT analitike, potražne suradnje i
operativnih performansi opskrbnog lanca. IT analitičke sposobnosti definira kao korištenje
238
Istraživanje je napravljeno na uzorku od 187 SCM direktora (59% ih je iz Sjeverne Amerike, a 14% iz
Europe).
239
Uzorak se sastojao od 538 poduzeća, od kojih se dobilo 152 odgovora, što predstavlja odziv od 28%.
230
sofisticiranih aplikacija koje pružaju menadžmentu kvalitetne informacije za planiranje i
odlučivanje i ovakvi alati postaju specifičnost tvrtkinog opskrbnog lanca. Također je
modelom predviđeno istraživanje mogućeg moderirajućeg efekta neizvjesnosti okruženja
(tehnološkog i tržišnog). Suradnja potražnog lanca operacionalizirana je sa četiri dimenzije
(razvoj zajedničkog predviđanja nadopunjavanja, suradnja u usporedbi predviđena/realizirana
prodaja, upravljanje kupčevim zalihama, te razmjena podataka s prodajnog mjesta zbog
nadopunjavanja i plaćanja). IT analitičke sposobnosti su operacionalizirane kroz: nabavni
sistem, unaprijeđeno planiranje i raspoređivanje, upravljanje transportom, te sustavom
upravljanja skladištem. Operativne su se pokazatelji konceptualizirali kroz: vrijeme isporuke,
obrtaj zaliha, sposobnost promjene proizvodnih količina, ispuruke na vrijeme, te odbačenih ili
vraćenih elemenata. Rezultati su pokazali:
IT analitičke sposobnosti pozitivno utječu na suradnju potražnog lanca;
značajan je moderirajući efekt tehnološke neizvjesnosti; međutim, to nije utvrđeno za
tržini element;
utvrđen je značajan utjecaj suradnje potražnog lanca na operativne performanse.
Novije istraživanje240 (Permentar, 2012.) pokazuje kako su najveći poslovni pritisci: rast
kompleksnosti globalnih operacija (57%), nedostatak vidljivosti na raznim čvorištima
opskrbnog lanca (41%) te potreba povećanja prihoda (40%). Najkorištenije strategije BI-a u
SCM-u
jesu:
izrada
pravovremenih
izvještaja
s
ključnim
pokazateljima
(65%),
pojednostavljenje procesa zbog lakšeg kontrolinga (37%), uspostava suradničkih inicijativa s
dobavljačima (35%). Rezultati su pokazali da je poželjno dobivanje podataka iz operacija
opskrbnog lanca kako slijedi: realno vrijeme - sekunda (4%), blizu realnog vremena - sekunde
do minute (16%), unutar sata (15%), unutar dana (43%), unutar tjedna (12%), unutar mjeseca
(5%), ad-hoc / po potrebi (3%). Nastavno na prezentirane podatke, samo 11% ispitanika
potvrdilo je da zaista dobivaju podatke u željenom vremenskom okviru.
240
Istraživanje je napravljeno tijekom ožujka i travnja 2011. godine na uzorku od 148 poduzeća.
231
3. Konceptualni model istraživanja i povezanost hipoteza
Slika 32. Konceptualni model istraživanja
Izvor: doktorand
232
Kako bi istraživačka problematika bila što kvalitetnije obrađena i kako bi se dobili konkretni
odgovori na postavljena pitanja, definirane su i konkretne radne hipoteze. Na osnovi
iznesenog problema, predmeta, te postavljenih ciljeva istraživanja, temeljna znanstvena
hipoteza glasi:
H1: Primjena koncepta poslovna inteligencija pozitivno je korelirana s efikasnošću
upravljanja opskrbnim lancem.
Podaci i informacije predstavljaju izuzetno vrijednu imovinu poduzeća; međutim, uzevši u
obzir njihov eksponencijalni rast oni ujedno predstavljaju i potencijalno usko grlo upravljanja
na strateškoj, taktičkoj i operativnoj razini. Osim navedenoga, javlja se i problem njihove
kvalitete (Popovič et al., 2010.). Informacije i njihov što lakši protok predstavljaju jednu od
bitnih odrednica upravljanja opskrbnim lancem što je do sada istraživano u više znanstvenih
radova (Francis, 1998; Hugos, 2006; Panian et al., 2007; Hadaya i Casivi, 2009; Klein i Rai,
2009; Jacoby, 2009; Stock et al., 2010.). Popovič et al. (2009.) utvrdili su kako primjena
poslovne inteligencije utječe na kvalitetu informacija koju su proučavali kroz dvije prizme:
kvalitetu sadržaja i kvalitetu dostupnosti. Uzimajući u obzir stavove i rezultate dosadašnjih
istraživanja nekih autora (Vit et al., 2002; Panian i Klepac, 2003; Handfield, 2006; Stefanovic
et al., 2006; Liautaud i Hammond, 2006; Panian i sur., 2007; Wilkins, 2007; Copacino, 2008;
Sabbaghi i Vadyanathan, 2008; Smouther, 2009; Trent i Roberts, 2010.) o tome kako upravo
poslovna inteligencija omogućuje pretvorbu podataka u informacije i znanje temeljem kojega
se mogu donositi kvalitetnije upravljačke odluke postavlja se prva pomoćna hipoteza:
P.H. 1A. Primjena koncepta poslovna inteligencija pozitivno je korelirana s efikasnijim
upravljanjem
informacijama,
njihovom
kvalitetom
te
vidljivošću
relevantnih
informacija.
233
Istraživanja (Christopher, 2005; Auramo, 2006; Sanders, 2007; La Grouw, 2008; Chong et al.,
2009.) pokazala su da je jedan od osnovnih preduvjeta za efikasno upravljanje opskrbnim
lancem njegova vidljivost. Lee i Whang (2001.) pokazali su kako integracija informacija
predstavlja jedan od ključnih čimbenika uspješnosti upravljanja opskrbnim lancem. Ova
integracija uključuje svaku informaciju koja može utjecati na aktivnosti i performanse ostalih
sudionika opskrbnog lanca. Vidljivost je postignuta ukoliko su informacije i njihove analize
korisne u procesu donošenja poslovnih odluka, te ako se informacije razmjenjuju među samim
akterima procesa (Bayraktar et al., 2009.). Vrijednost informacija jednaka je vrijednosti
smanjenja rizika (Hubbard, 2010.). Istraživanje (Wang i Wei, 2007.) pokazalo je da poduzeća
mogu ostvariti veću fleksibilnost opskrbnog lanca unutar postojećih međusobnih odnosa
omogućavanjem veće vidljivosti informacija kroz virtualnu organizaciju.
Ramayah i Omar (2010.) utvrdili su da strateška (više utječe) i operativna razmjena
informacija značajno utječu na karakteristike lanca, dok su Zhou i Benton (2007.) pokazali da
efikasno dijeljenje informacija značajno utječe na praksu opskrbnog lanca, a na dijeljenje
odnosno razmjenu informacija utječe dinamičnost opskrbnog lanca. Primjena koncepta
poslovna inteligencija u upravljanju informacijama unutar opskrbnog lanca rezultirat će
unaprijeđenom kvalitetom, jačanjem fleksibilnosti, povećanjem brzine svih faza te sniženjem
troškova. Temeljem navedenih pretpostavki kreirana je druga pomoćna hipoteza:
P.H. 1B: Upravljanje informacijama, njihova kvaliteta i vidljivost među sudionicima
procesa pozitivno su korelirani s efikasnošću upravljanja opskrbnim lancem.
Određeni znanstveni radovi (Gunasekaran i Ngai, 2004; Christopher, 2005; Hugos, 2006;
Sanders, 2007; Elbashir i Williams, 2007; Sanders, 2008; Pereira, 2009; Williams i Williams,
2003. i 2007; Pirzadeh, 2009.) bavili su se utjecajem informacijske tehnologije koja
predstavlja alat koncepta poslovna inteligencija (Pirttimaki, 2007.) na poslovne procese te
utjecaju poslovne inteligencije na poslovni uspjeh (Cavalcanti, 2005.).
Integracija poslovnih procesa, koja se može promatrati dvojako: kao integracija strategija ili
procesa (Jacoby, 2009.) ima pozitivan učinak na efektivnost i efikasnost poduzeća te pruža
bolje mogućnosti za uvođenje inovacija (Oghazi, 2009.). Ona se odnosi na povezivanje
glavnih poslovnih faza i procesa unutar i izvan poduzeća u kohezivan i visoko performiran
234
poslovni model (Haoze et al., 2010.). Lee i Whang (2001.) naglašavaju kako je jedan od
osnovnih preduvjeta uspješne integracije stvaranje međusobnog povjerenja između sudionika
lanca. Handfield i Bechtel (2002.) ustanovili su utjecaj međusobnog povjerenja u odnosu na
povećanje odgovornosti između sudionika opskrbnog lanca. Dosadašnja istraživanja i
proučavanja učinaka integracije opskrbnih lanaca utvrdila su važnost za sve procese (Haoze et
al., 2010.), identificirali su tri razine integracije (Waters, 2009.), poziciju integracije u razvoju
SCM-a (Poirier i Quinn, 2003; 2006.), naglasili njezinu važnost usljed kompleksnosti
opskrbnih lanaca (Rabelo et al., 2002.), istražili vrijednost informacija (Baars et al., 2008.), te
utvrdili najvažnije prepreke integraciji informacija (Harland et al., 2007.). Temeljem tih
polazišta, kreirana je treća pomoćna hipoteza:
P.H. 2A: Primjena koncepta poslovna inteligencija pozitivno je korelirana s efikasnom
integracijom sudionika i procesa opskrbnog lanca poduzeća.
Više autora se bavilo razvojnim fazama opskrbnog lanca (Poirier i Quinn, 2006; Handfield,
2006.), te su integraciju informacija i procesa vrednovali kao najviši stupanj u njihovom
razvoju. Postignuta integracija opskrbnog lanca omogućuje mu elastičnost koja predstavlja
sposobnost lanca da se povrati u prijašnje ili poželjno stanje nakon što su nastupili poremećaji
(Pettit, 2008.). Istraživanja su pokazala da integracija opskrbnog lanca predstavlja jedno od
osnovnih karakteristika njegovog upravljanja (Lee i Cheng, 2007; Yang, 2008.). Swafford et
al. (2008.) utvrdili su kako je agilnost opskrbnog lanca u funkciji ostalih mogućnosti unutar
poduzeća, prvenstveno fleksibilnosti lanca i informacijske integracije. Integracija jest važna u
kontekstu međusobne interakcije i suradnje (Chen et al., 2007.).
Istraživanje koje su proveli Vereecke i Muylle (2006.) pokazalo je značajnu vezu između
suradnje i integracije s unapređenjem performansi, pogotovo u područjima troškova,
fleksibilnosti, kvalitete, isporuke i nabave. Aspekt fleksibilnosti u kontekstu opskrbnog lanca
također naglašavaju Fisher i Raman (2010.). Anbandanan et al. (2011.) razvili su indeks
suradnje temeljem istraživanja provedenog na indijskim proizvodnim poduzećima. Auramo
(2006.) smatra kako se cjelokupni koncept upravljanja opskrbnim lancem temelji na
integraciji u čemu vidljivost zauzima značajnu ulogu. Saeed et al. (2011.) utvrdili su kako
poduzeća na višoj razini integracije veću pozornost pridaju sistemskoj integraciji,
235
zajedničkom planiranju i predviđanju. Za razliku od navedenih, poduzeća koja su na nižoj
razini integracije veću pažnju poklanjaju evaluaciji dobavljača i automatskim upozorenjima.
Novija istraživanja (Lavalle et al., 2010.) ukazuju da je izazov te integracije među prioritetima
efikasnog menadžmenta. Na navedenom se temelji četvrta pomoćna hipoteza:
P.H. 2B: Integracija kao element opskrbnog lanca pozitivno je korelirana s efikasnošću
upravljanja opskrbnim lancem.
236
IV.
EMPIRIJSKO UTVRĐIVANJE VEZE IZMEĐU KONCEPTA
POSLOVNA INTELIGENCIJA I UPRAVLJANJA OPSKRBNIM
LANCEM
1. Metodološki aspekti empirijskog istraživanja
1.1.
O empirijskom istraživanju i definiranju osnovnog skupa
S obzirom na njihovu primjenjivost tj. vrstu očekivanog rezultata Verčić et al. (2010., p. 10.)
istraživanja dijele na: znanstvena; fundamentalna (temeljna, osnovna, bazična) i primjenjena
(aplikativna) te na stručna; razvojna i akcijska (situacijska, praktična). Zelenika (2000., p.
111.) objašnjava znanstveno istraživanje kao specifičnu intelektualnu djelatnost, odnosno
skup svjesnih, sustavnih i metodološki organiziranih aktivnosti kojima je temeljna svrha
otkrivanje i dokazivanje znanstvenih istina o predmetima ili pojavama u prirodi i društvu
pomoću znanstvenih metoda. Prema vrsti podataka koji se proučavaju istraživanja se dijele na
teorijska i empirijska. Wacker (1998., p. 378.) istraživanja dijeli na dva osnovna tipa:
analitičko i empirijsko. Za analitičko istraživanje karakteristična je deduktivna metoda za
razliku od empirijskog koje karakterizira indukcija, a dijeli se na:
istraživanje eksperimentima (engl. Experimental design),
statističko istraživanje (engl. Statistical research),
istraživanja studija slučaja (engl. Case study).
U empirijskim se istraživanjima istina odnosno pojave i činjenice spoznaju vlastitim
iskustvom, dakle osobnim provođenjem primarnog istraživanja (Verčić et al., 2010., p. 12.).
Za potrebe ovog rada najinteresantnije je empirijsko statističko istraživanje koje uključuje
anketno istraživanje. Zelenika (2000., p. 340.) navodi prednosti ove metode (pomoću nje se
mogu saznati podaci i informacije o doživaljaju, mogu se dobiti podaci i informacije o
prošlosti, sadašnjosti i budućnosti, u pravilu je ekonomična) i nedostatke koji se mogu javiti u
njezinom provođenju (epistemološke poteškoće zbog različitog stupnja obrazovanosti i
pismenosti ispitanika, psihološke poteškoće zbog nemogućnosti prilagode svim ispitanicima
te društvene poteškoće zbog tendencije da ispitanici daju odgovore koji su sukladni
237
društvenim vrijednostima). Verčić et al. (2010., p. 103.) navode kako je anketa najčešće241
korištena tehnika prikupljanja podataka u društvenim istraživanjima.
Određena provedena istraživanja pristupala su definiranju osnovnog skupa na način da se
uključuju poduzeća koja imaju preko 100 zaposlenih i godišnji promet veći od 100 milijuna
kuna. Njihova je polazna pretpostavka bila kako je manje vjerojatno da poduzeća, koja ne
zadovoljavaju ove kriterije, imaju uspostavljenu i razvijenu poslovnu inteligenciju odnosno
SCM (Pirttimaki, 2007; Isik, 2009; Oghazi, 2009.). Druga su istraživanja pošla od
pretpostavke da to ne treba biti kriterij izbora (Elbashir et al., 2008; Trkman et al., 2010.).
Procijenjeno je kako nije potrebno raditi nikakva ograničenja te je odlučeno da će sva
poduzeća koja budu pozitivno odgovorila na predtestiranje biti uključena u uzorak242. Za
potrebe provedbe ovog empirijskog istraživanja koristio se namjerni uzorak, a populaciju je
predstavljao skup od 1000 najvećih poduzeća u Republici Hrvatskoj po visini prihoda za
2010. godinu. Ova su poduzeće identificirana temeljem službenih podataka Hrvatske
gospodarske komore243 i posebnog priloga tjednika Lider od 10. lipnja 2011. godine.
Namjera je ovog istraživanja bila obuhvaćanje poduzeća koja primjenjuju koncept poslovna
inteligencija u svojem poslovanju. Nekoliko recentnih radova kojima se istraživalo poslovnu
inteligenciju ili upravljanje opskrbnim lancem, također su promatrala samo ona poduzeća koja
primjenjuju istraživani koncept. Teo i Choo (2001.) istraživali su samo ona poduzeća koja
koriste internet, dok je Howson (2008.) za svoj uzorak uzela poduzeća čija je imena dobila od
proizvođača alata poslovne inteligencije, odnosno PI konzultanata. Taskov (2009.) izabrao je
slučajni uzorak; međutim, u popratnom je pismu objasnio definiciju poslovne inteligencije te
je zamolio ispitanike koji ne prakticiraju poslovnu inteligenciju da ne odgovaraju na upitnik
nego da ga vrate. Grawe et al. (2011.) u svojem su popratnom dopisu postavili pitanje o
relevantnosti poduzeća kako bi moglo sudjelovati u istraživanju. Isik (2009.) također je
izabrao uzorak koji se sastoji od poduzeća koja primjenjuju poslovnu inteligenciju za
donošenje strateških, taktičkih ili operativnih poslovnih odluka.
Min i Mentzer (2004.)
provodeći istraživanje o orijentaciji na opksrbni lanac i upravljanje opskrbnim lancem
241
Navode podatak da se u čak 90% društvenih istraživanja primjenjuju anketa.
Uzorak je skup jedinica populacije (osnovnog skupa) na kojima je provedeno istraživanje (Verčić et al.,
2010., p. 72.)
243
Ekonomski fakultet u Splitu za potrebe realizacije ovog istraživanja službeno je zamolio Hrvatsku
gospodarsku komoru za ustupanje baze podataka o 1000 najvećih poduzeća u Republici Hrvatskoj po visini
prihoda za 2010. godinu. Nakon prvog pregleda dobivenog materijala i usporedbe tablice s onom publiciranom u
tjedniku Lider, ustanovljeno je kako podaci dobiveni od HGK ne sadrže financijske institucije i osiguravajuća
društva. HGK je obaviješten o ovom problemu te je naknadno ažurirana tablica s financijskim institucijama i
osiguravajućim društvima korištena za provedbu istraživanja.
242
238
odabrali su ona poduzeća koja su mogla potvrditi da imaju barem jednu vezu (uzvodnu ili
nizvodnu) u opskrbnom lancu kako bi bili uključena u uzorak.
1.2.
Nacrt istraživačkog projekta
Redoslijed planiranih i realiziranih aktivnosti za potrebe ovog istraživanja prikazuje graf 5., a
podrobnije su opisane u nastavku.
Graf 5. Protokol istraživanja
Izvor: Nacrt istraživanja
239
Temeljem prethodno navedenih spoznaja, izrađen je dopis za predtestiranje u kojemu je
objašnjena poslovna inteligencija:
U kontekstu istraživanja poslovnu inteligenciju promatramo kao koncept svjesnog,
organiziranog, kontinuiranog, legalnog i legitimnog prikupljanja, analiziranja i korištenja
podataka i informacija za poslovanje. Provodi se pomoću informacijske tehnologije, ali i na
druge načine. Prikupljaju se relevantne spoznaje o kupcima, dobavljačima, konkurentima,
industrijskoj grani, tehnologijama, institucionalnoj regulativi i drugim čimbenicima koji
izravno ili neizravno utječu na poslovanje poduzeća, a radi potpore menadžmentu u
donošenju poslovnih odluka.
Navedene su četri konstatacije te su ispitanici pozvani da sudjeluju u istraživanju ako mogu
dati barem jedan pozitivan odgovor na slijedeće tvrdnje:
primjenjujete poslovnu inteligenciju na razini cijelog sustava ili određene strateške
poslovne jedinice poduzeća (npr. marketinški odjel, odjel za razvoj, financije i
računovodstvo, proizvodnja, komercijala, nabava i sl.);
primjenjujete poslovnu inteligenciju samo kod određenih poslovnih procesa ili
projekata;
koristite u poslovanju neku od tehnologija i platformi za skladištenje podataka (Data
Warehouse), rudarenje podacima (Data Mining), OLAP alate;
koristite napredne analitičke tehnike, i simulacijske i vizualizacijske programe.
Ovaj je formular verificiran od strane nekolicine profesora ekonomskih fakulteta u Splitu i
Zagrebu, Filozofskog fakulteta u Zagrebu te praktičara poslovne inteligencije. Istraživanje na
terenu provelo se sa ciljem testiranja postavljenih hipoteza, a anketni je upitnik predstavljao
glavni instrument za prikupljanje primarnih podataka. Prije konačnog definiranja upitnika,
provedeno je testiranje pitanja metodom intervjua na manjem broju ispitanika. Svrha ovog
predtestiranja bila je
potvrda osnovnih pretpostavki predloženog modela, provjera
istraživačkog instrumenta te uklanjanje dvosmislenosti. Osim navedenoga, provedbom se
utvrdila njegova jasnoća te prikladnost za istraživanje.
240
1.3.
Instrument istraživanja
Osnovni instrument provedbe ovog istraživanja bio je anketni upitnik sastavljen od pitanja
zatvorenog tipa s ponuđenim odgovorima kod kojih se koristila Likertova ljestvica s pet
stupnjeva intenziteta. Likertova ljestvica stavova zasniva se na pretpostavci da svaka
izjava/čestica na ljestvici ima jednaku važnost odnosno težinu u terminima toga koliko
odražava stav prema nekom pitanju ili problemu, a ta pretpostavka predstavlja ujedno i
njezino glavno ograničenje (Verčić et al., 2010., p. 124.). Sudionici ankete birali su odgovor
između 1= izrazito se ne slažem do 5= izrazito se slažem. Za potrebe ovog istraživanja
provedeno je mjerenje percepcija ispitanika (Akintoye et al., 2000; Wixom i Watson, 2001;
Skjoett-Larsen et al., 2003; Vickery et al., 2003; Benton i Maloni, 2005; Wieder et al., 2006;
Sanders, 2007; Elbashir et al., 2008; Sodhi i Son, 2009; Trkman et al., 2010.). Ovo je izabrano
iz dva razloga: (1) učinci od korištenja poslovne inteligencije jesu nematerijalni odnosno
kvalitativni, zbog čega nisu prikladni za objektivno mjerenje, (2) većina informacija po svojoj
su prirodi povjerljive ili strateške, stoga nisu prikladne za javnu objavu (Williams i Williams,
2007; Elbashir et al., 2008.). Fynes et al. (2005., p. 9.) navode kako su istraživanja pokazala
da menadžersko ocjenjivanje i menadžerske procjene ne odstupaju značajno od objektivnih
vrijednosti dobivenih iz eksternih izvora.
Prilikom sastavljanja anketnog upitnika respektirale su se polazne hipoteze, rezultati
dosadašnjih istraživanja, istraživačka pitanja te ograničenja i prijedlozi provedenih
istraživanja (Calof, 2004; Lockamy i McCormak, 2004; Blackhurst et al., 2005; Pejić Bach et
al., 2007; Williams i Williams, 2007; Johnson et al., 2007; Vesset et al., 2008; Trkman et al.,
2010). Anketni se upitnik sastojao od 66 pitanja koja su bila raspoređena na osam stranica, a u
tematskom su smislu poštivala logičan slijed:
prve dvije stranice odnosile su se na tri uvodna pitanja o djelatnosti, broju zaposlenih i
pravnom obliku poduzeća;
treća stranica obuhvaćala je pitanja o izvorima podataka i informacija, pouzdanosti
podataka i informacija te pristupu prema njima;
četvrta stranica zaokružila je poslovnu inteligenciju s pitanjima o naprednoj analitici,
intuiciji i vremenu te organizaciji poslovne inteligencije;
tema pete stranica bila je informacijska vidljivost s pitanjima o kvaliteti sadržaja i
razini vidljivosti;
241
integraciju je obrađena u šestoj stranici s pitanjima o suradnji unutar i između
poduzeća;
sedma stranica obrađivala je prvu grupu pitanja o upravljanju opskrbnim lancem:
agilnost, prilagodljivost, i usklađenje;
zaključna osma stranica zaokružila je drugu skupinu pitanja: o proaktivnosti i o
peformansama opskrbnog lanca.
1.4.
Metodologija prikupljanja podataka
Za realizaciju ovog istraživanja kreirana je internet stranica, a svim članovima populacije
poslani su e-mail dopisi s poveznicom na postavljenu stranicu koja je sadržavala istraživačka
pitanja. Cobanoglu et al., (2001., p. 405-410.) u svojem su istraživanju244 uspoređivali stope
odgovora u tri načina provođenja anketa i ustanovili su najbolji odziv kod web istraživanja
(44,21%), potom poštanskih (26,27%) te telefaks (17,0%). Kwak i Radler (2002., p. 257-273.)
u svojem su istraživanju245 došli do drugačijih rezultata. Pokazalo se da je istraživanje putem
weba brže, ali također uz manju stopu odziva, ukupno i kod tri ponavljanja (42,5% kod slanja
i primanja anketa poštom nasuprot 27,4% kod weba). Web istraživanje preferiraju ženski
ispitanici, mlađe i tehnološki suvremenije osobe. Shih i Fan (2007., p. 59-82.) pročavali246 su
objavljenje rezultate istraživanja koja su koristili kombinaciju poštanske i web ankete.
Njihovo je istraživanje pokazalo da su ispitanici bili skloniji poštanskim anketama (27%) u
odnosu na web ankete (19%).
Za razliku od navedenih primjera, Grawe et al. (2011., p. 72.) pozivaju se na prethodna
istraživanja (Grifis et al., 2003.) u kojima nisu ustanovljene značajnije razlike u stopama
odgovora između poštanskih i web anketa. Ilieva et al. (2002., p. 373.) navodi najvažnije
prednosti on-line istraživanja: niži financijski troškovi, kraće vrijeme prikupljanja odgovora,
kontrola uzorka (ali bez utjecanja na samo istraživanje) te lakše rukovanje podacima
korištenjem različitih softvera što se odražava na uštedi vremena i resursa. Ovi su elektronski
244
Istraživanje je provedeno na uzorku od 300 profesora ugostiteljstva slučajno odabranih iz direktorija članstva
Council on Hotel, Restaurant and Institutional Education.
245
Istraživanje je provedeno na uzorku od 1000 studenata slučajno izabranih s velikih sveučilišta u SAD.
246
U ovom su istraživanju obrađena 43 članka publicirana u razdoblju između 1996. i 2006. godine, a
prezentirala su rezultate istraživanja u kojima su ispitanici mogli birati odgovaranje slanjem upitnika poštom ili
njegovim ispunjavanjem na webu.
242
dopisi prvenstveno bili adresirani na određene osobe (direktore poduzeća, predsjednike ili
članove uprava, direktore IT-a, direktore PI-a ili izvršne direktore nadležne za poslovnu
inteligenciju ili upravljanje opskrbnim lancem). Dillman (1991., p. 230.) navodi važnost
personalizacije jer naglašava značajnost konkretne osobe za postizanje boljeg odziva. U
popratnom je dopisu ovog istraživanja opisana njegova svrha i cilj, zagarantirana je
anonimnost ispitanika, te su zainteresiranim ispitanicima ponuđeni rezultati istraživanja nakon
što budu obrađeni i službeno objavljeni. Također su dostavljeni kontakt podaci autora
istraživanja radi mogućih pitanja ili pojašnjenja. Za određene adrese direktora poduzeća iz
osnovnog skupa autoru je susretljivošću menadžmenta poduzeća „Poslovna inteligencija“
d.o.o. iz Zagreba stavljena na raspolaganje baza podataka njihovih korisnika.
Istraživanje je provedeno u razdoblju od početka travnja do kraja lipnja 2012. godine. Dva
tjedna nakon slanja prvog elektronskog dopisa – poziva usljedila je prva zamolba onim
poduzećima koja nisu odgovorili na prethodni poziv, dok je druga zamolba poslana tri tjedna
nakon prethodne. Primatelji ankete imali su mogućnost odbijanja daljnje komunikacije
(primanje podsjetnika) što je iskoristilo 17 poduzeća (0,017%). Također se metodom
slučajnog uzorka telefonski zvalo određena poduzeća s molbom za sudjelovanje u istraživanju
ako primjenjuju poslovnu inteligenciju. Najčešći razlozi nesudjelovanja u istraživanju su:
poduzeće ne može potvrditi da primjenjuje poslovnu inteligenciju;
poduzeće je zapalo u poteškoće;
ne žele ispunjavati ankete postavljene preko interneta;
poduzeća dvoje u anonimnost internet anketa;
nedostatak vremena;
pregledom upitnika zaključuju kako bi njegovo ispunjavanje u određenoj mjeri
predstavljalo odavanje poslovnih tajni247.
Istraživanju se odazvalo 321 poduzeće. S obzirom da je namjera bila istražiti ona poduzeća
koja u svom poslovanju primjenjuju poslovnu inteligenciju, prije obrade izuzeti su odgovori
poduzeća koja su u upitniku posljednju tvrdnju o PI (U Vašem poduzeću poslovna
inteligencija nije još sustavno organizirana) u potpunosti potvrdili, a takvih je bilo 25
poduzeća. Osim ovih poduzeća, izuzeta su još tri koja nisu odgovorila na navedeno pitanje,
što posljedično znači da je iskoristivih odgovora bilo 293, odnosno postignut je odziv od
29,3%. Verčić et al. (2010., p. 104.) navode kako je očekivana stopa odgovora kod anketa
247
Ovaj je odgovor karakterističan za financijske institucije.
243
putem interneta varijabilna, a u slučaju organizacija 30% smatraju prihvatljivim. Usporedbe
radi, Kim et al. (2006.) provedeći istraživanje preko weba imali su odziv od 10,7%, Chang et
al. (2008.) 17,6%, Grawe et al. (2011.) 25,8%, a Bilandžić et al. (2012.) 23,3%. Usporedbu je
također moguće izvršiti s autorima koji su koristili e-dopisivanje za sudjelovanje u
istraživanju. Skjoett-Larsen et al. (2003.) imali su odziv od 7,6%248, Yang (2008.) 19%,
Yigitbasioglu (2010.) 11,5%249, a Ha et al. (2011.) 27,5%. Neka su istraživanja u cilju boljeg
odziva koristila dva ili više načina prikupljanja odgovora, tako da su Li et al. (2006.) koristili
poštu i web; međutim, imali su odziv od samo 6,3%250, dok su Ramayah i Omar (2010.)
imala odziv od 23,2% tako da se može zaključiti kako korištenje više metoda prikupljanja
anketa ne vodi nužno do povećanja stope odgovora.
1.5.
Obrada podataka
Osim metode obrade podataka koja je provedena u programskom paketu SPSS 17 (Statistical
Package for the Social Science) korištena je metoda prezentiranja rezultata istraživanja u
obliku tablica i grafova. Na svim je varijablama provedena deskriptivna statistika kako bi se
jasnije opisale uočene pojave, a kod inferencijalne statistike razina statističke signifikantnosti
određena je na razini od 5% (p < 0,05)251. Za ocjenjivanje postavljenih hipoteza dominantna
je bila metoda korelacije kao mjera međuovisnosti između promatranih varijabli u
konceptualnom modelu. U ovom radu korelacija je korištena s ciljem utvrđivanja smjera,
inteziteta i značajnosti analiziranih veza. S obzirom na tri uvodna pitanja (o poduzeću)
napravljena je analiza varijance s jednim promjenjivim faktorom. Također se upotrijebila
faktorska analiza s ciljem utvrđivanja primjerenosti operacionalizacije, odnosno ispravnog
grupiranja istraživanih varijabli poslovna inteligencija, upravljanje opskrbnim lancem,
informacijska vidljivost i integracija.
248
Jedan od razloga koji autori navode kao objašnjenje lošijeg odziva jest i zasićenost od mnogih istraživanja što
se kao razlog navelo u nekoliko slučajeva i u ovom istraživanju.
249
Autori su zadovoljni postignutim odzivom s obzirom da nisu slali dodatne podsjetnike, a navode kako su
slična nordijska istraživanja također imala odziv oko 10%.
250
Pri ocjeni ovakvog odziva treba imati na umu da su autori naveli kako su im 20% ispitanika bili CEO ili
predsjednici kompanija.
251
Pozivajući se na novije statističke pristupe, prof. Rozga smatra da se i nešto veća razina može priznati kao
statistički značajna.
244
2. Operacionalizacija varijabli
2.1.
Nezavisna varijabla: Poslovna inteligencija
Koncept koje zajedno s IT-om omogućuje prikupljanje, obradu i analizu podatka, njihovo
pretvaranje u informacije i znanje sa ciljem omogućavanja donošenja bržih i kvalitetnijih
upravljačkih odluka na svim poslovnim razinama. Prikupljaju se relevantne spoznaje o
kupcima, dobavljačima, konkurentima, procesima, industriji, tehnologijama, institucionalnoj
regulativi, te drugim čimbenicima koji izravno ili neizravno utječu na poslovanje poduzeća. U
postojećoj literaturi postoji nekoliko konceptualizacija poslovne inteligencije, što je
prvenstveno odraz različitih pogleda pojedinih autora. Temeljem iznesenih kvalitativnih i
kvantitativnih spoznaja, planirana je operacionalizacija koncepta poslovna inteligencija kroz
šest dimenzija: izvori podataka i informacija, pouzdanost podataka i informacija, pristup
podacima i informacijama, napredna analitika, intuicija i vrijeme te organizacija poslovne
inteligencije.
Izvori podataka i informacija (prilagođeno prema Isik, 2009; Popovič et al., 2009; Taskov,
2009.) predstavlja mjesto gdje su podaci i informacije smješteni, odnosno odakle se uzimaju
za analizu. Izvor internih podataka i informacija predstavljaju unutarnji resurs tvrtke odnosno
njegovu nematerijalnu imovinu. Vanjski podaci i informacije mogu se dobiti iz ukupnog
okruženja poduzeća, a za potrebe izrade ove disertacije oni su se promatrali u konteksu
opskrbnog lanca, što znači da su im izvor članovi opskrbnog lanca koji su u interakciji s
poduzećem. Osim navedenoga, potrebno je bilo ispitati jesu li podaci i informacije objedinjeni
na razini pojedinih procesa, djelova poduzeća ili ukupnog poduzeća.
1. Unutarnji izvori podataka i informacija objedinjeni su na razini procesa ili projekta.
(BI 1)
2. Unutarnji izvori podataka i informacija objedinjeni su na razini službi ili odjela. (BI 2)
3. Vanjski izvori podataka i informacija koje koristite lako su Vam dostupni. (BI 3)
4. U Vašem se poduzeću podaci i informacije nalaze posvuda: na serveru, u bazama
podataka, proračunskim tablicama, i ostalim datotekama i aplikacijama. (BI 4)
5. Podaci i informacije su integrirani i iskoristivi za izvještavanje i analiziranje u
realnome vremenu. (BI 5)
245
Pouzdanost podataka i informacija (prilagođeno prema Wixom i Watson, 2001; Isik, 2009.)
odnosi se na njihovu točnost odnosno preciznost. Činjenica jest da su poduzeća zatrpana
mnogim netočnim, krivim ili nepotpunim podacima i informacijama što rezultira višestrukim
verzijama istine, a karakteristično je i kod unutarnjih i kod vanjskih podataka.
1. Unutarnji prikupljeni podaci i informacije su pouzdani (vjerodostojni). (BI 6)
2. Vanjski prikupljeni podaci i informacije su pouzdani (vjerodostojni). (BI 7)
3. Prisutna je nedosljednost prikupljenih podataka i informacija. (BI 8)252
Pristup podacima i informacijama se promatra kroz prizmu autorizacije, autentifikacije i
zaštite, odnosno, postoji li politika upravljanja podacima i informacijama na način da je
određeno tko ima pristup kojim podacima i informacijama.
1. Za pristup podacima i informacijama u Vašem se poduzeću prakticira provjera
korisničkog identiteta (autentifikacija). (BI 9)
2. U Vašem se poduzeću točno zna tko ima pristup kojim podacima i informacijama. (BI
10)
3. U Vašem se poduzeću provodi zaštita od zloupotrebe podataka i informacija. (BI 11)
4. Traženi podaci i informacije dostupni su u realnome vremenu. (BI 12)
Napredna analitika (prilagođeno prema Calof, 2004; Lavale et al., 2010.) podrazumijeva
ocjenu primjene sofisticiranijih tehnika i alata za izradu složenijih analiza te korištenje
vizualizacijskih tehnika za predočavanje podataka i informacija.
1. Vaše poduzeće koristi tehnike rudarenja podacima (Data mining). (BI 13)
2. Vaše poduzeće koristi OLAP alate. (BI 14)
3. Vaše poduzeće koristi upravljačke ploče (Dashboards). (BI 15)
4. Informacije i analize su vizualizirane. (BI 16)
Intuicija i vrijeme (prilagođeno prema Hackathorn, 2004; Isik, 2009; Watson, 2009.)
Intuicija predstavlja njezinu razinu što je donositelji odluka koriste prilikom odlučivanja. Iako
252
Ova je tvrdnja reverzibilno postavljena. U anketnoj se metodologiji ovako postavljene konstatacije koriste
kao kontrolna pitanja.
246
PI smanjuje korištenje intuicije i osjećaja prilikom odlučivanja, ona ipak nije zanemarena.
Vrijeme predstavlja varijablu koja pokazuje koliko je PI pridonijela smanjenju utroška
vremena za pronalaženje podataka i informacija a što bi se trebalo odraziti na povećanje
vremena za donošenje poslovnih odluka. Vrijeme se ovdje promatra kroz tri perspektive: od
nastanka nekog događaja do njegovog evidentiranja, od evidentiranja do dostave informacije,
te vrijeme od dostave informacije do poduzete aktivnosti.
1. Poslovne odluke donosite na temelju činjenica. (BI 17)
2. Iako koristite poslovnu inteligenciju za donošenje poslovnih odluka, također je
uključen dobar osjećaj i iskustvo. (BI 18)
3. Primjenom poslovne inteligencije smanjilo se vrijeme od nastanka događaja do
njegovog evidentiranja. (BI 19)
4. Primjenom poslovne inteligencije smanjilo se vrijeme od evidentiranja događaja do
dostupnosti informacije o njemu. (BI 20)
5. Primjenom poslovne inteligencije povećalo se raspoloživo vrijeme za donošenje
poslovnih odluka. (BI 21)
Organizacija poslovne inteligencije (prilagođeno prema Calof, 2004.) podrazumijeva
stupanj i razinu njezinog korištenja u poduzeću, odnosno, da li je koristi cijelo poduzeće ili se
to još uvijek događa na razini odjela, službe ili procesa.
1. Vaše poduzeće koristi platformu za skladištenje podataka (Data Warehouse). (BI 22)
2. U Vašem je poduzeću poslovna inteligencija organizirana na razini cijelog poduzeća.
(BI 23)
3. U Vašem je poduzeću poslovna inteligencija organizirana na razini pojedinih odjela
ili službi. (BI 24)
4. U Vašem je poduzeću poslovna inteligencija organizirana na razini pojedinih procesa
ili projekata. (BI 25)
5. Vaše poduzeće još nije sustavno organiziralo poslovnu inteligenciju. (BI 26)
247
2.2.
Zavisna varijabla: Upravljanje opskrbnim lancem
Percipirana korist učesnika opskrbnog lanca temeljem korištenja poslovne inteligencije u
smislu povećanja efektivnosti i efikasnosti procesa koji tvore lanac, dostupnosti i vidljivosti
informacija, te povećanju njegove konkurentnosti. U literaturi postoji nekoliko različitih
konceptualizacija upravljanja opskrbnim lancem, a u ovom istraživanju koristila se
kombinacija nekoliko autora, te je varijabla operacionalizirana u pet dimenzija: agilnost,
prilagodljivost, usklađenje, proaktivnost i performanse.
Agilnost (prilagođeno prema Lee, 2006; Swafford et al., 2006.) koja se ujedno može
promatrati kao elastičnost, predstavlja sposobnost opskrbnog lanca da efikasno reagira u
relativno kraćem roku na neočekivane promjene što mogu nastati na uzvodnom ili nizvodnom
dijelu i povrati se u prijašnje ili poželjno stanje. Pretpostavke agilnosti jesu protočnost
informacija između partnera te unapređenje suradnje i integracije.
1. Vaše je poduzeće smanjilo vrijeme odziva na kupčeve zahtjeve. (SCM 1)
2. Vaše je poduzeće povećalo točnost isporuka na vrijeme. (SCM 2)
3. Vaše je poduzeće povećalo kompletiranost isporuka. (SCM 3)
4. Vaše je poduzeće spremno reagirati na potrebne modifikacije. (SCM 4)
Prilagodljivost (prilagođeno prema Lee, 2006.) označava spremnost poduzeća za suočavanje
s promjenama nastalima na tržištima, unutar procesa ili strategija. Za razliku od trenutnih
promjena, ovdje je riječ o suštinskim strukturnim promjenama. Poduzeća koja su u stanju
prilagođavati se novim okolnostima, sposobna su promatrati okolinu i predvidjeti nadolazeće
prijenje ili prilike integrirajući se sa svojim partnerima.
1. Vaše je poduzeće sposobno u relativno krećem roku reagirati na neočekivane tržišne
poremećaje. (SCM 5)
2. Vaše poduzeće kontinuirano analizira poslovnu okolinu. (SCM 6)
3. Vaše poduzeće kontinuirano preispituje i unapređuje svoju poslovnu strategiju. (SCM
7)
248
Usklađenje (prilagođeno prema Simatupang i Sridharan, 2005; Lee, 2006.) podrazumijeva
kreiranje inicijativa za unapređenje performansi. Poduzeća u opskrbnom lancu razmijenjuju
informacije i znanja što se koriste u unapređenju svojih poslovnih procesa. Osim navedenoga,
poduzeća bi unutar opskrbnog lanca trebala biti spremna dijeliti rizike i uspjehe poslovanja.
1. Vaše poduzeće nastoji usklađivati strateške planove sa svojim dobavljačima. (SCM 8)
2. Vaše poduzeće nastoji usklađivati strateške planove sa svojim kupcima. (SCM 9)
3. Vaše poduzeće sa svojim partnerima iz opskrbnog lanca provodi optimalizaciju
povezanih procesa. (SCM 10)
Proaktivnost (Panian i sur., 2007., p. 49.) podrazumijeva mogućnost osmišljavanja,
pripremanja i poduzimanja akcija primjerenih anticipiranim događajima, stanjima,
promjenama i procesima opskrbnog lanca.
1. U upravljanju opskrbnim lancem provodite scenario analize. (SCM 11)
2. U upravljanju opskrbnim lancem provodite prognoziranje događanja. (SCM 12)
3. U upravljanju opskrbnim lancem provodite analize trenda. (SCM 13)
4. U upravljanju opskrbnim lancem koristite analizu vremenskog slijeda (timelining).
(SCM 14)
Performanse (prilagođeno prema Min i Mentzer, 2001; Vereecke i Muylle, 2006; Chen et al.,
2007; Sanders, 2008; Ramayah i Omar, 2010.) predstavljaju pokazatelje percepcije uspješnog
tržišnog funkcioniranja poduzeća.
1. Vaše je poduzeće smanjilo troškove funkcioniranja opskrbnog lanca. (SCM 15)
2. Vaše je poduzeće povećalo povrat na imovinu (ROA) u odnosu na konkurente. (SCM
16)
3. Vaše je poduzeće povećalo povrat na uloženo (ROI) u odnosu na konkurente. (SCM
17)
4. Vaše je poduzeće povećalo tržišni udjel/volumen prodaje u odnosu na konkurente.
(SCM 18)
5. Vaše je poduzeće povećalo efikasnost opskrbnog lanca. (SCM 19)
6. Skratili ste vrijeme donošenja odluka unutar opskrbnog lanca. (SCM 20)
249
2.3.
Varijabla: Informacijska vidljivost
Riječ je o varijabli koja nastaje kao rezultat primjene poslovne inteligencije, a
operacionalizirala se kroz dvije dimenzije: kvaliteti sadržaja i razini vildjivosti.
Kvaliteta sadržaja (prilagođeno prema Monczka et al., 1998; Popovič i Jaklič, 2010.)
pokazati će koliko su dobiveni podaci i informacije točni i pouzdani. Potrebno je naglasiti
kako točnost informacija predstavlja relativnu kategoriju s obzirom da se to treba cijeniti u
kontekstu donošenja odluke za koju je ista potrebna.
1. Podaci i informacije koje koristim su točni. (IV 1)
2. Podaci i informacije koje koristim primjereni su potrebama. (IV 2)
3. Podaci i informacije koje koristim su iskoristivi. (IV 3)
4. Unutarnji podaci i informacije redovito se ažuriraju. (IV 4)
Razina vidljivosti (prilagođeno prema Monczka et al., 1998; Kim et al., 2006; Wang i Wei,
2007; Sander, 2008; Sodhi i Son, 2009.) predstavlja podjelu informacija koje je poduzeće
spremno razmjenjivati sa svojim partnerima u opskrbnom lancu u odnosu na njihovu stratešku
ili operativnu razinu.
1. S Vašim ključnim dobavljačima razmjenjujete strateške podatke i informacije. (IV 5)
2. S Vašim ključnim dobavljačima razmjenjujete operativne podatke i informacije. (IV 6)
3. S Vašim ključnim kupcima razmjenjujete strateške podatke i informacije. (IV 7)
4. S Vašim ključnim kupcima razmjenjujete operativne podatke i informacije. (IV 8)
2.4.
Varijabla: Integracija
Varijabla integracija pokazuje koliko je primjena poslovne inteligencije pridonijela lakšoj
suradnji i uspostavi integracije među partnerima unutar opskrbnog lanca, a u kontekstu
razmjene informacija. Mjerenje ove varijable operacionalizirano je u dvije dimenzije:
suradnja unutar poduzeća i suradnja između poduzeća.
250
Suradnja unutar poduzeća (prilagođeno prema Kim et al., 2006; Chen et al., 2007; Sanders,
2007; Ha et al., 2011.) predstavlja povezanost procesa i odjela unutar pojedinog poduzeća.
1. U Vašem se poduzeću operativni podaci i informacije razmjenjuju između različitih
funkcijskih odjela ili službi. (INT 1)
2. U Vašem poduzeću svi povezani odjeli sudjeluju u ocjenjivanju i izboru dobavljača.
(INT 2)
3. U Vašem poduzeću postoje višestruke verzije istina o pojedinim partnerima. (INT 3)
4. U Vašem su poduzeću integrirani procesi opskrbnog lanca. (INT 4)
Suradnja između poduzeća (prilagođeno prema Vereecke i Muylle, 2006; Sanders, 2007.)
predstavlja povezanost određenih procesa između poduzeća unutar opskrbnog lanca.
1. Vaše poduzeće sa ostalim sudionicima opskrbnog lanca unapređuje kvalitetu
proizvoda i usluga. (INT 5)
2. Vaše poduzeće sa ostalim članovima opskrbnog lanca razvija nove proizvode i usluge.
(INT 6)
3. Vaše poduzeće sa ostalim članovima opskrbnog lanca integrira zajedničke operativne
procese. (INT 7)
4. Odnosi s Vašim ključnim dobavljačima su partnerski. (INT 8)
5. Odnosi s Vašim ključnim kupcima su partnerski. (INT 9)
251
3. Rezultati empirijskog istraživanja
U ovom će se dijelu prikazati rezultati obrade podataka prikupljenih istraživanjem. Na
početku će se prezentirati osnovna obilježja uzorka istraživanja iza čega će se elaborirati
istraženi i uočeni odnosi varijabli iz modela istraživanja. Prije same obrade prikupljenih
odgovora izvršeno je testiranje moguće pristranosti zbog neodgovaranja na anketu (engl.
