İşletmelere Yönelik Yönetim Destek Sistemlerinin Önemi

İşletmelere Yönelik Yönetim Destek Sistemlerinin Önemi!

Yönetim destek sistemleri bilgi kaynaklarının yönetimsel kullanımlarına odaklanır. Bu sistemler planlama ve karar vermeyi yönetme konusunda bilgi sağlar. Bu sistemler tarafından sağlanan bilgiler, çeşitli veri analiz araçlarını kullanarak hem iç hem de dış verilere dayanmaktadır.

Ayrıca, veri analizi amacıyla bu araçlardan seçim yapmaları için kullanıcıya bir seçenek sunar. Bu sistemler, yönetici hiyerarşisinde yöneticilerin orta ve üst düzeydeki bilgi gereksinimlerine hizmet eder.

Üç tür yönetim destek sistemi vardır:

a) Karar Destek Sistemleri,

b) Yönetici Bilgi (destek) Sistemleri ve

c) Uzman Sistemler.

Karar Destek Sistemleri:

Karar destek sistemleri (DSS), yöneticilerin etkinliğini ve dolayısıyla işletmenin verimliliğini artırmak için karar verme sürecini desteklemek üzere tasarlanmıştır. Yönetim yargısının herhangi bir bilgisayar tabanlı çözümle değiştirilemeyeceği fikrine dayanırlar. Bununla birlikte, veri ve modellerin desteğini sunarak, yarı yapılandırılmış ve yapılandırılmamış problemler durumunda bile karar alma sürecini iyileştirmek mümkündür.

DSS'nin temel amacı, bir yöneticinin karar verme sürecinin kapasitesini, kendi kontrolü altında kendisine sunulan araçları ve verileri destekleyerek arttırmaktır. DSS, farklı karar tipleri için analiz için özel bilgi gereklilikleri ve önceden tanımlanmış araçları öngörmez ve ayrıca yöneticiye herhangi bir çözüm getirmez.

Bu nedenle, yöneticiye girdi verisine, analiz aracına, analiz derinliğine ve karar vermede Analiz'in sonucuna güvenmesine karar vermede esneklik sağlar. DSS, kullanıcılar için etkileşimli bir ortam sunar ve böylece yöneticinin belirli bir durumda en uygun karar verme stratejisini geliştirmek için veri ve modellerle deneme yapmasına izin verir.

DSS ayrıca yöneticilerin yapılandırılmamış sorunları çözmek için veri analizi modellerini kullanmalarına yardımcı olan etkileşimli bilgi sistemleri olarak tanımlanmaktadır. DSS, yapı taşları olarak adlandırılabilecek teknolojiler kullanır. Şekil 10.3'te gösterilmiştir.

DSS türleri ve özellikleri:

DSS veri odaklı veya model odaklı olabilir. Veri odaklı DSS'ler daha fazla veri alma ve veri analizi girişine sahiptir. Model odaklı DSS, bir eylemin sonucunu tahmin ederek ve öneriler üreterek karar senaryolarının simülasyonu için güçlü olanaklara sahiptir. Aslında, sadece veri alımı ve analizi için ya da sadece modelleme için bir DSS bulmak zordur. Aslında, çoğu DSS her iki tesis türünün bir karışımını içerir.

DSS'ler, onları diğer bilgi sistemlerinden farklı kılan aşağıdaki özelliklere sahiptir:

a) DSS herhangi bir özel karar türünü hedeflememektedir. Beklenmeyen çeşitli karar durumlarında kullanım esnekliğine sahiptir.

b) DSS'nin kullanıcı dostu arayüzü, onu diğer bilgi sistemlerinden farklı kılar. Bir yöneticinin bir süre DSS kullanması durumunda, düzensiz kullanımı kullanım kolaylığını olumsuz yönde etkilemez.

c) DSS’deki rapor üreteçleri ve grafik tesisleri, DSS’deki modellerin kullanımıyla üretilen bilgileri temsil etmenin daha iyi yollarını sunar. Bu tesisler bilgiye değer katıyor.

d) DSS, herhangi bir kullanıcıya sistem üzerinde tam kontrol sunar. Girdi, işleme yöntemi ve çıktı kullanıcı tarafından kontrol edilir.

DSS'den Yararları:

Bir Bilgi sistemi, bir işletmenin uygulama portföyüne dahil edilmeyi düşünmeye değer bir aday olmak için kendi gerekçesine sahip olmalıdır. Gerekçeler genel olarak dış raporlama ve yönetimsel karar verme sürecine yardımcı olmak için bilgi üretmedeki faydaları bakımındandır. Bir DSS'nin sunabileceği fayda aşağıdakileri içerir:

a. DSS'deki tesisler olarak daha fazla sayıda alternatifin değerlendirilmesi, farklı alternatifler için veri toplama ve analiz etme süresini ve çabasını azaltır.

b. DSS kullanan yöneticiler için, iş süreçleri hakkında daha fazla bilgi edinmelerini sağlayan modelleme ve öngörme işlemleri kolaylaşır.

c. Grup içi ve grup içi iletişimde fayda, çünkü başkalarına belli bir sonuca nasıl varıldığını açıklamayı mümkün kılar. Gerekçe, varılan sonuçlara saygınlık verir ve kurumdaki diğer kişilerin desteğini kazanır.

d. Yapılandırılmamış karar verme için verilerin daha hızlı analiz edilmesine yönelik tesisler, bu sayede beklenmeyen karar verme durumlarında yanıt hızının iyileştirilmesi.

e. Varyansların ve istisnaların daha hızlı tespit edilmesi. Sıklıkla DSS kullanıcıları, DSS'nin verimli geçici sorgulama olanağı sayesinde sonuçları tahmin etmelerini sağladığını bulmuşlardır.

f. Verilerin derinlemesine analizi ve bu nedenle, veri kaynağının daha etkin kullanımı.

