MIS EKONOMSKI FAKULTET U OSIJEKU Business …...10/05/2014 6 Od podatka do informacije na zahtjev MIS 2013/2014. Ekonomski fakultet u Osijeku 16 Temeljne ideje poslovne inteligencije

10/05/2014

1

BI i Marketinška istraživanja

Business Intelligence

MIS EKONOMSKI FAKULTET U OSIJEKU

prof.dr.sc. D. Ružić | doc.dr.sc. A. Biloš | doc.dr.sc. D. Turkalj | Ivan Kelić, univ.spec.oec.

Nekoliko primjera SEB, švedska banka

– Povlačenje s tržišta

Wendys, restoran brze hrane

– Kreditne kartice

Pampers, dječje pelene

– Segment kupaca

MIS 2013/2014. Ekonomski fakultet u Osijeku 3

https://www.youtube.com/watch?v=dTMYqgf1N2Q

10/05/2014

2

Širina pojma BI Makroekonomski aspekt – Otkrivanje

gospodarskih trendova i predviđanje budućih događaja, procesa i stanja

Mikroekonomski aspekt – Otkrivanje prikrivenih poslovnih znanja iz rutinski prikupljanih podataka o poslovnim transakcijama


Makroekonomski aspekt (1) Agregirana (složena) kategorija

Stvara se: – Sustavnim, ali unaprijed neciljanim prikupljanjem

podataka o makroekonomskim kretanjima u određenoj geopolitičkoj sredini

– Organiziranim i strukturiranim bilježenjem i pohranjivanjem tih podataka

– Logičkom i/ili računskom obradom radi otkrivanja makroekonomskih trendova i predviđanja, te prognoziranja procesa i događaja u makroekonomskim sustavima i njihovih budućih stanja



Ima elemenata konspirativnosti - može nalikovati općoj, političkoj ili industrijskoj špijunaži, posebno kad se odnosi na “tuđu” geopolitičku sredinu (starije, klasično tumačenje)

Jačanje ekonomske pozicije određene geopolitičke zajednice u konkurentskom okruženju, primjenom legitimnih instrumenata i mjera tržišne utakmice

*

Makroekonomski aspekt (2)

10/05/2014

3

Mikroekonomski aspekt (1) Odnosi se na poslovnu inteligenciju tvrtke

Koriste se poslovni podaci koje tvrtka rutinski zahvaća prilikom obavljanja različitih poslovnih transakcija

Podaci se organiziraju

– baze podataka

– skladišta podataka



Cilj je otkrivanje nepoznatih ili novih znanja iz tih podataka

Primjenjuju se analitičke, statističke i druge istraživačke metode, te metode rudarenja podataka (eng. Data Mining)

Neophodna je primjena računala i prikladnog softvera

* * *

Mikroekonomski aspekt (2)

Kako to funkcionira?


10/05/2014

4

Definicija? BI je obavještajna aktivnost u poslovnom svijetu koju planiraju, organiziraju i

provode poslovni subjekti, pri čemu ta aktivnost podrazumijeva proces legalnog

prikupljanja javnih i svima dostupnih podataka etičnim sredstvima, njihovu

analizu i pretvaranje u gotove poslovno-obavještajne analize (znanje) radi

pružanja potpore čelništvu poslovnog subjekta s ciljem donošenja i realizacije što

kvalitetnijih i boljih poslovnih odluka usmjerenih na očuvanje postojeće pozicije

poslovnog subjekta u poslovnom okruženju, [...] i ukupni kvalitativni napredak

poslovnog subjekta.



Pojmovno određenje (1) BI je obavještajna aktivnost u poslovnom svijetu koju planiraju,

organiziraju i provode poslovni subjekti

– pri čemu ta aktivnost podrazumijeva proces legalnog prikupljanja javnih i svima dostupnih podataka etičnim sredstvima, njihovu analizu i pretvaranje u gotove poslovno-obavještajne analize (znanje)

– radi pružanja potpore čelništvu poslovnog subjekta s ciljem donošenja i realizacije što kvalitetnijih i boljih poslovnih odluka

– usmjerenih na očuvanje postojeće pozicije poslovnog subjekta u poslovnom okruženju, [...] i ukupni kvalitativni napredak poslovnog subjekta