Nonresponse bias). Pristranost je prisutna ako postoji statistički značajna razlika između onih
koji su odgovorili i onih koji to nisu učinili. Navodeći tri metode procjene ove greške,
Armstrong i Overton (1977., p. 397.) kažu kako se metoda ekstrapolacije zasniva na
pretpostavci kako su ispitanici koji su kasnije odgovorili najsličniji onima koji uopće nisu
odgovorili, stoga se usporedbom onih koji su prvi odgovorili i onih koji su posljednji
odgovorili može ustanoviti eventualna pristranost. S obzirom na trajanje prikupljanja
podataka (tri mjeseca) usporedili su se rezultati prvih i posljednjih osamdeset ispitanika
korištenjem ANOVA testa za nezavisne uzorke. Pokazalo se kako među njima nije
ustanovljena statistički značajna razlika (p˃0,05) odnosno, nije prisutna pristranost zbog
kasnijeg odziva na istraživanje što je vidljivo iz tablice 27.
Tablica 27. Procjena pristranosti između ranijih i kasnijih ispitanika
Varijable
Signifikantnost
BI Izvori i pouzdanost podataka i informacija
0,163
BI Pristup podacima i informacijama
0,970
BI Napredna analitika
0,083
BI Intuicija i vrijeme
0,197
BI Organizacija poslovne inteligencije
0,092
IV Kvaliteta sadržaja
0,579
IV Razina vidljivosti
0,797
INT Suradnja unutar poduzeća
0,085
INT Suradnja između poduzeća
0,794
SCM Agilnost
0,114
SCM Prilagodljivost
0,104
SCM Usklađenost
0,430
SCM Proaktivnost
0,747
SCM Performanse
0,202
Izvor: Rezultati istraživanja (N=293)
252
3.1.
Temeljne karakteristike uzorka istraživanja
Kao što je u prethodnom poglavlju objašnjeno, anketa je započeta s tri osnovna pokazatelja o
poduzeću: njegovoj djelatnosti, broju zaposlenih i pravnom obliku. Iz tablice 28. učljivo je
kako dominiraju dvije djelatnosti: prerađivačka i trgovina koje zajedno tvore ⅔
(66%)
uzorkovanih poduzeća iza čega slijedi financijska skupina koju tvore bankarstvo, osiguranje i
financijske usluge, koja čini desetinu uzorka. Obzirom na uočenu nesklonost ove grupe prema
sudjelovanju u anketama iznimno se može biti zadovoljan s postignutim odzivom pogotovo
uzevši u obzir činjenicu da financijske i osiguravajuće institucije u svijetu predstavljaju
izuzetno velike korisnike poslovne inteligencije.
Tablica 28. Glavna/pretežita djelatnost poduzeća iz uzorka
Pretežita djelatnost
frekvencija
postotak
primarna proizvodnja
10
3,4
prerađivačka industrija
107
36,5
91
31,1
6
2,0
građevinarstvo
17
5,8
bankarstvo, osiguranje i financijske usluge
26
8,9
telekomunikacije
10
3,4
poslovne usluge
18
6,1
8
2,7
293
100,0
trgovina
turizam i ugostiteljstvo
Valid
ostalo
Ukupno
Izvor: rezultati istraživanja (N=293)
Strukturu poduzeća iz uzorka prema broju zaposlenih prikazuje tablica 29. Prema
prezentiranim podacima preko ½ (56,7%) poduzeća pripadaju u skupinu onih koji imaju više
od 250 zaposlenih, dok ih je ⅓ (33,4%) poduzeća s brojem zaposlenih između 51 i 250.
253
Tablica 29.. Struktura uzorkovanih poduzeća
poduzeć prema broju zaposlenih
Zaposleni
frekvencija
do 10
Valid
postotak
2
,7
od 11 do 50
27
9,2
od 51 do 250
98
33,4
preko 251
166
56,7
Ukupno
293
100,0
Izvor: rezultati istraživanja (N=293))
Usporedba strukture poduzeća iz osnovnog skupa i uzorkovanih prezentirani su grafom 6.
Prema prikazanim usporednim podacima može se zaključiti
č kako poduzeća
ća s najvećim
najveć brojem
zaposlenih (više od 251) dominiraju u primjeni poslovne inteligencije.
100%
90%
80%
70%
60%
preko 251
50%
od 51 do 250
od 11 do 50
40%
do 10
30%
20%
10%
0%
osnovni skup
uzorak
Graf 6.. Usporedba osnovnog skupa i uzorka prema broju zaposlenih
Izvor: rezultati istraživanja (N=293))
Treći
ći pokazatelj koji predstavlja pravni oblik istraživanih poduzeća
p
ća prikazan je u tablici 30.
30
254
Tablica 30.. Struktura uzorkovanih poduzeća
poduzeć prema pravnom obliku
Pravni oblik
frekvencija
postotak
dioničko društvo
122
41,6
društvo s ograničenom
čenom odgovornošću
odgovornošć
159
54,3
inozemni osnivač
5
1,7
ustanova
6
2,0
drugo
1
,3
293
100,0
Valid
Ukupno
Izvor: rezultati istraživanja (N=293))
I ovaj se pokazatelj može usporediti s osnovnim skupom što je prikazano grafom 7.,
7 te se
može doći
ć do sličnog
ččnog zaključka
zaključčka kao i kod komparacije po osnovi broja zaposlenih. Prema
usporedbi, može se zaključiti
č
kako dionička
dioniččka društva dominiraju u primjeni poslovne
inteligencije u odnosu na ostale pravne oblike.
100%
90%
80%
70%
drugo
60%
ustanova
50%
inoosnivač
40%
d.o.o.
30%
d.d.
20%
10%
0%
osnovni skup
uzorak
Graf 7.. Usporedba osnovnog skupa i uzorka prema pravnom obliku
Izvor: rezultati istraživanja (N=293)
255
3.2.
Analiza elemenata konceptualnog modela istraživanja
U analizi elemenata konceptualnog modela istraživanja prikazat će se rezultati deskriptivne
statistike za sve istraživane varijable: poslovnu inteligenciju, informacijsku vidljivost,
integraciju i upravljanje opskrbnim lancem. S obzirom na prvu grupu pitanja o samom
poduzeću (vrsti djelatnosti, broju zaposlenih i pravnom obliku) ujedno će se izvršiti analiza
varijance, a dobiveni rezultati će se usporedno prokomentirati. Prema Rozgi (2010., p. 32.),
analizom varijance utvrđuje se utjecaj pojedinih faktora na vrijednost neke numeričke zavisne
varijable pri čemu se razlikuju dvije vrste analize; univarijantna (postoji samo jedna zavisna
varijabla dok broj faktora koji nisu numeričke prirode može biti veći) i multivarijatna (postoji
više zavisnih varijabli na koje može utjecati više faktora). Petz (2007., p. 300.) obrazlaže
osnovnu misao ove analize - dokazati je li varijabilitet među grupama veći od varijabiliteta
unutar grupa.
3.2.1. Poslovna inteligencija u hrvatskim poduzećima
Upitnik o primjeni poslovne inteligencije sastojao se od šest grupa pitanja (izvori podataka i
informacija, njihova pouzdanost, pristupačnost, upotreba napredne analitike, korištenje
intuicije i vremena u procesu odlučivanja te o organizaciji poslovne inteligencije) kako bi se
stekao što kvalitetniji uvid u trenutno stanje u hrvatskim poduzećima. Sažetak deskriptivne
statistike o poslovnoj inteligenciji s obzirom na tri uvodna pitanja vidljiv je u tablici 31.
Uočljivo je kako se kod deset pitanja javljalju statistički značajne razlike u odgovorima253. U
osam je slučajeva riječ o razlici na temelju djelatnosti (BI 4, BI 5, BI 6, BI 7, BI 12, BI 13, BI
15 i BI 17), dok je po jedan slučaj uočen kod veličine poduzeća (BI 21) i pravnog oblika (BI
19). Prema stavu Prof. Rozge, odgovor B 21 se također može smatrati statistički značajnim
temeljem pravnog oblika. U nastavku slijedi osvrt na dobivene rezultate.
253
Pitanja kod kojih su ustanovljene statistički značajne razlike u odgovorima posebno su označena zvijezdicom
(* za p<0,05 i ** za p<0,01).
256
Tablica 31. Deskriptivna statistika za varijablu poslovna inteligencija
Varijabla
N
Signifikantnost
Aritm.
sredina
Std.
devijacija
Min.
Maks.
djelatnost
veličina
pravni
oblik
BI 1
285
3,86
,838
1
5
0,188
0,566
0,435
BI 2
288
4,07
,766
1
5
0,624
0,968
0,470
BI 3
289
3,62
,916
1
5
0,204
0,300
0,907
BI 4
291
3,77
1,166
1
5
0,029*
0,761
0,816
BI 5
292
3,89
,913
1
5
0,002**
0,890
0,696
BI 6
292
4,35
,546
3
5
0,005**
0,572
0,642
BI 7
291
3,77
,603
1
5
0,019*
0,587
0,956
BI 8
292
2,36
,907
1
5
0,090
0,577
0,475
BI 9
293
4,42
,878
1
5
0,118
0,289
0,685
BI 10
292
4,40
,728
1
5
0,647
0,565
0,403
BI 11
292
4,26
,835
1
5
0,076
0,748
0,408
BI 12
291
4,22
,718
1
5
0,013*
0,256
0,476
BI 13
286
3,10
1,289
1
5
0,049*
0,902
0,622
BI 14
285
3,19
1,374
1
5
0,338
0,286
0,660
BI 15
285
2,92
1,218
1
5
0,036*
0,597
0,497
BI 16
288
3,58
1,002
1
5
0,587
0,502
0,813
BI 17
293
4,15
,689
1
5
0,003**
0,777
0,370
BI 18
292
4,26
,625
1
5
0,948
0,229
0,715
BI 19
290
3,97
,715
1
5
0,999
0,290
0,011*
BI 20
291
4,06
,710
1
5
0,985
0,717
0,409
BI 21
290
3,94
,783
1
5
0,226
0,041*
0,058254
BI 22
288
4,00
1,227
1
5
0,451
0,705
0,115
BI 23
291
3,74
1,013
1
5
0,279
0,744
0,504
BI 24
289
3,76
,939
1
5
0,985
0,594
0,546
BI 25
286
3,52
1,001
1
5
0,764
0,932
0,980
BI 26
293
2,30
1,068
1
4
0,789
0,501
0,231
Izvor: Rezultati istraživanja (N=285-293/293)
254
Prema stavu Prof. Rozge odgovor se može smatrati statistički značajnim.
257
Tablica 32. Objedinjenost unutarnjih podataka i informacija na razini procesa ili projekta
pravni oblik
zaposleni
djelatnost
BI 1
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
87
5
16
26
10
17
8
285
2
26
95
162
285
121
152
5
6
1
285
3,30
3,91
3,78
4,20
4,13
3,92
3,80
4,12
3,50
3,86
4,00
4,08
3,86
3,83
3,86
3,79
3,90
4,20
3,83
5,00
3,86
1,160
,823
,882
,447
,619
,845
,632
,781
,756
,838
,000
,628
,780
,903
,838
,836
,836
,447
1,169
.
,838
1
2
2
4
3
2
3
2
2
1
4
3
2
1
1
2
1
4
2
5
1
5
5
5
5
5
5
5
5
4
5
4
5
5
5
5
5
5
5
5
5
5
Izvor: Rezultati istraživanja (N=285/293)
Tablica 33. Objedinjenost unutarnjih podataka i informacija na razini službi ili odjela
pravni oblik
zaposleni
djelatnost
BI 2
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
90
6
17
25
9
17
8
288
2
26
97
163
288
119
157
5
6
1
288
3,90
4,11
4,06
4,50
4,18
3,84
4,00
4,18
3,88
4,07
4,00
4,00
4,07
4,08
4,07
3,98
4,14
3,80
4,17
4,00
4,07
,568
,785
,812
,548
,636
,800
,500
,809
,641
,766
,000
,800
,753
,778
,766
,802
,738
,837
,753
.
,766
3
2
1
4
3
1
3
2
3
1
4
2
1
1
1
1
1
3
3
4
1
5
5
5
5
5
5
5
5
5
5
4
5
5
5
5
5
5
5
5
4
5
Izvor: Rezultati istraživanja (N=288/293)
258
Temeljem podataka iz tablica 32. i 33. može se zaključiti kako su poduzeća generalno sklonija
objedinjavanju podataka i informacija na razinama službi odnosno odjela, nego procesa i
projekata (4,07 ˃ 3,86). Zanimljivo jest kako je u oba slučaja najviši stupanj slaganja
zabilježen u turizmu i građevinarstvu. Najveću sklonost organizaciji podataka i informacija
na razini službi pokazala su velika poduzeća, dok su mala sklonija to raditi na razini
projekata. Analizom odgovora temeljem pravnog oblika, uočava sa kako poduzeća koje je
osnovao inozemni osnivač255 preferiraju procesno objedinjavanje, dok su društva s
ograničenom odgovornošću sklonija objedinjavanju na razini svojih službi ili odjela.
Tablica 34. Dostupnost vanjskih izvora podataka i informacija
pravni oblik
zaposleni
djelatnost
BI 3
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
104
91
6
17
26
10
18
7
289
2
27
97
163
289
121
156
5
6
1
289
3,20
3,82
3,48
3,67
3,41
3,73
3,40
3,56
3,71
3,62
3,50
3,74
3,74
3,53
3,62
3,60
3,63
3,80
3,83
3,00
3,62
1,317
,845
,970
,816
,870
,724
,966
,984
,951
,916
,707
,944
,869
,938
,916
,926
,910
1,095
,983
.
,916
1
1
1
2
2
2
2
2
2
1
3
1
2
1
1
1
1
2
2
3
1
5
5
5
4
5
5
5
5
5
5
4
5
5
5
5
5
5
5
5
3
5
Izvor: Rezultati istraživanja (N=289/293)
Prema rezultatima iz tablice 34., dostupnošću vanjskih podataka i informacija najzadovoljnija
je prerađivačka industrija i financijski sektor; odnosno, mala i srednja poduzeća te ustanove i
inopoduzeća. Pokazatelji rasprostranjenosti lokacija podataka i informacija (tablica 35.)
pokazali su statističku značajnost s obzirom na djelatnost; telekomunikacije su izrazile vrlo
visok stupanj slaganja (4,50), potom slijedi turizam, dok se najniža ocjena - stupanj slaganja
255
Zbog jednostavnosti, u nastavku će se ova poduzeća nazivati inopoduzeća.
259
dobila iz građevinskog sektora (3,29). Ova je konstatacija izraženija kod srednjih poduzeća
(3,81), ustanova (4,00) i dioničkih društava (3,79).
Tablica 35. Rasprostranjenost lokacija podataka i informacija
pravni oblik
zaposleni
djelatnost
BI 4
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
105
91
6
17
26
10
18
8
291
2
27
98
164
291
121
158
5
6
1
291
3,50
3,95
3,71
4,17
3,29
3,50
4,50
3,78
2,88
3,77
3,00
3,67
3,81
3,77
3,77
3,79
3,74
3,60
4,00
5,00
3,77
1,269
1,095
1,204
1,169
,985
1,273
,707
1,263
,991
1,166
1,414
1,301
1,081
1,196
1,166
1,089
1,227
1,517
,894
.
1,166
1
1
1
2
2
1
3
1
2
1
2
1
1
1
1
1
1
2
3
5
1
5
5
5
5
5
5
5
5
4
5
4
5
5
5
5
5
5
5
5
5
5
Izvor: Rezultati istraživanja (N=291/293)
Kod rezultata integriranost te iskoristivosti podataka i informacija prikazanih u tablici 36.
također se uočila statistička značajnost kod odgovora temeljem djelatnosti poduzeća. Najviši
stupanj zadovoljstva postignutom integriranošću i iskoristivošću svojih podataka i informacija
iskazao je financijski sektor (4,08) kojeg slijede telekomunikacije, trgovina i turizam (4,0),
dok je najniža ocjena evidentirana kod primarne proizvodnje (2,9). Može se reći kako je
ugodan pokazatelj prerađivačke industrije (3,95). Integriranost je izraženija kod manjih (4,00)
i srednjih poduzeća (3,91), odnosno kod inopoduzeća. Iako razlike u odgovorima temeljem
veličine poduzeća nisu statistički značajne, može se pretpostaviti kako je kod manjih
poduzeća proces uspostave integracije lakši, a s rastom veličinom tvrtke on postaje
kompleksniji. Važnost ovog pokazatelja također je potvrđeno istraživanjem koje je provela
Isik (2010.).
260
Tablica 36. Integriranost i iskoristivost podataka i informacija za izvještavanje
pravni oblik
zaposleni
djelatnost
BI 5
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
107
91
5
17
26
10
18
8
292
2
27
98
165
292
121
159
5
6
1
292
2,90
3,95
4,00
4,00
3,47
4,08
4,00
3,89
3,13
3,89
4,00
4,00
3,91
3,86
3,89
3,86
3,90
4,20
3,83
5,00
3,89
1,197
,873
,894
,707
1,007
,935
,471
,676
,991
,913
,000
,832
,863
,962
,913
,934
,915
,447
,753
.
,913
1
2
1
3
1
1
3
3
2
1
4
1
2
1
1
1
1
4
3
5
1
4
5
5
5
5
5
5
5
4
5
4
5
5
5
5
5
5
5
5
5
5
Izvor: Rezultati istraživanja (N=292/293)
Analize vjerodostojnosti unutarnjih (tablica 37.) i vanjskih (tablica 38.) prikupljenih podataka
i informacija također su ukazala na statističku značajnost temeljem djelatnosti. Generalno se
može ocijeniti kako su poduzeća vrlo zadovoljna s pouzdanošću svojih unutarnjih podataka i
informacija (4,35). Kod unutarnje vjerodostojnosti dominira zadovoljstvo financijskog sektora
(4,58) kojeg sljede prerađivačka industrija, trgovina, turizam i telekomunikacije. S obzirom na
broj zaposlenih i pravni oblik ne uočavaju se veće razlike, a najbolje su ocjene kod srednjih
poduzeća i društava s ograničenom odgovornošću.
Za razliku od navedenih pokazatelja, ocjena zadovoljstva vjerodostojnošću vanjskih
prikupljenih podataka i informacija uočljivo je niža (3,77). S izuzetkom telekomunikacija
(4,00) sve ostale prosječne ocjene su < 4,00, a prednjače: financijski sektor (3,96),
prerađivačka industrija i poslovne usluge. S izuzetkom mikro poduzeća, zadovoljstvo
neznatno veće od prosjeka pokazala su srednja poduzeća, odnosno, ustanove, ali bez
statističke značajnosti. Pitanje o nedosljednosti prikupljenih podataka i informacija
predstavljalo je kontrolno pitanje stoga su bile poželjnije što niže ocjene, što je i postignuto
(2,36).
261
Tablica 37. Vjerodostojnost unutarnjih prikupljenih podataka i informacija
pravni oblik
zaposleni
djelatnost
BI 6
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
107
90
6
17
26
10
18
8
292
2
27
97
166
292
122
158
5
6
1
292
4,00
4,43
4,34
4,33
4,00
4,58
4,30
4,33
4,00
4,35
4,50
4,30
4,41
4,33
4,35
4,35
4,36
4,20
4,17
5,00
4,35
,667
,497
,564
,516
,500
,504
,483
,485
,756
,546
,707
,669
,535
,530
,546
,529
,567
,447
,408
.
,546
3
4
3
4
3
4
4
4
3
3
4
3
3
3
3
3
3
4
4
5
3
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
Izvor: Rezultati istraživanja (N=292/293)
Tablica 38. Vjerodostojnost vanjskih prikupljenih podataka i informacija
pravni oblik
zaposleni
djelatnost
BI 7
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
91
6
17
26
10
18
7
291
2
27
98
164
291
121
158
5
6
1
291
3,50
3,87
3,66
3,33
3,53
3,96
4,00
3,83
3,86
3,77
4,00
3,63
3,80
3,77
3,77
3,76
3,78
3,60
3,83
4,00
3,77
,707
,499
,654
,816
,624
,599
,667
,618
,378
,603
,000
,839
,625
,546
,603
,592
,625
,548
,408
.
,603
2
3
1
2
2
3
3
2
3
1
4
1
2
2
1
2
1
3
3
4
1
4
5
5
4
4
5
5
5
4
5
4
5
5
5
5
5
5
4
4
4
5
Izvor: Rezultati istraživanja (N=291/293)
262
Provjeravanje korisničkog identiteta (autentifikacija) najrasprostranjenija je u financijskom
sektoru (4,69), telekomunikacijama (4,60) i poslovnim uslugama (4,44), odnosno, kod velikih
(4,46), srednjih (4,42) i inopoduzeća (4,80). Ove pokazatelji prezentirani su u tablici 39.
Tablica 39. Provjeravanje korisničkog identiteta (autentifikacija)
pravni oblik
zaposleni
djelatnost
BI 9
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
107
91
6
17
26
10
18
8
293
2
27
98
166
293
122
159
5
6
1
293
4,60
4,40
4,38
3,33
4,41
4,69
4,60
4,44
4,38
4,42
4,50
4,11
4,42
4,46
4,42
4,45
4,38
4,80
4,17
5,00
4,42
,966
,845
,952
1,506
,870
,549
,516
,856
,744
,878
,707
1,188
,884
,814
,878
,844
,920
,447
,753
.
,878
2
1
1
1
2
3
4
2
3
1
4
1
1
1
1
1
1
4
3
5
1
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
Izvor: Rezultati istraživanja (N=293)
Nastavno na pokazatelje autentifikacije, za očekivati je bilo da poduzeća imaju ustrojenu
sistematiziranost prava pristupa pojedinim podacima i informacijama (autorizacija) što su u
konačnici rezultati ovog istraživanja potvrdili, a prezentirani su u tablici 40. Ovo je
najizraženije kod financijskog sektora (4,62), telekomunikacija (4,60) i poslovnih usluga
(4,56); odnosno, dioničkih (4,41) i društava s ograničenom odgovornošću (4,40). Zaštita od
zoluporabe podataka i informacija predstavlja logičan nastavak prethodne dvije aktivnosti, a
rezultati istraživanja provođenja ove aktivnosti prikazuje tablica 41. Najdalje su u ovom
segmentu otišli: financijski sektor (4,65), poslovne usluge (4,41) i telekomunikacije (4,40),
odnosno, mala poduzeća (4,41), inopoduzeća (4,60) i društva s ograničenom odgovornošću
(4,30). Može se zaključiti kako poduzeća koja provode autentifikaciju istovremeno provode
autorizaciju i aktivnu zaštitu od zlouporabe podataka i informacija.
263
Tablica 40. Sistematiziranost pristupa podacima i informacijama (autorizacija)
pravni oblik
zaposleni
djelatnost
BI 10
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
91
6
17
26
10
18
8
292
2
27
98
165
292
121
159
5
6
1
292
4,40
4,38
4,38
4,33
4,24
4,62
4,60
4,56
4,13
4,40
4,50
4,59
4,39
4,38
4,40
4,41
4,40
4,80
4,00
5,00
4,40
,699
,654
,813
1,211
,903
,496
,516
,705
,835
,728
,707
,888
,713
,711
,728
,703
,755
,447
,632
.
,728
3
2
1
2
2
4
4
3
3
1
4
1
2
2
1
2
1
4
3
5
1
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
Izvor: Rezultati istraživanja (N=292/293)
Tablica 41. Provođenje zaštite od zlouporabe podataka i informacija
pravni oblik
zaposleni
djelatnost
BI 11
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
107
91
6
17
26
10
17
8
292
2
27
97
166
292
122
158
5
6
1
292
4,30
4,32
4,15
4,17
3,82
4,65
4,40
4,41
4,00
4,26
4,00
4,41
4,28
4,23
4,26
4,21
4,30
4,60
3,83
5,00
4,26
,949
,708
,906
,408
1,237
,485
,966
,795
1,069
,835
,000
,931
,826
,831
,835
,826
,857
,548
,408
.
,835
2
2
1
4
1
4
2
2
2
1
4
1
1
1
1
1
1
4
3
5
1
5
5
5
5
5
5
5
5
5
5
4
5
5
5
5
5
5
5
4
5
5
Izvor: Rezultati istraživanja (N=292/293)
264
Rezultati istraživanja dostupnosti podataka i informacija u realnom vremenu, prezentirani u
tablici 42., pokazali su statističku značajnost kod odgovora po osnovi djelatnosti. S izuzetkom
građevinarstva (3,71) te neopredjeljenih (3,75) sve ostale prosječne ocjene su ≥ 4,00 pa se
može zaključiti kako su istraživana poduzeća iskazala zadovoljstvo dostupnošću podataka i
informacija u realnom vremenu. Prema ocjenama, financijski sektor (4,5) i telekomunikacije
(4,4) najbrže dobivaju podatke u realnom vremenu, što također ocjenjuju mala (4,41),
inopoduzeća (4,40) i društva s ograničenom odgovornošću (4,24). Ove su ocjene u skladu s
prethodno navedenim pokazateljima (kod kojih je također evidentirana statistička
signifikantnost) integriranosti i iskoristivosti podataka i informacija te vjerodostojnosti
unutarnjih podataka i informacija.
Tablica 42. Dostupnost podataka i informacija u realnom vremenu
pravni oblik
zaposleni
djelatnost
BI 12
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
91
5
17
26
10
18
8
291
2
27
98
164
291
120
159
5
6
1
291
4,10
4,20
4,31
4,00
3,71
4,50
4,40
4,17
3,75
4,22
4,00
4,41
4,28
4,15
4,22
4,19
4,24
4,40
3,83
5,00
4,22
,738
,709
,694
,000
1,105
,510
,516
,514
,886
,718
,000
,694
,770
,688
,718
,714
,716
,548
,983
.
,718
3
2
3
4
1
4
4
3
2
1
4
3
2
1
1
1
2
4
3
5
1
5
5
5
4
5
5
5
5
5
5
4
5
5
5
5
5
5
5
5
5
5
Izvor: Rezultati istraživanja (N=291/293)
Ocjene korištenja tehnika rudarenja podacima pokazale su statističku značajnost temeljem
djelatnosti poduzeća. U njihovoj su primjeni najveći iskorak pokazale telekomunikacije (3,8) i
financijski sektor (3,69), dok su, prema očekivanju, najveće zaostajanje iskazali primarna
proizvodnja (2,80) i građevinarstvo (2,53).
265
Tablica 43. Korištenje tehnika rudarenja podacima
pravni oblik
zaposleni
djelatnost
BI 13
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
104
90
6
15
26
10
18
7
286
1
27
95
163
286
120
155
4
6
1
286
2,80
3,00
3,13
2,50
2,53
3,69
3,80
3,28
2,57
3,10
3,00
3,26
3,12
3,06
3,10
3,03
3,13
3,25
3,17
5,00
3,10
1,476
1,215
1,309
1,049
1,356
1,350
1,317
1,227
,976
1,289
.
1,196
1,262
1,327
1,289
1,289
1,278
1,708
1,472
.
1,289
1
1
1
1
1
1
1
1
1
1
3
1
1
1
1
1
1
1
1
5
1
5
5
5
4
5
5
5
5
4
5
3
5
5
5
5
5
5
5
5
5
5
N
A. sred.
St. devijacija
Min.
Maks.
10
104
89
6
15
26
10
18
7
285
1
26
95
163
285
118
156
4
6
1
285
2,50
3,15
3,22
2,67
3,20
3,65
3,30
3,39
2,43
3,19
4,00
3,23
2,98
3,31
3,19
3,14
3,24
3,50
2,50
4,00
3,19
1,509
1,291
1,428
1,366
1,265
1,384
1,636
1,420
1,272
1,374
.
1,210
1,353
1,407
1,374
1,354
1,384
1,915
1,378
.
1,374
1
1
1
1
1
1
1
1
1
1
4
1
1
1
1
1
1
1
1
4
1
5
5
5
5
5
5
5
5
4
5
4
5
5
5
5
5
5
5
4
4
5
Izvor: Rezultati istraživanja (N=286/293)
Tablica 44. Korištenje OLAP alata
pravni oblik
zaposleni
djelatnost
BI 14
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Total
do 10
od 11 do 50
od 51 do 250
preko 251
Total
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Total
Izvor: Rezultati istraživanja (N=285/293)
266
Korištenje OLAP alata (tablica 44.) nije pokazalo statističku značajnost u odgovorima, ali ih
je vrijedno prokomentirati. Najviše se koriste u financijskom sektoru (3,65), poslovnim
uslugama (3,39) i telekomuniakcijama (3,30), kod velikih poduzeća (3,31), inopoduzeća
(3,50) i društava s ograničenom odgovornošću (3,24).
Pokazatelji korištenja upravljačkih ploča pokazali su statističku značajnost kod odgovora s
obzirom na djelatnost, a prezentirani su u tablici 45. Osim telekomunikacija (3,9) i
financijskog sektora (3,46) svi su ostali priznali zaostajanje (prosječne ocjene < 3,0). S
izuzetkom kontrolnog (BI 8), odnosno eliminacijskog pitanja (BI 26) kod ovog je pokazatelja
iz korpusa pitanja o poslovnoj inteligenciji evidentirana najniža ocjena. Iako bez uočene
statističke značajnosti, poslovne upravljačke ploče se najviše koriste u velikim (broj
zaposlenih) i inopoduzećima (pravni oblika).
Pokazatelji vizualizacije podataka i informacija (tablica 46.) nastavljaju se na upravljačke
ploče, međutim kod ovih odgovora nije ustanovljena statistička značajnost. Rezultati su bolji
nego kod kontrolnih ploča (3,58 vs. 2,93), a najdalje su otišli financijski sektor (3,77),
poslovne usluge (3,72) i telekomunikacije (3,60), odnosno ustanove (3,83).
Tablica 45. Korištenje poslovnih upravljačkih ploča
pravni oblik
zaposleni
djelatnost
BI 15
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
105
89
6
14
26
10
18
7
285
1
26
95
163
285
118
156
4
6
1
285
2,80
2,89
2,87
2,67
2,64
3,46
3,90
2,72
2,14
2,92
4,00
2,92
2,81
2,98
2,92
2,87
2,96
3,50
2,33
4,00
2,92
1,317
1,129
1,263
1,033
1,151
1,029
1,449
1,364
1,215
1,218
.
1,129
1,170
1,262
1,218
1,173
1,236
1,915
1,211
.
1,218
1
1
1
1
1
1
1
1
1
1
4
1
1
1
1
1
1
1
1
4
1
5
5
5
4
5
5
5
5
4
5
4
5
5
5
5
5
5
5
4
4
5
Izvor: Rezultati istraživanja (N=285/293)
267
Tablica 46. Vizualizacija podataka i informacija
pravni oblik
zaposleni
djelatnost
BI 16
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
105
90
6
16
26
10
18
7
288
2
27
95
164
288
119
157
5
6
1
288
3,60
3,56
3,63
3,17
3,44
3,77
3,60
3,72
2,86
3,58
3,00
3,74
3,65
3,52
3,58
3,62
3,55
3,20
3,83
4,00
3,58
1,350
,970
,965
1,169
,892
,951
,966
1,320
,900
1,002
1,414
,984
,976
1,018
1,002
,939
1,034
1,643
,983
.
1,002
1
1
1
1
2
2
2
1
2
1
2
1
1
1
1
1
1
1
2
4
1
5
5
5
4
5
5
5
5
4
5
4
5
5
5
5
5
5
5
5
4
5
Izvor: Rezultati istraživanja (N=288/293)
Statistička značajnost uočena je kod odgovora o odlučivanje na temelju činjenica prema
različitim djelatnostima što je prikazano u tablici 47. Prema rezultatima, generalno se može
reći kako su poduzeća iskazala visok stupanj odlučivanja temeljem činjenica, a pogotovo je to
karakteristično u turizmu (4,67), telekomunikacijama (4,6), poslovnim uslugama (4,39) i
financijskom sektoru (4,19); odnosno kod malih (4,26) i inopoduzeća (4,40).
Korištenje osjećaja i iskustva u odlučivanju općenito je i dalje dosta prisutno (sve prosječne
ocjene su ≥ 4,17), a bez uočene statističke značajnosti ovo se najviše iskazalo kod
telekomunikacija (4,50), turizma (4,33); odnosno malih (4,37) i srednjih poduzeća (4,29) te
inopoduzeća (4,40) i društava s ograničenom odgovornošću (4,17). Ovi su rezultati
prezentirani u tablici 48. Za uočiti je kako su dva vodeća sektora prema odlučivanju na
temelju činjenica (telekomunikacije i turizam) također na vrhu ispitanih poduzeća koja koriste
dobar osjećaj i iskustvo prilikom odlučivanja.
268
Tablica 47. Odlučivanje na temelju činjenica
pravni oblik
zaposleni
djelatnost
BI 17
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
107
91
6
17
26
10
18
8
293
2
27
98
166
293
122
159
5
6
1
293
4,00
4,25
3,96
4,67
3,88
4,19
4,60
4,39
4,00
4,15
4,00
4,26
4,16
4,12
4,15
4,22
4,08
4,40
4,33
4,00
4,15
,667
,616
,815
,516
,600
,402
,516
,502
,926
,689
,000
,813
,637
,703
,689
,674
,708
,548
,516
.
,689
3
1
1
4
3
4
4
4
2
1
4
2
1
1
1
1
1
4
4
4
1
5
5
5
5
5
5
5
5
5
5
4
5
5
5
5
5
5
5
5
4
5
Izvor: Rezultati istraživanja (N=293)
Tablica 48. Korištenje dobrog osjećaja i iskustva u odlučivanju
pravni oblik
zaposleni
djelatnost
BI 18
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
91
6
17
26
10
18
8
292
2
27
98
165
292
122
158
5
6
1
292
4,20
4,27
4,24
4,33
4,18
4,23
4,50
4,17
4,38
4,26
3,50
4,37
4,29
4,23
4,26
4,23
4,27
4,40
4,17
5,00
4,26
,632
,711
,565
,516
,636
,652
,527
,514
,518
,625
,707
,492
,609
,650
,625
,653
,615
,548
,408
.
,625
3
1
3
4
3
3
4
3
4
1
3
4
3
1
1
1
2
4
4
5
1
5
5
5
5
5
5
5
5
5
5
4
5
5
5
5
5
5
5
5
5
5
Izvor: Rezultati istraživanja (N=292/293)
269
Poslovna inteligencija pridonosi skraćenju vremena evidencije nekog događaja, a ovi su
rezultati signifikantni s obzirom na pravni oblik. Najsložniji s ocjenom su ustanove (4,33) i
društva s ograničenom odgovornošću (4,04), dok su prema djelatnosti svoje suglasje s ovom
ocjenom iskazali turizam (4,20), građevinarstvo (4,00), financijski sektor (3,96) te mala
poduzeća (4,23). Ovi su rezultati predočeni u tablici 49.
Nešto boljom ocjenom, iako bez statističke značajnosti, poduzeća su potvrdila doprinos
poslovne inteligencije skraćenju vremena potrebnog za dostupnost podataka i informacija o
određenom događaju, vidljivo u tablici 50. Najviši stupanj suglasnosti izrazio je turizam
(4,20), građevinarstvo (4,18) i poslovne usluge (4,11), odnosno, mala poduzeća (4,23),
inopoduzeća (4,40) i ustanove (4,33). Začuđuje što telekomunikacije nisu bolje plasirane u
ovom pokazatelju, a jedno od objašnjenja mogao bi biti interno postavljeni kriterij. Naime,
poduzeća koja su evidentno u naprednijoj fazi primjene PI postavljaju sebi više razine kriterija
tako da njih ne zadovoljavaju određena postignuća koja istovremeno predstavljaju uspjeh
nekome tko je tek zakoračio prema razvoju svoje poslovne inteligencije.
Tablica 49. Doprinos poslovne inteligencije skraćenju vremena evidencije događaja
pravni oblik
zaposleni
djelatnost
BI 19
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
90
5
17
26
10
18
8
290
2
26
98
164
290
121
157
5
6
1
290
3,90
3,98
3,98
4,20
4,00
3,96
3,90
3,94
3,88
3,97
4,00
4,23
3,94
3,95
3,97
3,88
4,04
3,20
4,33
5,00
3,97
,738
,828
,636
,447
,500
,528
,738
,802
,991
,715
,000
,514
,686
,758
,715
,777
,644
,837
,516
.
,715
3
1
2
4
3
3
3
2
2
1
4
3
2
1
1
1
2
2
4
5
1
5
5
5
5
5
5
5
5
5
5
4
5
5
5
5
5
5
4
5
5
5
Izvor: Rezultati istraživanja (N=290/293)
270
Tablica 50. Doprinos poslovne inteligencije skraćenju vremena dostupnosti informacija
pravni oblik
zaposleni
djelatnost
BI 20
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
91
5
17
26
10
18
8
291
2
27
98
164
291
121
158
5
6
1
291
3,90
4,06
4,05
4,20
4,18
4,08
4,00
4,11
3,88
4,06
4,50
4,15
4,03
4,05
4,06
4,03
4,05
4,40
4,33
5,00
4,06
,738
,815
,656
,447
,636
,688
,667
,583
,641
,710
,707
,602
,710
,729
,710
,730
,694
,894
,516
.
,710
3
1
2
4
3
2
3
3
3
1
4
3
2
1
1
1
2
3
4
5
1
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
N
A. sred.
St. devijacija
Min.
Maks.
10
105
91
5
17
26
10
18
8
290
2
27
98
163
290
120
158
5
6
1
290
3,30
3,97
4,00
3,60
3,88
4,12
4,00
3,83
3,75
3,94
2,50
4,04
4,01
3,91
3,94
3,87
3,99
3,40
4,50
5,00
3,94
,675
,802
,789
,548
,993
,588
,667
,707
,886
,783
2,121
,759
,806
,744
,783
,744
,778
1,517
,548
.
,783
2
1
1
3
1
3
3
2
2
1
1
2
1
1
1
1
1
1
4
5
1
4
5
5
4
5
5
5
5
5
5
4
5
5
5
5
5
5
5
5
5
5
Izvor: Rezultati istraživanja (N=291/293)
Tablica 51. Povećanje raspoloživog vremena za odlučivanje
pravni oblik
zaposleni
djelatnost
BI 21
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
Izvor: Rezultati istraživanja (N=290/293)
271
Primjena poslovne inteligencije trebala bi pridonijeti povećanju raspoloživog vremena za
odlučivanje pogotovo ako je omogućila skraćenje vremena za evidentiranje događaja i
dostupnost informacija o istom. Rezultati ovog pitanja pokazali su statističku značajnost s
obzirom na veličinu poduzeća i pravni oblik, a prikazani su u tablici 51. Za uočiti je kako s
porastom
veličine
poduzeća pada ocjena
o
povećanju
vremena za odlučivanje
(4,04→4,01→3,91). Temeljem djelatnosti najzadovoljniji su
financijski sektor (4,12),
trgovina i telekomunikacije (4,00) te ustanove (4,50).
Rezultati primjene skladišta podataka bez uočene statističke značajnosti prikazani su u tablici
52. Generalno se može ustvrditi kako su poduzeća iskazala visok stupanj korištenja ove
tehnologije (prosječna ocjena 4,00), međutim isto tako treba navesti kako su 43 poduzeća
(14,90%) potvrdila da nemaju skladišta podataka. U primjeni, prema očekivanjima,
dominiraju telekomunikacije (4,60) i financijski sektor (4,32) te velika poduzeća (4,01),
odnosno, ustanove (4,50), inopoduzeća (4,20) i društva s ograničenom odgovornošću (4,13).
Tablica 52. Korištenje tehnologije skladišta podataka
pravni oblik
zaposleni
djelatnost
BI 22
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
89
6
16
25
10
18
8
288
2
27
95
164
288
120
156
5
6
1
288
3,90
4,02
3,97
3,17
3,88
4,32
4,60
3,83
3,75
4,00
4,50
4,19
3,92
4,01
4,00
3,78
4,13
4,20
4,50
5,00
4,00
,876
1,187
1,292
1,472
1,408
1,215
,966
1,383
,463
1,227
,707
1,111
1,252
1,238
1,227
1,336
1,136
1,304
,548
.
1,227
2
1
1
1
1
2
2
1
3
1
4
1
1
1
1
1
1
2
4
5
1
5
5
5
5
5
5
5
5
4
5
5
5
5
5
5
5
5
5
5
5
5
Izvor: Rezultati istraživanja (N=288/293)
272
Koliko poduzeća imaju razvijenu poslovnu inteligenciju na razini cijelog društva vidljivo je u
tablici 53. Iako nema statističke značajnosti između odgovora, prema ocjenama se može reći
kako su telekomunikacije (4,30) i trgovina (3,91) otišle najdalje u implementaciji, slijede mala
poduzeća (3,89) i ustanove (4,00), a ugodno iznenađenje predstavlja dobra ocjena primarne
proizvodnje (4,00). Bilo je za očekivati bolje zadovoljstvo financijskog sektora međutim, ono
je nešto ispod prosjeka (3,64). Viši stupanj postignuća iskazan od strane malih poduzeća i
ustanova ne čudi s obzirom da s veličinom raste kompleksnost implementacije ovakvih
projekata.
Poduzeća su sklonija organizaranju poslovne inteligencije na razini službi ili odjela (tablica
54.) u odnosu na razinu procesa ili projekata. Iako bez statističke značajnosti, građevinarstvo
(3,94) i primarna proizvodnja (3,90) najbolje su ocjenjeni, potom sljede poslovne usluge
(3,83), mala poduzeća (3,92), odnosno, ustanove (4,00) i društva s ograničenom
odgovornošću (3,80). Sklonost organizaciji poslovne inteligencije na razini procesa ili
projekata (tablica 55.) iskazali su poslovne usluge (3,83), građevinarstvo (3,82) i primarna
proizvodnja (3,78); odnosno srednja (3,57) i mala poduzeća (3,56) te ustanove (3,67).
Tablica 53. Organizacija poslovne inteligencije na razini cijelog poduzeća
pravni oblik
zaposleni
djelatnost
BI 23
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
91
6
17
25
10
18
8
291
2
27
97
165
291
121
158
5
6
1
291
4,00
3,60
3,91
3,33
3,65
3,64
4,30
3,67
3,63
3,74
3,50
3,89
3,67
3,76
3,74
3,64
3,82
3,60
4,00
3,00
3,74
,667
1,039
,915
,816
1,115
1,150
1,059
1,188
,916
1,013
,707
,974
1,058
,999
1,013
1,065
,981
1,140
,632
.
1,013
3
1
1
2
2
1
2
1
2
1
3
1
1
1
1
1
1
2
3
3
1
5
5
5
4
5
5
5
5
5
5
4
5
5
5
5
5
5
5
5
3
5
Izvor: Rezultati istraživanja (N=291/293)
273
Tablica 54. Organizacija poslovne inteligencije na razini odjela ili službi
pravni oblik
zaposleni
djelatnost
BI 24
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
90
5
17
25
10
18
8
289
2
26
97
164
289
120
157
5
6
1
289
3,90
3,75
3,77
3,80
3,94
3,60
3,70
3,83
3,88
3,76
3,50
3,92
3,82
3,71
3,76
3,70
3,80
3,60
4,00
5,00
3,76
,738
,947
,972
,447
,748
,957
1,636
,857
,354
,939
,707
,891
,936
,953
,939
,931
,944
1,140
,894
.
,939
3
1
1
3
3
2
1
2
3
1
3
1
1
1
1
1
1
2
3
5
1
5
5
5
4
5
5
5
5
4
5
4
5
5
5
5
5
5
5
5
5
5
Izvor: (Rezultati istraživanja (N=289/293)
Tablica 55. Organizacija poslovne inteligencije na razini procesa ili projekata
pravni oblik
zaposleni
djelatnost
BI 25
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Total
do 10
od 11 do 50
od 51 do 250
preko 251
Total
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Total
N
Mean
St. Devijacija
Min.
Maks.
9
105
89
5
17
25
10
18
8
286
2
25
96
163
286
119
155
5
6
1
286
3,78
3,48
3,44
3,60
3,82
3,52
3,40
3,83
3,63
3,52
3,50
3,56
3,57
3,49
3,52
3,53
3,52
3,60
3,67
3,00
3,52
,972
,991
1,066
,548
1,131
,823
1,430
,786
,744
1,001
,707
1,003
1,064
,971
1,001
,937
1,053
1,140
1,033
.
1,001
2
1
1
3
1
2
1
2
2
1
3
1
1
1
1
1
1
2
2
3
1
5
5
5
4
5
5
5
5
4
5
4
5
5
5
5
5
5
5
5
3
5
Izvor: Rezultati istraživanja (N=286/293)
274
Posljednje pitanje o sustavnoj organiziranosti poslovne inteligencije predstavljalo je tvrdnju
pomoću koje su iz daljnje obrade eliminirana ona poduzeća koja su se u potpunosti složila s
navedenom tezom. S obzirom na ideju istraživanja, kod ovog pitanja su se očekivale i postigle
niske ocjene (2,30).
3.2.2. Postignuta razina informacijske vidljivosti u hrvatskim poduzećima
Kako bi se stekao što kvalitetniji uvid u postignutu razinu informacijske vidljivosti u
hrvatskim poduzećima, i to zahvaljujući primjeni poslovne inteligencije, kreiran je upitnik sa
dvije grupe pitanja: kvaliteti sadržaja i razini vidljivosti. Sažetak deskriptivne statistike o
informacijskoj vidljivosti s obzirom na tri uvodna pitanja prezentiran je u tablici 56. Kod ove
varijable također su uočene statistički značajne razlike u dobivenim odgovorima s obzirom na
djelatnost na pitanja: IV 2, IV 5, IV 6 i IV 8. U nastavku slijedi detaljnije elaboriranje uočenih
pojava.
Tablica 56. Deskriptivna statistika za varijablu informacijska vidljivost
Varijabla
N
Signifikantnost
Aritm.
sredina
Std.
devijacija
Min.
Maks.
djelatnost
veličina
pravni
oblik
IV 1
291
4,24
,511
3
5
0,062
0,385
0,981
IV 2
291
4,12
,568
2
5
0,048*
0,666
0,710
IV 3
291
4,27
,549
2
5
0,221
0,822
0,638
IV 4
292
4,27
,674
1
5
0,318
0,692
0,467
IV 5
290
3,24
1,022
1
5
0,003**
0,115
0,260
IV 6
292
3,71
,909
1
5
0,001**
0,108
0,697
IV 7
289
3,25
,985
1
5
0,188
0,213
0,259
IV 8
292
3,69
,981
1
5
0,001**
0,110
0,972
Izvor: Rezultati istraživanja (N=289-292/293)
275
Istraživana poduzeća su iskazala visoko zadovoljstvo točnošću korištenih podataka i
informacija u svom poslovanju (ukupna prosječna ocjena 4,24, a sve su ostale prosječne
ocjene ˃ 4,00) što je prikazano u tablici 57. Iako bez statističke značajnosti, najzadovoljniji su
financijski sektor (4,46), poslovne usluge (4,39) i prerađivačka industrija (4,29); odnosno,
srednja poduzeća (4,31) te dionička i društva s ograničenom odgovornošću (4,25).