DSS Uygulamaları:

DSS, orta ve büyük ölçekli işletmelerde ve iç ve dış verilerin derinlemesine analizini gerektiren karar senaryolarında başarı buldu. DSS'nin başarısı, büyük ölçüde, üst düzey yönetim desteğine, düzenlilik ve kullanım süresine, yöneticilerin eğitimine ve çeşitli karar verme durumlarına bağlıdır.

İş süreci doğası gereği basit ve tekrarlı ise, DSS maliyetlerini haklı çıkaramayabilir. Yapılandırılmış kararlara uygulanan DSS sadece maliyetlere ve karışıklığa katkıda bulunur. DSS'nin daha iyi karar verebilmek için veri ve modellemede esneklik gerektiren karar alanlarında yararlı olduğu bulunmuştur. İşletmenin üretim ve finans fonksiyonlarında DSS'nin tipik uygulama alanları:

Üretim:

Tedarik analizi, maliyet tahmini ve analizi, üretim planlama ve çizelgeleme, karar verme veya satın alma, envanter planlama ve kontrol, iş gücü yükleme vb.

Finans:

Sermaye bütçelemesi, finansal planlama ve analiz, vergi planlaması, stratejik finansal planlama, bütçeleme, nakit ve işletme sermayesi yönetimi, borç ve sermaye finansmanı analizi, kur riski yönetimi, finansal performans analizi, varyans analizi vb.

Karar destek sistemleri, iç ve dış verileri işlemesi beklenen geleneksel sistem geliştirme sürecinden farklı bir işlem kullanılarak geliştirilir. Bağımsız ve etkileşimli olmaları gerekir.

Yönetici Bilgi Sistemleri:

DSS, orta ve üst düzeydeki yöneticilerin bilgi gereksinimlerini karşılamak için tasarlanmıştır. Karar vermede yararlı olması için modelleme ve veri analizi yapan kural tabanlı çalışmalarla ilgilidir.

Bununla birlikte, yönetim seviyesinin üstünde, bilginin üretilmesinden ziyade bilginin paketlenmesi ve sunulmasına odaklanılması gerekmektedir. Üst yönetici, bilgi erişimi için DSS tarafından sağlanandan daha iyi bir ortamı hak ediyor.

Üst düzey yöneticilerin, kişiselleştirilmiş bilgi ve analiz olanaklarına sahip, güncel, özlü bilgi ve istisna raporlarına hızlı bir şekilde erişmeleri gerekir. Üst düzey yöneticilerin bu tür ihtiyaçlarını karşılamak için tasarlanan bilgi sistemlerine Yönetici Bilgi Sistemleri (EIS) veya Yönetici Destek Sistemleri adı verilir.

Bu sistemler elektronik brifing sistemleri olarak görev yapar ve kullanımda muazzam esneklik sunar. EIS, harici bilgilerin yanı sıra iç bilgileri de kullanır ve etkileşimli ve kullanıcı dostu bir çalışma ortamı sunar.

ÇBS Uygulamaları:

Yönetici Brifingi:

EIS, yöneticinin ilgisinin farklı yönleri hakkında güncel bilgiler sunmaktadır. Bilgilendirme, genel olarak, çeşitli kar merkezlerinin performansı ile ilgilidir ve işletmenin çeşitli faaliyetleri hakkında durum raporları sunar. DSS'de belirli bir miktarda brifing olmasına rağmen, bilgi veri tabanlarından istenildiği gibi gelir.

EIS’de, bilgiler periyodik olarak veri tabanlarından bitmiş raporlar şeklinde otomatik olarak indirilir. Bu otomatik indirme, yürütmenin aşırı iş yükü baskısı günleri boyunca uzun süre temasta kalmamasını sağlar.

Kişiselleştirilmiş Analiz:

EIS, kullanıcının tercih ettiği modelleri kullanarak veri analizi için olanaklar sunar. Elektronik tablolar ve istatistiksel teknikler sormak için EIS'de mevcuttur. Buradaki fark, EIS'nin kullanıcının yalnızca veri analizinde değil, aynı zamanda analizin sonucunun yorumlanmasında da yardımcı olmasıdır.

İstisnalar Raporlama:

EIS'nin önemli bir bileşeni istisna raporlama modülüdür. EIS, yöneticilerin bu gereksinimine etkin bir şekilde cevap verir ve planlardaki önemli değişikliklerin yürütücüsünü uyarır.

Farklı derecelerde, sapmaların nedenleri ve önerilen kurtarma operasyonlarının olası etkileri hakkında daha fazla araştırmaya izin veriyorlar. Bu istisnadan biraz daha fazlasını elde etmek için bu konuyu araştırma yeteneği, EIS'i fonksiyonlarının verimli bir şekilde yerine getirilmesi konusunda yönetici için çok yararlı bir araç haline getirmektedir.

Model Bazlı Analiz:

EIS model tabanlı bilgi analizi için imkanlara sahiptir ve bu özellik DSS ile ortaktır. Ancak, EIS'deki model tabanlı analiz, EIS'deki girdi verilerinin sınırlı olması ve hem iç hem de dış kaynaklardan elde edilmesi anlamında DSS'den farklıdır.

EIS'nin yönetici için bilgisayar bilgi raporlarının izole edilmiş bir koleksiyonu olmadığı belirtilebilir. EIS, işletmenin toplam bilgi sistemi ortamına dokunmuş bir dizi entegre araç ve teknolojidir.

EIS'nin tüm kullanıcıları desteklediğine ve mutlaka işletmenin üst düzey yöneticilerine sahip olmadığına dikkat çekilebilir. Üst düzey yöneticilere yardım eden herkes EIS'e erişebilmeli ve bu tür insanların tümünün bilgi gereksinimlerini karşılamalıdır.

