1

Univerzitet u Beogradu

Fakultet organizacionih nauka

Laboratorija za elektronsko poslovanje

PRIMENA POSLOVNE INTELIGENCIJE U ELEKTRONSKOJ TRGOVINI

Seminarski rad iz Elektronskog poslovanja

Nastavnik: Student: Milica Dragojlovi 44/11

Beograd, 2014.

2

Sadraj

Uvod............................................................................................................... 3

E-trgovina ....................................................................................................... 3

Modeli e-trgovine ......................................................................................... 4

Evolucija poslovnih informacionih sistema ...................................................... 5

Pojam poslovne inteligencije .......................................................................... 7

Neophodni alati .............................................................................................. 7

OLAP tehnologija............................................................................................ 8

OLAP kocke podataka ................................................................................. 8

Data mining .................................................................................................... 9

Proces data mining-a................................................................................. 10

Data mining i OLAP ................................................................................... 11

Data mining modeli i algoritmi.................................................................... 11

Poslovna inteligencija i e-trgovina ................................................................ 13

Izgradnja inteligencije e-trgovine .................................................................. 14

Vrste informacija i koraci u njihovom dobijanju .......................................... 15

Prednosti i nedostaci ................................................................................. 16

Studija sluaja: Amazon.com........................................................................ 17

Funkcije Web sajta Amazon.com............................................................... 19

Zakljuak ...................................................................................................... 23

Literatura ...................................................................................................... 24

3

Uvod

Razvoj informacionih tehnologija u proteklih nekoliko decenija prvenstveno se

bazira na potrebi da se povea produktivnost, efikasnost i efektivnost u

odvijanju poslovnih procesa u preduzeima. Pored kadrova, organizacije,

uslova okruenja i slino, izbor odgovarajue i kvalitetne podrke

informacionih tehnologija danas predstavlja jedan od najbitnijih preduslova za

uspeno poslovanje. Budui da je upotreba Interneta postala sastavni deo

privrednog i drutvenog ivota, a telekomunikaciona infrastruktura se

dinamino razvija, s pravom moemo rei da elektronski nain poslovanja (e-

poslovanje) u privredi postaje dominantan u odnosu na dosadanje metode.

Osnovna odlika e-poslovanja je mogunost izvrenja svih poslovnih aktivnosti

elektronskim putem, odakle sledi da je upravo elektronska trgovina (e-

trgovina) oblast koja je tokom prethodnih godina doivela najvei procvat.

Ako posmatramo informacije kao jedan od najznaajnijih resursa preduzea,

onda je poslovna inteligencija oblast koja te informacije, tj. ukupne

informacione potencijale preduzea koristi za donoenje najkvalitetnijih odluka

kako bi se ostvarili strateki ciljevi preduzea.

E-trgovina

Elektronska trgovina obuhvata kupovinu, prodaju, marketing, kao i

servisiranje proizvoda i usluga putem Interneta i drugih kompjuterskih mrea.

Posmatrano sa ireg stanovita, ona ukljuuje i razmenu poslovnih

informacija, kao i voenje poslovnih transakcija preko razliitih

komunikacionih mrea.

Svakako jedna od najizraenijih karakteristika e-trgovine jeste brzo i radikalno

menjanje naina na koji se obavlja trgovina, odnosno razmena. Trgovina

4

putem Interneta unosi velike i neoekivane promene u tradicionalni nain

obavljanja poslovanja. Moni skup interaktivnih, sadrajem bogatih i

personalizovanih poruka sada moe da se dostavi ciljno odabranoj publici,

korisnicima u specifino odabranim segmentima trita, i tako znaajno

povea kupovina i prodaja. Na primer, sadanji trgovci imaju o svojim kupcima

vie informacija nego ikada ranije, tako da mogu veoma efikasno da ih

iskoriste. Takoe, posedovanje takvih informacija omoguava trgovcu da

segmentira trite na neogranien broj malih grupa koje e dobijati razliite

cene za, u sutini isti proizvod, koji je diferenciran prema zahtevima odreene

grupe, robnom markom ili visoko kvalitetnom prateom uslugom.[8]

Modeli e-trgovine

Osnovni modeli e-trgovine su:

biznis prema biznisu (B2B) ovo je najznaajniji model elektronske trgovine, firme su i kupci i prodavci.

