جديدترين مقالات مرتبط با مدیریت فناوری اطلاعات IT
ارسال شده توسط احمد محمدی | 31 12, 2013 | بازدید‌ها (2817)

به نام خداوند بخشنده مهربان

 

هوش تجاري در SQL Server 2008

Business Intelligence Development Studio

(SSAS)

احمد محمدي

Ahmad.Mohammadi.A@gmail.com

پاييز 1392

چکيده

در اين  سعي شده است بصورت کاملا عملي به بيان امکانات و ابزار هاي داده کاوي و هوش تجاري درsql server  پرداخته و توضيحي در خصوص لغات و اصلاحات مورد استفاده خواهيم داد .

همچنين در آموزشي يک مدل داده کاوي ايجاد مي نماييم که اين عمليات از طريق سرويس هاي آناليز   sql server 2012 انجام مي دهيم .که در آن الگوريتم هاي سرويس آناليز نظير درخت تصميم آموزش داده مي شود که براي ايجاد مدل داده کاوي مورد استفاده قرار مي گيرند.در نهايت بعد از ايجاد مدل و تنظيم ساختار يک تست روي مدل اجرا مي گردد.

 

 مقدمه

امروزه با پيشرفت فناوري، سازمان ها به دنبال راه ها و ترفندهايي مي گردند که بقايشان را در اين عرصه تضمين کنند. سازمان ها مي دانند که ديگر بقاي آنها تنها در رسيدن به وضعيت سوددهي مداوم نيست و بايد به دنبال رقابت و ابزار آن باشند. همچنين مي دانند که کليد موفقيت در عصر اطلاعات، اتخاذ تصميماتي است که بدون تناقض، بهتر و سريع تر در رقابت پيش دستي کند.

يک سازمان در طول حياتش، داده ايجاد مي کند. اين داده معمولا پيرامون دارايي، بازاريابي، فروش، منابع انساني، مديريت ارتباط با مشتري و ... گروه بندي مي شوند و هر بخش يک وظيفه جدا در شرکت انجام داده و داده هاي مرتبط به خود را جمع آوري مي کند. اين حقيقت سازمان ها را ملزم به جستجوي ابزارهايي براي تسهيل فرايند کسب اثربخش داده ها، پردازش و تحليل وسيع آنها کرده است تا براساس آن پايه اي را براي کشف دانش جديد بنا نهند.

براي ساليان متوالي از سيستم هاي اطلاعات مديريت موجود مانند: MIS,DSS,ES,EIS استفاده مي شد اما اين سيستم ها قادر به ايجاد يکپارچگي ميان داده هاي پراکنده و ناهمگن و شناسايي مناسب وابستگي هاي موجود ميان داده هاي جديد نبودند. براي اينکه سازمان ها قادر به واکنش سريع در برابر تغييرات بازار باشند، نياز به سيستم هاي اطلاعات مديريتي دارند که بتوانند از سازمان و محيط آن تحليل هاي علت و معلولي مختلف انجام دهند.

بنابراين سازمان ها براي حفظ بقا همزمان با پيشرفت فناوري، بايد تسلط بر فناوري هاي جديدي مانند هوش تجاري را در کسب وکارها يک الزام و ضرورتي اجتناب ناپذير تلقي کنند. سيستم هاي هوش تجاري ابزاري را فراهم مي کنند که بر اساس آن نيازهاي اطلاعاتي سازمان به شکل مناسبي پاسخ داده شود.

واژه هوش تجاري توسط گروه گارتنر 1در اواسط ده? 1991 رواج پيدا کرد. با اين حال، اين واژه اخيراً

رواج بسيار زيادي يافته است و در سيستم هاي گزارش دهي MIS ده? 1971 ريشه دارد. در آن دوران، سيستم هاي گزارش دهي ايستا، دو بعدي و فاقد قابليت تحليل بودند. در اوايل ده? 1981 ، مفهوم سيستم اطلاعات اجرايي ( EIS ) به وجود آمد. اين مفهوم سيستم هاي پشتيباني کامپيوتري را به سطوح مديران عالي و اجرايي برد. اين سيستم ها از قابليت گزارش دهي پويا و چند بعدي )ادهاک 4 يا بر مبناي خواسته(، پيش بيني، تجزيه و تحليل روند، پرداختن به جزئيات، دسترسي به وضعيت و عوامل کليدي موفقيت برخوردار بودند. تا اواسط ده? 1991 بسياري از محصولات تجاري از اين ويژگي ها برخوردار بودند. سپس برخي از محصولات جديد تحت نام هوش تجاري پا به عرصه گذاشتند. امروزه همگي به اين نتيجه رسيده اند که کلي? نيازهاي اطلاعات مديران اجرايي در قالب يک سيستم اطلاعات مبتني بر هوش تجاري قابل پاسخ است. بنابراين، مفهوم اصلي سيستم اطلاعات اجرايي به هوش تجاري تغيير يافت.

هوش تجاري، شامل ابزارها، تکنولوژي ها و فرايندهاي تبديل داده ها به اطلاعات و تبديل اطلاعات به دانش مورد نياز براي بهينه سازي تصميم گيري در سازمان است . امروزه با اطمينان کامل مي توان ادعا کرد که استفاده از راه حل هوش تجاري مي تواند قدرت رقابت پذيري يک سازمان را افزايش دهد و آن را از ديگر سازمان ها متمايز نمايد. اين راه حل اين امکان را به سازمان ها مي دهد تا با به کارگيري اطلاعات موجود از مزاياي رقابتي و پيشرو بودن بهره برداري نمايند و درک بهتر تقاضاها و نيازمندي هاي مشتريان و مديريت ارتباط با آنان را ميسر مي سازند.

مفهوم هوش تجاري:

تعاريف زيادي براي هوش تجاري وجود دارد، اما به طور کلي هوش تجاري به عنوان يک رويکرد جديد در معماري سازماني مطرح شده است که اين معماري بر اساس سرعت در تحليل اطلاعات به مديران جهت اتخاذ تصميمات دقيق و هوشمند کسب و کار در حداقل زمان ممکن کمک مي کند. هوش تجاري يک چارچوب کاري شامل فرايندها، ابزار و فناوري هاي مختلف است که براي تبديل داده به اطلاعات و اطلاعات به دانش مورد نياز هستند، که با استفاده از همين دانش مديران قادر به تصميم گيري بهتر مي شوند و در نتيجه عملکرد سازمان خود را بهبود مي بخشند.

با پياده سازي راهکارهاي هوش تجاري فاصله موجود بين مديران مياني و مديران ارشد از ديدگاه ارتباط اطلاعاتي از ميان خواهد رفت و اطلاعات مورد نياز مديران در هر سطح، در لحظه و با کيفيت بالا در اختيار آنها قرار خواهد گرفت. همچنين کارشناسان و تحليل گران مي توانند با استفاده از امکانات ساده، فعاليتهاي خود را بهبود بخشند و به نتايج بهتري دست پيدا نمايند.

احساس نياز به وجود يک سيستم هوش تجاري در سازمان براي اولين بار در سطوح بالاي مديريتي احساس مي شود و از بالاي هرم ساختار سازماني به بخش هاي زيرين منتقل مي گردد. مهم ترين نياز يک مدير، تصميم گيري است. فرآيند تصميم گيري مي تواند به سه بخش کلي تقسيم شود که عبارتند از:

1) دسترسي، جمع آوري و پالايش داده ها و اطلاعات مورد نياز.

2) پردازش، تحليل و نتيجه گيري براساس دانش.

3) اعمال نتيجه و نظارت بر پيامد هاي اجراي آن.

در هر يک از موارد فوق، سازمان هاي قديمي که از هوش تجاري استفاده نمي کنند، داراي مشکلاتي هستند که اغلب به دليل حجيم بودن داده ها، پيچيدگي تحليل ها و ناتواني در ردگيري پيامدهاي تصميم گرفته شده، به وجود مي آيند. هوش تجاري با کمک به حل مشکلات فوق، به دليل ساختاري که در سازمان به وجود مي آورد، خالق فرصت هاي جديدي براي سازمان است.

هوش تجاري يک چارچوب کاري شامل فرايندها، ابزار و فناوري هاي مختلف است که براي تبديل داده به اطلاعات و اطلاعات به دانش مورد نياز هستند، که با استفاده از همين دانش مديران قادر به تصميم گيري بهتر مي شوند و در نتيجه عملکرد سازمان خود را بهبود مي بخشند.

بنابراين هوش تجاري مجموعه اي از مهارت ها، فناوري ها و سيستم هاي کاربردي است  که براي جمع آوري، ذخيره سازي ، تحليل و ايجاد دسترسي کارآمد به انبارهاي داده جهت کمک به سازمان ها براي تصميم گيري صحيح مورد استفاده قرار مي گيرد.

پس از آن که داده ها در انبارهاي داده و بازارهاي داده گردآوري و سازمان دهي شدند، مي توان آن ها را براي تحليل هاي آتي به کار گرفت. تحليل داده ها شامل طبقه بندي، خوشته بندي، آناليزهاي آماري، پيش بيني هاي رياضي، تحليل هاي هوشمند مبتني بر شبکه هاي عصبي و الگوريتم هاي ژنتيک مي باشد.

هوش تجاري شما را براي تصميم گيري در همه عوامل موثر بر سازمان يا شرکت توانمند مي سازد.

مجموعه اي از ابزارها کاربران را قادر مي سازند تا داده ها را براي کشف الگوها، ارتباطات و چشم اندازهاي جديدي که براي هدايت تصميم گيري ها سودمند هستند، تحليل کنند. به اين ابزارهاکه براي يکپارچه سازي، تحليل و فراهم نمودن دسترسي به انبوه داده ها براي کمک به اتخاذ تصميمات بهتر مورد استفاده قرار مي گيرند، هوش يا هوشمندي تجاري، اطلاق مي شود.

ابزارهاي اصلي هوشمندي تجاري شامل نرم افزار ارائ? پرسش و گزارش گيري، ابزارهاي تحليل چند بعدي داده (پردازش تحليلي آنلاين  ) و داده کاوي است.

وقتي به مفهوم هوشمندي در انسان ها فکر مي کنيم، عموماً مقصود ما قابليت افراد براي ادغام دانش فرا گرفته شده به اطلاعات جديد و تغيير رفتارها است، به گونه اي که موجب توفيق آن ها در انجام وظايف يا انطباق با شرايط جديد مي شود. به طور مشابه، هوش تجاري اين قابليت را به سازمان ها مي دهد تا اطلاعات را جمع آوري کنند؛ در مورد رقبا، مشتريان و عمليات داخلي خود دانش ايجاد کنند و رفتار تصميم گيري خود را به منظور دستيابي به سوددهي بالاتر و ساير اهداف تجاري تغيير دهند.

 

مراحل هوش تجاري

اگر مراحل هوش تجاري را به صورت شکل زير در نظر بگيريم، منابع داده در مرحله اول جمع آوري مي شوند. اين منابع مي تواند داده هاي انواع پايگاه داده يا اطلاعات نرم افزارهاي موجود را در بر بگيرد.

اطلاعات جمع آوري شده طي فرايند  ETLدر پايگاه داده تحليلي يا همان انبار داده(Data Warehouse) بارگذاري مي شود.

داده در پايگاه داده تحليلي در بخش هاي مجزايي به نام داده گاه (Data Mart) قرار مي گيرد.

در مرحله بعد هوش تجاري وارد عمل شده و روي اطلاعات طبقه بندي شده تجزيه و تحليل انجام مي دهد.

در نهايت اطلاعات جهت انتشار به ابزارهاي سطح بالا تحويل داده مي شود.

 

 

تکنيک هاي مورد استفاده در هوش تجاري

 

در عصري که زمان، کليد اصلي در تجارت است، شرکت ها به استفاده از ابزارهاي اطلاعاتي روي آورده اند تا بتوانند اطلاعات مورد نظر را به سرعت از منابع استخراج کنند. هوش تجاري در امر تصميم گيري در سطوح مختلف سازمان به ويژه سطوح مديران ارشد با تحليل اطلاعات و روش هاي پرس و جو تسهيلات زيادي را فراهم مي کند که متداول ترين اين روش ها به قرار زير است:

 On-Line Analytical Processing (OLAP)

 On-Line Transaction Processing (OLTP)

 Data Warehousing (DW)

 Data Mining (DM)

 Intelligent Decision Support System (IDSS)

 Intelligent Agent (IA)

 Knowledge Management System (KMS)

 Supply Chain Management (SCM)

 Customer Relationship Management (CRM)

Enterprise Resource Planning (ERP )

 Enterprise Information Management (EIM)

لازم به ذکر است، صرف وجود تمام اين تکنيک ها در سطح سازمان بدون در نظر داشتن فرهنگ سازمان و رويکرد سيستمي موجود بين کارکنان نمي‌تواند اثبات کننده هوشمندي کسب و کار آن سازمان باشد.

 

 آشنايي با داده‌کاوي :

OLAP و Data Mining دو راهکاري هستند که در SSAS براي مديرت داده ها و کشف دانش معرفي شده است. در اينجا به معرفي اجمالي داده کاوي(DataMining) مي پردازيم.

داده‌کاوي علمي نوين و جذاب براي کشف دانش از داده ها مي باشد. با توجه به رقابتي شدن بازار و تلاش سازمان ها براي رقابت و بدست آوردن درآمد بيشتر، استفاده از داده‌کاوي امري مهم تلقي مي شود. استفاده از داده هاي پيشين و نتيجه گرفتن از آن ها جهت بهبود عملکرد آينده، يکي از ايده‌آل‌ترين روش ها براي کمک به سازمان ها مي‌باشد. از سوي ديگر با توجه به قابليت حضور داده‌کاوي در تمام عرصه‌ها و همچنين وجود بنيان قوي علوم آمار، کامپيوتر، هوش مصنوعي و الگوشناسي در نهان داد‌ه‌کاوي موجب فراگير شدن اين دانش در تمامي سطوح گرديده است.

داده‌کاوي عملي بسيار ظريف بوده که اگر در آن تحليل داده‌ها بصورت دقيق انجام نگيرد، ممکن است باعث استدلال نادرست گردد. از طرفي الگوريتم هاي دادهکاوي نيز پيچيدگي زيادي دارند، خوشبختانه نرم افزارSQL Server Business Intelligence Development Studio سبب گرديده که از پيچيدگي محتواي الگوريتم‌هاي داده‌کاوي دور گرديم و با خيالي آسوده عمليات داده‌کاوي را انجام دهيم. 

آشنايي با  Analysis Services :

تحليل در قلب هوش تجاري است و با آن، مي توان به داده هاي خود مفهوم بخشيد.

SQL Server  شامل موتور بسيار قدرتمندي براي ساخت ساختمان هاي داده چند بعدي است که به شما اجازه مرتب کردن ، تجميع و تحليل داده ها را مي دهد و تحت عنوان   SQL Server Analysis Services

شناخته مي شود. جمع آوري اطلاعات صرفاً به منظور گردآوري آن ها موجب هدر دادن وقت، پول و نيروي انساني است، زماني گردآوري اطلاعات مفيد خواهد بود که بتوان از اين اطلاعات براي کشف تمايلات، شناسايي مشکلات و ساماندهي کمبودها، که ارزش تجاري به همراه دارد استفاده کرد.

SQL Server Analysis Services از يک موتور OLAP براي ساخت و ذخيره سازي پايگاه داده هاي چند بعدي استفاده مي کند.

هدف از اين تحقيق، بررسي مطالبي درباره اصول فناوري OLAP ، ابزارهاي مورد استفاده براي ساخت

پايگاه داده هاي OLAP و اجزاي مورد استفاده در آن مي باشد. هم چنين در حين بررسي مفاهيم تئوري در رابطه با SSAS ، روند ايجاد يک پروژه در SSAS از ابتدا به شکل گام به گام به صورت شماتيک ارائه مي شود؛ که در اين راستا از انبار? داد? نمون? ماکروسافت با عنوان dventureWorksDW2008R2 و از نرم افزار SQL Server 2008 R2 (Enterprise Data Management & Business Intelligence Software) استفاده شده است.

آشنايي با: OLAP 

پايگاه داده هاي OLAP حول مفهوم مکعب 9 ساخته مي شوند. مکعب ها، اشياي چند بعدي هستند که ساختارهاي آن ها با اشياي سلسله مرتبه اي تحت عنوان ابعاد 11 تعريف مي شوند. نمونه اي از پر استفاده ترين بعدها، بعد تاريخ است. واحد هاي زماني درصورت نياز مي توانند بر طبق سطح يا عمق داده اي که در پايگاه داده ذخيره خواهد شد، تقسيم بندي يا ترکيب شوند. مثلاً بعد Date ممکن است شامل يک سطح دهه، يک سطح سال، يک سطح فصل و الي آخر باشد که در نهايت به روز ختم مي شود )يا در صورت لزوم کمتر(.

 

مفهوم مهم ديگر هنگام کار با مکعب ها، شناخت اين مساله است که بيشتر داده هاي دستيابي شده، تجميع مي شوند يا حداقل مي توانند تجميع شوند. اين بدان معني است که هنگام ساخت يک مکعب، نيازي به ذخيره سازي کليه محاسبات احتمالي روي داده ها نيست، بلکه در عوض مي توانيد روشي را تعريف کنيد که پايين ترين سطح داده ها ترکيب شوند تا بتوانيد به پاسخ مورد نظر دست يابيد.

مثلاً، اگر تعداد فروش روزانه خود را رديابي کنيد، ولي بخواهيد بدانيد کل فروش فصل گذشته چقدر بوده است، برطبق روشي که مکعب مربوطه طراحي شده است، مي تواند به طور خودکار کل فروش روزانه رابراي 91 روز گذشته با هم جمع کند. بسته به چگونگي تعريف بعد Date ، هم چنين مي  توانيد داده مشابهي را بررسي کنيد که به ماه يا هفته تقسيم شده است، بدون اينکه مجبور به انجام محاسبات پيچيده اضافي باشيد.

مکعب هاي OLAP هم چنين مي توانند مقادير خلاصه شده و داده هاي پايين ترين سطح را ذخيره کنند.

اين امر بازيابي اطلاعات را آسان تر مي کند. مثلاً داده هاي 91 روز آخر فروش، زيرا آن مجموع هم اکنون در مکعب به عنوان يک مقدار محاسبه شده ذخيره شده است.

اصطلاحات OLAP   :

تاکنون، تعدادي از واژه هاي کليدي مورد استفاده در محيط هاي OLAP به شما معرفي شدند، ولي در

اين بخش، فهرستي ساخت يافته تر از واژه ها و تعاريفي ارائه مي شود که معمولاً مورد استفاده قرار مي

گيرند.

شناخت اجزاي مختلف يک راه حل OLAP کمک شاياني در مديريت بهتر پايگاه داده هاي OLAP مي

کند. در اين قسمت واژه ها و تعاريف مذکور در يک جدول ارائه مي شوند.

پايگاه داده OLAP:کانتينري براي اشياي متفاوتي که در يک راه حل Analysis Services وجود

دارد، مي باشد که علاوه بر ابعاد و مکعب هاي مذکور در صفحات قبل، اين

قسمت هم چنين شامل اشياي ديگري از قبيل منابع داده مي باشد که در اين

فهرست معرفي خواهند شد.

منبع داده:داده ها از يک پايگاه OLAP سرچشمه نمي گيرند، بلکه در عوض از پايگاه داده هاي ديگري استفاده مي کنند که اغلب يک پايگاه داده رابطه اي، منبع آن مي باشد. پشتيباني هاي مايکروسافت از تامين کننده هاي OLE DB موجود براي اتصال به 1 Microsoft SQL Server و پايگاه داده هاي جديدتر و هم چنين SQL Native Client براي Analysis Services استفاده مي کنند. برخي از پايگاه داده هاي شخص ثالث مي توانند به عنوان منبع داده استفاده شوند، مادامي که يک درايور OLE DB مناسب داشته باشيد.

 

بعد: بلوک هاي سازنده ساختار يک مکعب مي باشند. ابعاد برطبق جداول يا ديدگاه هاي منبع داده بوده و حاوي صفاتي خواهند بود که بر طبق ستون هاي اين جداول يا ديدگاه ها باشند. هر چند ابعاد براي ساخت مکعب ها استفاده مي شوند، تعريف ابعاد در مکعب ذخيره نمي شود مگر آن که، آن ها به مکعب اضافه شوند. تعريف ابعاد نيز در کلکسيون بعد پايگاه داده OLAP ذخيره مي شود. اين امر به يک بعد واحد اجازه مي دهد در يک يا چند مکعب استفاده شود.

 

سلسله مراتب:          دو نوع سلسله مرتبه در SQL Server Analysis Services وجود دارد. سلسله مراتب صفات با استفاده از خصوصيات بعد براي تعريف يک ساختار سلسله مرتبه اي ساخته مي شود. از طرف ديگر، سلسله مراتب تعريف شده کاربر به طور دستي با تعريف متدي که در آن مکعب مي تواند در بعد خاص برش داده شود، ساخته مي شود. علاوه بر مثال سلسله مرتبه تاريخ بخش قبل، مثال ديگري که ممکن است استفاده کنيد بعد مکان جغرافيايي است که به شما اجازه مي دهد داده هاي خود را در صورت لزوم براساس قاره، کشور، ايالت، استان، بخش و شهر تحليل کنيد.

 

سطح  موقعيتي در يک سلسله مرتبه را شناسايي مي کند که آيتم هاي مجزا )تحت عنوان اعضا( به آن تعلق دارند.

عضو    اشيا يي در سلسله مرتبه اي که يک يا چند نمونه از داده واقعيت را نشان مي دهد، مي باشند.

مثلاً سلسله مرتبه مکان جغرافيايي ممکن است سطح کشور را تعريف کند که شامل اعضاي ايالات متحده، کانادا و ژاپن مي باشد. سطح شهر ممکن است شامل اعضاي سياتل، ونکوور و توکيو باشد.

 

معيارها معيارها، داده واقعيت کميت پذير در پايگاه داده شما را نشان مي دهند.

)معيارها قابل اندازه گيري اند(.

 

گروه هاي معيار براي مرتبط کردن ابعاد با معيارها از جداول واقعيت مرتبط استفاده مي شود، درست مانند زماني که تعداد متمايزي به عنوان رفتار تجميعي براي داده واقعيت استفاده مي شوند. اين گروه ها موجب بهينه شدن پردازش تجميع مي شوند.

مکعب  اشياي اصلي ايجاد شده در پايگاه داده OLAP مي باشد. دو جزء اصلي براي مکعب وجود دارد: ابعاد که براي تعريف ساختار مکعب استفاده مي شوند و معيارها که حاوي داده واقعيتي )واقعي( هستند که توسط مکعب به آن ها مراجعه مي شود و بلوک هاي سازند? پايگاه داده هاي OLAP شما هستند.

 

شاخص هاي کليدي

عملکرد :محاسبات داده گروه معيار که براي مقايسه عملکرد واقعي در برابر ارزش هدف تعيين شده استفاده مي شوند. مثلاً، دپارتمان فروش ممکن است دو هدف را براي کمک به شناسايي عمکلرد فروش تعريف کند. اولين هدف، تنظيم ارزش هدف براي تعداد واحدهاي فروخته شده و دومين هدف، شناسايي درآمد متصور از تمام فروش هاست. هر يک از اين اهداف مي توانند به عنوان شاخص

کليدي عملکرد دنبال شوند و شما مي توانيد فروش هاي ساليانه واقعي خود را با اهداف تعريف شده مقايسه کنيد .

OLAP به زبان ساده

OLAP  مجموعه‌اي از مکعب‌ها (Cubes) است. داخل اين مکعب‌ها داده‌هايي قرار دارند که از پيش انتخاب شده‌اند. ارتباطات بين ابعاد از قبل تعريف شده و همه ابعاد (نتايج) از قبل محاسبه و پيش‌بيني شده است. هنگامي که يک مکعب ايجاد مي‌شود، يک واسط کاربر نهايي که مي‌تواند يک داشبورد باشد براي يک فرد واقعي پياده‌سازي مي‌شود که کاربر نهايي(مديران و تصميم گيرندگان سازمان) بتواند با جواب‌هاي داخل مکعب تعامل داشته باشد.

اما فرض کنيد در يک مکعب براي تحليل فروش در يک سازمان مقدار و مبلغ فروش را بر اساس ابعادِ مناطق فروش، فروشنده (بازارياب)، مشتري و ماه داشته باشيم. زماني که اين مکعب فرضي ساخته مي‌شود، نرم‌افزار مبتني بر OLAP کليه ترکيبات عناصر داده‌ها را محاسبه و ذخيره مي‌کند، کاربر نهايي به اين داده‌ها از طريق داشبوردها و يا يک سري فرم‌ها مثلا Pivot Table  ها يا انواع ديگر فرم‌ها دسترسي خواهد داشت.

 در اين مثال فرضي کاربر نهايي محدود به تحليل در محدوده ابعاد از قبل تعريف شده مثل مناطق، نمايندگي‌ها، مشتري‌ها و ماه است. اگر کاربر بخواهد درباره فروش هفتگي، روزهاي هفته يا محصولات فروخته شده (و يا صدها ترکيب ديگر از داده‌ها) اطلاعاتي کسب کند ديگر شانسي براي بدست آوردن آن ندارد، بايد صبر کند که مکعب ديگري از اطلاعات مورد نياز او ايجاد شود که اين يعني محدودسازي و کاهش بهره‌وري و اثربخشي براي تصميم‌گيران آن سازمان. به عبارت ديگر کاربر نهايي بايد نيازهاي خود را از پيش شناخته و براي اين نيازها Cubeها، جداول حقايق (Fact) و ابعاد (Dimension) مورد نياز را پياده سازي کند تا با کنار هم قرار دادن گزارشات مختلف تا حدودي به دانش استخراج شده و مورد نياز خود دست پيدا کند.OLAP  برخي از قابليت‌هاي تحليل را فراهم مي‌کند، اما تقريبا مي‌توان گفت در کشورهاي  پيشرفته يک رويکرد قديمي است و متاسفانه در کشور ما همچنان ناشناخته! يا کمتر شناخته شده است. در حال حاضر انواع مختلف OLAPوجود دارد، مثل MultiDimensional OLAP (MOLAP) که به آن MMD نيز گفته مي‌شود و  Relational OLAP ROLAP  ياRDBMS  و سيستم هاي OLAP از نوع HOLAP.

کارکردن با : SSAS 

همانند ساير خدمات هوش تجاري، مي توان هم از Business Intelligence Development و هم از

SQL Server Management Studio  براي مديريت جنبه هاي مختلف  SQL Server Analysis Services

استفاده کرد.  BIDS  در اصل براي ايجاد و مديريت ابعاد، ساخت مکعب ها، تعريف KPI ها و ساير وظايف مربوط به مرتب کردن و ساختاردهي داده ها استفاده مي شود.

ايجاد پروژه: 

با ايجاد يک پروژه Analysis Services جديد شروع کنيد. در BIDS بايد پروژ? جديدي را ايجاد کنيد

که از الگوي پروژه Analysis Services استفاده مي کند. هم چنين ممکن است توجه داشته باشيد که

يک گزينه براي وارد کردن پايگاه داده SSAS موجود در پروژه جديد وجود دارد. براي مثال، پروژه اي به

نام Adventure Works 2008 Data Warehouse ايجاد خواهيم کرد .

 

تعريف منبع داده:

پس از ايجاد پروژه، مرحله بعدي، ايجاد منبع داده اي است که توسط پايگاه داده OLAP استفاده خواهد شد. در اين جا نياز به پايگاه داده AdventureWorksDW2008R2 داريد که مي توانيد از سايت

مايکروسافت دانلود کنيد. مراحل زير را انجام دهيد:

1.       با کليک راست روي پوشه Data Source در Solution Explorer شروع کنيد و New Data Source را انتخاب کنيد. اين امر موجب اجراي ويزارد New Data Source مي شود. همانند اکثر

ويزاردهاي SQL ، اولين صفحه ويزارد، به طور طبيعي صفحه مقدماتي است و مي توان با کليک بر

روي Next از آن رد شد.

2.       صفحه بعدي ويزارد به شما اجازه تعريف اتصال داده را مي دهد. ممکن است هم اکنون اتصالات داده تعريف شده اي داشته باشيد، ولي با توجه به تجربه اي که پس از اجراي پروژه توسط اينجانب به دست آمد بهتر است ابتدا با کليک بر روي Delete اتصال فعلي را حذف کرده و سپس با کليک بر روي New اتصال جديدي را درپنجره باز شده با نام Connection Manager ايجاد کرد.

3.ايجاد اتصال داده مورد نظر

 

4.       همانگونه که در شکل 2-5  مشاهده مي کنيد، مي توانيد خصوصيات اتصال جديد را انتخاب کنيد. از جمله تامين کننده OLE DB ) که در اين مثال بايد Native Client 10.0 SQL Server باشد(.سپس در قسمت Server Name يک نقطه ).( قرار مي دهيم )بدين وسيله از پايگاه داده محلي        استفاده مي کند( و سپس از کومبوباکس پايين پنجره نام پايگاه داده مورد استفاده را مشخص مي کنيم. )در اين جا AdventureWorksDW2008R2 مي باشد.( براي بازگشت به ويزارد، OK را کليک کنيد.

5.       پس از داشتن اتصال داده مناسب براي ادامه ويزارد، روي Next کليک کنيد. در اين مورد، مي توانيد حساب و رمز عبور را Windows

ارسال شده توسط احمد محمدی | 29 12, 2013 | بازدید‌ها (2714)
طراحی سیستم مبتنی بر دانش براي برنامه ریزي استراتژیک: دیدگاه کارت امتیازي متوازن

احمد محمدی
دانشجوی کارشناسی ارشد مدیریت فناوری اطلاعات
زمستان 1392

چکیده:
کارت امتیازي متوازن ابتدا توسط کاپلان و نورتون طراحی شد.کارت امتیازي متوازن _ آنچه را که بر عملکرد تاثیرگذار است را اندازه گیري می کند. در مجله Harward Business Rewiew کارت امتیازي متوازن (BSC) ؛ دیدگاه منسجمی از عملکرد کلی و اهداف استراتژیک سازمان ارائه می کند. BSC مقیاس هاي مالی را با سایر شاخص هاي کلیدي عملکرد ادغام می کند تا دیدگاهی ایجاد کند که هر دو جنبه مالی و غیر مالی را استفاده کند BSC  ابزار مفیدي براي برنامه ریزي استراتژیک و انتقال استراتژي است که در استقرار استراتژي مشارکت دارند. استقرار موفق استراتژي بر پایه برنامه ریزي موثر استراتژیک است- با توجه به اینکه برنامه ریزي استراتژیک یکی از موارد حیاتی در کسب وکار است. این تحقیق شیوه منسجمی براي ابزار BSC و سیستم مبتنی بر دانش به کمک شیوه فرایند تحلیل سلسله مراتبی(AHP)، ارائه می کند و سپس سیستم ذهنی مبتنی بر دانش BSCرا براي برنامه ریزي استراتژیک ایجاد می کند که استراتژي هاي عملیاتی یا مدیریتی شرکت را بر پایه این دیدگاهها تنظیم یا انتخاب می کند . عملکرد رشد و یادگیري، فرایند داخلی / کسب وکار، مشتري و مالی. این سیستم در تعیین وزنهاي خاص استراتژي کمک می کند . سیستم ذهنی مبتنی بر دانش BSC برنامه ریزي استراتژیک خودکار کارا را تسهیل می کند.