Tablica 57. Točnost korištenih podataka i informacija
pravni oblik
zaposleni
djelatnost
IV 1
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
90
6
17
26
10
18
8
291
2
26
97
166
291
122
157
5
6
1
291
4,10
4,29
4,19
4,00
4,00
4,46
4,20
4,39
4,13
4,24
4,50
4,19
4,31
4,21
4,24
4,25
4,25
4,20
4,17
4,00
4,24
,316
,534
,517
,000
,500
,508
,422
,502
,354
,511
,707
,491
,528
,502
,511
,503
,527
,447
,408
.
,511
4
3
3
4
3
4
4
4
4
3
4
3
3
3
3
3
3
4
4
4
3
5
5
5
4
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
4
5
Izvor: Rezultati istraživanja (N=291/293)
Rezultati primjerenost potrebama korištenih podataka i informacija (tablica 58.) pokazali su
statističku značajnost u odgovorima s obzirom na glavnu djelatnost. I ovdje su sve prosječne
ocjene ˃ 4,00, a najzadovoljniji su telekomunikacije (4,50), financijski sektor (4,24) i
prerađivačka industrija (4,18). Mala i srednja poduzeća izrazila su podjednako zadovoljstvo
(4,15), a s pravnog aspekta su to iskazala inopoduzeća (4,40) i ustanove (4,33).
Poduzeća su zadovoljna iskoristivošću svojih podataka i informacija (tablica 59.), a
najzadovoljniji su telekomunikacije (4,56), financijski sektor (4,42) i prerađivačka industrija
(4,31); srednja i velika poduzeća (4,28) te inopoduzeća (4,60) i ustanove (4,33). Iako bez
statističke značajnosti, može se ustvrditi kako su s obzirom na djelatnost sve ocjene ˃ 4,0.
276
Tablica 58. Primjerenost potrebama korištenih podataka i informacija
pravni oblik
zaposleni
djelatnost
IV 2
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
107
90
6
17
25
10
18
8
291
2
26
98
165
291
121
158
5
6
1
291
3,80
4,18
4,09
4,00
3,82
4,24
4,50
4,17
4,00
4,12
4,50
4,15
4,15
4,10
4,12
4,11
4,12
4,40
4,33
4,00
4,12
,789
,546
,554
,000
,636
,523
,527
,383
,926
,568
,707
,613
,544
,576
,568
,529
,601
,548
,516
.
,568
2
3
2
4
3
3
4
4
2
2
4
2
3
2
2
2
2
4
4
4
2
5
5
5
4
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
4
5
N
A. sred.
St. devijacija
Min.
Maks.
10
107
90
6
17
26
9
18
8
291
2
26
98
165
291
121
158
5
6
1
291
4,10
4,31
4,23
4,17
4,00
4,42
4,56
4,28
4,25
4,27
4,50
4,19
4,28
4,28
4,27
4,29
4,25
4,60
4,33
4,00
4,27
,568
,573
,520
,408
,500
,578
,527
,461
,707
,549
,707
,634
,552
,536
,549
,554
,549
,548
,516
.
,549
3
2
2
4
3
3
4
4
3
2
4
2
3
2
2
2
2
4
4
4
2
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
4
5
Izvor: Rezultati istraživanja (N=291/293)
Tablica 59. Iskoristivost korištenih podataka i informacija
pravni oblik
zaposleni
djelatnost
IV 3
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
Izvor: Rezultati istraživanja (N=291/293)
277
Uz navedenu iskoristivost, ažuriranje podataka i informacija predstavlja najbolje ocjenjeni
segment informacijske vidljivosti (4,27). Iako bez statističke signifikantnosti, poduzeća su
zadovoljna ovom aktivnošću gdje su s obzirom na djelatnost sve prosječne ocjene ˃ 4,0 uz
izuzetak građevinarstva (3,94), a prednjače financijski sektor (4,46) i telekomunikacije (4,30).
S obzirom na veličinu, srednja su poduzeća iznad prosjeka ocjena (4,32), a s pravnog aspekta
su to ustanove (4,67) i inopoduzeća (4,60). Ove su ocjene prezentirane u tablici 60.
Tablica 60. Ažuriranje unutarnjih podataka i informacija
pravni oblik
zaposleni
djelatnost
IV 4
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
107
90
6
17
26
10
18
8
292
2
26
98
166
292
122
158
5
6
1
292
4,00
4,28
4,32
4,00
3,94
4,46
4,30
4,28
4,25
4,27
4,50
4,15
4,32
4,27
4,27
4,25
4,27
4,60
4,67
4,00
4,27
,816
,595
,732
,632
,899
,582
,675
,669
,463
,674
,707
,834
,667
,653
,674
,634
,711
,548
,516
.
,674
2
2
1
3
2
3
3
3
4
1
4
1
2
2
1
2
1
4
4
4
1
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
4
5
Izvor: Rezultati istraživanja (N=292/293)
Istraživana poduzeća iskazala su rezerviranost prema razmjeni strateških podataka s ključnim
dobavljačima (tablica 61.), a s obzirom na djelatnost uočene su statistički značajne razlike u
odgovorima. Iznad prosjeka su to iskazali trgovina (3,58) i turizam (3,50), a s obzirom na
veličinu srednja poduzeća (3,44) te temeljem pravnog oblika ustanove (3,83). Za uočiti je
ocjena financijskog sektor (2,88). U odnosu na navedeno, poduzeća su nešto otvorenija kada
je riječ o operativnim podacima i informacijama (tablica 62.). Statistički su značajne razlike u
odgovorima s obzirom na djelatnost, a prednjače: prerađivačka industrija (3,88) i trgovina
(3,81); odnosno srednja (3,81) i velika poduzeća (3,71) te ustanove (4,17).
278
Tablica 61. Razmjena strateških podataka i informacija s ključnim dobavljačima
pravni oblik
zaposleni
djelatnost
IV 5
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
105
91
6
17
26
10
17
8
290
2
27
97
164
290
122
156
5
6
1
290
2,40
3,17
3,58
3,50
2,88
2,88
3,20
3,24
3,25
3,24
3,00
3,26
3,44
3,13
3,24
3,18
3,29
2,80
3,83
2,00
3,24
1,174
,975
,978
,548
1,054
,816
1,317
1,200
,886
1,022
1,414
1,259
,957
1,004
1,022
,988
1,042
,837
1,169
.
1,022
1
1
1
3
1
2
1
1
2
1
2
1
1
1
1
1
1
2
2
2
1
5
5
5
4
5
5
5
5
4
5
4
5
5
5
5
5
5
4
5
2
5
Izvor: Rezultati istraživanja (N=290/293)
Tablica 62. Razmjena operativnih podataka i informacija s ključnim dobavljačima
pravni oblik
zaposleni
djelatnost
IV 6
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
91
6
17
26
10
18
8
292
2
27
98
165
292
122
158
5
6
1
292
2,50
3,88
3,81
3,67
3,41
3,46
3,60
3,56
3,63
3,71
3,00
3,37
3,81
3,71
3,71
3,70
3,70
3,40
4,17
4,00
3,71
1,269
,801
,855
,816
,939
,761
1,174
1,097
,916
,909
1,414
1,149
,893
,863
,909
,908
,920
,894
,753
.
,909
1
1
1
3
1
2
1
1
2
1
2
1
1
1
1
1
1
2
3
4
1
5
5
5
5
5
5
5
5
5
5
4
5
5
5
5
5
5
4
5
4
5
Izvor: Rezultati istraživanja (N=292/293)
279
Slično kao i kod dobavljača, istraživana poduzeća su iskazala rezerviranost kada je u pitanju
spremnost na razmjenu strateških podataka i informacija sa svojim kupcima (3,25). Iako među
prikupljenim odgovorima nije uočena statistička značajnost, ovakvoj razmjeni skloni su:
prerađivačka industrija (3,36), trgovina (3,33) i telekomunikacije (3,30); odnosno, srednja
poduzeća (3,41) te ustanove (3,50) i društva s ograničenom odgovornošću (3,35). I kod ovog
pokazatelja treba primjetiti naglašenu suzdržanost financijskog sektora prema razmjeni
podataka i informacija s ključnim kupcima (2,81). Ocjene su vidljive u tablici 63.
Tablica 63. Razmjena strateških podatka i informacija s ključnim kupcima
pravni oblik
zaposleni
djelatnost
IV 7
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
104
91
6
17
26
10
17
8
289
2
27
97
163
289
121
156
5
6
1
289
2,90
3,36
3,33
3,50
2,88
2,81
3,30
3,29
3,13
3,25
3,00
3,07
3,41
3,18
3,25
3,10
3,35
3,20
3,50
4,00
3,25
1,370
,913
1,001
,548
1,054
,694
1,567
,920
1,126
,985
1,414
1,107
,966
,968
,985
,970
,975
,837
1,517
.
,985
1
1
1
3
1
2
1
1
1
1
2
1
1
1
1
1
1
2
1
4
1
5
5
5
4
4
4
5
5
4
5
4
5
5
5
5
5
5
4
5
4
5
Izvor: Rezultati istraživanja (N=289/293)
Istraživana poduzeća iskazala su veću spremnost na dijeljenje operativnih podataka i
informacija sa svojim kupcima (tablica 64.) nego što su to spremna kada je riječ o strateškim
podacima i informacijama. Uz uočenu statističku značajnost, i ovdje je prosječna ocjena vrlo
slična onoj vezano za dobavljače (3,69), s tim da prednjače prerađivačka industrija (4,02),
poslovne usluge (3,89) i turizam (3,83); srednja (3,82) i velika poduzeća (3,72) te dionička
društva (3,72).
280
Tablica 64. Razmjena operativnih podataka i informacija s ključnim kupcima
pravni oblik
zaposleni
djelatnost
IV 8
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
91
6
17
26
10
18
8
292
2
27
98
165
292
122
158
5
6
1
292
3,00
4,02
3,49
3,83
3,41
3,31
3,60
3,89
3,88
3,69
3,00
3,15
3,82
3,72
3,69
3,72
3,68
3,60
3,50
4,00
3,69
1,414
,768
,993
,753
1,004
,838
1,506
,963
1,356
,981
1,414
1,134
,934
,955
,981
,938
1,005
1,140
1,378
.
,981
1
1
1
3
1
2
1
1
1
1
2
1
1
1
1
1
1
2
1
4
1
5
5
5
5
5
5
5
5
5
5
4
5
5
5
5
5
5
5
5
4
5
Izvor: Rezultati istraživanja (N=292/293)
3.2.3. Postignuta razina integracije u hrvatskim poduzećima
Koliko poslovna inteligencija pomaže u integraciji poduzeća odnosno, postizanju suradnje
unutar poduzeća te između poduzeća u opskrbnom lancu tema je bila trećeg seta istraživačkih
pitanja. U sklopu istraživanja ove izvedene varijable postavljena su dva skupa pitanja: o
postignutoj razini suradnji unutar poduzeća te razini suradnji između poduzeća. Sažetak
deskriptivne statistike s obzirom na tri osnovna pitanja o poduzeću prikazan je u tablici 65.
Kod obrađenih odgovora uočena je statistička značajnost kod pitanja INT 1 i INT 5 s obzirom
na glavnu djelatnost istraživanih poduzeća, dok to nije utvrđeno za veličinu i pravni oblik.
Valja napomenuti kako se prema stavu Prof. Rozge odgovori INT 4 i INT 6 također mogu
smatrati statistički značajnima s obzirom na djelatnosti. U nastavku se daje konkretnija
analiza dobivenih odgovora.
281
Tablica 65. Deskriptivna statistika za varijablu integracija
Varijabla
N
Signifikantnost
Aritm.
sredina
Std.
devijacija
Min.
Maks.
djelatnost
veličina
pravni
oblik
INT 1
293
4,30
,583
2
5
0,031*
0,788
0,391
INT 2
288
3,41
1,068
1
5
0,271
0,574
0,439
INT 3
292
2,47
,961
1
5
0,721
0,429
0,667
INT 4
289
3,66
,860
1
5
0,053256
0,442
0,120
INT 5
289
3,83
,842
1
5
0,025*
0,231
0,328
INT 6
287
3,49
,982
1
5
0,052257
0,603
0,670
INT 7
286
3,37
,896
1
5
0,595
0,824
0,171
INT 8
290
4,11
,654
2
5
0,378
0,214
0,150
INT 9
292
4,16
,697
1
5
0,102
0,301
0,261
Izvor: Rezultati istraživanja (N=286-293/293)
Istraživana poduzeća uglavnom su zadovoljna razmjenom podataka i informacija između
različitih odjela (tablica 66.), odnosno službi jer su sve prosječne ocjene ≥ 4,00. Kod
odgovora je uočena statistička značajnost s obzirom na glavnu djelatnost, a najveću razinu
zadovoljstva iskazali su telekomunikacije (4,60), prerađivačka industrija (4,42), turizam i
poslovne usluge (4,33). Također, ali bez statističke značajnosti, prednjače velika poduzeća
(4,32), inopoduzeća (4,80) te ustanove (4,33).
Zajedničko ocjenjivanje i sudjelovanje povezanih odjela u izboru dobavljača nije rašireno
prisutno u istraživanim poduzećima (tablica 67.). Između različitih ocjena nije uočena
statistička značajnost, a iznad prosjeka su poslovne usluge (3,76) i prerađivačka industrija
(3,54); odnosno, mala poduzeća (3,56), dok su ocjene za srednja i velika poduzeća skoro
identične (3,39 i 3,40). S pravnog osnova nadprosječna ocjena evidentirana je kod društava s
ograničenom odgovornošću (3,44). Prisutnost višestrukih verzija istine se kao konstatacija
često koristi u znanstvenoj literaturi kod navođenja razloga za uvođenje PI u poslovanje. Za
očekivati je da su poduzeća njezinom primjenom počeli rješavati ovakve probleme što im
prema iskazanim ocjenama polazi za rukom (2,47). Ove su ocjene prezentirane u tablici 68.
256
257
Prema stavu Prof. Rozge odgovor se može smatrati statistički značajnim.
Prema stavu Prof. Rozge odgovor se može smatrati statistički značajnim.
282
Tablica 66. Unutrašnja razmjena podataka i informacija
pravni oblik
zaposleni
djelatnosr
INT 1
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
107
91
6
17
26
10
18
8
293
2
27
98
166
293
122
159
5
6
1
293
4,00
4,42
4,23
4,33
4,00
4,19
4,60
4,33
4,25
4,30
4,50
4,22
4,28
4,32
4,30
4,28
4,30
4,80
4,33
4,00
4,30
,471
,550
,616
,516
,612
,567
,516
,485
,707
,583
,707
,577
,670
,528
,583
,564
,601
,447
,516
.
,583
3
3
2
4
3
3
4
4
3
2
4
3
2
3
2
2
2
4
4
4
2
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
4
5
Izvor: Rezultati istraživanja (N=293)
Tablica 67. Sudjelovanje svih odjela u ocjenjivanju i izboru dobavljača
pravni oblik
zaposleni
djelatnost
INT 2
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
105
90
6
17
25
10
17
8
288
2
27
96
163
288
120
156
5
6
1
288
2,90
3,54
3,20
3,33
3,35
3,52
3,40
3,76
3,63
3,41
2,50
3,56
3,39
3,40
3,41
3,42
3,44
3,20
2,83
2,00
3,41
1,287
1,019
1,093
1,033
1,272
,918
1,350
,970
,744
1,068
2,121
1,086
1,080
1,052
1,068
1,042
1,036
1,789
1,722
.
1,068
1
1
1
2
1
2
1
1
2
1
1
1
1
1
1
1
1
1
1
2
1
5
5
5
4
5
5
5
5
4
5
4
5
5
5
5
5
5
5
5
2
5
Izvor: Rezultati istraživanja (N=288/293)
283
Tablica 68. Postojanje višestrukih verzija istine
pravni oblik
zaposleni
djelatnost
INT 3
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
91
6
17
26
10
18
8
292
2
27
98
165
292
122
158
5
6
1
292
2,20
2,44
2,55
2,00
2,47
2,35
2,90
2,44
2,50
2,47
1,50
2,33
2,47
2,50
2,47
2,45
2,49
2,00
2,83
2,00
2,47
,919
,916
1,057
,632
,874
,977
,876
1,097
,535
,961
,707
1,074
,997
,921
,961
,892
,995
1,000
1,472
.
,961
1
1
1
1
1
1
1
1
2
1
1
1
1
1
1
1
1
1
1
2
1
3
5
5
3
4
4
4
4
3
5
2
5
5
5
5
4
5
3
5
2
5
Izvor: Rezultati istraživanja (N=292/293)
Poduzeća su integriranost svojih procesa s aspekta opskrbnog lanca ocjenili nešto boljom
ocjenom od prosjeka (tablica 69.). Statistička značajnost je uočena jedino kod odgovora
temeljem djelatnosti gdje prednjače telekomunikacije (4,10), poslovne usluge (3,76),
prerađivačka industrija (3,75) i građevinarstvo (3,71); odnosno mala (3,88) i srednja poduzeća
(3,68) te inopoduzeća (4,20) i ustanove (4,00). Najlošija ocjena zabilježena je kod primarne
proizvodnje (2,80).
Koliko poduzeća surađuju u unapređenju kvalitete proizvoda i usluga u opskrbnom lancu vidi
se iz rezultata prezenitranih u tablici 70. Kod odgovora je zabilježena statistička značajnost s
obzirom na glavnu djelatnost. Najveći stupanj zadovoljstva, odnosno slaganja s izrečenom
tvrdnjom zabilježen je kod telekomunikacija (4,40), u turizmu (4,00) i prerađivačkoj industriji
(3,98); odnosno, bez statističke značajnosti kod srednjih (3,94) i malih poduzeća (3,89) te
ustanova (4,33) i inopoduzeća (4,20) ali bez signifikantnosti. Velika rezerviranost (uz
statističku značajnost) uočena je kod građevinarstva (3,47) te kod financijskog sektora (3,50).
284
Tablica 69. Integriranost procesa opskrbnog lanca
pravni oblik
zaposleni
djelatnost
INT 4
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
Mean
St. devijacija
Min.
Maks.
10
106
90
6
17
26
10
17
7
289
2
26
97
164
289
121
156
5
6
1
289
2,80
3,75
3,64
3,50
3,71
3,50
4,10
3,76
3,57
3,66
4,00
3,88
3,68
3,61
3,66
3,60
3,69
4,20
4,00
2,00
3,66
1,135
,781
1,009
,837
,772
,583
,316
,752
,787
,860
,000
,766
,798
,910
,860
,811
,886
,837
,894
.
,860
1
1
1
2
2
2
4
2
2
1
4
2
1
1
1
1
1
3
3
2
1
4
5
5
4
5
4
5
5
4
5
4
5
5
5
5
5
5
5
5
2
5
Izvor: Rezultati istraživanja (N=289/293)
Tablica 70. Suradnja u unapređenju kvalitete proizvoda i usluga
pravni oblik
zaposleni
djelatnost
INT 5
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
105
91
6
17
26
10
16
8
289
2
27
97
163
289
122
155
5
6
1
289
3,60
3,98
3,81
4,00
3,47
3,50
4,40
3,81
3,50
3,83
4,50
3,89
3,94
3,75
3,83
3,78
3,85
4,20
4,33
3,00
3,83
1,174
,679
,999
,000
,943
,648
,516
,834
,756
,842
,707
,801
,922
,794
,842
,733
,917
,837
,816
.
,842
2
2
1
4
1
3
4
3
2
1
4
2
1
1
1
1
1
3
3
3
1
5
5
5
4
5
5
5
5
4
5
5
5
5
5
5
5
5
5
5
3
5
Izvor: Rezultati istraživanja (N=289/293)
285
Suradnja u razvoju novih proizvoda i usluga (tablica 71.) nešto je lošije ocijenjena (3,49) u
odnosu na unapređenje kvalitete (3,83) tako da je očito kako se ovaj segment sporije razvija
(sve prosječne ocjene su < 4,00). S obzirom na uočenu statističku značajnost temeljem
djelatnosti potrebno je istaknuti telekomunikacije (3,90) i turizam (3,83); odnosno, bez
statističke značajnosti srednja poduzeća (3,58) i društva s ograničenom odgovornošću (3,56).
Tablica 71. Suradnja u razvoju novih proizvoda i usluga
pravni oblik
zaposleni
djelatnost
INT 6
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
Mean
St. devijacija
Min.
Maks.
10
105
90
6
17
26
10
15
8
287
2
26
96
163
287
122
153
5
6
1
287
3,30
3,68
3,36
3,83
3,00
3,27
3,90
3,73
3,25
3,49
3,00
3,50
3,58
3,44
3,49
3,41
3,56
3,20
3,67
3,00
3,49
,949
,838
1,154
,408
1,323
,724
,738
,884
,707
,982
2,828
1,030
1,053
,910
,982
,870
1,032
1,483
1,506
.
,982
2
1
1
3
1
2
2
3
2
1
1
1
1
1
1
1
1
1
1
3
1
5
5
5
4
5
5
5
5
4
5
5
5
5
5
5
5
5
5
5
3
5
Izvor: Rezultati istraživanja (N=287/293)
Prema očekivanju, ocjene postignutog stupnja integriranosti zajedničkih procesa s ostalim
članovima opskrbnog lanca su niže (3,37) u odnosu na ocjene vlastite integriranosti (3,66).
Iako nije uočena statistička značajnost, zadovoljstvo veće od ostalih je izraženije u turizmu
(3,80), kod telekomunikacija (3,60) i poslovnih usluga (3,57); odnosno, kod malih poduzeća
(3,50) te ustanova (4,17) i društava s ograničenom odgovornošću (3,42). Ove su ocjene
prezentirane u tablici 72. Prema podacima iz tablice 73. može se zaključiti kako poduzeća
odnose sa svojim ključnim dobavljačima doživljavaju partnerskim, a najizraženije je to kod
telekomunikacija (4,50), u turizmu (4,17) i trgovini (4,15); odnosno, kod srednjih poduzeća
(4,14) te inopoduzeća (4,60), ustanova (4,17) i društava s ograničenom odgovornošću (4,13).
286
Tablica 72. Integriranost zajedničkih procesa s ostalim članovima opskrbnog lanca
pravni oblik
zaposleni
djelatnost
INT 7
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
105
89
5
17
26
10
16
8
286
2
26
96
162
286
120
154
5
6
1
286
3,10
3,33
3,46
3,80
3,12
3,23
3,60
3,56
3,38
3,37
3,00
3,50
3,38
3,36
3,37
3,29
3,42
3,20
4,17
3,00
3,37
,994
,793
1,001
,447
1,219
,587
,966
,964
,916
,896
2,828
,906
,897
,875
,896
,814
,934
1,483
,753
.
,896
2
1
1
3
1
2
2
1
2
1
1
2
1
1
1
1
1
1
3
3
1
5
5
5
4
5
4
5
5
4
5
5
5
5
5
5
5
5
5
5
3
5
N
A. sred.
St. devijacija
Min.
Maks.
10
106
91
6
17
26
10
16
8
290
2
27
97
164
290
122
156
5
6
1
290
4,20
4,10
4,15
4,17
3,88
3,92
4,50
4,13
4,00
4,11
5,00
4,11
4,14
4,07
4,11
4,06
4,13
4,60
4,17
3,00
4,11
,632
,584
,648
,408
,600
,796
,527
,885
,926
,654
,000
,751
,692
,612
,654
,621
,663
,548
,983
.
,654
3
2
3
4
3
2
4
2
2
2
5
2
3
2
2
2
2
4
3
3
2
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
3
5
Izvor: Rezultati istraživanja (N=286/293)
Tablica 73. Ocjena odnosa s ključnim dobavljačima
pravni oblik
zaposleni
djelatnost
INT 8
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
Izvor: Rezultati istraživanja (N=290/293)
287
Partnerstvo s ključnim kupcima su istraživana poduzeća ocjenila nešto boljim nego kada je to
riječ o dobavljačima, međutim bez statističke značajnosti. S izuzetkom građevinarstva (3,94)
sve ostale prosječne ocjene su ˃ 4,0; a ovo je partnerstvo najizraženije kod telekomunikacija
(4,60) i poslovnih usluga (4,33); odnosno kod srednjih poduzeća (4,20) te inopoduzeća (4,80)
što je vidljivo iz tablice 74.
Tablica 74. Ocjena odnosa s ključnim kupcima
pravni oblik
zaposleni
djelatnost
INT 9
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Total
do 10
od 11 do 50
od 51 do 250
preko 251
Total
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Total
N
A. sred.
St. devijacija
Min.
Maks.
10
106
91
6
17
26
10
18
8
292
2
27
98
165
292
122
158
5
6
1
292
4,10
4,26
4,04
4,17
3,94
4,00
4,60
4,33
4,25
4,16
5,00
4,11
4,20
4,13
4,16
4,11
4,18
4,80
4,00
4,00
4,16
,876
,557
,744
,408
,659
,800
,516
,840
1,035
,697
,000
,698
,688
,703
,697
,658
,721
,447
,894
.
,697
3
3
1
4
3
2
4
2
2
1
5
2
2
1
1
2
1
4
3
4
1
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
4
5
Izvor: Rezultati istraživanja (N=292/293)
3.2.4. Upravljanje opskrbnim lancima u hrvatskim poduzećima
Upitnik o upravljanju opskrbnim lancima u hrvatskim poduzećima sastojao se od pet grupa
pitanja: agilnosti, prilagodljivosti, usklađenja, proaktivnosti i peformansi. Sažetak
deskriptivne statistike za zavisnu varijablu – upravljanje opskrbnim lancem s obzirom na tri
osnovna pitanja o poduzeću prikazan je u tablici 75. U sklopu analize uočeno je 15 statistički
značajnih razlika u odgovorima:
288
s obzirom na djelatnost (SCM 1, SCM 3, SCM 4. SCM 7, SCM 8, SCM 9, SCM 10,
SCM 15, SCM 16, SCM 19, SCM 20);
s obzirom na pravni oblik (SCM 8, SCM, 9, SCM 10 i SCM 18).
U nastavku slijedi osvrt na dobivene rezultate.
Tablica 75. Deskriptivna statistika za varijablu upravljanje opskrbnim lancem
Varijabla
N
Signifikantnost
Aritm.
sredina
Std.
devijacija
Min.
Maks.
djelatnost
veličina
pravni
oblik
SCM 1
290
4,08
,737
1
5
0,058258
0,423
0,917
SCM 2
290
4,12
,700
1
5
0,070
0,568
0,883
SCM 3
288
4,10
,713
1
5
0,015*
0,785
0,940
SCM 4
290
4,17
,773
1
5
0,011*
0,223
0,689
SCM 5
292
3,85
,804
1
5
0,234
0,384
0,600
SCM 6
292
4,25
,733
1
5
0,173
0,540
0,162
SCM 7
292
4,15
,809
1
5
0,054259
0,230
0,396
SCM 8
289
3,78
,746
1
5
0,018*
0,708
0,012*
SCM 9
289
3,91
,713
1
5
0,030*
0,810
0,002**
SCM 10
290
3,67
,816
1
5
0,001**
0,743
0,004**
SCM 11
287
3,39
1,000
1
5
0,624
0,696
0,440
SCM 12
289
3,69
,943
1
5
0,184
0,986
0,374
SCM 13
288
3,65
,988
1
5
0,192
0,750
0,826
SCM 14
288
3,30
1,040
1
5
0,634
0,747
0,947
SCM 15
290
3,74
,819
1
5
0,038*
0,339
0,291
SCM 16
286
3,30
,787
1
5
0,012*
0,214
0,371
SCM 17
289
3,35
,795
1
5
0,069
0,138
0,457
SCM 18
290
3,42
,927
1
5
0,065
0,264
0,032*
SCM 19
290
3,71
,840
1
5
0,000**
0,223
0,244
SCM 20
289
3,76
,868
1
5
0,002**
0,767
0,781
Izvor: Rezultati istraživanja (N=286-292/293)
258
259
Prema stavu Prof. Rozge odgovor se može smatrati statistički značajnim.
Prema stavu Prof. Rozge odgovor se može smatrati statistički značajnim.
289
Generalno gledajući, poduzeća su skratila vrijeme odziva na kupčeve zahtjeve što je vidljivo
iz tablice 76. S obzirom na statističku značajnost temeljem djelatnosti, najbolje su ocjene
zabilježene kod telekomunikacija (4,50) poslovnih usluga (4,17) i prerađivačke industrije
(4,17); odnosno, bez statističke značajnosti kod srednjih poduzeća (4,17) te ustanova (4,33) i
inopoduzeća (4,20).
Tablica 76. Skraćenje vremena odziva na kupčeve zahtjeve
pravni oblik
zaposleni
djelatnost
SCM 1
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
9
106
91
6
17
26
10
18
7
290
2
27
96
165
290
121
157
5
6
1
290
3,44
4,17
4,05
4,17
3,82
4,00
4,50
4,17
3,86
4,08
4,50
4,04
4,17
4,03
4,08
4,06
4,08
4,20
4,33
4,00
4,08
1,236
,749
,765
,408
,809
,490
,527
,514
,378
,737
,707
1,018
,610
,752
,737
,699
,784
,447
,516
.
,737
1
1
1
4
2
3
4
3
3
1
4
1
3
1
1
1
1
4
4
4
1
5
5
5
5
5
5
5
5
4
5
5
5
5
5
5
5
5
5
5
4
5
Izvor: Rezultati istraživanja (N=290/293)
Na tragu prethodnih ocjena također se pokazalo povećanje točnosti isporuka na vrijeme. Iako
kod ovih rezultata nije uočena statistička značajnost potrebno je navesti kako dominiraju
telekomunikacije (4,50), prerađivačka industrija (4,25) i poslovne usluge (4,17); odnosno,
srednja poduzeća (4,19) te ustanove (4,33) i inopoduzeća (4,20) što je vidljivo iz tablice 77.
Statistička značajnost u odgovorima s obzirom na glavnu djelatnost evidentirana je kod ocjene
povećanja kompletiranosti isporuka (tablica 78). Ovaj je progres najizraženiji kod
telekomunikacija (4,50), prerađivačke industrije (4,26) i turizma (4,20); odnosno, bez
statističke značajnosti kod malih (4,15) i srednjih poduzeća (4,12) te ustanova (4,33) i
inopoduzeća (4,20).
290
Tablica 77. Povećanje točnosti isporuka na vrijeme
pravni oblik
zaposleni
djelatnost
SCM 2
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
91
6
17
25
10
18
7
290
2
27
97
164
290
120
158
5
6
1
290
3,90
4,25
4,08
4,17
3,82
3,92
4,50
4,17
3,86
4,12
4,50
4,15
4,19
4,08
4,12
4,08
4,15
4,20
4,33
4,00
4,12
1,101
,663
,718
,408
,883
,493
,527
,707
,378
,700
,707
,949
,583
,718
,700
,668
,739
,447
,516
.
,700
1
2
1
4
2
3
4
3
3
1
4
1
3
1
1
1
1
4
4
4
1
5
5
5
5
5
5
5
5
4
5
5
5
5
5
5
5
5
5
5
4
5
N
A. sred.
St. devijacija
Min.
Maks.
10
105
90
5
17
26
10
18
7
288
2
27
97
162
288
119
157
5
6
1
288
3,60
4,26
4,03
4,20
3,88
3,96
4,50
4,11
3,71
4,10
4,50
4,15
4,12
4,07
4,10
4,10
4,09
4,20
4,33
4,00
4,10
1,265
,651
,741
,447
,781
,528
,527
,676
,488
,713
,707
,949
,665
,701
,713
,718
,728
,447
,516
.
,713
1
2
1
4
3
3
4
3
3
1
4
1
2
1
1
1
1
4
4
4
1
5
5
5
5
5
5
5
5
4
5
5
5
5
5
5
5
5
5
5
4
5
Izvor: Rezultati istraživanja (N=290/293)
Tablica 78. Povećanje kompletiranosti isporuka
pravni oblik
zaposleni
djelatnost
SCM 3
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
Izvor: Rezultati istraživanja (N=288/293)
291
Statistička značajnost između odgovora s obzirom na djelatnost također je utvrđena kod
ocjena spremnosti reagiranja na potrebne modifikacije a što je vidljivo u tablici 79. Poduzeća
su iskazala vrlo dobru spremnost, a što je najizraženije kod telekomunikacija (4,60), u turizmu
(4,50) i poslovnim uslugama (4,39); odnosno, bez statističke značajnosti kod malih (4,41) i
srednjih poduzeća (4,21) te ustanova (4,50) i dioničkih društava (4,21).
Tablica 79. Spremnost reagiranja na potrebne modifikacije
pravni oblik
zaposleni
djelatnost
SCM 4
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
105
91
6
17
26
10
18
7
290
2
27
96
165
290
121
157
5
6
1
290
3,60
4,30
4,08
4,50
3,94
4,00
4,60
4,39
3,86
4,17
4,50
4,41
4,21
4,10
4,17
4,21
4,13
4,00
4,50
4,00
4,17
1,430
,622
,872
,548
,748
,566
,699
,778
,378
,773
,707
,694
,664
,838
,773
,661
,868
,000
,548
.
,773
1
2
1
4
2
3
3
2
3
1
4
3
3
1
1
2
1
4
4
4
1
5
5
5
5
5
5
5
5
4
5
5
5
5
5
5
5
5
4
5
4
5
Izvor: Rezultati istraživanja (N=290/293)
Kako su poduzeća ocijenila svoju spremnost reagiranja na neočekivane tržišne poremećaje
vidljivo je iz tablice 80. Iako bez statističke značajnosti može se uočiti kako su svoju
spremnost poduzeća nešto slabije ocijenila u odnosu na reakcije na zatražene modifikacije, a
ističu se telekomunikacije (4,20), turizam (3,95), prerađivačka industrija (3,95); odnosno,
srednja poduzeća (3,92) te ustanove (4,17) i društva s ograničenom odgovornošću (3,87). U
sklopu ovih pitanja poduzeća su nabolje ocijenila kontinuirano analiziranje poslovne okoline
(sve prosječne ocjene su ˃ 4,00) što je vidljivo u tablici 81. Iako bez uočene statističke
značajnosti ističu se telekomunikacije (4,50), prerađivačka industrija (4,34) i turizam (4,33);
odnosno, srednja poduzeća (4,27) te ustanove (4,67) i dionička društva (4,29).
292
Tablica 80. Spremnost reagiranja na neočekivane tržišne poremećaje
pravni oblik
zaposleni
djelatnost
SCM 5
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
91
6
17
26
10
18
8
292
2
27
98
165
292
122
158
5
6
1
292
3,50
3,95
3,80
4,00
3,47
3,88
4,20
3,72
3,75
3,85
4,50
3,89
3,92
3,79
3,85
3,82
3,87
3,60
4,17
3,00
3,85
1,354
,653
,846
,632
1,007
,516
,919
1,074
,707
,804
,707
,751
,653
,889
,804
,739
,845
,548
1,169
.
,804
1
2
1
3
1
3
2
1
3
1
4
2
2
1
1
1
1
3
2
3
1
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
4
5
3
5
N
A. sred.
St. devijacija
Min.
Maks.
10
106
91
6
17
26
10
18
8
292
2
27
98
165
292
122
158
5
6
1
292
4,10
4,34
4,19
4,33
3,82
4,38
4,50
4,22
4,00
4,25
3,50
4,22
4,27
4,25
4,25
4,29
4,22
3,60
4,67
4,00
4,25
,994
,675
,773
,516
,809
,571
,972
,647
,756
,733
2,121
,847
,726
,702
,733
,649
,779
1,140
,516
.
,733
2
2
1
4
2
3
2
3
3
1
2
1
2
2
1
2
1
2
4
4
1
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
4
5
Izvor: Rezultati istraživanja (N=292/293)
Tablica 81. Kontinuirano analiziranje poslovne okoline
pravni oblik
zaposleni
djelatnost
SCM 6
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
Izvor: Rezultati istraživanja (N=292/293)
293
Prema ocjenama, poduzeća su posvećena praćenjima i unapređenjima svojih poslovnih
strategija (tablica 82.). S obzirom na uočenu statističku značajnost temeljem djelatnosti, treba
naglasiti telekomunikacije (4,60), turizam (4,50) i poslovne usluge (4,33); odnosno, bez
statističke značajnosti mala (4,37) i srednja poduzeća (4,20) te ustanove (4,67).
Tablica 82. Kontinuitet preispitivanja i unapređenja poslovne strategije
pravni oblik
zaposleni
djelatnost
SCM 7
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
91
6
17
26
10
18
8
292
2
27
98
165
292
122
158
5
6
1
292
4,00
4,25
4,08
4,50
3,76
4,08
4,60
4,33
3,63
4,15
4,50
4,37
4,20
4,07
4,15
4,10
4,18
3,80
4,67
4,00
4,15
1,054
,754
,833
,548
1,033
,628
,699
,767
,916
,809
,707
,792
,812
,808
,809
,827
,802
,837
,516
.
,809
2
1
2
4
2
2
3
2
2
1
4
2
2
1
1
1
2
3
4
4
1
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
4
5
Izvor: Rezultati istraživanja (N=292/293)
Statistička značajnost između odgovora s obzirom na dvije osnove: djelatnost i pravni oblik,
uočena je kod ocjene spremnosti suradnje u strateškom planiranju s ključnim dobavljačima a
što je prezentirano u tablici 83. Prema rezultatima, poduzeća nisu previše sklona ovim
aktivnostima (s izuzetkom turizma sve ostale prosječne ocjene su < 4,00), a prednjače
trgovina (3,96) i poslovne usluge (3,82); ustanove (4,33) i društva s ograničenom
odgovornošću (3,88); odnosno bez statističke značajnosti mala (3,89) i srednja poduzeća
(3,80). Ovi su rezultati na tragu ocjena spremnosti razmjene strateških podataka s ključnim
dobavljačima (IV 5) gdje je također uočena određena razina suzdržanosti, a kao i kod ovog
pokazatelja najbolja ocjena je zabilježena kod trgovine.
294
Tablica 83. Usklađivanje strateških planova s ključnim dobavljačima
pravni oblik
zaposleni
djelatnost
SCM 8
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
104
91
6
17
26
10
17
8
289
2
27
97
163
289
121
157
4
6
1
289
3,20
3,79
3,96
4,00
3,47
3,54
3,60
3,82
3,63
3,78
4,00
3,89
3,80
3,74
3,78
3,63
3,88
3,50
4,33
3,00
3,78
,919
,692
,648
,632
1,179
,859
,516
,636
,744
,746
,000
,751
,786
,727
,746
,743
,728
,577
,816
.
,746
2
2
3
3
1
2
3
3
3
1
4
3
1
2
1
2
1
3
3
3
1
5
5
5
5
5
5
4
5
5
5
4
5
5
5
5
5
5
4
5
3
5
Izvor: Rezultati istraživanja (N=289/293)
Kod ocjene usklađivanja strateških planova s ključnim kupcima također je uočena statistička
značajnost između odgovora po dvije osnove: djelatnosti i pravnom obliku. Ovi su rezultati
prezentirani u tablici 84. Prema rezultatima, očito su poduzeća nešto spremnija na ovakve
aktivnosti s kupcima u odnosu na dobavljače, a prednjače turizam (4,17), telekomunikacije
(4,11) i prerađivačka industrija (4,08); ustanove i društva s ograničenom odgovornošću
(4,00); te bez statističke značajnosti mala (3,89) i srednja poduzeća (3,80). Usporedbom ovih
ocjena s onima o spremnosti razmjene strateških podataka i informacija s ključnim kupcima,
može se zaključiti kako su poduzeća izrazila deklarativno veću spremnost prema strateškoj
suradnji nego što su spremna razmjenjivati strateške podatke i informacije za više od pola
ocjene (3,91 – 3,25 = 0,66).
Ocjene o uspješnosti optimiziranja povezanih procesa s partnerima iz lanca pokazuju
statističku značajnost s obzirom na djelatnost i pravni oblik (tablica 85.). Očito jest da u ovom
segmentu ima dosta prostora za napredak (s izuzetkom turizma sve ostale prosječne ocjene su
< 4,00), a ističu se prerađivačka industrija (3,80), telekomunikacije (3,70) i poslovne usluge
(3,69); ustanove (4,33) i društva s ograničenom odgovornošću (3,76); odnosno, bez statističke
značajnosti srednja (3,73) i mala poduzeća (3,70).
295
Tablica 84. Usklađivanje strateških planova s ključnim kupcima
pravni oblik
zaposleni
djelatnost
SCM 9
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
105
90
6
17
26
9
18
8
289
2
27
98
162
289
120
157
5
6
1
289
3,60
4,08
3,81
4,17
3,71
3,62
4,11
3,94
4,00
3,91
3,50
3,93
3,94
3,89
3,91
3,83
4,00
2,80
4,00
4,00
3,91
,843
,631
,748
,753
,985
,697
,333
,639
,535
,713
2,121
,675
,744
,687
,713
,669
,707
,837
,894
.
,713
2
2
1
3
2
2
4
3
3
1
2
3
2
1
1
2
1
2
3
4
1
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
4
5
4
5
Izvor: Rezultati istraživanja (N=289/293)
Tablica 85. Optimiziranje povezanih procesa s partnerima iz opskrbnog lanca
pravni oblik
zaposleni
djelatnost
SCM 10
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
91
6
17
26
10
16
8
290
2
27
97
164
290
122
156
5
6
1
290
3,40
3,80
3,78
4,00
3,18
3,08
3,70
3,69
3,50
3,67
3,50
3,70
3,73
3,62
3,67
3,55
3,76
2,80
4,33
3,00
3,67
,966
,749
,727
,632
1,185
,628
1,160
,873
,535
,816
2,121
,775
,823
,809
,816
,794
,804
,837
,816
.
,816
2
1
2
3
1
1
2
2
3
1
2
2
1
1
1
1
1
2
3
3
1
5
5
5
5
5
4
5
5
4
5
5
5
5
5
5
5
5
4
5
3
5
Izvor: Rezultati istraživanja (N=290/293)
296
Poduzeća još uvijek nedovoljno provode scenario analize (sve prosječne ocjene su < 3,80), a
126 (43,0%) ih se uglavnom slaže, odnosno 26 (8,9%) ih se u potpunosti slaže s ovom
konstatacijom. Rezultati su prikazani u tablici 86. Iako bez uočene statističke značajnosti, a
prema očekivanju, bolji od prosjeka su telekomunikacije (3,80), poslovne usluge (3,59) i
financijski sektor (3,46); odnosno, mala (3,58) i velika poduzeća (3,39) te ustanove (3,67) i
dionička društva (3,45).
Tablica 86. Provođenje scenario analiza
pravni oblik
zaposleni
djelatnost
SCM 11
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
104
89
6
17
26
10
17
8
287
2
26
97
162
287
121
154
5
6
1
287
3,10
3,36
3,38
3,83
3,24
3,46
3,80
3,59
3,00
3,39
3,00
3,58
3,34
3,39
3,39
3,45
3,35
3,00
3,67
2,00
3,39
,994
,965
1,082
,408
1,251
,706
1,476
,870
,535
1,000
1,414
1,027
1,060
,960
1,000
,966
,994
1,581
1,366
.
1,000
1
1
1
3
1
2
1
2
2
1
2
1
1
1
1
1
1
1
1
2
1
4
5
5
4
5
5
5
5
4
5
4
5
5
5
5
5
5
5
5
2
5
Izvor: Rezultati poslovanja (N=287/293)
Provođenje prognoziranja događanja bolje je ocjenjeno nego provođenje scenario analiza (s
izuzetkom telekomunikacija ostale prosječne ocjene su < 3,90), a 153 (52,2%) ih se uglavnom
slaže, odnosno 43 (14,7%) ih se u potpunosti slaže s ovom izjavom. Isto tako, pokazalo se da
ih manje od 10% uopće ili uglavnom ne provode ovu aktivnost. Iako bez statističke
značajnosti prednjače telekomunikacije (4,20), poslovne usluge (3,82) i prerađivačka
industrija (3,80); odnosno velika poduzeća (3,70) te ustanove (4,17) i društva s ograničenom
odgovornošću (3,74). Rezultati ovog pokazatelja prikazani su u tablici 87.
297
Tablica 87. Provođenje prognoziranja događanja
pravni oblik
zaposleni
djelatnost
SCM 12
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
89
6
17
26
10
17
8
289
2
26
97
164
289
122
155
5
6
1
289
3,10
3,80
3,62
3,83
3,41
3,62
4,20
3,82
3,50
3,69
3,50
3,69
3,67
3,70
3,69
3,63
3,74
3,20
4,17
3,00
3,69
,994
,844
1,113
,408
1,064
,697
1,229
,636
,535
,943
,707
1,087
,997
,894
,943
,855
,994
1,483
,753
.
,943
1
1
1
3
1
2
1
3
3
1
3
1
1
1
1
1
1
1
3
3
1
4
5
5
4
5
5
5
5
4
5
4
5
5
5
5
5
5
5
5
3
5
Izvor: Rezultati istraživanja (N=289/293)
Rasprostranjenost provođenja analize trenda skoro je identična prognoziranju događanja što je
prikazano u tablici 88. Prema rezultatima, 142 poduzeća (48,5%) se uglavnom slaže a 46
(15,7%) ih se u potpunosti slaže s navedenom tvrdnjom. Iako bez statističke značajnosti, ova
se analiza najviše provodi u turizmu (4,00), telekomunikacijama (3,90) i poslovnim uslugama
(3,82); odnosno, u malim poduzećima (3,85) te ustanovama (3,83) i društvima s ograničenom
odgovornošću (3,67).
Najlošiji pokazatelji su oni kojim su poduzeća ocjenjivala provođenje analize vremenskog
slijeda što je vidljivo iz tablice 89. Prema dobivenim rezultatima, može se zaključiti kako je
ovo najslabije korištena metoda (uz izuzetak turizma, sve ostale prosječne ocjene su < 3,70), a
103 poduzeća (35,2%) se uglavnom slažu, dok ih se 30 (10,2) u potpunosti slaže s
postavljenom tvrdnjom. Iako bez uočene statističke značajnosti bolji od prosjeka su turizam
(4,00), poslovne usluge (3,65) i telekomunikacije (3,50); odnosno, mala poduzeća (3,50) te
ustanove (3,50).
298
Tablica 88. Provođenje analize trenda
pravni oblik
zaposleni
djelatnost
SCM 13
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
105
89
6
17
26
10
17
8
288
2
26
97
163
288
122
154
5
6
1
288
3,20
3,71
3,69
4,00
3,24
3,58
3,90
3,82
3,00
3,65
3,50
3,85
3,62
3,63
3,65
3,62
3,67
3,20
3,83
4,00
3,65
,789
,927
1,083
,000
1,091
,703
1,370
1,074
,756
,988
,707
,834
1,025
,994
,988
,903
1,023
1,483
1,472
.
,988
2
1
1
4
1
2
1
1
2
1
3
2
1
1
1
1
1
1
1
4
1
4
5
5
4
5
5
5
5
4
5
4
5
5
5
5
5
5
5
5
4
5
N
A. sred.
St. devijacija
Min.
Maks.
10
105
89
6
17
26
10
17
8
288
2
26
97
163
288
122
154
5
6
1
288
3,20
3,30
3,20
4,00
3,24
3,31
3,50
3,65
3,13
3,30
3,50
3,50
3,30
3,26
3,30
3,31
3,29
3,00
3,50
3,00
3,30
,632
1,055
1,130
,000
1,147
,736
1,179
1,115
,835
1,040
,707
,990
1,032
1,059
1,040
,980
1,072
1,414
1,378
.