10/05/2014

5

Pojmovno određenje (2) Proces prikupljanja podataka i informacija koji nakon

odgovarajuće obrade (analize) postaju znanje

Usmjeren na informacije temeljem kojih se mogu anticipirati budući procesi, događaji, akcije ili kretanja

Instrument koji ima potpornu ulogu u procesu donošenja odluka

Nije nelegalna aktivnost, niti špijunaža


Interpretacije pojma poslovne inteligencije (1) Ciljevi stvaranja BI su podrška i unaprjeđenje postupaka

donošenja poslovnih odluka u poduzećima

BI nastaje kao rezultat dobro upravljanog procesa izvođenja novih ili prikrivenih znanja iz podataka koji se u poslovnoj praksi rutinski generiraju, zahvaćaju, memoriraju i koriste


Interpretacije pojma poslovne inteligencije (2) BI se izvodi iz operativnih podataka primjenom

odgovarajućih logičko-računskih metoda. – Razvijanje odgovarajućih informatičkih sredstava i alata (hardvera i

softvera), kojih se već danas na tržištu može naći razmjerno puno

Koherentni pristup upravljanju podacima i razvijanje jedinstvenog stava prema njihovoj ulozi i važnosti u poduzeću


10/05/2014

6

Od podatka do informacije na zahtjev


Temeljne ideje poslovne inteligencije (1)

Intencija koncepta BI nije stvaranje veće količine informacija, već isključivo generiranje boljih, kvalitetnijih informacija potrebnih pri donošenju poslovnih odluka

Pozitivne promjene u sredini u kojoj se stvara i primjenjuje

Potrebne i pravovremene informacije

Iskazane na način koji im najviše odgovara



Primijeni li se kako valja, koncept BI će smanjiti količinu informacija kojoj se zaposlenici tvrtke izlažu, povećavajući istovremeno kvalitetu tih informacija

*

Temeljne ideje poslovne inteligencije (2)

10/05/2014

7

Ključne značajke poslovne inteligencije

Zasniva se na personalizaciji

Proaktivna je

Nastaje iz operativnih podataka

19 MIS 2013/2014. Ekonomski fakultet u Osijeku

Business intelligence model


Prikupljanje podataka – zone djelovanja

Bijela zona • Etična i legalna

sredstva

Siva zona • Neetična, ali

legalna sredstva

Crna zona • Neetična i

nelegalna sredstva


10/05/2014

8

Business counterintelligence model


Integrirani model BI



Brojnost izvora podataka eksponencijalno raste uz korištenje interneta

Količina internetskog informacijskog sadržaja udvostručuje se u razdoblju od samo nešto više od godinu dana

Povećanje kvalitete primjenjivih informacija ni približno ne prati taj rast

2 3 1

Količina i kakvoća (1)

10/05/2014

9


Između količine podataka i njihove kvalitete ne mora bezuvjetno postojati izravna proporcionalnost

*

Količina i kakvoća (2)

Kategorije kvalitete podataka Standardiziranost (ujednačenost)

Podudarnost (sukladnost)

Vjerodostojnost (verificiranost)

Proširivost (skalabilnost)


Višekanalni dohvat

Uz povećanu količinu dostupnih podataka javljaju se i mogućnosti višekanalnog pristupa tim podacima

Raste opasnost od

• Nedosljednosti (nekonzistentnosti),

• Nepotpunosti (nekompletnosti),

• Umnožavanja (multiplikacije, replikacije)

• Zalihosti (redundancije) prikupljenih podataka


10/05/2014

10


Nove tehnologije pridonose povećanju rizika od nesvjesne uporabe loših podataka kao podloge za poslovno odlučivanje ili pak neodgovornog ignoriranja takvih rizika

Utjecaj na procese odlučivanja, a samim time i na rezultate poslovanja tvrtke

*

Problem viška


Tvrtke su ovisne o podacima

Nemoguće je donositi dobre poslovne odluke ako podaci nisu kvalitetni

Uzeti u obzir osnovne zahtjeve kojima podaci moraju udovoljavati 2 3 1

Zbog čega je kakvoća podataka važna u poslovanju?