DSS ve EIS:

EIS'deki tesislerin bazıları DSS'de de bulunur ve bu nedenle, ayrım çizgisi bazen bulanıklaşır. Örtüşen bu tür sistemlerde göz ardı edilemez. Şekil 10.4, bu iki sistemin bir yöneticiye sağladığı bilgi destek türlerini göstermektedir.

ÇBS'nin Yararları:

EIS, bir ticari işletmeye aşağıdaki avantajları sunar:

a) Stratejik kararlar için bilgi desteği:

EIS, yöneticilere, stratejik kararları için sezgilere ve iş kararlarına göre gerçeklere daha fazla güvenmelerinde yardımcı olur.

b) Odağı değiştirmek:

Üst düzey yöneticilerin bir dizi kritik başarı faktörü ile ilgili sık sorulan soruların düşük yönetim seviyesindeki kişilerin öncelikleri üzerinde etkisi vardır. Bu nedenle, EIS kullanan bir yöneticinin, kalite standartlarını koruma gereksinimi ile ilgili olarak, sadece EIS'den ürünlerin kalitesiyle ilgili sıkça sorgular yaparak, fonksiyonel yöneticilere mesajı iletmesi daha kolaydır. Yöneticinin sorguları, işletmedeki faaliyetlerin güvenirliğini belirleyebilir ve böylece işletmedeki öncelikleri değiştirebilir.

ÇBS'nin, üst yönetimin stratejik karar vermede bilgi sistemlerinin faydası hakkında gerçek bir his edinmesi için bir fırsat sunan önemli bilgi sistemlerinden biri olduğu söylenmektedir.

Bir işletmedeki böyle bir sistemin, üst yönetim ve BT uzmanları arasındaki anlayışı teşvik etmesi ve BT altyapısının geliştirilmesinde bu önemli oyuncular arasındaki iletişimi geliştirmesi de muhtemeldir.

Başarılı EIS, bir bütün olarak bilgi sistemlerine görünürlük ve güvenilirlik sağlayabilir ve kurumdaki diğer bilgi sistemlerinin uygulanmasına yardımcı olabilir.

ÇBS uygulamasında kritik başarı faktörleri:

EIS, kurumdaki bilgi sistemlerinin potansiyel faydaları konusunda üst düzey yöneticilere ilk elden bilgi sağlamayı amaçlamaktadır. Bu nedenle, bir kez planlanan EIS'nin başarılı bir şekilde uygulanmasının sağlanması gerekmektedir.

ÇBS'de uygulama sorunları çok sayıda olabilir, ancak ortak sorunlardan bazıları şunlardır:

a) Sistem özelliklerinde zorluk:

EIS'in hedef kullanıcıları, spesifik bilgi gereklilikleri konusunda net değiller ya da bilgi sisteminin özelliklerini belirlemek için yeterli zamana sahip değiller. Böylece kullanıcılar, talep ettikleri hizmetleri belirleyemeden önce denemek için birkaç seçeneği hak ediyor. Prototiplendirme, EIS tasarımında daha iyi bir strateji olarak kabul edilir.

b) Büyük miktarda veri:

Ad hoc Query tesisleri, büyük miktarda veriye erişmeyi talep eder. Bu tür sorguların yerine getirilmesi, sorgudaki bilginin gerekliliğini yerine getirmeden önce toplu verileri işleyen istatistiksel araçların kullanılmasını gerektirebilir. Bu zaman alabilir ve sistemin tepkisi yavaş olabilir.

Bu nedenle, sorguların odaklanabileceği geniş sorunları öngörmek esastır ve bu konularla ilgili bilgiler düzenli olarak üretilebilir ve EIS'ye erişim için ayrı ayrı saklanabilir.

c) Daha düşük seviyelere karşı direnç:

EIS'in hemen hemen her seviyedeki insanlardan ve daha düşük java seviyelerindeki yöneticilerden gelen dirençle karşı karşıya kalması olasıdır. Öyle çünkü patron, bölüm başkanları gitmeden ve anlamadan önce, her bölümdeki günlük işleyişe ilişkin en son bilgilere erişebiliyor. Rochartat, yöneticiler arasında veri erişiminin bu yeni veri mülkiyeti politikası üzerindeki veritabanlarına ciddi etkileri olduğunu öngörmektedir. Bununla birlikte, bir veri- ana yönetici, veri dağıtım düğmesini dikkatle ele alarak bu sorunu çözebilir.

d) Yönetim stilleri:

BT yönelimli bir kültüre sahip işletmeler için EIS uygulaması zor olacaktır. Bazı üst düzey yöneticiler BT'yi karar vermede kullanmayı tercih etmemektedir. İş kararlarında daha fazla güven duyuyorlar ve veri analizlerini astlarına veya kendilerine yardımcı olan alan uzmanlarına bırakmak istiyorlar.

Bu problem oldukça ciddi. Bu nedenle, bu tür ortamlarda EIS en üst pozisyonlara yöneliktir. Kapsamda, başarı oranının çok yüksek olduğu bilinen hizmetler ile sınırlıdır. IT ve EIS'e duyulan güven bir kez oluştuğunda, EIS kendisine daha fazla hizmet ekleyebilir.

e) Artan boyut ve maliyet:

Yönetici bir ÇBS'yi yararlı bulursa, astlarının da kullanmasını bekler. Bunu kullanmayanlar, iş ortamına ilişkin farkındalık söz konusu olduğunda patronlarının beklentilerini karşılamakta çok zor buluyorlar. Böylece, EIS aşırı yüklenir ve maliyetler keskin şekilde artar, çünkü kullanıcı sayısı geometrik oranlarda artacaktır.