1,040
2
1
1
4
1
2
1
1
2
1
3
1
1
1
1
1
1
1
1
3
1
4
5
5
4
5
5
5
5
4
5
4
5
5
5
5
5
5
5
5
3
5
Izvor: Rezultati istraživanja (N=288/293)
Tablica 89. Provođenje analize vremenskog slijeda
pravni oblik
zaposleni
djelatnost
SCM 14
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
Izvor: Rezultati istraživanja (N=288/293)
299
Koliko su poduzeća uspjela smanjiti troškove funkcioniranja svojih opskrbnih lanaca
pokazuju rezultati u tablici 90. Statistička značajnost je zabilježena s obzirom na djelatnost
gdje su najzadovoljnije telekomunikacije (4,20), turizam (4,00), prerađivačka industrija (3,84)
i trgovina (3,77); odnosno, bez statističke značajnosti srednja poduzeća (3,79) te inopoduzeća
(4,40), ustanove (3,83) i društva s ograničenom odgovornošću (3,76).
Tablica 90. Postignuto smanjenje troškova funkcioniranja opskrbnog lanca
pravni oblik
zaposleni
djelatnost
SCM 15
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
106
91
5
17
26
10
17
8
290
2
27
98
163
290
121
157
5
6
1
290
3,20
3,84
3,77
4,00
3,47
3,46
4,20
3,76
3,38
3,74
4,50
3,85
3,79
3,68
3,74
3,68
3,76
4,40
3,83
3,00
3,74
1,135
,745
,857
,000
,943
,811
,422
,903
,518
,819
,707
,949
,692
,866
,819
,755
,871
,548
,753
.
,819
1
1
1
4
2
2
4
2
3
1
4
1
2
1
1
2
1
4
3
3
1
5
5
5
4
5
5
5
5
4
5
5
5
5
5
5
5
5
5
5
3
5
Izvor: Rezultati istraživanja (N=290/293)
Od svih pokazatelja performansi, poduzeća su najmanje zadovoljstva iskazali u postignutom
povećanju povratu na imovinu (ROA) u odnosu na svoje konkurente (s izuzetkom turizma,
sve ostale prosječne ocjene su < 3,60) što je prikazano u tablici 91. Statistička je značajnost
uočena u odgovorima s obzirom na djelatnost, a najbolje ocjene su zabilježene u turizmu
(4,00), i poslovnim uslugama (3,53) i trgovini (3,34). Prema očekivanjima, najlošiji su
pokazatelji primarne proizvodnje (2,60) i građevinarstva (2,94). Za očekivati je bilo bolju
ukupnu ocjenu financijskog sektora. Bez statističke značajnosti bolji od prosjeka su mala
(3,48) i srednja poduzeća (3,39) te inopoduzeća (3,40).
300
Tablica 91. Postignuto povećanje povrat na imovinu (ROA) u odnosu na konkurente
pravni oblik
zaposleni
djelatnost
SCM 16
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
105
90
6
16
24
10
17
8
286
2
27
97
160
286
120
154
5
6
1
286
2,60
3,36
3,34
4,00
2,94
3,21
3,20
3,53
3,13
3,30
3,00
3,48
3,39
3,23
3,30
3,24
3,36
3,40
3,33
2,00
3,30
,966
,709
,823
,894
,772
,658
,789
,943
,354
,787
1,414
,700
,701
,839
,787
,733
,814
1,140
,816
.
,787
1
2
1
3
2
2
2
1
3
1
2
2
2
1
1
2
1
2
2
2
1
4
5
5
5
5
5
5
5
4
5
4
5
5
5
5
5
5
5
4
2
5
Izvor: Rezultati istraživanja (N=286/293)
Zadovoljstvo povećnjem povrata na uloženo (ROI) u odnosu na konkurente poduzeća su
slično ocijenila kao i prethodni pokazatelj (uz izuzetak turizma, sve ostale prosječne ocjene su
< 3,50), a bez statističke značajnosti veće zadovoljstvo postignutim iskazali su turizam (4,17),
poslovne usluge (3,47) i prerađivačka industrija (3,41); odnosno, mala (3,52) i srednja
poduzeća (3,46) te inopoduzeća (3,40). Ove su ocjene prezentirane u tablici 92.
Zadovoljstvo istraživanih poduzeća postignutim povećanje tržišnog udjela i volumena prodaje
u odnosu na konkurente prikazani su u tablici 93. Statistički značajnim su se pokazali
odgovori temeljem pravnog oblika gdje treba istaknuti društva s ograničenom odgovornošću
(3,57) i ustanove (3,50), odnosno 102 poduzeća (34,8%) su se uglavnom složila, a 34 (11,6%)
ih se u potpunosti složilo s postavljenom tvrdnjom. Bez statističke značajnosti najveće
zadovoljstvo su iskazali: trgovina (3,54) i prerađivačka industrija (3,51), odnosno, mala (3,59)
i srednja poduzeća (3,52).
301
Tablica 92. Postignuto povećanje povrata na uloženo (ROI) u odnosu na konkurente
pravni oblik
zaposleni
djelatnost
SCM 17
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
105
90
6
17
26
10
17
8
289
2
27
97
163
289
122
155
5
6
1
289
2,90
3,41
3,37
4,17
3,00
3,31
3,20
3,47
3,25
3,35
3,00
3,52
3,46
3,26
3,35
3,31
3,39
3,40
3,33
2,00
3,35
,876
,730
,854
,753
,791
,679
,789
,943
,463
,795
1,414
,753
,737
,823
,795
,728
,834
1,140
,816
.
,795
1
2
1
3
2
2
2
1
3
1
2
2
2
1
1
2
1
2
2
2
1
4
5
5
5
5
5
5
5
4
5
4
5
5
5
5
5
5
5
4
2
5
N
A. sred.
St. devijacija
Min.
Maks.
10
105
91
6
17
26
10
17
8
290
2
27
98
163
290
121
157
5
6
1
290
2,80
3,51
3,54
3,33
2,94
3,38
3,30
3,41
2,88
3,42
3,00
3,59
3,52
3,33
3,42
3,21
3,57
3,40
3,50
3,00
3,42
1,317
,878
,923
1,033
1,088
,496
,949
1,176
,641
,927
1,414
,971
,828
,969
,927
,896
,935
,894
,837
.
,927
1
2
1
2
1
3
2
1
2
1
2
2
2
1
1
1
1
2
2
3
1
5
5
5
5
5
4
5
5
4
5
4
5
5
5
5
5
5
4
4
3
5
Izvor: Rezultati istraživanja (N=289/293)
Tablica 93. Povećanje tržišnog udjela u odnosu na konkurente
pravni oblik
zaposleni
djelatnost
SCM 18
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
Izvor: Rezultati istraživanja (N=290/293)
302
Više od ⅔ istraživanih poduzeća pozitivno se očitovalo o povećanju efikasnosti opskrbnog
lanca; odnosno, 165 poduzeća (56,3%) se uglavnom složilo, a 35 (11,9%) ih se u potpunosti
složilo s ponuđenim odgovorom. Statistička značajnost se utvrdila kod prikupljenih odgovora
temeljem glavne djelatnosti, a efikasnošću svog opskrbnog lanca su najzadovoljniji
telekomunikacije i turizam (4,00) i prerađivačka industrija (3,87), dok su najnezadovoljniji
primarna proizvodnja (3,00) i građevinarstvo (3,06). Bez statističke značajnosti boljom
ocjenom od prosjeka očitovali su se mala (3,81) i srednja poduzeća (3,79) te inopoduzeća
(4,00) i ustanove (3,83). Ove su ocjene prikazane u tablici 94.
Tablica 94. Povećanje efikasnosti opskrbnog lanca
pravni oblik
zaposleni
djelatnost
SCM 19
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
105
91
6
17
26
10
17
8
290
2
27
98
163
290
121
157
5
6
1
290
3,00
3,87
3,78
4,00
3,06
3,31
4,00
3,76
3,63
3,71
4,50
3,81
3,79
3,63
3,71
3,66
3,74
4,00
3,83
2,00
3,71
1,155
,680
,814
,632
1,298
,679
,667
1,033
,518
,840
,707
,921
,677
,909
,840
,802
,863
,707
,983
.
,840
1
1
1
3
1
2
3
1
3
1
4
2
1
1
1
1
1
3
2
2
1
4
5
5
5
5
5
5
5
4
5
5
5
5
5
5
5
5
5
5
2
5
Izvor: Rezultati istraživanja (N=290/293)
U sklopu ocjena performansi najbolji pokazatelji su evidentirani u ocjeni skraćenja vremena
donošenja odluka u opskrbnom lancu što je prikazano u tablici 95. Razlike u odgovorima s
obzirom na glavnu djelatnost su statistički značajne, a najbolje su u telekomunikacijama
(4,00), prerađivačkoj industriji i trgovina (3,88), dok su najlošije u primarnoj proizvodnju
(3,00) i građevinarstvu (3,12). Bez statističke značajnosti bolje ocjene od prosjeka zabilježene
su kod srednjih (3,82) i malih poduzeća (3,81) te društva s ograničenom odgovornošću (3,80).
303
Tablica 95. Postignuto skraćenje vremena odlučivanja unutar opksrbnog lanca
pravni oblik
zaposleni
djelatnost
SCM 20
primarna proizvodnja
prerađivačka industrija
trgovina
turizam i ugostiteljstvo
građevinarstvo
bankarstvo, osiguranje i fin. usluge
telekomunikacije
poslovne usluge
ostalo
Ukupno
do 10
od 11 do 50
od 51 do 250
preko 251
Ukupno
d.d.
d.o.o.
inozemni osnivač
ustanova
drugo
Ukupno
N
A. sred.
St. devijacija
Min.
Maks.
10
105
90
6
17
26
10
17
8
289
2
26
98
163
289
120
157
5
6
1
289
3,00
3,88
3,88
3,83
3,12
3,50
4,00
3,76
3,63
3,76
4,00
3,81
3,82
3,71
3,76
3,70
3,80
3,80
3,83
3,00
3,76
1,247
,716
,859
,408
1,219
,707
,943
1,091
,518
,868
1,414
,849
,778
,921
,868
,805
,916
,837
,983
.
,868
1
1
1
3
1
2
3
1
3
1
3
2
1
1
1
1
1
3
2
3
1
5
5
5
4
5
5
5
5
4
5
5
5
5
5
5
5
5
5
5
3
5
Izvor: Rezultati istraživanja (N=289/293)
304
3.3.
Pouzdanost mjernih ljestvica
Nakon deskriptivne statistike, a u svrhu ispitivanja psihometrijske adekvatnosti skupa
varijabli, potrebno je izvršiti testiranje pouzdanosti mjernih ljestvica, odnosno ocijeniti
unutarnju dosljednost skupa tvrdnji. Najpoznatiju mjeru koja može poprimiti vrijednosti od 0
do 1, predstavlja Cronbach Alfa (α). U literaturi ima više pristupa oko definiranja granične
vrijednosti ovog pokazatelja. Općenito govoreći, poželjiniji je što veći pokazatelj kako bi se
proučavane varijable smatrale visoko interno konzistentnima. Hair et al. (2010.) drže da ova
vrijednost treba biti iznad 0,7, dok Churchill (1979.) smatra da razina prihvaćanja zavisi od
svrhe istraživanja te sugerira 0,6 kao donju granicu prihvaćanja pouzdanosti ove ljestvice.
O'Leary-Kelly i Vokurka (1998.) prihvaćaju 0,5 u slučajevima kada je riječ o novorazvijenim
ljestvicama, odnosno kada je riječ o ranim fazama istraživanja te navode kako Van de Venn i
Ferry (1980.) prihvaćaju čak i 0,4 za široko definirane konstrukte. Breugelmans et al. (2004.,
prema Anić, Mihić i Jurić, 2010.) sugeriraju 0,5 kao graničnu vrijednost kod eksplorativnih
istraživanja. Tavakol i Dennick (2011.) objašnjavaju moguće razloge nižeg koeficijenta: mali
broj pitanja (čestica), slaba unutranja korelacija ili heterogenost konstrukta. Izvori podataka i
informacija predstavljaju prvu planiranu dimenziju varijable poslovna inteligencija. Cronbach
alfa iznosi 0,486 a procjena svih elemenata mjerne ljestvice prikazana je u tablici 96.
Tablica 96. Procjena pouzdanosti dimenzije izvori podataka i informacija
A. sr. ljestvice ako se
izostavi tvrdnja
Varijanca ljestvice ako
se izostavi tvrdnja
Korigirana ukupna
korelacija
Cronbach alfa ako se
izostavi tvrdnja
BI1
15,37
5,000
,362
,370
BI2
15,18
5,171
,375
,371
BI3
15,59
4,762
,375
,354
BI4
15,45
5,865
-,024
,657
BI5
15,35
4,776
,368
,359
Cronbach alfa
,486
Broj stavki
5
Izvor: Rezultati istraživanja (N=278/293)
Analizom dobivenih rezultata uočljivo je kako bi izostavljanje tvrdnje BI 4 značajno
pridonijelo poboljšanju ukupne pouzdanosti. Cronbach alfa za drugu dimenziju (pouzdanost
305
podataka i informacija) pokazuje negativan rezultat -0,691. U tablici 97. daje se procjena svih
elemenata ove dimenzije.
Tablica 97. Procjena pouzdanosti dimenzije pouzdanost podataka i informacija
A. sr. ljestvice ako se
izostavi tvrdnja
Varijanca ljestvice ako
se izostavi tvrdnja
Korigirana ukupna
korelacija
Cronbach alfa ako se
izostavi tvrdnja
BI6
6,13
,823
-,102
-,899
BI7
6,72
,794
-,127
-,841
BI8
8,13
,897
-,408
,519
Cronbach alfa
-,691
broj stavki
3
Izvor: Rezultati istraživanja (N=289/293)
Očito je kako bi izostavljanje tvrdnje BI 8 popravilo rezultat pouzdanosti mjerne ljestvice.
Prije je navedeno kako ona predstavlja kontrolno pitanje, a niža je ocjena bila poželjnija, zato
i ne čudi potreba njene eliminacije iz daljnje analize. Nakon provedenih opisanih analiza i
eliminacijom tvrdni BI 4 i BI 8, ocjenjeno je potrebnim formiranje zajedničke dimenzije od
preostalih tvrdnji – izvori i pouzdanost podataka i informacija. Novouspostavljena dimenzija
potom se testirala te je dobiven Cronbach alfa 0,689 a pouzdanost pojedinačnih elemenata
prikazana je u tablici 98. Prema dobivenim rezultatima može se zaključiti kako je ukupna
pouzdanost nove dimenzije zadovoljavajuća, a izabrane se varijable međusobno dobro slažu.
Tablica 98. Procjena pouzdanosti dimenzije izvori i pouzdanost podataka i informacija
A. sr. ljestvice ako se
izostavi tvrdnja
Varijanca ljestvice ako
se izostavi tvrdnja
Korigirana ukupna
korelacija
Cronbach alfa ako se
izostavi tvrdnja
BI1
19,72
5,895
0,465
0,632
BI2
19,53
6,359
0,401
0,654
BI3
19,94
5,891
0,41
0,655
BI5
19,69
5,415
0,535
0,605
BI6
19,23
6,899
0,46
0,647
BI7
19,81
7,283
0,281
0,687
Cronbach alfa
0,689
broj stavki
6
Izvor: Rezultati istraživanja (N=279/293)
306
Pristup podacima i informacijama predstavlja sljedeću dimenziju poslovne inteligencije te je
analiza njezine pozdanosti dala zadovoljavajuće rezultate, odnosno Cronbach alfa je 0,780 a
procjena pouzdanosti elemenata koji tvore ovu dimenziju vidi se u tablici 99.
Tablica 99. Procjena pouzdanosti dimenzije pristup podacima i informacijama
A. sr. ljestvice ako se
izostavi tvrdnja
Varijanca ljestvice ako
se izostavi tvrdnja
Korigirana ukupna
korelacija
Cronbach alfa ako se
izostavi tvrdnja
BI9
12,88
3,594
,513
,771
BI10
12,89
3,625
,694
,676
BI11
13,03
3,373
,655
,689
BI12
13,08
4,098
,505
,765
Cronbach alfa
,780
broj stavki
4
Izvor: Rezultati istraživanja (N=290/293)
Analiza napredne analitike kao treće dimenzije poslovne inteligencije također je pokazala vrlo
dobru internu konzistentnost (Cronbach alfa = ,788) a njezini rezultati, čije vrijednosti
omogućuju provođenje nastavka multivarijatne statistike odnosno faktorske analize,
prezentirani su u tablici 100.
Tablica 100. Procjena pouzdanosti dimenzije napredna analitika
A. sr. ljestvice ako se
izostavi tvrdnja
Varijanca ljestvice ako
se izostavi tvrdnja
Korigirana ukupna
korelacija
Cronbach alfa ako se
izostavi tvrdnja
BI13
9,68
8,481
,621
,723
BI14
9,59
7,829
,662
,701
BI15
9,86
8,667
,647
,710
BI16
9,20
10,712
,470
,793
Cronbach alfa
,788
broj stavki
4
Izvor: Rezultati istraživanja (N=281/293)
Dimenzija intuicija i vrijeme također pokazuje vrlo dobru unutarnju dosljednost (Cronbach
alfa = ,765) tako da se prema ovim vrijednostima, bez ikakvih intervencija, može provoditi
daljnja obrada. Pokazatelji ove dimenzije vidljivi su u tablici 101.
307
Tablica 101. Procjena pouzdanosti dimenzije intuicija i vrijeme
A. sr. ljestvice ako se
izostavi tvrdnja
Varijanca ljestvice ako
se izostavi tvrdnja
Korigirana ukupna
korelacija
Cronbach alfa ako se
izostavi tvrdnja
BI17
16,24
4,781
,388
,769
BI18
16,13
4,839
,422
,757
BI19
16,42
4,002
,658
,676
BI20
16,33
3,931
,699
,661
BI21
16,45
4,130
,521
,729
Cronbach alfa
,765
broj stavki
5
Izvor: Rezultati istraživanja (N=289/293)
Organizacija poslovne inteligencije predstavlja posljednju dimenziju analizirane nezavisne
varijable. Interna dosljednost nije se pokazala zadovoljavajućom (Cronbach α = ,286) pa se
pristupilo analizi elemenata koji je tvore, a prikazani su u tablici 102.
Tablica 102. Procjena pouzdanosti dimenzije organizacija PI
A. sr. ljestvice ako se
izostavi tvrdnja
Varijanca ljestvice ako
se izostavi tvrdnja
Korigirana ukupna
korelacija
Cronbach alfa ako se
izostavi tvrdnja
BI22
13,31
4,591
0,21
0,157
BI23
13,57
5,275
0,196
0,187
BI24
13,56
4,482
0,459
-,055a
BI25
13,8
4,365
0,436
-,056a
BI26
15,05
8,459
-0,386
0,635
Cronbach alfa
0,286
broj stavki
5
Izvor: Rezultati istraživanja (N=283/293)
Analizom podataka iz gornje tablice vidljivo je da bi eliminacija posljednje tvrdnje BI 26
značajno pridonijela kvaliteti rezultata. Prethodno je pojašnjeno kako ova tvrdnja predstavlja
filter pomoću kojeg se poduzeća koja nemaju organiziranu poslovnu inteligenciju mogu
isključiti iz istraživanja, a sve sukladno unaprijed određenim planom provedbe istraživanja.
Nakon isključenja ove stavke rezultati su pokazali zadovoljavajuće veličine (Cronbach alfa =
,635) tako da se može potvrditi valjanost ove ljestvice. Ponovljene pokazatelje, nakon
isključenja tvrdnje BI 26 prikazuje tablica 103.
308
Tablica 103. Procjena nove pouzdanosti dimenzije organizacija PI
A. sr. ljestvice ako se
izostavi tvrdnja
Varijanca ljestvice ako
se izostavi tvrdnja
Korigirana ukupna
korelacija
Cronbach alfa ako se
izostavi tvrdnja
BI22
11,04
4,981
0,36
0,62
BI23
11,29
5,527
0,402
0,575
BI24
11,29
5,489
0,47
0,533
BI25
11,53
5,349
0,452
0,541
Cronbach alfa
0,635
broj stavki
4
Izvor: Rezultati istraživanja (N=283/293)
Nakon testiranja pouzdanosti varijable poslovna inteligencija zaključno se može ustvrditi
kako će se nastavak statističke analize provoditi temeljem utvrđenih pet dimenzija (izvori i
pouzdanost podataka i informacija; pristup podacima i informacijama, napredna analitika,
intuicija i vrijeme; organizacija poslovne inteligencije) čije su mjerne ljestvice pokazale
zadovoljavajuću razinu pouzdanosti, odnosno interne dosljednosti.
Mjerne ljestvice za obje dimenzije informacijske vidljivosti kao izvedene varijable (kvaliteta
sadržaja i razina vidljivosti) pokazuju zadovoljavajuće vrijednosti (Cronbach alfe su ,825 i
,786) te se mogu smatrati prihvatljivima za nastavak statističke obrade. Njihovi se rezultati
prikazuju u tablicama 104 i 105.
Tablica 104. Procjena pouzdanosti dimenzije kvaliteta sadržaja
A. sr. ljestvice ako se
izostavi tvrdnja
Varijanca ljestvice ako
se izostavi tvrdnja
Korigirana ukupna
korelacija
Cronbach alfa ako se
izostavi tvrdnja
IV1
12,67
2,284
,638
,788
IV2
12,79
2,061
,702
,756
IV4
12,64
1,952
,597
,816
IV3
12,64
2,119
,693
,761
Cronbach alfa
,825
broj stavki
4
Izvor: Rezultati istraživanja (N=289/293)
309
Tablica 105. Procjena pouzdanosti dimenzije razina vidljivosti
A. sr. ljestvice ako se
izostavi tvrdnja
Varijanca ljestvice ako
se izostavi tvrdnja
Korigirana ukupna
korelacija
Cronbach alfa ako se
izostavi tvrdnja
IV5
10,63
5,567
,555
,755
IV6
10,18
5,745
,620
,722
IV7
10,63
5,476
,615
,723
IV8
10,19
5,580
,589
,736
Cronbach alfa
,786
broj stavki
4
Izvor: Rezultati istraživanja (N=289/293)
Varijabla integracija operacionalizirala se kroz dvije dimenzije: suradnja unutar poduzeća i
suradnja između poduzeća. Analiza pouzdanosti prve mjerne ljestvice nije pokazala
zadovoljavajuće rezultate (Cronbach alfa iznosi ,285) te se pristupilo analizi njezinih stavki
koje su prezentirane u tablici 106. Nakon eliminacije tvrdnje INT 3 rezultat pouzdanosti se
popravio (Cronbach alfa iznosi ,479 – tablica 107.) te će se nastaviti sa statističkom obradom.
Tablica 106. Procjena pouzdanosti dimenzije suradnja unutar poduzeća
A. sr. ljestvice ako se
izostavi tvrdnja
Varijanca ljestvice ako
se izostavi tvrdnja
Korigirana ukupna
korelacija
Cronbach alfa ako se
izostavi tvrdnja
INT1
9,52
3,13
0,257
0,154
INT2
10,42
2,039
0,267
0,028
INT3
11,35
3,293
-0,056
0,48
INT4
10,17
2,721
0,196
0,167
Cronbach alfa
0,285
broj stavki
4
Izvor: Rezultati istraživanja (N=283/293)
Tablica 107. Procjena nove pouzdanosti dimenzije suradnja unutar poduzeća
A. sr. ljestvice ako se
izostavi tvrdnja
Varijanca ljestvice ako
se izostavi tvrdnja
Korigirana ukupna
korelacija
Cronbach alfa ako se
izostavi tvrdnja
INT1
7,05
2,312
0,349
0,367
INT2
7,96
1,299
0,34
0,334
INT4
7,7
1,907
0,271
0,428
Cronbach alfa
0,479
broj stavki
3
Izvor: Rezultati istraživanja (N=283/293)
310
Analiza pouzdanosti mjerne ljestvice suradnje između poduzeća pokazala je zadovoljavajuću
unutrašnju dosljednost te se može koristiti za daljnju obradu. Ovi su rezultati prezentirani u
tablici 108.
Tablica 108. Procjena pouzdanosti dimenzije suradnja između poduzeća
A. sr. ljestvice ako se
izostavi tvrdnja
Varijanca ljestvice ako
se izostavi tvrdnja
Korigirana ukupna
korelacija
Cronbach alfa ako se
izostavi tvrdnja
INT5
15,14
5,872
,610
,726
INT6
15,48
5,117
,667
,704
INT7
15,60
5,691
,586
,734
INT8
14,87
6,940
,468
,771
INT9
14,81
6,751
,486
,766
Cronbach alfa
,783
broj stavki
5
Izvor: Rezultati istraživanja (N=285/293)
Zavisna varijabla upravljanje opskrbnim lancem se istraživala kroz pet dimenzija (agilnost,
prilagodljivost, usklađenje, proaktivnost i performanse). Sve mjerne ljestvice pokazale su
zadovoljavajuću razinu pouzdanosti ( agilnost ,894; prilagodljivost ,817; usklađenje ,732;
proaktivnost ,900; performanse ,896). Isto tako, utvrđeno je kako eliminacija bilo koje tvrdnje
ne bi rezultirala poboljšanjem ukupne mjerne ljestvice. U tablicama u nastavku daju se prikazi
rezultata.
Tablica 109. Procjena pouzdanosti dimenzije agilnost
A. sr. ljestvice ako se
izostavi tvrdnja
Varijanca ljestvice ako
se izostavi tvrdnja
Korigirana ukupna
korelacija
Cronbach alfa ako se
izostavi tvrdnja
SCM1
12,40
3,733
,789
,855
SCM2
12,34
3,797
,832
,841
SCM3
12,38
3,672
,861
,829
SCM4
12,32
4,062
,605
,925
Cronbach alfa
,894
broj stavki
4
Izvor: Rezultati istraživanja (N=285/293)
311
Tablica 110. Procjena pouzdanosti dimenzije prilagodljivost
A. sr. ljestvice ako se
izostavi tvrdnja
Varijanca ljestvice ako
se izostavi tvrdnja
Korigirana ukupna
korelacija
Cronbach alfa ako se
izostavi tvrdnja
SCM5
8,39
2,006
,609
,811
SCM6
7,99
2,007
,720
,703
SCM7
8,09
1,864
,687
,731
Cronbach alfa
,817
broj stavki
3
Izvor: Rezultati istraživanja (N=292/293)
Tablica 111. Procjena pouzdanosti dimenzije usklađenje
A. sr. ljestvice ako se
izostavi tvrdnja
Varijanca ljestvice ako
se izostavi tvrdnja
Korigirana ukupna
korelacija
Cronbach alfa ako se
izostavi tvrdnja
SCM8
7,59
1,694
,558
,642
SCM9
7,45
1,791
,550
,654
SCM10
7,69
1,552
,562
,641
Cronbach alfa
,732
broj stavki
3
Izvor: Rezultati istraživanja (N=285/293)
Tablica 112. Procjena pouzdanosti dimenzije proaktivnost
A. sr. ljestvice ako se
izostavi tvrdnja
Varijanca ljestvice ako
se izostavi tvrdnja
Korigirana ukupna
korelacija
Cronbach alfa ako se
izostavi tvrdnja
SCM11
10,63
6,953
,799
,863
SCM12
10,33
7,398
,753
,880
SCM13
10,38
7,026
,794
,865
SCM14
10,72
6,910
,765
,876
Cronbach alfa
,900
broj stavki
4
Izvor: Rezultati istraživanja (N=287/293)
312
Tablica 113. Procjena pouzdanosti dimenzije performanse
A. sr. ljestvice ako se
izostavi tvrdnja
Varijanca ljestvice ako
se izostavi tvrdnja
Korigirana ukupna
korelacija
Cronbach alfa ako se
izostavi tvrdnja
SCM15
17,57
12,110
,704
,879
SCM16
18,00
12,361
,695
,881
SCM17
17,95
12,123
,739
,874
SCM18
17,88
11,888
,643
,891
SCM19
17,59
11,550
,792
,866
SCM20
17,54
11,577
,753
,872
Cronbach alfa
,896
broj stavki
6
Rezultati istraživanja (N=281/293)
3.4.
Faktorska analiza istraživačkih varijabli
Rezultati pouzdanosti mjernih ljestvica omogućili su nastavak provođenja multivarijatne
analize u kojoj sljedeći korak predstavljala faktorska analiza koja, prema Pecini (2006., p.
12.), predstavlja statistički pristup za analizu strukture međusobnih odnosa većeg broja
varijabli definiranjem seta zajedničkih skrivenih dimenzija tj. faktora. Ova se analiza može
koristiti za dvije namjene, kao eksploratorna ili konfirmatorna metoda. U ovom istraživanju se
koristila faktorska metoda kao kontrolna mjera ispravnog grupiranja dimenzija unutar
promatranih varijabli. Prvi korak predstavljaju ocjena adekvatnosti uzorka i Bartlettov test
sferičnosti.
Adekvatnost uzorka se mjeri pomoću Kaiser-Meyer-Olkinovog (KMO) pokazatelja koji u
naravi ocjenjuje da li se podaci dobro uklapaju u faktore. Ovaj se pokazatelj dobije kao omjer
zbroja kvadrata koeficijenata korelacije svih varijabli u analizi260 i istoga tog zbroja kvadrata
plus kvadrata koeficijenata parcijalne korelacije svake varijable i sa svakom varijablom j uz
isključenje ostalih varijabli. KMO se zasniva na korelaciji i parcijalnoj korelaciji, a prema
Rozgi (2010., p. 55.), da bi faktorska analiza bila odgovarajuća, vrijednost ove statistike
trebala bi biti ˃ 0,5261. U nastavku se daju navedeni pokazatelji prema istraživanim
varijablama i njihovim dimenzijama.
260
261
Osim onih sa samim sobom koje su uvijek jednake 1.
Rozga navodi kako određeni autori zahtjevaju da ovaj pokazatelj bude ˃ 0,6.
313
Tablica 114. KMO i Bartlettov test za dimenzije poslovne inteligencije
Kaiser-Meyer-Olkin mjera adekvatnosti uzorka
Izvori i
pouzdanost
podataka i
informacija
Približni Hi-kvadrat
Bartlettov test sferičnosti
df
Sig.
Kaiser-Meyer-Olkin mjera adekvatnosti uzorka
Pristup
podacima i
informacijama
Približni Hi-kvadrat
Bartlettov test sferičnosti
df
Sig.
Kaiser-Meyer-Olkin mjera adekvatnosti uzorka
Napredna
analitika
Približni Hi-kvadrat
Bartlettov test sferičnosti
df
Sig.
Kaiser-Meyer-Olkin mjera adekvatnosti uzorka
Intuicija i
vrijeme
Približni Hi-kvadrat
Bartlettov test sferičnosti
df
Sig.
Kaiser-Meyer-Olkin mjera adekvatnosti uzorka
Organizacija
poslovne
inteligencije
Približni Hi-kvadrat
Bartlettov test sferičnosti
df
Sig.
,710
262,680
15
,000
,751
344,069
6
,000
,758
329,611
6
,000
,760
411,242
10
,000
,563
210,744
6
,000
Izvor: Rezultati istraživanja
Prema rezultatima iz gornje tablice može se ustvrditi kako su mjere adekvatnosti za svih pet
dimenzija varijable poslovna inteligencija prikladne, a Bartlettov test sferičnosti statistički
značajan (α<0,01). Temeljem iznesenog može se zaključiti kako korelacijska matrica nije
jedinična, pa se može nastaviti s provedbom faktorske analize. Kod prve dimenzije (izvori i
pouzdanost podataka i informacija) najviše varijance je objašnjeno kroz prvi faktor, 39,955
(prilog 3.), a obzirom na vrijednost KMO-a, Bratlettovog testa, veličine uzorka i faktorskih
opeterećenja262 (prilog 4.), ova će se veličina prihvatiti na nastavak analize. Ostale dimenzije
poslovne inteligencije imaju zadovoljavajuće pokazatelje za nastavak analize:
262
Faktorska opterećenja predstavljaju jednostavne korelacije između varijabli i faktora, a pokazuju važnost
pojedine varijable za određeni faktor.
314
II dimenzija - 61,074% objašnjena varijanca kroz prvi faktor (prilog 5.), a sva
opterećenja ˃ 0,7 (prilog 6.);
III dimenzija - 61,234% objašnjena varijanca kroz prvi faktor (prilog 7.), a sva
opterećenja ˃ 0,6 (prilog 8.);
IV dimenzija - 52,293% objašnjena varijanca kroz prvi faktor (prilog 9.), a sva
opetrećenja ˃ 0,56 (prilog 10.);
V dimenzija - 48,765% objašnjena varijanca kroz prvi faktor (prilog 11.), a sva
opterećenja ˃ 0,59 (prilog 12.).
Pokazatelji KMO statistike i Bartlettovog testa sferičnosti za prvu izvedenu varijablu
informacijska vidljivost prikazani su u tablici 115.
Tablica 115. KMO i Bartlettov test sferičnosti za dimenzije informacijske vidljivosti
Kaiser-Meyer-Olkin mjera adekvatnosti uzorka
Kvaliteta
sadržaja
Približni Hi-kvadrat
Bartlettov test sferičnosti
df
Sig.
Kaiser-Meyer-Olkin mjera adekvatnosti uzorka
Razina
vidljivosti
Približni Hi-kvadrat
Bartlettov test sferičnosti
df
Sig.
,788
436,036
6
,000
,419
506,521
6
,000
Izvor: Rezultati istraživanja
Kod obje dimenzije informacijske vidljivosti svojstvene su vrijednosti pokazale
zadovoljavajuće rezultate:
kod prve dimenzije prvi faktor objašnjava 66,558% varijance (prilog 13.), a sva su
faktorska opterećenja ˃ 0,76 (prilog 14.);
kod druge dimenzije prvi faktor objašnjava 61,110% varijance (prilog 15.), a sva su
faktorska opterećenja ˃ 0,75 (prilog 16.).
315
Upravo zbog odličnih pokazatelja (Bartlettov test sferičnosti, svojstvene vrijednosti, faktorska
opterećenja, pouzdanost mjerne ljestvice) te veličine uzorka prihvatiti će se niži KMO
pokazatelj za nastavak statističke obrade.
Druga izvedena varijabla u istraživanom modelu jest integracija, a njezini pokazatelji
adekvatnosti uzorka i sferičnosti prikazani su u tablici 116.
Tablica 116. KMO i Bartlettov test sferičnosti za dimenzije integracije
Kaiser-Meyer-Olkin mjera adekvatnosti uzorka
Suradnja unutar
poduzeća
Približni Hi-kvadrat
Bartlettov test sferičnosti
df
Sig.
Kaiser-Meyer-Olkin mjera adekvatnosti uzorka
Suradnja
između
poduzeća
Približni Hi-kvadrat
Bartlettov test sferičnosti
df
Sig.
,599
52,973
3
,000
,700
516,768
10
,000
Izvor: Rezultati istražvanja
Iz gornje tablice je razvidno kako su KMO pokazatelji i Bartlettov test sferičnosti za obje
dimenzije integracije zadovoljavajući, odnosno signifikantni. Kod prve dimenzije (suradnja
unutar poduzeća) varijanca je objašanjena sa 50,517% prvog faktora (prilog 17.), a kod druge
dimenzije (suradnja između poduzeća) objašnjena je sa 53,772% prvog faktora (prilog 19.).
Faktorska opterećenja također su visoka (kod prve dimenzije opterećenja su ˃ 0,64; a kod
druge ˃ 0,66) što pridonosi boljem objašnjenju varijabli. Ovi rezultati su prezentirani u
prilozima 18. i 20. Sve navedeno ukazuje da se može nastaviti s daljnjom provedbom
faktorske analize.
Zavisna varijabla upravljanje opskrbnim lancem operacionalizirana je kroz pet dimenzija:
agilnost, prilagodljivost, usklađenje, proaktivnost i performanse. Pokazatelji adekvatnosti
uzorka i Bartlettov test sferičnosti za navedene dimenzije prikazani su u tablici 117.
316
Tablica 117. KMO i Bartlettov test sferičnosti za dimenzije upravljanja opskrbnim lancem
Kaiser-Meyer-Olkin mjera adekvatnosti uzorka
Približni Hi-kvadrat
Agilnost
Bartlettov test sferičnosti
,813
811,664
df
6
Sig.
,000
Kaiser-Meyer-Olkin mjera adekvatnosti uzorka
Približni Hi-kvadrat
Prilagodljivost
Bartlettov test sferičnosti
,701
319,385
df
3
Sig.
,000
Kaiser-Meyer-Olkin mjera adekvatnosti uzorka
Približni Hi-kvadrat
Usklađenje
Bartlettov test sferičnosti
,686
178,124
df
3
Sig.
,000
Kaiser-Meyer-Olkin mjera adekvatnosti uzorka
Približni Hi-kvadrat
Proaktivnost
Bartlettov test sferičnosti
,823
708,821
df
6
Sig.
,000
Kaiser-Meyer-Olkin mjera adekvatnosti uzorka
Približni Hi-kvadrat
Performanse
Bartlettov test sferičnosti
,815
1221,935
df
Sig.
15
,000
Izvor: Rezultati istraživanja
Iščitavajući rezultate iz tablice 117. može se ustvrditi kako su mjere adekvatnosti uzorka svih
dimenzija upravljanja opskrbnim lancem prikladne (KMO ≥ ,686), a Bartlettov test sferičnosti
statistički značajan (α< 0,01) pa se može zaključiti kako su podaci pogodni za daljnje
provođenje faktorske analize.
Svojstvene vrijednosti i faktorska opterećenja također su zadovoljavajuća:
prvi faktor prve dimenzije SCM-a (agilnost) objašnjava 76,867% varijance (prilog
21.), a sva su faktorska opterećenja ˃ 0,74 (prilog 22.);
prvi faktor druge dimenzije SCM-a (prilagodljivost) objašnjava 73,538% varijance
(prilog 23.), a sva su faktorska opterećenja ˃ 0,81 (prilog 24.);
317
prvi faktor treće dimenzije SCM-a (usklađenost) objašnjava 65,240% varijance
(prolog 25.), a sva su faktorska opterećenja ˃ 0,80 (prilog 26.);
prvi faktor četvrte dimenzije SCM-a (proaktivnost) objašnjava 77,048% varijance
(prilog 27.), a sva su faktorska opterećenja ˃ 0,86 (prilog 28.);
prvi faktor pete dimenzije SCM-a (performanse) objašnjava 66,111% varijance (prilog
29.), a sva su faktorska opterećenja ˃ 0,74 (prilog 30.).
Temeljem prikazanih analiza i donesenih odluka o izuzimanju određenih tvrdnji iz daljnje
statističke obrade prilagođeni konceptualni model istraživanja prikazuje slika 33.
318
Slika 33. Prilagođeni konceptualni model istraživanja
Izvor: rezultati istraživanja
319
3.5.
Prosudba istraživačkih hipoteza
Temeljem prethodno elaboriranih rezultata obrade prikupljenih podataka utvrđena je njihova
podobnost za provođenje daljnjih analitičkih postupaka. Glavna hipoteza ovog istraživanja
imala je za cilj utvrditi postojanje pozitivne korelacije između koncepta poslovna inteligencija
i efikasnosti upravljanja opskrbnim lancem.
H1: Primjena koncepta poslovna inteligencija pozitivno je korelirana s efikasnošću
upravljanja opskrbnim lancem.
Ovaj se odnos može promatrati na tri načina: izravno, kroz postizanje informacijske
vidljivosti te kroz integraciju. Prvi korak u dokazivanju postavljene hipoteze predstavlja
istraživanje pretpostavljenih odnosa koncepta poslovna inteligencija i informacijske
vidljivosti definiranih kroz prvu pomoćnu hipotezu:
P.H. 1A. Primjena koncepta poslovna inteligencija pozitivno je korelirana s efikasnijim
upravljanjem
informacijama,
njihovom
kvalitetom
te
vidljivošću
relevantnih
informacija.
Međuodnos između poslovne inteligencije operacionalizirane kroz pet dimenzija (izvori i
pouzdanost podataka i informacija; pristup podacima i informacijama; napredna analitika,
intuicija i vrijeme; organizacija poslovne inteligencije) i informacijske vidljivosti koja je
operacionalizirana kroz dvije dimenzije (kvaliteta sadržaja i razina vidljivosti) prikazan je u
tablici 118, dok je u tablici 119. prikazan zbirni odnos između ovih varijabli. S obzirom da
postoji nekoliko tumačenja koeficijenata korelacije, u ovom se radu koriste objašnjenja koje je
dao Petz263 (2007., 211.).
263
Prema Petzu, vrijednost koeficijenata korelacije između 0 i 0,20 ne ukuazuju na povezanost varijabli, od 0,20
do 0,40 predstavlja laku povezanost, od 0,40 do 0,70 stvarno značajnu, a preko 0,70 visoku odnosno, vrlo visoku
povezanost promatranig varijabli.
320
Sig. (1-strana)
N
276
Pearsonova korel.
,000
,000
,000
,000
,000
,000
276
268
275
270
274
275
1
**
**
**
**
,116*
**
**
Sig. (1-strana)
,000
,307
,307
,264
,404
,480
IV Razina
vidljivosti
IV Kvaliteta
sadržaja
,297**
**
,370
BI
Organizacija
poslovne
inteligencije
,607**
290
,000
,000
,000
,000
,025
279
288
281
286
288
1
**
**
**
,080
,000
,090
,395
,000
,000
,407
,365
,000
268
279
281
279
275
277
279
,476**
,264**
,395**
1
,406**
,485**
,156**
Sig. (1-strana)
,000
,000
,000
,000
,000
,004
N
275
288
279
289
281
285
287
**
**
**
**
1
**
,151**
Pearsonova korel.
,459
,404
,407
,406
,398
Sig. (1-strana)
,000
,000
,000
,000
,000
,006
N
270
281
275
281
283
280
280
**
**
**
**
**
1
,177**
,607
,480
,365
,485
,398
Sig. (1-strana)
,000
,000
,000
,000
,000
N
274
286
277
285
280
289
285
**
*
,080
**
**
**
1
Pearsonova korel.
IV Razina
vidljivosti
,459**
276
Pearsonova korel.
IV Kvaliteta
sadržaja
,476**
,000
Pearsonova korel.
BI Organizacija
poslovne
inteligencije
,370**
N
N
BI Intuicija i
vrijeme
,506
,506**
Sig. (1-strana)
Pearsonova korel.
BI napredna
analitika
1
BI Intuicija i
vrijeme
BI Pristup
podacima i
informacijama
Pearsonova korel.
BI napredna
analitika
BI Izvori i
pouzdanost
podataka i
informacija
BI Pristup
podacima i
informacijama
BI Izvori i
pouzdanost
podataka i
informacija
Tablica 118. Korelacija između elemenata poslovne inteligencije i informacijske vidljivosti
,297
,116
,156
,151
,001
,177
Sig. (1-strana)
,000
,025
,090
,004
,006
,001
N
275
288
279
287
280
285
289
** Korelacija je signifikantna na razini 0,01 (1-strana).
* Korelacija je signifikantna na razini 0,05 (1-strana).
Tablica 119. Korelacija poslovne inteligencije i informacijske vidljivosti
Poslovna
inteligencija
Pearsonova korelacija
Poslovna inteligencija
1
Sig. (1-strana)
N
Pearsonova korelacija
Informacijska vidljivost
Informacijska
vidljivost
,595**
,000
263
260
,595**
1
Sig. (1-strana)
,000
N
260
285
** Korelacija je signifikantna na razini 0,01 (1-strana).
Izvor: Rezultati istraživanja
321
Rezultati su iskazani Pearsonovim koeficijentom jer su koleriani faktorski skorovi koji su u
stvari metrička skala. Iz podataka prezentiranih u tablici 118. vidljivo je kako samo jedan
odnos (između napredne analitike i razine vidljivosti) ne pokazuje statističku značajnost niti je
u njemu dokazana korelacija. Statistički značajna korelacija na razini od 1% utvrđena je
između svih dimenzija koje tvore poslovnu inteligenciju, kao i između obje dimenzije
informacijske vidljivosti. Osim navedene statističke signifikantnosti potrebno je naglasiti
stvarno značajnu korelaciju koja je ustanovljena unutar dimenzija poslovne inteligencije i to
između:
izvora i pouzdanosti podataka i informacija i: pristupa podacima i informacijama
(,506); intuicije i vremena (,476) i organizacije poslovne inteligencije (, 459);
pristupa podacima i informacijama i organizacije poslovne inteligencije (,404);
napredne analitike i intuicije i vremena (,395)264 i organizacije poslovne inteligencije
(,407);
intuicije i vremena i organizacije poslovne inteligencije (,406).
Unutar varijable poslovna inteligencija laka je povezanost uočena između izvora i
pouzdanosti i napredne analitike (,370). Pristup podacima i informacijama je lako povezan s
naprednom analitikom (,307), odnosno s intuicijom i vremenom (,264).
U ovoj korelacijskoj matrici najveći Perasonov koeficijent (,607) uočen je između izvora i
pouzdanosti podataka i informacija te kvalitete sadržaja tako da se ovaj međuodnos može
smatrati stvarno značajnim. Laka povezanost (,297) uz statističku značajnost od 1% postoji
između izvora i pouzdanosti podataka i informacija te razine vidljivosti. Odnos između
pristupa podacima i informacijama i kvalitete sadržaja također je vrlo značajan (,480) uz
signifikantnost od 1%. Napredna analitika je lako povezana s kvalitetom sadržaja (,365), dok
se nije utvrdila njezina povezanost s razinom vidljivosti.
Intuicija i vrijeme su stvarno značajno korelirani s kvalitetom sadržaja (,485) međutim,
korelacija se nije utvrdila s razinom vidljivosti iako je taj odnos statistički značajan na razini
od 1%. Korelacija organizacije poslovne inteligencije i kvalitete sadržaja statistički je
značajan (,398)265 uz razinu signifikantnosti od 1%. Istovremeno korelacija nije ustanovljena
264
S obzirom da se vrijednost ovog pokazatelja nalazi neznatno ispod donje granice (0,395 vs. 0,400) uvršten je
među stvarno značajne.
265
I ovdje se koeficijent korelacije nalazi neznatno ispod donje granice (0,398 vs. 0,400) te je protumačen kao
stvarno značajan.
322
između organizacije poslovne inteligencije i razine vidljivosti, iako je taj odnos statistički
značajan na razini od 1%.
Zaključno, može se ustvrditi kako je međuodnos kvalitete sadržaja i svih elemenata poslovne
inteligencije istraživanih poduzeća stvarno značajan na razini od 1%, dok je razina vidljivosti
lako povezana s izvorima i pouzdanošću podataka i informacija također na razini od 1%.
Temeljem navedenih rezultata te utvrđenog Perasonovog koeficijenta iz tablice 119. (,595 uz
signifikantnost od 1%) može se prihvatiti prva pomoćna hipoteza P.H. 1A.
Sljedeća istraživačka aktivnost bila je usmjerena prema utvrđivanju odnosa informacijske
vidljivosti i upravljanja opskrbnim lancem što je prikazano u tablicama 120. (između
elemenata) i 121. (zbirni odnos).
