INFORMATIKA Sustavi za poslovno odlučivanje

INFORMATIKA
Sustavi za poslovno odlučivanje
Katedra za informatiku
Ekonomski fakultet - Zagreb
Literatura

Bosilj Vukšić, V., Peić Bach, M.: “Poslovna informatika”,
Element, Zagreb, 2012., poglavlje 3.2.
2
2
Sadržaj

Sustavi za potporu odlučivanju

Modeliranje u poslovnom odlučivanju

Osnovne metode računalnog modeliranja

Simulacijsko modeliranje

Ekspertni sustavi
3
1. Sustavi za potporu odlučivanja
(Decision Support Systems)
Potreba za potporom odlučivanju
Menadžerima je potrebna potpora pri odlučivanju zbog
njihovih spoznajnih, ekonomskih i vremenskih ograničenja

Spoznajna ograničenja odnose se na ograničenja ljudskih
sposobnosti za pohranjivanjem i obradom informacija.
(veličina kratkotrajne memorije, brzina obrade, greške u pamćenju
i obradi informacija)
To ograničava efikasnost i efektivnost odlučivanja pa je to
razlog uvođenja više sudionika u odlučivanje
4
Potreba za potporom odlučivanju (nastavak)

Ekonomska ograničenja odnose se na ograničenja
mogućnosti uvođenja dovoljnog broja sudionika u proces
odlučivanja.
 osim direktnih cijena sudionika znatno se povećava i
cijena komunikacije i koordinacije

Vremensko ograničenje može biti uzrok grešaka u
odlučivanju jer se ne stignu razmotriti sve informacije, riješiti
problemi i upotrijebiti poželjne strategije odlučivanja
5
Što je sustav potpore odlučivanju
Sustav potpore odlučivanju (engl. Decision Support System,
DSS) je računalni sustav koji podupire proces odlučivanja
tako što pomaže menadžeru u:

organizaciji informacija

identifikaciji i dohvatu potrebnih informacija

analizi i transformaciji tih informacija

izboru odgovarajućih modela potrebnih za rješavanje
problema odlučivanja
izvođenju tih modela,


6
analizi dobivenih rezultata modeliranja za potrebe
donositelja odluke
Primjeri

http://en.wikipedia.org/wiki/Decision_support_system

Gate assignment system – United Airlines (1987)
PROMIS – medical decision-making
Clinical diagnosing
Executive dashboards
Forest management
Military systems
Canadian National Railway maintenance






7
Što je sustav potpore odlučivanju (nastavak)
Takav sustav treba omogućiti:
8

rješavanje složenih problema odlučivanja

korištenje različitih stilova i strategija odlučivanja

korištenje velike količine ažurnih informacija

upotrebu većeg broja metoda rješavanja problema

skraćenje vremena potrebnog za donošenje odluke

sustavi za potporu odlučivanju omogućuju
generiranje boljih opcija te uzimanje u obzir većeg broja
opcija pri odlučivanju, pa stoga i povećanje kvalitete odluka
Što je sustav potpore odlučivanju (nastavak)
Sustavi za potporu odlučivanju najčešće se koriste za
potporu slabo strukturiranih problema odlučivanja.
Ti sustavi:
9

imaju interaktivni karakter

trebaju biti fleksibilni u analizi podataka, izvođenju modela i
analizi njihova izlaza

mogu sami upozoravati menadžere na podatke koji su
posebno važni (npr. zato što odstupaju od svog uobičajenog
raspona) te zahtijevaju reakciju menadžera