Zahtjevi kakvoće poslovnih podataka

Jednostavnost uporabe

Prilagodljivost

Učinkovitost

Neovisnost o računalnoj platformi

Ekonomičnost


10/05/2014

11


And now something completely different…

Korištena literatura i korisni linkovi Stair, R., Reynolds, G.: Principles of Information Systems, Eighth Edition, Course Technology Press, Boston,

2007. Javorović, B., Bilandžić, M.: Poslovne informacije i business intelligence, Golden marketing, Zagreb, 2007. Ružić, D., Biloš, A., Turkalj, D.: E-marketing, 2. izmijenjeno i dopunjeno izdanje, Ekonomski fakultet u Osijeku,

Osijek, 2009. Kotler, P.: Upravljanje marketingom, deveto izdanje, Mate, 2001. Panian, Ž.: Bogatstvo Interneta, Strijelac, Zagreb, 2000. Čerić, V., Varga, Informacijska tehnologija u poslovanju. Element, Zagreb, 2004. Panian, Ž.; Klepac, G.: Poslovna inteligencija, Masmedia, Zagreb, 2003. Panian, Ž. i suradnici: Poslovna inteligencija – Studije slučajeva iz hrvatske prakse, Narodne novine, Zagreb,

2007. (https://bib.irb.hr/datoteka/481181.PISSHP_-_Glavnina_teksta.pdf) http://en.wikipedia.org/wiki/Business_intelligence http://www.research.ibm.com/journal/rd/024/ibmrd0204H.pdf http://www.trend.hr/clanak.aspx?BrojID=43&KatID=5&ClanakID=504 http://www.infotrend.hr/files/pdf/casopis/2011/183/infotrend183.pdf http://omega-software.hr/main.aspx?id=96 http://www.intelligententerprise.com/ http://www.businessintelligence.com/ http://www.business-intelligence.co.uk/ https://www.youtube.com/watch?v=_1y5jBESLPE http://www.cbpp.uaa.alaska.edu/afef/brain_behind_the_burger.htm


Marketinška istraživanja

MIS EKONOMSKI FAKULTET U OSIJEKU

prof.dr.sc. D. Ružić | doc.dr.sc. A. Biloš | doc.dr.sc. D. Turkalj | Ivan Kelić, univ.spec.oec.

http://www.reddit.com/

http://digg.com/

http://en.wikipedia.org/wiki/Business_intelligence

http://www.research.ibm.com/journal/rd/024/ibmrd0204H.pdf

http://www.trend.hr/clanak.aspx?BrojID=43&KatID=5&ClanakID=504









http://www.infotrend.hr/files/pdf/casopis/2011/183/infotrend183.pdf








http://omega-software.hr/main.aspx?id=96



http://www.intelligententerprise.com/

http://www.businessintelligence.com/

http://www.business-intelligence.co.uk/



https://www.youtube.com/watch?v=_1y5jBESLPE

https://www.youtube.com/watch?v=_1y5jBESLPE

http://www.cbpp.uaa.alaska.edu/afef/brain_behind_the_burger.htm

http://www.cbpp.uaa.alaska.edu/afef/brain_behind_the_burger.htm

10/05/2014

12

O početku znanstvene primjene istraživanja tržišta Prva istraživanja tržišta su obavljena u SAD u XIX stoljeću,

1879. godine.

Arthur Nielsen je otac najvećih istraživačkih projekata iz područja marketinga i on je razvio koncept tržišnog udjela kao mjeru uspješnosti poslovanja gospodarskog subjekta

Lyndon O. Brown je 1937. godine objavio knjigu Market Research and Analysis,koja je predstavljala jednu od najpopularnijih knjiga tog vremena


Istraživanja Prema kriteriju znanstvenosti

– pseudo istraživanju, • temelji se na subjektivnim kriterijima (intuicija, empirija,

prosudba)

– znanstvenom istraživanju • temelji se na objektivnim kriterijima znanstveno-istraživačkog

procesa


Marketinška istraživanja Meler:

– standardizirani i organizirani postupci primjene znanstvene metode u prikupljanju, registriranju, obradi, analizi i interpretaciji podataka u vezi s tržištem, sa svrhom dobivanja informacija koje služe za donošenje odgovarajućih marketing-odluka