1-مقدمه
محققان و دانشمندان که در زمینه برنامه ریزي استراتژیک و حسابداري مدیریت فعالیت دارند، در دهه اخیر توجه رو به افزایشی به تاثیر BSC بر عملکرد سازمان و برنامه ریزي استراتژیک داشته اند. BSCکه توسط کاپلان و نورتون(1992)طراحی شد ،از توالی 4 دیدگاه یادگیري ورشد، دیدگاه فرایند کسب وکار داخلی، دیدگاه مشتري و دیدگاه مالی پیروی می کند. خروجی اصلی ( عملکرد) که در هر دیدگاه اندازه گیري می شود ،به عنوان شاخص هاي راهبردي مقیاس هاي خروجی هاي اصلی در دیدگاه بعد، استفاده می شود. از زمان توسعه اولیه BSC توسط کاپلان و نورتون، این شیوه توسط سازمانهاي تولیدي وخدماتی، سازمانهاي غیر انتفاعی،موسسات دولتی و سایر صنایع دنیا استفاده شده است. شرکتها به صورت رو به افزایشی از سیستمهاي اندازه گیري عملکرد جدید استفاده می کنند تا مقیاس هاسی غیر مالی را ثبت کنند. تحقیق مرتبط شامل تحقیق  Andrews (1996), Banker, Chang, and Pizzini (2004),
Banker, Potter, and Srinivasan (2000), Frigo (2002), Said,  و .HassabElnaby, and Wier (2003)
از زمان معرفی در اوایل دهه 1990 ، از یک ابزار اندازه گیري عملکرد ، به یک ابزار مدیریت استراتژیک تحول یافته است. متودولوژي BSC زیر بنایی براي فعالیتهاي  مدیریت استراتژیک ایجاد می کند.کارت امتیازي چهار فرایند جدید مدیریتی را معرفی می کند که به صورت جداگانه و در ترکیب با یکدیگر در ایجاد ارتباط بین اهداف بلندمدت استراتژیک و فعالیتهاي کوتاه مدت مشارکت دارند. با ترکیب دیدگاههاي مالی، مشتري، فرایند داخلی و یادگیري ورشد BSC، به مدیران کمک  می کند که روابط مختلف وتاثیرات علت و معلولی را شناسایی کنند.
این شناخت در برتري یافتن مدیران بر نکات سنتی با توجه به موانع عملیاتی و در نهایت بهبود تصمیم گیري و حل مسائل کمک می کند. مرور اجرایی و استراتژیک می تواند تیم مدیریت را در مرور برنامه استراتژیک، فرایند برنامه ریزي کمک کند که شامل مقیاس هاي BSCو نقشه هاي استراتژي است. برنامه ریزي استراتژیک در  کسب وکار بسیار مهم است،. یک برنامه استراتژیک از برنامه عملیاتی متفاوت است.
یک برنامه استراتژیک باید مفهومی، داراي چشم انداز و جهت دار باشد. با توجه به پیچیدگی و اهمیت برنامه ریزي استراتژیک ، سیستم مبتنی بر دانش(KBS) غالبا ، براي حمایت از تصمیم گیري استفاده می شود. سیستم هاي مبتنی بر دانش،(KBS)  ابزار مبتنی بر کامپیوتر هستند که تصمیم گیري مدیریتی را با ارائه گزینه هاي موثر مختلف ساده تر می کنند. در دهه 1990 ، سیستم هاي هوشیار مبتنی بر دانش نقش مهمی در ابزارهاي حمایتی تصمیم گیري داشتند. اما مطالعات کمی KBS را در برنامه ریزي استراتژیک نشان می دهد که استراتژي را بر پایه دیدگاهها ي BSC  تعیین یا انتخاب می کند. KBSمی تواند به عنوان ابزار برنامه ریزي استراتژیک براي برنامه ریزي یا تعیین استراتژي بر پایه اطلاعات تصمیم گیري استفاده شود. KBS براي پیشنهاد مراجع براي کمک به تصمیم گیرندگان در تصمیم گیري هاي  صحیح و در برخورد با موقعیت هاي پیچیده و مقادیر زیاد اطلاعات کمک می کند سیستم هوشیار مبتنی BSC مبتنی بر دانش (BSCKBS)، براي توسعه سیستم برنامه ریزي استراتژیک و براي استقرار سیستم هاي کسب وکار و حمایت از نیازها طراحی شده است. متعاقبا KBS کاربرد مبتنی بر دانش را طراحی می کند و استراتژي  هاي مدیریت را بر پایه ارزیابی از استراتژي و چشم انداز کسب و کار ایجاد می کند.بر پایه موضوعات بالا، این کار دو هدف مرتبط دارد: 1- براي پشنهاد چارچوب منسجم براي ابزار BSC و سیستم KBS به کمک فرایند تحلیل سلسله مراتبی و -2  توسعه سیستم KBSBSC براي برنامه ریزي استراتژیک که استراتژي شرکت را از  دیدگاههاي زیر تعیین یا انتخاب می کند: رشد و یادگیري، فرایند داخلی کسب وکار، مشتري و عملکرد مالی. به کمک شیوه AHP در تحلیل ها، این کار بررسی می کند که مدیریت چگونه اهداف و مقیاس ها را به کمک سلسله مراتب BSC می تواند انتخاب کند. این کار دو موضوع مهم رار مورد توجه قرار می دهد: تعیین اهداف و انتخاب مقیاس هاي مناسب.
مدیران شرکت به خوبی آگاه هستند که استقرار سریع تغییرات مشکل است. اما برنامه ریزي استراتژیک براي اجراي استراتژي مهم است. این تحقیق کاربرد AHP در اولویت بندي مقیاس ها و استراتژي ها در چارچوب BSCرا شرح می  دهد و تلاش می کند که سیستم پشتیبان تصمیم گیري هوشمند مدیریت و برنامه ریزي استراتژیک BSCرا براي برنامه ریزي استراتژیک ایجاد کند، یعنی سیستم مبتنی بر دانش BSC
.(BSCKBS)
ادامه این تحقیق به این ترتیب است: بخش 2 به صورت مختصرKBS و کاربردهاي مرتبط را مرور می کند. بخش 3 به صورت خلاصه دیدگاه BSC و تحقیقات مرتبط را مرور می کند.  بخش 4تئوري AHP و تحقیقات مرتبط را بیان می کند. سپس در بخش 5، معماري BSCKBS و مفاهیم مرتبط بیان می شود. در نهایت نکان انتهایی و خلاصه فصل در بخش 6 ارائه می شود.
-2 سیستم مبتنی بر دانش و کاربردها
2-1 مفهوم سیستم مبتنی بر دانش KBS
تکنولوژي کاربر کامپیوتر با تکنولوژي بالا، سیتم مبتنمی بر دانش KBS را به عنوان یک سیستم کامپیوتري که براي تسهیل حل مسائل نیروي انسانی از طریق ترکیبی از هوش مصنوعی و پایگاهی از دانش مربوط به حوزه خاص تعریف می کند. سیستمهاي مبتنی بر دانش، بر پایه روش ها وتکنیکهاي هوش مصنوعی (AI) هستند. اقلام اصلی سیتم هاي مبتنی بر دانش عبارتند از : مکانیزمهاي مبتنی بر دانش و علت یابی. KBS مانند سیستمهاي حل مساله، براي کسب اطلاعات از یک  سیستم مبتنی بر دانش تلاش می کند و از این اطلاعات در کسب نتایج مفید و براي تصمیم گیري استفاده می کند. KBS سیستمهاي مبتنی بر کامپیوتر هستند که دانش  را در غالب شیوه هایی براي حل مساله و به منظور کمک به انسانها در حل مساله  ارائه می کنند. در عملKBS ، خلاصه اي براي سیستم مبتنی بر دانش است در ادبیات KBSBSC، Dhaliwal and Benbasat (1996) فرض کردند که چهار جزئ اصلی KBS عموما به این ترتیب هستند: مبناي دانشی، موتور واسط، ابزار مهندسی دانش، و واسطه خاص کاربر. (2002)Albermani & Chau پیشنهاد کردند که KBS سه جزء پایه اي اصلی دارد: پایگاه دانش، مکانیسمهاي محتوا و واسط کاربر. بنابراین پایگاه دانش، مرکز اصلی KBS است و شامل دانش تخصصی حوزه است که از طریق انواع تکنیکهاي نمایش جمع آوري شده است.( مانند شبکه ها، چارچوبها و منطق هاي سمانتیک)، تکنی یا شیوه اي که بسیار استفاده می شود، قانون تولید اگر ( شرط)، آنگاه (عمل) است.
2.2 کاربرد KBS
 در طول دهه 1990 ، محققان و دانشمندان اهمیتKBS را شناسایی کردند و مفاهیم  مرتبط با آن یکی از مهمترین مباحث مرتبط با ابزار پشتیبان تصمیم گیري یا سیستم هاي اطلاعات مدیریت شد. KBSاز زمان توسعه در مطالعات و مباحث مختلفی  استفاده شد که شامل ارزیابی عملکرد، وام تجاري ،طراحی استراتژي پشتیبانی، تولید کشاورزي، ادغام و تحصیل یا طراحی براي زلزله ، پویایی هاي سیستم، انتخاب تجهیزات حمل ونقل، مدیریت خدمات مشتري و کسب دانش است. براي مثال، Wang 2007  چارچوب ارزیابی با نام DSSPE ، براي ارزیابی موسسات دولتی (SOE )، به کمک مدلهاي DEA پیشنهاد کرد که شامل زیر سیستمهاي پایگاه  اطلاعاتی مدیریت، زیر سیستم مبتنی بر مدل، زیر سیستم کسب دانش و زیر سیستم دیالوگ استKumra در سال 2006 ، شیوه تخصصی مبتنی بر سیستم MRA را براي تامین اعتبار وامهایی که به صورت تجاري براي بیش از 10 سال در موسسات مختلف مالی شرح داد. Chaw 2005 فرض کرد که سیستم مبتنی بر دانش KLSS براي کاربرد در هنگ کنگ، منطقه Peal Delta River مناسب بود که اثربخشی تنظیم استراتژي پشتیبانی را با ادغام تکنیکهاي مانند جمع آوري داده ها، پردازش تحلیلی آن لاین، مدیریت چندبعدي پایگاه داده ها و علت یابی مبتنی بر مورد را تقویت می کند. Pomar & Pomar  سیستم پشتیبانی تصمیم گیري مبتنی بر دانش به نام CULLSOW را براي شناسایی خوکهاي چاق با قدرت کمتر را در شرکتهاي تجاري خوك طراحی کردند. متعاقبا KBS ، اخیرا موفقیت قابل توجهی در مطبوعات مدیریت اطلاعات فعلی کسب کردند.
3- کارت امتیازي متوازن
3.1 دیدگاه کارت امتیازي متوازن (BSC)
فرایند کارت امتیازي متوازن در اولین نسخه اي که توسط اپلان و نورتون طراحی شد، شامل چهار دیدگاه است: رشد و یادگیري، فرایند داخلی ،مشتري ومالی.  BSCشیوه استراتژیک و سیستم مدیريت عملکرد است که سازمانها براي استقرار چشم انداز و استراتژي استفاده می کنند. مدل BSC شامل چهار فرایند جدید مدیریتی است  که به صورت جداگانه و در ترکیب با یکدیگر در ایجاد ارتباط بین اهداف بلند مدت و اهداف استراتژیک با اقدامات کوتاه مدت است. شرکتها و صنایع زیادي BSC را استفاده کرده اند که نیاز هاي مختلف مدیریتی را پاسخ دهند.مدل BSCچیزي  بیش از مجموعه اي از مقیاس هاي مالی و غیر مالی است و ترجمه اي از استراتژي واحدهاي کسب وکار به مقیاس هاي مرتبطی که اهداف استراتژیک بلندمدت و مکانیسم ها را براي دستیابی و کسب بازخورد با توجه به آن اهداف تعریف میکند. بنابراین کاپلان و نورتون ابزار جدید قدرتمندي طراحی کردند. نقشه استراتژي که شرکتها می توانند براي تشریح ارتباط و ایجاد ارزش با درجه بسیار بالاي دقت و وضوح استفاده شوند. نقشه استراتژي براي ایجاد ارتباط بین فرایندها با نتایج مطلوب استفاده کنند. براي ارزیابی ، اندازه گیري و بهبود فرایندهایی که براي موفقیت حیاتی تر هستند و هدف گذاري سرمایه گذاري ها در سرمایه انسانی، اطلاعاتی و سازمانی. مدل BSC چهار دیدگاه مرتبط را بر فعالیتهایی که با احتمال  زیادي براي بسیاري از سازمانها حیاتی هستند و براي تمام سطوح درون سازمانی ضروري هستند: 1- سرمایه گذاري در ظرفیت هاي رشد و یادگیري، 2- بهبود
کارایی هاي فراین داخلی، 3- ارائه ارزش مشتري و 4- افزایش موفقیت مالی.
3.1.1 دیدگاه رشد و یادگیري
کاپلان و نورتون 1992 ، مدل BSC  بر فعالیتهایی که دیدگاه رشد و یادگیري را  توسعه می دادند، بنا نهادند. این دیدگاه توانایی کارکنان سیستم هاي اطلاعاتی و جهت دهی سازمانی را براي مدیریت کسب وکار و انطباق با تغییرات ایجاد می کند. موفقیت فرایند بسته به کارکنان توانمند و با انگیزه و اطلاعات به موقع و صحیح دارد.
3.1.2 دیدگاه فرایند داخلی
مدل علی BSC  فرض می کند که توانمندي هاي کارکنان موجب بهبود فرایندهاي  داخلی می شود. کاپلان و نورتون فعالیتهاي زنجیره ارزش اصلی شرکت را به چهار- حوزه فرایندهاي سطح بالا تقسیم کرده اند: 1- وآوري، 2- مدیریت مشتري 3 عملیات 4-قوانین و محیط.هر یک از این حوزه ها می تواند شامل فرایندها و فرایندهاي اصلی باشد. نمودار دایره اي سازمانی به این ترتیب به شیوه هاي مختلفی قابل تقسیم است.
3.1.3 دیدگاه مشتري
دیدگاه مشتري نتایج مرتبط با تحویل مفروضات متفاوت ارزش را شناسایی می کند. این نتایج شامل سهم بازار در بخش خاص مشتري، اختصاص حساب به مشتریان هدف، کسب و جهت دهی مشتریان در بخش هاي هدفمند و سودآوري مشتري است. بسیاري از مطالعات رابطه آشکاري بین رضایت مشتري و عملکرد نشان دادند. مانند تحقیق Jones, Sasser, and ، Banker et al. (2000), Heskett,

Schlesinger (1994), Ittner and Larcker (1998)
 
3.1.4 دیدگاه مالی
مقیاس هاي عملکرد مالی نشان می دهد که آیا استراتژي شرکت ، استقرار و اجراي آن در بهبود خطوط پایینی مشارکت دارند یا نه. بعد مالی شامل سه مقیاس بسیار مهم براي سهامدار است. بازگشت سرمایه و جریان نقدي، ترجیحات کوتاه مدت را نشان می دهد در حالیکه پیش بینی اطمینان مدیران شرکت براي کاهش عدم اطمینان تاریخی مرتبط با تغییر غیر منتظره در عملکرد را نشان می دهد.در نهایت سودآوري پروژه به عنوان واحد اصلی برنامه ریزي و کنترل تاکید دارد.در حالیکه حجم فروش به کاهش عدم اطمینان در باره عملکرد کمک می کند.
KBS 3.2و BSC
طبق تحقیق کاپلان و نورتون1992  مدل BSC  به عنوان چارچوبی براي تسهیل  انعطاف پذیري استراتژي کسب وکار در مقیاس هاي عملکرد استراتژیک تعریف و طراحی شده که نتیجه کلیدي ( عملکرد) مقیاس ها در هر دیدگاه شاخص هاي کلیدي در دیدگاه بعدي می شوند. در طول دهه گذشته محققان علاقمند به BSC  بحث کردند که مدل  BSCابزار ارتباطی موفق است و در دستیابی به جهت گیري ها و برنامه ریزي هاي استراتژیک کمک میکند. مدل BSC در هم سو سازي افراد و فرایندها با استراتژي سازمانی کمک می کند. طراحان استراتژیک از فرایند منحصر به فرد مدیریت که به عنوان جریانی براي هم سو سازي مقیاس هاي عملکرد بااستراتژي کسب وکار عمل می کند، استفاده می کنند.
ادبیات گذشته در زمینه BSC در این بخش مرور می شود. Bernard & Nellپیشنهاد کردند که استقرار وسیع BSC نیازمند پشتیبانی IT است. تنها مطالعات کمی درباره KBS یا DSS را با BSC در نظر گرفته اند مانند تحقیق، al. (2005), Martinsons et al. (1999), Sohn  Berler et
 (2003), Sundararajan et al. et. (1998).
براي مثال Berler 2005 مدل اطلاعاتی براي مدیریت دانش ، KM و بر مبناي استفاده از شاخص هاي کلیدي عملکرد KPI در سیستم هاي بهداشتی استفاده کردند. علاوه بر این Sohn  2003،رابطه بین استراتژي هاي شرکت ، نیروهاي محیطی و مقیاس هاي عملکرد BSC را به کمک AHP مطالعه کردند.بر  پایه شواهد تجربی آنها، یک سیستم پشتیبان تصمیم گیري براي بازیابی اوزان BSC شرکت، با ویژگی هاي مشابه پیشنهاد می شود Martinson  1999 کارت امتیازي  متوازن براي سیستم اطلاعاتی طراحی کرد که فعالیتهاي سیستم اطلاعاتی را از دیدگاههاي زیر اندازه گیري و ارزیابی می کرد: ارزش کسب و کار ، جهت گیري کاربر، فرایند داخلی و امادگی براي آینده. هر چند 1998 Sundaraarjam کاربرد سیستم پشتیبان تصمیم گیري را براي تصمیم گیري عملیاتی در صنعت پردازش غذایی پیشنهاد کرد. تحقیق بالا نشان داد که BSCبه عنوان ابزار مهم پشتیبان تصمیم گیري در مدیریت استراتژیک ظهور کرده است.

-4 فرایند تحلیل سلسله مراتبی
4-1 روش فرایند تحلیل سلسله مراتبی  AHP
AHP براي انعکاس تفکر واقعی انسانها در اوائل دهه 1970 و در پاسخ به نیازهاي تخصیص منابع کمیاب و برنامه ریزي ارتش ایجاد شد. AHP فرایند تصمیم گیري منعطف و قدرتمندي براي کمک به افراد در تعیین اولویت ها و انتخاب بهترین تصمیمات در موقعیتهایی است که براي در نظر گرفتن جنبه هاي کیفی و کمی یک تصمیم ضروري است. با کاهش تصمیمات پیچیده به مجموعه اي از مقایسات یک به یک شرکتها نتایج را بررسی می کنند. AHP ابزار سلسله مراتبی ارائه سیستم است.  و تصمیم گیرندگان را در ساختاردهی یک تصمیم به اجزا کوچکتر از یک هدف تا هدف بلندمدت ، هدف فرعی و در نهایت اعمال جایگزین کمک می کند. تصمیم گیرندگان مقایسات جفتی ساده را در سلسله مراتب و براي اولویت بخشیدن به گزینه ها ارائه می کنند. مساله تصمیم، می تواند شمال عوامل سیاسی، اجتماعی، تکنیکی و اقتصادي باشد. AHP به افراد در انطباق با محیطهاي محرك، منطقی ، غیر منطقی و مخاطره آمیز و پیچیده کمک میکند. AHP به منظورهاي زیر قابل  استفاده است: پیش بینی خروجی ها، برنامه ریزي براي آینده پیش بینی شده و مطلوب، تسهیل تصمیم گیري گروهی، اجراي کنترل بر تغییرات در سیستم تصمیم گیري گروهی، تخصیص منابع،انتخاب بین گزینه ها، اجراي مقایسات تحلیل هزینه / منفعت، ارزیابی کارکنان و تعیین افزایش دستمزد. AHP چارچوب جامع، منطقی و ساختاري که امکان درك تصمیمات پیچیده را از
طریق شکافتن مسائلی که در ساختارهاي سلسله مراتبی قرار دارند ،تسهیل می کند.
دخالت دادن تمام معیارهاي مرتبط تصمیم گیري و مقایسه جفتی آنها به تصمیم گیرندگان اجازه می دهد که ارتباط بین اهداف را مشخص کنند. AHP به صورت صریح دانش و تخصص افراد در محیطهاي خصوصی را از طریق استفاده از قضاوتهاي ذهنی آنها، در مواقعی که پایه اطلاعاتی ضعیف است، به کار می گیرد.
هر چند، AHPاطلاعات اندازه گیري شده واقعی را ( مانند بازده) با یکدیگر ادغام کرده و این گونه اطلاعات را در دسترس قرار می دهد.
کاربرد AHP  بر پایه چهار اصل زیر است :
-1 تجزیه: یک مساله تصمیم گیري پیچیده به سلسله مراتبی تقسیم می شود که در هرسطح آن اجزا قابل مدیریت کمی وجود دارند و هر یک به نوبه خود تجزیه می شوند.
-2 اولویت بندي: شامل مقایسات جفتی اجزا مختلف است که در یک سطح با توجه به اقلام در سطح بالاتر قرار گرفته اند.
-3 ترکیب: اولویتها از طریق اصل ترکیب سلسله مراتبی براي ارزیابی کلی گزینه ها طبقه بندي می شوند.
-4 تجزیه و تحلیل حساسیت: ثبات خروجی با آزمون بهترین گزینه در برابر تغییرات از نوع "WHAT_IF"  در اولویت معیارها تعیین می شود
BSC 4.2و AHP
با توجه به توانایی AHP در کمک به سازمانها یا شرکتها درانتخاب بین گزینه هاي  مختلف چشم اندازي و ماموریتی، انتخاب بین استراتژي هاي مختلف، و تخصیص منابع براي استقرار استراتژي هاي سازمانی و اهداف ؛ به صورت موفقیت آمیزي در مطالعات مربوط به BSC شامل تحقیقات زیر بررسی شده است:
Fletcher and Liberatore and Miller ؛ Smith (2004), Leung, Lam, and Cao (2006), (2003), Stewart and Mohammed ، (1998), Reisinger, Cravens,Tell (2001).
Leung, Lam, and Cao (2006) ازAHP  و فرایند شبکه هاي تحلیلی ANP براي تسهیل استقرار BSC استفاده کردند Fletcher and Smith (2004) سیستم ارزش افزوده داخلی را با BSC به کمک متدولوژي AHP ارتباط داده اند تا  سیستم جامع اندازه گیري براي ارزیابی عملکرد کلی سازمان طراحی کنند.
 2003 Reisinger ، AHP  را به عنوان مکانیزمی براي اولویت بندي مقیاس هاي سازمانی BSC استفاده کرده اند. Liberatore and Miller (1998)  شیوه اي با نام AHP ، براي ارتباط مقیاس هاي کلیدي عملکردBSC براي اهداف کلی شرکت طراحی کرد.
AHP 4.3و KBS
ادبیات در زمینه AHP شامل مطالعات مختلف با استفاده از DSS یا KBS و AHP است که شامل
Fletcher mith (2004), Leung, Lam, and Cao ،(2006),Siberatore and Miller (1998), Reisinger, Cravens, and Tell Song and Lee (2002), .(2003), Stewart and Mohammed (2001). Sundarraj (2004. (
Sundarraj (2004) شرح داد که چگونه یک سیستم مبتنی بر وب می تواند مدیریت ، و پشتیبانی قراردادهاي خدمات را به کمک شیوه AHP استاندارد کند. Phillips-Wren (2003) چارچوبی براي ارزیابی ، DSS هایی که مقیاس هاي مبتنی بر خروجی و فرایند را با یکدیگر ترکیب می کنندرا پیشنهاد کردند. Aguaron et al. (2003) بر ارزیابی تطابق قضاوتهاي انسانی در سیستم هاي پشتیبان تصمیم گیري به کمک فرایند AHP تمرکز کردند.  Forgionne et al. (2002) از فرایند تحلیل سلسله مراتبی براي ارزیابی 20 ژورنال پیشرو مرتبط با DSS ها استفاده کردند و رتبه بندي ژورنال DSS را براي کمک به ارزیابان در شناسایی ژورنالهاي DMSS  با کیفیت بالا استفاده کردند.علاوه بر این، Song and Lee  (2002) استراتژي علت یابی پویایی پیشنهاد کردند که می تواند رفتار پویاي تصمیم گیري را به کمک سیستم مبتنی بر دانش و طبق قوانین فازي ارائه کند. در نهایت Leung (1998)، یک سیستم پشتیبان تصمیم گیري کیفی/ کمی براي ارزیابی CIM ایجاد کردند که اهداف و ویژگی هاي عملیاتی شرکت را در نظر می گرفت. بنابراین از این موضوع که تکنولوژي انتخابی با تک تک نیازهاي شرکت مورد انطباق است، اطمینان حاصل می کند.
5. معماري سیستم مبتنی بر دانش BSC
5.1  معماري BSCKBS
طبق تحقیقات گذشته، هدف اصلی این کار پر کردن شکاف در تحقیقات با ترکیب تکنیکهاي BSC ، KBS و AHPبراي تولید شیوه توسعه یافته اي براي برنامه ریزي استراتژیک و تصمیم گیري است . KBS نرم افزار کامپیوتري است که داده هاي کسب وکار را تحلیل می کند و این داده ها را براي تسهیل تصمیم گیري کاربر ارائه می کند. اطلاعات معمولی که ممکن است توسط یک سیستم پشتیبان تصمیم گیري حمع آوري و ارائه شود، شامل: 1: مقیاس هاي غیر مالی، 2: داده ها و اطلاعات مقایسه اي مالی ، 3: توالی گزینه هاي مختلف تصمیم گیري در تجربیات گذشته با زمینه خاص. یک KBSاطلاعات را به صورت گرافیکی نمایش می دهد و می تواند شامل یک سیستم تخصصی یا هوش مصنوعی باشد. یک KBS می تواند بر مدیران اجرایی یا سایر گروههاي کارگران دانشی تمرکز کند.
KBS طبقه خاص سیستمهاي اطلاعاتی کامپیوتري هستند که تصمیم گیري سازمانی و تجاري را پشتیبانی می کنند.یک سیستم KBSبه خوبی طراحی شده ،سیستم فعال مبتنی بر نرم افزار است که براي کمک به تصمیم گیرندگان در پردازش اطلاعات مفید از داده هاي خام، اسناد، دانش فردي یا مدلهاي کسب وکار براي حل مساله و تصمیم گیري استفاده می کند.متعاقبا این مطالعه یک KBS نمونه اي را به کار می گیرد تا مدیریت سیستم پایگاه داده ها ،مبتنی بر مدل، کسب دانش، سیستمهاي فرعی محاوره اي را براي ایجاد یک سیستم مبتنی بر دانش براي برنامه ریزي استراتژیک به یکدیگر متصل می کند .(BSCKBS) .
BSCKBS شامل چهار جز اصلی است: همانگونه که در شکل 1 نیز نشان داده شده  است،: سیستم فرعی مدیریت پایگاه داده ها، سیستم فرعی مبتنی بر مدل، سیستم فرعی کسب دانش، سیستم فرعی محاوره. سیستم فرعی مدیریت پایگاه داده ها شامل یک پایگاه رابطه اي است که توسط یک برنامه نرم افزاري مدیریت می شود و به نام سیستم مدیریت پایگاه داده ها شناخته می شود. و بازیابی سریع داده ها، به روز رسانی و ایجاد ارتباط بین داده ها را سریعتر می کند. پایگاه داده هاي BSCKBS شامل داده هاي فعلی و تاریخی، اطلاعات مالی و غیر مالی، پرسشنامه  تخصصی از کاربردهاي مختلف یا واحدهاي مختلف است. سیستم فرعی مبتنی بر مدل شامل مدل AHP است که سیستم را قادر به تعیین اوزان خاص استراتژي می کند.زبانهاي مدلسازي براي ساختن مدلهاي کافی به عنوان سیستم مدیري مبتنی بر مدل شناخته می شوند.این تحقیق بر استفاده از مدل AHP براي ارزیابی اوزان تصمیم گیري استفاده می شود. در عین حال، سیستم فرعی کسب دانش هر یک از سیستمهاي فرعی را پشتیبانی می کند و میت واند به صورت جداکانه نیز عمل کند.
سیستم فرعی کسب دانش گزینه هاي مختلف یا فعالیتهاي مختلف را براي تصمیم گیرندگان ارائه می کند.علاوه بر این سیستم فرعی کسب دانش می تواند با سیستم مبتنی بر دانش شرکت مرتبط شود.در نهایت، سیستم فرعی محاوره از محیط بسیار مناسب براي ارتباط و دستورگیري KBS از طریق این سیتمهاي فرعی عمل می  کند. بخش بعد هر یک از اجزا سیستم BSC مبتین بر دانش را به صورت مشروح بررسی
می کند و عملیات کاربردي را نشان می دهد.