Bu nedenle, ÇBS'nin uygulanması çok dikkatli bir şekilde yapılmalıdır. Uygulama için uygun bir zaman seçilmesi önerilir. İnsanlar pürüzsüz olduğunda ve krizde yeni bir şeyler denemeye istekli olduklarında, değişimlere daha fazla direnir.

Bu nedenle, ÇBS uygulamasının en uygun zamanı, insanların sorunlarına yeni çözümler aradığı zamandır. Pilot kurulum, EIS için en uygun kurulum stratejisi olarak kabul edilir. Seçmeli bir yaklaşım, EIS tasarımının ilk aşamalarında daha iyidir ve EIS'e yalnızca ilk model başarılı olduktan sonra yeni hizmetler eklenir. Kullanıcı katılımı ve desteği, EIS'nin başarılı bir şekilde uygulanmasında kritik öneme sahiptir.

Uzman sistemler:

Ortaya çıkan iş ortamındaki artan karmaşıklıklar ve dinamizm, tavsiyelerde bulunmak için fonksiyonel 'yöneticilerin uzmanlarla daha fazla etkileşimini gerektirir. Bu uzmanlar, yalnızca geniş bilgi havuzlarından bilgi toplamakla kalmaz, aynı zamanda uzmanlıklarını tavsiye sunmak için kullanırlar.

Geleneksel olarak, bir organizasyonda mevcut olan uzmanlık, rekabetçi pozisyonunu elde etmek, geliştirmek ve sürdürmek için önemli bir temel sağlamıştır. Diğer tüm şeylerin eşit olması, karşılaştırılabilir uzmanlığa sahip olmayan firmaların dezavantajları vardır.

İnsan uzmanları, zamanın kısıtlamaları ve yeni ortamın karmaşıklıkları göz önüne alındığında, yeni zorluklarla başa çıkamayabilir. Ayrıca, belirli bir karar durumu için bir süre boyunca tekdüzelik ve tavsiye tutarlılığı olmayabilir.

Bu, insanın her zaman çeşitli karar değişkenlerinin etkisini yakalayamaması konusundaki bariz yetersizliğinden dolayıdır. Bilgi Yorgunluğu Sendromu ve değişen iş ortamındaki insan uzmanlarının sınırlamaları, iş uzmanı sistemlerinin (BES) popülaritesinin artmasına neden oldu.

Bu sistemler, insan faaliyetini simüle eder ve iş bilgisini yakalamaya ve sistematik hale getirmeye devam eder, bu da pahalı ve kıt insan uzmanlarının karar verme yeteneklerini genişletir, böylece diğerleri karar deneyimlerini kullanabilir. Farklı türlerdeki bilgileri farklı biçimlerde yakalama ve temsil etmede esneklik avantajı sunarlar.

Bir iş uzmanı sistemi kullanıcıdan bir problem alır, veri gereksinimlerini belirler, ilgili verileri karar kurallarına göre analiz eder (bir bilgi sisteminde bulunur). Sorun çözüldükten sonra, sistem çıkarım motoruyla çözümü kullanıcıya bildirir ve bu çözüme ulaşmadaki akıl yürütme şeklini de açıklayabilir.

Bir iş uzmanı sistemi, tavsiyeler vererek yönetsel etkinliğe yardımcı olabilir. Çözümleri / önerileri her zaman tutarlı, tek tip, eksiksiz ve metodiktir. Standart bir problem çözücü olarak işlev görür. İş uzmanı sistemi, bir sorunu çözmek için kullandığı akıl yürütme çizgisini açıklayabilir.

Bir kullanıcı gerekçeyi inceleyebilir ve çözümü kabul etmekte, değiştirmekte veya reddetmekte özgürdür. Tıp, mühendislik vb. Alandaki diğer uzman sistemlerden farklı olarak, işletme uzmanı sisteminin amacı, insan uzman (lar) ının bilgisayar programı tarafından değerlendirilmesinin yerini almamaktır.

Aksine, amaç, insan uzmanının uzmanlığını kazanmak ve onu insan uzmanlarına ve kuruluştaki diğer kişilere standart bir biçimde sunmaktır. Uygulama alanlarında bilgiyi kullanmak için problemlere makul çözümler geliştirmek için stratejiler geliştirirler.

Sektörde uzman sistemin uygulanmasının tipik alanları:

ben. Karar ver veya al

ii. Yeni ürün lansman kararları

iii. Kredi limitlerini belirleme

iv. Ürün geliştirme

v. Yatırım danışmanlığı

vi. Performans değerlendirmesi

vii. Teşvik sistemleri

viii. Müşteri sorgusu

ix. Proje değerlendirmeleri

x. Üretim planlaması

xi. Yönlendirme kararları

İş uzmanı sistemlerinde yapı taşları:

Uzman sistem metodolojisi son yirmi yılda geliştirilmiş olmasına rağmen, bir işletme müdürü açısından bakıldığında hala başlangıç ​​aşamasındadır. Dolayısıyla, bir iş uzmanı sistemi için standart bir model yoktur. Holsapple, BES'in üç temel bileşenini (kullanıcı arayüzü, çıkarım motoru ve bilgi sistemi) tanımlar. Bu bileşenler arasındaki ilişkiler, Şekil 10.5'te gösterilmiştir.

Bir kullanıcı BES'ten önce kullanıcı arayüzünü kullanarak bir problem yaratır. Çıkarım motoru sorunu anlamaya çalışır, öyle bir şekilde yapılandırır ki bilgi sistemi sorunu çözmek için kullanılabilir. Daha sonra bilgi sistemini soruna çözüm aramak için kullanır.