mogu objašnjavati dobivene rezultate te omogućiti analizu
osjetljivosti rezultata modeliranja
Što je sustav potpore odlučivanju (nastavak)
Sustavi za potporu odlučivanju omogućuju menadžerima
da sami biraju način odlučivanja i redoslijed akcija,
čime im se omogućuje korištenje različitih pristupa kod
različitih vrsta situacija i odluka
10
Građa sustava za potporu odlučivanju
Donositelj
odluke
Korisničko
sučelje
Sustav za upravljanje
bazom ili skladištem
podataka
Baze ili skladišta
podataka
11
Sustav za upravljanje
bazom modela
Modeli
Sustav za upravljanje
dokumentima
Dokumenti
Građa sustava za potporu odlučivanju
(nastavak)
Korisnik (donositelj odluke) pristupa cijelom sustavu preko
jedinstvenog sučelja
Tijekom rada sustava za potporu odlučivanju modeli mogu
sami dohvatiti potrebne podatke iz baza podataka ili baze
dokumenata,
a nakon izvođenja rezultati se izvođenja mogu pohranjivati u
baze podataka ili dokumenata
12
Građa sustava za potporu odlučivanju (nastavak)
Podaci: za odlučivanje se koriste podaci iz više izvora:

Unutarnji podaci: zapisi o podacima i transakcijama u tvrtki
(npr. podaci o namještenicima, resursima ili cijenama, odnosno o
nabavi, prodaji ili planiranju)

Vanjski podaci podaci su o činiteljima izvan tvrtke
(npr. preferencije kupaca, regionalna potražnja za proizvodima
konkurencije, ili zakoni u pojedinim zemljama svijeta)

Javni podaci, tj. podaci koji se mogu dobiti iz javnih izvora,
npr. na Internetu, intranetu tvrtke odnosno ekstranetu
suradničke tvrtke.
(npr. podaci o popisu stanovništva, vladini dokumenti,
kretanje cijena dionica ili trgovački ugovori)

Privatni podaci su podaci koje menadžeri sakupljaju tijekom
vremena i koji mogu biti korisni prilikom odlučivanja
(npr. podaci o prethodnim donošenjima odluka u koje su bili
uključeni, ocjene konkurentskih tvrtki koje su dobili od stručnjaka
u koje imaju povjerenje)
13
Građa sustava za potporu odlučivanju (nastavak)
Strukturiranim podacima pristupa se posredstvom sustava za
upravljanje bazama ili skladištima podataka.
U skladišta podataka pohranjuju se podaci važni za
odlučivanje i obrađuju na taj način da ih korisnici mogu sami
doseći, kombinirati i koristiti za različite vrste analiza.
Snalaženje u brojnim mogućnostima analize koje pružaju
skladišta podataka olakšavaju softverski agenti i rudarenje
podataka

Softverski agenti: mogu samostalno izvoditi radnje za koje
su ovlašteni, npr. pronaći podatke koji zadovoljavaju neke
kriterije i sl.

Rudarenje podataka obuhvaća metode ispitivanja
povezanosti među podacima, klasificiranje podataka u
srodne skupine, ispitivanje trendova i sl.
(metode: statist. metode, neuronske mreže, genetski algoritmi i sl.)
14
Građa sustava za potporu odlučivanju (nastavak)
Dokumenti su nestrukturirani podaci (tekstovi, grafički
prikazi, slike, glas i videozapisi). Samo u poslovnim
organizacijama stvara se nekoliko milijardi stranica
dokumenata dnevno
(primjeri dokumenata: izvještaji, pisma korisnika, interne
poruke, ugovori, vijesti, elektroničke poruke, diskusijske skupine
i online baze podataka)
Važan izvor dokumenata s ažurnim podacima jesu
elektroničke poruke. Sustavi za elektroničku poštu mogu
se iskoristiti i za filtriranje i organizaciju poruka.
Budući da se uz poruke mogu slati i datoteke, u njima se šalju i
formatizirani dokumenti, crteži, fotografije, zvučni zapisi,
videozapisi i sl.
15
Građa sustava za potporu odlučivanju (nastavak)
Modeli – sustav za upravljanjem bazom modela:

omogućuje jednostavno korištenje modela potrebnih za
analizu opcija

korisniku daje odgovore na pitanja o tome koji modeli
odgovaraju kojoj svrsi te koje pretpostavke moraju biti
ispunjene za korištenje pojedinih modela

brine se da podaci budu u potrebnom formatu te da se
modeli po potrebi povezuju (tako da izlaz jednog modela
postaje ulaz drugoga)