 

1 -ساختار سیستم BSC مبتنی بر دانش شکل .(BSCKBS)

5.2 پایگاه داده ها
یک پایگاه داده، ساختار کامپیوتري مشترك است که منسجم، و مشترك است و مجموعه اي از داده هاي کاربر نهایی را که شامل حقایق خام مورد علاقه کاربر است ، در خود جمع آوري کرده است.که به ان داده درباره داده می گویند.یک سیستم مدیریت پایگاه داده ها(DBMS) نیازمند مدیریت داده ها،پاسخ به ، درخواستهاي موقت، بهبود دسترسی ،و کاهش عدم تطابق داده ها است. DBMS  مجموعه اي از برنامه هایی است که ساختار پایگاه داده ها را مدیریت می کند و دسترسی به داده هاي مشمول آنرا تسهیل می کند. DBMS مورد استفاده در اینجا از نرم افزار ACCESSبراي ایجاد پایگاه داده ها استفاده می کند و از ODBC براي ارتباط داده ها در پایگاه داده ها استفاده می کند. پایگاه داده مورد نظر در این تحقیق از پرسشنامه هاي تخصصی تشکیل می شود .پرسشنامه تخصصی به صورت الکترونیکی از تمام شرکت کنندگان جمع آوري می شود.داده ها همانگونه که در شکل 2 نشان داده شده است، جمع آوري می شود. ابتدا سیستم لیست شرکت کنندگان را شناسایی می کند. سپس متغیرهاي وابسته از دید BSC کسب می شوند  که شامل رشد و یادگیري، فرایند داخلی، دیدگاه مشتري و مالی است. پایگاه داده شامل اطلاعات زمان بندي شده مرتبط در سیستم مبتنی بر دانشKBS)BSC ،(BSC شامل ماتریس مقایسات زوجی است.ماتریس مقایسات زوجی براي تعیین ، اهمیت نسبی بین اجزا مختلف ایجاد می شود.یک مقیاس اسمی با ارزش ها از 1 تا 9
براي اندازه گیري اوزان مختلف استفاده می شود( جدول 1 ).سیستم ارزش مقایسه جفتی معیارها و استراتژي ها را به کمک سیستم BSC مبتنی بر دانش مبتنی بر وب در پایگاه داده ها وارد می کند .
 
شکل 2 : جمع آوري داده ها

 
5.3  پایه مدل
مدلهاي ریاضی براي استفاده در مسائل تصمیمی گیري با ساختار مناسب بسیار خوب هستند که منجر به راه حل هاي بهینه می شود. در حالیکه سیستم هاي مبتنی بر قانون دانشی، براي بحث درباره مسائل بدون ساختار و نیمه ساختار یافته مناسب تر هستند.الگوریتم هاي ذهنی براي کسب جوابهاي موجه استفاده می شوند. این مطالعه از یک مبناي مدلی بر سیستم پشتیبان تصمیم گیري براي توسعه مدل AHP  براي برنامه ریزي و مدیریت استراتژیک BSC استفاده می کند. یک نمایش سلسله مراتبی از یک سیستم است. براي تلخیص توابع AHP  روش به ،  صورت خلاصه آورده می شود:
مرحله 1- مساله تصمیم: وزن دهی به معیار انتخاب
مرحله 2- چارچوب انتخاب پرسنل
مرحله 3- استقرار سلسله مراتب تصمیم. این مرحله مسائل تصمیم گیري راا در ك
سلسله مراتب طبقه بندي می کند. همانگونه که در شکل 3 نمایش داده شده است.
BSCKBS  از یک سلسله مراتب سه سطحی براي ارتباط استراتژي BSC  با اهداف  سازمانی استفاده می کند.با توجه به رتبه بندي در رده اهمیت ، این سه سطح عبارتند از: 1- اهداف سازمانی، 2- چهار جزء BSCو 3- استراتژي هاي سازمانی.
مرحله 4: جمع آوري داده هااز پنل انتخابی
مرحله 5: استفاده از مقایسات زوجی. این مرحله شامل مقایسه گزینه هاي مختلف و معیارهاست. مقایسات زوجی براي هر جزء از سطح بالاتر بعدي انجام می شود. این مقایسه به کمک مقیاس استفاده شدهدر جدول 1 انجام می شود. این مقیاس مقایسات رابه صورت کلمه اي، و این مقایسات کلمه اي، به صورت عددي بیان می شوند.
BSC مجموعه اي از مقایسات زوجی را در قالب ماتریس مربع ارائه می کند مانند ماتریس A که  ارزش نسبی با توجه به فاکتور ، با توجه به فاکتورJ ام i است   و  .
   
 
شکل: 3 ساختار اولیه سلسله مراتب  BSC

مرحله 6: تخمین اوزان نسبی براي هر سطح سلسله مراتبی
مرحله 7: محاسبه درجه تطابق (CI)  و نسبت انطباق(CR)   براي بررسی اعتبار نتایج Saaty فرایند ساده اي را براي بررسی انطباق پیشنهاد کرده است.سپس از فرایند AHPبراي تعیین درجه انطباق براي ماتریس استفاده می شود. اگر ارزش CR بیش از 0.1 که حد بالاي قابل قبول CRاست، باشد، آنگاه احتمال 10 % را نشان می دهد که اجزا به صورت مناسب با یکدیگر مقایسه نشده اند.
اگر ماتریس مقایسات زوجی، منطبق باشد، حداکثر مقدار مشخصه λ باید برابر با تعداد ردیف هاي آن باشد.(n) تفاوت بین این دو عدد براي ارزیابی انطباق  استفاده می شود. درمرجع ردیفها، محاسبات نسبت انطباق براي قضاوت درباره درجه انطباق استفاده می شود. اگر شاخص انطباق(CI)< 0.1باشد، سطح انطباق رضایت بخش است. ارزیابی در صورت شناسایی هر گونه عدم انطباق قابل اجراست. نسبت انطباق(CR)براي تعیین انطباق منطقی محاسبه می شود. نسبت انطباق به این ترتیب محاسبه می شود:
نسبت انطباق=(CR)  CI/RI
که = CI شاخص انطباق = (1- n) (n-&lambda;) و λ متوسط مقیاس انطباق براي تمام گزینه ها ست. N  برابر تعداد گزینه ها، و RI شاخص تصادفی مناسب است.
مرحله 8: محاسبه اوزان نسبی رتبه بندي با درجه قابل قبول انطباق براي انتخاب معیار.
5.4 علت یابی بر مبناي قاعده
ارائه دانش، در عیت یابی دانشی مهم است. ارائه مناسب دانش، بر عملکرد سیستم اطلاعاتی اثرگذار است. علت یابی بر مبناي قاعده نیازمند دامنه با ساختار مناسب و مبناي دانشی است. سیستمهاي مبتنی بر قاعده،(RBS) ، از طرح نمایشی فرایندي  بر مبناي قاعده اگر، آنگاه ،براي تشریح دانش دامنه استفاده می کنند (delaOssa)
Flores, Ga´mez, Mateo, & Puerta, 2007; Lau, Choy, Lau,Tsui, &
Choy, 2004; Sedbrook, 2001; Wang, 2005; Wanget al., 2007
قواعد به صورت " اگر" (شرط) ، آنگاه ( عمل) است. هر چند سیستمهاي مبتنی بر قاعده ،(RBS) ، همواره شامل قوانین با نوع " اگر مقدم، آنگاه تالی" هستند اما انها  در تئوري در نظر گرفته شده ( از لحاظ قاعده اي و معنی) با یکدیگر متفاوت هستند.(مانند منطق چند معیاره تصمیم گیري) در این تحقیق BSCKBS  بر منطق چندمعیاره تصمیم گیري تمرکز دارد ، یعنی AHP مبتی بر قانون با کاربرد دو نوع متفاوت سیستم هاي مبتنی بر قانون: قانون انطباق و قانون وزن.
 
جدول2 :  انواع مختلف قوانین تصمیم گیري
براي شفاف سازي فرایند زنجیره اي، جدول 2 مثالهاي مختلفی از قوانین مختلف که در BSC مبتنی بر دانش (BSCKBS) براي برنامه ریزي استراتژیک ،استفاده می  شود را نشان می دهد.
5.5 فرایند استقرار برنامه ریزي استراتژي سازمانی
برنامه ریزي استراتژیک براي اجراي استراتژي مهم است. این تحقیق شیوه منسجمی براي کارت امتیازي متوازن و سیستم مبتنی بر دانش با استفاده از AHP ارائه می کند و سپس یک سیستم ذهنی BSCKBS براي برنامه ریزي  استراتژیک ایجاد می کند که استراتژي هاي مدیریتی و عملیاتی شرکت را به کمک دیدگاههاي BSC تعیین یا انتخاب می کند. BSCKBS ذهنی می تواند به سرعت برنامه ریزي استراتژیک را مستقر کند.
براي استقرار BSCKBS  مرحله اول، شامل مصاحبه تیمی براي تایید دیدگاههاي ، عملکردي و مدیریت استراتژي به کمک تکنیک دلفی است. که هم رایی بر پایه نظارت تیم ایجاد می شود.متعاقبا، بر پایه نظارت و قضاوتهاي تیم به منظور کسب وزنهاي استراتژي اجرا می شود.
 
شکل 4: فرایند تعریف استراتژي هاي سازمانی
فرایند سیستمی در شکل 4 نشان داده شده است:
مرحله 1: ترجمه چشم انداز:
رهبران مدیریت ، اعضاي تیم پروژه را در حوزه هاي کلیدي براي نظارت و شناسایی پویایی هاي محیط کمک می کنند و چشم اندازي براي تیم پروژه و کسب وکار ارائه می کنند.
اعضاي تیم باید چشم انداز وماموریت سازمان را برپایه نظر رهبر یا تحلیل استراتژي تعیین و آن چشم انداز را در سازمان مستقر کنند،
مرحله 2: انتقال وبرقراري ارتباط
سیستم مبتنی بر وب BSCKBS  چارچوب مباحثه اي را با فضاي مجازي ارائه می کند. اعضاي تیم پروژه، از BSCKBSبراي انتقال استراتژي استفاده می کنند.
مرحله 3: برنامه رریزي کسب وکار و استراتژي
تیم ایده هاي استراتژیک بسیار خلاقانه و موثر را ایجاد می کند که به تغییرات در برابر کسب وکار پاسخگو باشد. اعضاي تیم یراي تنظیم استراتژي هاي شفاف کسب وکار بر پایه تحلیل کلی تلاش میکنند.
مرحله 4: تعریف استراتژي سازمانی
پس از تعریف و شفاف سازي چشم انداز و ماموریت سازمان، اعضاي تیم تلاش می کنند استراتژي هاي سازمانی را به کمک BSCKBSطراحی کنند. تیمها، استراتژي  ها را بر مبناي مزیاي رقابتی ماندگار ایجاد می کنند.
نتیجه گیري و تحقیقات آتی
6.1 نتیجه گیري
این کار بر این سوال که مدیریت چگونه می تواند اهداف و مقیاس ها را با کمک سلسله مراتب کارت امتیازي متوازن انتخاب کنند، می پردازد.این تحقیق KBSرا براي بررسی این سوال به کار می برد ، به عبارتی سیستم BSCKBS. متعاقبا این تحقیق طراحی یک سیستم BSCKBS را براي برنامه ریزي و مدیریت استراتژیک  شرح می دهد.بخش بالقوه این تحقیق، به این ترتیب است: اول، این تحقیق ابزار منطقی و و قابل اطمینان براي تک تک واحدهاي کسب وکار و براي تشریح و استقرار برنامه ریزي استراتژیک ارائه می کند. این تحقیق از شیوه غیرپارامتریک AHP براي تحلیل استراتژي هاي سازمانی و اوزان نسبی آنها استفاده می کند.بنا براین ،این تحقیق استفاده از فرایند تحلیل سلسله مراتبی براي اولویت دهی تمام مقیاس ها و استراتژي ها در یک سیستم BSC مبتنی بر دانش را پیشنهاد می  کند.دوم، این سیستم می تواند در تعیین اوزان استراتژي هاي خاص کمک کند. BSCKBSهوشمند می تواند مشتریان را کمک کند تا برنامه هاي استراتژي را به منظور کسب نتایج بهتر کسب وکاربه صورت اثربخش اجرا کند. بنابراین، سیستم BSCKBS
هوشمند، براي شروع و کسب وکارهاي بالغ و واحدهاي استراتژیک کسب وکار مفید است.
6.2 کاربرد و تحقیقات آتی
این تحقیق نتایج تئوریکی ، تحقیقی و عملی را نتیجه گیري می کند. این تحقیق کاربردهاي عملی زیادي دارد. BSC ابزار مفیدي براي تعیین اهداف و مقیاس هاي مناسب براي تسهیل دستیابی به اهداف ارائه می کند. مدیریت براي یادگیري نحوه اجراي  BSCKBS براي دستیابی به مزایاي رقابتی سازمانی و برنامه ریزي استراتژیک اثربخش تلاش میکند.این تحقیق نتیجه می گیرد که مدیران شرکت یا سازمان، از این تحلیل ها براي شناسایی و مدیریت شاخص هاي استراتژیک و ارتباط زمانی که BSCKBSرا انطباق می دهد، استفاده می کند.  تحقیقات آتی می تواند در توسعه BSCKBS کمک کند، که نه تنها شامل مفهوم معماري BSCKBS شوند، بلکه استفاده کاربردي انرا نیز نشان دهند.
اول BSCKBS ، مبتنی بر شبکه وب است ،و از ویندوز براي دسترسی به اینترنت استفاده می کند.این سیستم با استفاده از HTML و ASPطراحی شده است.و به  کمک پایگاه داده ACCESSمدیریت می شود. دوم، اخیرا سیستمهاي علت یابی مبتنی بر قاعده (RBR) ،مبتنی بر مورد ،(CBR) و مبتنی بر مدل (MBR) به عنوان متدولوژي هاي مهم و تکمیلی براي کاربرد در سیستمهاي هوشمند ، ظهور کردند .براي حل مسائل پیچیده، ادغام RBR,CBR,MBR، در تصمیم گیري مهم است.در آینده BSCKBS باید RBR,CBR,MBR را به منظور برنامه ریزي استراتژیک و اجراي استراتژي ادغام کرد.
در نهایت، پیشنهاد می شود که شیوه بررسی ده ر این تحقیق، در سایر صنایع و شرکتهانیز اجرا شود.مطالعات آتی باید بر اعتبار BSCKBS پیشنهاد شده و اهداف استراتژیک مرتبط و مقیاس هاي عملکردي ، استقرار BSCKBSبراي سایر شرکتها  و سازمانها تمرکز کند، تا اثربخشی آنرا براي برنامه ریزي استراتژیک آزمون کند.

ارسال شده توسط احمد محمدی | 28 12, 2013 | بازدید‌ها (775)
 
داده‌گاه
 

بخشی از اطلاعات موجود در انبار داده در داده‌گاه نگهداری می‌شود. این اطلاعات بر حسب نیاز گروه‌هایی که در بخش ITسازمان فعالیت می‌کنند‌انتخاب و استخراج می‌شوند. در حالت کلی، اطلاعات مذکور از منابع اطلاعاتی مختلف موجود در سطح سازمان قابل تهیه هستند. معمولا اطلاعات موجود در داده‌گاه از یک انبار داده ستخراج‌می‌شود. در مجموع می‌توان گفت در یک داده‌گاه ایجادشده برای یک گروه، اطلاعاتی وجود دارد که گروه مذکور، از لحاظ تحلیلی و محتوایی به ان نیاز دارند و این اطلاعات را می‌توان به فرمت مناسب برای گروه مذکور نمایش داد. داده‌گاه‌ها به سه صورت وابسته، منطقی و ODS[1]وجود دارند.

  • داده‌گاه وابسته: یک پایگاه داده فیزیکی است که ممکن است سخت‌افزار ان از سخت‌افزار انبار‌ داده مجزا باشد و شامل زیر مجموعه‌های کوچکی از اطلاعات می‌شود.
  • داده‌گاه منطقی: به صورت فیزیکی وجود ندارد بلکه یک نمای فیلتر‌شده از انبار داده است. این نوع داده‌گاه نیازی به حافظه اضافی ندارد و داده‌ها همیشه بروز هستند. البته در این نوع زمان پاسخ‌دهی سیستم بیشتر خواهد‌ بود.
  • ODS: پایگاه داده یکپارچه از داده‌های عملیاتی سازمان هستند که معمولا اطلاعات باارزش یک دوره 30 یا 60 روزه را دربردارند و برای گزارش‌گیری‌های مربوط به زمان حال که قابل دستیابی از انبار داده نیستند، مورد استفاده قرار می‌گیرند.

لازم به ذکر است از دادگاه‌ها به صورت جداول ایندکس هم استفاده می‌شود به این صورت که به جای انکه اطلاعات سیستم در یک پایگاه اطلاعاتی مرکزی تکرار شود، اطلاعات سازمان تنها در منابع اطلاعاتی اولیه ذخیره می‌شوند و ایندکس‌هایی از اطلاعات ایجاد می‌شوند. در این ایندکس‌ها (که همان داده‌گاه‌ها هستند)، مشخص شده است که هر منبع اطلاعاتی شامل چه اطلاعاتی است و چگونه می‌توان اطلاعات مورد نظر را از ان استخراج کرد. به این روش، روش سریع و نامرتب[2]گفته می‌شود. زیرا در این روش داده‌گاه‌ها را می‌توان به سرعت ایجاد کرد و از طرفی اطلاعات مانند روش قبل پاکسازی نمی‌شوند.

یک انبار داده برای جمع‌اوری تمامی اطلاعات در مورد موضوعات مختلف مانند مشتری‌ها، محصولات، فروش، منابع، پرسنل و... ایجاد می‌شود. این اطلاعات در حوزه کل سازمان قرار دارد. ولی داده‌گاه‌ها اطلاعات زیر مجموعه‌های سازمانی را که روی یک موضوع خاص متمرکز است، دربردارند.

برای ایجاد بستر داده‌ای برای BIبه دو روش می‌توان عمل‌کرد:

  • بالا به پایین[3]: در این روش یک انبار داده یکپارچه یا یک ODSبرای کل یک سازمان ایجاد می‌شود. این پایگاه داده بزرگ تمامی اطلاعات و داده‌های عملیاتی سازمان را دربردارد. ایجاد، پیاده‌سازی و استفاده از این نوع پایگاه داده بسیار گران، هزینه‌بر و سخت است.
  • پایین به بالا[4]: در این روش داده‌های مرتبط با هم در یک داده‌گاه قرار می‌گیرند و چندین داده‌گاه در نقاط مختلف سازمان ایجاد شده و در راستای همدیگر یک انبار داده برای سازمان ایجاد می‌کنند.

برای ایجاد بستر داده‌ای یک سازمان روش اول بسیار سخت و هزینه‌بر است و در بسیاری از کاربرد‌ها غیر ممکن به نظر می‌رسد.

با توجه به اینکه بسیاری از سازمان‌ها از قبل دارای منابع داده‌ای جدا هستند، استفاده از داده‌گاه‌ها بسیار به صرفه است و عملا نیز بسیاری از سازمان‌ها از این روش در BIاستفاده می‌کنند. یکی از نقاط ضعف این روش این است که داده‌ها و اطلاعات مربوط به یک فعالیت در سازمان ممکن است در چندین داده‌گاه نگهداری شود که باعث ایجاد افزونگی در اطلاعات سازمان می‌شود.

داده‌گاه‌ها بنا به کاربرد و انتظاراتی که از لحاظ کارایی از انها دارند، طراحی و پیاده‌سازی می‌شوند. در کاربردهایی که نیاز است اخرین تغییرات داده‌های سازمان در داده‌گاه وجود داشته باشد نمی‌توان از‌نوع وابسته استفاده کرد و بهتر است در صورت کوچک‌بودن حجم پردازش مربوطه از نوع منطقی استفاده شود. در صورتی که حجم پردازش بالا باشد و نتوان ان را در زمان مناسبی از انبار داده استخراج کرد بهتر است بنا به مقدار هزینه‌ای که برای استقرار در نظر گرفته‌‌شده است، ازداده‌گاه‌های وابسته و یا ODSها استفاده شود.

با توجه به تقسیم‌بندی برنامه‌های کاربردی هوش تجاری در سطوح مختلف سازمانی (استراتژیک، تاکتیکی و عملیاتی که در ادامه فصل به انها پرداخته می‌شود) می‌توان گفت داده‌گاه‌هایی که برای منظور خاصی هستند، بیشتر ما‌بین سطوح عملیاتی و تاکتیکی کاربرد دارند. این داده‌گاه‌ها، اطلاعات ورودی خود را از سیستم‌های عملیاتی گرفته و با استفاده از ابزارهای هوشمند در سطوح میانی مدیریت که مربوط به مدیریت تاکتیکی می‌شود کاربرد دارند.

برای استفاده در سطوح استراتژیک که در سطوح بالای مدیریتی انجام می‌شود و در دفعات کم معمولا با انبوه اطلاعات سر و کار دارد، می‌توان از خود انبار داده و یا داده‌گاه‌های خاص استفاده کرد.

همچنین می‌توان از ترکیبی از روش‌های فوق برای پیاده‌سازی داده‌گاه‌های خاص استفاده کرد.

با توجه به مطالب بالا می‌توان دو معماری کلی برای سیستم‌های هوش تجاری بر‌شمرد:

  • اطلاعات در انبار داده وجود دارد و داده‌گاه شامل اطلاعات فیلتر شده و در واقع‌ نمایی از انبار داده است، در این معماری داده‌گاه‌ها را می‌توان بر اساس ویژگی‌های مختلف ایجاد کرد، البته باید توجه داشت در این معماری فضای ذخیره‌سازی مضاعفی لازم نیست و در واقع با داده‌گاه منطقی مواجه هستیم.

 

شکل 3-1- معماری هوش تجاری با داده‌گاه منطقی

 
  • اطلاعات در داده‌گاه‌ها طبقه‌بندی‌شده و انبار داده شامل یک کپی از اطلاعات داده‌گاه‌ها می‌باشد، لازم به ذکر است در این نوع معماری فضای ذخیره‌سازی به مراتب بالاتر از حالت قبل است.

در این پروژه معماری نوع اول به عنوان معماری کاندیدا انتخاب شده‌است و در ادامه در فصل‌های چهارم و پنجم پیاده‌سازی بر حسب این معماری است.

 

شکل 3-2- معماری هوش تجاری با داده‌گاه مستقل

 

[1]Operational Data Store

[2]Quick and Dirty

[3]Top-Down

[4]Down-Top 

ارسال شده توسط احمد محمدی | 28 12, 2013 | بازدید‌ها (739)
چارچوب توسعه‌یافته DSS

سیستم‌های پشتیبان تصمیم را می‌توان به عنوان دسته‌ای کلی از سیستم‌های اطلاعات مورد استفاده در زمینه اگاهی‌دادن و پشتیبانی از تصمیم‌گیران تعریف کرد. DSSتلاش می‌کند تا فرایندهای بین افراد تصمیم‌گیرنده یا مرتبط با تصمیم‌گیران را بهبود و سرعت بخشد. برای مدیران و طراحان DSSضروری است که از دسته‌بندی سیستم‌های پشتیبان تصمیم اگاهی داشته باشند. سپس می‌توانند ارتباطات را برای استقرار سیستم‌هایی برای اگاهی‌دادن و پشتیبانی از تصمیم‌ها بهبود بخشند.

حجم زیادی از چارچوب‌‌ها برای دسته‌‌بندی سیستم‌های پشتیبان تصمیم وجود‌‌دارد. سیستم‌های پشتیبان تصمیمدر مواردی گوناگون به کار می‌روند. تاکید این سیستم‌ها بر داده، مدل و ارتباطات است. همچنین انها در حوزه عمل با هم فرق دارند. بعضی برای کاربران اولیه طراحی می‌شوند و در تجزیه و تحلیل خود‌اتکا هستند و بعضی دیگر برای کاربران زیادی در سازمان اختصاص می‌یابند.

چارچوب مورد بحث بر یک بعد اصلی با پنج نوع DSSو سه بعد جانبی تمرکز می‌کند که در ادامه انها را بررسی می‌کنیم.

  • DSSداده‌محور

اولین نوع سیستم‌های پشتیبان تصمیم کلی، داده‌گرا هستند. این سیستم‌ها، شامل سیستم‌های دریافت فایل و گزارش‌دهی مدیریت، انبارداری و تجزیه و تحلیل داده‌ها، اطلاعات مدیران اجرایی و سیستم فاصله‌ای هستند. DSSداده‌‌محور، بر امکان دسترسی و تغییر در پایگاه داده‌های بزرگ ساختار یافته، تاکید کرده و به ویژه در سری‌های زمانی از داده‌های داخل شرکت و گاهی نیز از داده‌های خارجی استفاده می‌کند. سیستم‌های انبار داده اجازه تغییر داده‌ها را با ابزار کامپیوتری می‌دهند، یا به منظور انجام وظیفه‌ای خاص، ایجاد و مستقر می‌شوند و یا همراه با ابزار کلی و عوامل دیگر، کارایی بیشتری را فراهم می‌اورند.

  • DSSمدل‌محور

DSSمدل‌محور شامل سیستم‌هایی می‌شود که از مدل‌های مالی و حسابداری، مدل‌های توصیفی و مدل‌های بهینه‌سازی استفاده می‌کنند. DSSمدل‌محور، بر دستیابی به مدل و ایجاد تغییر در ان تاکید دارد. ابزار ساده اماری و تحلیلی، سطوح ابتدایی عملکرد را امکان‌پذیر می‌کنند. DSSمدل‌محور از داده‌ها و عواملی که توسط تصمیم‌گیران فراهم شده‌اند، استفاده می‌کند تا در تجزیه و تحلیل وضعیت به انها کمک کند، اما گاهی داده‌ها متمرکز نیستند. پایگاه‌های داده خیلی بزرگ، معمولا به DSSمدل‌محور نیازی ندارند.

  • DSSدانش‌محور

DSSدانش‌محور می‌تواند انجام کارهایی را به مدیران پیشنهاد کند. این DSS‌ها، سیستم‌های فردی کامپیوتری هستند که در حل مسائلی خاص خبره‌اند. واژه خبره به معنی داشتن دانش در یک حوزه، توانایی فهم مسئله در ان حوزه و دانش مهارت برای حل چنین مسائلی استفاده می‌شود. مفهوم داده‌کاوی، به این مورد مرتبط است. این ارتباط به کاربردهای تحلیلی باز می‌گردد که الگوهای پنهان را در پایگاه داده جست‌وجو می‌کند. ابزار که برای ایجاد DSSدانش‌محور به کار گرفته می‌شوند، گاهی «روش‌های پشتیبانی تصمیم هوشمند» نیز نامیده می‌شوند.

  • DSSسند‌محور

به تازگی نوع جدیدی از DSS، تحت عنوان DSSسند‌محور یا سیستم دانش مدیریت به وجود امده‌است تا به مدیران در بازیابی و مدیریت اسناد و صفحات وب ‌ساختار نیافته، کمک کند. یک DSSسند‌محور، انواع مختلفی از فناوری‌های انبارداری و پردازشی را یکپارچه می‌کند تا سندی کامل، بازیابی‌شده و تجزیه و تحلیل‌شده را تهیه کند. وب امکان دسترسی به حجم عظیمی از پایگاه‌‌های داده (پایگاه‌های داده ترکیبی اسناد متنی، تصاویر، صوت‌ها و فیلم) را فراهم می‌کند. رویه‌ها و سیاست‌‌ها، کاتالوگ‌های خصوصیات تولید، اسناد تاریخی شرکت، مثال‌هایی از اسنادی هستند که به وسیله DSSسند‌محور در دسترس قرار می‌گیرند و شامل دقایقی از جلسات، یادداشت‌های شرکت و توافقات مهم نیز می‌شوند. یک موتور جست‌وجو، ابزار کمکی قدرتمندی برای تصمیم‌گیری بوده و با DSSسند‌محور در ارتباط است.

  • DSS‌گروهی و ارتباطات محور

سیستم‌های پشتیبان تصمیم گروه[1] (GDSS) از مدت‌ها پیش مطرح‌شده‌اند، اما در حال حاضر دسته وسیع‌تر DSSارتباطات محور یا گروه افزار را می‌توان تعریف کرد.

DSSگروهی، نوعی سیستم پشتیبان تصمیم ترکیبی است که بر استفاده از ارتباطات و مدل‌های تصمیم‌گیری تاکید دارد. سیستم پشتیبان تصمیم گروه یک سیستم فعل و انفعالی مبتنی بر رایانه است که تلاش می‌کند حل مسائل تصمیم‌گیرانی که با هم و به عنوان گروه کار می‌کنند، تسهیل‌ شود. گروه‌افزار از ارتباطات الکترونیکی، زمان‌بندی، اشتراک اسناد و دیگر فعالیت‌هایی که مربوط به بهره‌‌وری گروه و پشتیبانی تصمیم می‌شود، حمایت می‌کند. تعداد زیادی از توانمندی‌ها و فناوری‌ها مانند DSS‌گروهی، پست الکترونیکی، تابلوهای تبلیغاتی و ویدئو کنفرانس، در این دسته از چارچوب‌ وجود دارند.

  • DSSدرون سازمانی و برون ‌سازمانی

هدف‌های نسبتا جدید برای کاربران DSSکه به دلیل استفاده از فناوری‌های جدید و رشد سریع اینترنت قابل دسترس شده‌است، مشتریان و عرضه‌کنندگان هستند. این نوع DSSرا که برای کاربران خارج از سازمان هدف‌گذاری شده‌است DSSدرون سازمانی می‌نامیم. اینترنت، لینک‌های ارتباطاتی لازم برای انواع زیادی از سیستم‌‌های درون‌سازمانی را ایجاد کرده‌است که شامل DSSنیز می‌شود. DSSدرون‌سازمانی، امکان دسترسی به شبکه داخلی سازمان را فراهم می‌کند و مزایا و اختیارات استفاده از امکانات یک DSSخاص را فراهم می‌سازد. شرکت‌ها می‌توانند یک DSSداده‌محور را برای دسترسی عرضه‌کننده‌ها یا یک DSSمدل‌محور را برای دسترسی مشتریان برای طراحی یا انتخاب یک محصول ایجاد کنند. بیشتر DSSها برون سازمانی هستند که در یک سازمان برای استفاده‌های فردی به عنوان DSSهای مستقل یا برای استفاده گروهی از مدیران در شرکت به عنوان DSSگروهی یا برای کاربرد گسترده تجاری طراحی شده‌اند. پیشوند برون به این معنی است که DSSدر یک سازمان خاص استفاده می‌شود و پیشوند درون به معنی ان است که DSSبه طور گسترده‌ای مورد استفاده قرار می‌گیرد.

  • DSSبا عملکرد ویژه یا هدف عمومی

بسیاری از DSSها برای پشتیبانی از عملکردهای خاص تجاری و یا استفاده در انواع کسب‌و‌کارها و صنایع طراحی شده‌اند. این سیستم‌های پشتیبان تصمیم را DSSدارای عملکرد ویژه یا DSSصنعت خاص می‌نامند. یک DSSعملکرد ویژه مانند یک سیستم بودجه‌بندی ممکن است از یک فروشنده خریداری یا به منظور استفاده در اهداف کلی سفارش‌شده‌باشد. فروشنده DSSرا برای حوزه‌های عملکردی کسب‌و‌کار مانند بازاریابی و مالی توسعه می‌دهد. بعضی DSSها برای این طراحی شده‌اند که وظیفه تصمیم‌گیری در صنایع خاص مانند برنامه‌ریزی خدمه در یک خط هوایی را برعهده گیرند. یک DSSدارای وظیفه خاص، نقش بسیار مهمی در حل مسائل روزمره یا در تصمیم‌گیری‌های تکراری برعهده دارد.