P.H. 1B. Upravljanje informacijama, njihova kvaliteta i vidljivost među sudionicima
procesa pozitivno su korelirani s efikasnošću upravljanja opskrbnim lancem.
Kod analize prezentiranih rezultata odnosno Pearsonovih koeficijenata korelacija (tablice 120.
i 121.) potrebno je uočiti kako su svi međusobni odnosi promatranih elemenata statistički
signifikantni na razini od 1%. Kao i kod promatranja poslovne inteligencije, između
elemenata upravljanja opskrbnim lancem ustanovljena je stvarno značajna povezanost i to
između:
agilnosti i: prilagodljivosti (,620); usklađenosti (,471); proaktivnosti (,408) i
performansi (,573);
prilagodljivosti i: usklađenosti (,499); proaktivnosti (,495) i performansi (,636);
usklađenosti i: proaktivnosti (,418) i performansi (,475);
proaktivnosti i performansi (,564).
Kvaliteta sadržaja pokazala se stvarno značajno povezana s agilnošću (,461), prilagodljivošću
(,485) i performansama (,412), dok je laka povezanost ustanovljena između nje i usklađenosti
SCM-a (,244). Suprotno, kod analize povezanosti razine vidljivosti jedino je s usklađenošću
utvrđena stvarno značajna korelacija (,467), dok je laka povezanost pronađena u odnosima s
agilnošću (,263), prilagodljivošću (,285), proaktivnošću (,270) i performansama (,293).
323
,001
,000
,000
,000
,000
,000
285
282
288
281
284
278
1
**
**
**
**
,293**
**
**
**
,461
,263
,263
,000
,000
,000
,000
289
283
286
280
1
**
**
**
,573**
,000
,000
282
282
285
**
**
**
,620
,620
,000
,000
,000
279
280
277
1
**
**
,639**
,000
,000
,000
285
287
281
1
**
,475**
,000
,000
,000
288
289
285
292
**
**
**
**
,471
,408
285
N
,467
,471
,000
Sig. (1-strana)
,244
,270
282
N
,285
,467
,000
Sig. (1-strana)
,485
,285
SCM
Performanse
SCM
Proaktivnost
,412**
SCM Agilnost
,262**
289
,499
,499
,495
,418
Sig. (1-strana)
,000
,000
,000
,000
,000
,000
N
281
283
279
285
285
282
276
**
**
**
**
**
1
,564**
,262
,270
,408
,495
,418
Sig. (1-strana)
,000
,000
,000
,000
,000
N
284
286
280
287
282
287
280
**
**
**
**
**
**
1
Pearsonova korel.
SCM
Performanse
,244**
285
Pearsonova korel.
SCM
Proaktivnost
,485**
,001
Pearsonova korel.
SCM
Usklađenost
,461**
N
Pearsonova korel.
SCM
Prilagodljivost
,177**
Sig. (1-strana)
Pearsonova korel.
SCM Agilnost
,177
SCM
Usklađenost
289
Pearsonova korel.
IV Razina
vidljivosti
1
Sig. (1-strana)
N
SCM
Prilagodljivost
Pearsonova korel.
IV Kvaliteta
sadržaja
IV Razina
vidljivosti
IV Kvaliteta
sadržaja
Tablica 120. Korelacija između elemenata informacijske vidljivosti i SCM-a
,412
,293
,573
,639
,475
,000
,564
Sig. (1-strana)
,000
,000
,000
,000
,000
,000
N
278
280
277
281
276
280
281
** Korelacija je signifikantna na razini 0,01 (1-strana).
Tablica 121. Korelacija informacijske vidljivosti i upravljanja opskrbnim lancem
Informacijska
vidljivost
Pearsonova korel.
Informacijska vidljivost
Sig. (1-strana)
N
Pearsonova korel.
Upravljanje opskrbnim
lancem
1
Upravljanje
opskrbnim
lancem
,566**
,000
285
269
**
1
,566
Sig. (1-strana)
,000
N
269
272
** Korelacija je signifikantna na razini 0,01 (1-strana).
Izvor: Rezultati istraživanja
324
Zbog svega iznesenoga te potvrđene statistički značajne veze između informacijske vidljivosti
i upravljanja opskrbnim lancem može se prihvatiti druga pomoćna hipoteza P.H. 1B.
Treća pomoćna hipoteza imala je za cilj istražiti i utvrditi odnos između elemanata koncepta
poslovna inteligencija i integracije.
P.H. 2A. Primjena koncepta poslovna inteligencija pozitivno je korelirana s efikasnom
integracijom sudionika i procesa opskrbnog lanca.
Rezultati istraživanja navedenih odnosa prezenitrani su u tablicama 122. (između elemenata) i
123. (zbirni odnos).
Pearsonova korel.
BI Organizacija
poslovne
inteligencije
INT Suradnja
između
poduzeća
,476**
,459**
,414**
,363**
,000
,000
,000
,000
,000
,000
276
268
275
270
272
273
1
**
**
**
**
,281**
**
N
276
290
**
**
,370
,307
,307
,000
,000
,000
279
288
281
282
284
1
**
**
**
,271**
,000
N
268
279
281
**
**
**
,395
,395
,000
,000
279
275
273
274
1
**
**
,329**
,000
,000
,000
281
280
283
1
**
,288**
,000
,000
,000
,000
N
275
288
279
289
**
**
**
**
,404
,407
,303
,000
,000
,459
,407
,000
Sig. (1-strana)
Pearsonova korel.
,283
,000
,000
,264
,404
,000
Sig. (1-strana)
,476
,264
BI
Organizacija
poslovne
inteligencije
,370**
,000
,406
,406
,384
,344
Sig. (1-strana)
,000
,000
,000
,000
N
270
281
275
281
283
275
278
**
**
**
**
**
1
,433**
Pearsonova korel.
INT Suradnja
unutar poduzeća
,506
,506**
Sig. (1-strana)
Pearsonova korel.
BI Intuicija i
vrijeme
276
INT Suradnja
između
poduzeća
N
INT Suradnja
unutar
poduzeća
Sig. (1-strana)
Pearsonova korel.
BI napredna
analitika
1
BI Intuicija i
vrijeme
BI Pristup
podatcima i
informacijama
Pearsonova korel.
BI napredna
analitika
BI Izvori i
pouzdanost
podataka i
informacija
BI Pristup
podatcima i
informacijama
BI Izvori i
pouzdanost
podataka i
informacija
Tablica 122. Korelacija između elemenata poslovne inteligencije i integracije
,414
,283
,303
,384
,344
Sig. (1-strana)
,000
,000
,000
,000
,000
N
272
282
273
280
275
284
278
**
**
**
**
**
**
1
Pearsonova korel.
,363
,281
,271
,329
,288
,000
,433
Sig. (1-strana)
,000
,000
,000
,000
,000
,000
N
273
284
274
283
278
278
285
** Korelacija je signifikantna na razini 0,01 (1-strana).
325
Tablica 123. Korelacija poslovne inteligencije i integracije
Poslovna
inteligencija
Pearsonova korel.
Poslovna inteligencija
1
,508**
Sig. (1-strana)
N
Pearsonova korel.
Integracija
Integracija
,000
263
256
,508**
1
Sig. (1-strana)
,000
N
256
278
** Korelacija je signifikantna na razini 0,01 (1-strana).
Izvor: Rezultati istraživanja
Svi promatrani odnosi između elemenata varijabli poslovna inteligencija i integracija su
statistički signifikantni na razini od 1%. Najveća stvarno značajna korelacija kod istraživanih
poduzeća (,414) uočena je između izvora i pouzdanosti podataka i informacija i suradnje
unutar poduzeća, međutim kada se uspoređuju izvori i pouzdanost sa suradnjom između
poduzeća onda je korelacija nešto slabija (,363). Svi ostali inteziteti promatranih odnosa mogu
se stvrstati pod laku povezanost, s time što se međuodnos između intuicije i vremena i
suradnje unutar poduzeća po snazi približava stvarno značajnom (,384).
Prema promatranim podacima evidentno je kako postoji povezanosti između poslovne
inteligencije i integriranosti uz statističku značajnost od 1% pa se može prihvatiti treća
pomoćna hipoteza P.H. 2A.
Posljednja pomoćna hipoteza istražuje odnos između integracije i upravljanja opskrbnim
lancem.
P.H. 2B. Integracija kao element opskrbnog lanca pozitivno je korelirana s efikasnošću
upravljanja opskrbnim lancem.
Rezultati dobiveni korelacijskom analizom prezentirani su u tablicama 124. (između
elemenata promatranih varijabli) i 125. (zbirni odnos).
326
SCM
Prilagodljivost
SCM
Usklađenost
SCM
Proaktivnost
,433**
,432**
,517**
,321**
,322**
,490**
,000
,000
,000
,000
,000
,000
278
277
283
277
278
274
1
**
**
**
**
,561**
Sig. (1-strana)
N
INT Suradnja
između
poduzeća
284
Pearsonova korel.
Sig. (1-strana)
,000
N
278
285
**
**
Pearsonova korel.
SCM Agilnost
,000
279
285
280
283
277
1
**
**
**
,573**
279
285
**
**
**
,620
,620
,000
,000
285
279
280
277
1
**
**
,639**
,000
,000
,000
285
287
281
1
**
,475**
,000
,000
,000
,000
N
283
285
285
292
**
**
**
**
,611
,471
,408
,000
,000
,321
,471
,000
Sig. (1-strana)
,499
,499
,495
,418
Sig. (1-strana)
,000
,000
,000
,000
N
277
280
279
285
285
282
276
**
**
**
**
**
1
,564**
Sig. (1-strana)
N
,322
,000
,475
,000
,408
,495
,000
,000
,418
,000
,000
278
283
280
287
282
287
280
,490**
,561**
,573**
,639**
,475**
,564**
1
Sig. (1-strana)
,000
,000
,000
,000
,000
,000
N
274
277
277
281
276
280
Pearsonova korel.
SCM
Performanse
,000
277
,557
,475
,000
N
,517
,611
,000
,000
Pearsonova korel.
SCM
Proaktivnost
,462
,557
,000
,000
Pearsonova korel.
SCM
Usklađenost
,432
,462
Sig. (1-strana)
Pearsonova korel.
SCM
Prilagodljivost
,433
**
SCM
Performanse
INT Suradnja
između
poduzeća
1
Pearsonova korel.
INT Suradnja
unutar poduzeća
SCM Agilnost
INT Suradnja
unutar
poduzeća
Tablica 124. Korelacija između elemenata integracije i upravljanja opskrbnim lancem
281
** Korelacija je signifikantna na razini 0,01 (1-strana).
* Korelacija je signifikantna na razini 0,05 (1-strana).
Tablica 125. Korelacija između integracije i upravljanja opskrbnim lancem
Upravljanje
opskrbnim
lancem
Integracija
Pearsonova korel.
Integracija
Sig. (1-strana)
N
Pearsonova korel.
Upravljanje opskrbnim
lancem
1
,726**
,000
278
265
**
1
,726
Sig. (1-strana)
,000
N
265
272
** Korelacija je signifikantna na razini 0,01 (1-strana).
Izvor: Rezultati istraživanja
327
Svi promatrani odnosi u tablicama 124. i 125. statistički su signifikantni na razini od 1%.
Stvarno značajna korelacija kod istraživanih poduzeća utvrđena je između:
suradnje unutar poduzeća i: agilnosti (,432); prilagodljivosti (,517) i performansi
(,490);
suradnje između poduzeća i: agilnosti (,462); prilagodljivosti (,557); usklađenosti
(,621); proaktivnosti (,475) i performansi (,562).
Jedine dvije lake povezanosti vidljive su između suradnje unutar poduzeća i usklađenosti
(,321), odnosno proaktivnosti (,322). Prema evidentiranim vezama, statističkoj značajnosti i
intezitetu opaženih odnosa može se prihvatiti četvrta pomoćna hipoteza P.H. 2B.
Nakon što su dokazane sve četri pomoćne hipoteze preko kojih su povezane poslovna
inteligencija i upravljanje opskrbnim lancem izvršeno je testiranje glavne hipoteze ovog
istraživanja kako bi se istražila i dokazala izravna povezanost odnosno međuodnos ovih dviju
varijabli.
G.H. Primjena koncepta poslovna inteligencija pozitivno je korelirana s efikasnošću
upravljanja opskrbnim lancem.
U tablici 126. prikazan je rezultat korelacije zbirnih elemenata poslovne inteligencije i
upravljanja opskrbnim lancem iz čega je vidljivo kako je ona statistički signifikantna na razini
od 1% i stvarno značajna (,578). Potom se u tablici 127. prikazuju odnosi elemenata varijabli.
Tablica 126.Korelacija poslovne inteligencije i SCM-a
Upravljanje
opskrbnim
lancem
Poslovna
inteligencija
Pearsonova korel.
Poslovna inteligencija
Sig. (1-strana)
N
Pearsonova korel.
Upravljanje opskrbnim
lancem
1
,578**
,000
263
252
**
1
,578
Sig. (1-strana)
,000
N
252
272
** Korelacija je signifikantna na razini 0,01 (1-strana).
328
BI Intuicija i
vrijeme
SCM
Prilagodljivost
SCM
Usklađenost
SCM
Proaktivnost
SCM
Performanse
,459**
,400**
,465**
,321**
,287**
,429**
,000
,000
,000
,000
,000
,000
,000
,000
,000
BI Izvori i
pouzdanost
podataka i
informacija
BI Pristup
podatcima i
informacijama
BI napredna
analitika
N
276
276
268
275
270
270
275
270
273
270
Pears kor.
,506**
1
,307**
,264**
,404**
,330**
,330**
,211**
,201**
,252**
,000
,000
,000
,000
,000
,000
,000
,000
Sig. (1-str)
,000
N
276
290
279
288
281
283
289
283
285
280
,370**
,307**
1
,395**
,407**
,247**
,380**
,162**
,397**
,295**
Sig. (1-str)
,000
,000
,000
,000
,000
,000
,004
,000
,000
N
268
279
281
279
275
274
280
274
278
273
,476**
,264**
,395**
1
,406**
,420**
,473**
,313**
,296**
,402**
Sig. (1-str)
,000
,000
,000
,000
,000
,000
,000
,000
,000
N
275
288
279
289
281
282
288
282
285
280
,459**
,404**
,407**
,406**
1
,308**
,333**
,235**
,242**
,265**
Sig. (1-str)
,000
,000
,000
,000
,000
,000
,000
,000
,000
N
270
281
275
281
283
276
282
275
280
275
,400**
,330**
,247**
,420**
,308**
1
,620**
,471**
,408**
,573**
Sig. (1-str)
,000
,000
,000
,000
,000
,000
,000
,000
,000
N
270
283
274
282
276
285
285
279
280
277
,465**
,330**
,380**
,473**
,333**
,620**
1
,499**
,495**
,639**
Sig. (1-str)
,000
,000
,000
,000
,000
,000
,000
,000
,000
N
275
289
280
288
282
285
292
285
287
281
,321**
,211**
,162**
,313**
,235**
,471**
,499**
1
,418**
,475**
Sig. (1-str)
,000
,000
,004
,000
,000
,000
,000
,000
,000
N
270
283
274
282
275
279
285
285
282
276
,287**
,201**
,397**
,296**
,242**
,408**
,495**
,418**
1
,564**
Sig. (1-str)
,000
,000
,000
,000
,000
,000
,000
,000
N
273
285
278
285
280
280
287
282
287
280
,429**
,252**
,295**
,402**
,265**
,573**
,639**
,475**
,564**
1
Sig. (1-str)
,000
,000
,000
,000
,000
,000
,000
,000
,000
N
270
280
273
280
275
277
281
276
280
Pears kor.
BI Organizacija
poslovne
inteligencije
Pears kor.
Pears kor.
SCM
Proaktivnost
SCM
Usklađenost
SCM Agilnost
Pears kor.
Pears kor.
SCM
Performanse
SCM Agilnost
BI napredna
analitika
,476**
BI Pristup
podatcima i
informacijama
,370**
BI Izvori i
pouzdanost
podataka i
informacija
,506**
1
Sig. (1-str)
SCM
Prilagodljivost
BI Intuicija i
vrijeme
Pears kor.
BI Organizacija
poslovne
inteligencije
Tablica 127. Korelacija između elemenata poslovne inteligencije i upravljanja opskrbnim lancem
Pears kor.
Pears kor.
Pears kor.
,000
281
** Korelacija je signifikantna na razini 0,01 (1-strana).
* Korelacija je signifikantna na razini 0,05 (1-strana).
329
Stvarno značajni korelacijski odnosi između elemanata ovih varijabli kod istraživanih
poduzeća utvrđeni su između:
izvora i pouzdanosti podataka i informacija i: agilnosti (,400); prilagodljivosti (,465) i
performansi (,429);
intuicije i vremena i: agilnosti (,420); prilagodljivosti (,473) i performansi (,402).
Zanimljivo je istaknuti dva granična odnosa elementa napredna analitika: s prilagodljivošću
(,380) i proaktivnošću (,397) koji bi se zbog visine Pearsonovih pokazatelja mogli tumačiti
kao stvarno značajni. S izuzetkom odnosa između napredne analitike i usklađenosti (,162) svi
ostali promatrani odnosi pokazuju pozitivan smjer i laku povezanost.
Prema prezentiranim rezultatima koji su nedvojbeno dokazali povezanost poslovne
inteligencije i upravljanja opskrbnim lancem može se prihvatiti glavna hipoteza ovog
istraživanja.
Vrijedno je još prikazati postignutu korelaciju između dviju izvedenih varijabli odnosno,
između informacijske vidljivosti i integracije što je prikazano u tablicama 128. (između
elemenata) i 129. (zbirni odnos).
Tablica 128. Korelacija između elemenata informacijske vidljivosti i integracije
IV Kvaliteta
sadržaja
Pearsonova korel.
IV Kvaliteta
sadržaja
Sig. (1-strana)
N
Pearsonova korel.
IV Razina
vidljivosti
INT Suradnja
između
poduzeća
289
,177
INT
Suradnja
između
poduzeća
,177**
,471**
,321**
,001
,000
,000
285
281
282
1
**
,389**
,000
,000
**
,345
Sig. (1-strana)
,001
N
285
289
281
284
**
**
1
,433**
Pearsonova korel.
INT Suradnja
unutar poduzeća
1
INT
Suradnja
unutar
poduzeća
IV Razina
vidljivosti
,471
,345
Sig. (1-strana)
,000
,000
N
281
281
284
278
**
**
**
1
Pearsonova korel.
,321
,389
,000
,433
Sig. (1-strana)
,000
,000
,000
N
282
284
278
285
** Korelacija je signifikantna na razini 0,01 (1-strana).
330
Tablica 129. Korelacija informacijske vidljivosti i integracije
Informacijska
vidljivost
Pearsonova korel.
Informacijska vidljivost
1
Sig. (1-strana)
N
Pearsonova korel.
Integracija
Integracija
,548**
,000
285
275
,548**
1
Sig. (1-strana)
,000
N
275
278
** Korelacija je signifikantna na razini 0,01 (1-strana).
Izvor: Rezultati istraživanja
Prema prezentiranim rezultatima može se uočiti statistički značajna stvarna povezanost
informacijske vidljivosti i integracije. U analizi korelacija između elemenata koji tvore
promatrane varijable vidljive su:
dvije statistički značajne stvarne povezanosti; kvalitete sadržaja i suradnje unutar
poduzeća te razine vidljivosti i suradnje između poduzeća266;
dvije statistički značajne lake povezanosti; razine vidljivosti i suradnje unutar
poduzeća te kvalitete sadržaja i suradnje između poduzeća.
266
S obzirom da je koeficijent korelacije nešto niži od granice (,389 vs. ,400) odnos je protumačen kao stvarna
statistički značajn povezanost.
331
V.
ZAVRŠNA RAZMATRANJA
1. Sinteza rezultata istraživanja i njihova rasprava
Na početku rasprave o rezultatima istraživanja potrebno je iznijeti najvažnija zapažanja o
stanju poslovne inteligencije u hrvatskom gospodarstvu. Uzevši u obzir činjenicu da su za
sudjelovanje u ovom istraživanju pozvana ona poduzeća koja primjenjuju poslovnu
inteligenciju te usporedivši strukturu sudionika s listom 1000 najvećih poduzeća u Republici
Hrvatskoj može se zaključiti kako se poslovna inteligencija najviše primjenjuje u velikim
poduzećima i dioničkim društvima. Ovi rezultati potvrđuju nalaze do kojih su u svojem
istraživanju došli Bilandžić et al. (2012.) koji su ustvrdili kako su aktivnosti BI-a zastupljenije
u velikim poduzećima.
Promatrana su poduzeća sklonija objedinjavanju podataka i informacija na razini službe
odnosno odjela nego na razinama projekata ili procesa (4,07 vs. 3,86). Istraživana poduzeća
relativno su zadovoljna dostupnošću izvora vanjskih podataka i informacija (3,62) što bi se,
prema rezultatima Tanova istraživanja (2002.) trebalo odraziti na konkurentnost267. Ispitanici
su iskazali zadovoljstvo dostupnošću podataka i informacija u realnom vremenu, a s obzirom
na djelatnost odgovori su statistički značajni. Sektorska analiza ukazuje da su na čelnim
pozicijama poduzeća financijskog sektora (4,50) i telekomunikacija (4,40), dok najviše
zaostaje građevinski sektor (3,71). Ovi rezultati također potvrđuju one do kojih je došao
Kielstra (2007.), prema kojima 54% ispitanika potvrđuje dostupnost podataka s manjim
kašnjenjem, te Popovič et al. (2009.) koji su ustvrdili da primjena poslovne inteligencije
utječe na kvalitetu dostupnosti informacija268. Prema istraživanju Kruschewitz i Shockley269
(2011.), pokazalo se da 40% ispitanika imaju kompletan ili pretežit pristup traženim
podacima. Kod pokazatelja integriranosti i iskoristivosti podataka i informacija uočena je
statistički značajna razlika kod uzorkovanih poduzeća s obzirom na njihovu djelatnost.
Najzadovoljnijima su se pokazala poduzeća iz financijskog sektora (4,08) i telekomunikacija
(4,00), dok je najniži stupanj slaganja uočen kod primarne proizvodnje (2,90). Ovi su rezultati
u skladu s onima do kojih su došli Bilandžić et al. (2012.), a prema kojima se BI aktivnostima
najviše služe u sektorima bankarstva i financija, odnosno informacija i komunikacija. Važnost
267
Detaljnije o ovom istraživanju cf. p. 145.
Detaljnije o ovom istraživanju cf. p. 152.
269
Detaljnije o ovom istraživanju cf. p. 202.
268
332
ovog pokazatelja također je potvrđena istraživanjem koje je proveo Isik (2010.), prema
kojemu integriranosti i iskoristivost utječu na uspjeh poslovne inteligencije, a Bose (2009.)
drži integraciju podataka i informacija osnovama napredne analitike. Važnost integriranosti
podataka i informacija u svojem su istraživanju potvrdili Lavalle et al. (2011.)270.
S obzirom da je Isik (2010.) utvrdio kako pouzdanost, odnosno vjerodostojnost, utječe na
uspjeh poslovne inteligencije, zanimljivo je usporediti rezultate ocjene pouzdanosti unutarnjih
podataka i informacija pogotovo jer su razlike u odgovorima hrvatskih poduzeća statistički
značajne temeljem njihove djelatnosti. Ukupno se može ocijeniti kako su promatrana
poduzeća vrlo zadovoljna pouzdanošću unutarnjih podataka (sve su prosječene ocjene
temeljem djelatnosti veće od 4,00), a najviši je stupanj zadovoljstva uočen u financijskom
sektoru (4,58), iza kojeg slijede prerađivačka industrija, trgovina, turizam i telekomunikacije.
Kod analize pouzdanosti vanjskih podataka i informacija također je evidentirana statistička
značajnost po istoj osnovi (djelatnost), a zadovoljstvo je nešto suzdržanije u usporedbi s
prethodnim pokazateljem. Izuzevši telekomunikacije, sve su ostale prosječne ocjene niže od
4,00, a zadovoljniji od ostalih jest financijski sektor, dok su turizam i ugostiteljstvo (3,33) te
primarna proizvodnja (3,50) najnezadovoljniji s pouzdanošću vanjskih podataka i informacija.
Promatrana
hrvatska
poduzeća
većinom
koriste
provjeru
korisničkog
identiteta
(autentifikacija) te su zadovoljavajuće uspješna u organizaciji pristupa svojih djelatnika
podacima i informacijama (autorizacija). Prema rezultatima istraživanja koje je proveo Isik
(2010.), autentifikacija i autorizacija kao tehnološke mogućnosti poslovne inteligencije utječu
na njezin uspjeh. Ova su poduzeća također vrlo zadovoljna načinom provođenja zaštite
podataka i informacija (4,26), međutim pitanje jest koliko su ista svjesna aktivnosti koje su
uperene protiv njih, kao što to navodi Calof (2004.) u svojem istraživanju271. Zaštićenost se
ubraja u najvažnije karakteristike podataka i informacija prema rezultatima do kojih su u
svojem istraživanju došli Lavalle et al. (2011.).
Statističku su značajnost, s obzirom na djelatnost, pokazali odgovori o korištenju tehnika
rudarenja podacima, a prema kojima ih najviše koriste telekomunikacije i financijski sektor.
Ukupno gledajući, 125 poduzeća (42%) pozitivno se očitovalo na ovu tvrdnju, što u usporedbi
s rezultatima istraživanja koje je provela Ćurko272 (2002.) predstavlja ozbiljan napredak.
Pitanje jest da li je ovaj progres u deset godina mogao i trebao biti veći? Korištenje OLAP
270
Detaljnije o ovom istraživanju cf. p. 201.
Detaljnije o ovom istraživanju cf. p. 77.
272
Detaljnije o ovom istraživanju cf. p. 93.
271
333
alata također se značajnije poboljšalo s obzirom da se u ranijem istraživanju (Ćurko, 2002.)
18% poduzeća pozitivno izjasnilo, a sad je taj broj 46,4% (136 promatranih poduzeća).
Korištenje poslovnih kontrolnih ploča još uvijek nije zaživjelo na primjerenoj razini,
međutim, s obzirom da su odgovori statistički značajni temeljem djelatnosti, potrebno je
naglasiti kako je najveći iskorak napravljen u telekomunikacijama i financijskom sektoru.
Prema očekivanju, najveći zaostatak je evidentiran u primarnoj proizvodnji. Iako je bilo za
očekivati kako će pokazatelji vizualizacije biti slični prethodno navedenima o poslovnim
kontrolnim pločama, oni su se pokazali boljima (3,58 vs. 2,92). Razlika bi se mogla objasniti
temeljem rezultata istraživanja o korištenju vizualizacije i napredne analitike koje su proveli
Eckerson i Hammond273 (2011.), a prema kojima postoje dvije kategorije: vizualno
izvještavanje (niža razina) i vizualna analiza (viša razina).
Prema obrađenim rezultatima istraživanja, hrvatska poduzeća donose poslovne odluke na
temelju činjenica, a rezultati su statistički značajni s obzirom na djelatnost. Prema njima,
ovakav pristup je najizraženiji kod telekomunikacija (4,60), poslovnih usluga (4,39) te kod
financijskog sektora (4,19). Ovi rezultati potvrđuju one do kojih je u svojemu istraživanju
došla Howson274 (2008.), a prema kojima se 73% ispitanika složilo (ili strogo složilo) da
odluke donose na temelju činjenica. Uzevši u obzir činjenicu da su pripadnici menadžmenta
bili sudionici ovog istraživanja, navedeni rezultati se mogu tumačiti kao potvrda spoznaja do
kojih su došli Lavalle et al. (2011.), a prema kojima je cilj vrhovnog menadžmenta poslovanje
temeljeno na podacima. Intuicija i dobar osjećaj također su prisutni u procesima odlučivanja u
poduzećima u Republici Hrvatskoj (4,26). Ovaj rezultat ide u prilog nalazima istraživanja
koje je proveo Accenture 2008. (prema Davenport 2010.), prema kojemu se 40% glavnih
odluka ne donosi na temelju činjenica već na temelju menadžerovog iskustva. Međutim,
potrebno je naglasiti kako su neka istraživanja pokazala drugačije rezultate. Howson (2008.)
je utvrdila da poduzeća koja nisu uspješna u primjeni BI-a većinom odlučuju na temelju
osjećaja. Isik (2010.) također nije potvrdio statistički značajno prisustvo intuicije u
odlučivanju (koju je promatrao u organizacijskom kontekstu poslovne inteligencije).
Poslovna inteligencija pridonosi skraćenju vremena potrebnog za evidenciju određenog
poslovnog događaja (3,97), a posebnost je ove ocjene što je kod nje uočena statistička
značajnost s obzirom na promatrani pravni oblik istraživanih poduzeća. Boljim od prosjeka su
se očitovale ustanove (4,33) i društva s ograničenom odgovornošću (4,04). Slijedom
273
274
Detaljnije o ovom istraživanju cf. p. 204.
Detaljnije o ovom istraživanju cf. p. 69.
334
Hackatornove krivulje, za očekivati je bilo da poslovna inteligencija također utječe na brže
raspolaganje podacima i informacijama o određenoj poslovnoj promjeni, a to su rezultati i
potvrdili (4,06). Posljedica prethodne dvije navedene tvrdnje jest pretpostavka da se
primjenom poslovne inteligencije povećalo raspoloživo vrijeme za odlučivanje. Rezultati
istraživanja ovo su potvrdili (3,94), a statistička značajnost uočena je u odgovorima temeljem
veličine poduzeća, tako da se može ustvrditi kako je ovo izraženije kod malih (4,04) i srednjih
poduzeća (4,01).
Korištenje skladišta podataka je rasprostranjeno u hrvatskim poduzećima, o čemu se izjasnilo
¾ ispitanih poduzeća (75,4%), dok ih 8,2% to nije izričito potvrdilo, te se može smatrati kako
ga oni tek razvijaju ili još nije u potpunosti profunkcioniralo. U odnosu na rezultate koje je
dobila Ćurko 2002. godine može se zaključiti kako se broj korisnika skoro udvostručio
(83,6% vs. 46%). Nešto manje od ⅔ istraživanih tvrtki (64,5%) potvrdio je kako imaju
razvijenu poslovnu inteligenciju na razini cijelog poduzeća, čime su ovi rezultati nešto bolji u
odnosu na one koje su dobili Bilandžić et al. (2012.) koji su istraživali 1.000 najvećih
poduzeća godinu dana prije (57%). S jedne strane, ovi pokazatelji ohrabruju jer se može uočiti
uzlazni trend primjene poslovne inteligencije, međutim, s druge strane, uspoređujući ove
rezultate sa svjetskim pokazateljima275 vidljivo jest koliko je naše gospodarstvo u zaostatku za
visoko kompetitivnima. Približno isti broj poduzeća ima implementiranu poslovnu
inteligenciju na razini službi i na razini cijelog poduzeća (64,5% vs. 68,0%), što potvrđuje
rezultate istraživanja do kojih je došla Howson 2008. godine.
Poduzeća su zadovoljna točnošću svojih podataka i informacija (4,24) i njihovom
iskoristivošću (4,27), a prema rezultatima istraživanja koje je proveo Isik (2010.), točnost i
iskoristivost značajno utječe na uspjeh poslovne inteligencije. Relevantni predstavnici
hrvatskih poduzeća obuhvaćeni uzorkom smatraju da su im podaci i informacije koje koriste
primjereni njihovim potrebama (4,12), a odgovori su statistički značajni s obzirom na
djelatnost. Primjerenost je najizraženija kod telekomunikacija (4,50) i u financijskom sektoru
(4,24), dok je najmanje zadovoljstva vidljivo kod primarne proizvodnje (3,80). Ažuriranje
podataka i informacija provodi se na zadovoljavajući način (4,27) što stvara dobru
pretpostavku za donošenje poslovnih odluka, jer prema rezultatima istraživanja koje su
275
Prema istraživanju koje je provela GIA (2005.) na uzorku od 287 poduzeća, poslovna inteligencija se
primjenjuje u rasponu od 73,3% u Norveškoj do najnaprednijih zemalja gdje su najistaknutiji primjeri Brazil
(90,9%), Švicarska (90,9%), Finska (95,1%) i Njemačka (96,0%).
335
proveli Hill i Scott (2004.), kvalitetno odlučivanje snažno je ovisno o ažuriranju prikupljenih
podataka i informacija276.
Poduzeća obuhvaćena uzorkom suzdržanija su u razmjeni strateških podataka i informacija
(3,24) sa svojim dobavljačima nego kada je riječ o operativnim (3,71), a kod oba pokazatelja
utvrđena je statistička značajnost s obzirom na djelatnost ispitanika. Kada je riječ o strateškim
podacima i informacijama, skloniji razmjeni su trgovina (3,58) te turizam i ugostiteljstvo
(3,50), dok su najsuzdržaniji u sektoru primarne proizvodnje (2,40) i financijskom sektoru
(2,88). Operativne podatke i informacije s dobavljačima spremniji su razmjenjivati u sektoru
prerađivačke industrije (3,88) i trgovina (3,80). S kupcima je slična situacija: istraživana
poduzeća (odgovori su statistički značajni) spremnija su razmjenjivati operativne podatke i
informacije (3,69) nego strateške (3,25). Prema rezultatima istraživanja koje je proveo Tan
(2002.), razmjena informacija utječe na efikasnije operacije u opskrbnom lancu, odnosno,
prema nalazima koje su dobili Fawcet et al. (2007)277 i Ha et al. (2011.)278, razmjena također
utječe na operativne performanse, pa je pretpostavka bila kako će se to potvrditi i u ovom
slučaju. Dobiveni rezultati za stratešku razmjenu informacija s dobavljačima (najspremniji se
iskazao trgovački segment) mogu se protumačiti kroz prizmu rezultata do kojih su došli Klein
i Rai (2009.), a prema kojima su kupci ovisniji o svojim dobavljačima spremniji za stratešku
razmjenu informacija279.
Protočnost i razmjena podataka i informacija poduzeća obuhvaćenih uzorkom na
zadovoljavajućoj je razini (4,30), a s obzirom da su rezultati statistički značajni temeljem
djelatnosti potrebno je istaknuti kako prednjače telekomunikacije (4,60) i prerađivačka
industrija (4,42). U više od ½ istraživanih poduzeća (55,6%) svi povezani odjeli sudjeluju u
izboru dobavljača, što bi trebao biti odraz transparentnosti poslovanja te prisutnost trenda
jačanja veza s onim dobavljačima koji spadaju u grupu strateških. Samo 14% promatranih
poduzeća izričito je potvrdilo kako kod njih još uvijek postoje višestruke verzije istine,
međutim potrebno je naglasiti kako je ⅓ ispitanika (34,1%) iskazala neutralnost što
predstavlja ozbiljan problem u kontekstu poslovanju, te jedan od razloga za uvođenje
poslovne inteligencije. Dvije trećine promatranih poduzeća ( 64,9%) iskazalo je postojanje
integriranih procesa opskrbnog lanca, što je zadovoljavajući pokazatelj. Međutim, u kontekstu
276
Detaljnije o ovom istraživanju cf. p. 166.
Detaljnije o ovom istraživanju cf. p. 145.
278
Detaljnije o ovom istraživanju cf. p. 151.
279
Detaljnije o ovom istraživanju cf. p. 146.
277
336
analize razina zrelosti, što su ih prezentirali Lockamy i McCormak (2004.), možda je
primjerenije smatrati ih povezanima.
Prema rezultatima istraživanja, hrvatska su poduzeća sklona suradnji s ostalim članovima
opskrbnog lanca u unapređivanju kvalitete proizvoda i usluga. S obzirom da su rezultati
statistički značajni s aspekta djelatnosti, potrebno je navesti kako je ovo najizraženije u
telekomunikacijama (4,40) i turizmu (4,00). Polovica uzorkovanih poduzeća (51%) u razvoj
novih proizvoda i usluga uključuju svoje partnere iz opskrbnog lanca, a nešto manje od
polovice (47,1%) integrira zajedničke operativne procesa s ostalim članovima lanca.
Temeljem pokazatelja o postignutoj unutarnjoj integraciji, za očekivati je kako će se i ovi
vanjski integrativni procesi nastaviti razvijati. Poduzeća su partnerstva sa svojim
dobavljačima ocijenila vrlo dobrima (4,11) odnosno 85,3% ih je potvrdilo ovakve odnose. S
obzirom na niže ocjene spremnosti na razmjenu strateških (3,24) te operativnih (3,71)
podataka i informacija, može se ustvrditi kako su ocjene partnerstva jednim manjim dijelom
deklarativne. Slična je situacija i kod ocijene partnerskih odnosa s kupcima koji su također na
zavidnoj razini (4,16), odnosno 86,8% ih je to izrijekom potvrdilo, ali uspoređujući ih s
ocjenom spremnosti na razmjenu strateških (3,25) i operativnih (3,69) podataka i informacija
također se uočava umjerena doza deklarativnosti.
Ocjenjujući elemente agilnosti svojega opskrbnog lanca promatrana poduzeća izrazila su
zadovoljstvo postignutim smanjenjem vremena odziva na kupčeve zahtjeve (4,08) te
povećanjem točnosti svojih isporuka na vrijeme (4,12). Kompletiranost isporuka također
spada među pokazatelje izraženog zadovoljstva (4,10), a s obzirom da su ovdje odgovori
statistički značajni po osnovi djelatnost potrebno je istaknuti telekomunikacije (4,50), dok je
na začelju građevinarstvo (3,88). Pokazatelji spremnosti reakcije na kupčeve modifikacije
također su statistički značajni temeljem djelatnost pa treba navesti kako u ovom segmentu
prednjače telekomunikacije (4,60) i turizam (4,50), dok je primarna proizvodnja
najsuzdržanija (3,60). Svoju fleksibilnost odnosno sposobnost reakcije na neočekivane tržišne
promjene pozitivno je ocijenilo ¾ ispitanih poduzeća (75,7%). Da su poduzeća u Republici
Hrvatskoj svjesna potrebe analiziranja svoje poslovne okoline najbolje pokazuju rezultati
prema kojima se 88,8% promatranih poduzeća složilo s ovom tvrdnjom (4,25). Nastavno na
izneseno, poduzeća su također snažno potvrdila (83,2%) kontinuirano unapređenje svojih
poslovnih strategija (4,15).
337
Sva tri elementa usklađenja pokazuju statističku značajnost po osnovama djelatnosti i pravnog
oblika pa ih je potrebno detaljnije proanalizirati. Ocjena spremnosti usklađivanja strateških
planova s ključnim dobavljačima (3,78) jest na razini spremnosti razmjene operativnih
informacija (3,71), odnosno niže od ocjene partnerskih odnosa (4,11). Temeljem djelatnosti,
ističu se turizam (4,00) i trgovina (3,96), a po osnovi pravnog oblika ustanove (4,33). Ocjena
spremnosti usklađivanja strateških planova s ključnim kupcima (3,91) nešto je povoljnija od
usporedbe sa spremnošću razmjene operativnih informacija (3,69), ali također niže od ocjene
partnerskih odnosa (4,16). Kod ovog se pokazatelja temeljem djelatnosti ističu turizam (4,17)
i telekomunikacije (4,11), a temeljem pravnog oblika ustanove i društva s ograničenom
odgovornošću (4,00). Bolja se ocjena očekivala kod pokazatelja zajedničkog provođenja
optimalizacije poslovnih procesa (3,67). Ističu se turizam (4,00) i telekomunikacije (3,70),
odnosno ustanove (4,33) i društva s ograničenom odgovornošću (3,76). Ova ocjena također
ide u prilog tvrdnji kako se odnosi unutar opskrbnog lanca prije mogu smatrati povezanima
nego integriranima.
S obzirom da u odgovorima o proaktivnoj dimenziji upravljanja opskrbnim lancem nije bilo
statistički značajnih razlika temeljem tri osnovna pokazatelja o poduzećima (djelatnost,
veličina i pravni oblik) to se neće navoditi pojedinačni odgovori. Nešto preko ½ promatranih
poduzeća (51,9%) potvrdilo je provođenje scenario analiza (3,39), dok ih je više od četvrtine
neutralno u odgovoru (28,7%) pa ih se može promatrati kao one tvrtke koje su u početnim
fazama provođenja ovih aktivnosti. Ovi su rezultati značajno bolji u usporedbi s onima do
kojih je u svom istraživanju došao Zebić280 2010. godine (20%). Potrebno je napomenuti kako
kod tog istraživanja nisu objašnjeni kriteriji odabira poduzeća u uzorak pa nije bilo moguće
provesti dublju komparaciju rezultata. Sagledavajući ove pokazatelje kroz prizmu rezultata
koje su dobili Hedin et al. (2011.), za očekivati je da će se nastaviti uzlazni trend.
Prognoziranje događanja raširenije je prisutno u hrvatskim poduzećima (3,69) što je potvrdilo
⅔ anketiranih tvrtki (66,9%). Slična je ocjena i za provođenje analiziranja trenda (64,2%
anketiranih poduzeća je potvrdilo ovu konstataciju, prosječna ocjena 3,65), a ovi su
pokazatelji nešto bolji od onih do kojih je došao Zebić 2010. godine (58%). Analiziranje
vremenskih nizova (3,30) provodi se u manje od ½ istraživanih poduzeća (45,4%).
Prije razmatranja pokazatelja dimenzije performansi upravljanja opskrbnim lancima, potrebno
je navesti kako se hrvatsko gospodarstvo u vrijeme provođenja ovog istraživanja već nalazilo
u recesiji što je sigurno ostavilo traga na uspješnost (i percepciju uspješnosti) poslovanja. Više
280
Detaljnije o ovom istraživanju cf. p. 95.
338
od ⅔ istraživanih poduzeća (67,6%) potvrdilo je kako su smanjili troškove vezane uz
funkcioniranje opskrbnog lanca. Budući da se kod ovih odgovora uočila statistička značajnost
s obzirom na djelatnost potrebno je istaknuti telekomunikacije (4,20), odnosno zaostajanje
primarne proizvodnje (3,20). U sklopu dimenzije performansi, ocjena povrata na imovinu
(ROA) u odnosu na konkurente ima najnižu prosječnu ocjenu (3,30) o čemu se pozitivno
izjasnila trećina promatranih poduzeća (34,80%). I ovdje su se odgovori pokazali statistički
značajnima temeljem djelatnosti pa je za naglasiti dominaciju turizma (4,00) i poslovnih
usluga (3,53), odnosno loš pokazatelj primarne proizvodnje (2,60). Začuđuju ispodprosječne
ocjene financijskog sektora (3,21) i telekomunikacija (3,20). Ovakav se stav donekle može
objasniti njihovom razinom uspostavljenih kriterija, u ovom slučaju viših.
Ocjena povrata na uloženo (ROI) u odnosu na konkurente na istoj je razini kao i prethodni
pokazatelj (3,35), odnosno 37,5% poduzeća smatra da su bili uspješniji, dok ih je više od ½
(51,9%) neutralno. Statistički značajnima prema pravnom obliku pokazali su se odgovori o
povećanju tržišnog udjela i volumena prodaje u odnosu na konkurente (3,42), prema kojima
su bolji od prosjeka društva s ograničenom odgovornošću (3,57) i ustanove (3,50). Više od ⅔
analiziranih poduzeća (68,2%) potvrdilo je povećanje efikasnosti svojega opskrbnog lanca, a
dobiveni prosjek (3,71) neznatno se razlikuje od ocjene uspjeha smanjenja troškova (3,74).
Zbog uočene statističke značajnosti potrebno je navesti kako su veće zadovoljstvo od prosjeka
izrazili telekomunikacije i turizam (4,00), dok je, prema očekivanju, najniži pokazatelj kod
primarne proizvodnje (3,00). U sklopu performansi, najbolja ocjena evidentirana je kod
postignutog skraćenja vremena odlučivanja (3,76), što je potvrdilo 68,9% ispitanih tvrtki. S
obzirom na statističku značajnost, treba istaknuti parametre telekomunikacija (4,00) te izraziti
čuđenje ispodprosječnom ocjenom financijskog sektora (3,50).
Prva pomoćna hipoteza imala je za cilj istražiti odnos poslovne inteligencije i informacijske
vidljivosti. Prema zbirnom koeficijentu korelacije može se zaključiti kako kod promatranih
poduzeća postoji statistički značajna stvarna povezanost između koncepta poslovne
inteligencije i informacijske vidljivosti, odnosno da će porast jedne varijable pratiti porast
druge. Kada se proanaliziraju odnosi dimenzija koji tvore promatrane varijable, treba uočiti
kako dimenzije poslovne inteligencije jače koreliraju s kvalitetom sadržaja. S druge strane,
utvrđena je tek laka povezanost između razine vidljivosti i izvora i pouzdanosti podataka i
informacija, dok je za ostale dimenzije poslovne inteligencije utvrđena neznatna povezanost s
razinom vidljivosti. Ovaj bi se rezultat (razine vidljivosti) mogao pripisati još uvijek
nedovoljno razvijenoj poslovnoj kulturi usmjerenoj prema stvarnom, a ne deklarativnom
339
razvoju partnerskih odnosa kako bi se polučila win-win situacija. Ipak temeljem rezultata ove
korelacije, može se ustvrditi kako je primjena poslovne inteligencije pozitivno korelirana s
kvalitetom sadržaja i razinom vidljivosti u hrvatskim poduzećima.
Druga pomoćna hipoteza istraživala je odnos informacijske vidljivosti i upravljanja
opskrbnim lancem. Prema pokazatelju zbirne korelacije može se uočiti statistički značajna
stvarna povezanost između ovih varijabli. Kada se analiziraju korelacije između dimenzija od
kojih se sastoje ove varijable, vidljivo je kako kvaliteta sadržaja jače a razina vidljivosti nešto
slabije korelira s elementima upravljanja opskrbnim lancem. Može se zaključiti kako
informacijska vidljivost pozitivno korelira s efikasnijim upravljanjem opskrbnim lancem,
odnosno da porast razine informacijske vidljivosti hrvatskih poduzeća prati porast efikasnosti
njihovog upravljanja opskrbnim lancem.
Treća pomoćna hipoteza bavila se odnosom koncepta poslovne inteligencije i integracije.
Zbirni koeficijent korelacije pokazao je statistički značajnu stvarnu povezanost između
promatranih varijabli. Analiza korelacija između dimenzija također je ukazala na statistički
značajnu laku povezanost, s time da je stvarno značajna povezanost utvrđena između izvora i
pouzdanosti podataka i informacija i suradnje unutar poduzeća. Generalno se može zaključiti
kako je kod promatranih poduzeća utvrđena korelacija između primjene poslovne
inteligencije i postignute razine integracije.
Četvrta pomoćna hipoteza trebala je ispitati vezu između integracije i upravljanja opskrbnim
lancem. I u ovom je slučaju kod zbirnog koeficijenta korelacije utvrđena statistički značajna
stvarna povezanost varijabli. Suradnja između poduzeća stvarno je značajno povezana sa svim
dimenzijama upravljanja opskrbnim lancem. Suradnja unutar poduzeća stvarno je značajno
povezana s usklađenošću i proaktivnošću, dok je slabije povezana s ostalim dimenzijama.
Temeljem iznesenoga može se ustvrditi kako postoji pozitivna korelacija između integracije i
efikasnosti upravljanja opskrbnim lancem kod promatranih poduzeća.
