Velké podniky a banky používaly určitý typ business intelligence už před mnoha lety, protože již tehdy pracovaly s velmi rozsáhlým portfoliem výrobků a služeb. Postupem času se však tyto nástroje vyvíjely a rozšiřovaly i do dalších odvětví. K jejich obrovskému rozvoji v posledních letech však přispěl především fakt, že problém neustále sílícího přílivu informací musí už několik let řešit i firmy ze segmentu středně velkých a poslední dobou i malých podniků. Právě kvůli menším podnikům však v poslední době vznikl poměrně velký tlak na cenovou dostupnost BI. Té je možné dosáhnout zejména co největší integrací business intelligence přímo do ERP systému, zatímco dřív, zejména v případě bank, byl vždy samostatný ERP systém a vedle něj pak samostatná BI.
Úkolem BI je co nejrychleji vytěžit správná data pro rozhodování, a zejména pro rozhodování strategické. Management každé firmy by měl mít potřebná data k dispozici okamžitě, aniž by musel složitě procházet různé sestavy a na základě nich teprve vytvářet strategie. BI je nástrojem, který tuto činnost významně zrychlí a zefektivní.
V současné době se navíc již v rámci některých ERP systémů začínají objevovat i modifikace modulů BI, které nejsou určeny pouze pro manažery, ale využijí je i pracovníci na ostatních úrovních ve firmě, kteří pracují s informačním systémem, ať už jde o střední management, skladníky nebo třeba pracovníky ve výrobě.
Může jít o data obchodního rázu, o data ekonomická apod. Mohou to být také informace marketingového charakteru, kde sledujeme spokojenost našich klientů a další ukazatele. Samozřejmě mohou být prostřednictvím BI zpracovávána jak data pocházející z našich informačních systémů, tak i ta, která získáme z dalších vnitřních nebo externích zdrojů. Například může jít o kombinaci vývoje našich prodejů a vývoje kurzu měny získaného například z webu České národní banky.
Do určité míry lze tvrdit, že business intelligence je možné aplikovat na jakoukoli činnost či část činnosti podniku, při které vznikají data a mezi nimi pak nějaké vazby. Business intelligence pomáhá tyto vazby odhalit a na jejich základě je pak možné provádět potřebné analýzy.
„Pomocí business intelligence jsou často analyzovány například údaje o prodejích,“ vysvětluje Jindřich Kahoun, obchodní ředitel Helios Orange ze společnosti LCS. „Důležitými faktory jsou různá časová období, prodejní sortiment, prodejní kanály a podobně. Nicméně business intelligence aplikovanou do ERP lze použít pro analýzu jakéhokoliv typu dat, s nimiž každodenně pracujeme, ať už marketingových, ekonomických či výrobních. Například pracovník servisu využije možnosti práce s daty týkajícími se servisních zařízení. Při využití business intelligence bude mít operativně k dispozici poruchovost jednotlivých součástí zařízení v závislosti na sezonnosti, stáří, regionu a podobně. To znamená například značné zjednodušení predikce potřeby jak typů, tak i operativního množství náhradních dílů,“ dodává Jindřich Kahoun.