DSSدارای عملکرد یا وظیفه خاص، می‌تواند برحسب اجزای DSSغالب دسته‌بندی و درک ‌شود که به عنوان یک DSSمدل‌محور، داده‌محور یا DSSپیشنهادی مطرح می‌شود. این سیستم دانش مربوط به یک تصمیم را در مورد وظایفی که سازمان انجام می‌دهد، نگهداری و هدایت می‌کند (مثلا وظیفه تولید یا بازاریابی) این نوع از DSSها براساس هدف دسته‌بندی می‌شود. DSSعملکرد خاص به گروه یا شخص کمک می‌کند که یک وظیفه تصمیم‌گیری خاص را انجام ‌دهد. نرم‌افزار DSSدارای هدف کلی از وظایفی مانند مدیریت پروژه، انالیز تصمیم یا برنامه‌ریزی کسب‌و‌کار حمایت می‌کند. بیشتر سیستم‌های پشتیبان تصمیم با هدف کلی، گاهی به عنوان DSSمولد نیز شناخته می‌شوند. زیرا می‌توانند برای توسعه یا ایجاد بیشتر DSSهای خاص، مورد استفاده قرار گیرند. DSSهای مولد به نحوی طراحی شده‌اند که در خصوص ایجاد یا تولید کاربردهای سریع نیز مورد استفاده قرار گیرند، انها نه کاربردهای کاملی هستند مانند DSSهای سازمانی و نه زبان خاصی دارند، اما دربرگیرنده ترکیبی از زبان‌ها، قابلیت‌های گزارش‌دهی، تسهیلات گرافیکی و امکاناتی نظیر انها بوده و می‌توانند انها را در اختیار کاربران قرار دهند، تا هر زمان که مورد نیاز باشد، بتوانند یک DSSجدید ایجاد کنند.

  • DSSمبتنی بر وب

زمینه فعالیت این فناوری ممکن است در محدوده رایانه مرکزی، شبکه محلی و یا ساختاری بر مبنای وب باشد. همه موارد کلی DSSکه بحث شد، می‌توانند با استفاده از فناوری‌های وب گسترش یابند. این سیستم‌ها را DSSهای وب‌ محور می‌نامند. یک DSSوب محور سیستمی رایانه‌ای شده‌است که اطلاعات پشتیبان تصمیم را نشان می‌دهد یا ابزار پشتیبان سیستم را برای مدیران فراهم می‌کند. تحلیلگران کسب‌و‌کار از مرورگرهای مختلفی استفاده می‌کنند. رایانه سرور که میزبان برنامه‌های DSSاست، به رایانه کاربران وصل می‌شود. در بسیاری از شرکت‌ها، DSSوب‌ محور با DSSشبکه داخلی یا DSSتجاری گسترده، مترادف است. شبکه داخلی شرکت، مدیران زیادی را که از جست‌وجوگرها در محیط شبکه استفاده می‌کنند، پشتیبانی می‌کند. مدیران، به طور فزاینده‌ای در حال دسترسی به پایگاه‌های داده و ابزار تجزیه و تحلیل هستند. همچنین فناوری‌های وب، ابزار اولیه‌ای هستند که برای ایجاد DSSهای درون سازمانی مورد استفاده قرار می‌گیرند که از تصمیم‌گیری مشتریان و عرضه‌کنندگان پشتیبانی می‌کنند. فناوری‌های اینترنت یا وب، خطوطی راهنما برای ایجاد DSSهستند، اما بعضی DSSهای برون سازمانی با استفاده از زبان‌های برنامه‌نویسی ابتدایی ایجاد می‌شوند، مانند فناوری‌ تواناسازی رایانه‌های مرکزی.

 
ارسال شده توسط احمد محمدی | 25 12, 2013 | بازدید‌ها (875)
هزینه های واقعی ERP چقدر است؟

اخیراً توسط Meta Group، تحقیقی در زمینه کل هزینه مالکیت ERP (شامل هزینه های کارکنان داخلی، خدمات حرفه ای، سخت افزار و نرم افزار) انجام شده است. در این تحقیق، کل هزینه مالکیت ( TCO) ، از زمان نصب نرم افزار تا دو سال پس از آن محاسبه شده است، در واقع، دو سال پس از نصب ERP، زمانی است که هزینه های واقعی نگهداری، روز آمد کردن و بهینه سازی سیستم ERP شرکت آشکار می شود. میانگین کل هزینه های ERP در 63 شرکت مورد تحقیق، شامل مؤسسات کوچک، متوسط و بزرگ در صنایع مختلف، 15 میلیون دلار می باشد. گرچه ارائه یک رقم دقیق از TCO شرکت های مختلف در صنایع متعدد، کار دشواری است، اما ارقام ارائه شده در این تحقیق، ثابت می کند که صرف نظر از نوع شرکت، ERP گران و پرهزینه می باشد. میزان TCO در این دوره دو ساله، برای کاربران کم مهارت  به مبلغ سرسام آور 320،53 دلار بالغ می شد.

 

هزینه های پنهان ERP کدامند؟

1- آموزش: هزینه‌های آموزش بالاست. زیرا كاركنان مجبورند مجموعه فرایندهای جدیدی را فرا بگیرند. بدتر اینكه، شركت‌های خارجی آموزشی نیز نمی‌تواننددراین مورد كمك كنند. آنها به افراد نحوه بكارگیری نرم‌افزار را می‌آموزند نه روش‌های خاص استفاده از آن در كسب و كار شركت

2- آزمایش و یكپارچه سازی: آزمایش ارتباط بین بسته‌های ERP و سایر بخش‌ها، هرینه دیگری را به دنبال خواهد داشت. یك شركت سازنده شاید برنامه‌های كاربردی از تجارت الكترونیك و زنجیره تامین گرفته تا محاسبه مالیات برفروش و باركدینگ را دارا باشد. همه یكپارچه سازی‌ها با ERP در ارتباطند. بهتر است این برنامه‌ها را از یك فروشنده ERP خرید. آزمایش یكپارچگی ERP  به همراه آموزش باید صورت گیرد.

3- سفارشی سازی: برنامه‌های افزودنی تنها سرآغاز هزینه‌های یكپارچه سازی ERP  محسوب می‌شوند. هزینه دیگری كه بهتر است تا حد امكان از آن اجتناب شود، سفارشی سازی هسته اصلی نرم‌افزار ERP است. این وضعیت زمانی رخ می‌دهد كه نرم‌افزار ERP نتواند یكی از فرایندهای كسب و كار را مدیریت كند و شما تصمیم می‌گیرید با سفارشی سازی نرم‌افزار مشكل را حل كنید. سفارشی سازی می‌تواند بر هر ماجول سیستم ERP تاثیر گذارد، زیرا آنها كاملا با هم در ارتباطند. ارتقاء بسته ERP نیز معضل بزرگی است. زیرا مجبورید دوباره برای نسخه جدید، سفارشی سازی را انجام دهید. و از سوی دیگر، فروشنده از شما پشتیبانی نخواهد كرد و باید كارشناسان جدیدی را برای انجام سفارشی سازی و پشتیبانی استخدام نمایید.

4- تبدیل داده‌ها: تبدیل اطلاعاتی نظیر سوابق مشتری، عرضه كننده، طراحی محصول از سیستم قدیم به سیستم جدید ERP هزینه براست.

5- تجزیه و تحلیل داده‌ها: اغلب، داده‌های سیستم ERP به منظور انجام تجزیه و تحلیل، باید با داده‌های سیستم‌های خارجی تلفیق شوند. كاربرانی كه تجزیه و تحلیل‌های حجیم انجام می‌دهند، باید هزینه انبارداده‌ها را نیز در نظر بگیرند. زیرا ERP شناسایی تغییرات روزانه داده‌ها را به خوبی انجام نمی‌دهد و برای این منظور باید یك برنامه سفارشی نوشته شود.

6- مشاوره: هنگامی كه كاربران نمی‌توانند دراین زمینه برنامه‌ریزی كنند باید از مشاور كمك بگیرند، لذا هزینه مشاور نیز افزوده می‌شود.

7. جایگزینی بهترین‌ها: موفقیت ERP به استخدام افراد ماهر بستگی دارد. این نرم‌افزار بسیار پیچیده است و نمی‌توان آن را به هر كسی سپرد. بدتر اینكه، شركت باید برای جایگزینی افراد پس از اتمام پروژه نیز آماده باشد.

8. هیچگاه كار تیم‌های پیاده  سازی اتمام نمی‌پذیرد: اكثر شركت‌ها با پروژه ERP همانند سایر پروژه‌ها رفتار می‌كنند. به محض اینكه نرم‌افزار نصب شد، تیم به كار اصلی خود مشغول می‌شود. اما باید توجه نمایید كه تیم پیاده سازی ارزشمنداست. زیرا اطلاعاتشان درباره فرایندهایی نظیر فروش، ساخت، منابع انسانی و... بیشتر از مسئولین این فرایندهاست. لذا آنان نباید به كار اصلی خود مشغول شوند، زیرا پس از نصب ERP كارهای زیادی را باید انجام دهند. نوشتن گزارشات حاصل از اطلاعات سیستم جدید ERP حداقل برای یكسال آنان را مشغول نگاه می‌دارد.

 

20- برگشت سرمایه گذاری روی ERP چگونه خواهد بود؟

صراحتاً می توان گفت، نباید انتظار داشت که با ERP، کسب و کار یک شرکت از پایه دگرگون و متحول شود. ERP بیش از آنکه بر مشتریان، تأمین کنندگان و شرکت تمرکز نماید، بر بهبود نحوه انجام کارها در داخل یک شرکت توجه دارد. با این وجود، «تحقیق بر روی 63 شرکت انجام شده نشان می دهد که 8 ماه پس از تثبیت سیستم جدید ERP (مجموعاً 31 ماه پس از آغاز پروژه ERP)، فواید آن آشکار می شود. آنچنان که این تحقیق نشان می دهد، صرفه جویی سالیانه حاصل از سیستم جدید ERP ، 6/1 میلیون دلار می باشد. بنابراین برگشت سرمایه از ERP، در درازمدت مطلوب خواهد بود.»(روش ، 1383)

 چرا اغلب پروژه های ERP شکست می خورند؟

اگر کارکنان یک شرکت در بخش های مختلف که قرار است از این نرم افزار استفاده کنند، برتری شیوه های کاری آن را نسبت به روش های فعلی خود قبول نداشته باشند ، در مقابل استفاده از ERP مقاومت می کنند و یا از بخش IT می خواهند که آن را متناسب با روش های کاری فعلی خود تغییر دهد. اینجا همان نقطه ای است که پروژه های ERP را با شکست مواجه می کند. در چنین شرایطی، بحث و جدل در مورد نصب یا عدم نصب نرم افزار یا نحوه نصب آن آغاز می شود و سرانجام بخش IT به مخمصه پرهزینه تغییر ERP متناسب با خواسته کارکنان گرفتار می شود. سفارشی کردن، نرم افزار را ناپایدار و نگهداری از آن را دشوارتر می سازد. به عنوان یک قاعده کلی می توان گفت که اگر یک شرکت در مقابل تغییر مقاومت کند، اجرای پروژه ERP در آن شرکت به احتمال زیاد با شکست مواجه خواهد شد.

 

 ارزیابی فروشندگان نرم افزارهای ERP

 شرکتهای متعددی در دنیا وجود دارند که تولید کننده و فروشنده سیستمهای ERP هستند که معروفترین آنها شرکتهایPeople soft, ORACLE, TD Edward, BAAN و SAP هستند . اما محصول كدام یك برای شركت ما مطلوب تر است ؟

تصمیم گیری در مورد انتخاب یك بسته نرم افزاری مناسب ERP از یك فروشنده مناسب یكی از مهمترین تصمیمات در این مورد شناخته می‌شود كه با ارزیابی صحیح واصولی تولید كنندگان و فروشندگان این نرم افزارها در بازار ERP انجام پذیر خواهد بود. وقتی سازمان تصمیم می‌گیرد یك سیستم ERP را انتخاب و خریداری كند، چه معیارهایی را باید در مورد فروشنده سیستم ERP مدنظر داشته باشد؟ چگونه می‌توانید اطمینان حاصل كنید كه آن فروشنده همه نیازهای شما را در مورد این سیستم‌ها برآورده خواهد ساخت و به طور كلی چه فاكتورهایی را باید در مورد سازمان خود و همینطور فروشنده نرم افزار ERP در نظر داشته باشیم؟

بهترین روش برای ارزیابی فروشندگان این قبیل نرم افزارها، دردرجه اول تشكیل یك تیم پروژه‌ی داخلی شامل متخصصان فناوری اطلاعات و همچنین پرسنلی از حوزه های مختلف سازمان و آشنا به فرآیندهای هر حوزه است. اكثر شركت‌های نرم افزاری، حجم وسیعی از راهكارها را به بازار عرضه می‌كنند، اما معمولا در چند حوزه و بازار خاص تخصص دارند. انجام تحقیقات بازار  یكی از بهترین ابزارها برای یافتن شركت‌های تولید‌كننده‌ای است كه مناسب ترین نرم افزارها را متناسب با صنعت و فرآیندهای مورد استفاده ارایه می‌دهند . پس همواره باید سعی كنیم كه مقالات و كتب منتشر شده در مورد تجارت و فناوری اطلاعات و مطالعات موردی  انجام شده در مورد پیاده سازی ERP ورتبه‌بندی فروشندگان این سیستم‌ها را دنبال كنیم. علاوه بر این‌، گزارش‌های ارایه شده توسط تحلیلگران صنعت فناوری اطلاعات را نیز مورد مطالعه قرار دهیم ، زیرا آنها معمولا به ارزیابی فروشندگان ERP پرداخته و بهترین این فروشندگان را متناسب با صنعت زمینه فعالیت ما ارایه خواهند داد .

فروشندگانی كه در زمینه‌ی صنعت خاصی فعالیت می‌كنند، تمایل دارند در صنعت مورد فعالیت‌شان خیلی سریع‌تر از سایر فروشندگان، روندها را شناسایی كرده و نسبت به آنها واكنش نشان دهند. این فروشندگان معمولا نیروی فروش متخصص وكادری از مشاوران پیاده‌سازی این سیستمها در اختیار دارند‌. بنابراین باید سعی كرد مدت زمان ماندگاری این فروشندگان در بازار، وسعت فعالیت آنها ، تعداد محصولات تخصصی ارایه شده توسط آنها و سایر موارد را به طور كامل مورد بررسی قرار داد .

یكی دیگر از روشهای آشنایی با محصولات و فروشندگان ERP آن است كه نرم افزارهای مربوط به هر فروشنده توسط آنها به طور كامل ارایه شده  و قابلیت‌های آن تشریح گردد و ما بتوانیم سوالات خود را بر اساس نیازهای خاصی كه در نرم افزار ERP به دنبال آن هستیم، از فرد ارایه كننده بپرسیم. با انجام این كار، ما این امكان را خواهیم داشت كه بین محصولات مختلف بر اساس قابلیت‌ها و عملكرد آنها مقایسه‌هایی را انجام داده و مناسب ترین مورد را بر اساس نیازمندی‌های خود انتخاب نمایید .

پس از آن كه فروشندگان اصلی وكلیدی در صنعت مورد فعالیت ما یافت شد ، نوبت به آن می‌رسد كه آن فروشندگان را از لحاظ ثبات مالی، میزان نقدینگی، اعتبار، تعداد مشتریان، توانایی آن شركت‌ها برای ادامه فعالیت در بازار و به طور كلی همه ویژگی‌های لازم برای یك فروشنده ERP مناسب مورد بررسی قرار دهیم. برای انجام این كار باید موارد زیر مورد ارزیابی قرار گیرد :

«     ترازنامه، قابلیت سودآوری، سهم بازار، نظرات تحلیل‌گران و میزان سرمایه گذاری آنان را در امر تحقیق و توسعه(R&D)

«     میزان تعهد فروشندگان نسبت به محصولات‌شان ، سوابق شركت در مورد معرفی محصولات جدید و جایگاه آنها در منحنی نوآوری فناوری

«   توانایی فروشندگان در ارایه خدمات پس از فروش به مشتریان و توانایی آنها در انجام این خدمات و این كه آیا این شركت‌ها از پشتیبانی بین المللی مبتنی بر وب وسایر قابلیت‌ها نیز برخوردارند یا خیر؟

«   متوسط نرخ پاسخ‌گویی كارشناسان پشتیبانی این شركت‌ها ، از این نظر كه چه مدت زمانی طول خواهد كشید كه كارشناسان بتوانند به مشكلات و سوالات پاسخ دهند؟ این اطلاعات را می‌توان از گزارش‌های تحلیلی مشاوران در مورد تجارب‌شان در این شركت‌ها به دست آورد.

«     مراجعه به یك یا بیش از یكی از مشتریان كه در حال استفاده از نرم افزارهای این شركتها هستند

تا این‌جا تحقیقات بازار، تحلیل فروشندگان وبررسی ویژگی‌های نرم افزار را از طریق جلسات ارایه   توسط فروشنده انجام شده است و لیست ما از فروشندگان ERP باید به تعداد محدودی از یك تا سه فروشندهکاهش یافته باشد. قبل از اتخاذ تصمیم نهایی مبتنی بر انتخاب یكی از این فروشندگان، موارد زیر را نیز باید مورد بررسی قرار داد:

«     مقایسه هزینه: در انجام این كار، هزینه كل راباید مدنظر داشت و این نكته بسیار مهمی است .

«     ارزیابی ویژگی‌های نرم افزار: نرم افزاری را باید انتخاب كنید كه ما و هر فرد دیگری در سازمان ، به راحتی وسادگی از آن استفاده كند.

«   برنامه ای برای رشد آینده: اگر سازمان استراتژی رشد سریع طی پنج تا ده سال آینده را دنبال می كند، محصولی (نرم افزاری) را باید انتخاب كند كه قادر باشد همگام با سازمان ما و بر اساس نیازهای ما رشد كرده و پاسخ‌گوی نیازهای‌ ما باشد.

ارسال شده توسط احمد محمدی | 25 12, 2013 | بازدید‌ها (623)
ERP از نگاه فني
 

هر سيستم ERP داراي تعدادي سرويس افقي (Horizantal ) و تعدادي ماژول عمودي (Vertical ) مي باشد. كه اين ماژولهاي عمودي عبارتند از :
1. مالي (تمامي سيستمها و امكاناتي كه مرتبط با امور مالي هستند شامل : حسابداري ، بودجه و اعتبارات ، دريافت و پرداخت ، قيمت تمام شده ، حسابداري انبار ، حسابداري پروژه ،‌اموال ، ...)
2. منابع انساني (تمامي سيستمها و امكاناتي كه مرتبط با مديريت كردن امور منابع انساني سازمان هستند شامل : اطلاعات كاركنان ، احكام ، حقوق و دستمزد ، مرخصي ، ماموريت ، بيمه ، رفاه ، وام ، بازنشستگي ، ...)
3. پشتيباني (تمامي سيستمها و امكاناتي كه در خدمت تهيه و تدارك امكانات مورد نياز سازمان هستند شامل : مديريت كالا و انبارها ، خريد و تداركات‌ ، مناقصات و مزايدات ، حمل و نقل، ... )
4. مديريت ارتباط با مشتري (تمامي سيستمها و امكاناتي كه در خدمت ارائه خدمات بيشتر و بهتر به مشتريان مي باشند شامل : فروش ، بازاريابي ، مركز تماس ، صورتحسابها ، ...)
5. مديريت و برنامه ريزي توليد (تمامي سيستمها و امكاناتي كه در خدمت توليد بيشتر و بهتر در كارخانجات توليدي بكار مي روند شامل : برنامه ريزي مواد ، برنامه ريزي توليد ، كنترل توليد ، كنترل كيفيت ، ...)
6. مديريت و برنامه ريزي پروژه

علاوه بر ماژولهاي عمودي ، سرويسهاي افقي نيز در هر ERP ممتازي مشاهده مي شود كه فراتر از سيستمها بوده و مستقل از سيستمها ساير نيازهاي غير سيستمي كاربران را مرتفع مي نمايد. برخي از اين سرويسهاي افقي عبارتند از :
سرويس امنيت Security) ): جهت كنترل دسترسيهاي كاربران به منوها ، پنجره ها ، جداول بانك اطلاعاتي و فيلدهاي آنها ، گزارشات ، فرآيندها و حتي برخي ركوردهاي خاص از يك جدول بانك اطلاعاتي. معمولا اين سرويس بصورت Role Based در اختيار قرار مي گيرد يعني اينكه ابتدا تعدادي نقش در سيستم تعريف مي گردد‌ (مانند حسابدار ، منشي مدير عامل ، مدير عامل ، كارشناس فروش ، سرپرست فروش ، ...) و براي هر نقش كليه دسترسيها تعريف مي گردد. سپس هر كاربر لازم است تعيين كند كه بر اساس كدام نقش قصد ورود به سيستم را دارد (در صورتيكه به آن كاربر اجازه داده شده باشد كه بر اساس نقشهاي خاصي به سيستم وارد شود.).
سرويس گردش كار (Workflow ): جهت تعريف نمودارهاي گردش كاري جديد يا تغيير نمودارهاي موجود. از آنجايي كه يكي از شرطهاي اصلي سيستمهاي ERP ، فرآيندگرا بودن مي¬باشد موتور گردش كار هر كدام از اين سيستمها اهميت خاصي پيدا مي¬كند. دقت داشته باشيد كه يك موتور گردش كار صرفا جهت طراحي گرافيكي يك پروسه بوجود نيامده است و علاوه بر آن اين قابليت را دارد كه يك گردش كاري كه بصورت گرافيكي مدل شده است را اجرا نمايد.
معمولا تفاوت فاحشي بين يك موتور گردش كاري قوي و يك موتور گردش كار ساده وجود دارد. در ساده ترين حالت ، يك موتور گردش كار صرفا نمودارهايي را پشتيباني مي نمايد كه براي مدل كردن يك پروسه تاييد يا لغو بكار مي روند. اما يك موتور گردش كار قوي مي تواند علاوه بر پشتيباني نمودارهاي ساده فوق نمودارهاي بسيار كاربرديتر سازمان را نيز اجرا نمايد. مثلا پروسه خريد در يك سازمان ، پروسه تاييد اسناد مالي ، ... براي پياده سازي عملياتي اين نمودارها در بسياري از سازمانها لازم است كه موتور گردش كار داراي امكانات متنوعي باشد نظير گره¬هاي شرطي ، Fork ، Join ، ... كه اين امكانات صرفا در موتورهاي گردش كاري پيشرفته وجود دارد.
سرويس Runtime customization : براي ايجاد تغييرات در واسط كاربري نرم افزار (شامل منوها ، پنجره ها ، تب ها ) ، جداول بانك اطلاعاتي ، گزارشات ، فرآيندها و مواردي از اين قبيل
سرويس Scheduler : جهت زمانبندي پروسه ها و تنظيم آنها براي اجرا شدن در زمانهاي مشخص و از پيش تعريف شده
سرويس گزارش گيري : جهت تغيير در گزارشات موجود يا تعريف گزارشات جديد
ساير سرويسها: شامل سرويس هشدار ، سرويس SMS ، سرويس Email Integration ، ...
مشخصات كليدي يك سيستم ERP :
اين روزها، با سيستمهاي زيادي مواجه هستيد كه مدعي ERP بودن هستند. اما چه سيستمي ERP است؟
واقعيت اينست كه يك مرز بسيار مشخص و دقيقي براي يك ERP وجود ندارد و معمولا به سيستمهايي كه بتواند قابليتهاي زير را پشتيباني نمايد ERP گفته مي شود :
فرآيند گرا بودن : بدين معني كه كليه سيستمها و ماژولها بصورت فرآيند گرا پياده سازي شده باشند و تمامي فرآيندها قابليت انعطاف و تغيير داشته باشند.
جامعيت : در بر گرفتن تمامي نيازهاي يك سازمان در تمامي حوزه هاي اصلي و ستادي
امنيت : دارا بودن يك راه حل جامع امنيتي براي كنترل دسترسيهاي كاربران به تمامي اجزاي نرم افزار
معماري : دارا بودن يك معماري پويا و چند لايه كه امكان توسعه داشته باشد.
انعطاف پذيري در مقابل تغييرات(‍Customization ) : به گونه اي كه به سادگي بتوان در زمان اجرا هر يك از عناصر زير را تغيير داد و يا به سيستم افزود.
1. واسط كاربري : تغيير واسط كاربري موجود (شامل پنجره ها ، منوها ، فيلدهاي داخل پنجره ها‌، ...) و يا افزودن پنجره ها و منوهاي جديد به سيستم در حال اجرا توسط كاربر و يا مدير سيستم
2. گزارشات : تغيير گزارشات موجود و يا افزودن يك گزارش جديد به سيستم در حال اجرا توسط كاربر و يا مدير سيستم
3. فرآيندها : تغيير فرآيندهاي موجود و يا افزودن يك فرآيند جديد به سيستم در حال اجرا توسط كاربر و يا مدير سيستم
4. ديتابيس و نحوه ذخيره سازي اطلاعات : تغيير جداول بانك اطلاعاتي موجود و يا افزودن يك جدول جديد به سيستم در حال اجرا توسط كاربر و يا مدير سيستم
5. قواعد تجاري : تغيير قواعد تجاري موجود متناسب با قوانين و آيين نامه ها و يا افزودن قواعد جديد.
عدم وابستگي به تيم توليد كننده : سيستم به گونه اي باشد كه سازمان مصرف كننده كمترين وابستگي را به توليد كننده نرم افزار داشته باشد. اين امكان با استفاده از امكانات انعطاف پذيري نرم افزار در مقابل تغييرات قابل انجام است.
Best Practices : دارا بودن پيش فرضها و راه حلهاي مناسب و از پيش آماده براي صنعت شما.
تعريف ERP ، معمولا با واژه Best Practice همراه است. بدين معني كه توليد كننده ERP در كنار محصول نرم افزاري ارائه شده ، مي بايست پيش فرضهاي لازم را براي صنعت مورد نياز مشتري داشته باشد. يك Best Practice شامل موارد زير براي هر صنعت مي باشد :

Thursday, August 14, 2008صنايع مختلفي كه مي تواند براي آنها Best Practice در نظر گرفته شود عبارتند از :
شركتهاي ساختماني ، صنايع شيميايي ، صنايع دارويي ، صنايع غذايي ، صنايع كشاورزي ، صنايع فولاد ، شركتهاي مخابرات ، شركتهاي برق ، شهرداريها ، ...

تغييرات در ERP
پر واضح است كه راه اندازي يك سيستم يكپارچه بزرگ ، زمان زيادي مي خواهد (بيش از 2 سال) و در طول زمان ، نيازها تغيير مي كند. اگر سرعت تغيير نياز از سرعت تغيير در نرم افزار بيشتر باشد چه اتفاقي مي افتد؟
همه مي دانيم كه تغييرات در نيازها هميشه يك معضل اساسي در توليد نرم افزار است. قوانين جديد هر روز سبب مي گردند كه خواستهاي كارفرمايان تغيير نمايد. مستقل از قوانين ، تغييرات در مديران نيز مشكل ديگري است. هر مديري سليقه خاص خودش را دارد. لذا با توجه به اين تغييرات مشخص است كه هر چه طول زمان پياده سازي يك پروژه ERP طولانيتر شود ريسكهاي بيشتري موفقيت پروژه را تهديد مي نمايد.
در واقع نيازها بدون كسب اجازه از ما ، تغيير مي كنند پس بايد كاري كرد كه سرعت تغيير در نرم افزار از سرعت تغيير نياز بيشتر شود.
بدين منظور لازم است شيوه هاي سنتي توليد نرم افزار كنار گذاشته شود و تحولي در توليد نرم افزار ايجاد كرد. چون همواره توليد نرم افزار كار زمانبري بوده و در اكثر موارد شيوه سنتي توليد نرم افزار داراي سرعت كمتري از تغيير نياز است. در اين حالت هنوز نياز قبلي كه توسط كارفرما تعريف شده در نرم افزار اعمال نگرديده ، كارفرما نياز جديدي را مطرح مي نمايد و اين مطلب اجازه نمي دهد كه محصول هيچگاه به سرانجام مطلوبي برسد.
و اما تحولي كه اين روزها در توليد نرم افزارهاي حجيم ايجاد شده است استفاده از معماريهاي مبتني بر مدل (MDA )مي باشد.

نرم افزار ERP مبتني بر مدل Model Driven ERP) ) :
در اين نوع معماري ، سيستمهاي نرم افزاري بجاي آنكه كد نويسي شوند ، مدل مي شوند و يك ميان افزار اين مدل را اجرا مي كند.
انواع مدلهايي كه براي بيان يك سيستم نرم افزاري لازم مي باشند عبارتند از : مدل ديتابيس ، مدل واسط كاربر، مدل قواعد تجاري، مدل گزارشات، مدل فرآيندها
در واقع در اين معماري ، پس از تحليل و طراحي هر سيستم ، تقريبا نيازي به مرحله كدنويسي وجود ندارد. مزاياي اين نوع معماري عبارتند از :
• فرق زيادي بين برنامه نويسان سيستمها از سوي توليد كننده نرم افزار و راهبران سيستم از سوي مشتري وجود ندارد!
• نيازي به داشتن source نرم افزار نيست.
• براي توليد و تغيير سيستمها بجاي استفاده از برنامه نويس از افراد تحليلگر و يا طراح استفاده مي گردد.
• سرعت توليد سيستمهاي جديد و يا تغيير سيستمهاي موجود بسيار زياد است.
• كد نويسي به حداقل ممكن مي رسد بنابراين ديگر دغدغه رفع باگهاي مربوط به كدنويسي نخواهيد داشت.
• وابستگي مشتري به توليد كننده به حداقل ممكن مي رسد.

معماري ERP
يكي از خصوصيات ERP ها اينست كه داراي يك معماري مشخص باشند.
يك معماري خوب مي بايست داراي مشخصات زير باشد :
Scalable : متناسب با رشد كمپاني توسعه يابد.
Secure : سطوح امنيتي را رعايت كند.
Adaptable : تغيير پذيري را در قسمتهاي مختلف پشتيباني كند.
Extendible : قابليت توسعه سيستمهاي جديد را داشته باشد.
Attachable : قابليت اتصال به سيستمهاي Legacy داشته باشد.
Independent : وابسته به سيستم عامل يا محيط خاصي نباشد.
Replaceable : قابليت جايگزيني هر يك از اجزا را داشته باشد.