Cilj glavne hipoteze bio je utvrditi povezanost koncepta poslovna inteligencija i upravljanja
opskrbnim lancem. Zbirni koeficijent korelacije pokazuje statistički značajnu stvarnu
povezanost nezavisne i zavisne varijable. Korelacije dimenzija koje tvore promatrane
varijable ukazuju na više zanimljivih elemenata:
340
kvalitetniji izvori i veća pouzdanost podataka i informacija statistički su stvarno
značajno
povezani
s
boljom
agilnošću,
prilagodljivošću
te
kvalitetnijim
performansama promatranih poduzeća;
korištenje intuicije i vremenske poboljšice temeljem korištenja poslovne inteligencije
statistički su stvarno značajno povezani s boljom agilnošću, prilagodljivošću te
kvalitetnijim performansama;
rasprostranjenije korištenje napredne analitike može se tumačiti kao statistički stvarno
značajno povezano s boljom prilagodljivošću i većom proaktivnošću opskrbnih lanaca
promatranih poduzeća.
Na kraju je potrebno navesti kako su rezultati pokazali stvarnu povezanost razine kvalitete
sadržaja s postignutom razinom suradnjom unutar poduzeća, odnosno razinom vidljivosti s
postignutom suradnjom između poduzeća.
2. Ograničenja provedenog istraživanja i sugestije za buduće aktivnosti
Svako istraživanje, a pogotovo kompleksne i složene materije kao što je ovdje bio slučaj, ima
određena specifična ograničenja koja treba imati na umu prilikom valoriziranja dobivenih
rezultata. Potrebno je navesti kako se empirijsko istraživanje provelo u vrijeme recesije
globalnog i nacionalnog gospodarstva pa je u dobivenim rezultatima prisutan i utjecaj tih
okolnosti. Iako pozitivistički pristup naglašava kako krizu treba doživljavati kao šansu, a u
tom kontekstu usvajanje koncepta poslovne inteligencije u poslovanju bilo bi hvale vrijedno,
činjenica jest da su mnoga kontaktirana poduzeća naglašavala borbu za opstanak odnosno
golu održivost kao osnovni prioritet svojih aktivnosti i pregnuća. U navedenome smislu,
pitanje jest koliko su određene inovacije i uvođenja poboljšica, u što nesumnjivo spada
poslovna inteligencija, zaustavljene ili usporene kao izravna posljedica slijeda događaja u
poslovnom okruženju. Međutim, ovome se može pristupiti i iz drugog kuta, pa ocijeniti koliko
je poslovna inteligencija u navednim okolnostima stvarno pomogla menadžmentu.
Drugo ograničenje koje treba respektirati jest profil ispitanika. Naime, zbog kompleksnosti
problematike istraživanja upitnik su ispunjavali glavni menadžeri (poslovni i IT), a s obzirom
da je upravo vrhovni menadžment inicijator implementacije poslovne inteligencije, moguća je
341
određena razina pristranosti (afirmativnosti) u ocjenjivanju. S obzirom da ispitanici iznose
svoju ocjenu o određenom činjeničnom stanju, treba voditi računa da oni, svatko za sebe,
postavlja kriterije koji mogu biti viši ili niži, a što ovisi o mnogim čimbenicima (životnoj fazi
poduzeća, snazi i poziciji konkurencije, vrsti i stanju tržišta, odnosima unutar poduzeća i
opskrbnog lanca, obliku vlasništva i dr.). Također treba uvažavati činjenicu koja je razvidna iz
teorijskog dijela istraživanja kako, nažalost, poslovni i IT korisnici nemaju identičan stav i
pristup definiranju ciljeva i koristi koji se polučuju primjenom poslovne inteligencije. Na ovoj
spoznaji se temelji sugestija i za buduća istraživanja praćenja promjena u toj sferi. Vrijedno bi
bilo postaviti istraživanje na način da se iz istog poduzeća dobiju odgovori iz dva kuta,
poslovnog i IT-a, te ustanoviti postoji li među njima statistički značajnih razlika. U budućim
istraživanjima bilo bi zanimljivo spoznati kako na ovu materiju gledaju sve tri menadžerske
razine istog poduzeća: strateška, taktička i operativna, odnosno bi li se među njihovim
odgovorima ustanovila statistička značajnost. Ovo je aktualno područje spoznaje novih
doprinosa teorijskim raspravama o srži i mogućim koristima jačanja aplikacije koncepta
poslovna inteligencija.
Iako se može izraziti zadovoljstvo uspješnošću odziva (29,3%), svakako treba biti oprezan u
generalizaciji zaključaka. U funkciji kontrole i usporedbe uočenih pokazatelja odnosa
poslovne inteligencije i upravljanja opskrbnim lancem preporučljivo bi bilo provesti
istraživanja studije slučajeva, odnosno testirati model predstavljen u ovom radu i u drugim
nacionalnim ekonomijama različitih razina razvijenosti.
Određeni empirijski rezultati sugeriraju nekoliko mogućih pravaca daljnjih istraživačkih
napora. Postavljene dimenzije poslovne inteligencije u istraživačkom modelu bilo bi korisno
produbiti izučavanjem njezinog pozicioniranja u shemi organizacije i povezanosti s vrhovnim
menadžmentom. U teorijskom dijelu istraživanja uočeno je nepostojanje suglasja oko
korištenja intuicije u odlučivanju. Autorov je osobni stav nakon višegodišnjeg istraživanja
znanstvene literature i provedenih istraživanja u praksi kako korištenje intuicije oplemenjuje
poslovnu inteligenciju, te bi bilo zanimljivo dodatno istražiti elemente i okolnosti koji utječu
na korištenje intuicije, odnosno istražiti korelaciju korištenja intuicije i postignutu razinu
primjene poslovne inteligencije. U istraživanju je generalno uočena određena razina
suzdržanosti prema spremnosti razmjene podataka i informacija s partnerima, što spada u
domenu poslovne kulture, te se nameće kao poželjno istražiti da li i na kojoj razini poslovna
strategija odnosno poslovna kultura postaju mogući ograničavajući čimbenici uspješnosti
poslovne inteligencije. S obzirom na zanimljivost postignutih rezultata o povezanosti
342
napredne analitike i proaktivnosti upravljanja opskrbnim lancem, potrebno bi bilo ovaj odnos
dodatno produbiti širom operacionalizacijom napredne analitike što se spoznaje i iz
istraživanja Eckersona i Hammonda (2011.), odnosno istražiti koji elementi napredne
analitike najkvalitetnije pridonose proaktivnosti pojedinih razina opskrbnog lanca. Nastavno
na izneseno, ovo bi također trebalo sagledati u usporedbi odnosa uzvodnih i nizvodnih tokova
opskrbnog lanca.
3. Zaključak
„Glavni cilj u ratu, kao i u životu, jest iz onoga što znate zaključivanjem izvesti ono što ne
znate.“
Vojvoda od Wellingtona
Područje istraživanja u aktualnim gospodarskim uvjetima bilo je kompleksno i zahtjevno,
zbog čega je posebna pažnja posvećena izboru jedinica koje su obuhvaćene uzorkom. Kriteriji
uključenja u uzorak bili su višestruko evaluirani u konzultacijama s ekspertima iz Republike
Hrvatske koji se u praksi bave ovim područjem. Odziv poduzeća bio je iznad očekivanja, što
je omogućilo relevantnost pri utvrđivanju zakonitosti i testiranju poveznica između varijabli
predstavljenog modela. U ovom je smislu osigurana validnost ciljanog znanstvenog doprinosa
disertacije relevantnim kriterijima testiranja predstavljenog opcijskog modela. Težište
ocjenjivanja postavljenih hipoteza bilo je na metodi korelacije i faktorskoj analizi. Osim
provedenih mjerenja percepcije analizom su tretirani i relevantni kvantitativni podaci.
Modelom predviđeni broj varijabli operacionalizacije predmnijevao je kompleksno
istraživanje zbog čega je upitnik bio opsežniji.
Na temelju provedenog istraživanja i testiranja predloženog novog teorijskog i empirijskog
modela ponuđene su egzaktne poveznice poslovne inteligencije i upravljanja opskrbnim
lancem na podržavajućim podlogama informacijske vidljivosti i integracije. Definiranjem,
razgraničavanjem i tipologizacijom poveznica koncepta poslovne inteligencije i upravljanja
opskrbnim lancem dopunjene su postojeće spoznaje u području istraživane problematike
temeljem kritičke analize provedenog istraživanja i ukupnog korpusa proučene, u prvom
343
dijelu rada sintetizirane, recentne znanstvene i stručne literture. Dokazani kauzaliteti
iskoristivi su i kao zamašnjak gospodarskom razvoju u aktualnim uvjetima recesije.
Empirijski su dokazane zakonitosti, principi, smjernice i inteziteti veza varijabli koje čine
predloženi model testiran istraživanjem. U tom je smislu model iskoristiv za donošenje
kvalitetnijih i učinkovitijih strateških i taktičkih odluka u upravljanju opskrbnim lancem
poduzeća.
Pristup predstavljen u testiranju modela predstavlja i egzaktno unapređenje postojećih mjernih
instrumenata efikasnosti primjene koncepta poslovne inteligencije u upravljanju opskrbnim
lancem. Tako je u konačnici definiran i značaj implementacije koncepta poslovne
inteligencije u upravljanju opskrbnim lancem temeljem predstavljenih spoznaja provedenog
istraživanja kroz aktualiziran i inoviran znanstveno argumentiran pristup.
Istraživanje odnosa između koncepta poslovne inteligencije i upravljanja opskrbnim lancem
predstavlja zahtjevan i kompleksan zadatak zbog različitih teorijskih i praktičnih nedoumica,
nejasnih definiranosti, i određenih teorijskih nedefiniranosti. Prije sagledavanja problema
potrebno se odrediti prema pojmu intelligence s obzirom da se u hrvatskom jeziku još uvijek
nije udomaćila riječ koja bi je objašnjavala u njezinom osnovnom smislu (u engleskom
jeziku). Ovo je važno naglasiti jer intelligence u kvalitativnom smislu ima veću vrijednost od
informacije, a s obzirom da je to krajnji proizvod nastao sustavnim prikupljanjem,
verifikacijom i obradom podataka i informacija. U znanstvenoj literaturi hrvatskih autora kao
prijevod izvorne sintagme business intelligence većinom se koristi termin poslovna
inteligencija, tako da se u radu, uvažavajući navedene opaske, uglavnom koristio taj termin.
Svakako bi bilo poželjno da se na razini akademske zajednice postigne konsenzus oko
prijevoda jer pojam inteligencija, iako blizak, ne odražava osnovni smisao intelligencea.
Uvjeti poslovanja, dinamičnost događanja, nepredvidivost trendova, kompleksnost odnosa te
suvremeni komunikacijski kanali generiraju sve veće količine podataka i informacija, što je u
praksi i teoriji otvorilo nova pitanja. Trebalo je pronaći način efikasnog upravljanja i
kvalitetnog korištenja ovih izuzetno vrijednih resursa, odnosno, trebalo je shvatiti njihovo
značenje u vlastitom a potom i u širem kontekstu kako bi se proces odlučivanja odvijao
temeljen na činjenicama. S obzirom da svaki problem prije ili kasnije generira i moguću
inačicu rješenja, u ovom je slučaju navedeno rezultiralo pojavom i razvojem poslovne
inteligencije.
344
Da bi se uopće istražilo kako i na koji način može utjecati na poslovanje, poslovnu
inteligenciju potrebno je sagledati u teorijskom i praktičnom smislu respektirajući pri tome
različite pristupe u njezinu tumačenju i vrednovanju kako bi se sistematizacijom navedenoga
stvorile polazne pretpostavke ovog istraživanja. Analiza literature ukazuje na određene dvojbe
koje su iskristalizirale dvije osnovne razine što su zahtijevale sustavnu obradu: terminološko
određenje između različitih intelligence pojmova korištenih u znanstvenoj literaturi i
različitost pristupa kroz prizmu poslovnih i IT čimbenika. Uslijed različitih jezičnih,
kulturoloških, geografskih ili povijesnih okolnosti autori su pristupali definiranju ovog
područja iz drugačijih perspektiva. Recentna istraživanja pokazuju kako se određeni
intelligence pojmovi koriste kao sinonimi (poslovna, strateška, kompetitivna, konkurentska,
tržišna), odnosno da se različito pozicioniraju u hijerarhijskom smislu (tko je kome nadređen
odnosno tko je sastavni dio čega). Sveobuhvatna analiza potvrdila je kako je riječ o konceptu
koji se tek razvija te stoga i ne čude uočene razlike od onih semantičke prirode pa sve do onih
konkretnije naravi.
Analizom teorijske građe identificirane su određene nelogičnosti jer nije rijedak slučaj da se
termini podatak i informacija izjednačavaju, pa ih je potrebno razlučiti i naglasiti kako je u
kvalitativnom smislu riječ o različitim pojmovima. Kako obrađeni podatak postaje
informacija, tako intelligence nastaje kada se spozna što konkretna informacija znači
konkretnom subjektu u određenoj situaciji. Zbog razumijevanja filozofije poslovne
inteligencije potrebno je istaknuti kako podatak i informacija nisu ono što isključivo
determinira poslovnu inteligenciju već to također može biti bilo koji shvaćeni tržišni signal
koji potencijalno postaje značajna spoznaja za daljnju upotrebu. Jasno jest da ovako određena
poslovna inteligencija pomaže razumijevanju unutarnje i vanjske poslovne okoline, odnosno
uočavanju mogućih prilika i prijetnji.
Također se, nažalost, često može uočiti prijepor između tzv. poslovnih i IT korisnika, što nije
slučaj samo kod tumačenja i pristupa poslovnoj inteligenciji već je riječ o ozbiljnom problemu
karakterističnom za cjelokupno poslovanje. Kada je riječ o PI, analiza recentne znanstvene
građe iznjedrila je evidentne dvojbe u njezinom tumačenju kao: procesu, proizvodu,
tehnologiji, konceptu, sustavu, disciplini... Provedeno teorijsko i empirijsko istraživanje daje
za pravo PI potvrditi kao inovativan koncept kojemu su nesuglasja business/IT nepotrebno
gubljenje vremena i energije s obzirom da je evolucija poslovanja i općenito razvoj društva
pozicionirala tehnologiju kao condicio sine qua non. Naime, ovi problemi prelaze (ili će
prijeći) iz domene strateškog upravljanja u polje elementarne organizacijske kulture.
345
Analiza upravljanja opskrbnim lancem također zahtijeva pomniju obradu, tumačenje i
pozicioniranje bliskih, ali ne i identičnih, pojmova logistike, opksrbnog lanca i menadžmenta
opksrbnog lanca kako bi se stvorile nedvosmislene pretpostavke za nastavak provođenja
istraživačkih aktivnosti. Istinitosti radi, potrebno je navesti kako određeni autori i dalje
zastupaju stav kako je razlika isključivo semantičke a ne suštinske prirode. Recentna
istraživanja pokazuju kako tradicionalni opskrbni lanci sve više postaju opskrbne mreže čime
se najbolje karakterizira njihova kompleksnost. Dodatna se složenost odnosa uočava prilikom
analize razina uspostavljenih veza i odnosa unutar poduzeća, te između poduzeća i njegovih
partnera u samome lancu. Kontinuirani pritisak svih zainteresiranih čimbenika (vlasnika,
menadžmenta, partnera, okoline) prema bržem i efikasnijem protoku informacija, roba i
usluga rezultira teorijskim i praktičnim naporima pronalaženja adekvatnih odgovora
postavljenim izazovima. Činjenica jest da se sva poduzeća koja tvore određeni opskrbni
lanac/mrežu ne nalaze na istim razvojnim pozicijama, vrlo često s različitim prioritetima,
odnosno poslovnim strategijama, te da su aktivni sudionici različitih tržišta. Pitanje koje se
nameće jest koji su to zajednički elementi na kojima se trebaju izgrađivati međusobno
uspješni odnosi? Suvremeni teorijski pristupi strateškog upravljanja pretpostavljaju stvaranje
vrijednosti za kupce kao element uspješnosti. Efikasnost lanaca sagledava se kroz prizmu
njihove učinkovitosti, odnosno sposobnosti prilagodbe tržišnim uvjetima.
Nalazi istraživanja pokazuju kako napori poduzeća trebaju ići u nekoliko smjerova: razvoju
integracija (vertikalnih i horizontalnih), postizanju veće vidljivosti između sudionika
povezanih procesa, postizanju bolje fleksibilnosti, kvalitetnijem međusobnom usklađenju,
prilagodljivosti uvjetima. Uz navedeno, nezaobilaznim se nameće imperativ odvijanja
događaja i aktivnosti u realnom vremenu pod što se podrazumijevaju robe, usluge i
informacije. Poslovna je evolucija također ukazala na nužnost razvoja kvalitetnih odnosa s
dobavljačima između kojih bi se trebali izabrati oni koji svojim performansama zaslužuju da
se s njima razviju strateške relacije. Dugoročni odnosi s ključnim (strateškim) dobavljačima i
kupcima reflektiraju se na uspješnost funkcioniranja opskrbnog lanca. Doprinosi navedenih
elemenata, svaki u okviru svojih granica i mogućnosti u zadanim okolnostima, stvaraju
pretpostavke dobivanja sinergijskih efekata.
Polazeći od definiranih teorijski utemeljenih postavki, istraživanje je imalo za cilj utvrditi
odnos koncepta poslovna inteligencija i upravljanje opskrbnim lancem. U razmatranju
empirijski utvrđenih rezultata potrebno je voditi računa o činjenici da su u istraživanju
sudjelovala poduzeća koja provode poslovnu inteligenciju, odnosno ona koja pripadaju
346
skupini razvijenijih i inovativnijih poslovnih subjekata. Rezultati do kojih se došlo potvrdili
su polazne pretpostavke ali su otvorili i određena nova pitanja. Važno je naglasiti kako je
temeljem dobivenih rezultata utvrđena statistički značajna stvarna povezanost između
poslovne inteligencije i upravljanja opskrbnim lancem. Polazni konceptualni model temeljem
ustanovljenih rezultata blago je redizajniran u domeni operacionalizacije poslovne
inteligencije i to se može smatrati vrijednim doprinosom daljnjim istraživačkim naporima u
izučavanju ovog fenomena. Kroz hipoteze istraživanja utvrđena je izravna, ali isto tako i
neizravna povezanost promatranih varijabli: kroz kvalitetniju informacijsku vidljivost i
postignutu integraciju.
Iako su u poglavlju o raspravi prezentirani cjelokupni rezultati, najvažnija saznanja potrebno
je dodatno naglasiti. Očito jest da su promatrana poduzeća ne samo prepoznala potrebu, već
se i aktivno usmjerila prema kvalitetnijem upravljanju svojim poslovnim podacima i
informacijama, što prema pokazateljima zadovoljstva daje pozitivne rezultate. S obzirom da je
identificirano kako se češće razmjenjuju operativni nego strateški podaci i informacije, te da
poduzeća uglavnom prakticiraju autentifikaciju, autorizaciju i njihovu zaštitu moglo bi se
zaključiti kako postoji zadovoljavajuće razvijena defenzivna poslovna inteligencije.
Nalazi provedenog istraživanja također svjedoče izravnu i neizravnu ulogu napredne analitike.
Recentna istraživanja napravljena u područjima razvijenih ekonomija ukazuju na značajnu
ulogu korištenja alata i tehnika napredne analitike u najuspješnijim poduzećima. U kontekstu
navedenoga, posebno ohrabruju rezultati prema kojima je veći stupanj korištenja alata i
tehnika napredne analitike u hrvatskim poduzećima stvarno značajno povezan s većom
prilagodljivošću i proaktivnošću njihovih opskrbnih lanaca. Izneseno treba predstavljati
dodatni poticaj i motiv prema daljnjoj progresiji njihovog korištenja s obzirom da
proaktivnost predstavlja budućnost poslovne inteligencije. Pokazala se također statistički
značajna laka povezanost napredne analitike s kvalitetom sadržaja te s uspostavljenom
razinom suradnje unutar i između poduzeća.
Stupanj razvoja poslovne inteligencije povezan je s postignutom integracijom promatranih
poduzeća (internom i eksternom). Iako je za informacijsku vidljivost i integraciju utvrđena
povezanost s upravljanjem opskrbnim lancem, valja naglasiti kako je to izraženije kod
integracije čime se potvrđuju dosadašnji empirijski nalazi o važnosti razvoja i stimuliranja
integrativnih procesa u uspješnosti upravljanja opskrbnim lancima. Još jedan pokazatelj
privlači pozornost - korištenje intuicije. Naime, tehnologija sama za sebe nije riješenje niti je
347
sama sebi svrha, tako da se autor, na temelju spoznaja iz provedenog istraživanja, priklanja
tumačenju onih koji korištenje intuicije drže jednom od poželjnih dimenzija poslovne
inteligencije.
Rezultati i spoznaje ovog istraživanja ispunili su očekivanja jer je znanstveno dokazana
važnost i vrijednost korištenja koncepta poslovne inteligencije. Na nacionalnoj razini, uz
racionalan optimizam, rezultati se mogu okvalificirati zadovoljavajućima, uz opasku kako se
kod ove ocjene može postaviti pitanje uspostavljenog standarda. Istraživana poduzeća
pripadaju skupini 1000 najvećih u Republici Hrvatskoj, preciznije najuspješnijim
gospodarskim subjektima. Istina jest da korištenje poslovne inteligencije pokazuje zaostatak
u odnosu na visoko kompetitivna gospodarstva, ali je isto tako istina da su rezultati značajno
bolji u odnosu na prethodna istraživanja, što ukazuje na pozitivne trendove u percepciji
značaja ovih problema. Za pretpostaviti je kako će poslovna inteligencije i u Republici
Hrvatskoj postati sastavni dio poslovanja, odnosno sastavni dio poslovne kulture. Potpunije
razumijevanje praktičnih koristi primjene koncepta poslovne inteligencije na upravljanje
opskrbnim lancem i svekolike djelatne i organizacijske performanse poduzeća omogućuju
sagledavanje problema i ograničavajućih faktora budućeg razvoja ovog koncepta. Time se
stvaraju pretpostavke potpunijeg razumijevanja i različitih pristupa u donošenju upravljačkih
odluka u području upravljanja opskrbnim lancem poduzeća, ali i nužnosti primjerenijeg
pozicioniranja poslovne inteligencije u poduzeću, u cilju više razine integracije poslovnih
funkcija i učinkovitijeg poslovnog djelovanja, temeljenog na inoviranju načina korištenja
raspoloživih informacijskih resursa. Kako je to Keynes zabilježio davne 1936. godine, nije
problem u novim idejama već u teškom napuštanju starih. Ta činjenica, te na temelju
provedenih istraživanja predstavljene egzaktne smjernice kojima se poduzeća mogu služiti pri
uvođenju poslovne inteligencije u poslovanje, također su predstavljale važan poticaj za
dovršenje ovog rada.
348
SAŽETAK
Disertacija Poslovna inteligencija i upravljanje opskrbnim lancem na teorijskoj i empirijskoj
osnovi evaluira autorov model testiranjem pretpostavki o vezama i odnosima između varijabli
poslovne inteligencije i upravljanja opskrbnim lancem izravno i neizravno preko varijabli
informacijske vidljivosti i integracije. U teorijskom dijelu su sistematizirani i analizirani
osnovni elementi izvornog pojma business intelligence i njemu srodnih pojmova, njegovo
pozicioniranje u kontekstu strateškog menadžmenta, elementi koji ga tvore i način
funkcioniranja. Također je obrađeno područje upravljanja opskrbnim lancem kroz evaluaciju
faza zrelosti, strategija koje se primjenjuju, te načina funkcioniranja u kontekstu vrednovanja
uspješnosti.
Temeljem elaboriranja važnosti i razmjene podataka i informacija, informacijske tehnologije i
sustava, e-poslovanja, integracije, vidljivosti, suradnje, napredne analitike i elastičnosti
kreiran je konceptualni model istraživanja. Testiranje glavne hipoteza i četiri pomoćne
provedeno je na uzorku od 293 poslovna subjekta primjenom metoda korelacije, faktorske
analize i analize varijance.
Nalazi istraživanja ukazuju na značaj implementacije koncepta poslovna inteligencija u
upravljanju opskrbnim lancem, te je predstavljan inoviran pristup konceptualnom uređenju
mjernih instrumenata efikasnosti između istraživanih varijabli. Empirijski je utvrđena
statistički značajna stvarna korelacija između poslovne inteligencije i upravljanja opskrbnim
lancem. Rezultati istraživanja također potvrđuju iskoristivost oblikovanog modela dokazujući
egzaktne aplikativne spoznaje o konkretnim praktičnim koristima primjene poslovne
inteligencije. Predstavljeni su utvrđeni ograničavajući faktori uvođenja poslovne inteligencije
u poslovanje, kao i smjernice i inovativan način implementacije i pozicioniranja njene
funkcije kojima se isti faktori svode na prihvatljivu mjeru.
Provedeno istraživanje i predstavljeni nalazi primjerena su platforma za buduća istraživanja u
sferi poslovne inteligencije i upravljanja opskrbnim lancem, a pragmatične smjernice
predstavljaju iskoristiv resurs za donošenje relevantnih poslovnih odluka na strateškoj i
taktičkoj razini.
349
ABSTRACT
Dissertation Business Intelligence and Supply Chain Management evaluates the Author's
model, on a theoretical and an empiric basis, by testing hypothesis on correlations and
relationships between the variables of business intelligence and supply chain management,
directly and indirectly, through the information visibility and integration variables. The
theoretical part systemizes and analyzes basic elements of the business intelligence original
term and its related concepts, its positioning within strategic management context, elements
that form it, and the mode of functioning. It also considers supply chain management subject
by evaluating maturity stages, strategies applied, and modes of functioning within
performance evaluation.
A conceptual research model has been established by elaborating the importance and
exchange of data and information, information technology and systems, e-business,
integration, visibility, co-operation, advances analytics and flexibility. Testing of the main
hypothesis and four supporting ones has been carried out on the sample of 293 business
entities using methods of correlation, factor analysis and analysis of variance.
Research results show the importance of the implementation of the business intelligence
concept into the supply chain management, and consequently an innovative approach to the
conceptual system of efficiency measurement methods within the variable investigated.
Statistically significant actual correlation between business intelligence and supply chain
management has been empirically defined. Research results also confirm the usability of the
established model thus demonstrating exact applicable conceptions on concrete practical
benefits from the application of the business intelligence. Limiting factors established at the
implementation of the business intelligence into business, as well as guidelines and innovative
mode of implementation and positioning of its function by which the same factors are reduced
to acceptable level are presented.
Research made and the results presented are an adequate platform for future researches within
the area of business intelligence and supply chain management, while pragmatic guidelines
make a usable resource for relevant business decision-making on strategic and tactical levels.
350
POPIS SLIKA
Slika 1. Krivulja vrijednosti informacija ............................................................................................... 20
Slika 2. Što business intelligence znači u praksi ................................................................................... 23
Slika 3. Preklapanje blokova koji tvore Cyber Intelligence .................................................................. 29
Slika 4. Studija intelligence aktivnosti .................................................................................................. 30
Slika 5. Odnos business intelligencea i ključnih intelligence koncepata............................................... 31
Slika 6. Sastavnice poslovne inteligencije............................................................................................. 36
Slika 7. Elementi procesa strateškog menadžmenta .............................................................................. 43
Slika 8. Eksterna ili vanjska okolina poduzeća ..................................................................................... 45
Slika 9. Operativno okruženje u kontekstu strateške analize ................................................................ 50
Slika 10. Ciklus poslovne inteligencije ................................................................................................. 57
Slika 11. Uloga poslovnih kontrolnih ploča i usporednih tablica.......................................................... 66
Slika 12. Poveznica obrambene inteligencije s ostalim elementima modela ........................................ 74
Slika 13. Integralni model zaštite poslovne inteligencije ...................................................................... 78
Slika 14. TDWI Model zrelosti poslovne inteligencije ......................................................................... 90
Slika 15. Model upravljanja opskrbnim lancem – Mentzer et al. ........................................................ 107
Slika 16. Upravljanje opskrbnim lancem – Lambert ........................................................................... 113
Slika 17. Okvir SCOR modela ............................................................................................................ 114
Slika 18. Model zrelosti upravljanja opskrbnim lancem ..................................................................... 118
Slika 19. Upravljanje opskrbnim lancem – prethodnost i posljedice .................................................. 121
Slika 20. Matrica strategija upravljanja opskrbnim lancem ................................................................ 122
Slika 21. Teorijski okvir za istraživanje upravljanja opskrbnim lancem............................................. 126
Slika 22. Okvir za razvoj mjernih instrumenata upravljanja opskrbnim lancem ................................ 128
Slika 23. Matrica tipova tržišta i potrebnih pokazatelja performansi .................................................. 133
Slika 24. Model održivog upravljanja opskrbnim lancem................................................................... 137
Slika 25. Sastavnice vremena poduzimanja aktivnosti........................................................................ 148
Slika 26. Odnos između orijentacije na opskrbni lanac i integracije IS-a ........................................... 176
Slika 27. Model troška i koristi od suradnje u SCM-u ........................................................................ 188
Slika 28. Koncepti suradnje u opskrbnim lancima .............................................................................. 190
Slika 29. Matrica analitičkih pitanja u opskrbnom lancu .................................................................... 199
Slika 30. Najvažnije analitičke tehnika danas i predviđanje za 24 mjeseca ........................................ 202
Slika 31. Prožimajuća poslovna inteligencija u SCOR procesima ...................................................... 225
Slika 32. Konceptualni model istraživanja .......................................................................................... 232
Slika 33. Prilagođeni konceptualni model istraživanja ....................................................................... 319
351
POPIS TABLICA
Tablica 1. Odnos inteligencije na različitim razinama sažimanja ......................................................... 18
Tablica 2. Usporedba različitih načina procesuiranja podataka ............................................................ 33
Tablica 3. Najvažnija obilježja strateške, taktičke i operativne poslovne inteligencije ........................ 38
Tablica 4. Ključne intelligence potrebe za strateško odlučivanje ......................................................... 52
Tablica 5. Rezultati istraživanja uspješnosti poslovne inteligencije ..................................................... 92
Tablica 6. Trošak nabavljenih materijala kao postotak dolarske vrijednosti prodaje............................ 99
Tablica 7. Različiti ciljevi udruživanja u opskrbni lanac .................................................................... 109
Tablica 8. Elementi upravljanja opskrbnim lancem ............................................................................ 111
Tablica 9. Model zrelosti orijentiranosti poslovnim procesima BPO ................................................. 117
Tablica 10. Korelacija između poslovnih strategija i strategija opskrbnog lanca ............................... 124
Tablica 11. Okvir upravljanja opskrbnim lancem i uravnotežene tablice rezultata............................. 132
Tablica 12. Mogući izbori strukture razmjene informacija ................................................................. 144
Tablica 13. Rang lista najpotrebnijih točnih informacija .................................................................... 150
Tablica 14. Vrste razmjene informacija u opskrbnom lancu ............................................................... 152
Tablica 15. Frekvencija IS istraživačkih modela ................................................................................ 154
Tablica 16. Ključne razlike upravljanja tradicionalnim i projektima implementacije e-poslovanja ... 164
Tablica 17. Faze evolucije e-poslovanja u upravljanju opskrbnim lancem ......................................... 167
Tablica 18. Dimenzije integracije opskrbnog lanca ............................................................................ 171
Tablica 19. Sistematizacija tipova suradnje ........................................................................................ 172
Tablica 20. Tri kategorije vidljivosti opskrbnog lanca ........................................................................ 182
Tablica 21. Dimenzije različitih razina CFPR-a.................................................................................. 186
Tablica 22. Operativna Vs. analitička poslovna inteligencija ............................................................. 196
Tablica 23. Tipovi fleksibilnost........................................................................................................... 206
Tablica 24. Primjeri korištenja PI za potrebe analize u SCM-u .......................................................... 216
Tablica 25. Usporedna analiza SCM-a i SCI-a ................................................................................... 219
Tablica 26. Pokazatelji tehnologije i upravljanja znanjem .................................................................. 229
Tablica 27. Procjena pristranosti između ranijih i kasnijih ispitanika ................................................. 252
Tablica 28. Glavna/pretežita djelatnost poduzeća iz uzorka ............................................................... 253
Tablica 29. Struktura uzorkovanih poduzeća prema broju zaposlenih ................................................ 254
Tablica 30. Struktura uzorkovanih poduzeća prema pravnom obliku ................................................. 255
Tablica 31. Deskriptivna statistika za varijablu poslovna inteligencija .............................................. 257
Tablica 32. Objedinjenost unutarnjih podataka i informacija na razini procesa ili projekta ............... 258
Tablica 33. Objedinjenost unutarnjih podataka i informacija na razini službi ili odjela ..................... 258
Tablica 34. Dostupnost vanjskih izvora podataka i informacija ......................................................... 259
Tablica 35. Rasprostranjenost lokacija podataka i informacija ........................................................... 260
Tablica 36. Integriranost i iskoristivost podataka i informacija za izvještavanje ................................ 261
Tablica 37. Vjerodostojnost unutarnjih prikupljenih podataka i informacija ...................................... 262
Tablica 38. Vjerodostojnost vanjskih prikupljenih podataka i informacija......................................... 262
Tablica 39. Provjeravanje korisničkog identiteta (autentifikacija) ...................................................... 263
Tablica 40. Sistematiziranost pristupa podacima i informacijama (autorizacija)................................ 264
Tablica 41. Provođenje zaštite od zlouporabe podataka i informacija ................................................ 264
Tablica 42. Dostupnost podataka i informacija u realnom vremenu ................................................... 265
Tablica 43. Korištenje tehnika rudarenja podacima ............................................................................ 266
Tablica 44. Korištenje OLAP alata ..................................................................................................... 266
Tablica 45. Korištenje poslovnih upravljačkih ploča .......................................................................... 267
352
Tablica 46. Vizualizacija podataka i informacija ................................................................................ 268
Tablica 47. Odlučivanje na temelju činjenica ..................................................................................... 269
Tablica 48. Korištenje dobrog osjećaja i iskustva u odlučivanju ........................................................ 269
Tablica 49. Doprinos poslovne inteligencije skraćenju vremena evidencije događaja ....................... 270
Tablica 50. Doprinos poslovne inteligencije skraćenju vremena dostupnosti informacija ................. 271
Tablica 51. Povećanje raspoloživog vremena za odlučivanje ............................................................. 271
Tablica 52. Korištenje tehnologije skladišta podataka ........................................................................ 272
Tablica 53. Organizacija poslovne inteligencije na razini cijelog poduzeća ....................................... 273
Tablica 54. Organizacija poslovne inteligencije na razini odjela ili službi ......................................... 274
Tablica 55. Organizacija poslovne inteligencije na razini procesa ili projekata ................................. 274
Tablica 56. Deskriptivna statistika za varijablu informacijska vidljivost............................................ 275
Tablica 57. Točnost korištenih podataka i informacija ....................................................................... 276
Tablica 58. Primjerenost potrebama korištenih podataka i informacija .............................................. 277
Tablica 59. Iskoristivost korištenih podataka i informacija ................................................................ 277
Tablica 60. Ažuriranje unutarnjih podataka i informacija ................................................................... 278
Tablica 61. Razmjena strateških podataka i informacija s ključnim dobavljačima ............................. 279
Tablica 62. Razmjena operativnih podataka i informacija s ključnim dobavljačima .......................... 279
Tablica 63. Razmjena strateških podatka i informacija s ključnim kupcima ...................................... 280
Tablica 64. Razmjena operativnih podataka i informacija s ključnim kupcima.................................. 281
Tablica 65. Deskriptivna statistika za varijablu integracija ................................................................. 282
Tablica 66. Unutrašnja razmjena podataka i informacija .................................................................... 283
Tablica 67. Sudjelovanje svih odjela u ocjenjivanju i izboru dobavljača............................................ 283
Tablica 68. Postojanje višestrukih verzija istine ................................................................................. 284
Tablica 69. Integriranost procesa opskrbnog lanca ............................................................................. 285
Tablica 70. Suradnja u unapređenju kvalitete proizvoda i usluga ....................................................... 285
Tablica 71. Suradnja u razvoju novih proizvoda i usluga .................................................................. 286
Tablica 72. Integriranost zajedničkih procesa s ostalim članovima opskrbnog lanca ......................... 287
Tablica 73. Ocjena odnosa s ključnim dobavljačima .......................................................................... 287
Tablica 74. Ocjena odnosa s ključnim kupcima .................................................................................. 288
Tablica 75. Deskriptivna statistika za varijablu upravljanje opskrbnim lancem ................................. 289
Tablica 76. Skraćenje vremena odziva na kupčeve zahtjeve............................................................... 290
Tablica 77. Povećanje točnosti isporuka na vrijeme ........................................................................... 291
Tablica 78. Povećanje kompletiranosti isporuka ................................................................................. 291
Tablica 79. Spremnost reagiranja na potrebne modifikacije ............................................................... 292
Tablica 80. Spremnost reagiranja na neočekivane tržišne poremećaje ............................................... 293
Tablica 81. Kontinuirano analiziranje poslovne okoline ..................................................................... 293
Tablica 82. Kontinuitet preispitivanja i unapređenja poslovne strategije............................................ 294
Tablica 83. Usklađivanje strateških planova s ključnim dobavljačima ............................................... 295
Tablica 84. Usklađivanje strateških planova s ključnim kupcima....................................................... 296
Tablica 85. Optimiziranje povezanih procesa s partnerima iz opskrbnog lanca ................................. 296
Tablica 86. Provođenje scenario analiza ............................................................................................. 297
Tablica 87. Provođenje prognoziranja događanja ............................................................................... 298
Tablica 88. Provođenje analize trenda................................................................................................. 299
Tablica 89. Provođenje analize vremenskog slijeda............................................................................ 299
Tablica 90. Postignuto smanjenje troškova funkcioniranja opskrbnog lanca...................................... 300
Tablica 91. Postignuto povećanje povrat na imovinu (ROA) u odnosu na konkurente ...................... 301
Tablica 92. Postignuto povećanje povrata na uloženo (ROI) u odnosu na konkurente ....................... 302
Tablica 93. Povećanje tržišnog udjela u odnosu na konkurente .......................................................... 302
353
Tablica 94. Povećanje efikasnosti opskrbnog lanca ............................................................................ 303
Tablica 95. Postignuto skraćenje vremena odlučivanja unutar opksrbnog lanca ................................ 304
Tablica 96. Procjena pouzdanosti dimenzije izvori podataka i informacija ........................................ 305
Tablica 97. Procjena pouzdanosti dimenzije pouzdanost podataka i informacija ............................... 306
Tablica 98. Procjena pouzdanosti dimenzije izvori i pouzdanost podataka i informacija.................. 306
Tablica 99. Procjena pouzdanosti dimenzije pristup podacima i informacijama ................................ 307
Tablica 100. Procjena pouzdanosti dimenzije napredna analitika ....................................................... 307
Tablica 101. Procjena pouzdanosti dimenzije intuicija i vrijeme ........................................................ 308
Tablica 102. Procjena pouzdanosti dimenzije organizacija PI ............................................................ 308
Tablica 103. Procjena nove pouzdanosti dimenzije organizacija PI ................................................... 309
Tablica 104. Procjena pouzdanosti dimenzije kvaliteta sadržaja ........................................................ 309
Tablica 105. Procjena pouzdanosti dimenzije razina vidljivosti ......................................................... 310
Tablica 106. Procjena pouzdanosti dimenzije suradnja unutar poduzeća ........................................... 310
Tablica 107. Procjena nove pouzdanosti dimenzije suradnja unutar poduzeća................................... 310
Tablica 108. Procjena pouzdanosti dimenzije suradnja između poduzeća .......................................... 311
Tablica 109. Procjena pouzdanosti dimenzije agilnost ....................................................................... 311
Tablica 110. Procjena pouzdanosti dimenzije prilagodljivost ............................................................. 312
Tablica 111. Procjena pouzdanosti dimenzije usklađenje ................................................................... 312
Tablica 112. Procjena pouzdanosti dimenzije proaktivnost ................................................................ 312
Tablica 113. Procjena pouzdanosti dimenzije performanse ................................................................ 313
Tablica 114. KMO i Bartlettov test za dimenzije poslovne inteligencije ............................................ 314
Tablica 115. KMO i Bartlettov test sferičnosti za dimenzije informacijske vidljivosti ...................... 315
Tablica 116. KMO i Bartlettov test sferičnosti za dimenzije integracije ............................................ 316
Tablica 117. KMO i Bartlettov test sferičnosti za dimenzije upravljanja opskrbnim lancem ............. 317
Tablica 118. Korelacija između elemenata poslovne inteligencije i informacijske vidljivosti ........... 321
Tablica 119. Korelacija poslovne inteligencije i informacijske vidljivosti ......................................... 321
Tablica 120. Korelacija između elemenata informacijske vidljivosti i SCM-a ................................... 324
Tablica 121. Korelacija informacijske vidljivosti i upravljanja opskrbnim lancem............................ 324
Tablica 122. Korelacija između elemenata poslovne inteligencije i integracije.................................. 325
Tablica 123. Korelacija poslovne inteligencije i integracije ............................................................... 326
Tablica 124. Korelacija između elemenata integracije i upravljanja opskrbnim lancem .................... 327
Tablica 125. Korelacija između integracije i upravljanja opskrbnim lancem ..................................... 327
Tablica 126.Korelacija poslovne inteligencije i SCM-a ...................................................................... 328
Tablica 127. Korelacija između elemenata poslovne inteligencije i upravljanja opskrbnim lancem .. 329
Tablica 128. Korelacija između elemenata informacijske vidljivosti i integracije ............................. 330
Tablica 129. Korelacija informacijske vidljivosti i integracije ........................................................... 331
354
POPIS GRAFOVA
Graf 1. Rezultati korištenih pojmova .................................................................................................... 32
Graf 2. Promjene u globalnom okruženju ............................................................................................. 79
Graf 3. Korelacija zrelosti tržišne inteligencije i učinkovitosti odlučivanja ......................................... 91
Graf 4. Najvažnije informacije u različitim ekonomijama .................................................................. 149
Graf 5. Protokol istraživanja ............................................................................................................... 239
Graf 6. Usporedba osnovnog skupa i uzorka prema broju zaposlenih ................................................ 254
Graf 7. Usporedba osnovnog skupa i uzorka prema pravnom obliku ................................................. 255
355
POPIS PRILOGA
Prilog 1. Popratni dopis ....................................................................................................................... 388
Prilog 2. Anketni upitnik ..................................................................................................................... 390
Prilog 3. Svojstvene vrijednosti za I dimenziju poslovne inteligencije ............................................... 394
Prilog 4. Faktorska opterećenja za I dimenziju poslovne inteligencije ............................................... 394
Prilog 5. Svojstvene vrijednosti za II dimenziju poslovne inteligencije ............................................. 395
Prilog 6. Faktorska opterećenja za II dimenziju poslovne inteligencije .............................................. 395
Prilog 7. Svojstvene vrijednosti za III dimenziju poslovne inteligencije ............................................ 395
Prilog 8. Faktorska opterećenja za III dimenziju poslovne inteligencije............................................. 395
Prilog 9. Svojstvene vrijednosti za IV dimenziju poslovne inteligencije ............................................ 396
Prilog 10. Faktorska opterećenja za IV dimenziju poslovne inteligencije .......................................... 396
Prilog 11. Svojstvene vrijednosti za V dimenziju poslovne inteligencije ........................................... 396
Prilog 12. Faktorska opterećenja za V dimenziju poslovne inteligencije............................................ 396
Prilog 13. Svojstvene vrijednosti za I dimenziju informacijske visljivosti ......................................... 397
Prilog 14. Faktorska opterećenja za I dimenziju informacijske vidljivosti ......................................... 397
Prilog 15. Svojstvene vrijednosti za II dimenziju informacijske vidljivosti ....................................... 397
Prilog 16. Faktorska opterećenja za II dimenziju informacijske vidljivosti ........................................ 397
Prilog 17. Svojstvene vrijednosti za I dimenziju integracije ............................................................... 398
Prilog 18. Faktorska opterećenja za I dimenziju integracije ............................................................... 398
Prilog 19. Svojstvene vrijednosti za II dimenziju integracije.............................................................. 398
Prilog 20. Faktorska opterećenja za II dimenziju integracije .............................................................. 398
Prilog 21. Svojstvene vrijednosti za I dimenziju SCM-a .................................................................... 399
Prilog 22. Faktorska opterećenja za I dimenziju SCM-a ..................................................................... 399
Prilog 23. Svojstvene vrijednosti za II dimenziju SCM-a ................................................................... 399
Prilog 24. Faktorska opterećenja za II dimenziju SCM-a ................................................................... 399
Prilog 25. Svojstvene vrijednosti za III dimenziju SCM-a .................................................................. 400
Prilog 26. Faktorska opterećenja za III dimenziju SCM-a .................................................................. 400
Prilog 27. Svojstvene vrijednosti za IV dimenziju SCM-a ................................................................. 400
Prilog 28. Faktorska opterećenja za IV dimenziju SCM-a .................................................................. 400
Prilog 29. Svojstvene vrijednosti za V dimenziju SCM-a ................................................................... 401
Prilog 30. Faktorska opterećenja za V dimenziju SCM-a ................................................................... 401
356
POPIS KRATICA
AI
- Artificial Intelligence, umjetna inteligencija
BC
- Business Counterintelligence, poslovna protuobavještajna aktivnost
BI
- Business Intelligence, poslovna inteligencija
BICC - Business Intelligence Competency Center, centar kompetencije PI
BIS
- Business Intelligence System, sistem poslovne inteligencije
BPO
- Business Process Orientation, orijentiranost poslovnim procesima
BSC
- Balanced ScoreCards, tablica uravnoteženih ciljeva
B2B
- Business to business, izravni poslovni odnos
B2C
- Business to customer, izravni poslovni odnos s krajnjim kupcem
B2R
- Business to reseller, izravan poslovni odnos s distributerom
CAS
- Competitor Analysis System, sistemska analiza konkurencije
CCOR - Customer Chain Operations Refernce
CEO
- Chief Executive Officer, glavni izvršni direktor
CI
- Competitive Intelligence, konkurentska (kompetitivna) inteligencija
CnI
- Consumer Intelligence, potrošačeva inteligencija
CoG/S - Cost of goods sold to sales, trošak prodane robe
CoI
- Competitor Intelligence, inteligencija pojedinog konkurenta
CsI
- Customer Intelligence, kupčeva (klijentska) inteligencija
CIN
- Critical Intelligence Needs, kritične intelligence potrebe
CRM - Customer Relatinship Management, upravljanje odnosima s kupcima
CSR
- Corporate Social Responsibility, korporativna socijalna odgovornost
C2C
- Customer to customer, izravni podnos dva kupca iz skupine krajnjih kupaca
DBI
- Defensive Business Intelligence, defanzivna poslovna inteligencija
DCM - Demand Chain Management, upravljanje lancem potražnje
DCOR - Design Chain Operations Reference
DI
- Defensive Intelligence, obrambena inteligencija
DM
- Data Mining, rudarenje podacima
DMa
- Data Mart, spremište podataka
DMS
- Decision Management Systems, sistem za upravljanje odlučivanjem
DSS
- Decision Support System, sistemi za podršku odlučivanju
DW
- Data Warehouse, skladište podataka
EDW - Enterprise Data Warehouse, skladište podataka poduzeća
357
EDI
-Electronic Data Intercharge, elektronska razmjena podataka
EI
- Environmental Intelligence, inteligencija okoline
EIS
- Executive Information System, izvršni informacijski sistem
ERP
- Enterprise Resource Planning, tvrtkino planiranje resursa
ESI
- Economic and Strategic Intelligence, ekonomska i strateška inteligencija
ETL
- Extract, Transform, Load; vađenje, preoblikovanje i unošenje
EVA
- Economic Value Added, ekonomska dodana vrijednost
ExI
- External Intelligence, vanjska inteligencija
FI
- Financial Intelligence, financijska intelligencija
GIS
- Geographical Information System, geografski informacijski sistem
GSCF - Global Supply Chain Forum
IM
- Information Management, upravljanje informacijama
IMF
- International Monetary Fund, međunarodni monetarni fond
IOS
- Inter Organizational System, međuorganizacijski sistem
IS
- Information System, informacijski sistem
IT
- Information Technology, informacijska tehnologija
IVC
- Information Value Chain, informacijski lanac vrijednosti
JIT
- Just In Time, u pravo vrijeme
KM
- Knowledge Management, upravljanje znanjem
KMO - Kaiser-Meyer-Olkin, mjera adekvatnosti uzorka
KSF
- Key Success Factor, ključni faktor uspjeha
KIT
- Key Intelligence Topics, ključne intelligence teme
KPI
- Key Performance Indicator, ključni pokazatelj uspjeha
MI
- Market Intelligence, tržišna inteligencija
MkI
- Marketing Intelligence, marketinška inteligencija
MOE - Measure of Effectivenes, mjere efikasnosti
MVA - Market Value Added, tržišna dodana vrijednost
NPV
- Net Present Value, neto sadašnja vrijednost
OEM - Original Equipment Manufacture, orginalni proizvođači opreme
OI
- Organizational Intelligence, organizacijska inteligencija
OIA
- Operating income to asset, operativni prihod na imovinu
OIE
- Operating income to employees, operativni prihod na zaposlene
OIS
- Operating income to sales, operativni prihod na prodaju
OLAP - On-Line Analytical Processing, on-line analitička obrada podataka
358
OLTP - On-Line Transaction Processing, on-line obrada transakcija
PA
- Predictive Analytic, napredna analitika
PI
- Poslovna inteligencija
PIC
- Production and inventory control, kontrola proizvodnje i zaliha
POS
- Point of Sale, mjesto prodaje
RI
- Risk Intelligence, inteligencija rizika
ROA
- Return on Asset, povrat na imovinu
ROCII - Return on Competitive Intelligence Investment, povrat na investicije kompetitivne
inteligencije
ROI
- Return on Investments, povrat na investicije
ROS
- Return on Sales, povrat na prodaju
RSS
- Really Simple Syndication, stvarno jednostavne vijesti
SC
- Supply Chain, opskrbni lanac
SCCI - Supply Chain Competitive Intelligence, konkurentska inteligencija opskrbnog lanca
SCEM - Supply Chain Event Management, upravljanje događanjima u opskrbnom lancu
SCI
- Supply Chain Intelligence, inteligencija opskrbnog lanca
SCIP
- Strategic and Competitive Intelligence Professionals
SCM
- Supply Chain Management, upravljanje opskrbnim lancem
SCO
- Supply Chain Orientation, orijentiranost prema opskrbnom lancu
SCOR - Supply Chain Operations Reference
SCRM - Supply Chain Risk Management, upravljanje rizikom opskrbnog lanca
SeI
- Security Intelligence, sigurnosna inteligencija
SGA/S - Selling and general administration expense to sales, trošak prodaje i generalne
administracije u prodaji
SI
- Strategic Intelligence, strateška inteligencija
SME
- Small and Medium Size Enterprise, mala i srednja poduzeća
SMI
- Supply Market Intelligence, inteligencija opksrbnog tržišta
SoI
- Social Intelligence, socijalna inteligencija
SOP
- Sales and Operations Plan, planiranje prodaje i operacija
SRM
- Supplier Relationship Management, upravljanje odnosima s kupcima
SMI
- Supply Market Intelligence, inteligencija tržišne opskrbe
TCO
- Total Cost of Ownership, ukupni troškovi vlasništva
TQM - Total Quality Management, totalno uravljanje kvalitetom
USCM - Ubiquitous Supply Chain Management, sveprisutno upravljanje opskrbnim lancem
VMI
- Vendor Managed Inventory, dobavljač (prodavač) upravlja zalihama
359
LITERATURA
1)
Akintoye, A., McIntosh, G., Fitzgerald, E.: A survey of supply chain collaboration and
management in the UK construction industry, European Journal of Purchasing &
Supply Management, 2000., 6, p. 159-168.