Primarno, B2B trgovina obuhvata interbiznis razmenu (razmenu izmeu

kompanija), ali se razvijaju i drugi B2B modeli kao na primer e-

distributeri, B2B servis provajderi, brokeri i informacioni posrednici i

time se proiruje mogunost upotrebe B2B trgovine.

biznis prema kupcu (B2C) firme su prodavci, a kupci su pojedinci. Veim delom, ovo je elektronska

kupovina individualnih potroaa elektronska maloprodaja. Meutim,

obuhvata i obezbeenje informacija putem mree, korienje igrica na

mrei i sl. Ta kategorija e-trgovine znatno je poveana razvojem Web-a.

kupac prema kupcu (C2C) pojedinci prodaju proizvode ili pruaju usluge drugim pojedincima

trgovina unutar kompanije firma koristi e-trgovinu interno da bi poboljala svoj rad

e-vlada (e-government) vlada obezbeuje usluge svojim graanima (kao i firmama ili drugim vladinim

organizacijama) koristei informaciono-komunikacione tehnologije

5

mobilna trgovina model e-trgovine koji se vodi u beinom okruenju, kao to je korienje mobilnih telefona za

pristup Internetu

Bitno je istai da prihod ostvaren od B2B e-trgovine iznosi vie od 85%

ukupne e-trgovine, dok prihod od ostalih modela iznosi oko 15%. [5] (Slika 1)

Slika 1 Modeli e-trgovine

Evolucija poslovnih informacionih sistema

Razvoj poslovnih informacionih sistema tekao je u tri globalne faze:

1. Host bazirani upiti

2. Data warehousing

3. Poslovna inteligencija

Prvu generaciju poslovnih sistema, host bazirane upite, koristilo je uglavnom

tehniko osoblje koje je posedovalo veliko iskustvo u radu sa raunarima,

najpre zbog komplikovanog pristupa transakcionim bazama podataka i

nezgrapnog korienja. S druge strane, prednost ovih sistema bio je brz

pristup informacijama.

6

Drugu generaciju poslovnih informacionih sistema obeleila je pojava

koncepta data warehouse. Data warehouse moemo definisati kao kolekciju

informacija organizovanih tako da se mogu lako analizirati, izdvojiti,

sintetizovati i na drugi nain koristiti da bi se razumela njihova sutina. Neke

od brojnih prednosti koje donosi data warehouse su: konstantno zadovoljenje

potreba poslovnih korisnika, jasne i konzistentne informacije u obliku koje

poslovni korisnik moe da razume, unapreen korisniki interfejs i dr.

Iako je data warehouse koncept doneo mnotvo inovacija, ova tehnologija je

ipak usredsreena na reavanje tehnolokih, umesto poslovnih problema. Iz

tog razloga poslovna inteligencija, trea generacija poslovnih sistema,

fokusira se na poboljanje mogunosti za pristup i distribuciju informacija,

kako korisnicima, tako i tvorcima tih informacija. Takoe, druga bitna

karakteristika ovih sistema ogleda se u tome to su projektovani tako da

podre pristup svim oblicima informacija, a ne samo data warehouse sistemu.

Uproena predstava razvoja poslovnih informacionih sistema prikazana je na

slici 2.

Slika 2 Evolucija poslovnih sistema

7

Pojam poslovne inteligencije

Poslovna inteligencija (engl.BI, Business Intelligence) predstavlja korienje

svih potencijala podataka i informacija u preduzeu radi donoenja boljih

poslovnih odluka i u skladu sa tim identifikaciju novih poslovnih mogunosti.

Poslovna inteligencija kao reenje, sadri tehnologije i proizvode iji je cilj da

obezbede informacionu podrku ukoliko postoje nedoumice kada treba doneti

operativne i strateke poslovne odluke.[1]

U svakodnevnom poslovanju preduzea proizvodi se velika koliina podataka

(fakture, nalozi, izvodi, blagajna, kupci) i upravo analiza tih podataka radi

donoenja optimalnih odluka predstavlja samu sutinu poslovne inteligencije.

Pritom, njena primena je mogua iskljuivo uz korienje namenskih

sofisticiranih aplikacija i alata.