ERP Framework
به مجموعه نرم افزارهايي كه هسته اصلي ERP را تشكيل مي دهند گفته مي شود. Framework به نوعي ضامن جامعيت و يكپارچگي سيستمها ميباشد. تمام ERP ها داراي Framework نيستند وليكن ERP هاي مطرح و صاحب نام حتما داراي يك Framework متعلق به خود مي باشند. بعنوان مثال شركت SAP ، داراي نرم افزار Netweaver و شركت Oracle ، داراي نرم افزار Fusion به اين منظور مي باشد. در واقع بخش اصلي سرويسهاي افقي يك ERP توسط ERP Framework سرويس دهي ميگردد. 

ارسال شده توسط احمد محمدی | 24 12, 2013 | بازدید‌ها (827)

از سیر تا پیاز DSS

انواع سیستم های اطلاعاتی
سیستمهای پردازش تراکنش TPS
سیستم های اطلاعات مدیریتMIS
سیستم های پشتیبان تصمیم گیری  DSS
سیستم های پشتیبان مدیران ارشد ESS

سیستم پشتیبان تصمیم گیری  (DSS) چیست؟
تعریف سیستم پشتیبانی از تصمیم (Dss: Decision support system)
مجموعه ای از برنامه ها و داده های مرتبط بهم که برای کمک به تحلیل و تصمیم گیری طراحی می شوند.کمک این گونه سیستم ها در تصمیم گیری بیش از سیستم های مدیریت اطلاعات (MIS) یا سیستم های اطلاعات اجرایی(EIS) است.

اجزای DSS :
این سیستم ها دارای یک بانک اطلاعاتی متشکل از دانش موجود درباره ی موضوع و یک زبان که برای فرموله کردن مسائل و پرسش بکار میرود و یک برنامه مدلسازی برای ازمایش تصمیمات ممکن هستند.
هر سیستم پشتیبان تصمیم گیری دستیابی به سه هدف اصلی را دنبال می کند:
1) کمک به مدیر برای تصمیم گیری در مورد مسائل نیمه ساخت یافته
2) پشتیبانی تصمیم گیری انجام شده توسط مدیر و نه جایگزینی ان
3) بهبود کارائی تصمیم گیری و توجه بیشتر به اثر بخشی ان
 
اجزای DSS
1-   بانک مدلها
2-   بانک اطلاعاتی
a.   داده های خارجی
b.   داده های داخلی
3-   سیستم مدیریت بانک اطلاعاتی
4-   سیستم مدیریت مدلها
5-   نرم افزار مدیریت

فرآیند DSS
الف)یکی از مهم ترین سیستمهای اطلاعاتی است که مدیران رده بالای هر سطح  سازمان را درامرتصمیم  گیری وهدایت سیستم، یاری می کند.   DSS پشتیبان، تصمیم گیری های مدیر است  و  تصمیم گیری نهایی با مدیر است.

   ب)

Data Analysis     
Data   Mining     
Intelligent Agent


نرم افزار های گروه گرا(GroupWare) :
نرم افزاری که به گروهی از کاربران یک شبکه امکان میدهد تا در رابطه با یک پروژه ی خاص با یکدیگر همکاری کنند. این گونه نرم افزار ها ممکن است خدماتی برای بر قراری ارتباط (مثلا پست الکترونیکی) و تئلید جمعی سند ها و زمان بندی و پیگیری فراهم کنند.سندها ممکن است حاوی متن و تصاویر یا دیگر اشکال اطلاعاتی باشند.
نرم افزار گروه گرا :که امکان فعالیت چندین حل کننده ی مسئله را در کنار هم برای هر راه حل فراهم می کند که در این مورد به عنوان سیستم پشتیبان تصمیم گیری گروهی بکار می رود.

این سیستم پشتیبان تصمیم گیری از بخش های زیر تشکیل شده است:
-مدیریت تقاضا و مدیریت ارشد
-برنامه ریزی احتیاجات مواد(MRP)
-کنترل فعالیت های تولید/ زمانبندی تامین کنندگان
-بانک اطلاعات
-زمانبندی خط مونتاژ
-هماهنگ کننده کارخانه
-رابط کاربر

هدف اصلی ایجاد یک سیستم پشتیبان تصمیم گیری برای کمک به زمانبندی تولید خط مونتاژ نهایی است به نحوی که تصمیم گیرنده بتواند امر هماهنگی تمامی اجزای کارخانه را طوری انجام بدهد که:
1) از موجودی انبارها بتواند یک برنامه تولیدی استخراج نماید
2) از موجودی های در جریان ساخت و انبار محصول نیمه ساخته بهترین استفاده را بنماید
3) فیدبک های لازم را در جهت تعیین بهترین برنامه خطوط مونتاژ ارائه دهد
4 ) پیشنهادات سفارشات جدید رد یا قبول نماید
5) در مقابل حوادث برهم زننده برنامه ریزی تولید واکنش نشان دهد

FCDSS طراحی شده شامل دو بخش زیر می باشد
۱. زمانبندی و ارسال کننده سطح کارخانه : توسعه خطوط راهنمای زمانبندی در سطح کارخانه و بکارگیری آن برای تهیه برنامه زمانبندی زمان واقعی برای کارگاه ها و خطوط مونتاژ
۲ . نظارت کننده سطح کارخانه: نظارت بر پیشرفت جریان تولید

الگوریتم فرآیند پشتیبانی تصمیم گیری
گام ۱ ( با انتخاب یک محصول به عنوان محصول مورد نظر برای تولید، DSS ابتدا با بررسی فایل وضعیت اطلاعات مقایسه ای میان میزان دردسترس بودن مواد موجود در کارخانه با مواد مورد نیاز تولید آن محصول بر اساس لیست مواد(BOM) آن صورت می دهد و فایل میزان دردسترس بودن را استخراج و عمل تفکیک بین قطعات دردسترس و غیر دردسترس (مورد نیاز به ساخت) را صورت خواهد داد. این میزان، شاخصی برای امکان تولید آن محصول بر اساس وضعیت موجود کارخانه است.

پنج مورد از خصوصیات سیستمهای DSS 
1-یک سیستم پشتیبان تصمیم ، با کنار هم قرار دادن افکار انسانی و اطلاعات رایانه‎ای، از تصمیم‎گیرندگان حمایت و پشتیبانی می‎کند.
2- این سیستمها برای پشتیبانی سطوح گوناگون مدیریت، از مدیران ارشد تا عملیاتی ارائه می شود.
3-انعطاف پذیر است.
4- قدرت ریسک را بالا می برد.
5- سبب بهبود بخشیدن  دقت، کیفیت، بروز بودن تصمیمات در تصمیم گیری می شود

DSS اولین بار در سالهای 1970 توسط آقای Lester مطرح شد.
از بدو ظهور ایده تصمیم گیری به کمک کامپیوتر در انستیتو تکنولوژی کارنگی "CARNEGIE" تا به امروز، تعاریف متعددی برای DSS پیشنهاد شده است . این تعددتعابیر تاحدودی به سیر تکاملی این رویکرد بازمی گردد. تعاریف اولیه بیشتر بر قابلیت DSS درحل مسائل نیمه ساختاریافته تمرکز داشته اند و تعاریف بعدی اجزای اصلی سیستم و فرایند طراحی آن را موردتوجه قرار داده اند. دلیل دیگر این اختلاف ، در زوایای نگرش متفاوت به موضوع نهفته است .

مفهوم سیستم تصمیم یار
همانگونه که گفته شد سیستم های اطلاعات مدیریت اشکالاتی دارد که سیستم های پشتیبانی تصمیم برای رفع آنها بوجود آمده است. سیستم اطلاعات مدیریت به منظورتدارک پشتیبانی شخصی برای هر مدیرنمی باشد. این ضعف سیستم اطلاعات مدیریت، اقداماتی را باعث شد که منتهی به مفهوم سیستم پشتیبانی تصمیم گشت.
مفهوم سیستم پشتیبانی تصمیم ،شکستهای اولیه سیستم اطلاعات مدیریت راتجربه نکرد. به احتمال قوی دلیل اصلی آن، دامنه محدودترسیستم پشتیبانی تصمیم است. برخورد ملایم تر سیستم پشتیبانی تصمیم، شانس موفقیت خود را حداکثر می کند.
این سیستمها،منابع انسانی (اگاهیهای فردی ) را با قابلیتهای کامپیوتری ترکیب میکنند تا باعث ارتقاء کیفیت تصمیم گیریها مخصوصا در مورد مسائل نیمه ساخت یافته شوند.
سیستم‌های پشتیبانی تصمیم، سیستم‌هایی هستند که منابع فکری افراد را با قابلیت‌های کامپیوتر، جهت بهبود کیفیت تصمیمات به کار می‌گیرند. این سیستم‌ها، معمولاً برای حل مسائل نیمه ساخت یافته به کار می‌روند.
 سیستم‌های پشتیبانی تصمیم، سیستمهای تعاملی مبتنی بر کامپیوتر می ‌باشند که تصمیم‌گیران را یاری می‌کنند تا با به‌کارگیری داده‌ها و مدل‌ها، مسائل نیمه‌ساخت‌یافته را حل نمایند.

به طور خلاصه می توان سیستمهای حمایت ازتصمیم(DSS)را به این گونه ها تعریف کرد :
این سیستمها،منابع انسانی (اگاهیهای فردی) را با قابلیتهای کامپیوتری ترکیب میکنند تا باعث ارتقاء کیفیت تصمیم گیریها مخصوصا در مورد مسائل نیمه ساخت یافته شوند .
سیستم پشتیبان تصمیم گیرا  یک سیستم اطلاعاتی  کامپیوتری دوطرفه  (Interactive) است که انعطاف پذیر و وفق پذیر می باشد که بطور اختصاصی برای پشتیبانی حل یک مسئله غیرساخت یافته مدیریتی استفاده می شود .

خصوصیات کلی سیستمهای تصمیم یار :
•   سیستمی  است که به منظور پشتیبانی از تصمیم‌گیری نیمه‌ساخت‌یافته بکار می رود.
•   بر خط (On-line) است .
•   رابط کاربر و خروجی‌های گرافیکی می باشد .
•   یک سیستم برپایه کامپیوتر است که از تکنولوژی ها و متدولوژی های کامپیوتری استفاده می کند .
•   به تصمیم گیری کمک می کند ولی جایگزین فرد تصمیم گیر نمی شود.
•   از پایگاههای داده ، مدلهای تحلیلی و محاسباتی و سیستم های خبره درحل مسائل استفاده می کند.
•   قابلیت بکارگیری درحل مسائل نیمه ساختاریافته و بی ساختار را داراست ;
•   قابلیت پشتیبانی از تصمیم گیریهای فردی و گروهی "GDSS" را دارد;
•   برای کلیه سطوح مدیریتی قابل استفاده است ;
•   دقت ، سرعت و کیفیت تصمیم گیری را بهبود می بخشد "بهبود اثربخشی " ولی درراندمان تصمیم گیری "هزینه تصمیم گیری " تاثیری ندارد;
•   سیستم های DSS به سمت قابلیت های یادگیری و خلاقیت ، کارکرد شبکه ای و سهولت بهره برداری به پیش می رود
•   DSS ، تصمیم گیران سازمان را با کنار هم آوردن قضاوت انسانی و اطلاعات کامپیوتری شده در حل مسائل ساخت یافته و نیمه ساخت یافته یاری می‌کند، که اینگونه مسائل قابل حل با سیستمهای کامپیوتری دیگر و یا ابزارها و متدهای استاندارد نیستند.
•   پشتیبانی برای سطوح مختلف مدیریتی از سطوح استراتژیک گرفته تا مدیران عملیاتی فراهم می‌شود
•   پشتیبانی هم برای تصمیم گیری انفرادی و هم تصمیم گیری گروهی وجود دارد .
•   DSS برای چندین تصمیم گیری مرتبط با هم و یا تصمیم گیریهای متوالی پشتیبانی فراهم می‌‌کند.
•   DSS تمام مراحل تصمیم گیری را که: هوش (جستجوی شرایطی که نیاز به تصمیم گیری دارند) ، طراحی (اختراع، توسعه و بررسی گزینه‌های موجود برای پیاده کردن تصمیم) ، انتخاب ( انتخاب یکی از گزینه‌های ممکن) و پیاده سازی است را پشتیبانی می‌کند .
•    انواع مختلف فرآیندهای تصمیم گیری را پشتیبانی می‌کند .
•    DSS انعطاف پذیر است طوریکه کاربران بر حسب تغییراتی که بوجود می‌آید می‌توانند سیستم را نسبت به نیاز خود شکل دهند، به این معنی که عناصر اصلی را اضافه، حذف، ترکیب و یا سازماندهی دوباره کنند.
•    DSS در تلاش است که تاثیر گذار بودن تصمیم گیری یعنی دقت، بروز بودن تصمیمات را بهبود ببخشد.
•     تصمیم گیرنده بر تمامی مراحل تصمیم گیری در حل یک مسئله تسلط دارد .
•    DSS از مدلها برای ارزیابی موقعیتهای تصمیم گیری استفاده می‌کند. توانایی مدل کردن باعث می‌شود که استراتژیهای مختلف را در ترکیبها و شرایط مختلف بتوانیم بررسی کنیم .
•    DSS دستیابی به انواع مختلف منابع داده با فرمتهای گوناگون را فراهم می‌کند 

بطور کلی دلایل استفاده از سیستم DSS:

•   محاسبه سریع: کامپیوتر به تصمیم گیرنده اجازه می‌دهد مقادیر بسیار زیادی از داده را در مدت زمان کوتاه و با هزینه کمی پردازش کند .
•   غلبه بر محدودیتهای انسانی محاسبات و ذخیره سازی: مغز انسان در تجزیه و تحلیل اطلاعات و همچنین یادآوری آنها دارای محدودیت است .
•   محدودیتهای انسانی: قدرت حل مسئله یک فرد دارای محدودیت است
•   کاهش هزینه: کنار هم آوردن گروهی از تصمیم گیران مخصوصاً کارشناسان ممکن است هزینه زیادی داشته باشد
•   پشتیبانی فنی: بسیاری از تصمیمات محاسبات پیچیده‌ای را می‌طلبند
•   پشتیبانی کیفیت: سیستمهای کامپیوتری تصمیم گیرا می‌توانند کیفیت تصمیمات اتخاذ شده را بهبود بخشند.
•   رقابت: فشار رقابتی تصمیم گیری را مشکل می‌کند

دلایل نیاز به سیستم های مکانیزه حمایت از تصمیم گیری:
1)   محدودیتهای فکری بشر در پردازش وذخیره سازی: چون توانایی ذهن بشر در پردازش ذخیره ودسترسی به اطلاعات محدود است با استفاده ازاین سیستمها می توانیم این محدودیت را برطرف کنیم.
2)   محدودیتهای دانش: اگر برای حل یک مساله نیاز به اطلاعات ودانشهای متنوعی باشد توانائی یک فرد در حل ان مسئله محدود میباشدواگر بخواهیم از چندین متخصص در هر زمینه استفاده کنیم هماهنگی وارتباط بین این افراد مشکل خواهد بود.سیستمهای کامپیوتری این مشکلات را حل کرده ومی توانند به سرعت به حجم زیادی اطلاعات دسترسی پیدا کرده وانها راپردازش کنند همچنین میتوانند هماهنگی وارتباط بین ان افراد را اسان کنند.
3)   کاهش هزینه: حمایت کامپیوتری باعث کاهش تعداد افراد گروه می شود وامکان برقراری ارتباط از مناطق مختلف را برای اعضای گروه فراهم می سازد و همچنین باعث افزایش بهره وری بخش ستادی میشود که همه این موارد منجر به کاهش هزینه خواهد شد.
4)   حمایت فنی: کامپیوترها می توانند به سرعت وبه شکل مقرون به صرفه ای داده های لازم را جستجو وذخیره کنند یا انتقال دهند.
5)    حمایت از کیفیت: سیستمهای کامپیوتری با اجرای سریع شبیه سازیهای پیچیده به مدیران کمک میکنند تا امکانها و راهکارهای گوناگون را بررسی وتاثیرات مختلف را به سرعت ومقرون به صرفه ارزیابی کنند واز این طریق کیفیت تصمیمها را بالا ببرند.
6)    حاشیه رقابت_مهندسی مجدد فرایندها واختیارات: فناوریهای کامپیوتری در زمینه فشارهای رقابتی وتغییر در وضعیت عملیات سازمان ، مهندسی مجدد فرایندها وساختارها ، اختیارات کارکنان ونواوریها به مدیران اختیارهایی اعطا وانها را در اخذ تصمیم درست وسریع یاری می کنند.


فناوریهای اصلی پشتیبانی از تصمیم:
•   سیستم حمایت از تصمیم (DSS)
•   سیستم حمایت از تصمیم گروهی(GDSS)
•   سیستمهای اطلاعات مدیریت عالی(EIS)
•   سیستمهای خبره(ES)
•   شبکه های عصبی مصنوعی(ANN)
•   سیستمهای حمایت ترکیبی(MSS)

تعیین چهارچوبی برای پشتیبانی از تصمیم :
فرایندهای تصمیم گیری شامل سه نوع تصمیمات ساختار یافته (قابل برنامه ریزی) ، نیمه ساختار یافته ،ساختار نیافته(غیر قابل برنامه ریزی) است . فعالیتهای مدیریت نیز شامل سه قسمت برنامه استراتزیک، کنترل مدیریت، کنترل عملیاتی می باشد. از ترکیب این تصمیمات وفعالیتها حالتهای مختلفی بوجود می اید که برای هر حالت یک یا چند سیستم اطلاعاتی جوابگو می باشد.برای مثال زمانیکه تصمیم از نوع ساخت یافته باشد سیستمهای MIS، OR، TPS، DP جوابگو است یا اگر نیمه ساخت یافته باشد DSS مناسب می باشد.

پایگاه داده DSS
   DSSاز دادههای داخل ( پایگاه های داده سازمان) ، دادههای خارجی (اینترنت) و دادههای شخصی فرد تصمیمگیر استفاده مینماید.
   DSS می تواند خود دارای Database مستقل بوده یا از پایگاههای داده سازمان استفاده نماید

عناصر داخلی DSS


معرفی DSS در 4 فاز :


یک نمونه Framework برای تعیین سیستمهای مورد نیاز یک سازمان  


نتیجه گیری کلی :
•    یک DSS   یک سیستم بسیار ضروری برای تمامی سازمانها ، به ویژه مدیریت سازمان می باشد .
•   در حال حاضر کامل ترین سیستم برای یک سازمان ، DSS می باشد .
•   DSS بطور مستقیم با مدیران در ارتباط است وبا پردازش انبوهی از داده ها ، گزینه های یک تصمیم را در اختیار او قرار می دهد .
•   DSS در بستر IS تعریف و پیاده سازی می شود 

مدیریت داده     data managment
مدیریت داده کار ذخیره سازی و نگهداری از داده هایی را انجام می دهد که کاربر از طریق سیستم بر روی آنها تحلیل انجام می دهد. این بخش هم شامل یک پایگاه داده و هم نرم افزار مدیریت پایگاه داده می شود. در واقع اطلاعات در بستر یک نرم افزار مدیریت پایگاه داده ذخیره سازی شده و مورد استفاده قرار می گیرند. اطلاعاتی که در DSS مورد استفاده قرار می گیرند معمولاً از سه منبع عمده تامین می شوند: قسمتی از اطلاعات، اطلاعات سازمانی هستند که بسته به هدف کاربر از بکارگیری سیستم می تواند اطلاعات مختلفی را از محیط سازمان در بر بگیرد. معمولاً اطلاعات مورد نظر از پایگاه داده سازمانی و یا گاهی پایگاه داده تحلیلی بدست می آیند. بعضی از تصمیمات نیازمند استفاده از اطلاعات از منابع بیرونی مانند گزارشات دولتی، اینترنت و غیره هستند که به عنوان اطلاعات تکمیلی برای DSS مورد استفاده قرار می گیرند و آنها را اطلاعات بیرونی می نامند. همچنین گاهی می توان DSS هایی را طراحی کرد که اطلاعات را از کاربر دریافت می کند. به عبارتی به جای استخراج اطلاعات از منابع مختلف سازمانی و برون سازمانی، کاربر اطلاعات خود را وارد پایگاه داده سیستم می کند.

مدیریت مدل   Model managment
این جزء از DSS شامل مدلهای ذخیره شده در یک پایگاه مدل و نرم افزاری تحت عنوان سیستم مدیریت مدلها میشود که کار ایجاد و دسترسی به مدلها را بر عهده دارد. و اما مدل چیست؟
در واقع یک مدل بازنمایی است از یک سری وقایع و شرایط محیطی. انسانها برای درک خود از محیط و جهانی که در آن زندگی می کنند و درک پدیده های مرتبط با آن از مدلها استفاده می کنند. مدلهایی که بشر مورد استفاده قرار می دهد به چهار شکل می باشند:
1.    مدلهای فیزیکی که در ابعادی معمولاً کوچکتر از اندازه واقی یک موجودیت یا یک شی ساخته می شود تا ویژگیهای آن را به نمایش گذارد. مانند ماکت یک ساختمان
2.    مدلهای گرافیکی که به صورت تصویری یک واقعیت را بیان بیان می کند و مانند نقشه های جغرافیایی و یا نقشه یک ساختمان.
3.    مدلهای تشریحی که با استفاده از گفتار و نوشتار به وصف یک پدیده یا حادثه یا یک شی می پردازد. برای مثال توصیفی که ما از یک حادثه رانندگی داریم و یا اخباری که هر روزه در روزنامه ها و تلویزیون اعلام می شوند.
4.    مدلهای ریاضی که با تعریف تعدادی متغیر و تعیین نحوه تاثیر این متغیر ها بر یکدیگر تصمیم گیرندگان را در مدلسازی مسائل و راه حلهای ممکن یاری می دهند.
سیستمهای DSS برای مدلسازی مسائل و راه حلهای آنها از مدلهای ریاضی استفاده می کنند.

مدلهای ریاضی خود از چند بعد قابل تقسیم بندی می باشند که در زیر به آنها اشاره می کنیم:

مدلهای ایستا در برابر مدلهای پویا : مدلهایی که در آنها زمان به عنوان یک متغیر تعریف شده باشد را مدلهای پویا می گوییم و مدلهایی که در آنها متغیر زمان وجود نداشته باشد را مدلهای ایستا می نامیم. برای مثال مدلی که میزان رشد فروش یک شرکت را در طی پنج سال آینده پیش بینی کند مدلی پویاست. ولی ترازنامه یک شرکت که دارائی های آن را در یک لحظه خاص از زمان مثلاً پایان سال کاری به نمایش می گذارد مدلی ایستا می باشد. مدلهای ایستا همانند عکس هستند که یک لحظه را ثبت می کنند و لیکن مدلهای پویا همانند تصویر متحرکند که شرایط را در زمانهای مختلف نشان می دهند.

مدلهای احتمالی در برابر مدلهای قطعی : در مدلهای قطعی احتمال رخ دادن هر واقعه ای یا صفر است و یا یک. ولی در مدلهای احتمالی این احتمال از یک تا صفر متغیر است. مدلهایی احتمالی مدلهایی هستند درصدی از احتمال را برای وقوع رخدادی در نظر می گیرند. برای مثال مدلهایی که در کنترل کیفیت مورد استفاده قرار می گیرند و یا مدلهای آماری از این نوعند.
مدلهای بهینه و مدلهای خرده بهینه : مدلهای بهینه مدلهایی هستند که بهترین راه حل را از بین گزینه های مختلف انتخاب می کنند. این مدلها را برای مسائلی می توان مورد استفاده قرار داد که که به خوبی ساختارمند باشند. مدلهای خرده بهینه که گاهی مدلهای قانع کننده  نیز نامیده می شوند همواره بهترین راه حل را ارائه نمی کنند بلکه راه حلهای مختلف و نسبتاً مناسبی را ارائه می کنند که در این حالت انتخاب نهایی به عهده کاربر خواهد بود.
DSS ها با ارائه مدلهای تصمیم گیری که به کاربر امکان تحلیل اطلاعات را به اشکال مختلف می دهد، فرایند تصمیم گیری را اثربخش تر می کند. مدلهایی که در یک DSS استفاده می شوند به نوع تصمیمات و نوع تحلیل مورد نیاز بستگی دارد. قسمت مدیریت مدلهای سیستم DSS مدلهای سیستم را ذخیره سازی و نگهداری می کند و وظایف آن شبیه به وظایف سیستم مدیریت پایگاه داده نسبت به داده هاست. سیستم مدیریت مدلها نمی تواند تعیین کند کدام مدل برای حل یک مساله مناسب تر است ولیکن می تواند به کاربر کمک کند تا مدلها را با سرعت و به آسانی ایجاد و دستکاری کند.

واسط کاربری
واسط کاربری جزئی از سیستم است که به کاربر امکان می دهد با سیستم ارتباط برقرار کند. به عبارتی بخشی از سیستم است که به کاربر امکان می دهد دانش خود را با قابلیتهای پردازشیو ذخیره سازی سیستم در هم آمیزد. واسط کاربری قسمتی از سیستم است که کاربر آن را می بیند، و از طریق آن اطلاعات، دستورها و مدلها را وارد می کند و تنها قسمتی از سیستم است که مستقیماً با کاربر در ارتباط است.
استفاده از سیستمهای DSS باعث افزایش اثربخشی فرایند تصمیم گیری خواهد شد و در واقع این نوع از سیستمها مفهوم OLAP را مورد حمایت قرار می دهند. بکارگیری این سیستمها باعث خواهد شد هزینه های تصمیم گیری به علت استفاده از مدلهای مناسب توسط کاربر به میزان قابل ملاحظه ای کاهش یابد. در واقع کاربر به جای استفاده از روشهای آزمون و خطا که روشی بسیار پرهزینه برای تصمیم گیری است قبل از اینکه هرگونه اقدام عملی را انجام دهد نتایج را در قالب مدلهای مختلف خواهد دید.
استفاده از مدلهای ریاضی به علت پیچیدگی از محبوبیت چندانی برخوردار نیست و بسیاری از تصمیم گیرندگان به علت عدم تسلط کافی به استفاده از این مدلها تمایل چندانی به بکارگیری سیستمهای پشتیبان تصمیم گیری ندارند. برای حل این مشکل برای کار کردن با این سیستمها از واسط های کاربری گرافیکی استفاده می شود که درک و تقسیر آنها به راحتی صورت می پذیرد

ارسال شده توسط احمد محمدی | 24 12, 2013 | بازدید‌ها (4458)

بررسي نقش سيستم هاي پشتيباني تصميم گيري باليني در پزشکی

CDSS

احمد محمدی  

Ahmad.Mohammadi.A@gmail.com 

پاییز 1392

 
مقدمه
در این تحقیق سعی شده است بطور اجمالی مقدمه ای در خصوص سیستم های پشتیبان تصیمیم در پزشکی و مفاهیم بنیادی آن ارائه گردد. پس از ارئه تعریف های کلی CDSS و تاریخچه کوتاه  ، دلایل استفاده از اینگونه سیستم ها در سیستم  بهداشت و درمان و زمینه های کاربردی آن عنوان می گردد . سپس دسته بندی وانواع  CDSS ها از جهات مختلف معرفی و به تأثير کاربرد سيستم هاي پشتيبان ازتصميم گيري در نظام مراقبت سلامت می پردازیم .

سيستم پشتيبان تصميم گيري در پزشكيClinical Decision Support System (CDSS )
تعریف سيستم پشتيبان تصميم گيري درپزشكي و تاریخچه آن
   نرم‌افزارهاي كامپيوتري كه براي كمك به تشخيصهاي باليني طراحي و  ساخته شده‌اند. اين سيستمها با استفاده از اطلاعات و دانش پزشكي به تشخيص عارضه‌هاي گوناگون و تجويز توصيه‌هاي پزشكي براي بيماران اقدام مي‌نمايند.
 
تصویر فوق نمونه ای از یک CDSS است.
به عبارت دیگر سیستم های پشتیبانی تصمیم گیری (تصمیم یار)بالینی برنامه های رایانه ای تعاملی می باشند که به منظور یاری رساندن در تصمیم گیری به پزشکان و سایر متخصصین بهداشتی طراحی شده اند.به عبارتی این سیستمها ، منابع انسانی ( آگاهیهای فردی ) را با قابلیتهای کامپیوتری ترکیب می کنند تا باعث ارتقا کیفیت تصمیم گیری شوند .هدف اصلی سیستم های پشتیبانی تصمیم گیری در واقع یاری رساندن به پزشکان در حین مراقبت(Point of care)می باشد،بدین معنا که یک پزشک می تواند با این سیستم تعامل داشته باشد و درتحلیل داده های بیمار، تشخیص دهی و سایر فعالیت های بالینی ازسیستم کمک بگیرد.