10/05/2014

13

MIS i marketinška istraživanja


Podjela marketinških istraživanja

Marketinška istraživanja

– istraživanje tržišta

– istraživanje elemenata marketinškog spleta • istraživanje proizvoda

• istraživanje cijena

• istraživanje distribucije

• istraživanje promocije

Market research VS marketing research


Proces marketinških istraživanja (1)

Proces istraživanja se sastoji od logičnog redoslijeda postupaka što ih treba provesti da bi se došlo do pouzdanih i valjanih informacija koje pomažu odlučivanju u tržišnome poslovanju

– 6 faza


10/05/2014

14

Proces marketinških istraživanja (2)

1. Definiranje problema i ciljeva

2. Određivanje izvora i metoda

3. Određivanje uzorka

4. Prikupljanje podataka

5. Analiza i interpretacija

6. Sastavljanje izvješća


Definiranje problema i ciljeva istraživanja

Navođenje specifičnog područja istraživanja

Sagledavanja okolnosti provođenja istraživanja

Ciljevi istraživanja moraju biti jasno definirani

Odgovoriti na – što se želi istražiti

– koji su sve činitelji problema

– jesu li to činitelji koji stvarno utječu na problem

– jesu li oni mjerljivi

– može li se na njih utjecati

– koliki je utjecaj pojedinačnih činitelja na problem

– postoji li međusobni utjecaj činitelja jednog na drugi



Izviđajna (eksplorativna)

Opisna (deskriptivna)

Uzročna (kauzalna) 2 3 1

Vrste istraživanja (odnos s problemom)

10/05/2014

15

Izviđajna istraživanja


Izviđajna istraživanja

Prikupljanje sekundarnih

podataka

Istraživanje dosadašnjih

iskustava

Analiza odabranih slučajeva

Pilot studije

Skupni intervju Dubinski intervju Projektivne tehnike

Test asocijacije na riječ

Test nedovršenih rečenica

Tehnika igara

Test tematske aprecijacije

Pilot studije

U pilot-studije možemo svrstati:

• Skupne intervjue

• Dubinske intervjue

• Projektivne tehnike


Skupni intervju

Nestrukturirani intervju slobodnog tijeka, proveden s manjom skupinom ljudi

Moderator + 6-10 ljudi

Prednosti “efekt lavine”, sigurnost, spontanost

Nedostaci liderstvo, dužina trajanja


10/05/2014

16

Dubinski intervju Nestrukturirani, ekstenzivni intervju u kojemu

voditelj intervjua postavljajući pitanja nastoji od ispitanika dobiti što opširnije i što dublje odgovore

Prednosti – sloboda u izražavanju

– složenije promatranje predmeta istraživanja,

– tabu teme

Nedostaci – veliki utjecaj voditelja

– visoki troškovi



Neizravan način ispitivanja koje ispitaniku omogućuju da projicira svoje osjećaje na treću osobu, na neki drugi objekt ili je stavljen u situaciju rješavanja zadaće

Sve projektivne tehnike zasnivaju se na pretpostavci da se ljudi lakše i slobodnije izražavaju neizravno (bilo da su toga svjesni ili ne)

*

Projektivne tehnike (1)

Projektivne tehnike (2) Projektivne tehnike su brojne

– Test asocijacije na riječ

– Test nedovršenih rečenica

– Test dovršenja slikom prikazane situacije

– Tehnika treće osobe

– Tehnika igre uloga


10/05/2014

17

Primjeri / vježbe (1) Koja Vam riječ (ili riječi) pada na um kada čujete

sljedeće:

– Fakultet

– Novac

– Internet

– Predavanje

– Marketing

– Ispit

– Profesor

– Znanje


Primjeri / vježbe (2) Dovršite rečenicu:

– Glavni razlog mog odabira smjera na fakultetu je…

– Kada razmišljam hoću li otići na neko predavanje, na moju odluku najviše utječe...