Kljune tehnologije poslovne inteligencije su: OLAP (OnLine analytical

processing) , data mining neuronske mree, stabla odluke, klaster analiza i

tekst mining.

Neophodni alati

Neki od namenskih alata, u zavisnosti od oblasti poslovanja, su:

OLAP alati Alati za data mining Alati za izvravanje raznih upita Alati za statistiku analizu Namenske aplikacije

Veina alata koji se koriste u poslovnoj inteligenciji omoguava korisniku da

informacije dobije kroz svoje standardno desktop okruenje. Zbog sigurnosti,

mnoga preduzea poseduju specijalne sisteme namenski projektovane za

poslovnu inteligenciju, kako bi ograniili pristup svojim sistemima za

operativno poslovanje. Da bi se ti sistemi napravili, neophodno je preistiti i

transformisati podatke koji se mogu nalaziti i na drugim platformama. Nakon

8

transformisanja u oblik pogodan za primenu sistema za poslovnu inteligenciju,

podaci se moraju redovno osveavati. Te poslove obino nazivamo data

warehouse generisanje i upravljanje.

OLAP tehnologija

Informacije u nekom preduzeu se nalaze virtuelno sakrivene u data

warehouse bazama podataka, poslovnim informacionim sistemima (engl.

ERP, Enterprise Resource Planning Systems), data martovima itd. Da bi

zaposleni pristupili tim informacijama, tradicionalno prave odgovarajue SQL

upite kojima biraju podatke iz jednog od navedenih izvora podataka.

OLAP tehnologija omoguava efikasniji pristup korporativnim podacima,

prezentujui sumarne informacije iz razliitih izvora. Ovaj pristup je

svrsishodniji zbog toga to omoguava pristup informacijama u poslovnom

kontekstu. Iako u veini preduzea OLAP informacije koristi mali broj ljudi,

one imaju veliku korist u utvrivanju vrednosti kroz itavo preduzee. To se

postie pravljenjem OLAP izvetaja koji informacije donose direktno, bez

posrednika onima kojima su potrebne. Ovi izvetaji mogu biti u obliku

regularnih statusnih izvetaja, a mogu biti i: izvetaji o kljunim indikatorima

performansi, izvetaji o performansama poslovnih procesa ili Balanced

Scorecard izvetaji.

OLAP kocke podataka

OLAP kocke podataka (engl. data cubes) su multidimenzionalni nizovi

podataka koji sadre paljivo odabrane podatke iz data warehouse baza

podataka, relacionih baza podataka, data martova i drugih izvora podataka.[2]

OLAP izvetaji izrauju se upravo na bazi kocki podataka.

Kocke podataka su fleksibilne sa aspekta informacija koje sadre (dimenzije) i

kalkulacija koje se mogu obaviti (mera). One predstavljaju modele poslovanja

9

i koriste se za merenje performansi poslovnih procesa i upravljanje njima.

Svaka kocka sadri vie dimenzija i mera, pa se samim tim od informacija u

kocki moe kombinovati veliki broj razliitih izvetaja.

Slika 3 OLAP kocka podataka

Data mining

Data mining ili rudarenje podataka(slika 4) je proces koji koristi razliite

vrste alata za analizu podataka da bi se otkrile zakonitosti i veze meu

podacima koje se mogu iskoristiti za izradu validnih projekcija.[1] Ova

tehnologija pomae sistem analitiarima da pronau ablonska ponaanja u

gomili podataka i potom prou proveru na realnom sistemu. Data mining baza

podataka je u sutini logiki podskup data warehouse baze podataka, to

znai da podatke organizovane po data warehouse modelu ne treba dodatno

sreivati jer se u tom obliku mogu koristiti i za data mining. Takoe, zbog

sloenosti podataka uvedena su i nova potpodruja data mining-a kao npr.

text mining (rudarenje teksta), Web mining (rudarenje Weba) i dr. [3]

Bitan pojam u data mining tehnologiji jeste klastering (engl.clustering) ili

klaster analiza iji je osnovni cilj pronalaenje grupa podataka koje su

meusobno veoma razliite, a podaci unutar jedne grupe veoma slini. Pritom,

ovaj pojam treba razlikovati od pojma klasifikacije koja grupie podatke u ve

10

ustanovljene grupe podataka, dok kod klasteringa te grupe tek treba

ustanoviti.