تاريخچه سيستمهاي پشتيبان تصميم گيري در پزشكي در حقيقت تاريخچه همكاريهاي متقابل پزشكان و رياضيدانان مي‌باشد. به مجرد پيدايش كامپيوترهاي الكترونيكي در سالهاي 1950-1960 ميلادي، نخستين سيستمهاي پشتيبان تصميم گيري در پزشكي با اهداف گوناگون بهداشتي پا به عرصه وجود نهادند. در سال 1961 ميلادي نيز Warner و همكارانش يكي از نخستين سيستمهاي پشتيبان تصميم گيري در پزشكي را كه بر اساس قوانين بيس به كار مي‌پرداخت، طراحي و راه اندازي نمودند؛ البته نخستين سيستم واقعي پشتيبان تصميم گيري در پزشكي كه بر اساس قوانين بيس طراحي شده بود و در عمل نيز در بسياري از پايگاههاي بهداشتي به كار گرفته شد، سيستمي بود كه توسط de Dombal براي تشخيص دردهاي حاد شكمي ارايه شد.
به دليل فناوري موجود در كامپيوترهاي سالهاي 1950-1960 كه نرم افزارهاي پشتيبان تصميم گيري در پزشكي مي‌بايست بر روي آنها راه اندازي شوند، اين سيستمها در آن زمان در دو شاخه مجزا از يكديگر توسعه يافته بودند: قياسي و احتمالاتي؛ اما نزديك به دو دهه بعد از نخستين تلاشهاي Ledley و Lusted، Szolovits و Pauker با بررسي عميق تر ريشه‌هاي فلسفي اين دو روش استدلال، روش سومي را كه با حفظ ويژگيهاي ممتاز اين دو روش از هويت خاص خود نيز برخوردار بود، پيشنهاد نمودند. اين روش، هيوريستيك (Heuristic) نام داشت. برنامه HEME كه براي تشخيص بيماريهاي هماتولوژيك به كار مي‌رفت، يكي از نخستين سيستمهايي بود كه از اين روش استفاده نمود. در ادامه كاربردهاي اين روش، Gorry -يكي از پيشتازان كاربرد روش هيوريستيك در سيستمهاي پشتيبان تصميم گيري در پزشكي- در طي يك مقاله كلاسيك كه در سال 1968 منتشر نمود، اصول كلي حاكم بر سيستمهاي خبره پشتيبان تصميم گيري در پزشكي را تبيين نمود. اين اصول در سالهاي 1970 تا 1980 اساس عملكرد بسياري از سيستمهاي پشتيبان تصميم گيري در پزشكي را تشكيل دادند. در اين مقاله، Gorry تعريفي رسمي از مساله تشخيص پزشكي را ارايه نمود. وي همچنين تفاوتهاي مابين ارزش اطلاعات، هزينه‌هاي اقتصادي، و خطرات ناشي از انجام تستهاي تشخيصي را نشان داد و مساله «چند-تشخيصي» را كه به هنگام مواجهه سيستم با بيماران داراي چندين بيماري همزمان روي مي‌دهد، توصيف نمود. مقاله Gorry در حقيقت سلف تئوريك بسياري از سيستمهاي پشتيبان تصميم گيري در پزشكي نظير PIP، MEDITEL، Internist-1، QMR، DXplain، ILIAD، و... محسوب مي‌گردد. در سال 1976 ميلادي نيز Shortliffe سيستم خبره مبتني بر تئوري شواهد (Evidence Theory) را براي كاربردهاي تشخيصي و درماني به نام MYCIN ارايه نمود. اين سيستم كه براي تشخيص عفونتهاي ميكروبي و تجويز داروهاي لازم به كار مي‌رفت، داراي قابليتهاي متعددي نظير دريافت اطلاعات، يادگيري، تفسير داده‌ها و آموزش دهي بود و امروزه از آن به عنوان پدربزرگ سيستمهاي خبره ياد مي‌گردد. اكثر سيستمهاي ياد شده به عنوان نسل اول سيستمهاي پشتيبان تصميم گيري در پزشكي محسوب مي‌گردند.در سالهاي 1980 تا 1990 ميلادي با تغييرات اساسي كه در سخت افزار كامپيوترها صورت پذيرفت و منجر به توليد انواع كامپيوترهاي كوچك و ارزان قيمت (PC) شد، تحولي اساسي در توليد سيستمهاي پشتيبان تصميم گيري در پزشكي ايجاد شد و نسل جديدي از اين سيستمها پا به عرصه وجود نهادند. همچنين در اين سالها با ارايه مدلهاي جديد تصميم گيري و يا با ارايه نوآوري در مدلهاي پيشين تغييرات چشمگيري در عملكرد سيستمهاي پشتيبان تصميم گيري در پزشكي ايجاد شد؛ به صورتي كه سيستمهاي مبتني بر تئوري فازي نظير CADIAG-II و شبكه‌هاي بيس نظير Internist-1/QMR براي غلبه بر محدوديتهاي سيستمهاي ساده پيشين طراحي و راه اندازي شدند. در سالهاي اخير نيز Reggia و همكارانش مدلهاي پوشش مجموعه‌اي (Set-Covering Theory) را براي حل مساله تشخيص پزشكي ارايه نمودند. شبكه‌هاي عصبي مصنوعي و CBR نيز از ديگر تكنيكهاي نوين ارايه شده براي برخورد با مساله تشخيص پزشكي مي‌باشند.
انواع تصميم گيري  در پزشکی :
 1- تصميم گيري مرتبط با تشخيص (استفاده از كامپيوتر)
مثال: احتملاا ابتلا به Myocardial Infraction براساس سوابق بيمار و نتايج ECG چقدر است؟
2- تصميم گيري مرتبط با درمان (شواهد)
مثال: براي بيمار مبتلا به انسداد بيش از 90% عروق كرونري چپ، بهترين درمان براساس سن و ريسك معين چيست؟

برخی دلایل استفاده از CDSSدر پزشكي
    پزشکان برخی اوقات دچار خطا و اشتباه می­شوند.
    پزشکان قادر نیستند که همیشه خود را با آخرین یافته­های اطلاعات پزشکی تطبیق دهند.
    در موارد متداول استفاده از تصمیم گیری خود کار موثر است.
    سازمانهای مراقبت بهداشتی مایل به افزایش کیفیت مراقبت و کاهش هزینه­های آن هستند.

زمینه های مورد استفاده سیستم های CDSS در پزشکی
    تولید Alert ها  و reminder  ها برای پزشک
    کمک در تشخیص بیماری به پزشک
    برنامه ریزی درمان
    تشخیص و تفسیر تصاویر پزشکی




چهار عملکرد کلیدی سیستم های الکترونیکی حمایت از تصمیمات بالینی
    اداری : حمایت از کد های بالینی و مستندات
    مدیریت موارد پیچیده بالینی: مانند پروتکل های شیمی درمانی ، ارجاع و پیگیری، مراقبت های پیشگیری
    کنترل هزینه ها: کنترل دستورات پزشکی ،جلوگیری از تکرار آزمایشات یا انجام آزمایشات غیر ضروری
    حمایت از تصمیم: حمایت از تصمیمات کلینیکی و فرایند درمان و ارتقا استفاده از راهنمائی های اختصاصی

 انواع سیستم های CDSS:
    تعامل مستقيم سيستم و پزشك (مانند INTERNIST)
    سيستم مستقيما به منبع داده هاي بيمار متصل است.(مانند سيستمهاي مفسر ECG)
    سيستمهاي همراه با مدارك كامپيوتري بيمار(CPR) و بكاربردن اين ركوردها بعنوان ورودي

انواع سیستم های پشتیبان تصمیم در بخش سلامت:
به طور کل دو نوع سیستم پشتیبان تصمیم (DSS) در بخش سلامت وجو دارد: اداری  - بالینی
تصمیماتی که پزشکان در مراکز درمانی می گیرند برای اطمینان از این است که آیا رفاه تک به تک بیماران حاصل شده است یا خیر.
توجه اصلی پزشک معطوف است به اینکه آیا مداخلات پزشکی انجام شده به سود بیمار بوده است یا خیر، دل نگرانی در مورد منابع صرف شده و هزینه های تحمیل شده از نظر پزشک، در مرحله دوم توجه قرار دارد. در این رویکرد، مرکز درمانی ، به دلیل کیفیت بالای ناشی از ارائه بهترین خدمت به بیماران، سرافراز می شود.
از طرف دیگر به دلیل محدودیت منابع در بیمارستان، تصمیم گیران مدیریتی همواره با درنظر گرفتن این محدودیت ها به دنبال اخذ تصمیماتی هستند که منافع حاصله از مداخلات پزشکی را در مقایسه با هزینه های آن سنجیده و آن راه حل را که هزینه – اثربخشی بهتری دارد انتخاب می کنند.
دونابدین این رویکرد را به عنوان ” مراقبت با تاثیر بهینه “ یا optimally effective care  نامیده است.
بهینه یا اپتیمال نشان دهنده این معناست که بیمارستان بررسی می کند به ازای هر ریالی که خرج می کند، چه چیزی به دست می آورد.
مدیران بخش سلامت الزاما باید انواع متنوعی از تصمیمات غیر پزشکی بگیرند، تا بتوانند خدمات درمانی را با قیمت مناسب ، کیفیت بالا، و در محیطی با منابع محدود ارائه کنند.

دسته بندي سيستمهاي پشتيباني تصميم باليني
سيستمهاي DSS از جوانب مختلفي طبقه بندي مي شوند:
    نمايش اطلاعات: مثلا سيستمهاي مبتني بر درخت تصميم يا قواعد توليدي
    نوع تصميم : مثلا تشخيصي يا درماني
    زمينه پزشكي : مثلا سيستمهاي مربوط به پزشكي داخلي يا جراحي

دسته بندي سيستمهاي DSS از ديد پزشكان:
    پيشنهاد درخواستي(Solicited Advice)
    پيشنهاد غير درخواستي (Unsolicited Advice)
    سيستم خودكار (Autonomous System)

انواع سيستمهاي پشتيباني تصميم در پزشکی از لحاظ روش و سیستم مورد استفاده :
    الگوريتمهاي باليني : قواعد توليد هشدار در سيستم مانيتورينگ علائم حياتي بيمار
    پايگاه داده باليني (توابع تحليلي): قواعد موجود براي نحوه درهم كنش داروها
    مدلهاي پاتوفيزيولوژيكي رياضي: مدلهاي فارماكوكينتيك  براي محاسبه اثر تزريق دارو
    سيستمهاي بازشناخت الگو :طبقه بندي انواع مختلف گلبول سفيد
    سيستمهاي آماري : طبقه بندي ECG با الگوريتمهاي آماري
    سيستمهاي تصميم تحليلي: محاسبه ريسك عمل جراحي
    استدلال سمبليك يا سيستمهاي خبره : QMR براي تشخيص در پزشكي داخلي
       
پيشنهاد درخواستي
تعريف: به شرايطي اطلاق مي شود كه در آن پزشك از DSS مشورت مي طلبد.
ويژگيها:
    درحالت عادي غيرفعالند و با درخواست كاربر فعال مي شوند.
    امكان كنترل استدلالهاي انجام شده توسط DSS را فراهم مي كنند.
    پزشك مي تواند سيستم را در مسير خاصي هدايت كند و صحت تشخيص خود را بررسي نمايد.
بطور مثال :  QMR( quick medical refrence)(مرجع پزشكي سريع)  که نسخه تجاري INTERNIST و نمونه اي از سيستمهايي است كه پيشنهاد درخواستي در ارتباط با زمينه هاي متعددي ارائه مي كنند.

پيشنهاد غير درخواستي
اين نوع سيستمها نيازمند درخواست پزشك براي ارائه پيشنهاد نيستند و بر داده هاي در دسترس بيمار (مانند داده هاي آزمايشگاه تشخيص طبي يا CPR) تكيه دارند و مستقل از درخواست پزشك پيشنهاد خود را ارائه مي دهند.
ويژگيها:
    همراه با سيستمهاي CPR هستند.
    ارائه پيشنهاد جزئي از فعاليت مديريت داده است.
    سيستم نمي تواند اهداف درمان و تشخيص را به درستي تشخيص دهد كه اين امر منجر به توليد پيشنهاد مثبت نادرست (FP) و هشدار اشتباه مي گردد

سيستم هاي خودكار
تعريف: سيستمهايي كه در آنها پيشنهاد بطور مستقيم بر روي بيمار اعمال مي شود، سيستم خودكار ناميده مي شوند. اين سيستمها چندين داده را در زمانهاي مشخصي اندازه مي گيرند و متناسب با آن رفتار خود را تطبيق مي دهند.
مثال: سيستمهاي كنترل بيهوشي يا تنفس مصنوعي
توجه: خرابي سيستم مي تواند خسارات جبران ناپذيري ايجاد نمايد.

انواع مدل­های پشتیبانی تصمیم
    کمی :بر اساس روش­های آماری موجود است و از داده های آموزشی استفاده می­کند
مثال: شبکه های عصبی، فازی، احتمالی، با معلم ، بدون معلم.
روشهای آماری در پشتیبانی تصمیم بالینی به کار می رود تا احتمال وقوع یک بیماری را تعیین کند.
در تصمیم گیری آماری همه ویژگی ها معمولا با هم به کار برده میشوند.

    کیفی : از ویژگی های پیشنهاد شده متخصصین استفاده می کند و از استدلال های سمبولیک بهره می برد.
مثال:Boolean ، سیستم های خبره، درخت تصمیم.
     این روش ها ریاضی نیستند. روشهای کیفی براساس الهام و درک استدلال توسط انسان بنا شده­اند.
    این روش ارتباط یک ویژگی اندازه گیری شده را با مقدار آستانه می سنجد
یک مثال:
فرض کنید هدف تشخیص فشار خون بالا در افراد است. برای انجام این کار فشار خون افراد در سه گروه فرضی اندازه­گیری می شود.
1- جمعیت سالم که تحت مراقبت قرار گرفته­اند.
2- جمعیت بیماران مشمول مراقبت اولیه که به خاطر شکایات جزئی تحت بررسی هستند.
3- جمعیت بیمارانی که در بخش قلبی بستری هستند.
برای سادگی از یکبار اندازه گیری فشار سیستولیک برای تشخیص در هر فرد استفاده می شود . در شکل توزیع فشار خون سیستولیک افراد مبتلا و غیر مبتلا برای هر کدام از سه گروه جمعیت نشان داده شده است . برای تشخیص افراد مبتلا به فشار خون با استفاده از یک ویژگی ( در اینجا ویژگی = فشار خون سیستولیک ) ساده ترین راه تعریف " آستانه تصمیم" است .افراد بالای آستانه مبتلا و پایین آستانه غیر مبتلا محسوب می شوند . (آستانه ها با L1  الی L10   نشان داده شده است . آستانه تصمیم هر چه انتخاب شود تصمیم های حاصل عاری از خطا نخواهند بود . برای درک بهتر مفهوم جدول درستی را بررسی می کنیم .
چهار ترکیب ممکن برای تصمیم و خطا
    مثبت درستTP : درصد افرادی که بیماری دارند و مدل تصمیم به درستی آن را تشخیص داده است.
    منفی درستTN : در صد افرادی غیر مبتلا که مدل تصمیم به درستی آن را تشخیص داده است.
    مثبت نادرستFP : درصد افراد غیر مبتلا که مدل تصمیم به اشتباه آنها را مبتلا تشخیص داده است.
    منفی نادرستFN : درصد افراد مبتلا که مدل تصمیم به اشتباه آنها را غیرمبتلا تشخیص داده است.
 

روشهاي پشتيباني تصميم كيفي
تعريف: روشهاي كيفي براساس الهام و درك استدلال توسط انسان بنا شده اند و عبارتند از روشهاي حل مسأله اي كه استنتاج در آنها با استفاده از مدلهاي سمبوليك و عملگرهاي منطقي صورت مي گيرد.
-    تركيبي از واحدهاي تصميم گيري اوليه
-    سنجش واحدهاي تصميم گيري اوليه با مقدار آستانه
-    بيان نتيجه سنجش با يك عبارت بولي

سه استراتژي براي تصميم گيري كيفي توسط كامپيوتر:
1- استفاده همزمان از همه ريزتصميمها(جدول تصميم يا جدول درستي)
2- استفاده دنباله اي از ريزتصميمها(فلوچارت يا درخت تصميم)
3- استفاده از ريزتصميمهايي كه بصورت قاعده هاي عملكرد-موقعيت بيان شده اند(قاعده پايه يا استدلال كيفي)
 
ويژگيها: 
    همه نوع عبارت منطقي را يكباره در بر مي گيرد.
    تركيبات مختلف Ei ها بصورت گرافيكي و با نمودار ون نشان داده مي شوند.
    بهينه كردن درستي مشكل است و ارزيابي آن از طريق آزمون مستقل براي اثبات كارآيي آن انجام مي شود.

فلوچارت
فرم كلي:  بصورت يك درخت تصميم كه ريشه در بالا قرار گرفته و شاخه ها و برگها به سمت پايين امتداد دارند. واحدهاي تصميم اوليه بصورت لوزي نشان داده مي شوند كه داراي يك ورودي از بالا و دو يا چند خروجي از پايين و كناره هاست. ورودي به واحد تصميم گيري اوليه قبلي مرتبط مي شوند و خروجيها عبارت ”درست“ يا ”نادرست“ هستند. (تصميم گيري باينري)
محلهاي قرارگيري ريزتصميمها، گره ناميده مي شوند.

مسيرهاي مختلف از ريشه تا يكي از برگهاي نهايي پيموده مي شوند. در برگهاي نهايي ممكن است فعاليت جديدي آغاز شود يا ادامه روند به فلوچارتهاي ديگر محول شود.
ويژگيها:
    سهولت پردازش
    عدم امكان بازگشت در صورت اشتباه بودن مسير
    مشكل بودن آموزش و تعليم 
 
دسته بندی CDSS از نظر پایگاه دانش :
• سیستم های دارای پایگاه دانشKnowledge-base CDSS
• سیستم های فاقد پایگاه دانشNonknowledge-base CDSS
خصوصیات Knowledge-base CDSS:
این نوع سیستم ها دارای سه بخش می باشند:
پایگاه دانش(Knowledge base): شامل قوانین و روابطی که اغلب به شکل قانون(IF-THEN)در می آیند.
موتور استنباطی ( Inference engine ):داده های بیماررا با پایگاه دانش ترکیب می کند.
مکانیسم ارتباطی (Mechanism to Communicate):به سیستم این امکان را می دهد که نتایج را برای کاربربه شکل خروجی(Output)نمایش دهد همانگونه که ورودی(Input)را دریافت کرده است.
خصوصیات:Nonknowledge-base CDSS
سیستم های پشتیبان تصمیم گیری بالینی فاقد پایگاه دانش در واقع ازنوعی هوش مصنوعی به نام Machine Learningاستفاده می کنند.این ماشین یادگیری به رایانه این امکان را می دهد که از تجارب گذشته یاد بگیرد یا الگوهای موجود درداده های بالینی را بیابد.دونوع ازاین گونه سیستم ها شبکه های عصبی مصنوعی Artificial Neural Networkو Genetic Algorithmsمی باشد.
در این گونه سیستم ها نیاز به نوشتن قوانین و همچنین نیاز به وارد کردن تخصص حذف شده است.درسیستم های پشتیبانی تصمیم گیری فاقد پایگاه دانش در واقع قوانین از داده های بیمارمشتق می شوند.
این سیستم ها تنها روی فهرست محدودی ازعلائم برای یک بیماری خاص تمرکز دارند درحالی که سیستم های دانش محور، بیماری های گوناگونی را برای تشخیص، پوشش میدهند.
به طور کلی سیستم های تصمیم یار بر اساس نوع مداخلاتى که ارائه مى دهند به 3 گروه تقسیم مى شوند:
 1. سیستم ها منفعل(Passive systems):اکثرسیستم های پشتیبانی تصمیم بطور منفعل عمل می کنند،بدین معنا که پزشک باید درخواست خود را به صورت صریح در سیستم ایجاد کند،بدین منظورابتدا پزشک وضعیت بیمار را توصیف کرده و سپس منتظر می ماند تا سیستم پیشنهادش را ارائه دهد.براساس میزان اطلاعات فراهم شده برای سیستم و پیشنهادات لازم، دوابزارپشتیبانی تصمیم مورد استفاده قرار می گیرد:
•  سیستم مشاوره ایconsultant system:دراین نوع سیستم،کاربر اطلاعات مربوط به وضعیت بیمار را فراهم نموده و سیستم پیشنهاد تشخیصی یا درمانی خود را ارائه می دهد.MYCINکه در سال1972 در دانشگاه Stanfordتوسعه یافته است یکی از انواع سیستم های مشاوره ای می باشد.
• سیستم انتقادیCritical system:در این نوع سیستم کاربر اطلاعاتی در خصوص وضعیت بیمارواستراتژی طراحی شده توسط پزشک فراهم نموده وسپس سیستم از پیشنهادات پزشک انتقاد می کند.سیستم ATTENDING که در  دانشگاهYaleتوسعه یافته است نمونه ای از اینگونه سیستم ها می باشد،این سیستم درواقع به منظورانتقاد از طرح بیهوشی ایجاد شده توسط متخصص بی هوشی برای یک بیمار معین،طراحی شده است.
2. سیستم های نیمه فعال(Semiactive systems):سیستم های نیمه فعال اطلاعات وعمدتاَ دانش پذیرفته شده و قوانین را ارائه می دهند.درواقع این سیستم ها نقش یک ناظررا ایفا می کنند،زیر مجموعه های این نوع سیستم :
•  سیستم های یادآور خودکار( Automatic reminder system):
   این سیستم ها بر روی عملکرد فراهم کننده مراقبت،نظارت دارند و درزمینه اجتناب ازمعاینات اضافی،خطاهای ثبت دارویی(بوسیله شناسایی خطاهای مربوط به دزاژدارویی و لیست کردن تداخلات و عوارض مهم دارویی)کمک می کنند،همچنین اینگونه سیستم ها پیگیری طرح درمانی از قبل طراحی شده توسط تیم پزشکی را،تسهیل می کنند.
•   سیستم های هشدار دهنده( Alarm systems):
   دراین نوع سیستم ها براساس وضعیت بیمار،هشدارهای مختلفی ایجاد می شود، بدین معنا که گاهی ممکن است اخطاربرای نشان دادن میزان های غیرطبیعی(از قبیل پارامترهای فیزیولوژیکی یا بیولوژیک) باشدوگاهی برای نمایش تغییرات غیر طبیعی(از قبیل افزایش یا کاهش ناگهانی در پارامترهای معین مربوط به بیمار).
3. سیستم های فعال(Active systems):
 سیستم هایی که بطور خودکارشروع بکار کرده و می توانند بدون دخالت پزشک تصمیم گیری نمایند واین تصمیم می تواند درمورد دستوراتی برای معاینات بیشتر براساس طرح های مراقبتی،معاینات درمانی،نظارت(برای مثال کنترل هوشمند پارامترهای یک دستگاه ونتیلاتور یا یک مانیتور دیالیز)و یا کمک جراحی باشد.
ابزار کسب دانش :
کسب دانش یکی از مهم ترین رویه های آغازین برای ایجاد پایگاه دانش برای درCDSS می باشد . اولین گام برای کسب دانش ، انتخاب ناحیه بالینی و متخصصین خبره برای کسب دانش بخصوصی می باشد . گام بعدی انتقال دانش قابل تفسیر در کامپیوتر بر اساس روش های ارائه دانش می باشد . این بخش بر ابزار کسب دانش تمرکز می کند وهدف آن بکارگیری الگو های آماده برای دریافت دانش بالینی از متخصصین است .
ابزار های کسب دانش زیادی برای CDSS ، توسعه یافته است .  در میان آن ها ، بعضی از ابزار ها ی کسب دانش پزشکی است و بقیه ابزاری برای رهنمود های بالینی است که در رویه های بالینی استاندارد مورد استفاده قرار می گیرد .
در جدول پایین  ، ابزار های کسب دانش در پنج سطح خلاصه شده است : آنتولوژی ثابت ، توانایی کنترل خطا، طرح ارائه ، زبان ارائه دانش و موتور استنتاج یا موتور اجرایی رهنمود ها .سایر CDSS ها مانند GLIF  ، EON و Arden syntax  به طور آشکار در جدول پایین نشان داده شده است ، اما به عنوان protege و ابزار umls- base knowledge در جدول نشان داده شده است. GLIF وEONاز ابزار های کسب دانش protégé استفاده می کنند .
Arden syntax بر فرمت هایی برای دانش پزشکی ماژولی تمرکز می کند . و اساسی ترین کمک آن فرمت ارائه MLM است که در ابزار کسب دانش مبتنی بر  UMLمورد استفاده قرار می گیرد.
  از آنجایی که کنترل خطا یکی از بزرگتریت چالشهای ابزار کسب دانش است ، در ادامه بر مقایسه توانایی کنترل خطا تمرکز می کنیم .
 در جدول پایین ،proforma   ، ابزار کسب راهنمایی است که شامل ساختارهایی  پر معنی برای توصیف خطاها می باشد . توانایی تصمیم گیری آن تحت خطا توسط ابزارهای مکانیسم ایجاد می شود . در این روش مکانیسم  استدلال ، تشخیص و تصمیمات درمانی بر حسب چند option  تعریف می شود و با استفاده از قانونهای استدلال ،تصمیمات لازم گرفته می شود .
قانونهای استدلال از تصمیمات ، پشتیبانی می کند و در آخر توصیه های لازم داده می شود . 
 
GLARE ، توانایی کنترل خطا در تصمیمات خطایاب را محدود کرده است . در GLARE  ، تصمیمات سه بعد دارد ( تشخیص ، پارامتر ، نمره ) که خود پارامتر هم سه بعد دارد ( داده ، خصوصیت ، مقدار ) ، یک مقدار آستانه برای مقایسه تشخیص ها استفاده می شود . نمره و سایر تشخیصات به کاربران نشان داده می شود . GLARE   به کاربر اجازه می دهد تا تصمیمات تشخیصی لازم را از میان لیست انتخاب کند . در صورتی که کاربری  تصمیمی اتخاذ کند که  نمره اش بیشتر از حد آستانه نباشد ، اخطاری داده می شود .
CMDS : ویرایشگر کسب دانش شی گرا ، در مورد کنترل خطا ، عملکرد بهتری دارد . زیرا هر قانون دارای فاکتور قطعیت است که نشان می دهد که آن قانون تا چه اندازه درست است . فاکتور قطعیت از -1 تا 1 متغیر است . که -1 به معنی قانون اشتباه ، 0 به معنی عدم وجود اطلاعات  و 1 به معنی قانون درست است .
Portage   به خطا کمتر رسیدگی می کند . به غیر از PROFORMA  و ASBRUVIEW  ، دانش پزشکی یا ابزار کسب راهنمایی در جدول خصوصیات مشترکی دارند .
 مکانیسم های استنباطی استفاده شده درCDSS  :
مکانیسم های استنباطی که در CDSS  استفاده می شود شامل شبکه های عصبی ، شبکه های معنایی ، الگوریتم ژنتیک و سیستم های غیرمستدل می باشد . در CDSS  های مبتنی بر قانون ، قانون های if-then ، مورد پردازش قرار می گیرد . زنجیره های پسرو و پیشروی قانون ها ممکن است برای تشخیص و تهیه توضیحات تشخیصی کاربران بالینی مورد استفاده قرار گیرد . سیستم های Bayesian  بر اساس تشخیص هایی که از بیماری های قبلی به دست آمده است و همچنین علائم و نشانه های بالینی ، پیش بینی می کند . سیستم های غیر مستدل شامل پیش بینی های آماری است . بعضی از روش های  آماری مانند  ماشین بردار پشتیبان (SVM ) و ماشین ابزار حداقل مربعات (LSSVM  ) برای استدلال های پزشکی پیشنهاد شده است . شبکه های عصبی به عنوان مکانیسم استنباطی توسط محققین استفاده می شود . زیرا در هنگام توسعه این نوع از CDSS ها ، نیاز به درک رابطه بین متغیرهای ورودی و خروجی ندارند . 
Li  و همکارانش، شبکه های عصبی را با سایر مدل های ریاضی مقایسه می کنند تا سیستم پشتیبان تصمیم گیری پزشکی مربوط به آسیب های مغزی را بسازند  (MDSS )و نتیجه این است که شبکه های عصبی راه حل بهتری برای CDSS های غیر خطی و پیچیده نسبت به تکنیکهای آماری قراردادی ارائه می کند  . ایراد شبکه های عصبی این است که شبکه ها از قانون هایی استفاده می کنند که از منطق خاصی پیروی نمی کند و به طور آشکار قابل درک نیست .
در الگوریتم ژنتیک ، با توسعه بهترین راه حل ، راه حل بهینه ای که مناسب ترین است ، به دست می آید . در مطالعات جدید متدلوژی های استنباطی مختلفی برای پاسخ های پزشکی ، الحاق شده اند  مانند LSSVM با وزن دهی فازی ، یا شبکه های عصبی مصنوعی با وزن دهی فازی . هنگامی که مدل سازی دانش پزشکی به صورت منطقی دشوار است ، متخصصین پزشکی اطلاعات خود را با مثال ارائه می دهند .  در این شرایط ، مدل سازی نمادین (CBR) درDSS  ، استفاده می شود . فایدهCBR   این است که موارد بالینی تجربی مشابه ، از سایر دانش های پزشکی متقاعد کننده تر است .
اما اشکال این روش این است که اندازه گیری شباهت میان موارد مختلف دشوار است ، همچنین فرایندهای بازیابی به ندرت دقیق و موثر است و ورودی های موردنیاز CDSS  که بر اساس CBR  به دست می آید ، به آسانی مورد قبول متخصصین واقع نمی شود .



ارزیابی CDSS  :
 به گفته Miller   ، ارزیابی CDSS باید شامل چهار مورد زیر باشد :
   -1طرح ارزیابی مناسب
  -2 ارزیابی درجه سودمندی CDSS 
-3  ارزیابی محدودیت های CDSS
-4  تعیین دلایل پنهان محدودیت تاثیرات سیستم

Keith  و Greene مراحل بررسی CDSSرا این گونه تعریف می کنند :
   -1   ارزیابی دانش متخصصین
     -2 ارزیابی سیستم مجتمع
     -3 ارزیابی خارجی سیستم
    -4 آزمایشات تصادفی چند مرکزی برای ارزیابی سیستم
اکثر ارزیابی های CDSS  بر صحت سیستم متمرکزند و تمرکز کمتری بر ارزیابی تاثیر استفاده CDSS بر مراقبت های بالینی دارند .

 معيارهاي پذيرش سيستمهاي پشتيباني تصميم
    پشتيباني جمع آوري داده(Support of Data Acquisition)
    سيستمهاي تصويربرداري
    كاهش داده(Data Reduction)
    سيستمهاي اطاق عمل و واحدهاي مراقبت ويژه
    ارزيابي داده(Data Validation)
    سيستمهاي آزمايشگاهي

KB (Knowledge Base) پزشكي
تعريف : مجموعه اطلاعات (Knowledge) پزشكي كه بطور سيستماتيك سازماندهي شده و بصورت الكترونيكي قابل دسترسي هستند و نيز قابليت تفسير بوسيله كامپيوتر را دارند.

