V současné době má běžná firma jeden nebo několik klíčových provozních systémů a vedle nich další, mnohdy podružné evidence. V databázích těchto systémů a evidencí se nachází ohromné množství dat, která představují obrovský potenciál pro kvalitní řízení chodu organizace. Určitou nevýhodou je fakt, že jsou tato data roztroušena do různých datových zdrojů. Ty spolu nemusí být plně provázány a bez možnosti efektivního zobrazení a analýzy představují jen mrtvou zátěž v databázi pro účely kontroly.
S rozvojem nástrojů business intelligence se nabízí možnost zahrnout tato data do zpracování, přiblížit je běžným pracovníkům, zefektivnit jejich práci a kromě toho objevit další souvislosti, které jinak zůstanou skryty. Výhodou nástrojů je mimo jiné i to, že běžní uživatelé jsou schopni vytvářet si své vlastní reporty a analýzy, a nahradit tak svoji klasickou činnost, která mnohdy sestávala z exportu dat do excelu a jejich analýzy v tomto prostředí. Ta spočívala v jednotlivých krocích (filtrování, vytváření kontingenčních tabulek, grafů, dopočtů a podobně) a pokaždé s tím bylo spojeno množství ruční práce a riziko zanesení chyby.
Reporting pomocí nástrojů business intelligence je operativní, umožňuje jednoduchou definici požadavků, a co je důležité, jednou připravená analýza či report jsou uloženy pro opakovatelné použití. A je jedno, kde se nachází zdrojová data pro analýzu, uživatel přistupuje pořád do jediného místa, do stejného prostředí a nemusí přemýšlet nad tím, v jakém systému se daná agenda zpracovává. To za něj vyřeší administrátor, který ho napojí na příslušný zdroj, nastaví mu oprávnění, ale toto vše udělá pouze jednou. Právě díky těmto vlastnostem je možné nabídnout uživatelům příslušný komfort a umožnit jim trochu netradiční pohled na data.

Jak přetavit data v informace?