16
rezultate korištenja modela daje u razumljivom obliku te
omogućuje izvođenje odgovarajuće analize osjetljivosti
dobivenih rezultata
Građa sustava za potporu odlučivanju (nastavak)
U sustav za potporu odlučivanju moguće je uključiti različite
vrste modela
a) prema metodama na kojima se modeli temelje
(npr. statistički, optimizacijski ili simulacijski modeli, ekspertni
sustavi, neuronske mreže, genetski algoritmi, neizrazita logika)
b) prema vrstama problema koje rješavaju
(modeli vremenske vrijednosti novca, analize troškova i dobiti te
modeli iz područja marketinga, financija, računovodstva, itd.)
c) prema razini na kojoj se koriste modeli:
strategijski modeli koriste se za visoki menadžment
(npr. za planiranje ili izbor lokacije tvornice),
taktički modeli koriste se za srednji menadžment
(npr. za financijsko planiranje ili oblikovanje prostora tvornice),
operacijski modeli koriste se u donošenju kratkoročnih odluka na
nižim razinama odlučivanja (npr. za vremensko planiranje
proizvodnje ili upravljanje zalihama)
17
Građa sustava za potporu odlučivanju (nastavak)
Korisničko sučelje obuhvaća mehanizme potrebne za unos
podataka u sustav, izvođenje modela te izlaz podataka
Vodilje za razvoj kvalitetnog sučelja:

u proces oblikovanja sučelja trebaju biti uključeni korisnici

korištenje sustava mora biti intuitivno

koristiti standardne poslovne termine razumljive korisnicima

preko glavnog izbornika treba moći pokrenuti sve vrste operacija
sustava

sustav mora imati laganu navigaciju
(prelazak na razne operacije)

18
vrijeme odziva sustava mora biti što kraće;
2. Modeliranje u poslovnom
odlučivanju
Sustavi potpore odlučivanju koriste različite vrste
modela koji omogućuju:
-
kvantitativnu analizu posljedice odluke
racionalizaciju
simulaciju rada sustava
traženje optimalnog rješenja
itd.
19
Model je približni prikaz sustava ili procesa koji služi
za razumijevanje sustava te njegovo mijenjanje ili
upravljanje njime
Modeli nisu manje vrijedni zato što su aproksimacije
stvarnosti:
upravo to ih čini korisnim, jer iz stvarnosti uzimaju
samo najvažnije dijelove
tako je stvarnost lakše razumjeti
20
Modeli omogućuju:
• opis kompleksnih fenomena
• njihovo bolje razumijevanje
• komunikaciju onih koji rješavaju problem
• rješavanje problema
21
Svrha primjene računalnih modela u inženjerstvu i
ekonomiji:

oblikovanje novih rješenja

ispitivanje svojstava rješenja

izbor optimalnih rješenja
22
Vrste modela
mentalni modeli se neprekidno stvaraju u ljudskom
mozgu kako bi čovjek mogao povezati činjenice i
predvidjeti ishod događaja
materijalni (fizički) modeli pogodni su za opis
fizičkih i kemijskih struktura
matematički modeli – koriste se tamo gdje je moguć
precizan opis fenomena
konceptualni modeli - dijagrami strukture i logike
rada sustava
računalni modeli – softver u kojem je opisana logika i
kvantitativni aspekti modela, i koji omogućuju
dobivanje kvantitativnih rezultata o ponašanju sustava
23
3. Osnovne metode
računalnog modeliranja








