- Přehledy IS
- APS (21)
- BPM - procesní řízení (21)
- Cloud computing (IaaS) (7)
- Cloud computing (SaaS) (25)
- CRM (48)
- DMS/ECM - správa dokumentů (17)
- EAM (15)
- Ekonomické systémy (66)
- ERP (84)
- HRM (27)
- ITSM (5)
- MES (31)
- Řízení výroby (45)
- WMS (23)
- Dodavatelé IT služeb a řešení
- Datová centra (24)
- Dodavatelé CAD/CAM/PLM/BIM... (39)
- Dodavatelé CRM (35)
- Dodavatelé DW-BI (50)
- Dodavatelé ERP (72)
- Informační bezpečnost (33)
- IT řešení pro logistiku (44)
- IT řešení pro stavebnictví (23)
- Řešení pro veřejný a státní sektor (26)
Tematické sekce

















Branžové sekce
Tematické seriály
Jak uřídit IT projekt a nezbláznit se
Užitečné tipy a nástroje pro řešení problémů řízení inovací a vývoje produktů...
Industry 4.0 Průmysl 4.0
Jaký vliv bude mít čtvrtá průmyslová revoluce na výrobu a výrobní firmy?
Nové!
VR – virtuální realita
Praktické využití virtuální reality ve službách i podnikových aplikacích.
Příručka úspěšného IT manažera
Dnes je řada IT manažerů opomíjena. Úspěšní bývají brouci Pytlíci a Ferdové...
Partneři webu
IT SYSTEMS 3/2005
Kvalita dat je problémem v každé společnosti
Představte si, že před sebou máte jednání, na kterém musíte vysvětlit vedení společnosti současný stav obchodu a výhledy do budoucna. Před několika měsíci prošla vaše organizační struktura změnou, před měsícem jedna z obchodních jednotek zavedla zcela nový ERP systém a dvě další obchodní jednotky reorganizovaly kódování a hierarchii svých produktů. Kromě toho již dlouho musíte čelit problému kvality dat a potřeba detailnějšího reportingu a rychlejšího reportingového cyklu se každým dnem stává naléhavější. Za těchto okolností skutečně potřebujete mít dobře organizované procesy data warehousingu a systémy, které jsou schopny porozumět stavu obchodních aktivit a potřebám reportingu.
Co se týká možných scénářů, tento není neuskutečnitelný.
Aktuální problémy
Obchodní prostředí se rychle a neustále mění. Konkurence a inovace vytvářejí jak nové příležitosti, tak hrozby a zároveň se zvyšují nároky na transparentnost a soulad s novými předpisy a legislativou. Vzhledem k těmto tlakům není překvapivé, že IT nejsou často synchronizovány s potřebami společností, kterým slouží. Nedostatek správných nástrojů pro neustálý a aktuální reporting se může stát kamenem úrazu a omezovat tak schopnost podniku čelit požadavkům, které jsou na něj kladeny. Většina velkých společností již prošla prvním stadiem vývoje data warehousingu. Jejich požadavky stále rostou a roste také snaha ještě více uspět. Tyto společnosti nyní plánují novou generaci řešení DW, která by byla flexibilní a škálovatelná, uměla v budoucnu podporovat měnící se potřeby obchodního reportingu a zároveň obsahovala funkcionality, které bude v budoucnu možné rozšířit do nových oblastí. Ve druhém cyklu se budou společnosti snažit vyhnout rizikům a problémům, na které narazily během prvního cyklu. V této fázi by měla společnost věnovat více pozornosti problematice podnikové infrastruktury, ne se pouze snažit navrhnout lepší úsekový DW. Mnoho společností nyní nahlíží na DW ze široké podnikové perspektivy. To bude utvářet základ, na kterém je založen manažerský reporting. Na těchto DW je rovněž navrženo mnoho dalších aplikací: rozpočtování/prognózování/plánování, scorecards/KPI, kalkulace nákladů, simulace, stanovení cen.