Ponorkou do hlubin starých dat

Údaje pro BI analýzy mohou pocházet z jakýchkoliv zdrojů. Z interních, samozřejmě včetně CRM (customer relationship management), i z dalších informačních systémů, které podnik má. Jejich zdrojem však mohou být například i nakoupené databáze či starší data z různých zdrojů.
„Přitom data sama o sobě jsou vlastně pouze útržky oněch informací, které potřebujeme získat,“ říká Jindřich Kahoun. „Informace získávají svůj smysl a důležitost teprve ve chvíli, kdy zjistíme vazby mezi nimi, tedy například určitý trend ve vývoji prodejů za dané časové období a podobně.“
S tím souvisí i další v současné době populární výraz dolování dat, nebo častěji používaný anglický ekvivalent data mining, který bývá součástí celého řešení založeného na business intelligence. V rámci BI totiž existuje více způsobů práce s daty. Data mining je jedním z těch, jejichž pomocí lze získávat, zpracovávat a analyzovat data historická. Snažíme se vydolovat z nich další podstatné informace, které nám na základě údajů z minulosti mohou něco říci k budoucím trendům vývoje. Pokud se tedy, například pomocí data miningu, podíváme, jak nějaký proces probíhal před několika lety, pak z toho další postupy v rámci business intelligence dokážou připravit prognózu trendu pro budoucnost.
„K tomu jsou využívány určité algoritmy, které prošly historickým vývojem,“ upřesňuje Kahoun. „Zjistilo se, že na určité typy historického vývoje lze použít určitý algoritmus, který dokáže relativně přesně odhadnout trend, který nás v určité oblasti zajímá.“
Dalšími procesy v rámci celého komplexu business intelligence mohou být také extrakce a transformace dat. Jedná se v podstatě o nahrání dat z různých datových zdrojů, zejména informačních systémů a externích zdrojů. „V nahraných datech se mohou vyskytnout různé anomálie a nepřesnosti,“ vysvětluje Kahoun. „Například v jednom ze zdrojů může být zapsané nejprve jméno a pak příjmení a v dalším to bude naopak. Proto musíme provést jejich určitou konsolidaci, vyčištění od nesprávných údajů, doplnění správných údajů a odstranění nepřesností, které se v nich mohou vyskytnout.“

Plavba do dalších dimenzí

V souvislosti s BI musíme zmínit také pojem „OLAP kostky“. Je to pohled na data takovým způsobem, který nám umožňuje rychlým způsobem získat určitý průřez pomocí „dimenzí“.
OLAP je, ve zkratce řečeno, analýza v reálném čase. Výraz vychází z anglických slov online analytical processing. Jsou to v podstatě vícerozměrné struktury. Jejich prostřednictvím můžeme realizovat vícerozměrný pohled na analyzovanou problematiku.
„Prostřednictvím těchto pohledů si vybíráme takové průřezy kostkou, které nás aktuálně zajímají,“ přibližuje Jindřich Kahoun. „Například v rámci jedné kostky máme údaj o prodejích a zajímá nás, kolik výrobků jsme celkem prodali v určitém roce. Tím se zužuje pohled na data v kostce na vybraný časový údaj. Dále je možné, abychom se současně dověděli třeba to, kolik se v daném roce prodalo výrobků celkem, i to, kolik bylo výrobků typu X a kolik typu Y. Dalším průřezem může být kategorizace odběratele.
Pomocí kostek je také možné sledovat trendy, tedy vývoj v čase či v produktovém portfoliu,“ dodává.
Také dnešní nový typ BI aplikovaný do ERP pracuje s OLAP kostkami, stejně jako s kontingenčními tabulkami či rozpadem informací v rámci metody Master–Detail. Jeho další součástí, jíž se od obvykle BI liší, je dataskop. Dal by se přirovnat k mikroskopu, který umožňuje přehledný a podrobný pohled na skupiny dat různého typu a z různých zdrojů. Díky němu lze pracovat s informačním systémem nikoli prostřednictvím modulů a funkcionalit, ale skupin dat, kterou daný uživatel potřebuje ke své práci. V té souvislosti systém umožňuje vybudovat tzv. strom aktivit, který si každý uživatel přizpůsobí podle svých potřeb a jeho prostřednictvím přistupuje k datům, která individuálně potřebuje pro svou práci.

Data jako nová šance

Pochopíme-li princip business intelligence, pak nás pravděpodobně velmi rychle napadnou další a další možnosti, která data či oblasti v rámci své kompetence potřebujeme, a můžeme tímto způsobem měřit a analyzovat. Obecně lze však říci, že můžeme analyzovat všechna data, která jsou ve firmě k dispozici. Využití business intelligence tedy významným způsobem rozšiřuje naše možnosti práce s daty. Navíc v dnešní době, kdy krize dusí podnikání v nejrůznějších oborech a firmy se velmi snaží hledat nové zdroje příjmů, je třeba mít na mysli i to, že díky tomuto nástroji mají možnost využít stávajících dat a najít silné a slabé stránky svého stávajícího byznysu a objevit tak i nové možnost, například nadějné segmenty trhu.