داشبوردهای هوش تجاری

مقدمه :

داشبورد هوش تجاری یا داشبورد BI ، ابزاری برای مصور سازی و تحلیل داده است که وضعیت شاخص های کلیدی عملکرد (KPI) و دیگر متریک های مهم کسب و کار را نمایش می دهد. داشبوردها جز لاینفک اکثر پلتفرمهای BI هستند و به طور گسترده برای ارائه ی اطلاعات تحلیلی به مدیران و کارکنان مورد استفاده قرار میگیرد.مواردی که در این مطلب میخوانید:

1. ویژگی ها و اجزای داشبوردهای هوش تجاری
2. مزیت ها و محدودیت های داشبوردهای هوش تجاری
3. بهروش های طراحی داشبوردهای هوش تجاری
4. نمونه های داشبوردهای هوش تجاری و موارد استفاده
5. تاریخچه ی داشبوردهای هوش تجاری

داشبوردهای BI که در برخی موارد داشبوردهای داده یا داشبوردهای کسب و کار نیز نامیده می شوند ، شامل ویژوال های مختلف است تا دیدی جامع از شاخص های کلیدی عملکرد و روندها جهت تصمیم گیری و برنامه ریزی استراتژیک در اختیار کاربران قرار دهد. این داشبوردها بسیار تعاملی تر از گزارش های معمول هستند.

در برخی موارد ، داشبوردها توسط اعضای یک تیم BI طراحی می شوند و در برخی دیگر ، توسط تحلیلگران کسب و کار و سایر کاربران ابزارهای سلف سرویس هوش تجاری ایجاد می گردند.ویژگی ها و اجزای داشبوردهای هوش تجاری علاوه بر تعاملی بودن این داشبوردها ، از ویژگی های اصلی داشبوردهای هوش تجاری رابط کاربری قابل تنظیم توسط کاربر ، قالب داشبورد مشخص جهت تسریع فرایند طراحی و توانایی استخراج بینش از داده ها در لحظه می باشد.

اجزای اصلی داشبوردها عبارتند از :

ارتباط با منابع داده مختلف :

بسته به داده هایی که کاربران باید ببینند، داشبوردهای هوش تجاری را می توان به انبارهای داده ، دیتامارت ها و دریاچه های داده – که رایج ترین منابع ذخیره ی داده هستند – و یا سیستم های عملیاتی ، تجهیزات صنعتی متصل کرد.

مصورسازی داده ها :

داشبوردها را می توان با انواع ویژوال ها ایجاد کرد تا معیارهای عملکرد مختلف را به وسیله ی آن ها نشان داد. این ویژوال ها می توانند المان های متفاوتی مانند نمودارهای میله ای ، نمودارهای خطی و … باشند.

Data tables:

داشبوردهای هوش تجاری می توانند جداول داده ای باشند که در یک نگاه بتوان از اطلاعات ارائه شده در آن استفاده کرد. داده های جدولی اغلب شامل کدگذاری رنگی یا سایر تکنیک های گرافیکی جهت برجسته کردن برخی اطلاعات خاص هستند ، برای مثال تعیین ضرر مالی یا کاهش فروش.

قابلیت های Drill-Down :

این ویژگی به کاربران امکان می دهد تا با کلیک بر روی ویژوال ها اطلاعات بیشتری به دست بیاورند یا دقیق تر به داده ها نگاه کرده و تحلیل انجام دهند.

فیلتر داده ها :

از دیگر ویژگی های داشبوردهای تعاملی امکان فیلتر کردن داده هاست که کاربران را قادر میسازد تا محدوده های تاریخی ، تنظیمات جغرافیایی و سایر پارامترها را به صورت دلخواه خود فیلتر و مشاهده نمایند و به این ترتیب نمای متمرکزتری از اطلاعات در اختیار داشته باشند.

Text boxها و tooltip ها:

داشبوردها اغلب شامل باکس های متن و ابزارهای اطلاعاتی می شوند که داده های مصورسازی شده را توضیح می دهند.مزیت ها و محدودیت های داشبوردهای هوش تجاری داشبوردهای هوش تجاری به عنوان ابزاری حیاتی برای استخراج بینش های ارزشمند توسط کسب و کارها مورد استفاده قرار می گیرند. داشبوردهایی که به صورت اصولی طراحی شده باشند ارزش های زیر را برای کسب و کارها ایجاد می کنند :

• امکان تصمیم گیری هوشمندانه تر و برنامه ریزی استراتژیک توسط مدیران
• قابل فهم ساختن داده ها برای کاربرانی که دانش فنی در زمینه ی تحلیل و هوش تجاری ندارند
• کمک به شناسایی روندها و در نتیجه سرمایه گذاری بر روی فرصت ها و یافتن مشکلات و تهدیدها
• تسهیل پیاده سازی و به کارگیری برنامه های سلف سرویس هوش تجاری توسط تحلیلگران تجاری ، مدیران و کارکنان
• امکان به اشتراک گذاری اطلاعات و تصمیم گیری و تحلیل های مشترک میان کارکنان و مدیران سازمان

اما علاوه بر این مزیت ها ، استفاده از داشبوردها محدودیت ها و چالش هایی را نیز در برخی از سازمانها به همراه دارد. این چالش ها لزوما مربوط به طراحی نیست بلکه نحوه ی استفاده از داشبوردها و هزینه ی ایجاد، پیاده سازی و نگهداری آنها را نیز شامل می شود. در بسیاری از سازمانها ، متخصصان هوش تجاری و فناوری اطلاعات مسئولیت مستندسازی و رصد استفاده از آن را بر عهده دارند.