– Na fakultetu me najviše frustrira…

Dovršite priču: – Studentica Sara imala je zbilja naporni radni tjedan. Previše

se obveza skupilo u kratkom vremenu. U ponedjeljak Sara treba pisati dva kolokvija, a pred njom su samo 4 dana da ih pripremi. U tom roku ona zna da može pripremiti jedan cjelovito ili oba vrlo slabo. Nakon kraćeg razmišljanja...


Primjeri / vježbe (3) Upišite komentar koji je student imao na izjavu

svog kolege


Nemam pojma što da radim preko ljeta…

10/05/2014

18


Čovjek je najmanje sebi sličan kada nastupa u svoje ime; dajte mu masku i otkriti će vam svoje pravo lice

Oscar Wilde

Opisna istraživanja (1) Opisivanje osobina populacije ili pojave

Tko, što, kada, gdje, kako

Većina istraživanja u praksi

– Opisivanje osobina potrošača ili nepotrošača (tko su kupci, korisnici, klijent – njihov profil (dob, spol, zanimanje)

– Opisivanje stavova koje (ne)potrošači imaju o nečemu

– Opisivanje ponašanja (ne)potrošača, ciljnih skupina...

– Opisivanje mišljenja ispitanika o budućem kretanju (pojave, potrošnje, prihvatljivosti cijene)


Opisna istraživanja (2) Jednokratno (često puta se naziva ad hoc

istraživanje) istraživanje – provodi se svaki put po novome planu istraživanja, u skladu s

problemom koje ono treba riješiti – opisna jednokratna istraživanja se najčešće provode na

uzorku ispitanika pri čemu kao instrument istraživanja služi upitnik

Kontinuirano ili longitudinalno istraživanje – za razliku od jednokratnoga, koristi se istom metodom i često

istim instrumentima istraživanja u ponovljenim istraživanjima tijekom dužega razdoblja.

– MIS je jedana od mogućnosti kontinuiranog istraživanja – Paneli


10/05/2014

19


Istraživanje i određivanje uzročno-posljedične povezanosti između aktivnosti koje poduzimamo i posljedica (reakcija) koje te aktivnosti izazivaju

Uzročna povezanost dviju pojava

*

Uzročna istraživanja (1)

Uzročna istraživanja (2) Eksperiment

– Terenski • u pravim, prirodnim uvjetima – teško za kontrolu

– Laboratorijski • potpuna kontrola “vanjskih” uvjeta


Odnos vrsta istraživanja


10/05/2014

20

Sekundarni podaci

Podaci prikupljeni prije u nekom drugom (istraživačkom) projektu za različite potrebe

Uz pretpostavku da su iskoristivi za istraživački projekt koji se provodi (desk research)

Primarni podaci

Podaci koji se najčešće poradi nepostojanja u sekundarnim izvorima prikupljaju za konkretne potrebe projekta u okviru terenskih istraživanja (field research)


Određivanje izvora podataka


Metode promatranja

Metode ispitivanja

Eksperimentalne metode

2 3 1

Metode prikupljanja primarnih podataka

Metode promatranja

• Samoopažanje (introspekcija) potrošača

• Opažanje ispitivača

• Upotreba mehaničkih/elektroničkih uređaja

primjerice audiometri, tahistoskopi, kamere za oči i dr.


10/05/2014

21

Metode ispitivanja (prema načinu) Preliminarno ili neformalno istraživanje

Obaviještenost mnijenja

Sondaža: – Poštom

– Telefonom

– Računalom

– Osobnim ispitivanjem

– Skupnim ispitivanjem

– Internetom

Psihološka istraživanja



CATI - Computer-Assisted Telephone Interviewing

CAPI - Computer-Assisted Personal Interviewing

CAWI - Computer-Assisted Web Interviewing *

Sondaža uz pomoć računala


Stav je dugotrajna osobna sklonost sličnog reagiranja (ponašanja) na podražaje iz okoline koja se zasniva na osjećajima i na znanju o podražaju

*

Mjerenje stavova

10/05/2014

22


spoznajne (kognitivne) sastavnice - koja označava osobna uvjerenja o podražaju iz okoline (“predmetu interesa”)

osjećajne (afektivne) sastavnice - koja označava osobna osjećanja prema podražaju iz okoline i

sastavnice ponašanja (biheviorističke) - koja označava sklonost da se ponašanjem reagira na podražaj iz okoline