   معیارهای کاربردی یک سیستم CDSS
    استفاده از یک بانک اطلاعاتی معتبر و مشخص بودن refrence  ها و قابل دسترس بودن آنها با ايجاد KB مي توان جمع آوري و پخش الكترونيكي اطلاعات پزشكي را تسهيل نمود.{ این مبحث خود بسیار گسترده و شامل جوانب متعددی است که در صورت تمایل پیشنهاد می گردد به منابع معرفی شده رجوع گردد. }

پشتيباني تصميم با ابزارهاي پيش بيني ساده
ابزارهای پیش بینی ساده بر اساس روش های مختلف پایه گذاری شده اند که در 2 گروه عمده می توان آنها را بررسی کرد :
    ابزارهاي پيش بيني مبتني بر تحليل آماري مجموعه داده هاي باليني
    ابزارهاي پشتيباني تصميم براساس نتايج آناليز تصميم

قواعد پيش بيني مبتني بر تحليل آماري –prediction rules Based on statistical Analysis
روشهای آماری مورد استفاده برای پیش بینی در این موارد ، اغلب نوعی رگرسیون هستند بطور مثال : رگرسيون خطي براي خروجي هاي پيوسته مانند فشارخون  و   رگرسيون منطقي براي خروجي هاي دو بخشي مانند مرگ و مير

راهبرد های کلی برای ارزیابی قواعد پیش بینی :
    تعريف روشن متغيرهاي پيش بيني كننده و خروجي ها
    توصيف صحيح جمعيت بيماران و امكان مقايسه
    توصيف روشهاي رياضي بكار رفته
    دسترسي به نرخ صحت يا خطاي قاعده طبقه بندي
    اثرات كاربرد قاعده پيش بيني روي مراقبت بيمار
فرآيند مدلسازي آماري
فرایند مدلسازی دارای جوانب زیر است :
    انتخاب متغيرها :
در بساری از موارد تعداد زیادی مشخصه پیش بینی کننده بیمار داریم که بکار گیری همه غیر عملی است .انتخاب تدريجي یا روش stepwise  روشي براي انتخاب تعداد محدودي پيش بيني كننده است .
    تخمين ضرائب رگرسيون
پس از انتخاب پیش بینی کننده ها ، ضرایب تعیین می شوند که دقیق بودن آن مستلزم داده هایی با کیفیت بالاست .هرچه حجم داده بالا باشد، نامعيني مقدار ضرائب تخمين زده شده كمتر است و پيش بيني دقيق تر انجام مي گيرد.
    ارزيابي عملكرد مدل
عيار مهم برای ارزیابی یک مدل قابليت تمايز مدل براي طبقه بندي بيماران است .
    نمايش نتايج مدل
        جدول پيش بيني هاي متناظر
        چارت نمره


مثال: پيش بيني احتمال حاملگي ناخواسته در پزشكي باروري
در این مثال ، خروجی یا outcome  ما رخداد حاملگی ناخواسته است . در عمل دوره زمانی یکساله برای پیش بینی در نظر گرفته می شود . پیش بینی کننده های بالقوه ، سوابق و بررسی های فیزیکی مرد و زن را دربر می گیرند . مقدار پیش بینی این مشخصه ها از مجموعه داده ها استخراج می شود . این مجموعه شامل 996 جفت است که 215 جفت در یک سال آبستن شده اند . ارتباط بین پیش بینی کننده ها و خروجی ها با مدل رگرسیون کمی شده است . برای تخمین احتمال حاملگی ناخواسته در یک سال مدل چارت نمره ارائه شده است . متناظر با هر پیش بینی کننده مقدار عددی در جدول 6 آمده است . مقادیر نمرات حاصل از هر پیش بینی جمع شده و حاصل آن اندیس حاملگی نامیده می شود . متناظر با هر اندیس حاملگی میزان احتمالی از مدل رگرسیون به دست می آید که مسلما 100% نیست .

چرا CDSS ها در حال حاضر مقبوليت ندارند؟
     ايده هاي نمايش اطلاعات (Representation) بسيار ساده است.
    تصميمات پزشكان متفاوت است و اين تغيير پذيري نمي تواند در DSS لحاظ شود.
    با اينكه تصميمهاي پزشكي تا حدي علمي هستند اما به محيط و زمينه كار و تجربه نيز وابسته اند.
    پارادوكس تخصصي در DSS لحاظ نمي شود.

 برخی محدودیت ها ومعایب سیستمهای  های CDSS
    محدوده کوچکی از علم پزشکی را پوشش می دهند .
    نمیتوانند تنوع زیادی از استراتژیهای تشخیصی و درمانی را برای حل مشکلات بیماران پیچیده ارائه دهند.
    توصیه های CDSS بر مبنای اطلاعات ورودی بوده که این اطلاعات اغلب بخش کوچکی از اطلاعات لازم برای اخذ تصمیمات کلینیکی را تشکیل می دهند
    تاکید بیش از اندازه بر داده های آزمایشگاهی ممکن است موجب غفلت از اطلاعات روانی و اجتماعی بیمار می شود.
     ایجاد تغییر در رابطه بیمار و پزشک
    ایجاد محدودیت برای پزشک در حل مسایل بصورت مستقل
    مسایل حقوقی و قانونی در صورت بروز اشتباه و خطا
نتیجه گیری
پژوهش نشان داد كه كاربرد DSS  در پنج حوزه كاربري مديريت جريان بيماري، مراقبت و درمان، تجويز دارو، ارزيابي  و پيشگيري بر بهبود فرايند مراقبت و ارتقاء عملكرد درمانگران تأثير بسزايي داشته است. به طور كلي مي توان اين تأثيرات را در سه گروه زير بيان نمود:
-1 ارتقاء كيفيت مراقبت و افزايش ايمني بيمار از طريق كاهش خطاهاي دارويي و عوارض بعدي داروها و پيروي از دستورالعمل هاي باليني مبتني بر شواهد.
-2 افزايش هزينه- اثربخشي در اثر پردازش سريع تر دستورات، كاهش تكرار آزمايشات، كاهش عوارض بعدي داروها و تغيير الگوهاي مصرف دارو به شكل تجويز داروهاي ارزان تر اما با اثري يكسان با داروهاي ژنريك.
-3 ارتقاء سطح دانش از طريق در دسترس بودن منابع علمي، ارائه يادآورها و همچنين ارائه اطلاعات مفيد وضروري جهت تصميم گيري مطلوب با حداقل خطا.

با این که تنها پزشک در قبال تصمیم اتخاذ شده در مورد بیمار مسئول است اما نمی تواند همه یافته های خود در مورد بیمار را به طور کامل به کامپیوتر منتقل کند. آموخته ها و تجربه های هر پزشک باید در DSS لحاظ شود. CDSS ها در بهترین حالت مانند یک پزشک مبتدی عمل می کنند. ولی با در نظر گرفتن همه این محودیت ها این سیستم ها می توانند در مواردی که دسترسی به پزشک متخصص برای مشاوره وجود ندارد ، بهترین کمک قابل اعتماد به عنوان مشاور برای یک پزشک باشد . در حوزه مدیریت بیمار، تشخیص و برنامه ریزی درمان می تواند برای پزشکان مفید بوده و کمک موثری ارائه نماید.
همچنین در مجموع 45 مطالعه با معیار هاي جستو جو مطابقت داشتند که شمار این مطالعات در طی سال هاي 1980 تا 2010 میلادي افزایش یافته است، از 28 مطالعه اي که تأثیر سیستم هاى تصمیم یار را در افزایش کیفیت مراقبت بیماران مورد بررسی قرار داده اند، 22 مطالعه ( 78 %) باعث ارتقاى کیفیت مراقبت بیماران شده بودند. در 8 مطالعه ( 17 %)، تأثیر سیستم هاى تصمیم یار بر کاهش میزان اقدامات تشخیصی و درمانی غیرضروري بررسی گردید که در تمامى موارد سیستم مؤثر بوده است. 13 مطالعه( 28 %)  نیز تأثیر این سیستم ها را در کاهش میزان خطاهاي پزشکی مورد مطالعه قرار داده  بودند که از این تعداد، 11 مطالعه ( 85 %) مؤثر واقع شده بودند.
و بطور کلی می توان گفت کاربرد سیستمهاى تصمیم یاردر رویه هاى بالینی باعث افزایش کیفیت مراقبت،کاهش میزان اقدامات تشخیصى و درمانى غیر ضرورى و کاهش میزان خطاهاى پزشکى مى شود. در نهايت لازم به ذكر است كه براي افزايش اثربخشي اين سيستم ها ضروري است فرهنگ سازماني مناسب ايجاد و به درمانگران به عنوان كاربران اين سيستم ها آموزش هاي كافي داده شود.
معرفی يك بانك اطلاعات خوب در این حوزه :

http://www.openclinical.org/home.html
شامل انواع مختلف نرم افزارهای پشتیبانی تصمیم گیری پزشکی
منابع
    Handbook of Medical Informatics - Bemmel, Musen, 1998 ISBN 3540633510
    HTTP://WWW.GMU.EDU/DEPTSTIP/FOCULTY/TFAC24.HTM
    BROWN REX, PREDICTING THE DECISION-AIDING VALUE OF DECISION RESAEARCH, 2000
    DECISION SUPPORT AND EXPERT SYSTEMS, MANAGEMENT INTELLIGENTER TECHNOLOGIAN, GMBH, HTTP://WWW.MITGMGH.DE/MIT/IT/INDEX.HTM
    CAMM JEFFERY D.AND EVANS JAMES R. MANAGMENT SCIENCE AND DECHISION TECHNOLOGY, SOUTH- WESTERN COLLEGE PUBLISHIN, 1999
    GIARRATANO JOSEPH, RILEY GARY, EXPERT SYSTEMS, PWS PUBLISHING CO. 1993.
    ABSTRACT OF CURRENT RESEARCH, HTTP://BEST ME. BERKELEY. EDU/
    ARTIFICIAL INTELLIGENCE, ARTIFICAL LIFE, HTTP://WWW.AI.ABOUT.COM/MSUBEXPERT.HTM, 2000
    http://www.ailibrary.net/Persian/Wiki/index.php
ارسال شده توسط احمد محمدی | 24 12, 2013 | بازدید‌ها (868)

Study of Information Requirement Determination Process of an Executive Information System

از کتاب

Encyclopedia of Decision Making and Decision Support Technologies

احمد محمدی

Ahmad.Mohammadi.A@gmail.com 

پاییز 1392

 

مقدمه
یک سیستم اطلاعات اجرایی (EIS) دسترسی آسان به اطلاعات مورد نیاز برای مدیریت ارشد فراهم می کند. این دسترسی می تواند به صورت افقی در سراسر سازمان  و به صورت عمودی به دیگر مدیران سازمانی گسترش یابد و سه نوع عمده از مزایا را ارائه  نماید : اطلاعات، پشتیبانی مدیریت ، و پشتیبانی سازمانی(Salmeron، 2002). بر طبق نظر Salmeron، یک کلید سیستم های اطلاعات اجرایی و عامل موفقیت آن ،  تحقق نیازهای اطلاعاتی کاربران است. با این حال، فرآیند تخمین ( تعیین )  اطلاعات مورد نیاز کاربر ( IRD ) پیاده سازی یک سیستم اطلاعات اجرایی باقی مانده از عملکرد گیج کننده برای اکثر سازمان ها را پردازش می نماید. ( والتر ، جیانگ ، و کلاین ، 2003).  به این دلیل است که تعیین اطلاعات مورد نیاز(IRD) با حداقل قابلیت فهم و حداقل رسمیت  ، در عین حال حساس ترین مرحله پردازش توسعه سیستم های اطلاعات ( ISD )  است. این مرحله بسیار سخت است که بسیاری از محققان سیستم های اطلاعاتی استدلال می کنند که IRD مهمترین مرحله منفرد در طول فرایند توسعه پروژه سیستم های اطلاعات اجرایی است و اگر تعیین اطلاعات مورد نیاز (IRD) نادرست و ناقص باشد، حاصل سیستم نیز نادرست و ناقص خواهد بود. از این رو، درک مسائل موثر فرآیند تعیین اطلاعات مورد نیاز(IRD) سیستم های اطلاعات اجرایی (EIS) نقش حیاتی برای سازمان ها دارد) پون و واگنر ، 2001). با این حال، در مورد مسائل موثر در فرآیند IRD   در طول پیاده سازی پروژه های سیستم های اطلاعات اجرایی ، کمتر شناخته شده اند ( خلیل ، 2005).  
بنابراین، هدف این مقاله بررسی مسائل کلیدی فرایند IRD  در طول پیاده سازی یک پروژه سیستم اطلاعات اجرایی در یک سازمان دولتی بزرگ استرالیا می باشد. این  مقاله ابتدا متون مرتبط با  IRD و EIS  را بررسی می نماید . یافته های کلیدی و مسائل مربوط به شناسایی مطالعه موردی نیز ارائه شده است. مقاله به بررسی این یافته ها و مسائل مربوط به روشن سازی روش های IRD  سازمان ها و نتیجه گیری توسط ارائه برخی از مطالعات  پیاده سازی پروژه  EISمی پردازد.
زمینه
 IRD یک مرحله بحرانی از سیستم های اطلاعات اجرایی است.  IRD  در درجه اول مرتبط با برنامه های کاربردی خاص مانند سیستم های اطلاعات اجرایی است.IRD  علاقه و بحث های بسیاری در میان پژوهشگران  و پزشکان به عنوان یک پتانسیل به منظور بهبود  میزان موفقیت پروژه های ISD  مانند EIS  ایجاد نموده است.( Havelka، 2002؛ وو و شن، 2006). فرایند IRD ، که براون و رامش (2002، ص 625) آن را تعریف کردند به عنوان "مجموعه ای  از فعالیت های استفاده شده توسط تحلیلگر سیستم  در هنگام ارزیابی  قابلیت های مورد نیاز در یک سیستم پیشنهادی است" ،  که بسیار مهم در به دست آوردن مجموعه ای کامل و صحیح از نیازهای  کاربر است.  

تعدادی از ابزارها و تکنیک ها برای حمایت از فرایند IRD  در سیستم های اطلاعات اجرایی  پروژه پیشنهاد شده است  : نمونه سازی، توسعه نرم افزار های مشترک  (JAD)، توسعه کاربردی سریع (RAD)، نمودار جریان داده ها  (DFDs) و نمودار ارتباط موجودیت  (ERDs; Duggan &Thachenkary, 2004; Spina & Rolando, 2002) . با این حال، با وجود  تمام این روش ها و ابزار، تاریخ ISD  با گزارش های متعدد از شکست کامل پروژه EIS  دور انداخته شده  است (خلیل، 2005).عمده  دلیل این شکست ها تا حد زیادی ناشی از مشکلات  در برخورد با اطلاعات مورد نیاز است (براون  و رامش، 2002؛ دیویس، 1987).
در بسیاری از موارد ، اتمام بودجه  و زمان از دست می رود.  در بسیاری از موارد دیگر، طراحی و برنامه نویسی اولیه توسط یک ارزیابی مجدد به دنبال نیازها منجر به  طراحی مجدد و سپس برنامه نویسی دوباره شده  است( Urquart، 2001).  بسیاری از شکست های پروژه EIS  کمتر با مسائل فنی و یا برنامه نویسی مرتبطند .  منبع بسیاری از این مشکلات در یک یا ترکیبی از عوامل اصلی زیر نهفته است  : نقص و  یا نادرست  بودن مشخصات مورد نیاز ، عدم  دخالت کاربر، عدم انعطاف پذیری سیستم های اطلاعات مبتنی بر کامپیوتر  ، ارتباطات ضعیف، تحلیل های مختلف تحلیل گران سیستم ، و عوامل دیگر (Guinan، Cooprider، و فرج، 1998، کیرش و هانی، 2006). هر کدام از این عوامل به طور خلاصه در مجموعه های زیر مورد بحث قرار می گیرد.
نقص و / یا نادرست بودن مشخصات مورد نیاز
اغلب می تواند یک سازمان را راهنمایی کند تا متوجه مشکل نادرست و یا شناسایی نادرست نیازهای اطلاعاتی گردد. نارضایتی  سهامداران  از سیستم اطلاعاتی آنها مشتق شده از مشکل خواسته هایی که با دقت و / یا به طور کامل بیان نشده اند. (دیویدسون، 2002؛ خلیل، 2005). همچنین می تواند ناشی از این باشد که کاربران انتظارات غیر واقعی از سیستم های اطلاعات اجرایی نهایی دارند. بنابراین، نقص و  نادرست بودن مشخصات مورد نیاز اغلب می تواند از شناسایی نیاز  های اطلاعاتی غلط منجر شود  یا به مشکل IRD  نادرست بپردازد.  این  ممکن است در نهایت به شکست پروژه EIS  منجر شود.  به گفته براون و رامش (2002)، چالش های زیر  باید توسط هر دو تحلیلگران و کاربران زمانی که آنها در تعامل هستند ، به رسمیت شناخته شود.  
 • هرگز نمی توان، مجموعه ای درست و کامل از نیازهای اطلاعاتی کاربر ایجاد شود.
•  درخواست ها در طول زمان پایدار نیستند ، اما در یک فرآیند ثابت در حال تکامل اند  .
• مهارت های تسهیل تحلیلگران سیستم برای مدیریت موثر فرایند IRD  بسیار مهم  است .
•  تحلیلگران سیستم در زمینه های سیاسی بالایی کار می کنند.

عدم دخالت کاربر
یکی از عوامل عمده شکست پروژه های EIS  عدم دخالت کاربر است . با شکست در طول مراحل توسعه سیستمی که کاربران درگیر آن هستد ، ممکن است احساس نا امیدی و سرخوردگی نمایند ، زمانی که آنها فن آوری های جدید مانند سیستم های اطلاعات اجرایی را به عنوان منشا تهدید بیرونی مشاهده می نمایند ( رابرتسون و رابرتسون ، 1999). معمولا مقاومت و درگیری بین حامیان مالی پروژه، تحلیلگران سیستم ها  و کاربران را  نتیجه می دهد  ( دیویدسون ، 2002).  نتایج عدم دخالت کاربر اغلب بی اعتمادی بین کاربران ، تحلیلگران سیستم ها و حامیان مالی پروژه می باشد . کاربران احساس می کنند قادر به تعیین آنچه می خواهند نیستند زیرا آنها نمی دانند که چه چیزی امکان پذیر است ،  در حالی که تحلیلگران سیستم ها سعی می کنند که  آنچه که امکان پذیر است را توضیح دهند اما توصیف روش  آنها توسط کاربران درک نشده است. ( براون وRogich، 2001؛ I. وو و شن ، 2006 ) معمولا نه تنها رضایت شغلی را در هر دو طرف کاهش می دهد بلکه منجر به طراحی سیستم کم کیفیت می شود( آلوارز ، 2002).



عدم انعطاف پذیری سیستم های اطلاعاتی مبتنی  بر کامپیوتر
سیستم های اطلاعاتی مبتنی بر کامپیوتر (به عنوان مثال ، سیستم های اطلاعات اجرایی ) اغلب عدم انعطاف پذیری برای مواجه با تغییر نیاز های اطلاعاتی کاربر و تعامل کمی با سیستم های موجود را دارند(Salmeron، 2002؛ I. وو و شن ، 2006).
چرا که  اغلب برای کامپیوتر های سبک برنامه ریزی شده اند  و  هر گونه تغییر که شامل تغییر در برنامه که نیاز به یک توالی دقیق از مراحل به کار گرفته شده است که وقت گیر و از هم گسیخته می باشد.  برخی از تغییرات ، حتی تغییراتی که برای  کاربر غیر متخصص بی اهمیت به نظر می رسد ، نمی تواند در سیستم  بدون طراحی مجدد بخش های اساسی از سیستم کامپیوتری گنجانیده شود( LauesenوVinter، 2001؛ Sutcliffe ،2000 ). علاوه بر این ، از آنجا که سازمان ها و افراد در آنها پویا و همواره در حال تغییر  در همه زمان ها هستند ، یک سیستم اطلاعات مبتنی بر کامپیوتر که  بیش از حد طول می کشد تا به پایان برسد قادر نخواهد بود با نیازهای کاربران  مواجهه شود و از این رو به یک سد راه عمده برای موفقیت سیستم های اطلاعات اجرایی تبدیل می شود .
ارتباطات ضعیف
ارتباطات ضعیف بین کاربران و تحلیلگران همچنین از عوامل موثر درشکست سیستمهای اطلاعات اجرایی است(Urquart، 2001 ). مهارت های ارتباطی تحلیلگران سیستم تاثیر قابل توجه ی درموفقیت و کامل بودن نیاز های اطلاعاتی EIS  دارد. برخی از دلایل مهم برای مشکلات ارتباطی به شرح زیر است(داگلاس، 2003،. Guinanو همکاران،1998؛Urquart):

•دیدگاه های مختلف ازذینفعان مختلف در مطالعه سیستم
•بلاتکلیفی بخشی از کاربران از تاثیر سیستم نهایی درنقش فردی آنها در سازمان
•مشاهده شده که عملکرد کاربر با سیستم های غیر رسمی و روش رسمی سیستم های موجود کمتر از روش های غیر مجاز و رسمی پیشی می گیرد.
•مشکل مقابل هر دو کاربر و تحلیلگران سیستم ها  ، سیستم های جدیداست که تقریبا به طور قطع شامل نوآوری های فنی می باشد.
تحلیل های مختلف تحلیل گران سیستم ها
آموزش و عملکرد تحلیل گران سیستم ها می تواند باهم منبع مشکلات باشد هنگامی که ارتباطات با فرایند IRD  از چند تحلیلگر سیستم برای مقابله با ماهیت اجتماعی اساسی IS  سازماندهی شده اند.  تحلیلگران سیستم فکر می کنند که متخصص هایی هستند که مشکل را تجزیه و تحلیل، تعریف و راه حلی برای آن ارائه می نمایند(بری، 2002 ). بسیاری از مشکلات پروژه های ISD مانند  EIS را می توان به مشکلات رفتاری سازمان نسبت داد. این مشکلات رفتاری نتیجه طراحی های  بد هستند.این طراحی های  بد به سبک مشاهده تحلیلگران سیستم  از سازمان، خود کاربران و تابع ISD  نسبت داده می شود.

عوامل دیگر
همچنین برخی عوامل قابل توجه دیگر که می توانند بر روی میزان موفقیت پروژه های ISD  تاثیر گذار باشند، وجود دارد. این عوامل عبارتند از ارزیابی نادرست از دامنه مشکل و مسائل سازمانی فراگیر ، کنترل بودجه ضعیف، تاخیر در توسعه کاربردی، مشکل در ایجاد  تغییرات ،انبار مخفی، اشکالات برنامه  ونرم افزار ،سیستم هایی که هزینه بسیار زیاد برای توسعه و حفظ آنها بیش از حد انتظار است و فرآیندهای توسعه که پویا نیستند (آلوارز، 2002 نیست،براونورامش، 2002؛Havelka، ساتن، وآرنولد، 2001).

روش تحقیق
هدف از این پژوهش، بررسی مسائل کلیدی  از فرایند تعیین نیاز کاربر در طول  فرآیند توسعه پروژه های  EIS است . یک مورد مطالعه وسیع در یک سازمان بزرگ بخش عمومس استرالیا که درگیر پیاده سازی  یک پروژه EIS است، انجام شد. این سازمان مسئول اصلی ارائه خدمات آموزش و پرورش در استرالیا بود. این سازمان گردش مالی سالانه 500 میلیون دلار و در حدود 3000 کارمند دارد. به منظور پاسخگویی لازم به کیفیت مورد نیاز آموزشی و مجموعه ی دستورالعمل های دولت استرالیا، سازمان  تصمیم  به پیاده سازی EIS  برای کمک به تصمیم گیری مناسب ، گرفته بود . هدف از EIS  (a) پشتیبانی از گزارش های سازمانی در زمینه های برنامه  و بررسی برنامه ریزی، گزارش سالانه، و محک زنی و بهترین عملکرد ها است، (ب) حمایت از سازمان در تعهد خود از فعالیت های مربوط به کیفیت و (ج)  شناسایی کمبودها در منابع داده.  در ابتدا، محققان در شش جلسه  از فرایند IRD  که بین تحلیلگران سیستم ها  و کاربران کلیدی سازمان بود، شرکت کردند . پس از اتمام تمام این جلسات،  محققان سوالات مصاحبه  ، که قبل از این جلسه پیش نویس آن آماده شده بود را پالایش و اصلاح کردند
سپس 16 مصاحبه با نه شرکت کننده کلیدی انجام شد  و این شامل دو تن از حامیان مالی اصلی  پروژه های EIS ، یک تحلیلگر سیستم های خارجی، و شش تن از  کاربران اصلی EIS  می شد.  مصاحبه بر فرایند پروژه EIS  ، نمایش ذینفعان مختلف از  EIS ، فرایند IRD ، و روند ارزیابی  EIS ، متمرکز  بود. هر مصاحبه بین 1 تا 2 ساعت به طول انجامید. همه  مصاحبه ها ضبط شد و متن مصاحبه شوندگان برای اعتبار سنجی ارسال شد  .
در مواردی که اختلاف نظر بین شرکت کنندگان وجود داشت ، هر یک  برای روشن شدن مواضع خود ، مصاحبه انجام داده و یا ایمیل ارسال شده را پیگیری نمودند.  سایر اطلاعات جمع آوری شده شامل برخی از پیشنهادهای  پروژه های واقعی  و مشخصات جزئیات مورد نیاز برای پروژه EIS ، اسناد برنامه ریزی، و برخی از صورت جلسات است. بیش از 300 صفحه از متن  کد شده و مورد تجزیه و تحلیل قرار گرفت . جمع آوری داده ها در این  سازمان تا زمان نقطه اشباع نظری ادامه دارد ، که آن زمانی است که ارزش مصاحبه به عنوان جزئی بی اهمیت  در نظر گرفته شود (Eisenhardt ، 1989). تجزیه و تحلیل محتوای کیفی سپس برای تجزیه و تحلیل داده های جمع آوری شده ، مورد استفاده قرار گرفت  (مایلز و Huberman در، 1994).  تجزیه و تحلیل از مواد نیز به صورت دوره ای انجام شده  و مسائلی که دوباره توسط محققان و کارشناسان دیگر چک شده اند، شناسایی می شوند. دستورالعمل ها (به عنوان مثال، تفاسیر چندگانه) توسط کلاین و مایرز (1999) برای اجرا و ارزیابی  مطالعات تفسیری در سیستم های اطلاعات به منظور بهبود کیفیت پژوهش تنظیم شدند  .

یافته های پژوهش
تعدادی از مسائل از تجزیه و تحلیل داده ها پدیدار شدند وبرخی از مسائل فرایند IRD  پروژه EIS  را احاطه کردند که در زیر برخی از جزئیات ارائه می شود . اطلاعات مرتبط از مشاهده و بررسی سناد در بحث برای پشتیبانی یافته های بیشتر ، یکپارچه شده اند.
مطلب 1: مشکلات در استفاده از روش شناسیIRD
داده ها ی مصاحبه نشان داد که به طور کلی سازش در میان کاربران در روش شناسی ISD/IRD ،  ابزار، و یا حل مسئله وجود دارد  که توسط تحلیلگر سیستم های خارجی در طول فرایند IRD  با کاربران برای پروژه EIS استفاده می شود .
در عوض، تنها  مصاحبه ای که توسط تحلیلگر سیستم های خارجی برای جمع آوری اطلاعات مورد نیاز از  کاربران انجام شده است  .به عنوان مثال یک کاربر گفت: "این احساس بسیار  مانند سوالاتی است که من  پاسخ دادم زیرا این  مصاحبه ای  است که از آن خوشم می آید .... من احساس نمی کند که در چیزی جا داده شدم تا در آن  شرکت کننده باشم .بنابراین آن بسیار بسیار شبیه به یک پرسش و پاسخ است. " کاربر انتظار نوعی از روش شناسی را داشت که توسط تحلیلگر سیستم در طول  جلسه IRD  مورد استفاده قرار گیرد  . مشاهده محققان،  ادعای آنها را حمایت کرد. برخی از کاربران  پیشنهاد دادند که از یک روش ثابت و  نموداری که  برای فرایند IRD  ارزشمند باشد ، استفاده شود. با این حال، حامیان مالی و تحلیلگر سیستم ها ادعا کردند که نوعی از روش شناسی در طول جلسه IRD  ، استفاده شده است، اگر چه این توسط محققان مشاهده نشد. به عنوان مثال، یک تحلیلگر سیستم  گفت: "من آزادانه به روش های مختلف کار می کردم، در گذشته مرتب  ، به طور خاص، از روش اول آرتور اندرسن و  APT استفاده می کردم .اما آنها مستقیما در تجربه و اشاره به اسناد و مدارک گرایش داشتند. "علاوه بر این،  تحلیلگر سیستم تا آنجا پیش رفت که گفت استفاده از نمودارهایی مانند DFDs و ERDs کاربران را گیج می نماید. بسیاری از کاربران در مصاحبه با  محققان این ادعا را رد کرده بود.
مطلب 2: عدم دخالت کاربر
  همه کاربران سهم خود را در جلسات IRD   که با فقدان اطلاعات مختل شده بود، نشان دادند . علاوه بر این، به جای داشتن چندین جلسه IRD  با تحلیلگر سیستم ها ، اکثر کاربران پیشنهاد کردند که  جلسات گروهی برای ایجاد همکاری در میان کاربران به مراتب موثر تر است.
کاربران احساس کردند که توانایی آنها برای شرکت در فرایند IRD  با داشتن چنین جلسات گروهی ای افزایش یافته است.  در عوض، فرایند IRD  برای پروژه EIS  که توسط کاربران درک شده ، تنها یک عمل پرسش و پاسخ  بود. اگر چه به کاربران این فرصت داده شد  تا هر گونه سوال و نگرانی در مورد سیستم موجود  و همچنین سیستم های اطلاعات اجرایی آینده را ابراز کنند ، اما مشکل این بود که به کاربران هیچ اطلاعات قبلی ، قبل از جلسات IRD  نمی دادند. کاربران احساس می کردند که به آنها هیچ زمان و اطلاعاتی برای آماده شدن برای جلسات با تحلیلگر سیستم ها داده نشده است  . مشکل مرکب از عدم پیگیری به وسیله تحلیلگر سیستم ها بود.  کاربران سهمی در ایجاد پروژه EIS   نمی دیدند و بحران حامیان مالی پروژه این بود که  تحلیلگر ان سیستم در مورد پروژه با آنها مشورت نمی کردند . محققان به صورت خصوصی به یکی از حامیان مالی پروژه گفتند که تحلیلگر سیستم  عدم درگیری کاربران نسبت به مراحل دیگر پروژه را آموزش داده اند. حامیان مالی پروژه برای  برخی از کاربران خود در مورد اطلاعات مورد نیاز شان نگران شدند  .
مطلب 3 : عدم رضایت کاربر
بیشتر کاربران از فرایند IRD  پروژه EIS  ناراضی هستند و تحت تاثیر عملکرد حامیان مالی پروژه و  به ویژه، تحلیلگرسیستم ها قرار نگرفتند . به عنوان مثال، یک کاربر بسیار منتقد از حامیان مالی پروژه و تحلیلگران سیستم گفت: " من فکر می کنم آنچه که آنها باید انجام دهند این است که به کاربر از آنچه که انتظار دارد که سیستم EIS  باید قادر به انجام آن  باشد ، درک درستی بدهند و تا جای ممکن متناسب با آن ...
هیچ یک از کاربران اطلاعات و وقت کافی برای ایجاد  فرایند IRD را نمی دهند .به عنوان مثال، یک کاربر شکایت کرد و گفت: " اگر افرادی قصد در گیر شدن در فرآیند IRD را دارند  ، آنها باید بدانند که چرا ... " مشکل توسط دستورالعمل های حامیان مالی پروژه که زمان بیشتری برای گوش دادن به نیاز های کاربران صرف نکردن ، پیچیده شده بود ، و نیز این واقعیت که محدوده پروژه مشخص نیست .
مطلب 4 : هم کاربران و تحلیلگران سیستم در مورد فقدان هدف و اطلاعات برای این پروژه EIS  شکایت کردند .  برخی از ایده های مطرح شده توسط کاربران  به شرح زیر است: (الف) جلسات گروه باید به استخراج الزامات و نیازهای کاربران ختم شود، (ب) تحقیقات بیشتر باید توسط تحلیلگر سیستم ها قبل از فرایند IRD  هدایت شود، و (ج) اطلاعات بیشتر در مورد هدف از جلسه توسط تحلیلگر سیستم ها باید پیشاپیش داده شده باشد. همانطور که قبلا ذکر شد، دلیل ندادن اطلاعات مناسب به کاربران قبل از جلسات می تواند به علت این واقعیت باشد که دستورالعمل داده شده توسط حامیان مالی پروژه به تحلیلگر سیستم ها مراحل IRD  در اسرع وقت ممکن به پایان برساند . به عنوان مثال، تحلیلگر سیستم  ها گفت ، " مشکل این بود که من با این مورد خاص نه چندان اطلاعات مورد نیاز زیادی از کاربران را جمع آوری نمایم  .... مشکل این بود که من با مراحل IRD قادر به حفظ دامنه محدود نبودم. " این تحلیلگر سیستم با مشکل حفظ گستره محدود از پروژه EIS  مواجه بود و از این رو قادر نبود که دقیقا به کاربران بگوید که  این پروژه قرار بود به مانند چه باشد.
مطلب 5: فرهنگ و سیاست
تعدادی از کاربران به فرهنگ و سیاست  در سازمان اشاره کردند که بسیاری از کارکنان را مجبور به  بیداری از غفلتی کرد ، در مورد کل فرآیندی که آنها احساس می کردند که  نمی توانند تفاوتی در آن ایجاد کنند.  به عنوان مثال، یک  کاربر در مورد فرهنگ و سیاست که  در درون سازمان وجود داشته شکایت کرده که علت این است که با کاربران در مورد اجرای پروژه های جدید مانند سیستم های اطلاعات اجرایی مشورت نمی نمایند  . این اغلب منجر به شکست پروژه شده است  . به عنوان مثال، او گفت، "در حال حاضر من امیدوارم که یکی دیگر از این پروژه ها در نهایت به شکست منجر نشود. در سوابق گذشته،  ما شانس داشتیم و وقتی این اتفاق می افتد، همه  از یک خودستایی  عبور می کنند. یک نوع سیستم مدیریت اطلاعات از افراد گفته می شود،  اما من آنچه شما به ما گفته اید را تکمیل می کنم."  
تمامی کاربران احساس می کردند که این تا حدی در پروژه سیستم های اطلاعات اجرایی تکرار شده است  . یک مثال خوب از این ،عدم اطلاعات داده شده به کاربران توسط تحلیلگر سیستم قبل از جلسات تعیین اطلاعات مورد نیاز می باشد. پروژه سیستم های اطلاعات اجرایی معمولا با آفت سیاست مواجه می شوند. بسیاری از کاربران مصاحبه شده از سبک حامی مالی پروژه ناراضی بودند  که نقش مهمی در این پروژه سیستم های اطلاعات اجرایی داشتند . از طرف دیگر ، حامیان مالی پروژه همچنین نشان دادند که آنها در برخورد با کاربران سازمان بی حوصله هستند. حامیان مالی پروژه پذیرفته اند که محققان با برخی  از کاربران همراه نیستند.
تحلیلگر سیستم ها  نیز با این دیدگاه بیان شده توسط برخی از کاربران موافق هستند که پروژه سیستم های اطلاعات اجرایی به احتمال زیاد منجر به شکست می شود چنانکه نتیجه مستولی شدن فرهنگ و سیاست های موجود در درون سازمان است. هر دو تحلیلگر سیستم ها و  کاربران قبلا در داخل و خارج از سازمان ، شکست های بسیاری از پروژه توسعه سیستم های اطلاعاتی را دیده بود.  به طور کلی، بسیاری از مسائل کلیدی از این مطالعه که تا حد زیادی با مطبوعات سازگارند، شناسایی شدند. با این حال، تحقیقات بیشتر نشان داد که عدم  رضایت کاربر و فرهنگ و سیاست سازمانی نیز تأثیر عمده ای در موفقیت  پیاده سازی پروژه های سیستم های اطلاعات اجرایی دارد.