Slika 4 Data mining

Proces data mining-a

Kako bi se uspeno realizovao postupak data mining-a potrebno je definisati

neophodne radnje i aktivnosti, odnosno izvriti:

selekciju podataka podrazumeva utvrivanje izvora i koliine podataka nad kojima e se izvriti data mining. To

mogu biti podaci o kupcima, dobavljaima, starosnoj strukturi,

prodajnoj regiji i sl.

preiavanje podataka gde se podaci iste i uparuju

redukciju i projekciju podataka predstavlja transformisanje podataka iz transakcionih baza i ostalih izvora u

viedimenzionalne baze

odreivanje najprikladnije metode data mining-a npr. analiza potroake korpe, klasifikacija itd.

11

Bitna karakteristika uspenosti primene data mining-a je izvor podataka i

njihov kvalitet.[2]

Data mining i OLAP

Data mining i OLAP pristupi se u velikoj meri dopunjuju. OLAP je deo alata

sistema za podrku odluivanju koji stvara hipotetike zakonitosti i veze

izmeu podataka i koristi sisteme upita da ih potvrdi ili opovrgne.

Data mining se tu razlikuje od OLAP pristupa u smislu to on ne proverava

hipoteze, ve pokuava da pronae neku zakonitost meu podacima. Iz tih

razloga su data mining i OLAP dopunjujui pristupi pre utvrivanja ablona i

pravila moraju se proveriti odreene pretpostavke na bazi kojih se ablon

izvodi.

Data mining modeli i algoritmi

Neuronske mree (engl. neural networks) su modeli koji ''kopiraju'' nain na

koji ljudski mozak funkcionie pri prepoznavanju ablona, tako to aritmetiki

kombinuju sve promenljive koje su povezane sa datim podacima.(Slika 5)

Moemo ih smatrati ekspertima za zadate informacije i koristimo ih za

dobijanje odgovora na pitanja tipa ta-ako.

Proces dolaenja do informacija iz podataka pri upotrebi neuronskih mrea

odvija se u tri faze:

1. priprema podataka (izbor podataka, njihovo

preiavanje, prethodna obrada i reprezentacija podataka)

2. otkrivanje informacija uz primenu odreenog

algoritma

3. analiza rezultata dobijenih primenom tog

algoritma

12

Nedostatak neuronskih mrea je to se one mogu smatrati ''crnim kutijama''

jer iznose zakljuke bez davanja objanjenja to dalje utie na smanjenje

tanosti iznesenog zakljuka. Ovaj metod se razlikuje od klasinih statistikih

metoda po tome to zahteva vei broj parametara, a oteavajua okolnost je i

intenzivna obuka neophodna za njihovu primenu.

Slika 5 Neuronske mree

Stabla odluke (engl. decision trees) su serije pravila pomou kojih se

izdvajaju odreene klase ili vrednosti. (slika 6) Prvu komponentu u stablu

odluke ini koren stabla (engl. root node) koji predstavlja test koji treba uraditi.

Kao rezultat testa, stablo se grana na podstabla od kojih svako predstavlja

jedan od moguih odgovora. Svaki nod stabla moe imati vie podstabala, u

zavisnosti od algoritma. Svako podstablo ide do sledeeg noda koji

predstavlja novu taku odluke i tako se ide do dna stabla, sve do nodova koji

se nazivaju listovi, a predstavljaju zavrnu klasifikaciju i odgovor na

postavljeno pitanje.[1]

Prilikom data mining-a vrlo esto se stabla odluke kombinuju sa klastering

metodom s obzirom da je formirane klastere proizale kao rezultat procesa

13

klasterisanja ponekad nemogue interpretirati bez daljnje dublje analize , a

ovdje se metoda stabla odluivanja pokazala vrlo djelotvornom. [6]

Slika 6 Stablo odluke

Poslovna inteligencija i e-trgovina

E-trgovine ije se poslovanje obavlja iskljuivo na Internetu svoje klijente stiu

uz velika ulaganja jer su njihovi kupci bezlini, nestrpljivi i jednim klikom mia

mogu prei drugom prodavcu. Nie cene konkurencije, sporo uitavanje

stranice, ili dugo vreme traganja za odgovorom samo su neki od razloga za to.