2)
Akrap, G.: Poslovnost i izvjesništvo, National Security and the Future, 2008., 1-2 (9),
p. 53-75. Napomena: članak je izvorno objavljen pod pseudonimom Danijel Ćosić
Dragan.
3)
Anbanandam, R., Banwet, D. K., Shakar, R.: Evaluation of supply chain
collaboration: a case of apparel retail industry in India, International Journal of
Productivity and Performance Management, 2011., 60 (2), p. 82-98.
4)
Anderson, David L., Britt, Frank F., Favre, Donovan J.: The 7 Principles of Supply
Chain Management, Supply Chain Management Review, April 1, 2007.
5)
Anić, V.: Rječnik hrvatskog jezika, Novi Liber i Jutarnji list, Zagreb, 2007.
6)
Anić, I.D., Mihić, M., Jurić, M.: Kupovna orijentacija žena na tržištu odjeće,
Privredna kretanja i ekonomska politika, 2010., 123, p. 27-55.
7)
Apgar, D.: Risk Intelligence, Harvard Business School Press, Boston, 2006.
8)
Arlbjorn, J. S., Jonsson, P., Johansen, J.: Nordic research in logistics and supply chain
management: an empirical analysis, International Journal of Physical Distribution &
Logistics Management, 2008., 38(6), p. 452-474.
9)
Armstrong, J.S., Overton, T.S.: Estimating Nonresponse Bias in Mail Surveys, Journal
of Marketing Research, 1977., 14, p. 396-402.
10)
Atre, S.: The Top 10 Critical Challenges for Business Intelligence Success, white
paper, Computerlworld Custom Publishing, June 30, 2003.
11)
Auramo, J., Kauremaa, J., Tanskanen, K.: Benefits of IT in supply chain management:
an explorative study of progressive companies, International Journal of Physical
Distribution & Logistics Management, 2005., 35 (2), p. 82-100.
12)
Auramo, J.: Implications of supply chain visibility: benefits in transaction execution
and resource network management, disertacija, 2006., Helsinki University of
Technology Laboratory of Industrial Management, Helsinki
13)
Baars, H., Kemper, H. G., Lasi, H., Siegel, M.: Combining RFID Technology and
Business Intelligence for Supply Chain Optimization – Scenarios for Retail Logistics,
Proceedings of the 41st Hawaii International Conference on System Sciences, 07.10.01.2008.
360
14)
Badr, A., Madden, E., Wright, S.: The Contribution of CI to the Strategic Decision
Making Process: Empirical Study of the European Pharmaceutical Industry, Journal
of Competitive Intelligence and Management, 2006., 3 (4), p. 15-35.
15)
Bahtijarević-Šiber, F., Sikavica, P. (ur.): Leksikon menadžmenta, Masmedia, Zagreb,
2001.
16)
Barratt, M.: Understanding the meaning of collaboration in the supply chain, Supply
Chain Management Journal: An International Journal, 2004., 9 (1), p. 30-42.
17)
Barrett, P.: Reducing vulnerability through counterintelligence, in Blenkhorn, D.L.,
Fleisher, C.S.: Managing frontiers in competitive intelligence, Quorum books,
Westport, 2001., p. 29-39.
18)
Barrier, M.: Protecting Trade Secrets, HR Magazine, May 2004.
19)
Bayraktar, E., Demirbag, M., Koh, S. C. L., Tatoglu, E., Zaim, H.: A causal analysis
of the impact of information systems and supply chain management practices on
operational performance: Evidence from manufacturing SMEs in Turkey, International
Journal of Production Economics, 2009., 122, p. 133-149.
20)
Bazdan, Z.: Poslovna obavještajna djelatnost – ključan čimbenik poslovne izvrsnosti,
Case study: Industrijska špijunaža, Poslovna izvrsnost, 2009., III (1), p. 57-76.
21)
Benton, W. C., Maloni, M.: The influence of power-driven buyer/seller relationships
on supply chain satisfaction, Journal of Operations Management, 2005., 23, p. 1-22.
22)
Bernhardt, D.: Competitive intelligence: how to acquire and use competitive
intelligence and counterintelligence, FT Prentice Hall, 2003.
23)
Berns, M., Townend, A., Khayat, Z., Balagopal, B., Reeves, M., Hopkins, M.,
Kruschwitz, N.: The Business of Sustainability; Findings and Insight from the First
Annual Business of Sustainability Survey and the Global Thought Leader's Research
Project, MIT Sloan Management Review, Special Report, 2009.
24)
Biere, M.: Business Intelligence for the Enterprise, Prentice Hall, New Jersey, 2003.
25)
Bilandžić, M.: Poslovno-obavještajno djelovanje: Business Intelligence u praksi,
AGM, Zagreb, 2008.
26)
Bilandžić, M., Čulig, B., Lucić, D., Putar-Novoselić, M., Jakšić, J.: Business
intelligence u hrvatskom gospodarstvu, Poslovna izvrsnost, 2012., VI (1), p. 9-28.
27)
Blackhurst, J., Craighead, C. W., Elkins, D., Handfield, R. B.: An empirically derived
agenda of critical research issues for managing supply-chain disruptions,
International Journal of Production Research, 2005., 43 (19), p. 4067-4081.
361
28)
Blackhurst, J., Cantor, D., O'Donnell, M.: Sustainable Supply Chains: A Guide for
Small-to Medium-sized Manufactureres, CIRAS, Iowa State University, 2012.
29)
Blenkhorn, D.L., Fleisher, C.S.: Performance Assessment in Competitive Intelligence:
An Exploration, Synthesis, and Research Agenda, Journal of Competitive Intelligence
and Management, 2007., 4 (2), p. 4-22.
30)
Bloomberg, David J., LeMay, S., Hanna, Joe B.: Logistika, MATE, Zagreb, 2006.
31)
Bolstroff, P., Rosenbaum, R.: Supply Chain Excelence – A Handbook for Dramatic
Improvement Using the SCOR Model, 2nd. ed., Amacom, New York, 2007.
32)
Boon-itt, S., Paul, H.: Measuring Supply Chain Integration – Using the Q-Sort
Techniques, in: Kotzab, H., Seuring, S., Muller, M., Reiner, G (eds.): Research
Methodologies in Supply Chain Management, Physica-Verlag, Heidelberg, 2005., p.
47-73.
33)
Borges, M., Hoppen, N., Luce, F. B.: Information technology impact on market
orientation in e-business, Journal of Business Research, 2009., 62, p. 883-890.
34)
Bose, R.: Advanced analytics: opportunities and challenges, Industrial Management &
Data Systems, 2009., 109 (2), p. 155-172.
35)
Bowersox, Donald J.: SCM: The past is prologue, CSCMP's Supply Chain Quarterly,
quarter 2, 2007.
36)
Boyer, J., Frank, B., Green, B., Harris, T., Van De Vanter, K.: Business Intelligence
Strategy, MC Press Online, Ketchum, 2011.
37)
Breeding, B.: CI and KM Convergence: A Case Study at Shell Services International,
in Prescott, John E., Miller, Stephen H. (Eds.): Proven Strategies in Competitive
Intelligence, John Wiley & Sons, New York, 2001.
38)
Brewer, P.C., Speh, T.W.: Using the Balanced scorecard to measure supply chain
performance, Journal of Business Logistics, 2000., 21(1), p. 75-93.
39)
Brody, R.: Issues in defining competitive intelligence: an exploration, Journal of
Competitive Intelligence and Management, 2008., 4 (3), p. 3-16.
40)
Brouard, F.: Awareness and Assessment of Strategic Intelligence: A Diagnostic Tool, u
Xu, M. (ed.): Managing Strategic Intelligence: Techniques and Technologies,
Information Science Reference, New York, p. 123.
41)
Brown, Mark G.: Beyond the balanced scorecard: improving business intelligence
with analytics, CRC Press, New York, 2009.
42)
Buble, M.: Osnove analize okoline, in Buble, M. (red.): Strateški menadžment,
Sinergija, Zagreb, 2005., p. 15-17.
362
43)
Buble, M.: Menadžment, Ekonomski fakultet Split, Split, 2006.
44)
Buble, M.: Osnove menadžmenta, Sinergija, Zagreb, 2006.
45)
Buchanan, L., O’Connell, A.: A brief history of decision making, Harvard Business
Review, January, 2006., p. 32-40.
46)
Burges, K., Singh, P.J., Koroglu, R.: Supply chain management: a structured
literature review and implications for future research, International Journal of
Operations & Production Management, 2006., 26 (7), p. 703-729.
47)
Calof, J.: Knowledge for innovation: Competitive intelligence practices in small and
midium sized business, ICSB World Conference, 2004.
48)
Carter, C.R., Rogers, D.S.: A framework of sustainable supply chain management:
moving toward new theory, International Journal of Physical Distribution & Logistic
Management, 2008., 38 (5), p. 360-387.
49)
Carter, C.R., Easton, P.L.: Sustainable supply chain management: evolution and
future directions, International Journal of Physical Distribution & Logistics
Management, 2011., 41 (1), p. 46-62.
50)
Cavalcanti, E. P.: The Relationship between Business Intelligence and Business
Success, Journal of Competitive Intelligence and Management, 2005., 3 (1), p. 3-11.
51)
Cecere, L.: A Four-Step Program for Supply Chain Agility, Industry Value Chain
Strategies, Hitachi Consulting & AMR Research, June 2009.
52)
Chang H.L., Chen, C.H., Su, C.H.: Developing supply chain dynamic capability to
realize the value of inter-organizational systems, Proceedings of PACIS Pacific Asia
Conference
on
Information
Systems,
2008.,
preuzeto
s
http://aisel.aisnet.org/pacis2008/145 30.03.2010.
53)
Chen, I.J., Paulraj, A.: Understanding supply chain management: critical research
and a theoretical framework, International Journal of Production Research, 2004., 42
(1), p. 131-163.
54)
Chen, I.J., Paulraj, A.: Towards a theory of supply chain management: the constructs
and measurements, Journal of Operations Management, 2004., 22 (2), p. 119-150.
55)
Chen, H., Mattioda, D. D., Daugherty, P. J.: Firm-wide integration and firm
performance, The International Journal of Logistics Management, 2007., 18 (1), p. 521.
56)
Chen, P. K., Huang, C. M., Su, C. H.: Successful Supply Chain Practices through
Organizational Knowledge and E-Business Technology, Information Technology
Journal, 2009., 8 (6), p. 879-886.
363
57)
Chong, A. Y. L., Ooi, K. B., Sohal, A.: The relationship between supply chain factors
and adoption of e-Collaboration tools: An empirical examination, International
Journal of Production Economics, 2009., 122, p. 150-160.
58)
Christopher, M., Peck, H.: Building the resilient supply chain, International Journal of
Logistics Management, 2004., 15 (2), p. 1-14.
59)
Christopher, M.: Logistics and Supply Chain Management, 3rd. ed., Prentice Hall &
Financial Times, London, 2005.
60)
Churchill, G.A.Jr.: A Paradigm for Developing Better Measures of Marketing
Constructs, Journal of Marketing Research, XVI, February 1979., p. 64-73.
61)
Cingula, M.: Pristup implementaciji strategije, in: Buble, M. (red.): Strateški
menadžment, Sinergija, Zagreb, 2005., p. 157-160.
62)
Clark, Thomas D., Jones, Mary C., Armstrong, Curtis P.: The Dynamic Structure of
Management Support Systems: Theory Development, Research Focus, and Direction,
MIS Quarterly, 2007., 31(3), p. 579-588.
63)
Closs, D.J., Speier, C., Meacham, N.: Sustainability to support end-to-enf value
chains: the role of supply chain management, Journal of Academy of Marketing
Science, 2011., 39, p. 101-116.
64)
Cobanoglu, C., Warde, B., Moreo, P.J.: A comparison of mail, fax and web-based
survey methods, International Journal of Market Research, Decembar, 2001., p. 405410.
65)
Cohen, C.: Business Intelligence, ISTE & John Wiley & Sons, London, 2009.
66)
Cokins, G.: Performance Management, John Wiley & Sons, New Jersey, 2009.
67)
Copacino, W.: Better Supply Chain Collaboration Throgh Business Intelligence,
Supply Chain Management Review, July 31, 2008.
68)
Croom, S., Romano, P., Giannakis, M.: Supply chain management: an analytic
framework for critical literature review, European Journal of Purchasing & Supply
Management, 2000., 6., p. 67-83.
69)
Croom, Simon R.: The impact of e-business on supply chain management,
International Journal of Operations & Production Management, 2005., 25 (1), p. 5573.
70)
Ćurko, K.: Business Intelligence Technology: The Croatian Case, 2002.,
Management: Journal of Contemporary Management Issues, 7 (2), p. 63-76.
71)
Dani, S.: Predicting and Managing Supply Chain Risks, in: Zsidisin, G.A., Ritchie, B.
(Eds.): Supply Chain Risk, Springer, New York, 2008., p. 53-66.
364
72)
Davenport, T. D., Harris, J. G.: Competing on Analytics – The New Science of
Winning, Harvard Business School Press, Boston, 2007.
73)
Davenport, T.D., Harris, J.G., Morison, R.: Analytics at Work: Smarter Decisions Better Results, Harvard Business School Press, Boston, 2010.
74)
Davenport, T.D., Snabe, J.H.: How Fast and Flexible Do You Want Your Information,
Really?, MIT Sloan Management Review, spring 2011., 52 (3), p. 57-62.
75)
Dedijer, S.: Business intelligence, Prva hrvatska konferencija o pribavljanju,
organiziranju i uporabi poslovnih informacija, Zavod za poslovna istraživanja, Zagreb,
1999.
76)
Dedijer, S.: The World Jumper, vlastita naklada, Dubrovnik, 2000.
77)
Dedijer, S.: Ragusa Intelligence & Security (RIS) – A Model for 21-st Century!?,
National Security and the Future, 2000., 3-4 (1), p. 127-141.
78)
Defee, Clifford C., Esper, Terry L., Stank, Theodore P., Mentzer, John T.: The Role of
followers in supply chains, Journal of Business Logistic, 2009., 30 (2), p. 65-84.
79)
DeGenaro, B.: A Case for Business Counterintelligence, Competitive Intelligence
Magazine, 2005., 8 (5), p. 12-16.
80)
Dehning, B., Richardson, V.J., Zmud, R.W.: The financial performance effects of ITbased supply chain management systems in manufacturing firms, Journal of
Operations Management, 2007., 25, p. 806-824.
81)
Delen, D., Hardgrave, B.C., Sharda, R.: RFID for Better Supply Chain management
through Enhanced Information Visibility, Production and Operations Management,
2007., 16 (5), p. 613-624.
82)
Denton, P., Tan, K., Little, D., Bonner, J.V.H.: A Three R Approach for Supply Chain
Business Intelligence, In: 19th International Conference on Production Research
ICPR19, 29th July – 2nd August 2007., Valparaiso, Chile
83)
Dillman, D.A.: The design and administration of mail surveys, Annual Review of
Sociology, 1991., 17, p. 225-249.
84)
Ditman, P., Slone, R., Mentzer, John T.: Supply Chain Risk: It's Time to Measure It,
Harvard Business Review, February 5, 2010.
85)
Downing, C.E.: Is Web-Based Supply Chain Integration Right for Your Company?,
Communications of the Associations for Information Systems, May 2010., 53 (5), p.
134-137.
86)
Dulčić, Ž.: Okolina poduzeća, in: Buble, M. (red.): Strategijski management,
Ekonomski fakultet, Split, 1997., p. 71-119.
365
87)
Dulčić, Ž.: Struktura okoline, in: Buble, M. (red.): Strateški menadžment, Sinergija,
Zagreb, 2005., p. 17-26.
88)
Dyson, Lauerl E., Koruth, S.: Improving Business Performance through Supply Chain
Intelligence: An Australian perspective, Information Technology and Organizations in
the 21st Century: Challenges & Solutions, Proceedings of The 2004 International
Business Information Management Conference, Jully 4-6, Amman, Jordan, p. 342348.
89)
Dwivedi, A., Butcher, T. (Eds.): Supply Chain Management and Knowledge
Management, Palgrave Macmillan, London, 2009.
90)
Eckerson, W.W.: TDWI's Maturity Model, TDWI Research, July 2007.
91)
Eckerson, W.: Pervasive Business Intelligence – Techniques and Technologies to
Deploy BI on an Enterprise Scale, TDWI Best Practice Report, 3-rd quarter 2008.
92)
Eckerson, Wayne W.: Performance Dashboards: Measuring, Monitoring, and
Managing Your Business, 2nd ed., John Wiley & Sons, New Jersey, 2011.
93)
Eckerson, W., Hammond, M.: Visual reporting and analysis – Seeing is Knowing,
TDWI Best Practice Report, 1-st. Quarter 2011.
94)
Elbashir, M., Williams, S.: BI Impact: The Assimilation of Business Intelligence into
Core Business Process, Business Intelligence Journal, 2007., 12(4), p. 2-10.
95)
Elbashir, Mohamed Z., Collier, Philip A., Davern, Michael J.: Measuring the effects of
business intelligence systems: The relationship between business process and
organizational performance, International Journal of Accounting Information
Systems, 2008., 9, p. 135-153.
96)
Fawcett, Stanley E., Osterhaus, P., Magnan, Gregory M., Brau, James C., McCarter,
Matthew W.: Information sharing and supply chain performance: the role of
connectivity and willingness, Supply Chain Management: An International Journal,
2007., 12 (5), p. 358-368.
97)
Filipović, R. (ur.): Englesko-hrvatski rječnik, 18. izd., Školska knjiga i Grafički zavod
Hrvatske, Zagreb, 1991.
98)
Fisher, M., Raman, A.: The New Science of Retailing, Harvard Business Press, Boston,
2010.
99)
Fitzpatrick, William M., Burke, Donald, R.: Competitive Intelligence, Corporate
Security and the Virtual Organization, Advances in Competitiveness Research, 2003.,
11 (1), p. 20-45.
366
100)
Fleisher, C. S., Bensoussan, B. E.: Strategic and Competitive Analysis, Prentice Hall,
New Jersey, 2003.
101)
Fleisher, C. S., Bensoussan, B. E.: Business and Competitive Analysis, FT Press, New
Jersey, 2007.
102)
Francis, M.: Lean Information and Supply Chain Effectiveness, International Journal
of Logistics Research and Aplications, April 1998., 1., p. 93-103.
103)
Friscia, T., O'Marah, K., Hofman, D,: The AMR Research Supply Chain Top 25 for
2009, AMR Research Inc., May 2009.
104)
Frishammar, J.: Characteristics in information processing approaches, International
Journal of Information Management, 2002., 22, p. 143-156.
105)
Frishammar, J.: Information Use in Strategic Decision Making, Management
Decision, 2003., 41 (4), p. 318-326.
106)
Frohlich, M.T., Westbrook, R.: Demand chain management in manufacturin and
services: web-based integration, drivers and performance, Journal of Operations
Management, 2002., 20, p. 729-745.
107)
Fuld, L.M.: The New Competitor Intelligence, John Wiley & Sons, New York, 1995.
108)
Fuld, L.M.: The secret language of competitive intelligence, 2nd. ed., Dog Ear
Publishing, Indianapolis, 2010.
109)
Fynes, B., Voss, C., de Burca, S.: The impact of supply chain relationship dynamics
on manufacturing performance, International Journal of Operations & Product
Management, 2005., 25 (1), p. 6-19.
110)
Garača, Ž.: Poslovni informacijski sustavi, Ekonomski fakultet Split, Split, 2008.
111)
Garača, Ž.: ERP sustavi, Ekonomski fakultet Split, Split, 2009.
112)
Gebauer, J., Schober, F.: Information System Flexibility and the Cost Efficiency of
Business Processes, Journal of the Association for Information Systems, 2006., 7 (3),
p. 122-147.
113)
Gilad, B., Gilad, T.: A System Approach to Business Intelligence, Business Horizons,
September-October 1985., 28 (5), p. 65-70.
114)
Gilad, B., Herring Jan P.(eds.): The art and science of business intelligence analysis:
business intelligence theory, principles, practices, and users, Jai Press Inc., London,
1996.
115)
Global Intelligence Alliance: Measuring the benefits of competitive intelligence, GIA
white paper, 3/2004.
367
116)
Global Intelligence Alliance: Competitive Intelligence in Large Companies – Global
Study, GIA white paper, 4/2005.
117)
Global Intelligence Alliance: Market Intelligence in Large Companies – Global Study,
Release Webinar May 22, 2007.
118)
Gonan Božac, M.: Pristup formuliranju strategije, in: Buble, M. (red.): Strateški
menadžment, Sinergija, Zagreb, 2005., p. 105-108.
119)
Gordon, Lawrence A., Loeb, Martin P.: Using Information Security as a Response to
Competitor Analysis Systems, Communications of the ACM, September 2001., 44 (9),
p. 70-75.
120)
Grawe, S.J., Daugherty, P.J., Roath, A.S.: Knowledge Synthesis and Innovative
Logistics Processes: Enhancing Operational Flexibility and Performance, Journal of
Business Logistics, 2011., 32 (1), p. 69-80.
121)
Groznik, A.: E-logistic: Informatization of slovenian transport logistic cluster,
Management: Journal of Contemporary Management Issues, 2005., 10 (1), p. 93-105.
122)
Gubi, E., Arlbjorn, J. S., Johansen, J.: Doctoral dissertations in logistics and supply
chain management: A review of Scandinavian contributions from 1990 to 2001.,
International Journal of Physical Distribution & Logistics Management, 2003., 33(10),
p. 854-885.
123)
Gunasekaran, A., Ngai, E. W. T., Information systems in supply chain integration and
management, European Journal of Operational Research, 159, 2004., p. 269-295.
124)
Gupta, S., Palsule-Desai, O.D.: Sustainable supply chain management: Review and
research opportunities, IIMB Management Review, 2011., 23, p. 234-245.
125)
Ha, B.C., Park, Y.K., Cho, S.: Supplier's affective trust and trust in competency in
buyers: Its effect on collaboration and logistics efficiency, International Journal of
Operations & Production Management, 2011., 31 (1), p. 56-77.
126)
Haanaes, K., Balagopal, B., Kong, M. T., Velken, I., Arthur, D., Hopkins, M. S.,
Kruschewitz, N.: New Sustainability Study: The”Embracers’ Seize Advantage, MIT
Sloan Management Review, spring 2011, 52 (3), p. 23-35.
127)
Hackathorn, R.: The BI Watch: Real-Time to Real-Value, DM Review, Jannuary
2004., preuzeto s http://www.dmreview.com/editorial/dmreview/ 17.12.2011.
128)
Hadaya, P., Cassivi, L.: The Role of Knowledge Sharing in a Supply Chain, In:
Dwivedi, A., Butcher, T. (Eds.): Supply Chain Management and Knowledge
Management, 2009., Palgrave Macmillan, London, 2009., p.19-39.
368
129)
Hair, J.F.Jr.: Knowledge creation in marketing: the role of predictive analytics,
European Business Review, 2007., 19 (4), p. 303-315.
130)
Hair, J.F.Jr., Black, W.C., Babib, B.J., Anderson, R.E.: Multivariate Data Analysis,
7.th ed., Pearson Prentice Hall, 2010.
131)
Handfield, R. B., Bechtel, C.: The role of trust and relationship structure in improving
supply chain responsiveness, Industrial Marketing Management, 2002., 31, p. 367.382.
132)
Handfield, Robert, B., Nichols, Ernest L. Jr.: Supply Chain Redesign: Transforming
Supply Chains into Integrated Value Systems, Financial Times Prentice Hall, New
Jersey, 2002.
133)
Handfield, R.: Supply Market Intelligence, Auerbach Publications, New York, 2006.
134)
Hannula, M., Pirttimaki, V.: Business Intelligence – Empirical Study on the top 50
Finnish Companies, Journal of American Academy of Business, 2003., 2 (2), p. 593599.
135)
Harland, C.M.: Supply chain management: relationships, chains and networks, British
Journal of Management, 1996., 7 (3), p. 63-70.
136)
Harland, C.M., Caldwell, N.D., Powell, P., Zheng, J.: Barrieres to supply chain
information integration: SMEs adrift of eLands, Journal of Operations Management,
2007., 25, p. 1234-1254.
137)
Hasrulnizzam, W., Mahmood, W., Muhamad, M.R., Tahar, N.M.: Supply Chain
Management: After Business Process Re-Engineering, Proceedings of World
Academy of Science, 2009., 41, p. 493-498.
138)
Heaney, B.: Supply Chain Visibility Excellence: Fostering Security, Resilency, and
Efficiency, Aberdeen Group, March 2011.
139)
Hedin, H., Hirvensalo, I., Vaarnas, M.: The Handbook of Market Intelligence, John
Wiley & Sons, Chichester, 2011.
140)
Herring, Jan P.: Creating the intelligence system that produces analytical intelligence,
in: Gilad, B., Herring Jan P.(eds.): The art and science of business intelligence
analysis: business intelligence theory, principles, practices, and users, Jai Press Inc.,
London, 1996.
141)
Herring, Jan P.: Key Intelligence Topics: A Process to Identify and Define Intelligence
Needs, Competitive Intelligence Review, 1999., 10 (2), p. 4-14.
142)
Herschel, Richard T., Jones, Nory E.: Knowledge management and business
intelligence: the importance of integration, Journal of Knowledge Management,
2005., 9(4), p. 45-55.
369
143)
Heuer, Richard J. Jr.: Psihology of Intelligence Analysis, Center for the study of
intelligence, Central Intelligence Agency, 1999.
144)
Hill, J., Scott, T.: A consideration of the roles of business intelligence and e-business
in management and marketing decision making in knowledge-based and high-tech
start ups, Qualitative Market Research: An International Journal, 2004., 7 (1), p. 4857.
145)
Hočevar, B., Jaklič, J.: Assessing benefits of business intelligence systems – a case
study, Management: Journal of Contemporary Management Issues, June 2010., 15 (1),
p. 87-119.
146)
Hofman, D.: The Hierarchy of Supply Chain Metrics: Diagnosing Your Supply Chain
Health, AMR Research Inc., March 2004.
147)
Hofman, D, O'Marah., Elvy, C.: The Gartner Supply Chain Top 25 for 2011, Gartner
Inc., June 1, 2011.,
148)
Holweg, M., Disney, S., Holmstrom, J., Smaros, J.: Supply Chain Collaboration:
Making Sense of the Strategy Continuum, European Management Journal, 2005., 23
(2), p. 170-181.
149)
Hostman, B.: Future Scenarios for the Five Key Business Intelligence and Information
Management Initiatives, Gartner Business Intelligence Summit, March 9-11, 2009.
150)
Howson, C.: Successful Business Intelligence, McGraw-Hill, New York, 2008.
151)
Hubbard, D. W.: How to Measure Anything – Finding the value of „Intangibles“ in
business, 2nd ed., John Wiley & Sons, Inc., 2010.
152)
Hugos, M.: Essentials of Supply Chain Management, 2nd ed., John Wiley & Sons,
New Jersey, 2006.
153)
Hunton, J.E., Lippincott, B., Reck, J.L.: Enterprise resource planning systems:
comparing firm performance of adopters and nonadopters, International Journal of
Accounting Information Systems, 2003., 4 (3), p. 168-184.
154)
Hwang, Mark I., Cappel, James J.: Toward a greater understanding of business
intelligence: Survey results, Southeast Decision Science Institute Conference
Proceedings, 2008., p. 324-328.
155)
Hwang, Mark I.: Success factors for business intelligence: perceptions of business
professionals, ACME 2009., p. 371-376.
156)
Ilieva, J., Baron, S., Healey, N.M.: Online surveys in marketing research: pros and
cons, International Journal of Market Research, 2002., 44 (3), p. 361-376.
370
157)
Isik, O.: Business Intelligence Success: An Empirical Evaluation of the Role of BI
Capabilities and Organization's Decision Environment, Americas Conference on
Information Systems (AMCIS), Proceedings of the 15th Americas Conference on
Information Systems, San Francisco, August 6th-9th 2009.
158)
Iyer, K. N. S.: Demand chain collaboration and operational performance: role of IT
analytic capability and environmental uncertainty, Journal of Business & Industrial
Marketing, 2011., 26 (2), p. 81-91.
159)
Jacoby, D.: Guide to Supply Chain Management, The Economist, London, 2009.
160)
Javorović, B., Bilandžić, M.: Poslovne informacije i business intelligence, Golden
marketing – Tehnička knjiga, Zagreb, 2007.
161)
Jenster, P. V., Soilen, Klaus S.: Market Intelligence: Building Strategic Insight,
Copenhagen Business School Press, Copenhagen, 2009.
162)
Johnsen, G.: Three Dimensions of Supply Chain Visibility, Traffic World, May 2006.,
p. 6.
163)
Johnson, M. E., Whang, S.: E-business and supply chain management: an overview
and framework, Production and Operations Management, 2002., 11 (4), p. 413-423.
164)
Johnson, P. F., Klassen, R. D., Leenders, M. R., Awaysheh, A.: Utilizing e-business
technologies in supply chains: The impact of firm characteristics and teams, Journal
of Operations Management, 2007., 25, p. 1255-1274.
165)
Joshi, Y.: Information Visibility and its effect on supply chain dynamics, Master
Thesis, Massachusetts Institute of Technology, Cambridge, Massachusetts, 2000.
166)
Jourdan, Z., Rainer, R. K., Marshal, Thomas E.: Business Intelligence: An Analysis of
the Literature, Information System Management, 2007., 25, p. 121-131.
167)
Jurišić, M.: CI in Eastern Europe, presentation at SLA 04.06.2007.
168)
Kahaner, L.: Competitive Intelligence, Touchstone Book, New York, 1997.
169)
Kalakota, R., Robinson, M.: e-Poslovanje 2.0, Mate, Zagreb, 2002.
170)
Kaplan, Robert S., Norton, David P.: The Balanced Scorecard, Harvard Business
School Press, Boston, 1996.
171)
Kaplan, Robert S., Norton, David P.: The Strategy-focused Organization, Harvard
Business School Press, Boston, 2001.
172)
Kaplan, Robert S., Norton, David P.: Strategy Maps, Harvard Business School Press,
Boston, 2004.
173)
Kaplan, Robert S., Norton, David P.: Alignment, Harvard Business School Press,
Boston, 2006.
371
174)
Karkkainen, M., Laukkanen, S., Sarpola, S., Kemppainen, K.: Roles of interfirm
information systems in supply chain management, International Journal of Physical
Distribution & Logistics Management, 2007., 37 (4), p. 264-286.
175)
Karuranga, E., Frayret, J.M., D'Amours, S.: Measurement and Determinants of Supply
Chain Collaboration, Interuniversity Research Centre on Enterprise Networks,
Logistics, and Transportation, CIRRELT-2008-17, May 2008.
176)
Kielstra, P.: In serach of clarity – Unravelling the complexities of executive decisionmaikng, A Report from the Economst Intelligence Unit, The Economist, September
2007.
177)
Kim, D., Cavusgil, S.T., Calantone, R.J.: Information System Innovations and Supply
Chain Management: Channel Relationships and Firm Performance, Journal of the
Academy of Marketing Science, 2006., 34 (1), p. 40-54.
178)
Kiron, D., Shockley, R.: Creating Business Value with Analytics, MIT Sloan
Management Review, fall 2011., 53 (1), p. 57-63.
179)
Kiron, D., Kruschwitz, N., Haanaes, K., von Streng Velken, I.: Sustainability Nears a
Tipping Point, MIT Sloan Management Review, 2012., 53 (2), p. 69-74.
180)
Kiron, D., Prentice, P.K., Ferguson, R.B.: Innovating With Analytics, MIT Sloan
Management Review, 2012., 54 (1), p. 47-52.
181)
Klein, R., Rai, A.: Interfirm Strategic Information Flows in Logistics Supply Chain
Relationships, MIS Quarterly, 2009., 33 (4), p. 735-762.
182)
Klepac, G., Mršić, L.: Poslovna inteligencija kroz poslovne slučajeve, Lider Press,
TIM Press, Zagreb, 2006.
183)
Kocakulah, M. C., Foroughi, A., Lannert, M.: Streamlin Supply Chain Management
With E-Business, The Review of Business Information Systems, 2002., 6 (2), p. 1-8.
184)
Koh, S.C.L., Maguire, S.: Identifying the adoption of e-business and knowledge
management within SMEs, Journal of Small Business and Enterprise Development,
2004., 11 (3), p. 338-348.
185)
Kohli, R., Grover, V.: Business Value of IT: An Essay on Expanding Research
Directions to Keep up with the Times, Journal of the Association for Information
Systems, 2008., 9 (1), p. 23-39.
186)
Kotler, P.: Upravljanje marketingom, Informator, Zagreb, 1988.
187)
Kovacich, G.L.: Netspionage – The Global Threat to Information, Part I: What is it
and Why I Should Care?, Computers & Security, 2000., 19 (4), p. 326-336.
372
188)
Kruschwitz, N., Shockley, R.: First Look: The Second Annual New Intelligent
Enterprise Survey, MIT Sloan Management Review, summer 2011., 52 (4), p.87-89.
189)
Kudyba, S., Hoptroff, R.: Data Mining and Business Intelligence: A Guide to
Productivity, Idea Group Publishing, Hershey, 2001.
190)
Kwak, N., Radler, B.: A Comparison Between Mail and Web Surveys: Response
Pattern, Respondent Profile, and Data Quality, Journal of Official Statistics, 2002., 18
(2), p. 257-273.
191)
La Grouw, G.: The Logical Organization: A Strategic Guide To Driving Corporate
Performance Using Business Intelligence, Coded Vision, Auckland, 2008.
192)
Lahrman, G., Marx, F., Winter, R., Wortmann, F.: Business Intelligence Maturity
Models: An Overview, Information Technology and Innovation Trends in
Organizations, 2010., Naples, Italy
193)
Lambert, D.M., Knemeyer, M.: We're in This Together, in Harvard Business Review
on Managing Supply Chains, Harvard Business Review Press, Boston, 2011., p. 131152., Orginally published in December 2004.
194)
Lambert, D.M. (ed.): Supply Chain Management, 3rd ed., Supply Chain Management
Institute, Sarasota, 2008.
195)
Laursen, Gert H. N., Thorlund, J.: Business analytics for managers: Taking Business
Intelligence Beyond reporting, John Wiley & Sons, New Jersey, 2010.
196)
Lavalle S., Lesser, E., Shockley, R., Hopkins, M.S., Kruschewitz, N.: Analytics: The
New Path to Value, MIT Sloan Management Review, winter 2011., 52 (2), p. 21-32.
197)
Lee, Hau L., Padmanabhan, V., Whang, S.: Information Distortion in a Supply Chain:
The Bullwhip Effect, Management Science, April 1997., 43 (3), p. 546-558.
198)
Lee, Hau L., So, Kut C., Tang, C.S.: The Value of Information Sharing in a Two-Level
Supply Chain, Management Science, 2000., 46 (5), p. 626-643.
199)
Lee, Hau L., Whang, S.: E-Business and Supply Chain Integration, Standford Global
Supply Chain Management Forum SGSCMF-W2-2001, November 2001., p. 1-20.
200)
Lee, Hau L.: The Triple-A Supply Chain, Harvard Business Review, October 2004., p.
102-112.
201)
Lee, M. C., Cheng, J. F.: Development Multi-Enterprise Collaborative Enterprise
intelligent decision support system, Journal of Convergence Information Technology,
2007., 2 (2), p. 64-69.
373
202)
Lee, C. K. M., Lau, H. C. W., Ho, G. T. S., Ho, William.: Design and development of
agent-based procurement system to enhance business intelligence, Expert Systems
with Applications, 2009., 36, p. 877-884.
203)
Leon-Pena, J. R.: e-business and the supply chain management, Business Intelligence
Journal, 2008., 1 (1), p. 77-90.
204)
Li, D., Wang, X., Liu, K., Kehoe, D.: Intelligent Supply Chain Management with
Automatic Identification Technology, In: Xu, M. (Ed.): Managing Strategic
Intelligence: Techniques and Technologies, Information Science Reference, New
York, 2007., p. 202-223.
205)
Li, J., Sikora, R.T., Shaw, M.J.: Supply Chain Management: A Multi-Agent System
Framework, 2009., p. 151-169., in Dwivedi, A., Butcher, T. (eds.): Supply Chain
Management and Knowledge Management, Palgrave Macmillan, London, 2009.
206)
Li, L.: Supply Chain Management: Concepts, Techniques and Practices, World
Scientific, New Jersey, 2008.
207)
Li, J., Sikora, R. T., Shaw, M. J.: Supply Chain Management: A Multi-Agent System
Framework, In: Dwivedi, A., Butcher, T. (Eds.): Supply Chain Management and
Knowledge Management, 2009., Palgrave Macmillan, London, 2009., p.151-169.
208)
Li, S., Ragu-Nathan, B., Ragu-Nathan, T.S., Rao, S.S.: The impact of supply chain
management practices on competitive advantage and organizational performance,
OMEGA The International Journal of Management Science, 2006., 34, p. 107-124.
209)
Liautaud, B., Hammond, M.: e-poslovna inteligencija, Prudens Consilium, Varaždin,
2006.
210)
Liebowitz, J.: Strategic Intelligence, Auerbach Publications, New York, 2006.
211)
Linton, J.D., Klassen, R., Jayaraman, V.: Sustainable supply chains: An introduction,
Journal of Operations Management, 2007., 25, p. 1075-1082.
212)
Ljungberg, A.: Process measurement, International Journal of Physical Distribution &
Logistics, 2002., 32 (4), p. 254-287.
213)
Lockamy, A., McCormak, K.: The development of a supply chain management
process maturity model using the concepts of business process orientation, Supply
Chain Management: An International Journal, 2004., 9 (4), p. 272-278.
214)
Lonnqvist, A., Pirttimaki, V.: The Measurement of Business Intelligence, Information
Systems Management, 2006., 23 (1), p. 32-40.
215)
Lynch, R.: Corporate Strategy, 4th ed., Pearson Education Limited, Harlow, 2006.
374
216)
Maguire, S., Suluo, H.: Business Intelligence: Benefits, Applications, and Challenges,
In: Xu, M. (Ed.): Managing Strategic Intelligence: Techniques and Technologies,
Information Science Reference, New York, 2007., p. 14-34.
217)
Mann, H., Kumar, U., Kumar, V., Jit, S., Mann, S.: Drivers of Sustainable Supply
Chain Mangement, Journal of Operations Management, 2010., IX (4), p. 52-63.
218)
Manthou, V., Vlachopoulou, M., Folinas, D.: Virtual e-Chain (VeC) model for supply
chain collaboration, International Journal of Production Economics, 2004., 87, p. 241250.
219)
Marchand, D., Hykes, A.: Leveraging What Your Company Really Knows: A Process
View of Strategic Intelligence, in Xu, M. (ed.): Managing Strategic Intelligence:
Techniques and Technologies, Information Science Reference, New York, p. 1-3.
220)
Marin, J., Poulter, A.: Dissemination of competitive intelligence, Journal of
Information Science, 2004., 30 (2), p. 193-208.
221)
McCrea, B.: 8 steps to supply chain visibility, Logistics Management, November
2011., p. 36-38.
222)
McGonagle, John J., Vella, Carolyn M.: A New Archetype for Competitive
Intelligence, Quorum books, London, 1996.
223)
McGonagle, John J., Vella, Carolyn M.: A Case for Competitive Intelligence, The
Information Management Journal, July/August 2002., p. 35-40.
224)
McLaren, T., Head, M., Yuan, Y.: Supply chain collaboration: understanding the
expected costs and benefits, Internet Research: Electronic Networking Applications
and Policy, 2002., 12 (4), p. 348-364.
225)
Mearian, L.: Data growth remain IT's biggest challenge, Gartner says,
Computerworld, Nov. 2., 2010.
226)
Mefford, R.N.: The Economic Value of a Sustainable Supply Chain, Business and
Society Review, 2011., 116 (1), p. 109-143.
227)
Mencer, I.: Strateški menadžment i poslovna politika, Vitagraf, Rijeka, 2003.
228)
Mentzer, John T., DeWitt, W., Keebler, J. S., Min, S., Nix, N. W., Smith, C. D.,
Zacharia, Z. G.: Defining Supply Chain Management, Journal of Business Logistic,
2001., 22 (2), p. 7.
229)
Merv, A.: Exploring the extremes of database growth, IBM Data Management, Issue
1., 2010.
375
230)
Meyer, H.: Business intelligence, izlaganje na skupu, Prva hrvatska konferencija o
pribavljanju, organiziranju i uporabi poslovnih informacija, Zavod za poslovna
istraživanja, Zagreb, 1999.
231)
Michaeli, R.: Competitive Intelligence in Germany, Journal of Competitive
Intelligence and Management, 2004., 2 (4), p. 1-6.
232)
Miemczyk, J., Johnse, T.E., Macquet, M.: Sustainable purchasing and supply
management: a structured literature review of definisions and measures at the dyad,
chain an network levels, Supply Chain Management: An International Journal, 2012.,
17 (5), p. 478-496.
233)
Min, S., Mentzer, Johnt T.: Developing and measuring supply chain management
concepts, Journal of Business Logistics, 2004., 25 (1), p. 63-99.
234)
Miller, Jerry P.: Millenium Intelligence: Understanding and Conducting Competitive
Intelligence in the Digital Age, CyberAge Books, New Jersey, 2001.
235)
Miller, S.: The Role of Intelligence in Strategic Planning, in Gilad, B., Herring Jan
P.(eds.): The art and science of business intelligence analysis: business intelligence
theory, principles, practices, and users, Jai Press Inc., London, 1996., p. 199-215.
236)
Miller, H.: Information quality and market share in electronic commerce, Journal of
Services Marketing, 2005., 19 (2), p. 93-102.
237)
Min, S., Mentzer, J. T.: Developing and Measuring Supply Chain Management
Concepts, Journal of Business Logistics, 2004., 25 (1), p. 63-99.
238)
Mohanty, S.: Measuring the Value of Intelligence in Business Intelligence, SM
Review, December 20008., p. 20-23.
239)
Montgomery, A., Holcomb, M.C., Manrodt, K.B.: Visibility: Tactical Solutins,
Strategic Implications, Year 2002 Report on Trends and Issues in Logistics and
Transportation, Cap Gemini Erns & Young, Georgia Southern University, University
of Tennessee, 2002.
240)
Morris, H., Moser, K., Vesset, D., Blumstein, R., Andersen, P., Martinez, N., Graham,
S.D., Carr, M.: Leveraging the Foundations of Wisdom: The Financial Impact of
Business Analytics, IDC white paper, 2002., p. 1-28.
241)
Morris, H.D.: Predictive Analytics and ROI: Lessons from IDC's Financial Impact
Study, IDC, September 2003., p. 1-8.