Linearna optimizacija
Simulacija dinamičkih sustava
Ekspertni sustavi
Genetski algoritmi
Neuronske mreže
Statistika i analiza podataka
Analitičko modeliranje
Rudarenje podataka i OLAP
24
Linearna optimizacija - skupina metoda za traženje
najpovoljnijih rješenja dodjeljivanja ograničenih resursa
(kapitala, rada, materijala i sl.) .
primjer: max. profita u proizvodnji mobitela;
koliko jedinica pojedinih modela mobitela treba
proizvesti mjesečno da bi profit bio maksimalan
Simulacija – modeliranje složenih dinamičkih sustava
Diskretna simulacija - detaljno modeliranje dinamičkih
sustava koji sadrže slučajne varijable (npr. vrijeme
posluživanja stranaka) – analiza repova čekanja i sl.
Sistemska dinamika - modeliranje sustava s povratnom
spregom – traženje načina upravljanja sustavom
25
Ekspertni sustavi - sustavi koji oponašaju rad eksperata –
temeljeni su na znanju –
mogu davati dijagnozu uzroka neke situacije, predlagati akcije
koje treba poduzeti i sl.
Genetski algoritmi – metoda optimizacije koja se temelji na
uzastopnom popravljanju kvalitete rješenja u više „generacija“
rješavanja problema, i to križanjem i mutacijom rješenja iz
prethodne generacije
koriste se kod vrlo složenih problema koji mogu biti nelinearni i
diskontinuirani
26
Neuronske mreže - način rješavanja problema temeljen na
sličnosti s radom centralnog živčanog sustava čovjeka – učenje iz
podataka
posebno su dobre za modeliranje problema o kojima se
nedovoljno zna, ali se za njih može prikupiti dovoljno podataka
(npr. promjena vrijednosti dionica u vremenu)
Statistika i analiza podataka – veliki izbor modela
Regresija – traženje faktora koji utječu na zavisne varijable i
određivanje stupnja njihova utjecaja
Klasifikacija - određivanje područja vrijednosti parametara
objekata koje označuju pripadanje objekta u neku klasu
(npr. nalaženje područja vrijednosti značajki poduzeća koje ga
dovode u klasu uspješnih poduzeća)
Prognostičke metode – trend promjene vrijednosti varijable
Analitičko modeliranje
koristi tablične kalkulatore
- model nekog fenomena opisuje se u obliku pravokutne tablice
s ćelijama (tj. varijablama), a vrijednost svake ćelije može ovisiti
o vrijednosti jedne ili više drugih ćelija
Rudarenje podataka i OLAP analize
Rudarenje podataka – identifikacija još nepoznatih a
potencijalno korisnih veza među postojećim podacima
korištenje različitih metoda: stabla odlučivanja, strojno učenje ili
neuronske mreže
OLAP (Online Analytic Processing) analiza – temeljena na
multidimenzijskoj analizi podataka gdje dimenzije mogu biti npr.
tržišta, proizvodi ili vrijeme
4. Simulacijsko modeliranje
• Simulacija omogućuje kvantitativnu analizu
dinamičkih procesa
(poslovni procesi, logistika, proizvodnja,
uslužne djelatnosti i sl.)
• Ovdje ćemo prikazati metodu diskretne simulacije koja
detaljno opisuje sustave sa redovima čekanja na
ograničene resurse
29
Osnovne značajke diskretne simulacije
Simulacija omogućuje nalaženje odgovora na različita
pitanja koja se postavljaju tijekom procesa
donošenja odluka, npr.:

Koliko šaltera za registraciju treba neka zrakoplovna
kompanija?

Kako reorganizirati proces rada bankovnih poslovnica
da bi se skratila čekanja i smanjile gužve?
Kvantitativni odgovori na ovakva pitanja pomažu u
donošenju racionalnih odluka temeljenih na
modelima sustava ili procesa.
Diskretna simulacija:

omogućuje detaljan opis strukture sustava i
njegovih elemenata

ponašanje sustava opisuje se na diskontinuirani
način, u obliku slijeda različitih događaja i aktivnosti

modeli oponašaju stvarne sustave i procese,
a objekti u modelima predstavljaju objekte iz stvarnih
sustava ili procesa

prvenstveno se koristi za modeliranje i analizu
sustava s redovima čekanja na resurse sustava
(blagajne, autobuse, mreže računala i sl.)
31
Simulacijski model
Osnovni koraci simulacijskog procesa:
- definicija cilja simulacijske studije,
- identifikacija sustava,
- sakupljanje i analiza podataka o sustavu,
- izgradnja simulacijskog modela i simulacijskog
programa,
- vrednovanje simulacijskog modela,
- planiranje i izvođenje simulacijskih eksperimenata, - analiza rezultata eksperimenata te
- donošenje zaključaka i preporuka
Prva faza u razvoju simulacijskog modela - stvaranje
konceptualnog simulacijskog modela