Inteligentnim korienjem velike koliine informacija koje stiu o tim kupcima,

elektronske trgovine mogu napraviti razliku koja odvaja uspene od

neuspenih. Poslovna inteligencija e-trgovini donosi veliku vrednost, ali nju

treba postepeno implementirati:

1. analiziraju se podaci o osnovnom Internet

prometu i transakcijama

2. implementira se tehnologija personalizovanja i

tehnika segmentiranja

3. koriste se informacije koje iza sebe ostavljaju

posetioci Internet stranica, kao i podaci dobijeni od treih lica

Korienjem navedenog procesa e-trgovina ovladava razumevanjem svoje

potroake baze i svoju ponudu prilagoava potrebama i najprobirljivijih

14

klijenata. Krae reeno ona mora sakupljati podatke. Zahvaljujui tim podacima elektronske trgovine mogu biti uspenije od tradicionalnih u oblasti

poznavanja svojih klijenata i marketinke efikasnosti. Pregledajui tragove

koje ostavljaju posetioci Internet stranica, trae reenja kojima bi poboljali

njihov dizajn, privlanost i aktivnost, tako da bi se oko njih okupio to vei

broj ljudi.

Izgradnja inteligencije e-trgovine

Prelazak na tehnologiju poslovne inteligencije druga je faza u razvoju

elektronske trgovine. Prva faza odnosila se na stvaranje snanih, pouzdanih i

kvalitetnih Internet stranica za posetioce. Osnovna naela prve faze bila su:

biti jedinstven (vizionari razvoja e-trgovine panju su usmeravali na izgradnju digitalnih kataloga i preuzimanje

narudbi)

biti dostupan (fokusirali su se na stvaranje Internet stranica preko kojih bi se mogao obaviti kompletan proces

naruivanja i prodaje)

biti produktivan (nastojali su da postave osnove personalizacije)

U to vreme mali broj poslovnih sistema je imao vremena, kadrova i sredstava

da postavi sistem poslovne inteligencije istovremeno sa uvoenjem e-

trgovine. Pojavio se veliki broj Internet kompanija, ali malo njih je ostvarivalo

pravu inteligenciju u svom poslovanju.

Druga faza odnosila se na:

dobijanje inteligencije iz svih podataka koji su prikupljeni za vreme interakcije sa kupcem

oblikovanje interakcija sa kupcem na to liniji nain

stvaranje vrednosti dostizanjem najvieg nivoa lojalnosti

15

E-trgovine poinju uvoditi inteligentne sisteme koji objedinjuju analizu

transakcija, informacija iz tragova to ih ostavljaju posetioci Internet stranica i

informacija o profilu kupca u trgovini i promociji. Sa napretkom druge faze,

vie nije dovoljno izgraditi dobre i za korisnika pristupane e-sisteme sada

je od presudne vanosti izgraditi inteligentne sisteme.[2]

Vrste informacija i koraci u njihovom dobijanju

Najvanije vrste informacija do kojih se dolazi primenom poslovne inteligencije

u e-trgovini su:

demografske prikazuju osnovne karakteristike kupca (ko je on, gde ivi, brani status itd.)

izraene sklonosti predmeti za koje su kupci iskazali interesovanje (knjige, muzika, filmovi...)

prethodne transakcije zapisi o izvrenim transakcijama, evidentirani u trenutku kada kupac stvarno obavi

kupovinu

ponaanje informacije dobijene posmatranjem kretanja kupca po nekoj Internet stranici, odakle je stigao

i kuda se uputio

Osnovni koraci koje e-trgovine preduzimaju da bi dole do ovih informacija su:

1. analiza Internet prometa u prvim danima Interneta brojai poseta bili su pravi trend. U to vreme omiljeni slogan

bio je ''one jabuice'' tj.broj oiju koje su u redovnim intervalima

pregledale neku stranicu.

2. broj poseta i pregledanih stranica ovi podaci omoguavaju beleke o ulaznim i izlaznim takama Internet

stranice, o tome koji njeni delovi su poseeni, koliko dugo je neka

osoba gledala odreeni sadraj, u koje vreme, kog datuma itd.