چالش های دیگری که ممکن است سازمان ها با آن دست به گریبان باشند عبارتند از :

• ارائه ی طراحی نامنظم و پراکنده که استفاده از داشبوردها را دشوار می سازد.
• استفاده از بیش از اندازه از داده ها و ویژوال ها در یک داشبورد و عدم اکتفا به اطلاعات مورد نیاز کاربر
• ایجاد زمینه ای برای شفاف سازی ارتباط KPIها ( شاخص های کلیدی عملکرد )
• ارائه ی نادرست داده ها در داشبوردها یا حذف اطلاعات مورد نیاز که منجر به تحلیلهای نادرست خواهند شد.

بهروش های طراحی داشبوردهای هوش تجاری یک طراحی دقیق و صحیح بینش هایی را ارائه می دهد که برای هر مخاطبی قابل درک باشد. با یک طراحی صحیح مخاطب می تواند دیدی جامع و کامل از وضعیت بخش های مختلف کسب و کار خود به دست آورد و به این ترتیب تصمیم های هوشمندانه تری اخذ نماید.

به طور کلی اصول مصور سازی صحیح داشبوردهای هوش تجاری شامل موارد زیر می توانند باشند :

• درگیر ساختن کاربر نهایی در فرایند طراحی داشبورد
• بهبود طراحی در طول فرایند با رویکرد تکرار و بهبود مستمر
• معرفی و ارائه ی دقیق داده هایی که کاربر نهایی نیاز به آن ها دارد.
• امکان سفارشی سازی داشبوردها توسط بخش های مختلف سازمان
• عدم ارائه ی اطلاعات زیادتر از نیاز کاربران در داشبوردها
• به روز نگهداشتن داده های موجود در داشبوردها
• رعایت اصول تجربه ی کاربری در طراحی داشبوردها و تست آن ها برای یافتن مشکلات احتمالی

نمونه های داشبوردهای هوش تجاری و موارد استفاده

داشبوردهای فروش و بازاریابی

این داشبوردها عموما توسط مدیران ارشد ، مدیران اجرایی و کارکنان واحد بازاریابی و فروش مورد استفاده قرار می گیرند. یک داشبورد فروش داده هایی مانند فروش محصولات ، هزینه های فروش و دیگر شاخص های کلیدی عملکرد فروش را مصور می سازد تا کاربر امکان رصد پیشرفت اهداف فروش و موانع و گلوگاه ها را داشته باشد. به طور مشابه داشبوردهای بازاریابی داده هایی از قبیل هزینه ها ، نرخ پاسخگویی ، ایجاد سرنخ و دیگر شاخص های عملکرد بازاریابی را نمایش می دهند.[/vc_column_text]

تاریخچه ی داشبوردهای هوش تجاری

اولین داشبوردها در دهه ی ۱۹۷۰ به عنوان بخشی از سیستم های پشتیبان تصمیم ، به عنوان پیش رو در ارائه ی ابزارهای مدرن هوش تجاری برای استفاده ی مدیران کسب و کارها طراحی شد.

داشبوردهای اولیه معمولا استاتیک بودند و گرافیک ها و نمودارهای ساده ای بودند که وضعیت KPIهای عملیاتی را نمایش می دادند. داشبوردها هم چنین یکی از اصلی ترین قابلیت های سیستم های اطلاعاتی مدیریت محسوب می شدند که در دهه ی ۸۰ میلادی به عنوان ابزار تحلیل و گزارش گیری پیشرفته مورد استفاده قرار می گرفتند. داشبوردها در آن زمان داشبورد مدیریتی نامیده می شدند ، اصطلاحی که امروزه در مورد داشبوردهایی که خاص مدیران ارشد طراحی می شود ، مورد استفاده قرار می گیرد.

در دهه ی ۹۰ داشبوردها به ابزارهای کاربردی تری بدل شدند و با ظهور نرم افزارهای هوش تجاری ، موتورهای پردازش تحلیلی آنلاین و انبارهای داده توسعه بیشتری پیدا کردند.

معرفی هوش تجاری سلف سرویس و ابزارهای مصورسازی داده در سال ۲۰۰۰ و پس از آن ، این تکامل را تسریع کردند و داشبوردهای تعاملی امروزی را شکل دادند و کاربران بیشتری را قادر به طراحی و انتشار داشبوردهای هوش تجاری ساخته اند.

منبع