Faktory úspěchu
Data warehousing je neustálý proces, kde potřeba analýzy vytváří nové požadavky na provozní a obchodní systémy. Objemy nezpracovaných dat rostou stále rychleji, dodavatelé softwaru stále chrlí nové obchodní aplikace a konzultanti jako by se snažili použít veškerou mozkovou kapacitu na vymýšlení nových termínů a zkratek. Velikost datových skladů roste neobyčejně rychle. Nové provozní systémy, ERP systémy a samoobslužné aplikace shromažďují stále více dat, zatímco datové sklady prvního stadia již obsahují množství historických informací. Překročení terabytové hranice již není neobvyklé. To znamená, že konzultanti a dodavatelé softwaru se budou snažit vynalézt způsoby, jak takové obrovské množství dat efektivně spravovat. Problematika hardwaru a řešení archivace se v kontextu řešení data warehousingu stávají důležité, stejně jako know-how pro jejich efektivní použití. Tradičně byly datové sklady načteny jednou denně, týdně nebo měsíčně. Ale trend je jednoznačný - takové tempo bude v budoucnu pomalé. Denní dávky jsou již minimálním požadavkem, pokud jde o četnost načítání dat. Pro ty zákazníky, jejichž konkurenceschopnost je založena na aktuálních datech, je zcela jasný požadavek na dostupnost on-line. Tyto druhy řešení se často nazývají ODS (operative data stores). ODS požadují aby tradiční DW a ETL technologie využívaly technologie jako EAI a webové služby. Jak aktuálnost dat, tak problematika růstu objemu dat kladou vysoké požadavky na výkonnost načítání dat a dotazů stejně jako na know-how pro správné použití nástrojů ETL a modelových databází. Kvalita dat je problém v každé společnosti. Pokud rostou objemy dat, jsou chyby a nedostatky v datech častější. Pro pracovníky, kteří činí rozhodnutí, je základním požadavkem znát úroveň kvality dat, na která se při důležitých rozhodnutích spoléhají. Pokud je například 10 % zákazníků umístěno ve špatném zákaznickém segmentu, může to mít obrovský vliv na analýzy úspěšnosti marketingové kampaně. Analýza kvality může být provedena s použitím speciálních nástrojů pro profiling dat nebo ručně pomocí určitých procesů analýzy kvality. Proces analýzy obvykle také zahrnuje plán na zlepšení kvality dat ve společnosti. Primární metody pro zlepšení kvality dat jsou prevence (v prvé řadě je třeba zamezit ukládání chybných dat), náprava (opravit chybná data poté v systému, kde jsou uložena, nebo v rámci ETL procesu) a oprava (opravit data pouze v místě konečného uložení, např. datovém skladu). Jeden z aspektů kvality dat je vlastnictví dat. Podniky, které mají několik jednotlivých systémů, ukládají stejná data v mnoha systémech. Informace o zákaznících a o společnosti jsou obvykle uloženy v mnoha různých systémech, téměř vždy rozdílným způsobem, a dokonce i s jinými hodnotami! Lékem na tyto problémy jsou takzvané master data aplikace. Informace společné pro celou organizaci mohou být uloženy v master data store, který může také sloužit jako zdrojový systém pro hlavní dimenze v datových skladech a zároveň pro provozní systémy. Další problém, jemuž čelí společnosti, které již datový sklad používají, je plánování. Jedná se o další přirozený krok v data warehousingu. Vzhledem k tomu, že reporting a podnikové analýzy historických dat jsou řízeny prvním stadiem vývoje datového skladu, pozornost se nyní soustřeďuje na plánování budoucnosti a rozpočtování. Podpůrné historické informace pocházejí z datového skladu, informace o simulacích, plánování a rozpočtování mohou být uloženy do datového skladu a v budoucnu porovnány se skutečnými hodnotami.
Antti Pudas je ředitelem jednotky Digital Innovations Management Information. Je zodpovědný za obchodní aktivity a rozvoj v oblastí Data Warehouse a Management Information. Tommi Salmi je manažerem a senior konzultantem v jednotce Digital Innovations Management Information. Je zodpovědný za vývoj nových služeb a řešení pro oblasti Data Warehouse a Business Intelligence. Článek byl se svolením autorů převzat z časopisu URGE, vydání 2/2004.



Aktuální problémy
Obchodní prostředí se rychle a neustále mění. Konkurence a inovace vytvářejí jak nové příležitosti, tak hrozby a zároveň se zvyšují nároky na transparentnost a soulad s novými předpisy a legislativou. Vzhledem k těmto tlakům není překvapivé, že IT nejsou často synchronizovány s potřebami společností, kterým slouží. Nedostatek správných nástrojů pro neustálý a aktuální reporting se může stát kamenem úrazu a omezovat tak schopnost podniku čelit požadavkům, které jsou na něj kladeny. Většina velkých společností již prošla prvním stadiem vývoje data warehousingu. Jejich požadavky stále rostou a roste také snaha ještě více uspět. Tyto společnosti nyní plánují novou generaci řešení DW, která by byla flexibilní a škálovatelná, uměla v budoucnu podporovat měnící se potřeby obchodního reportingu a zároveň obsahovala funkcionality, které bude v budoucnu možné rozšířit do nových oblastí. Ve druhém cyklu se budou společnosti snažit vyhnout rizikům a problémům, na které narazily během prvního cyklu. V této fázi by měla společnost věnovat více pozornosti problematice podnikové infrastruktury, ne se pouze snažit navrhnout lepší úsekový DW. Mnoho společností nyní nahlíží na DW ze široké podnikové perspektivy. To bude utvářet základ, na kterém je založen manažerský reporting. Na těchto DW je rovněž navrženo mnoho dalších aplikací: rozpočtování/prognózování/plánování, scorecards/KPI, kalkulace nákladů, simulace, stanovení cen.