Bilgi sistemi depolanmış muhakeme uzmanlığından oluşur ve soruna çözüm bulmak için çıkarım motoru tarafından ele alınır. Bilgi sistemi; kural kümeleri, veritabanları, elektronik tablolar, çerçeve yönelimli yapılar, vaka tabanları, anlamsal ağlar, metinler, grafikler vb. Gibi bilgi temsil araçlarından oluşabilir. Çıkarım motoru karar verme ile ilgili daha fazla ayrıntı almak için kullanıcılarla etkileşime girebilir. ortamı.

Tedarik seçenekleri:

Bir iş uzmanı sistemi karmaşık bir sistemdir ve bir malın teslimatını yapabilmek için uzun vadeli bir taahhüt gerektirir. İş dinamikleri nedeniyle, iş ortamındaki değişiklikler nedeniyle BES'lerin yararı azaltılabilir.

BES'lerin bazıları, eğer doğru planlanmamışlarsa, geliştirme aşamasında bile eski hale gelebilir. Satın alma seçeneklerinin farkında olmak çok önemlidir, böylece geliştirme süresi ve maliyeti azaltılabilir ve sistemde esneklik ve verimlilik arasında bir denge sağlanabilir.

Genel olarak, BES için üç tedarik seçeneği vardır:

a) Tamamen gelişmiş bir sistem edinin:

Daha önce belirtilen BES uygulamaları listesinde tanımlanan farklı sorun türleri için bir dizi hazır BES mevcuttur. Bu hazır çözümler, üç bileşenin hepsinin tamamen gelişmiş olup kullanıma hazır durumdadır. Ekonomik, iyi test edilmiş ve daha hızlı uygulama olma avantajları vardır, ancak birçok karar durumunda uygun değildir.

b) Yapay zeka kabuğu edinir:

Yapay zeka kabuğu bir kural kümesi yöneticisi ve bir çıkarım motorundan oluşur. Kural kümesi yöneticisine, çeşitli bilgi temsil araçlarıyla temsil edilen uzmanlık sağlanır. Uzman bilgisi temsil edildikten sonra, belirlenen kurallar geçmiş bilgiler üzerinde test edilir ve bir kez doğru bulunursa, kabuk çıkarım motorunun yardımıyla kullanılabilir.

Bu seçenek, bir yöneticinin kendi kural setlerini tanımlaması ve BES'i kısa sürede operasyonel hale getirmesi için esneklik sağlar. Bununla birlikte, piyasada mevcut olan bu tür kabuklar, en uygun oldukları kendi uygulama alanlarına sahiptir.

c) Özel yapım sistem:

İlk iki seçeneğin uygun görünmemesi veya sorunun benzersizliğinden dolayı önerilebilir olması durumunda, kişiye özel BES tercih edilebilir. Daha pahalıya mal olurlar ve daha uzun zaman alırlar, ancak benzersiz veya belirli karar verme durumlarında çok faydalıdır.

Uzman sistemlerin faydaları:

BES'ler hem para hem de onları geliştirmek için gereken zaman açısından pahalıdır. Bu nedenle, BES'in faydalarının farkında olmak gerekir, böylece BES'i edinmeye girişmeden önce maliyet fayda analizi yapılabilir.

BES'lerin potansiyel faydaları şunlardır:

a) Uzmanlık kodları:

İş uzmanı sisteminin kayda değer faydası, bir örgütün muhakeme yeteneğini resmileştirmeye / kodlamaya yardımcı olmasıdır. BES'in gelişim sürecinde, kurallar, çerçeveler, durumlar, metin ve grafikler şeklinde uzmanlığı temsil etme girişimleri yapılır.

Bu, şu ana kadar uzmanlar tarafından göğsüne sıkıca tutulan uzmanlıkla ilgili bilgilerin derlenmesine yol açar. Böyle bir uzmanlık mağazası, kurumda insan uzmanlarının daha iyi eğitilmesinin yanı sıra daha iyi karar verilmesine yol açacak bir temel sağlayabilir.

b) Geliştirilmiş iş süreci anlayışı:

Süreçte iyileşmeye yol açabilecek karar verme sürecinin anlaşılmasını geliştirir. Geliştirme sürecinde, mevcut karar verme yolları tanımlanır ve gözden geçirilir. Bu karar verme sürecinin iyileştirilmesine yardımcı olur. Uzmanların BES ile sık etkileşimde bulunması harika bir öğrenme sürecidir ve birbirlerinin problem çözme yeteneklerinin karşılıklı olarak geliştirilmesiyle sonuçlanır.

c) Uzmanlığın zamanında mevcudiyeti:

BES, bir insan uzmanının mevcut olmadığı durumlarda uzmanlık sağlayabilir. Bu sistemler insan uzmanları arasında oldukça yaygın olan kullanılabilirlik problemlerine sahip değildir. BES'ler tuhaf saatlerde istişarelerde bulunmak üzere kullanıcılar için kullanılabilir, önceden bir ilgisi yoktur, bir sebeple veya başka bir sebeple izinli devam edemez ve bir yarışmacıya katılmak için şirketten istifa etmez.

d) Kolay çoğaltma:

Bir BES'i kopyalamanın marjinal maliyeti önemsizdir. Bir BES bir yerde başarılı olduktan sonra, zaman veya fırsat kaybı olmadan benzer karar verme ortamlarına sahip diğer yerlerde çoğaltılabilir.

e) Rutin danışma taleplerini ortadan kaldırır:

BES, rutin tip danışma taleplerini BES'e yönlendirerek bir insan uzmanına iş yükünü azaltmada yardımcı olabilir. Bu, insan uzmanının BES tarafından çözülmeyen daha zorlu problemlere yoğunlaşmasını sağlar.

f) Tutarlılık:

BES problemlerle ilgili tutarlı ve tek tip tavsiyeler sunar. Onların önerileri, bazı faktörleri gözden kaçırmak, bazı adımları unutmak, kişisel önyargı ya da ılımlı problemlerden muzdarip değildir.

g) Mantık hattı:

BES, çözümle birlikte kullanılan bir mantık çizgisi sunar. Bu, yöneticinin çözümleri eleştirel olarak incelemesini ve kullanılan muhakeme satırının geçerli olup olmadığını öğrenmesini sağlar. Bu, yöneticinin çözümün güçlü ve zayıf yanlarını anlamalarına ve kararlara varmak için iş kararlarını uygulamalarına yardımcı olur.

h) Stratejik uygulamalar:

BES'in faydaları ürün ve hizmet farklılaşmasına yardımcı olur ve maliyetleri düşürür. Ayrıca, bu tür sistemlere sahip olmayan rakiplerin etkili olamayacağı niş pazarların geliştirilmesine de yardımcı olurlar. Böylece, BES'ler bir işletmeye stratejik avantaj sağlayabilir.

BES'in uygulanmasında kritik başarı faktörleri:

BES'lerin eleştirmenleri, BES'in uygulanamazlığı için sayısız sebep sunar. Vakaların çoğundaki eleştiri temelsiz değil. Kalkınma ve uygulama ile ilgili sorunların öngörülmesi ve BES'in başarısını sağlamak için gerekli önlemlerin alınması esastır.

Bu bağlamda aşağıdaki faktörler göz önünde bulundurulabilir:

a) Maliyet etkinliği:

BES'lerin çoğu çok pahalıdır ve bazen insan uzmanlarını kullanmak ekonomiktir. Maliyetin potansiyel faydalarla doğrulanmasını sağlamak için BES maliyetini düşük tutmak gerekir. İlk iki tedarik seçeneği, BES'in maliyetini düşük seviyelerde tutmaya yardımcı olmaktadır.

b) Kapsamda seçici:

Daha hırslı BES, geliştirme sürecinin daha uzun sürmesini ve yüksek maliyetler gerektirebilir. Tüm kararların BES'te aynı oranda yatırım getirisi sağlamadığı hatırlanabilir.

Biri BES'e başvuruları ve kapsamlı bir BES'i dahil etmede seçici olmalı, belki de birçok bilgi sistemi uzmanlığı gerektirir. Yapay zeka teknolojileri hala evrimleşmekte ve BES için daha geniş bir alana sahip olmak ekonomik olarak uygun olabilir.

c) Kullanım kolaylığı:

BES'ler veri analizi için güçlü tekniklere sahip çok karmaşık sistemlerdir. Etkili bir şekilde kullanmadan önce çok fazla eğitim çabası gerektirirler. Bu nedenle, daha kullanıcı dostu bir kullanıcı arayüzü ve daha açık ve net menü yapılarına sahip olmak gerekir.

d) Çok kullanıcılı ortam:

Çoğu BES tek başına sistemdir. Ancak, çoğu zaman, karar uzmanlığı, kolektif ve grup faaliyetlerinin bir sonucudur. Çok kullanıcılı bir ortama sahip olan BES'in tek başına sistemlerden daha başarılı olması muhtemeldir.

Bir yöneticinin BES hakkında bilmesi gerekenler:

BES, çoğu sıradan bir işlevsel yöneticinin kavrayışının ötesinde olabilen birçok bilgi mühendisliği aracı kullanır. Ancak, BES'in bir kullanıcısı olarak, bir yöneticinin bilgi sisteminin teknik detaylarını bilmesine gerek yoktur.

BES ile ilgili bilmesi gerekenler:

ben. BES'in bir iş faaliyetinde uygulanması için fırsatlar ve her uygulamanın göreceli potansiyeli bilginin resmileştirilmesi.

ii. Temel BES teknolojileri ve onların favori uygulama alanları.

iii. Yapay zeka kabuğu kullanmanın fizibilitesi.

iv. İnsanların faaliyetlerinde desteklenmesinde BES'in rolü.

v. BES'in teknik ve ekonomik uygulanabilirliği.

BES'in potansiyel faydaları oldukça etkileyici. Belki de gereken, BES'i oluşturmak için uygun maliyetli araçlar geliştirmek ve doğadaki evrimsel gelişim sürecine etki alanı uzmanlarının katılımı isteklidir.

İş uzmanı sistemlerinde sınırlamalar:

BES'ler pek çok uygulamada potansiyel faydalarını kanıtlamış ve birkaçı çok başarılı olmuştur. Ancak, BES'lerin birkaç sınırlaması vardır. Bu sınırlamalar, BES'lerin aşağıdakilerle ilgili yaptığı varsayımlardan kaynaklanmaktadır:

ben. Bilgiyi ifade edebilen ve etkili kararlar vermede kanıtlanmış bir sicile sahip olan istekli bir alan uzmanının mevcudiyeti. Bu uzmanlar, özellikle bilginin de bir evrim halinde olduğu yeni alanlarda nadiren bulunurlar.

ii. Karar verme ortamı basit, iyi yapılandırılmış ve sık sık değişikliklere tabi değil. Gerçekte karar verme, karmaşık, dinamik ve çok boyutlu bir ortamda gerçekleşir. Sonuç olarak, bilgiyi ifade etmek çok zordur.

BES'lerin iş dinamikleri ışığında ihtiyaç duyulan esnekliği yoktur. Çok boyutlu karar verme ortamı, grup karar vermesini zorunlu kılmaktadır. İşletme sorunlarının tüm boyutlarını anlayan bir uzman edinmek giderek zorlaşıyor. BES'lerin sınırlı türdeki uygulamalar için uygun olduğu ve insan uzmanlarının tamamen yerine geçmediği hatırlanabilir.

