مقاله منتشرشده در نشریه آفتاب خاورمیانه

به گزارش ایسنا به نقل از وب‌سایت بانک خاورمیانه، توانایی جمع‌آوری، پردازش و تحلیل داده‌ها برای تصمیم‌گیری‌ استراتژیک، یک ضرورت برای سازمان‌هاست. امروزه با پیشرفت فناوری اطلاعات، دانش به‌دست‌آمده از داده‌ها (از درون و بیرون ‌سازمان‌ها) نقشی اساسی در تصمیم‌گیری مدیران سازمان‌های پیشرو ایفا می‌کند. در این مطلب به فرآیندهای موسوم به هوش تجاری که این نیازها را با کمترین زمان ممکن و در سطح گسترده برطرف می‌کنند، می‌پردازیم و کاربرد آن در صنعت بانکداری را بررسی می‌کنیم.

هوش تجاری چیست؟

هوش تجاری (BI: Business Intelligence) به تجمیع حجم بالای داده‌ها از منابع گوناگون برای شناسایی، توسعه یا ایجاد فرصت‌های کسب‌وکار و پایش وضعیت سازمان‌ها گفته می‌شود. هدف از هوش تجاری، استفاده از داده‌ها به شیوه‌های جدید، برای تصمیم‌گیری و حل مسائل سازمان است.

ابزارهای هوش تجاری با ایجاد نمودار و تصویری کردن اطلاعات به آنها نظم داده و پیچیدگی آنها را کمتر می‌کنند. از هوش تجاری می‌توان برای تحلیل اطلاعات درونی و بیرونی سازمان مانند وب‌سایت‌ها و اپلیکیشن‌ها بهره برد تا در کنار تحلیل اقدامات گذشته، در تصمیم‌گیری برای اقدامات آینده نیز کمک کنند.

تاریخچه و مفهوم هوش تجاری

اصطلاح هوش تجاری نخستین بار در سال ۱۸۶۵ توسط ریچارد میلر در کتاب دانشنامه تجارت مطرح شده است. او این واژه را برای یک بانکدار به‌ کار برد که با دریافت و تحلیل اطلاعات، توانسته بود از رقبای خود پیشی‌ گرفته و رشد قابل‌توجهی را تجربه کند. تاکید میلر بر استفاده از شواهد تجربی برای توسعه استراتژی‌های کسب‌وکار، در زمان خود اهمیت فوق‌العاده‌ای داشت. در دهه‌های بعدی، این مفهوم توسط افرادی مانند فردریک تیلور و هنری فورد که تلاش می‌کردند با تحلیل تکنیک‌های تولید، رفتار کارکنان و تقسیم کار، بهره‌وری کارکنان خود را افزایش دهند، توسعه یافت.

در میانه قرن بیستم و با گسترش رایانه‌ها، هانس پیتر لون در مورد سیستم‌هایی که در زمینه هوش تجاری فعالیت کنند، نظریه‌پردازی کرد. در سال‌های آتی با اینکه تا مدت زیادی کامپیوترها، ماشین‌های عظیمی بودند که یک طبقه یک ساختمان را اشغال می‌کردند، اما از آنها برای راهنمایی مدیران استفاده می‌شد.

در ابتدای قرن بیست‌ویکم، برنامه‌های هوش تجاری در میان شرکت‌های بزرگ به یک جزء ضروری تبدیل شده بود. با رواج استفاده از اینترنت، حجم داده‌هایی که شرکت‌ها می‌توانستند گردآوری کنند، به‌شدت افزایش یافت و از سوی دیگر، ابداعات جدید در حوزه فناوری اطلاعات، قابلیت‌های هوش تجاری در زمینه ذخیره و تحلیل داده‌ها را چندین برابر کرد.