Faktory úspěchu
Data warehousing je neustálý proces, kde potřeba analýzy vytváří nové požadavky na provozní a obchodní systémy. Objemy nezpracovaných dat rostou stále rychleji, dodavatelé softwaru stále chrlí nové obchodní aplikace a konzultanti jako by se snažili použít veškerou mozkovou kapacitu na vymýšlení nových termínů a zkratek. Velikost datových skladů roste neobyčejně rychle. Nové provozní systémy, ERP systémy a samoobslužné aplikace shromažďují stále více dat, zatímco datové sklady prvního stadia již obsahují množství historických informací. Překročení terabytové hranice již není neobvyklé. To znamená, že konzultanti a dodavatelé softwaru se budou snažit vynalézt způsoby, jak takové obrovské množství dat efektivně spravovat. Problematika hardwaru a řešení archivace se v kontextu řešení data warehousingu stávají důležité, stejně jako know-how pro jejich efektivní použití. Tradičně byly datové sklady načteny jednou denně, týdně nebo měsíčně. Ale trend je jednoznačný - takové tempo bude v budoucnu pomalé. Denní dávky jsou již minimálním požadavkem, pokud jde o četnost načítání dat. Pro ty zákazníky, jejichž konkurenceschopnost je založena na aktuálních datech, je zcela jasný požadavek na dostupnost on-line. Tyto druhy řešení se často nazývají ODS (operative data stores). ODS požadují aby tradiční DW a ETL technologie využívaly technologie jako EAI a webové služby. Jak aktuálnost dat, tak problematika růstu objemu dat kladou vysoké požadavky na výkonnost načítání dat a dotazů stejně jako na know-how pro správné použití nástrojů ETL a modelových databází. Kvalita dat je problém v každé společnosti. Pokud rostou objemy dat, jsou chyby a nedostatky v datech častější. Pro pracovníky, kteří činí rozhodnutí, je základním požadavkem znát úroveň kvality dat, na která se při důležitých rozhodnutích spoléhají. Pokud je například 10 % zákazníků umístěno ve špatném zákaznickém segmentu, může to mít obrovský vliv na analýzy úspěšnosti marketingové kampaně. Analýza kvality může být provedena s použitím speciálních nástrojů pro profiling dat nebo ručně pomocí určitých procesů analýzy kvality. Proces analýzy obvykle také zahrnuje plán na zlepšení kvality dat ve společnosti. Primární metody pro zlepšení kvality dat jsou prevence (v prvé řadě je třeba zamezit ukládání chybných dat), náprava (opravit chybná data poté v systému, kde jsou uložena, nebo v rámci ETL procesu) a oprava (opravit data pouze v místě konečného uložení, např. datovém skladu). Jeden z aspektů kvality dat je vlastnictví dat. Podniky, které mají několik jednotlivých systémů, ukládají stejná data v mnoha systémech. Informace o zákaznících a o společnosti jsou obvykle uloženy v mnoha různých systémech, téměř vždy rozdílným způsobem, a dokonce i s jinými hodnotami! Lékem na tyto problémy jsou takzvané master data aplikace. Informace společné pro celou organizaci mohou být uloženy v master data store, který může také sloužit jako zdrojový systém pro hlavní dimenze v datových skladech a zároveň pro provozní systémy. Další problém, jemuž čelí společnosti, které již datový sklad používají, je plánování. Jedná se o další přirozený krok v data warehousingu. Vzhledem k tomu, že reporting a podnikové analýzy historických dat jsou řízeny prvním stadiem vývoje datového skladu, pozornost se nyní soustřeďuje na plánování budoucnosti a rozpočtování. Podpůrné historické informace pocházejí z datového skladu, informace o simulacích, plánování a rozpočtování mohou být uloženy do datového skladu a v budoucnu porovnány se skutečnými hodnotami.
Antti Pudas je ředitelem jednotky Digital Innovations Management Information. Je zodpovědný za obchodní aktivity a rozvoj v oblastí Data Warehouse a Management Information. Tommi Salmi je manažerem a senior konzultantem v jednotce Digital Innovations Management Information. Je zodpovědný za vývoj nových služeb a řešení pro oblasti Data Warehouse a Business Intelligence. Článek byl se svolením autorů převzat z časopisu URGE, vydání 2/2004.
Chcete získat časopis IT Systems s tímto a mnoha dalšími články z oblasti informačních systémů a řízení podnikové informatiky? Objednejte si předplatné nebo konkrétní vydání časopisu IT Systems z našeho archivu.
Časopis IT Systems / Odborná příloha
Archiv časopisu IT Systems
Oborové a tematické přílohy
IT Systems podporuje
Formulář pro přidání akce
Další vybrané akce