Sonuç olarak, BES popülerliklerini kaybediyor. Sınırlı uygulamalara uygun olarak kabul edilirler. Yapay sinir ağları, bulanık mantık, vaka temelli akıl yürütme, vb. Gibi yeni yapay zeka araçları, iş dünyasının değişen ihtiyaçlarına daha uygun hale getirmek için çıkarım motorlarına eklenmektedir.

Yan yana, sınırlı işlevleri gerçekleştirmek üzere ek yazılım geliştirmek için AI araçlarını kullanma girişimleri yapılmaktadır. Bu eklentiler akıllı ajanlar olarak adlandırılır.

Akıllı Ajanlar:

Akıllı aracılar, bir bilgi tabanı kullanarak işlemin bir bölümünü gerçekleştiren yazılım bileşenleridir. Genellikle paylaşılan bilgi sistemleriyle çalışırlar ve yarı özerk bir şekilde çalışırlar.

Bu programlar, bağımsız görevleri gerçekleştirmek için kullanıcılarla ve bilgi tabanlarıyla iletişim kurar. Bu programlar, bilgi sisteminin bilgi analiz hizmetlerini geliştirmek için farklı uygulamalara entegre edilmiştir. Bu ajanlar, aşağıdakiler gibi çeşitli uygulamalar için kullanılmaktadır:

a) Algılama ve alarm sistemleri:

Akıllı ajanlar, veri tabanlarında, iletişim sistemlerinde, vs. istisnaları tespit etmek ve ilgili kullanıcılara gerekli alarmları vermek için bir sistem kurmak için kullanılıyor. 'İstisnai olarak yönetim', bu tür akıllı ajanların bilgi vermeye başladığında yönetimsel faaliyetlerde yeni bir boyut bulacaktır.

b) Bilgi arama motorları:

Akıllı kullanıcılar, farklı kullanıcı türlerinden gelen soruları yanıtlamak için bilgi arama motorları olarak da işlev görecek şekilde geliştirilmektedir. Örneğin, bir bakanlık her gün bilgi almak için çok sayıda talep alabilir. Akıllı aracılar istekleri yorumlayabilir ve bilgileri veritabanından elemek ve cevabı kullanıcıya uygun biçimde gönderebilir.

Benzer şekilde, akıllı acenteler Demiryolları bilgi sistemine çeşitli operasyonlarla ilgili yolcu taleplerinin uygun şekilde yönetilmesiyle değer katabilir. Akıllı bir ajan, filtreyi aramak ve kişiselleştirilmiş bilgileri sağlamak için İnterneti, dahili ağı ve CD-ROM'ları birbirine bağlar. Böyle bir arama motorunun daha küçük bir sürümü LOTUS-NOTES'te zaten mevcut.

c) Masa üstü uygulamaları:

Akıllı ajanların mevcudiyeti PC'lerde yaygınlaştıkça kişisel toplantı yöneticileri, kişisel kütüphaneciler, kişisel finansal danışmanlar vb. Gibi davranırlardı. Bu aracılar müşterilerle telefonla iletişim kurar, randevuları düzeltir ve randevunun alınmamasını sağlamak için alarm verirdi. yanlışlıkla görmezden geldi.

Bu ajanlar, internet dergilerinin ilgisini çeken konulardaki yazıları araştırır ve bugün, sekreterler yardımıyla elde edilen bilgileri sağlamak için elektronik kütüphaneler ve CD-ROM'lar dahil diğer kaynaklardan bilgi toplar.

Yeni Bilgi Analizi Araçları:

Akıllı ajanlar, çeşitli bilgi analiz araçlarını kullanır. Bu araçlar, bilgileri yalnızca veri yığınından elemekle kalmaz, aynı zamanda bilgileri anlamlı bir şekilde sunar. Bu araçlar arasında önemli olan veri madenciliği, veri haritalama, veri görselleştirme, sinir ağları vb.

a) Veri madenciliği:

Veri madenciliği, trendler ve kalıplar için büyük miktarda veri incelemesini ve şimdiye kadar veri yığınında saklı kalabilecek çeşitli faktörler arasında çapraz ilişkiler kurmayı ifade eder. Daha yüksek seviyeli rakamları daha düşük seviyeli rakamlara ayırmak için detaylandırma tekniklerini içerir.

'Trafik ışıkları', istisnalar ortaya çıktığında uyarı sinyalleri sağlar. Veri madenciliği, uygulamalarını tek tek ürünler veya hizmetler arasında tanımlanması kolay olmayan ancak gelirler ve kârlılık için önemli etkileri olan karmaşık ve ince ilişkilerin olduğu yerlerde bulur. Veri madenciliğinin göze çarpan bir özelliği, analiz için numune almak yerine mevcut verilerin tümünü analiz etmesidir. Şekil 10.6, veri madenciliği sürecini göstermektedir.

Veri madenciliği perakende emtia pazarlamasında ilk kez ortaya çıktı ve oldukça doğaldı. Ancak, diğer ticari faaliyetlerde de uygulamaları vardır. Yöneticilerin farklı karar değişkenlerini etkileyen çeşitli faktörler arasında ilişkiler kurmalarına yardımcı olabilir.

Bir teknik olarak veri madenciliği henüz başlangıç ​​aşamasındadır. Özellikle fırsatları tespit etmede yardımcı olabileceği ve yöneticilerin mevcut fırsatlara ve yaklaşmakta olan tehlikelere hızlı bir şekilde tepki vermelerini sağlayabileceği için büyük bir söz veriyor.

b) Veri haritalaması:

Veri haritalama araçları, bir coğrafi alanın veya bölgenin haritası üzerine yerleştirilen bilgilerin grafiksel görüntüsünü sunar. Ürünlere ve müşterilerin tercihlerine, beklentilerine ve pazar duyumlarına olan talebin coğrafi yayılımı / konsantrasyonunun daha hızlı bir şekilde görülmesini sağlayabilirler.