Představme si několik příkladů. Každá firma eviduje provoz svého vozového parku. Na tuto činnost používá buď specializované programy, případně moduly informačního systému, anebo si vede prostou evidenci o tom, kdo kdy jel kterým autem, kolik ujel kilometrů, kolik tankoval. Z takové evidence se obvykle použijí jen souhrnná čísla a evidence zůstává jinak nevyužita, kromě potřeby dohledat řidiče v případě spáchání dopravního přestupku. Přitom se tu nabízí spousta možností, jak tato data zpracovat. I pouhý přehled o počtu najetých kilometrů (za období) ukáže, jak hodně je které auto využíváno. V kombinaci s počtem jízd dokážeme na první pohled posoudit, zda je využíváno na krátké projížďky, nebo dlouhé cesty. Zvýšená průměrná spotřeba oproti předchozímu období může signalizovat potřebu seřízení motoru. Přitom to vše, co je tady napsáno, spraví několik jednoduchých reportů, není potřeba žádné složité analýzy, uživatel je schopen vytvořit si takový report vlastními silami.
Podívejme se na další příklad. Ve firmě je zavedeno on-line sledování operací na dílně, tedy informace o tom, kdy která operace začala, skončila, kolik bylo vyrobeno kusů, který dělník (skupina dělníků) na tom pracovala. Informační systém využívá tyto informace pro sledování, v jakém stádiu rozpracovanosti je daná zakázka, jaké na ní naběhly výrobní náklady, zda není potřeba přeplánovat výrobu a podobně. Tato data současně představují i informaci o vytížení jednotlivých dělníků, takže se hned nabízí porovnání jejich vytížení s fondem pracovní doby, nebo přímo s docházkou (pokud jsou tato data dostupná). Anebo jiný pohled – porovnáním plánovaných časů operací a už ukončených operací velmi rychle a na první pohled zjistíme stav rozpracovanosti jednotlivých zakázek ve výrobě. Tyto informace poskytuje i informační systém, poskytuje je obvykle v detailní podobě. Pokud si vytvoříme vlastní report, uvidíme na první pohled stav celé výroby, a pokud do analýzy zahrneme i drill-down, můžeme ihned analyzovat, co se pod zobrazenou rozpracovaností skrývá.
Zůstaňme ve výrobní firmě. Kromě vlastní výroby a jejího on-line sledování je výroba předem plánovaná. Plánování znamená mimo jiné alokaci kapacit strojů, dělníků v čase, aby byly využity dostupné kapacity a vlastní výroba probíhala co nejrovnoměrněji. K tomu se nabízí jednoduché zobrazení, ve kterém do jedné tabulky (anebo ještě lépe grafu) dostaneme pro stroj (středisko, skupinu strojů a podobně) jeho disponibilní kapacitu (jak normální, tak maximální, které lze dosáhnout například přidáním noční směny), jeho zatížení v minulosti (tedy skutečně realizovanou výrobou) a jeho plánované budoucí zatížení. Hned na první pohled vidíme, jakým procentem je vytížen, co všechno je naplánováno a jaké má rezervy v kapacitě pro případ rozhodování o přijetí další objednávky.
Samostatnou kapitolou je činnost místní samosprávy a její sledování veřejností. Vezměme za příklad činnost městské policie. Její strážníci mají za úkol dohlížet na pořádek, pomáhat občanům a v případě, kdy zjistí nedodržování zákonů, vyhlášek a předpisů, nastupuje její represivní činnost spojená například s udělením pokuty. Všechny tyto činnosti jsou evidované v systému, částečně slouží pro další zpracování (například velké agendy jsou spojeny s řešením přestupků, odtahy vozidel a podobně).
Velký význam má inteligentní statistické vyhodnocení dat. Veřejnosti je předkládaná zpráva, ze které se dozví, kolik bylo ukradených vozidel, uskutečněných odtahů, kolik přestupků zaevidovala městská policie a v jaké výši udělila pokuty. V datech je mnohem více zajímavých údajů, jejichž získání je právě úkol pro použití některého nástroje business intelligence. Jednoduše se dá zjistit, odkud (z jakých ulic) jsou nejčastěji odcizena vozidla, anebo kde dochází nejčastěji k řešení nějakého typu přestupku. Další zajímavé výsledky přinese zobrazení těchto vyhodnocených dat na mapovém podkladě – barevné odlišení oblastí podle počtu spáchaných přestupků. Pro samotnou policii to znamená zpětnou vazbu, na které oblasti se má ve své práci zaměřit.
V neposlední řadě musí městská policie odpovídat na dotazy svého zřizovatele (města) a jeho požadavky bývají různorodé, obvykle pokaždé jiné, podle toho, co zrovna veřejnost zajímá. Bez použití inteligentního analytického nástroje zaberou dotazy typu „kolik bylo v uplynulých dvou měsících spácháno přestupků proti veřejnému pořádku a v jakých oblastech“ nebo „kolik městská policie zkontrolovala majitelů psů“ odpovědnému pracovníkovi spoustu času, protože musí ručně projít a nasčítat z dostupných podkladů (například denních nebo měsíčních výkazů činnosti uložených někde na disku).

V jednoduchosti je síla

Výše uvedené příklady ukazují pouze část oblastí nebo agend, kde se daří s úspěchem použít nástroje business intelligence. V těchto případech se nejedná o rozsáhlé, složité (a tím pádem i náročné a drahé) analýzy, ale o zpracování běžných, dostupných dat. Výhodou pro takové zpracování je jednotné prostředí, protože uděláte uživatelům jednu agendu, po čase přidáte další, která využívá data jiného informačního systému, ale uživatelé pracují pořád stejně, ve stejném prostředí, a mnohdy ani netuší, kde jsou data, která analyzují. Další velkou výhodou je jednoduchost, protože pro koncové uživatele nabízí nástroj intuitivní ovládání. Poslední velkou výhodou je možnost tvorby vlastních sestav či analýz, kdy uživateli stačí zkušenost práce s běžnými kancelářskými programy, nemusí mít žádné znalosti na úrovni IT odborníka, a přesto si dokáže velmi rychle operativně vytvořit vlastní report a získat ze systému údaje, které by mu jinak musel opatřit někdo jiný nebo by jejich získáním strávil spoustu času.

Jan Jůza
Autor působí jako obchodní a technický manažer ve společnosti CCA Group.