Генерация
отчетов на основе SAP s Business Information Warehouse
( BW )
Обеспечивая доступ
через единый интерфйс для Seagate Analysis , Seagate
Info и Seagate Crystal Reports , пользователи получают
мощный инструмент для анализа информации,
хранимой в BW . SAP предоставляет 3-х уровневый
интерфейс к Business Information Warehouse через стандартный
драйвер, называемый OLE DB for OLAP ( ODBO ). Этот
стандарт идеален для доступа к многомерным
данным, таким как BW . С помощью этого интерфейса
Вы можете обращатся к кубам ( Info Cubes ), хранящимся
в SAP BW .
Используя Seagate Analysis
, пользователи могут анализировать кубы
BW и решать такие задачи, как анализ тренда.
Информация, полученная в результате анализа,
может быть сохранена и экспортирована
в Crystal Report для создания отчета презентационного
качества, а затем распространена с помощью
Seagate Info.
Бысрое
создание отчетов с помощью Seagate Crystal Reports
в модуле SAP HR .Инструментарий SAP
HR Ad - Hoc Query tool предоставляет пользователям
HR создавать запросы для решения индивидуальных
задач. В версии SAP HR 4.6 b при использовании
драйвера Seagate Software HR Query driver пользователи
могут экспортировать результаты запросов
в Seagate Crystal Reports . Пользователи могут воспользоваться
функциональностью Crystal Reports для форматирования
и анализа данных с целью получения документа
презентационного качества.
Использование
SAP HR Functional Areas в среде Seagate Crystal Reports.
Функциональные области
( SAP R /3 Functional Areas ) являются абстрактными
представлениями данных R /3. Создание запросов
на основе функциональных областей упрощено,
поскольку они содержат поля БД, относящиеся
к определенным предметным областям. Это
упрощает поиск информации для тех пользователей
R /3, которые не очень хорошо знают структуру
данных.
Новый драйвер Seagate
Software s Functional Area driver для SAP HR (4.6 b ) позволяет
создавать отчеты с помощью инструментов
Seagate Software ( within Seagate Crystal Reports или Seagate Info
) непосредственно из данных функциональных
областей SAP R /3.
Драйверы Seagate Software
Functional Area driver и Seagate Software HR Query driver будут
доступны в первой половине 2000 года.
Доступ
к внешним данным. Многим компаниям тербуется
доступ к внешним источникам данных, а
не только к данным R /3. Инструментальные
средства Seagate Software обеспечивают как доступ
к самым разнообразным БД, так и создание
отчетов на основе множественных источников
данных, включая такие как R /3 и BW .
Baan
С помощью генератора
отчетов Seagate Crystal Reports пользователи Baan
могут создавать аналитические отчеты,
обращаясь непосредственно к данным Baan
через Baan native driver фирмы Seagate . С помощью
того же драйвера, отчеты, созданные на
основе данных Baan , могут быть эффективно
распространены в масштабе корпорации
с помощью Seagate Info . Seagate Info позволит также
эффективно проанализировать информацию
с помощью технологии многомерного анализа
данных OLAP .
PeopleSoft
PeopleSoft и Seagate Software тесно
интегрированы посредством PSQuery из состава
PeopleTools . ( PeopleTools – инструментальный набор
для пользователей и PeopleSoft ). PSQuery предоставляет
доступ к данным, не требуя знания структуры
таблиц PeopleSoft .
Интеграция Seagate Software
и PeopleSoft обеспечивает безопасность данных
и предоставляет полную функциональность,
такую как доступ к метаданным PSQuery и внесение
параметров. После недавней сертификации
Seagate Info 7 для PeopleSoft 7.5, эта интеграция распространяется
как на Crystal Reports так и на Seagate Info .
J.D. Edwards
Использование
Seagate Crystal Reports с J.D. Edwards OneWorld . Последняя версия драйвера
J . D . Edwards Open Data Access ( ODA ) Driver позволяет пользователям
J . D . Edwards при помощи Crystal Reports создавать
отчеты презентационного качества на
основе данных off OneWorld data , что значительно
повышает возможности OneWorld по обеспечению
безопасности и поддержке бизнес-логики
.
Использование
СППР в отраслях
Телекоммуникации
Телекоммуникационные
компании используют СППР для подготовки
и принятия комплекса решений, направленных
на сохранение своих клиентов и минимизацию
их оттока в другие компании. СППР позволяют
компаниям более результативно проводить
свои маркетинговые программы, вести более
привлекательную тарификацию своих услуг.
Анализ записей с характеристиками
вызовов позволяет выявлять категории
клиентов с похожими стереотипами поведения,
с тем чтобы дифференцировано подходить
к привлечению клиентов той или иной категории.
Есть категории клиентов,
которые постоянно меняют провайдеров,
реагируя на те или иные рекламные компании.
СППР позволяют выявить наиболее характерные
признаки стабильных клиентов, т.е. клиентов,
длительное время остающихся верными
одной компании, давая возможность ориентировать
свою маркетинговую политику на удержание
именно этой категории клиентов.