3. analiza interakcije sa kupcima prati se interakcija kupca sa Internet stranicom. Prva vrsta merenja je stopa

16

konverzije kupca od onog koji ''samo gleda'' do klijenta (registrovanog

korisnika ili kupca). E-trgovine moraju poznavati uestalost interakcija,

prosenu vrednost kupovine i kategorije kupljenih proizvoda.

4. analiza registrovanih korisnika registrovani korisnik je pojedinac koji se prijavi za korienje Internet stranice

obino ispunjavajui traeni formular. Podaci iz tog formulara mogu

autorima Internet stranice omoguiti da korisnike kategoriu prema

starosti, polu, profesiji, obavljenim kupovinama i sl. Takoe, beleenjem

e-mail adrese omoguava se komunikacija sa registrovanim

posetiocem.

5. analiza transakcija kada korisnik postane klijent, autor Internet stranice moe analizirati njegove prethodne

transakcije s ciljem odreivanja najlojalnijeg klijenta i njegovih navika

kupovine, kao i segmente kojima pripada u skladu sa interesima,

posetama ili profitabilnou.

6. personalizacija u realnom vremenu konani korak u ostvarenju vizije o direktnom marketingu. E-trgovac prepoznaje

kupca u trenutku njegovog pristupa stranici, pa mu se moe uputiti

promotivni i marketinki program koji savreno odgovara njegovim

linim potrebama i sklonostima.[7]

Prednosti i nedostaci

Postoji niz prednosti koji odvaja e-trgovce od njihove neumreene

konkurencije. Oni mogu pratiti i pamtiti aktivnost kupaca na nain kome

tradicionalni trgovci nisu dorasli. S obzirom da je svaka pojedinana trgovina

trenutno zabeleena u skladitu podataka, koje sadri i informacije o profilu

kupca, e-trgovci raspolau svim informacijama koje bi im pomogle da svoj

odnos sa kupcima prenesu na vii nivo. Ako Internet posmatramo kao celinu,

on predstavlja najvei svetski katalog koji omoguava jednostavno

uporeivanje proizvoda. Kupcu je lako da odredi najniu cenu kada pred

sobom ima digitalni katalog sa ponudama i sa takvom informacijom on je na

pola puta do kupovine.

17

Sa druge strane, svi oni koji svoje proizvode i usluge prodaju putem Interneta

suoeni su sa ironijom jedinstvenom za e-poslovanje. Jedino to znaju o

svojim kupcima su informacije koje postoje u podacima to ih prikupljaju o

njima. Oni nemaju prodavnice i markete u kojima bi mogli popriati sa

kupcima, posmatrati njihovo ponaanje i uti konkretne prohteve; nemaju vie

ljudske, ve samo digitalne kupce. Ne mogu raspolagati prijateljskim odnosom

sa svojim najboljim kupcima kao to je to mogue u direktnoj prodaji. Osnovni

problem u primeni poslovne inteligencije u e-trgovini je kako iz velike koliine

podataka izvui znanje; kako saznati dosta o svojim kupcima, to memorisati i

na osnovu toga delovati u pravo vreme.

Neka istraivanja poslovnih sistema su dola do saznanja da od ukupnog

broja posetilaca neke Internet stranice, broj kupaca koji zaista i obave

kupovinu manji je od 5%.

Studija sluaja: Amazon.com

Jedan od najuspenijih svetskih primera elektronske trgovine danas sigurno je

amerika kompanija Amazon.com. Osnovao ju je Def Bejzos 1994. godine u

Sijetlu. Njegova prvobitna zamisao bila je da Amazon postane Internet

knjiara, meutim vremenom se ponuda kompanije proirila na prodaju DVD-

jeva, CD-ova, filmova, elektronike, video igara, igraaka itd. Globalno sedite

kompanije i dalje se nalazi u Sijetlu, ali Amazon trenutno ima mnogobrojna

skladita, centre i kancelarije irom Severne i June Amerike, kao i Evrope,

Afrike, Azije. Poreenja radi, u Amazonova skladita bi moglo da stane vie

vode nego u 10000 olimpijskih bazena! [9]