33
on služi tome da se prikažu najvažniji elementi
sustava i njihovo međudjelovanje koje dovode do
aktivnosti u sustavu
Dijagrami ciklusa aktivnosti
34
Slijedi stvaranje računalnog modela sustava
35

stvara se korištenjem nekog od simulacijskih softvera
kao što su GPSS, SIMSCRIPT, SIMULA, Arena ili Simul8

Simulacijski softver omogućava stvaranje detaljnog
simulacijskog modela koji precizno opisuje sve
objekte sustava

Animacija modela znatno olakšava i pronalaženje
logičkih grešaka modela

Korištenje vizualne interaktivne simulacije
poboljšava komunikaciju modelara s korisnicima jer
korisnici lakše razumiju model prikazan u grafičkom
obliku

Korisnici mogu zaustaviti izvođenje kada se pokaže
da model ima neočekivano ili neželjeno ponašanje,
promijeniti odgovarajuće parametre modela i
nastaviti izvođenje simulacije
Primjer: rad poslovnice banke

Omogućuje analizu kvalitete posluživanja i iskorištenja
resursa poslovnice

Napravljena je u vizualnom interaktivnom softveru

Model sadrži
ServiceModel
- grafički dio koji prikazuje objekte sustava (npr.
stranke i šaltere) te puteve koje oni mogu prijeći
tijekom rada modela
- algoritamski (programski) dio koji sadrži detalje
aktivnosti objekata sustava provode (npr.
proračun trajanja čekanja u redu i sl.)
37
Detaljni prikaz procesa u simulacijskom modelu poslovnice banke
(grafički i algoritamski)
38
Prikaz jednog trenutka odvijanja animacije rada poslovnice banke
39
Grafički prikaz izlaza simulacije:
promjena ukupne duljine redova pred svim blagajnama
tijekom vremena rada poslovnice banke
40
Primjene diskretne simulacije
Neke od primjena simulacije:

Simulacija proizvodnje

Simulacija u logistici

Simulacija uslužnih djelatnosti

Simulacija transporta

Simulacija u zdravstvu

Simulacija za vojne potrebe
Simulacija u proizvodnji
Jedno od prvih područja intenzivne primjene simulacije.
Njome se omogućuje:
42

analiza složenih suvremenih proizvodnih procesa,

eliminaciju uskih grla proizvodnje

ispitivanje mogućnosti povećanja propusnosti
proizvodnog pogona

smanjenja zaliha u proizvodnji,

povećanja iskorištenja strojeva, i sl.
Simulacija uslužnih djelatnosti
Njome se omogućuje modeliranje procesa u kojima
sudjeluju ljudi te koji su zbog toga vrlo nepravilni i
sadrže slučajne varijable s velikim fluktuacijama
(dolasci, posluživanja, izbori između više mogućnosti i sl.)
Poslovni procesi također imaju te karakteristike
Rješavaju se problemi određivanja potrebnih resursa
(ljudi, oprema i sl.) i načina organizacije rada
sustava koji osiguravaju kvalitetnu uslugu uz što
manje čekanje i osiguranje racionalnog rada sustava
43
Simulacija transporta
Njome se omogućuje:

modeliranje i simulacija transportnih centara
(luke, aerodromi, željezničke stanice, poštanski centri i sl.)

simulaciju transporta u transportnim mrežama
(zračne linije, željeznica, cestovni promet, sustavi masovnog
gradskog prometa)

44
analiza utjecaja tehnologije transporta, broja vozila
različitih vrsta te vremenskih planova transporta na
korištenje sredstava transporta, vrijeme transporta i
transportne troškove.
5. Ekspertni sustavi
Što su ekspertni sustavi
To su računalni programi iz područja umjetne
inteligencije koji rješavaju probleme na razini eksperata