Банковское дело
СППР используются
для более качественного мониторинга
различных аспектов банковской деятельности,
таких как обслуживание кредитных карт,
займов, инвестиций и так далее, что позволяет
значительно повысить эффективность работы.
Выявление случаев
мошенничества, оценка риска кредитования,
прогнозирование изменений клиентуры
– области применения СППР и методов добычи
данных. Классификация клиентов, выделение
групп клиентов со сходными потребностями
позволяет проводить целенаправленную
маркетинговую политику, предоставляя
более привлекательные наборы услуг той
или иной категории клиентов.
Страхование
Набор применений СППР
в страховом бизнесе можно назвать классическим
- это выявление потенциальных случаев
мошенничества, анализ риска, классификация
клиентов.
Обнаружение определенных
стереотипов в заявлениях о выплате страхового
возмещения, в случае больших сумм, позволяет
сократить число случаев мошенничества
в будущем.
Анализируя характерные
признаки случаев выплат по страховым
обязательствам, страховые компании могут
уменьшить свои потери. Полученные данные
приведут, например, к пересмотру системы
скидок для клиентов, подпадающих под
выявленные признаки.
Классификация клиентов
дает возможность выявить наиболее выгодные
категории клиентов, чтобы точнее ориентировать
существующий набор услуг и вводить новые
услуги.
Розничная
торговля
Торговые компании
используют технологии СППР для решения
таких задач, как планирование закупок
и хранения, анализ совместных покупок,
поиск шаблонов поведения во времени.
Анализ данных о количестве
покупок и наличии товара на складе в течение
некоторого периода времени позволяет
планировать закупку товаров, например,
в ответ на сезонные колебания спроса
на товар.
Часто, покупая какой
либо товар покупатель приобретает вместе
с ним и другой товар. Выявление групп
таких товаров позволяет, например, помещать
их на соседних полках, с тем, чтобы повысить
вероятность их совместной покупки.
Поиск шаблонов поведения
во времени дает ответ на вопрос Если сегодня
покупатель приобрел один товар, то через
какое время он купит другой товар?. Например,
приобретая фотоаппарат, покупатель, вероятно,
в ближайшем будущем станет приобретать
пленку, пользоваться услугами по проявке
и печати.
Заключение
Если говорить
о практике внедрения рассмотренных систем
и информационных технологий в России,
то она находится в самом зачаточном состоянии.
Основной целью настоящей статьи и являлось
привлечь внимание, прежде всего функциональных
руководителей соответствующих служб,
к имеющимся возможностям, мировой практике
использования систем и основным тенденциям
их развития.
С одной стороны,
на российских предприятиях исторические
данные недооцениваются, а имеющиеся базы
данных часто очень «бедны» для извлечения
из них значимой информации, т.к. разрабатывались
для решения учетных, а не управленческих
задач. С другой стороны, в России очень
ограничены возможности извлечения знаний
из данных вследствие большой скорости
изменений законодательной базы, что очень
сильно искажает временную статистику.
Научные направления,
имеющие отношение к рассматриваемому
вопросу, практически остались за пределами
настоящей статьи, как по причине ограниченности
формата, так и потому, что относятся в
основном к другой сфере знания - самой
что ни на есть фундаментальной математике
Литература:
- Efraim Turban, Jay E. Aronson Decision
Support Systems and Intelligent Systems (6th Edition). — Prentice Hall, 2005
- Э.А. Трахтенгерц. Компьютерная поддержка принятия решений: СИНТЕГ, 2007
- Vicki L. Sauter Decision Support System: John Wiley & Sons, Incorporated, 2010,
- Manuel Mora (Editor), Guisseppi A. Forgionne (Editor),. Jatinder N. D. Gupta (Editor) Decision-Making
Support Systems: Achievements and Challenges for the New Decade: Idea Group Publishing, 2010
- Дэниель Пауэр (Dr. Daniel J. Power) Decision Support Systems: Concepts and Resources for Managers: Quorum Books, подразделение Greenwood Publishing, 2013
- Геловани В. А., Башлыков
А.А., Бритков В.Б., Вязилов Е.Д. Интеллектуальные системы поддержки принятия решений
М.: Эдиториал УРСС,
2011
- Hugh J. Watson, George Houdeshel, R. Kelly Rainer Building Executive
Information Systems and Other Decision Support Applications // John Wiley & Sons, Inc., 2014
- Дюк В.А., Самойленко А.П. Data Mining: учебный курс // СПб.: Питер, 2001. B. de Ville. Microsoft Data Mining. Digital Press, 2012.
- Introduction to Data Mining and Knowledge
Discovery, 2nd edition. By Two Crows Corp., 2009.
- IBM, Data Modeling Techniques for
Data Warehousing. SG24223800, IBM Corporation,2010.
- J. Han, M. Kamber, Data Mining: Concepts and Techniques,
Morgan Kaufmann, San Francisco, 2011.