فرآیند هوش تجاری

ابزارهای هوش تجاری، داده‌ها را از منابع مختلف به‌ویژه پایگاه داده‌های عملیاتی (مشتریان، محصولات، تراکنش‌ها و غیره) استخراج می‌کنند. این داده‌ها وارد پایگاه داده بزرگی می‌شوند که ساختار آن برای تحلیل و گزارش‌گیری طراحی شده و عملکرد و سرعت بسیار بالاتری نسبت به پایگاه داده‌های عادی و عملیاتی دارد.

در نهایت با استفاده از ابزارهای تحلیلی و گزارش‌گیری، خروجی نهایی یا همان دانش موردنیاز در قالب داشبوردها و گزارش‌ها جهت ارائه به مدیران سازمانی به دست می‌آید. با این ابزارها، مدیران می‌توانند با ارزیابی اقدامات قبلی خود، تصمیمات جدیدی اتخاذ کنند. مطالعات نشان می‌دهد که استفاده از هوش تجاری، می‌تواند فرآیند تصمیم‌گیری را تا پنج‌برابر سریع‌تر کند.

تفاوت هوش تجاری و هوش مصنوعی

اگرچه شباهت ظاهری دو واژه هوش تجاری و هوش مصنوعی، ممکن است این تصور را ایجاد کند که مفاهیمی مشابه هستند، اما در واقع به دو ابداع کاملا متفاوت اشاره می‌کنند.

هوش مصنوعی (AI: Artificial Intelligence) به‌دنبال تقلید از قابلیت‌های هوش انسانی مانند حل مساله، یادگیری و داوری است. این فناوری به‌طور گسترده در کسب‌وکارها در حوزه‌های گوناگون مانند ارتباط با مشتریان، خودکارسازی فرآیندها و تصمیم‌گیری مورد استفاده قرار می‌گیرد. در مقابل، هوش تجاری به استفاده از فناوری‌ها و ابزارهای گوناگون برای گردآوری و تحلیل داده‌های کسب‌وکار، اشاره می‌کند. هدف اصلی هوش تجاری، فراهم کردن اطلاعات مفید و تحلیل آنها برای کمک به تصمیم‌گیری است.

واژه "هوش" در این دو اصطلاح، معنایی متفاوت دارد؛ کلمه هوش، در هوش مصنوعی به هوش رایانه‌ای اشاره می‌کند که در حالت ایده‌آل، می‌تواند توانایی هوش انسانی را داشته باشد اما منظور از این واژه در اصطلاح هوش تجاری، تصمیم‌گیری هوشمندتر با استفاده از تصویرسازی و تحلیل داده‌هاست. البته هوش مصنوعی به ابزارهای هوش تجاری کمک می‌کند که در سطور آتی به این هم‌افزایی می‌پردازیم.

هوش تجاری در دوره جدید

همانطور که مرور شد، اگرچه ابزارهای هوش تجاری در چند دهه گذشته وجود داشته‌اند، اما پیشرفت‌های جدید در حوزه فناوری اطلاعات، ظرفیت‌های آنها را به‌شدت افزایش داده است. هوش مصنوعی که در سال‌های اخیر توسعه فوق‌العاده‌ای پیدا کرده است، می‌تواند به هوش تجاری کمک کند اطلاعات را بهتر پردازش کند. سیستم‌هایی که از هوش مصنوعی استفاده می‌کنند می‌توانند در زمان کوتاه، داده‌های حجیم را با دقت بالا پردازش کنند. هوش مصنوعی ابزارهای هوش تجاری را توانمندتر کرده و امکان بررسی حجم بیشتری از داده‌ها و تعامل با تعداد بیشتری از مشتریان را فراهم می‌کند.

رایانش ابری نیز به هوش تجاری کمک می‌کند داده‌های حجیم خود را در فضای ابری ذخیره‌سازی و تحلیل کنند. به این ترتیب، نیاز به سرورهای بزرگ و گران‌قیمت برطرف شده و شرکت‌ها با کمترین امکانات، می‌توانند بسیاری از نیازهای خود را برطرف کنند.

ادامه مطلب را می‌توانید در وب‌سایت بانک خاورمیانه بخوانید.

انتهای رپرتاژ آگهی