Ayrıca, farklı zamanlarda piyasa davranışını etkileyen yerel faktörlerin belirlenmesinde yardımcı olabilirler. Bu haritalama araçları, hacimli veri bilgilerinin anlaşılmasının geliştirilmesinde yardımcı olabilir, çünkü depolanan verilerin büyük bir kısmının doğada coğrafi olduğu tespit edilmiştir.

Bununla birlikte, haritalandırma araçlarının her coğrafi bölgenin karakteristik özellikleri ve komşu bölgelerin benzerlikleriyle ilgili daha fazla ayrıntı ile zenginleştirilmesi gerekir.

c) Veri görselleştirme araçları:

Bu araçlar, öncelikle verileri üç boyutlu görsellerin yardımıyla temsil etmeyi amaçlar. Bu görseller, fare gibi herhangi bir işaretleme aygıtının yardımı ile bileşen verilerinin daha fazla detayı için yönlendirilebilecek histogramlar olabilir.

Görsel, farklı boyutlarda ve renklerde küresel toplar veya verinin konusu ya da davranışlarıyla doğrudan ilişkili olabilecek diğer herhangi bir şekil gibi daha yaratıcı şekiller alabilir. Veri görselleştirme araçları, verileri durumu görselleştirmek için daha az zaman alacak şekilde verileri özetleme yeteneğine sahiptir.

Verilerin mevcut kısımlarına odaklanmaya yardımcı olur ve kullanıcının ilgisini çekmesi durumunda daha fazla şey keşfetmesini sağlar. Veri görselleştirme teknikleri aynı zamanda simülasyonda, duyarlılık analizinde ve “eğer” sorularına cevap vermede yardımcı olmalıdır.

Finansal yönetim alanındaki uygulamalarına bir göz atmak için, bir işletmenin performansını ölçmek için klasik oran analizine bir örnek verelim. Dikkatli kullanıldığında oran, işlerin durumu hakkında bir fikir edinilmesine çok katkıda bulunabilir.

Ancak, sanayi ve ülke oranlarıyla karşılaştırıldığında farklı yorumlara sahip bir işletmeyle ilgili çok sayıda oran çok hantal olacaktır ve karmaşık ilişkilerin anlaşılmasına karşı koyacaktır. Görselleştirme teknikleri, onları doğru bakış açısına yerleştirmede yardımcı olabilir.

Değerleri renkli toplar / kutular formunda gösteren üç boyutlu bir görsel ve yüksek topları temsil eden büyük toplarda bulunan bileşenler / düşük seviye değerleri, ilişkileri daha iyi anlamada ve ilgili endüstri ve ülke standartlarıyla karşılaştırmaya yardımcı olabilir. Örneğin, varlıkların performansına ilişkin bir bankacılık şirketi hasılatı, Fon Maliyetinin ilgili değerleri ile birlikte hesaplanabilir ve gösterilebilir;

Piyasa faiz oranı; faiz vergisi / diğer vergiler; Varlık karışımı; ve Sektörel oranlarla birlikte iki boyutlu tablo veya oran dizisi şeklinde Finansal risk. Alternatif olarak, şirketin oranı, sektördeki renklerin ve orantılı boyutların ayırt edici oranının yanı sıra bir renk monitöründe top olarak gösteriliyor. Her topa bir fare yardımıyla vurarak, kullanıcı beş ilave top vermek için topu açabilir.

Bu topların her biri yukarıda listelenen faktörlerden birini temsil eder. Bu topların büyüklükleri, hem şirket hem de sektör için varlıkların performansına ilişkin verimin değerini belirlemede göreceli önemleriyle ilişkilidir.

d) Genetik algoritmalar ve sinir ağları:

Genetik algoritmalar da finansal verilerin analizi için etkili araçlar olarak kabul edilmektedir. Bu araçlar geçmiş verilerden karar kuralları ve kalıpları oluşturur ve çeşitli durumların hipotezinde yardımcı olur. Bulanık istatistiklerin ve yüksek hızlı bilgi işlem olanaklarının gelişmiş araçlarının bulunmasıyla, genetik algoritmalar artık finansal modellemede yeni uygulamalar buluyor.

Yapay sinir ağları, karmaşık algoritmalar kullanarak büyük hacimli verilerin işlenmesinde aritmetik doğrulukta ek güçle insan beyinlerini taklit etmeye çalışır. Bu ağlar, ilgili verilerle karşı karşıya kaldıklarında, verilerdeki kalıpları ortaya çıkarır ve modeller geliştirir, test eder, gelecekteki olayları tahmin eder ve hatalardan ders alır.

Bu akıllı ajanlar, yöneticilerin iş ortamındaki değişiklikleri daha çabuk öngörmelerini sağlama ve böylece stratejilerini zaman içinde iyi değiştirebilme potansiyeline sahiptir. Bu şekilde, iş süreçlerinin adaptasyonunu geliştirmede yardımcı olurlar.

Bu araçların çoğu bilgiyi gerçek zamanlı olarak analiz etmeye çalışır ve bu nedenle en son senaryo, kendisi tarafından yapılan teknik analizlerin çoğu olmadan yöneticiye sunulur.

Oracle, Cognos ve Comshare gibi yazılım devleri, akıllı uygulamalarını geleneksel uygulama ürünleriyle eklentiler olarak sunmaya başladı. Diğerlerinden bazıları veri yönetimi, modelleme ve bilgi sunumu için bağımsız yazılım araçları sunar. Ancak, şu anda, bu araçlar çok basit ve ilkel formda.