242)
Moss, Larissa T., Atre, S.: Business Intelligence Roadmap, Addison-Wesley, Boston,
2003.
376
243)
Niven, Paul R.: Balanced scorecard: korak po korak, 2 izdanje, Poslovni dnevnik i
Masmedia, Zagreb, 2008.
244)
Nolan, J.A.: Intelligence and Security in Business, in Miller, Jerry P.: Millenium
Intelligence: Understanding and Conducting Competitive Intelligence in the Digital
Age, CyberAge Books, New Jersey, 2001., p. 204-219.
245)
Noonan, John F., Wallace, Michael J.: Supply chain intelligence assimilation:
Exploring the imbalance of ability within contract manufacture, Conference Creating
and Managing Value in Supply Networks, 2006., paper no. 69.
246)
O'Leary-Kelly, S.W., Vokurka, R.J.: The empirical assessment of construct validity,
Journal of Operations Management, 1998., 16 (4), p. 387-405.
247)
Oghazi, P.: Supply Chain Management – An Empirical Study of Swedish
Manufacturing Firm's Enterprise Systems Adoption, Supply Chain Integration,
Competition
Capability and
Performance,
disertacija,
Lulea University of
Technology, 2009.
248)
Oreščanin, D.: BI – hit ili mit?, Banka, poseban prilog, Zagreb, siječanj 2003.
249)
Osmanagić Bedenik, N.: Kriza kao šansa, 2 dopunjeno izdanje, Školska knjiga,
Zagreb, 2007.
250)
Palvia, P., Midha, V., Pinjani, P.: Research Models in Information Systems,
Communications of the Association for Information Systems, 2006., 17 (47), p. 10421063.
251)
Panian, Ž.: Odnosi s klijentima u E-poslovanju, Sinergija nakladništvo d.o.o., Zagreb,
2003.
252)
Panian, Ž., Klepac, G.: Poslovna inteligencija, Masmedia, Zagreb, 2003.
253)
Panian, Ž.: Supply Chain Intelligence in E-Business Environment, WSEAS
Transactions on Information Science and Applications, 2005., 2 (8), p. 1079-1084.
254)
Panian, Ž. i sur.: Poslovna Inteligencija: Studije slučajeva iz hrvatske prakse, Narodne
novine, Zagreb, 2007.
255)
Panian, Ž.: How to make business intelligence actionable through service-oriented
architectures, WSEAS Transactions on Information Science and Applications, 2008.,
5 (5), p. 210-221.
256)
Patrakosol, B., Olson, D.L.: How interfirm collaborations benefits IT innovation,
Information & Management, 2007., 44, p. 53-62.
257)
Pecina, M.: Metode multivarijantne analize, Sveučilište u Zagrebu, Agronomski
fakultet, Zagreb, 2006.
377
258)
Pejić Bach, M., Strugar, I., Jaković, B.: Influence of Business Intelligence
Implementation to the Bank's Performance: Case study of Croatian Banking Sector,
18th International Conference on Information and Intelligence Systems, 2007., p. 243248.
259)
Pendse, N.: The OLAP Survey 5, Survey.com, 11-2005, p. 2-19.
260)
Pereira, Jorge V.: The new supply chain's frontier: Information management,
International Journal of Information Management, 2009., 29, p. 372-373.
261)
Permenter, K.: Supply Chain Business Intelligence: Time to Information, Aberdeen
Group, January 2012.
262)
Pettit, Timothy J.: Supply Chain resilience: Development of a conceptual framework,
an assessment tool and an implementation process, disertacija, The Ohio State
University, 2008.
263)
Petz, B.: Osnovne statističke metode za nematematičare, VI. izdanje, Naklada Slap,
Jastrebarsko, 2007.
264)
Pfeifer, S.: Povezivanje analize eksternih i internih faktora (SWOT), in Buble, M.
(red.): Strateški menadžment, Sinergija, Zagreb, 2005., p. 67-71.
265)
Pirttimaki, V., Lonnqvist, A., Karjaluoto, A.: Measurement of Business Intelligence in
a Finnish Telecommunication Company, The Electronic Journal of Knowledge
Management, 2006., 4 (1), p. 83-90.
266)
Pirttimaki, V.: Business Intelligence as a managerial Tool in large Finnish
Companies, disertacija, Tampere University of Technology, 2007.
267)
Pirttimaki, V.: Comparative Study and Analysis of the Intelligence Activities of Large
Finnish Companies, Journal of Competitive Intelligence and Management, 2007., 4
(1), p. 132-155.
268)
Pirzadeh, N., Pirzadeh, L.: RFID based Smart goods and infrastructure, University of
Boras, 2009.
269)
Poirier, Charles C., Quinn, F.: Survey of Supply Chain Progress: Still Waiting for the
Breakthrough, Supply Chain Management Review, November 1, 2006., preuzeto sa
http://www.scmr.com/article/330495
270)
Pons Cobuild English Learner’s Dictionary, Collins Publishers, London, 1989.
271)
Popovič, A., Coelho, P. S., Jaklič, J.: The impact of business intelligence system
maturity on information quality, Information Research, 2009., 14 (4), paper no. 417.
272)
Popovič, A., Jaklič, J.: Benefits of business intelligence system implementation: an
empirical analysis of the impact of business intelligence system maturity on
378
information quality, European, Mediterranean & Middle Eastern Conference on
Information Systems, Abu Dhabi, 2010.
273)
Popovič, A., Turk, T., Jaklič, J.: Conceptual model of business value of business
intelligence systems, Management: Journal of Contemporary Management Issues,
2010., 15 (1), p. 5-30.
274)
Porter, Michael, E.: Competitive Advantage, The Free Press, New York, 1998.
275)
Porter, Michael E.: Competitive Strategy, The Free Press, New York, 1998.
276)
Porter, Michael E.: On Competition exp. ed., Harvard Business School Publishing,
Boston, 2008.
277)
Potočan, V.: Supply Chain Management: The relationships in Supply Chain, VII
međunarodni znanstveni skup Poslovna logistika u suvremenom menadžmentu,
Osijek, 2007., p. 33-45..
278)
Prescott, John E.: The Evolution of Competitive Intelligence – designing a process for
action, Proposal Management, spring 1999., p. 37-52.
279)
Prescott, John E., Miller, Stephen H. (Eds.): Proven Strategies in Competitive
Intelligence, John Wiley & Sons, New York, 2001.
280)
Rabelo, Ricardo J., Pereira-Klen, Alexandra A., Klen, Edmilson R.: A multi-agent
system for smart coordination of dynamic supply chains, PRO-VE'2002 -3rd IFIP
Working Conference on Infrastructures for Virtual Enterprises, May 2002.
281)
Raisinghani, M.S., Meade, L.L.: Strategic decisions in supply-chain intelligence using
knowledge management: an analytic-network-process framework, Supply Chain
Management: An International Journal, 2005., 10 (2), p. 114-121.
282)
Ramayah, T., Omar, R.: Information exchange and supply chain performance,
International Journal of Information Technology & Decision Making, 2010., 9 (1), p.
35-52.
283)
Ranjan, J.: Business intelligence: concepts, components, techniques and benefits,
Journal of Theoretical and Applied Information Technology, 2009., 9 (1), p. 60-70.
284)
Rasmussen, Nils H., Goldy, Paul S., Solli, Per O.: Financial Business Intelligence,
John Wiley & Sons, New York, 2002.
285)
Redman, T.C.: Data Driven: Profiting from your most important business asset,
Harvard Business Press, Boston, 2008.
286)
Reyes, P., Raisinghani, Mahesh S.: Integrating Information Technologies and
Knowledge-based systems: A Theeoretical Approach in Action for Enhancements in
379
Production and Inventory Control, Knowledge and Process Management, 2002., 9 (4),
p. 256-263.
287)
Reyes, P.M.: Logistics networks: A game theory application for solving the
transshipment problem, Applied Mathematics and Computation, 2005., 168, p. 14191431.
288)
Rodenberg, Joseph, H.A.M.: Strategic Intelligence in Future Perspective, Eburon
Delfi, Amsterdam, 2012.
289)
Rogers, B., Panos, M.: White Paper: Adding Intelligence to the Supply Chain, 2006.,
preuzeto sa http://www.vchainsolutions.com 12.08.2010.
290)
Rozga, A.: Multivarijacijska statistička analiza (autorizirana predavanja), Ekonomski
fakultet Split, Split, 2010.
291)
Sabbaghi, A., Vaidyanathan, G.: Effectiveness and Efficiency of RFID technology in
Supply Chain management: Strategic values and Challenges, Journal of Theoretical
and Applied Electronic Commerce Research, 2008., 3 (2), p. 71-81.
292)
Sadlovska, V., Viswanathan, N.: Supply Chain Intelligence: A Command and Control
Center for Managing Enterprise Performance, Aberdeen Group, November 2008., p.
1-24.
293)
Saeed, K. A., Malhotra, M. K., Grover, V.: Interorganizational System Characteristic
and Supply Chain Integration: An Empirical Assessment, Decision Sciences, 2011., 42
(1), p. 7-42.
294)
Sahay, B. S., Ranjan, J.: Real time business intelligence in supply chain analytics,
Information Management & Computer Security, 2008., 16 (1), p. 28-48.
295)
Sanders, N. R.: An empirical study of the imapct of e-business technologies on
organizational collaborration and performance, Journal of Operations Management,
2007., 25, p. 1332-1347.
296)
Sanders, N. R.: Pattern of information technology use: The impact on buyer-supplier
coordination and performance, Journal of Operations Management, 2008., 26, p. 349367.
297)
Sawka, K.: Are we valuable?, Competitive Intelligence Magazine, April – June 2000.,
3 (2), p. 1-4
298)
Segetlija, Z.: Razvoj poslovne logistike i novi izazovi, VII međunarodni znanstveni
skup „Poslovna logistika u suvremenom menadžmentu“, Osijek, 2007., p. 1-31.
299)
Segetlija, Z.: Uvod u poslovnu logistiku, Ekonomski fakultet Osijek, Osijek, 2008.
380
300)
Seuring, S., Muller, M.: From literature review to a conceptual framework for
sustainable supply chain management, Journal of Cleaner Production, 2008., 16, p.
1699-1710.
301)
Sezen, B.: Relative effects of design, integration and information sharing on supply
chain performance, Supply Chain Management: An International Journal, 2008., 13
(3), p. 233-240.
302)
Shaker, Steven M., Open Source Collection & Analysis on Supply Chain
Vulnerabilities, Information to Intelligence, Sept. 12, 2009.
303)
Sharp, S.: Competitive Intelligence Advantage, John Wiley & Sons, New Jersey, 2009.
304)
Shear, C.J.: Business Counterintelligence: Sustainable Practice or Passing Fad?,
Thesis presented in fulfilment of the requirements for the degree Master of Arts,
Stellenbosch University, march, 2009.
305)
Shih, T.H., Fan, X.: Response rates and Mode Prefernces in Web-Mail Mixed-Mode
Surveys: A Meta-Analysis, Intranational Journal of Internet Science, 2007., 2 (1), p.
59-82.
306)
Shorby, D.: Business Intelligence and Supply Chain Management, white paper, Supply
Chain Consultants, 2003., preuzeto 01.03.20121. s http://www.suplychain.com
307)
Shropshire, J.: A canonical analysis of intentional information security breaches by
insiders, Information Management & Computer Security, 2009., 17 (4), p. 296-310.
308)
Singer, S.: Izbor najbolje strategije, in Buble, M. (red.): Strategijski management,
Ekonomski fakultet, Split, 1997., p. 182-190.
309)
Simatupang, T.M., Sridharan, R.: A characterisation of information sharing in supply
chains, Operational Research Society of New Zeland (ORSNZ) Conference, 2001., p.
1-19.
310)
Simatupang, T.M., Wright, A.C., Sridharan, R.: The knowledge of coordination for
supply chain integration, Business Process Management Journal, 2002., 8 (3), p. 289308.
311)
Simatupang, T.M., Sridharan, R.: The collaboration index: a measure for supply chain
collaboration, International Journal of Physical Distribution & Logistics Management,
2005., 35 (1), p. 44-62.
312)
Skjoett-Larsen, T., Thernoe, C., Andresen, C.: Supply chain collaboration:
Theoretical perspective and empirical evidence, International Journal of Physical
Distribution & Logistics Management, 2003., 33 (6), p. 531-549.
381
313)
Slone, Reuben E., Dittman, J. Paul, Mentzer, John T.: The New Supply Chain Agenda,
Harvard Business Press, Boston, 2010.
314)
Smietana, F.: Enhancing Supply Chain Visibility with Pervasive Business Intelligence,
Business Intelligence Journal, 2010., 15 (1), p. 30-38.
315)
Smith, S.: Strateg: suvremeni strateški menadžment u svjetskoj praksi, M.E.P.
Consult, Zagreb, 2003.
316)
Smouther, G.: Supply Chain Competitive Intelligence, Supply Chain Management
Professional Education Review, March 2009.
317)
Sodhi, M. S., Son, B. G.: Supply-chain partnership performance, Transportation
Research Part E, 2009., 45, p. 937-945.
318)
Soon, Q.H., Udin, Z.M.: Supply chain management from perspective of value chain
flexibility: an explaratory study, Journal of Manufacturing Technology Management,
2011., 22 (4), p. 506-526.
319)
Speier, C., Mollenkopf, D., Stank, T.P.: The Role of Information Integration in
Facilitating 21st Century Supply Chains: A Theory-Based Perspective, Transportation
Journal, spring 2008., 47 (2), p. 21-38.
320)
Spekman, R.E., Kamauff, J.W., Myhr, N.: An empirical investigation into supply
chain management: a perspective on partnership, Supply Chain Management: An
International Journal, 1998., 3 (2), p. 53-67.
321)
Spremić, M.: Moving to e-Business: Exploratory Study on e-Business Readiness in
Croatian Large Companies, Zagreb International Review of Economics & Business,
2003., 6 (1-2), p. 103-119.
322)
Srića, V. i sur.: Menedžerska informatika, M.E.P. Consult, Zagreb, 1999.
323)
Srića, V., Spremić, M.: Informacijskom tehnologijom do poslovnog uspjeha, Sinergija,
Zagreb, 2000.
324)
Srića, V., Muller, J.: Put k elektroničkom poslovanju, Sinergija, Zagreb, 2001.
325)
Stank, T.P., Keller, S.B., Closs, D.J.: Performance Benefits of Supply Chain Logistical
Integration, Transportation Journal, winter/spring 2001-2002., 41 (2/3), p. 32-46.
326)
Stoel, M.D., Muhanna, W.A.: IT capabilities and firm performance: A contigency
analysis of the role of industry and IT capability type, Information & Management,
2009., 46, p. 181-189.
327)
Strategija – Economistove poslovne enciklopedije, Privredni vjesnik, Zagreb, 1996.
382
328)
Stefanović, N., Majstorović, V., Stefanović, D.: Supply Chain Business Intelligence
Model, 13th CIRP International Conference on Life Cycle Engineering, 2006., p. 613618.
329)
Stock, James R., Boyer Stefanie L., Harmon, T.: Research opportunities in supply
chain management, Journal of the Academy of Marketing Science, 2010., 38 (1), p.
32-41.
330)
Storey, J., Emberson, C., Godsell, J., Harrison, A.: Supply chain management: theory,
practice and future challenges, International Journal of Operations & Production
Management, 2006., 26 (7), p. 754-774.
331)
Stubs, E.: The Value of Business Analytics, John Wiley & Sons, New Jersey, 2011.
332)
Subramani, M.: How Do Suppliers Benefit from Information Technology Use in
Supply Chain Relationships?, MIS Quarterly, 2004., 28 (1), p. 45-73.
333)
Supply Chain Management Review: Global Supply Chain Survey: Key Challenges
and Opportunities in the High Technology Sector, April, 2011.
334)
Swafford, P.M., Ghosh, S., Murthy, N.N.: A framework for assessing value chain
agility, International Journal of Operations & Production Management, 2006., 26 (2),
p. 118-140.
335)
Swafford, P.M., Ghosh, S., Murthy, N.: Achieving supply chain agility through IT
integration and flexibility, International Journal of Production Economics, 2008., 116,
p. 288-297.
336)
Swaminathan, J. M., Tayur, S. T.: Models for Supply Chains in E-Business,
Management Science, 2003., 49 (10), p. 1387-1406.
337)
Swanson, E.B.: The Manager's Guide to IT Innovation Waves, MIT Sloan
Management Review, winter 2012., 53 (2), p. 75-83.
338)
Tachizawa, E.M.: Uncertainty, Integration and Supply Flexibility, PhD Dissertation,
Universitat Pompeu Fabra, 2007.
339)
Tan, Keah C.: Supply Chain Management: Practices, Concerns, and Performance
Issues, The Journal of Supply Chain Management, winter 2002., 38 (1), p. 42-53.
340)
Tang, C., Tomlin, B.: How Much Flexibility Does It Take to Mitigate Supply Chain
Risks?, in Zsidisin, G.A., Ritchie, B.: Supply Chain Risk Management Developments, Issues and Challenges, Springer, New York, 2008., p. 156-174.
341)
Taskov, K.: Factors Contributing to an Effective Business Intelligence Product, 15th
Americas Conference on Information Systems (AMCIS), San Francisco, 6-9 August
2009.
383
342)
Tavakol, M., Dennick, R.: Making sense of Cronbach's alpha, International Journal of
Medical Education, 2011., 2, p. 53-55.
343)
Taylor, J.: Decision Management Systems – A Practical Guide to Using Business
Rules and Predictive Analytics, IBM Press, New Jersey, 2012.
344)
TDWI Research, 2011 TDWI BI Benchmark Report – Organizational and
Performance Metrics for Business Intelligence Teams, 2011.
345)
TDWI Research, 2012 TDWI BI Benchmark Report – Organizational and
Performance Metrics for Business Intelligence Teams, 2012.
346)
Teo, T.S.H., Choo, W.Y.: Assessing the impact of using the Internet for competitive
intelligence, Information & Management, 2001., 39, p. 67-83.
347)
Teuteberg, F., Wittstruck, D.: A Systematic Review of Sustainable Supply Chain
Management Research, MKWI 2010., p. 1001-1015.
348)
The Economist: Data, data, everywhere, Feb. 21th 2010, print edition
349)
The Economist: A diffierent game: Information is transforming traditional business,
Feb 25th 2010, print edition.
350)
Thierauf, Robert, J.: Effective business intelligence systems, Quorum books, London,
2001.
351)
Thompson, R.H., Holcomb, M.C., Manrodt, K.B.: Transforming Logistics: A Road
map to Fulfillment Excellence, Year 2001 Report on Trends and Issues in Logistics
and Transportation, Cap Gemini Ernst & Young, 2001.
352)
Tkalec Verčić, A.,Sinčić Ćorić, D., Pološki Vokić, N.: Priručnik za metodologiju
istraživačkog rada, M.E.P. Zagreb, 2010.
353)
Trent, Robert J.: Strategic Supply Management: Creating the Next Source of
Competitive Advantage, J. Ross Publishing, Lauderdale (FL), 2007.
354)
Trent, Robert J., Roberts, Llewellyn R.: Managing Global Supply and Risk, J. Ross
Publishing, Lauderdale (FL), 2010.
355)
Trkman, P., McCormack, K., de Oliveira, M. P. V., Ladeira, Marcelo B.: The impact
of business analytics on supply chain performance, Decision Support Systems, 2010.,
49, p. 318-327.
356)
Vereecke, A., Muylle, S.: Performance improvement through supply chain
collaboration, Industrial Journal of Operations & Production Management, 2006., 26
(11), p. 1176-1198.
384
357)
Vesset, D., McDonough, B., Morris, H., Dreyfus, D., Venkatraman, N., Woodward,
A.: Improving Organizational Decision-making Through Pervasive Business
Intelligence, IDC, 2008.
358)
Vickery, S. K., Jayaram, J., Droge, C., Calantone, R.: The effects of an integrative
supply chain strategy on customer service and financial performance: An analysis of
direct versus indiect relatinship, Journal of Operations Management, 2003., 21,p. 523539.
359)
Vierkorn, S., Mack, M., Finucane, B., Witte, T.S.: Organization of Business
Intelligence 2010, 2nd ed., BARC – Business Application Research Centre, Wurzburg,
August, 2010.
360)
Viswanathan, N., Sadlovska V.: Supply Chain Intelligence: Adopt Role-Based
Operational Business Intelligence and Improve Visibiliy, Aberdeen Group, February
2010., p. 1-25.
361)
Vitt, E., Luckevich, M., Misner, S.: Business Intelligence, Microsoft Press, Redmond,
2002.
362)
Vouk, R.: Uloga menadžmenta opskrbnog lanca u povećanju konkurentnosti
poduzeća, Ekonomski pregled, Zagreb, 2005., 56 (11), p. 1013-1030.
363)
Vural, E., Sengul, O., Davis, S., Gunther, H.: Business Intelligence for a Supply Chain
Management System, Issues in Information Systems, 2006., VII (2), p. 29-32.
364)
Wacker, J.G.: A definition of theory: research guidlines for different theory-building
research methods in operations management, Journal of Operations Management,
1998., 16, p. 361-385.
365)
Wagner, B. A., Fillis, I., Johansson, U.: E-business and e-supply strategy in small and
medium sized business (SMEs), Supply Chain Management: An International Journal,
2003., 8 (4), p. 343-354.
366)
Waters, D.: Supply Chain Risk Management, Kogan Page, London, 2009.
367)
Waters, T.J.: Hyperperformance: Using Competitive Intelligence for Better Strategy
and Execution, Jossey-Bass, San Francisco, 2010.
368)
Watson, H.J., Wixom, B.H., Buonamici, J.D., Revak, J.R.: Sherwin-Williams Data
mart Strategy: Creating Intelligence Across the Supply Chain, Communications of the
Association for Information Systems, 2001., 5 (9), May 2001., p. 1-27.
369)
Watson, H., Ariyachandra, T., Matyska, R.J.: Data Warehousing stages of growth,
Information Systems Management, 2001., 18 (3), p. 42-50.
385
370)
Watson, H. J.: Tutorial: Business Intelligence – Past, Present, and Future,
Communications of the Association for Information Systems, 2009., 25., article 39, p.
488-510.
371)
Wang, Eric T. G., Wei, H. L.: Interorganizational Governance Value Creation:
Coordinating for Information Visibility and Flexibility in Supply Chains, Decision
Sciences, November 2007, 38 (4), p. 647-674.
372)
Wehmeier, S. (Ed.): Oxford Advanced Learner's Dictionary of Current English, 7th
ed., Oxford University Press, Oxford, 2010.
373)
Weihrich, H., Koontz, H.: Menadžment, X izdanje, MATE, Zagreb, 1993.
374)
Wheatley, R.: Tools to Help You Survive and Prosper – Working Capital, Supply
Chain, and Business Intelligence, Accountancy Ireland, December 2009., 41 (6), p.
58-59.
375)
Wheelen, Thomas L., Hunger, David J.: Strategic management and business policy,
10th ed., Pearson Prentice Hall, New Jersey, 2006.
376)
Whitby, P., Scot, I.: Managing supply-chain risk for reward, Economist Intelligence
Unit – A Report white paper, 2009.
377)
Wieder, B., Booth, P., Matolcsy, Z.P., Ossimitz, M.L.: The impact of ERP systems on
firm and business process performance, Journal of Enterprise Information
Management, 2006., 19 (1), p. 19-29.
378)
Wilkins, Richard L.: Competitive Intelligence: The New Supply Chain Edge, Supply
Chain Management Review, January 1, 2007.
379)
Williams, S., Williams, N.: The Business Value of Business Intelligence, Business
Intelligence Journal, 2003.
380)
Williams, N., Williams, S.: Capturing ROI through Business-Centric BI Development
Methods, Information Management Magazine, 2004., 8.
381)
Williams S., Williams, N.: The Profit Impact of Business Intelligence, Morgan
Kaufman, San Francisco, 2007.
382)
Wixom, Barbara H., Watson, Hugh T.: An Empirical Investigation of the factors
Affecting Data Warehousing Success, MIS Quarterly, march 2001., 25 (1), p. 17-41.
383)
Xu, M.: Managing Strategic Intelligence, Information Science Reference, New York,
2007.
384)
Yang, K. H.: Finding Critical Success Factors of Ubiquitous Supply Chain
Management, Pacific Asia Conference on Information Systems, PACIS 2008.,
preuzeto s http://aisel.aisnet.org/pacis2008/22
386
385)
Yigitbasioglu, O.M.: Information sharing with key suppliers: a transaction cost theory
perspective, International Journal of Physical Distribution & Logistics Management,
2010., 40 (7), p. 550-578.
386)
Zachariassen, F., Arlbjorn, J.S.: Doctoral dissertations in logistics and supply chain
management: A review of Nordic contributions from 2002 to 2008, International
Journal of Physical Distribution & Logistics Management, 2010., 40 (4), p. 332-352.
387)
Zebić, O.: Poslovno obavještavanje i oblikovanje poslovnih strategija hrvatskih
poduzeća, specijalistički poslijediplomski rad, Ekonomski fakultet Zagreb, 2010.
388)
Zelenika, R.: Metodologija i tehnologija izrade znanstvenog i stručnog djela, četvrto
izdanje, Ekonomski fakultet u Rijeci, Rijeka, 2000.
389)
Zelenika, R., Pupavac, D.: Menadžment logističkih sustava, Ekonomski fakultet u
Rijeci, Rijeka, 2008.
390)
Zhang, Q., Vonderembse, M.A., Lim, J.S.: Spanning flexibility: supply chain
information dissemination drives strategy development and customer satisfaction,
Supply Chain Management: An International Journal, 2006., 11 (5), p. 390-399.
391)
Zhang, X., Yang, J., Wang, H.: Doctoral dissertation in supply chain management
research: a comprehensive review from 1999. to 2006., International Journal of
Management in Education, 2009., 3 (1), p. 70-81.
392)
Zhou, H., Benton, W. C. Jr.: Supply chain practice and information sharing, Journal
of Operations Management, 2007., 25, p. 1348-1365.
393)
Zsidisin, G.A., Ritchie, B.: Supply Chain Risk Management - Developments, Issues
and Challenges, in: Zsidisin, G.A., Ritchie, B. (Eds.): Supply Chain Risk, Springer,
New York, 2008., p. 1-12.
394)
Žibret, B.: Strateška nabava, Mate, Zagreb, 2007.
387
Prilog 1. Popratni dopis
ZAMOLBA ZA SUDJELOVANJE U ISTRAŽIVANJU POD NASLOVOM „KONCEPT
POSLOVNA INTELIGENCIJA I UPRAVLJANJE OPSKRBNIM LANCEM“
Poštovani!
Doktorand sam na Ekonomskom fakultetu u Splitu i trenutno radim na pripremi provođenja
znanstvenog istraživanja pod naslovom „Koncept poslovna inteligencija i upravljanje
opskrbnim lancem“. Cilj istraživanja jest utvrditi kako primjena ovog koncepta utječe na
upravljanje opskrbnim lancem u konkretnoj praksi poduzeća u Republici Hrvatskoj. Obzirom
da je riječ o novome konceptu, ovo će istraživanje doprinijeti razvoju i razumijevanju
koncepta za provedbu u poslovanju, te će poslužiti kao orijentir poduzećima za njegovu
implementaciju. U tom smislu priključivanjem istraživanju stječete pravo da Vam dostavimo
rezultate istraživanja, kojima ćete se slobodno moći koristiti u poslovanju.
U kontekstu istraživanja poslovnu inteligenciju promatramo kao:
koncept
svjesnog,
organiziranog,
kontinuiranog,
legalnog
i
legitimnog
prikupljanja, analiziranja i korištenja podataka i informacija za poslovanje. Provodi se
pomoću informacijske tehnologije, ali i na druge načine. Prikupljaju se relevantne
spoznaje o kupcima, dobavljačima, konkurentima, industrijskoj grani, tehnologijama,
institucionalnoj regulativi, i drugim čimbenicima koji izravno, ili neizravno, utječu na
poslovanje poduzeća, a radi potpore menadžmentu u donošenju poslovnih odluka.
Anketa je u potpunosti anonimna, a podaci dobiveni istraživanjem koristiti će se isključivo za
potrebe izrade doktorske disertacije, te će biti prezentirani u agregatnoj formi bez objave
podataka sudionika istraživanja. Upitnik je napravljen u skladu s etičkim Sveučilišnim
standardima. Vaše poduzeće je kompetentno za uključenje u istraživanje ukoliko možete
pozitivno odgovoriti barem na jednu od sljedećih tvrdnji:
-
primjenjujete poslovnu inteligenciju na razini cjelokupnog sustava, ili
određene strateške poslovne jedinice poduzeća (npr. marketinški odjel, odjel
za razvoj, financije i računovodstvo, proizvodnja, komercijala, nabava i sl.);
-
primjenjujete poslovnu inteligenciju samo kod određenih poslovnih procesa;
388
-
koristite u poslovanju neke od tehnologija i platformi za skladištenje
podataka (Data Warehouse),
rudarenje podacima (Data Mining), OLAP
alate;
-
koristite napredne analitičke tehnike, i simulacijske i vizualizacijske
programe.
Ukoliko možete potvrditi barem jednu od navedenih tvrdnji molimo da slijedite link gdje se
nalazi anketni upitnik. Vaše znanje, poslovni iskustvo i odgovori predstavljaju neprocjenjivu
važnost te se nadam da će Vam vrijeme i obveze dopustiti ispunjavanje upitnika.
Srdačan pozdrav,
Ante Luetić, mr.oec. doktorand EFST
prof.dr.sc. Neven Šerić, mentor
389
Prilog 2. Anketni upitnik
OSNOVNE INFORMACIJE O VAŠEM PODUZEĆU
1. Glavna/pretežita djelatnost Vašega poduzeća je:
1
primarna proizvodnja (poljoprivreda, ribarstvo, rudarstvo...)
2
prerađivačka industrija / proizvodnja
3
trgovina
4
turizam i ugostiteljstvo
5
građevinarstvo
6
bankarstvo, osiguranje i financijske usluge
7
telekomunikacije
8
poslovne usluge (pravne, konzalting, savjetodavne, računovodstvene...)
9
ostalo
2. Broj zaposlenih u Vašemu poduzeću je:
9
do 10
10
od 11 do 50
11
od 51 do 250
12
preko 251
3. Pravni oblik Vašega poduzeća je:
13
dioničko društvo
14
društvo s ograničenom odgovornošću
15
javno poduzeće
16
komanditno društvo
17
inozemni osnivač
18
ustanova
19
ostalo
Molim Vas da kod sljedećih tvrdnji o Vašemu poduzeću izaberete samo jedan odgovor koji
najbolje iskazuje Vaš stav o navedenome.
390
Uopće se ne
slažem
Uglavnom se ne
slažem
Niti se slažem
niti se ne slažem
Uglavnom se
slažem
Potpuno se
slažem
1
2
3
4
5
KONCEPT POSLOVNA INTELIGENCIJA
4. Izvori podataka i informacija
BI 1
1.
BI 2
2.
BI 3
3.
BI 4
4.
BI 5
5.
Unutarnji izvori podataka i informacija objedinjeni su na razini
procesa ili projekata.
Unutarnji izvori podataka i informacija objedinjeni su na razini
službi ili odjela.
Vanjski izvori podataka i informacija koje koristite lako su Vam
dostupni.
U Vašemu se poduzeću podaci i informacije nalaze posvuda; na
serveru, u bazama podataka, proračunskim tablicama i ostalim
datotekama i aplikacijama.
Podaci i informacije su integrirani i iskoristivi za izvještavanje i
analiziranje u realnome vremenu.
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
5. Pouzdanost podataka i informacija
BI 6
6.
BI 7
7.
BI 8
8.
Unutarnji prikupljeni podaci i informacije su pouzdani
(vjerodostojni).
Vanjski prikupljeni podaci i informacije su pouzdani
(vjerodostojni).
Prisutna je nedosljednost prikupljenih podataka i informacija.
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
6. Pristup podacima i informacijama
BI 9
9.
BI 10
10.
BI 11
11.
BI 12
12.
Za pristup podacima i informacijama u Vašemu se poduzeću
prakticira provjeravanje korisničkog identiteta (autentifikacija).
U Vašemu se poduzeću točno zna tko ima pristup kojim
podacima i informacijama.
U Vašemu se poduzeću provodi zaštita od zloupotrebe podataka
i informacija.
1 2 3 4 5
Traženi podaci i informacije dostupni su u realnome vremenu.
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
7. Napredna analitika
BI 13
13.
Vaše poduzeće koristi tehnike rudarenja podacima (Data
mining).
1 2 3 4 5
BI 14
14.
Vaše poduzeće koristi OLAP alate.
1 2 3 4 5
BI 15
15.
Vaše poduzeće koristi upravljačke ploče (Dashboards).
1 2 3 4 5
BI 16
16.
Informacije i analize su vizualizirane.
1 2 3 4 5
391
8. Intuicija i vrijeme
BI 17
17. Poslovne odluke donosite na temelju činjenica.
BI 18
18.
BI 19
BI 20
BI 21
Iako koristite PI za donošenje poslovnih odluka, također je
uključen „dobar osjećaj“ i iskustvo.
Primjenom PI smanjilo se vrijeme od nastanka događaja do
19.
njegovog evidentiranja.
Primjenom PI smanjilo se vrijeme od evidentiranja događaja do
20.
dostupnosti informacije o njemu.
Primjenom PI povećalo se raspoloživo vrijeme za donošenje
21.
poslovnih odluka.
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
9. Organizacija poslovne inteligencije
BI 22
22.
BI 23
23.
BI 24
24.
BI 25
25.
BI 26
26.
Vaše poduzeće koristi platformu za skladištenje podataka (Data
Warehouse).
U Vašemu je poduzeću PI organizirana na razini cijelog
poduzeća.
U Vašemu je poduzeću PI organizirana na razini pojedinih
odjela ili službi.
U Vašemu je poduzeću PI organizirana na razini pojedinih
procesa ili projekata.
U Vašem poduzeću poslovna inteligencija još nije sustavno
organizirana.
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
INFORMACIJSKA VIDLJIVOST
10. Kvaliteta sadržaja
IV 1
27.
Podaci i informacije koje koristite su točni.
1 2 3 4 5
IV 2
28.
Podaci i informacije koje koristite primjereni su potrebama.
1 2 3 4 5
IV 3
29.
Podaci i informacije koje koristite su iskoristivi.
1 2 3 4 5
IV 4
30.
Unutarnji podaci i informacije redovito se ažuriraju.
1 2 3 4 5
11. Razina vidljivost
IV 5
31.
IV 6
32.
IV 7
33.
IV 8
34.
S Vašim ključnim dobavljačima razmjenjujete strateške podatke
i informacije.
S Vašim ključnim dobavljačima razmjenjujete operativne
podatke i informacije.
S Vašim ključnim kupcima razmjenjujete strateške podatke i
informacije.
S Vašim ključnim kupcima razmjenjujete operativne podatke i
informacije.
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
INTEGRACIJA
12. Suradnja unutar poduzeća
392
INT 1
35.
INT 2
36.
INT 3
37.
INT 4
38.
U Vašemu se poduzeću operativni podaci i informacije
razmjenjuju između različitih funkcijskih odjela ili službi.
U Vašem poduzeću svi povezni odjeli sudjeluju u ocjenjivanju i
izboru dobavljača.
U Vašem poduzeću postoje višestruke verzije „istina“ o
pojedinim partnerima.
U Vašem su poduzeću integrirani procesi opskrbnoga lanca.
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
13. Suradnja između poduzeća
Vaše poduzeće sa ostalim sudionicima opskrbnoga lanca
unapređuje kvalitetu proizvoda i usluga.
Vaše poduzeće sa ostalim članovima opskrbnoga lanca razvija
nove proizvode i usluge.
Vaše poduzeće sa ostalim članovima opskrbnoga lanca integrira
zajedničke operativne procese.
1 2 3 4 5
42.
Odnosi s Vašim ključnim dobavljačima su partnerski.
1 2 3 4 5
43.
Odnosi s Vašim ključnim kupcima su partnerski.
1 2 3 4 5
INT 5
39.
INT 6
40.
INT 7
41.
INT 8
INT 9
1 2 3 4 5
1 2 3 4 5
UPRAVLJANJE OPSKRBNIM LANCEM
14. Agilnost
SCM 1
44.
Vaše je poduzeće smanjilo vrijeme odziva na kupčeve zahtjeve.
1 2 3 4 5
SCM 2
45.
Vaše je poduzeće povećalo točnost isporuka na vrijeme.
1 2 3 4 5
SCM 3
46.
Vaše je poduzeće povećalo kompletiranost isporuka.
1 2 3 4 5
SCM 4
47.
Vaše je poduzeće spremno reagirati na potrebne modifikacije.
1 2 3 4 5
15. Prilagodljivost
SCM 5
48.
Vaše je poduzeće sposobno u relativno kraćemu roku reagirati
na neočekivane tržišne poremećaje.
1 2 3 4 5
SCM 6
49.
Vaše poduzeće kontinuirano analizira poslovnu okolinu.
1 2 3 4 5
SCM 7
50.
Vaše poduzeće kontinuirano preispituje i unapređuje svoju
poslovnu strategiju.
1 2 3 4 5
16. Usklađenost
SCM 8
51.
SCM 9
52.
SCM 10
53.
Vaše poduzeće nastoji usklađivati strateške planove s ključnim
dobavljačima.
Vaše poduzeće nastoji usklađivati strateške planove s ključnim
kupcima.
Vaše poduzeće sa svojim partnerima iz opskrbnog lanca provodi
optimalizaciju povezanih procesa.
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
17. Proaktivnost
SCM 11
54.
U upravljanju opskrbnim lancem provodite scenario analize.
1 2 3 4 5
393
SCM 12
55.
U upravljanju opskrbnim lancem provodite prognoziranje
događanja.
1 2 3 4 5
SCM 13
56.
U upravljanju opskrbnim lancem provodite analize trenda.
1 2 3 4 5
SCM 14
57.
U upravljanju opskrbnim lancem koristite analizu vremenskog
slijeda (timelining).
1 2 3 4 5
18. Performanse
Vaše je poduzeće smanjilo troškove vezane za funkcioniranje
opskrbnog lanca.
Vaše je poduzeće povećalo povrat na imovinu (ROA) u odnosu
na konkurente.
Vaše je poduzeće povećalo povrat na uloženo (ROI) u odnosu na
konkurente.
Vaše je poduzeće povećalo tržišni udjel/volumen prodaje u
odnosu na konkurente.
SCM 15
58.
1 2 3 4 5
SCM 16
59.
SCM 17
60.
SCM 18
61.
SCM 19
62.
Vaše je poduzeće povećalo efikasnost opskrbnoga lanca.
1 2 3 4 5
SCM 20
63.
Skratili ste vrijeme donošenja odluka unutar opskrbnoga lanca.
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
Prilog 3. Svojstvene vrijednosti za I dimenziju poslovne inteligencije
Komponenta
Inicijalna svojstvena vrijednost
Total
% of Varijance
Kumulativ %
1
2,397
39,955
39,955
2
1,016
16,933
56,887
3
,840
14,000
70,887
4
,720
12,001
82,888
5
,584
9,729
92,617
6
,443
7,383
100,000
Izvor: Rezultati istraživanja
Prilog 4. Faktorska opterećenja za I dimenziju poslovne inteligencije
Varijabla
Komponenta
1
BI1
,667
BI2
,602
BI3
,594
BI5
,747
BI6
,676
BI7
,471
Izvor: Rezultati istraživanja
394
Prilog 5. Svojstvene vrijednosti za II dimenziju poslovne inteligencije
Komponenta
Inicijalna svojstvena vrijednost
Total
% of Variance
Cumulative %
1
2,443
61,074
61,074
2
,736
18,391
79,465
3
,442
11,058
90,523
4
,379
9,477
100,000
Izvor: Rezultati istraživanja
Prilog 6. Faktorska opterećenja za II dimenziju poslovne inteligencije
Varijabla
Komponenta
1
BI9
,718
BI10
,851
BI11
,832
BI12
,715
Izvor: Rezultati istraživanja
Prilog 7. Svojstvene vrijednosti za III dimenziju poslovne inteligencije
Komponenta
Inicijalna svojstvena vrijednost
Total
% of Variance
Cumulative %
1
2,449
61,234
61,234
2
,709
17,732
78,966
3
,456
11,390
90,356
4
,386
9,644
100,000
Izvor: Rezultati istraživanja
Prilog 8. Faktorska opterećenja za III dimenziju poslovne inteligencije
Varijabla
Komponenta
1
BI13
,798
BI14
,829
BI15
,821
BI16
,671
Izvor: Rezultati istraživanja
395
Prilog 9. Svojstvene vrijednosti za IV dimenziju poslovne inteligencije
Komponenta
Inicijalna svojstvena vrijednost
Total
% of Variance
Cumulative %
1
2,615
52,293
52,293
2
,894
17,876
70,168
3
,671
13,424
83,593
4
,542
10,832
94,425
5
,279
5,575
100,000
Izvor: Rezultati istraživanja
Prilog 10. Faktorska opterećenja za IV dimenziju poslovne inteligencije
Varijabla
Komponenta
1
BI17
,564
BI18
,596
BI20
,831
BI21
,857
BI22
,719
Izvor: Rezultati istraživanja
Prilog 11. Svojstvene vrijednosti za V dimenziju poslovne inteligencije
Komponenta
Inicijalna svojstvena vrijednost
Total
% of Variance
Cumulative %
1
1,951
48,765
48,765
2
1,064
26,604
75,369
3
,618
15,460
90,829
4
,367
9,171
100,000
Izvor: Rezultati istraživanja
Prilog 12. Faktorska opterećenja za V dimenziju poslovne inteligencije
Varijabla
Komponenta
1
BI23
,598
BI24
,627
BI25
,774
BI26
,775
Izvor: Rezultati istraživanja
396
Prilog 13. Svojstvene vrijednosti za I dimenziju informacijske visljivosti
Komponenta
Inicijalna svojstvena vrijednost
Total
% of Variance
Cumulative %
1
2,662
66,558
66,558
2
,541
13,516
80,074
3
,486
12,156
92,230
4
,311
7,770
100,000
Izvor: Rezultati istraživanja
Prilog 14. Faktorska opterećenja za I dimenziju informacijske vidljivosti
Varijabla
Komponenta
1
IV1
,799
IV2
,853
IV3
,842
IV4
,766
Izvor: Rezultati istraživanja
Prilog 15. Svojstvene vrijednosti za II dimenziju informacijske vidljivosti
Komponenta
Inicijalna svojstvena vrijednost
Total
% of Variance
Cumulative %
1
2,444
61,110
61,110
2
,762
19,061
80,171
3
,654
16,340
96,512
4
,140
3,488
100,000
Izvor: Rezultati istraživanja
Prilog 16. Faktorska opterećenja za II dimenziju informacijske vidljivosti
Varijabla
Komponenta
1
IV5
,751
IV6
,799
IV7
,787
IV8
,788
Izvor: Rezultati istraživanja
397
Prilog 17. Svojstvene vrijednosti za I dimenziju integracije
Komponenta
Inicijalna svojstvena vrijednost
Total
% of Variance
Cumulative %
1
1,516
50,517
50,517
2
,809
26,950
77,467
3
,676
22,533
100,000
Izvor: Rezultati istraživanja
Prilog 18. Faktorska opterećenja za I dimenziju integracije
Varijabla
Komponenta
1
INT1
,737
INT2
,749
INT4
,642
Izvor: Rezultati istraživanja
Prilog 19. Svojstvene vrijednosti za II dimenziju integracije
Komponenta
Inicijalna svojstvena vrijednost
Total
% of Variance
Cumulative %
1
2,689
53,772
53,772
2
1,179
23,572
77,344
3
,486
9,724
87,068
4
,355
7,099
94,167
5
,292
5,833
100,000
Izvor: Rezultati istraživanja
Prilog 20. Faktorska opterećenja za II dimenziju integracije
Varijabla
Komponenta
1
INT5
,765
INT6
,808
INT7
,742
INT8
,661
INT9
,681
Izvor: Rezultati istraživanja
398
Prilog 21. Svojstvene vrijednosti za I dimenziju SCM-a
Komponenta
Inicijalna svojstvena vrijednost
Total
% of Variance
Cumulative %
1
3,075
76,867
76,867
2
,544
13,596
90,464
3
,244
6,092
96,556
4
,138
3,444
100,000
Izvor: Rezultati istraživanja
Prilog 22. Faktorska opterećenja za I dimenziju SCM-a
Varijabla
Komponenta
1
SCM1
,892
SCM2
,920
SCM3
,934
SCM4
,748
Izvor: Rezultati istraživanja
Prilog 23. Svojstvene vrijednosti za II dimenziju SCM-a
Komponenta
Inicijalna svojstvena vrijednost
Total
% of Variance
Cumulative %
1
2,206
73,538
73,538
2
,483
16,087
89,626
3
,311
10,374
100,000
Izvor: Rezultati istraživanja
Prilog 24. Faktorska opterećenja za II dimenziju SCM-a
Varijabla
Komponenta
1
SCM5
,815
SCM6
,886
SCM7
,870
Izvor: Rezultati istraživanja
399
Prilog 25. Svojstvene vrijednosti za III dimenziju SCM-a
Komponenta
Inicijalna svojstvena vrijednost
Total
% of Variance
Cumulative %
1
1,957
65,240
65,240
2
,530
17,679
82,920
3
,512
17,080
100,000
Izvor: Rezultati istraživanja
Prilog 26. Faktorska opterećenja za III dimenziju SCM-a
Varijabla
Komponenta
1
SVM8
,809
SCM9
,803
SCM10
,811
Izvor: Rezultati istraživanja
Prilog 27. Svojstvene vrijednosti za IV dimenziju SCM-a
Komponenta
Inicijalna svojstvena vrijednost
Total
% of Variance
Cumulative %
1
3,082
77,048
77,048
2
,390
9,751
86,798
3
,299
7,482
94,280
4
,229
5,720
100,000
Izvor: Rezultati istraživanja
Prilog 28. Faktorska opterećenja za IV dimenziju SCM-a
Varijabla
Komponenta
1
SCM11
,891
SCM12
,862
SCM13
,888
SCM14
,869
Izvor: Rezultati istraživanja
400
Prilog 29. Svojstvene vrijednosti za V dimenziju SCM-a
Komponenta
Inicijalna svojstvena vrijednost
Total
% of Variance
Cumulative %
1
3,967
66,111
66,111
2
,873
14,551
80,662
3
,520
8,672
89,334
4
,351
5,844
95,178
5
,185
3,090
98,268
6
,104
1,732
100,000
Izvor: Rezultati istraživanja
Prilog 30. Faktorska opterećenja za V dimenziju SCM-a
Varijabla
Komponenta
1
SCM15
,799
SCM16
,797
SCM17
,830
SCM18
,746
SCM19
,864
SCM20
,837
Izvor: Rezultati istraživanja
401

Pozivnica za profesore

prezentacija

Kagor sažetak RAZUM

Preuzmite projektni letak - e

Najčešća pitanja i odgovori

Ekonomska pozicija Bosne i Hercegovi

Andreja Rosandić, NESsT Croatia

Četvrto pismo - hrvatska verzija

Načela - The Supply Chain Initiative