روندهای آینده
در طول دهه گذشته، نام سیستم های اطلاعاتی از سیستم اطلاعات اجرایی به سیستم های هوش تجاری (BI) تغییر پیدا کرده اند. (J. Wu, 2000) . هوش تجاری یک چارچوب کاری شامل فرایندها، ابزار و فناوری های مختلف است که برای تبدیل داده به اطلاعات و اطلاعات به دانش مورد نیاز هستند، که با استفاده از همین دانش مدیران قادر به تصمیم گیری بهتر می شوند و در نتیجه عملکرد سازمان خود را بهبود می بخشند.
بنابراین هوش تجاری مجموعه ای از مهارت ها، فناوری ها و سیستم های کاربردی است  که برای جمع آوری، ذخیره سازی ، تحلیل و ایجاد دسترسی کارآمد به انبارهای داده  جهت کمک به سازمان ها برای تصمیم گیری صحیح مورد استفاده قرار می گیرد.
علاوه بر این، هوش تجاری شامل  نرم افزاری برای استخراج،  دستکاری و بارگذاری داده ها در انبار داده ها (ETL)  ، چند بعدی و یا پردازش تحلیلی آنلاین  (OLAP)، تجزیه و تحلیل داده ها و استخراج اطلاعات  می شود. با این حال ، هنوز هم برخی از چالش ها برای غلبه قبل از هوش تجاری می تواند مورد استفاده قرار گیرد و به طور گسترده تر پیاده سازی می شود. این موارد شامل شناخت پروژه های هوش کسب و کار  به عنوان طرح های کسب و کار متقابل سازمانی، درگیر شدن حامیان مالی کسب و کار، و توسعه وب سایت خودکار  سیستم هوشمند برای استخراج عملی دانش سازمانی با اعمال نفوذ محتوای وب سایت است.  
نتیجه
این مطالعه موردی روابط پویا بین حامیان مالی پروژه ، کاربران  و تحلیل گر سیستم ها  را در طول فرایند IRD  یک پروژه EIS نشان می دهد. بیشتر شکایات کاربران در مشکل دادن نیازهای دقیق و کامل به تحلیلگر سیستم در طول فرایند IRD  متمرکز شدند. مشکلات آنها نه تنها ریشه ی ناتوانی کاربران در تعیین خواسته هایشان است ، بلکه همچنین تحت تاثیر نگرش تحلیلگر سیستم ها و حامیان مالی پروژه ی EIS  نسبت به نظرات کاربران قرار گرفته است. همچنین نتایج اختلاف موجود بین آنچه که تحلیلگر سیستم در مورد کاری که انجام شده گفته  )تئوری حمایت ) و کاری که او در واقع انجام داده ( تئوری استفاده شده ) در طول فرایند IRD  را نشان داد .به عنوان مثال، تحلیلگر سیستم ها اصرار کرده بود که نوعی روش شناسی رسمی برای استخراج  نیازهای کاربر مورد استفاده قرار گیرد که در واقع هیچ کدام وجود نداشت .
علاوه بر این، این تحقیقات نشان داده است که تفاوت قابل توجهی بین نظر کاربران و تحلیلگر سیستم ها وجود دارد . به عنوان مثال، در حالی که درجه بالایی از توافق در مورد عدم محدوده پروژه و وجود مسائل در فرهنگ و سیاست وجود دارد ، اختلاف قابل توجهی در مورد به کارگیری روشIRD  برای جمع آوری نیاز های اطلاعاتی مورد استفاده در EIS ، عدم دخالت کاربر و عدم رضایت کاربر وجود دارد .
همچنین تعجب آور بود برای شنیدن از سیستم های خود تحلیلگر و بیشتر کاربران که آنها به این پروژه EIS  ، با توجه به سابقه طولانی در شکست پروژه های ISD  در درون سازمان، برای موفقیت خیلی خوش بین نیستند . نقش  این مقاله کوتاه این است که ، عدم رضایت کاربر و مسائل مربوط به فرهنگ و سیاست سازمانی که تأثیر عمده ای در موفقیت اجرای پروژه های سیستم های اطلاعات اجرایی دارد را مشخص نماید .
کلمات کلیدی
هوش تجاری (BI) : فرآیند نظارت و تجزیه و تحلیل فرآیندهای تراکنش کسب و کار برای اطمینان از اینکه  آنها بهینه شده برای تلاقی  با اهداف کسب و کار سازمان هستند.
داده کاوی : این یک فعالیت استخراج اطلاعات است که هدف آن جستجوی در حجم زیادی از داده ها برای طرح و کشف حقایق مخفی موجود در پایگاه داده می باشد .
انبار داده ها : این یک پایگاه داده رابطه ای طراحی شده برای پرس و جو و تجزیه و تحلیل، و معمولا شامل داده های تاریخی هستند که از داده های نتیجه مشتق شده است.
سیستم اطلاعات اجرایی (EIS) : برنامه ای که سازمان ها را  با ابزار در عین حال ساده و قدرتمند برای مشاهده و تجزیه و تحلیل عوامل کلیدی و روند عملکرد در زمینه های فروش، خرید، تولید ، امور مالی و غیره آماده می نماید.
 تعیین نیازهای اطلاعاتی(اطلاعات مورد نیاز) ( IRD )  : مجموعه ای از فعالیت های استفاده شده توسط یک تحلیلگر سیستم هنگام ارزیابی قابلیت های مورد نیاز در یک سیستم پیشنهادی است.
توسعه کاربرد مشترک ( JAD ) : روند اصلی برای طراحی یک سیستم مبتنی بر کامپیوتر است. کاربران کسب و کار و حرفه ای های فناوری اطلاعات را در یک کارگاه بسیار متمرکز شده گرد هم می آورد.
توسعه سریع برنامه ( RAD ) : این یک روش برای فشرده سازی تجزیه و تحلیل ، طراحی، ساخت ، و مراحل آزمون در یک رشته  کوتاه مدت ، تکرار شونده چرخه توسعه است.
ارسال شده توسط احمد محمدی | 17 12, 2013 | بازدید‌ها (856)

معرفي تكنولوژي EAI

بطور خلاصه هدف از يكپارچه سازي برنامه هاي سازماني يا Enterprise Application Integration كه بطور مختصر EAI ناميده مي شود، ارائه ابزاری است تا تبادل اطلاعات میان application ها و نرم افزارهاي موجود بر روی platform های ناهمگون که بطور مداوم در حال رشد و توسعه هستند، بشکلی کارآمد و مطمئن صورت پذیرد. یکی از کاربرد های مهم این تکنولوژی زمانی است که سیستم های اطلاعاتی یک شرکت بصورت سیستم های اطلاعاتی توزیع شده بايد در شبكه WAN عمل كند. مشكلي كه در راه حل هاي آنلاين  تحت شبكه هاي WAN وجود دارد ، این است که برای تبادل اطلاعات بین دو سازمان، بايد بطورهمزمان سیستمهای client و server در دسترس باشند و این همزمانی را در شبکه های WAN  نمی توان در حد بسیار بالائی تضمین نمود. در سیستمهای با ماهیت enterprise ، سیستم ها باید در حداکثر استقلال و مکانیزمهای ارتباطی میان آنها نیز تا آنجا که امکان دارد غیرهمزمان (asynchronous) باقی بمانند. يكي از نكات مهمي كه در اين تكنولوزي بايد تضمين گردد، اين است كه : براي مثال اگر سيستم A قرار است براي سيستم B  اطلاعات ارسال دارد،  سیستم A باید ، حتی اگر سیستم B در دسترس نباشد، بتواند بکار خود ادامه دهد و سیستم B در بازگشت خود اطلاعاتی را که بمقصد او فرستاده شده، بازیابی نماید .

معماری EAI بگونه ای است که تبادل اطلاعات حول محور یک bus مبادله انجام میگیرد. این باس یکی از اجزاء مرکزی سیستم اطلاعاتی می باشد که جریان دادها در آن متمرکز می شود و تبديلات و مسیردهی لازم در آن تضمین می گردد. در این سیستم بمحض اینکه اطلاعاتی در یک برنامه کاربردی بوجود آید که بتواند مورد توجه برنامه کاربردی دیگر باشد، این اطلاعات مستقیمآ به مقصد انتقال نمی یابد، بلکه به باس تبادل اطلاعات منتقل می شود و سپس این باس مسیر دهی اطلاعات بسمت برنامه هاي کاربردی مورد نظر را بعهدا میگیرد. برروی این اطلاعات تبدیلات لازم و احتمالی برای قابل فهم شدن اطلاعات در برنامه هاي کاربردی مقصد انجام میگیرد.

محصولات تجاری تكنولوژي EAI از مكانيزم هاي مختلفي براي تبادل داده ها استفاده  مي كنند كه  يكي از ساده ترين آنها، مكانيزم ارسال داده مبتني بر فايل است كه در تصوير زیر معماری آن نشان داده شده است :

همانطور كه مشاهده مي شود اين معماري از سه لايه تشكيل شده است : در لايه Import/Export كار استخراج و درج داده در سيستم اطلاعاتي انجام مي گيرد و در لايه Transfer/Receive تبادل اطلاعات ميان پلات فرم ها. لايه Format‌ نيز وظيفه اعمال پراسس هاي لازم جهت تبديل اطلاعات را بعهده دارد.

راه حلهاي تجاري  بدليل آنكه بصورت  بسته نرم افراري ارائه مي شوند از پشتيباني  انواع پلات فرم ها  براي تبديل داده ها برخوردارند و مي توانند براي مثال اطلاعات را بين ماشين هاي Main Frame و ساير سرور ها براحتي تبديل و مبادله نمايند. اين محصولات انواع پروتكلهاي ارتباطي و امنيتي و همچنين مكانيزم هاي مختلف فشرده سازي داده ها را تحت پوشش خود دارند. به اضافه آنكه  اينترفيسهاي متنوع براي ارتباط با  اپليكيشن ها و زبانهاي مختلف برنامه نويسي بخصوص Java را مي توان در آنها يافت. اين بسته ها  كارائي بالا و مطمئني را در اختيار مي گذارند و قادر به انجام چندين ارسال همزمان داده ها مي باشند. با  آنها مي توان شبكه اي پيچيده از سرور  ها را  به هم مرتبط ساخت و در اين ميان  برخي از سرورها را  بعتوان رابط و پل ارتباطي  بين دو سرور ديگر تعريف نمود و به اين ترتيب برخي از كمبود هاي ارتباطي شبكه  را در فضاي WAN برطرف نمود.  ليسانس استفاده از اين بسته هاي نرم افزاري مي تواند به ازاي هر سرور و تعداد ارسال هاي همزمان تعريف و قيمت گذاري شود و به همين علت استفاده از آنها در سازمانهايي كه داراي  پراكندگي زياد اطلاعات هستند هزيته قابل توجه اي را  بهمراه مي آورد. اما اين هزينه براي سازمانهايي كه سيستمهاي  آنها داراي حساست بالا مي باشد بخوبي قابل توجيه مي باشد.

راه كار shell در پياده سازي EAI

 با توجه به ويژگيهاي  مهم EAI  كه در بالا از نظر گذرانه شد،‌ يعني استقلال سيستمها و مكانيزم ارتباطي غير همزمان ميان آنها،  ما نيز   بر مبناي معماري تبادل داده ها مبتني بر فايل برنامه اي را براي يكپارچه سازي برنامه هاي سازماني طراحي و پياده سازي مي كنيم تا بتواند تبادل اطلاعات ميان چند سرور مبتني بر يونيكس را امكان پذير سازد. مسلم است كه در يك محيط واقعي تماميت تراكنشهاي يك فعاليت كه در سمت  سايت ارسال كننده مبناي پكپارچه سازي قرار مي گيرند  بايد  براي حفظ يكپارچگي  در سايت دريافت كننده  نيز انعكاس يابد. بعبارتي اگر اطلاعاتي پس از ورود به سيستم دچار عمليات بروز آوري يا حدف گرديد، عينآ همان عمليات با همان ترتيب زماني بايد در سايت دريافت كننده  نيز اعمال گردد. اما ما در طراحي راه كار خود، هر چند  زمينه اين كار را پيش بيني نموده ايم ، ولي براي ساده كردن برنامه نويسي كه صرفآ جنبه بررسي و امكان سنجي دارد ،  تمام تراكنش ها را مورد پردازش قرار نمي دهيم و فقط اطلاعات جديد را كه براي بار اول وارد سيستم مي شود، مورد ملاحظه قرار مي دهيم.

سيستم EAI ما ، بدليل استفاده از زبان Shell ناچارأ  بايد برروي سيستم هاي بر پايه يونيكس اجرا گردد. بهمين منظور  ما  سيستم عامل OpenSolaris را تحت Virtual Box هم براي ارسال كننده و هم براي دريافت كننده انتخاب كرده ايم.  بنا بر ماهيت Shell كه به منابع سيستم  فقط از طريق خط فرمان دسترسي مي يابد،  پايگاه داده اي نيز كه در آن مورد استفاده قرار مي گيرد بايد امكان استفاده از زبان SQL را در خط فرمان داشته باشد كه در برنامه ما از پايگاه داده Informix OnLine براي ارسال و دريافت اطلاعات استفاده شده است.

براي آزمايش يك محيط عملياتي يك سناريو را فرض كرده ايم كه در آن  يك كارخانه  توليدي در نظر گرفته شده است كه داراي يك سايت مركزي و چندين سايت نمايندگي فروش است. سايت مركزي نياز دارد تا  جهت برنامه ريزي توليد  و  تغديه  كالا بصورت Just in time به نمايندگيهاي خود، آمار فروش محصولات را در نمايندگيها بطور آنلاين، در اختيار واحدهاي خود قرار دهد. براي همين منظور نمايندگي ها موظف هستند تا بمحض فروش كالا ،‌ اطلاعات فروش محصول را در سيستم هاي خود ثبت كرده و  همزمان يك نسخه از آن اطلاعات را  به سايت مركزي ارسال دارند.

براي شبيه سازي سايت نمايندگي ها و سايت مركزي، يك جدول فروش براي نمايندگي ها  و يك جدول فروش براي سازمان اصلي يا سايت مركزي  تعريف مي كنيم كه ساختار بسيار ساده اي دارند. اين جدول در نمايندگي ها شامل ستونهاي اطلاعاتي: شناسه ركورد،  كد محصول، كد مشتري، تعداد و تاريخ فروش مي باشد. كليد اوليه اين جدول ستون شناسه ركورد  از نوع autoincrement تعريف شده است و داده هاي جدول از طريق  كاربران در سيستم فروش نمايندگيها تآمين مي گردد. ستونهاي جدول فروش در ديتابيس سايت مركزي همان ساختار نمايندگي ها را دارد  بعلاوه يك ستون agent_id  كه در واقع كد شناسايي نمايندگي است و مشخص مي كند ركورد مربوطه به كدام نمايندگي تعلق دارد. كليد اصلي اين جدول زوج ستونهاي agent_id‌ و id يا شناسه ركورد مي باشد. داده هاي اين جدول از طريق سيستم EAI  كه با نام كاربري eaiadm   اجرا مي شود، تغذيه مي گردد. بنا براين كليه مجوزهاي دسترسي به اين جدول را حتما بايد به اين كاربر اعطاء  كنيم. دستورات SQL براي تعريف اين دو جدول تحت اينفورميكس در زير آورده شده است:

 معماري سيستم EAI  مبتي بر Shell‌  مورد بحث اين مقاله، براي پاسخ دادن به نياز سناريوي فوق و موارد مشابه از  اجزاء اصلي زير تشكيل شده است:

 يك Bus تبادل اطلاعات و اتومات كردن ارسال اطلاعات به آن بمحض ايجاد آن توسط كاربران

 يك سرويس دهنده EA I  براي تبادل اطلاعات

يك برنامه راه انداز سرويس EAI

1 -  Bus  تبادل اطلاعات و اتومات كردن ارسال اطلاعات به آن بمحض ايجاد آن توسط كاربر

همانطور كه در تعريف EAI بيان شد، اطلاعات ايجاد شده در يك برنامه كاربردي مبدأ نبايد مستقيما به برنامه كاربردي مقصد ارسال گردد، زيرا در صورت در دسترس نبودن برنامه مقصد علاوه بر از دست دادن يكپارچگي اطلاعات، كاهش سرعت و كارايي را نيز در اجراي  برنامه شاهد خواهيم بود. اين اطلاعات بايد نخست در يك Bus تبادل اطلات نگهداري و سپس از طريق اين باس،  در صورت در دسترس بودن برنامه مقصد به طرف آن  هدايت شود. به اين دليل ما نيز يك bus تبادل اطلاعات براي برنامه خود ايجاد مي كنيم ولي براي سهولت در پياده سازي برنامه و آسان ساختن گزارشگيري،  اين bus را به صورت يك جدول با نام eai_bus در سمت ديتابيس نمايندگيها در نظر مي گيريم كه تراكنشهاي جداولي را كه منشاء  يكپارچه سازي قرار مي گيرند (در مثال ما جدول فروش) ، در خود ذخيره  كند.‌ اطلاعات درج شده در اين جدول با همان  ترتيب زمان ورود، توسط سرويس دهنده EAI مورد پردازش قرار مي گيرد. ستونهاي اطلاعاتي اين حدول شامل : شناسه ركورد  كه كليد اوليه است،‌ كد وضعيت كه نشاندهنده وضعيت هاي مختلف پردازش روي ركورد مربوطه است، نام جدول ايجاد كننده اطلاعات، ‌كليد اوليه ركورد در آن جدول،  يك ستون dmc به معناي Data Manipulation Code ، يك ستون sql براي ذخيره جملات SQL كه بر روي جدول مبدأ اطلاعات اجرا شده است، ستون تاريخ ايجاد ركورد،  ستون تاريخ ارسال ركورد بسمت مقصد و يك ستون تاريخ پردازش ركورد بوسيله سرور مقصد. مقادير مجاز براي ستون dmc حرف اول كلمه هاي Update، Insert و Delete مي باشد كه نوع جمله SQL را در ستون sql نشان مي دهد.  در طول زمان پردازش ركوردهاي اين جدول، هر رديف اطلاعاتي در وضعيت هاي مختلفي قرار مي گيرد كه ستون كد وضعيت چگونگي آنرا نشان مي دهد. مقادير اين كدها به اين شكل تفسير مي شوند. 0: مقدار اوليه در زمان درج ركورد، 1: ركورد export شده است، 2: ركورد فرمت شده است، 3: ركورد آماده براي ارسال است، 4: ركورد به مقصد ارسال شده است، 5: ارسال ركورد مورد تائيد قرار گرفته است، 6: پردازش ركورد از سوي سرور مقصد با خطا مواجه شده است و 7:‌ پردازش ركورد در مقصد با موفقيت انجام شده است. ستونهاي dmc و pk_reference صرفأ براي نياز به گزارش گيري  از اين جدول بكار مي آيند و در پردازش هيچ  نقشي ندارند. براي حفظ امنيت در اين جدول تنها به كاربر eaiadm مجوز بروزآوري داده شده است و ديگران فقط قادر به خواندن اطلاعات آن مي باشند.

براي خودكار سازي ارسال اطلاعات به جدول eai_bus يك trigger و يك stored procedure  با مجوز اجرا براي عموم كاربران تعريف مي كنيم. اين تريگر روي جدول فروش در نمايندگيها نصب مي شود و  بمحض ايجاد اطلاعات توسط كاربران سيستم فروش يك نسخه از آن را به صورت جمله SQL‌ باز سازي كرده و براي ارسال از طريق پراسيجر در اختيار جدول eai_bus قرار مي دهد. دستورات SQL‌ براي تعريف ساختار جدول eai_bus و پراسيجر مرتبط با آن و همچنين تريگر مربوط به جدول فروش نمايندگيها به شكل زير در اينفورميكس تنظيم مي گردد.

2 - سرويس دهنده EA I  براي تبادل اطلاعات

در طراحي سرويس دهنده EAI  از دو ماژول يكي براي ارسال و ديگري براي دريافت اطلاعات استفاده شده است. اين رويكرد اين امكان را فراهم ساخته است كه  خارج  از سناريوي فرضي ما هر نمايندگي همزمان بتواند هم ارسال كننده و هم  دريافت كننده اطلاعات باشد . اما اين مسئله را در برنامه خود به آزمايش نگذاشتيم.  براي تشريح اين سرويس دهنده در پارگراف بعدي ابتدا نحوه تبادل اطلاعات و اصطلاحات استفاده شده در آن را بررسي مي كنيم و سپس به توضيح در باره ماژول هاي آن مي پردازيم.

در مكانيزم تبادل اطلاعات بر مبناي فايل، معمولأ روي سرورهاي مبدأ و مقصد  تنظيمات مشخصي  براي تبادل فايلها انجام مي گيرد كه بكمك آنها هر كدام از سرورها عمليات متناسب با فايل دريافتي يا ارسالي را به انجام مي رساند.  اما ما بدليل آنكه محدوده سطح يكپارچه سازي خود را بشكلي شخصي سازي شده و بسيار ساده تعريف كرده ايم، هيچگونه تنظيماتي را براي سرويس دهنده هاي خود در نظر نگرفته ايم  و  دستورات SQL را كه ساختاري استاندارد دارد بعنوان پروتكل تبادل اطلاعات انتخاب كرده ايم.  به اين ترتيب ما دستورات SQL‌ را كه بترتيب بر روي جدول فروش در نمايندگي ها اعمال مي شوند، دوباره توليد كرده و بعداز ذخيره سازي در يك فايل SQL ، آنرا براي اجرا به سرور مقصد مي فرستيم. از آنجائيكه چندين نمايندگي با هم اين فايل ها را به يك شكل مشابه ارسال مي كنند، بايد روشي اتخاذ مي شد تا آنها با يك نام يونيك در سطح سازمان ايجاد و مبادله گردند تا بدينوسيله هم سرويس دهنده مقصد بتواند نمايندگي ارسال كننده اطلاعات را شناسائي كند  و هم نمايندگي ها قادر به پيگيري و كنترل  نتيجه ارسال خود باشند. براي تحقق اين امر ما به هر فايل ارسالي يك شناسه فايل يا IDF اختصاص داديم كه مخفف Identication of file  مي باشد. فرمت اين IDF از سه بخش بشكل agentid_tablename_eaibuspk تشكيل شده است  كه در  بخش agentid كد نمايندگي ، در بخش tablename  نام جدول توليد كننده اطلاعات و در بخش eaibusid كليد ركورد مربوط به اطلاعات ارسالي در جدول eai_bus قرار مي گيرد. اين IDF ها در سمت مقصد با پسوند "sql." ‌ دريافت مي شوند.

  ماژولهاي سرويس دهنده ما  Shell script هايي هستند كه بصورت پراسس هاي daemon  براي ارسال با نام eaisender و براي دريافت با نام eaireceiver برنامه نويسي شده اند. براي برقرار كردن ارتباط بين اين دو ماژول روي دو سرور Client و ُServer ما از دستورات rcp و rsh استفاده كرديم و كنترل همزماني براي پردازش ها روي دو سرور را با ايجاد IDF هاي Commitment انجام داده ايم. به اين معني كه سرويس دهنده دريافت اطلاعات براي اينكه يكIDF را براي پردازش به رسميت بشناسد بايد زوج آن را نيز با پسوند "cmt."  بيايد تا مطمئن شود كه ارسال كننده عمل ارسال خود را بطور كامل و كنترل شده به پايان رسانده است.

 هر كدام از اين ماژولها مطابق شماي معماري EAI‌ فوق از سه تابع اصلي براي پردازش اطلاعات برخوردارند. در eaisender تابع export براي استخراج داده ها از جدوا eai_bus و ساختنIDF به ازاي هر ركورد، تابع format براي تبديل داده هاي استخراج شده و تبديل آنها به  فايل SQL و تابع transfer براي ارسال IDF ها به سرور مقصد. اين توابع در صورت موفق عمل كردن كد وضعيت مربوط به ركورد يا IDF در حال پردازش را تغيير مي دهند و در كنار آنها يك تابع getreceipt نيز قرار دارد كه وظيفه آن دريافت رسيد از سرور مقصد در ارتباط با پراسس انجام شده روي IDF ارسالي و نهايي كردن وضعيت ركورد در جدول eai_bus مي باشد. در ماژول eaireceiver تابع receive براي دريافت اطلاعات، تابع format براي تبديل دستور SQL با ساختار جدول فروش در سايت مركزي كه در مثال ما كد نمايندگي به آن اضافه مي گردد و تابع Import براي وارد كردن اطلاعات در جدول فروش كه با اجراي دستور SQL موجود در IDF دريافتي و ويرايش شده، صورت مي گيرد. در كنار اين توابع يك تابع removereceipt در نظر گرفته شده است كه كار آن پاكسازي دايركتوري هاي است كه بعنوان محل برداشت رسيدهاي client در نظر گرفته شده است. پاكسازي اين رسيدها زماني صورت مي گيرد كه سايت ارسال كننده،  يك IDF با پسوند fin. نيز ارسال كرده باشد. اين IDF بيانگر اين است كه ارسال كننده از چگونكي پردازش در مقصد آكاه گشته و  وضعيت IDF براي او نهايي شده است.

3 - پياده سازي برنامه راه انداز سرويس EAI

برنامه راه انداز سرويس EAI‌ يك script بنام eaisrv  است كه وظيفه راه اندازي و  بازايستاندن سرويس ها يعني ماژولهاي eaisender و eaireceiver را بعهده دارد. براي اجراي اين برنامه حتما بايد كاربر eaiadm برروي سيستم عامل از قبل ايجاد شده باشد و مجوز دسترسي به ديتابيس نيز به آن اعطاء شده باشد. سورس اين برنامه و دو ماژول سرويس دهنده بخش 2  در زير قابل مشاهده مي باشد:

براي آزمايش اين كدها آدرس IP سرور دريافت كننده اطلاعات بايد در فايل eaisender  براي متغيير REMOTE_HOST معرفي گردد و در صورتيكه از پايگاه داده غير از اينفورميكس استفاده مي شود دستورات دسترسي به ديتابيس در آن و همچنين در فايل eaireceiver جايگزين گردد. بعلاوه آنكه سينتاكس تعريف جداول و تريگر مطابق ديتابيس مورد نظر كنترل و وبرايش شود.

درباره من

  • 9163858398
  • احمد محمدی (کارشناس ارشد مدیریت فناوری اطلاعات و مهندس نرم افزار)

    مشاور و عضو کمیسیون نظارت و ارزشیابی سازمان نظام مهندسی رایانه ای خراسان رضوی

    بنیانگذار و مالک سایت های SEOparsian.com و SMSparsian.com

    جديدترين مقالات مرتبط با مدیریت فناوری اطلاعات

    ahmad.mohammadi.a@gmail.com

آخرين مطالب بروز شده