*

Stav se sastoji iz 3 dijela

Uzorci i uzorkovanje Uslijed troškova istraživanja se provode na uzorku

ispitanika

Uzorci se mogu promatrati prema tome jesu li zasnovani na vjerojatnosti:

– Zasnovani na vjerojatnosti – slučajni uzorci

– Nisu zasnovani na vjerojatnosti –namjerni uzorci


Slučajni uzorci Jednostavan slučajan uzorak

(npr. brojevi na lotu)

Sustavni uzorak (npr. svaki n+1 student EF)

Stratificirani uzorak (podjela populacije u stratume prema nekim osobinama –npr. spol, dob, primanja … pa se iz svakog stratuma uzima određeni broj ispitanika)


10/05/2014

23

Namjerni uzorci Prigodan uzorak (npr. studenti

na predavanju)

Uzorak stručnjaka (npr. lovci, građevinski stručnjaci)

Kvotni uzorak (sastoji se od poduzoraka prema nekim osobinama npr. spol, dob, primanja, a izbor ispitanika prigodan ali uz uvjet da ispunjavaju zadane kriterije)


Kako kreirati anketni upitnik? 1. Zahtjeva li postavljeno pitanje odgovor?

2. U kojoj mjeri ispitanik ima unaprijed pripremljen odgovor na postavljeno

pitanje?

3. Može li se ispitanik prisjetiti prethodnih ponašanja?

4. Koliko je ispitanik voljan otkriti informaciju koja se od njega traži?

5. Koliko je ispitanik motiviran da odgovori na pitanje?

6. Može li na ispitanikovu percepciju pitanja i odgovor utjecati na nešto

osim riječi?

7. Hoće li se koristiti više od jedne tehnike prikupljanja podataka?

8. Je li mijenjanje pitanja prihvatljivo naručitelju istraživanja?


Priprema podataka za obradu Prikupljeni podaci sa anketnih upitnika se

pripremaju i unose u računalo za daljnju obradu korištenjem statističkih programa

Priprema se sastoji od:

– Određivanja kategorija odgovora (kategoriziranje)

– Editiranje (pre-logička kontrola) i kodiranje (dodjela kodova pojedinim odgovorima)

– Unos podataka i post logička kontrola (kontrola unosa)


10/05/2014

24

Korištena literatura i korisni linkovi Stair, R., Reynolds, G.: Principles of Information Systems, Eighth Edition, Course Technology

Press, Boston, 2007. Javorović, B., Bilandžić, M.: Poslovne informacije i business intelligence, Golden marketing,

Zagreb, 2007. Ružić, D., Biloš, A., Turkalj, D.: E-marketing, 2. izmijenjeno i dopunjeno izdanje, Ekonomski

fakultet u Osijeku, Osijek, 2009. Kotler, Ph.: Upravljanje marketingom, deveto izdanje, Mate, 2001. Prezentacije predavanja prof. dr. Hasan Hanić, mr. Jelena Žugić Bazala, A.: Istraživanje tržišta – metode i područja djelovanja, velebit – Velegraf, Zagreb, 1991. Čerić, V., Varga, M.: Informacijska tehnologija u poslovanju. Element, Zagreb 2004 Dillman, D.A.: Mail and Internet Surveys – The Tailored Design Method, John Wiley & Sons Inc.,

Hoboken, 2007. www.efst.hr/nastava/21/Izvidjajna%20istrazivanja.ppt web.efzg.hr/dok//MAR/spiri//4.%20Istraivanje%20trita%20i%20informacijski%20sustavi.p

df http://managementhelp.org/mrktng/mk_rsrch/mk_rsrch.htm http://www.marketresearchworld.net/


Hvala na pažnji


http://www.efst.hr/nastava/21/Izvidjajna istrazivanja.ppt

http://managementhelp.org/mrktng/mk_rsrch/mk_rsrch.htm

http://www.marketresearchworld.net/

Documents

MIS EKONOMSKI FAKULTET U OSIJEKU Business …...10/05/2014 6 Od podatka do informacije na zahtjev MIS 2013/2014. Ekonomski fakultet u Osijeku 16 Temeljne ideje poslovne inteligencije