Bejzos je prvenstveno registrovao kompaniju pod imenom Cadabra (kao deo

rei ''abracadabra'' koja je sinonim za izvoenje maioniarskih trikova), ali je

ipak 1995. godine napravljen sajt pod nazivom Amazon.com i to ime zadralo

se i do danas. Postoje dva razloga za odabir tog naziva, govori Def Bejzos:

prvi je da naglasi veliinu kompanije (prema jednoj od najveih svetskih reka,

Amazonu), a drugi lei u tome to su nazivi sajtova u to vreme bili zavedeni

po abecednom redu, a Bejzos je eleo da se njegov sajt nalazi to blie

poetku. Logo firme je dizajniran tako da izgleda kao osmeh koji se prua od

18

slova A do Z, a cilj toga je da se prikae dobra volja kompanije da ''isporui

sve svakome, svuda u svetu''.(Slika 7)

Slika 7 Logo kompanije Amazon.com

Spisak proizvoda i usluga koje danas nudi Amazon je toliko raznovrstan, da

se ini nemoguim nabrojati sve. Ipak, neke od najznaajnih kategorija su:

kompjuterske usluge ovde Amazon nudi drugim kompanijama svoju infrastrukturu na korienje, uz ogroman broj aplikacija, a sve to

zasnovano je na cloud computing tehnologiji. Na ovaj nain firme

uspevaju da utede nezamislive koliine novca jer ne moraju da

obezbeuju sopstveni hardver i softver ve praktino iznajmljuju tu

infrastrukturu od Amazona

maloprodajna dobra u ranim poecima kompanije verovatno je izgledalo nezamislivo da e se ovakvi proizvodi nalaziti u njihovoj

ponudi, ali danas su igrake, odea, namirnice, alat, nametaj, pa ak i

hrana sastavni deo asortimana

potroaka elektronika svakako najznaajnija inovacija u ovoj oblasti je Amazon Kindle, ita e-knjiga. Ovaj ureaj omoguuje

korisnicima da kupuju, ''daunlouduju'', pretrauju i itaju elektronske

knjige, asopise, blogove i ostale digitalne medije putem Wireless

usluge. (Slika 8).

19

Slika 8 Amazon Kindle

Od pojave prve verzije Kindle-a 2007. godine, pa do danas, proizvod je

unapreen kroz ak est generacija! Poslednja verzija nazvana je

Kindle Fire, i to je tablet sa 7 IPS ta skrin ekranom zasnovan na

Android operativnom sistemu. Jedna od bitnijih karakteristika Kindle

ureaja je to poseduje sposobnost ''pamenja'' italakih navika

korisnika. Ovako sakuplja informacije (kao i datum posete nekoj stranici

ili poslednju proitanu stranicu) na osnovu kojih korisniku moe dati

predlog za itanje i pratiti njegove izbore.

Funkcije Web sajta Amazon.com

Amazon je odlian primer primene poslovne inteligencije u e-trgovini, s

obzirom da Web sajt kompanije sadri sve osnovne funkcije uspenog e-

commerce Web sajta:

Korpa za kupovinu (shopping cart) i sistemi plaanja ovo je popularan naziv za programski interfejs posebno dizajniran za

pronalaenje eljenog proizvoda i udobno kreiranje narudbine.

Implementiran je tako da kupovina to vie podsea na kupovinu u

20

stvarnoj prodavnici; a sutinski predstavlja deo serverskog softvera i

smeten je na Web serveru. Kupovina se obavlja pritiskom na taster

koji pokree funkciju online plaanja.(Slika 9)

Slika 9 Korpa za kupovinu na Amazon.com

Online katalog proizvoda/usluga ovde je sadrana lista svih proizvoda i usluga koje kompanija nudi, detaljan opis, kao i njihove

cene. Za pojedine proizvode postoje i animacije, video demonstracije i

ilustracije.(Slika 10)

21

Slika 10 Online katalog na Amazon.com

Baza podataka proizvoda i prodaje Baza podataka korisnika (ukljuujui i online registrovane) Server za reklame (Ad server) i e-potu, kao i upravljanje prikazom

banera i marketinkim e-mail kampanjama

Praenje rada korisnika (site log, ovo je jedno od podruja pogodnih za primenu data mining-a) u okviru ove funkcije najee se koriste

programski alati poznatiji kao sistemi za preporuivanje proizvoda

(recommender systems) koji daju sugestije korisnicima prilikom

pregleda kataloga. Osnovni cilj im je podrka u procesu donoenja

odluke pri kupovini proizvoda, kao to je izbor konkretnog proizvoda ili

naina plaanja. Ovaj alat pomae korisniku da se izbori sa prevelikim

obimom informacija, a kompaniji da povea online prodaju. Konkretno,

Amazon koristi vie tehnika preporuivanja (Slika 11, ispisano

narandastim slovima): relevantni sadraji u odnosu na istorijat

22

pretrage korisnika, sadraji slini onima koje je korisnik dosad pregledao, sadraji koje trenutno pregledaju drugi korisnici.