U rješavanju problema ekspertni sustavi se služe
znanjem i zaključivanjem

Oni mogu naći približno rješenje problema čak i kada
podaci o problemu nisu potpuni

Mogu objasniti kako su došli do rješenja problema
45
Osnovne značajke ekspertnih sustava
U rješavanju problema ekspertni sustavi ponajviše se
oslanjaju na znanje a manje na metode zaključivanja

Jedan od razloga tome je što znatan dio stvarnih
problema nema rješenje u obliku algoritma

Drugi razlog je spoznaja da su eksperti efikasni u
rješavanju problema zbog znanja kojeg su tijekom
dugog razdoblja akumulirali
46
Kada ima smisla koristiti ekspertne
sustave

ekspertni sustav se ne isplati uvoditi ukoliko postoji
dovoljno eksperata u nekom području

da bi se ekspertni sustavi mogli izgraditi, potrebni su
eksperti koji žele surađivati i staviti svoje znanje na
raspolaganje drugima

ekspertni sustavi su najprikladniji za situacije u kojima
nema efikasnog algoritamskog rješenja

da bi imalo smisla graditi ekspertne sustave potrebno je
posjedovati dobro definirano znanje i opis željene
funkcionalnosti ekspertnog sustava
Struktura ekspertnih sustava

Baza znanja - izvor znanja o području prikupljenom od
eksperata za to područje

Baza činjenica - sadrži činjenice o stanju specifičnog
problema koji se upravo rješava (npr. financijsko stanje
nekog poduzeća koje ima problema s likvidnošću)
ona mijenja sadržaj tijekom vremena kako se mijenja
stanje problema

Mehanizam zaključivanja - predstavlja postupak za
traženje rješenja problema
pritom koristi činjenice i znanje, i određuje redoslijed
aktiviranja elemenata znanja u bazi znanja
Znanje se najčešće prikazuje u obliku pravila
(npr.: “AKO poduzeće ima narudžbi I ne uspijeva ih
zadovoljiti,
TADA treba zaposliti još radnika”)
49
Korisnik
Korisničko sučelje
Mehanizam
sakupljanja znanja
Baza
znanja
Mehanizam
objašnjavanja rezultata
Mehanizam
zaključivanja
Baza
činjenica
Struktura ekspertnih sustava
50
Proces razvoja ekspertnih sustava
51

identifikacija problema,

analiza zadatka koji ekspertni sustav mora rješavati,

razvoj prototipa ekspertnog sustava,

razvoj cjelovitog ekspertnog sustava,

testiranje ekspertnog sustava sa stvarnim
korisnicima,

instaliranje ekspertnog sustava u njegovu radnu
okolinu i

uvježbavanje korisnika te održavanje sustava.
Primjene ekspertnih sustava
Ekspertni sustavi koriste se na više načina.

Dijagnoza označava zaključivanje o uzrocima
pogrešnog funkcioniranja sustava na temelju
podataka o njegovim značajkama (financijske analize,
popravak strojeva).

Otklanjanje kvara traži način na koji se sustav može
dovesti u zadovoljavajuće stanje.

Predviđanje se odnosi na zaključivanje o
posljedicama određenih situacija (financijska ili
demografska predviđanja).

Oblikovanje označava konfiguriranje sustava unutar
zadanih ograničenja (oblikovanje budžeta ili
računalnog sustava).
53
Neke od primjena ekspertnih sustava u poslovanju:

Procjene rizika u osiguranju

Davanje financijskih savjeta o spajanjima i
akvizicijama tvrtki

Pomaganje menadžerima portfelja da odrede ciljeve
investiranja svojih klijenata i izaberu portfelje koji
najbolje ostvaruju te ciljeve
54
Primjer – u ekspertnom sustavu Doctus
Primjer prikaza relevantnih osobina kandidata za natječaj za
radna mjesta, te mogućih vrijednosti tih osobina
55
Primjer odluke o pogodnosti prijavljenih kandidata
(po r. br. kandidata u koloni na lijevoj strani)
56