Slika 11 Tehnike preporuivanja

Jo neke od tehnika preporuivanja proizvoda karakteristinih za Amazon

prodavnicu su:

1. Izdvojene preporuke (Featured Recommendations) prilagoeni prikazi prolosti/kupovine

23

2. Kupci koji su kupili ovaj proizvod (People who bought this) meusobno poredi kupce i njihove narudbine

3. Upozorenja (Alerts) sistem alje e-mail poruku kada se prodaje proizvod koji se dopada korisniku

4. Miljenja posetilaca (Customer Reviews) korisnici daju sopstvene kritike o proizvodu i ocene od 1 do 5

5. ListMania omoguava korisnicima da dodaju svoje liste proizvoda [10]

Pored ve navedenih i oiglednih prednosti Amazona u odnosu na

konkurenciju, neophodno je pomenuti jo neke. Godine iskustva i postojanja

kompanije donele su joj ogromnu bazu lojalnih korisnika koje bi bilo teko

navesti da promene steene navike kupovine. Takoe, kompanija koja bi

elela da se nadmee sa Amazonom, morala bi biti spremna na trokove

merene u milionima dolara. Ipak, raznovrsna ponuda proizvoda i veliki broj

sedita u svetu su svakako najznaajniji razlozi uspenosti Amazona; a ono

to ih svakako izdvaja iz mora slinih e-trgovina jeste karakteristian i

izuzetno efikasan sistem isporuke tih proizvoda kupcima na najrazliitijim

lokacijama. Iz svega navedenog vidi se da je Amazon.com kompleksna i

izuzetno napredna elektronska prodavnica koja dri vodeu poziciju meu

konkurencijom ve dve decenije, a s obzirom na stopu razvoja i napretka, ovu

kompaniju oekuje dominantna pozicija jo dugi niz godina.

24

Zakljuak

Razvoj i primena poslovne inteligencije u elektronskoj trgovini predstavljaju

snaan i nezaustavljiv proces. Veina poslovnih sistema u razvijenim i srednje

razvijenim zemljama ve je implementirala ovaj sistem i time zapoela

ekspanziju elektronske trgovine. Zahvaljujui razumevanju potroakih

sklonosti i profitabilnosti kupaca zasnovanih na injenicama i analizama ovi

poslovni sistemi mogu oblikovati svoje proizvode prema zahtevima i

potrebama korisnika. Uporeujui podatke o transakcijama sa podacima koje

iza sebe ostavljaju posetioci sajta, mogua je analiza onoga to se desilo u

prolosti, ali i predvianje dogaaja u budunosti. Centri za podrku kupcima

putem efikasne komunikacije ostvaruju prijateljski odnos sa korisnikom i

podstiu ga na ponovnu kupovinu. Samim tim, moe se zakljuiti da je stvarna

dobit od inteligentnog poslovanja u e-trgovini upravo to stvaranje

dugoronog odnosa i prisnosti sa kupcem. Dobar kupac na Internetu je onaj

koji e to ostati i u narednom periodu.

U narednim godinama informacije e biti jo bolje iskoriene i radikalno e

promeniti poslovne sisteme. Zahvaljujui brzoj distribuciji podataka i znanja,

poslovna inteligencija vie nee biti povlastica nekolicine, ve trend dostupan

svima. Njena primena e se proiriti na brojna druga podruja, na naine koje

danas ne moemo ni zamisliti.

25

Literatura

[1] iri B. (2006). Poslovna inteligencija. Beograd.

[2] Radivojevi M., Tepi M., Dumonji B.(2011). Poslovna inteligencija.

Banja Luka.

[3] http://www.predictiveanalyticstoday.com/what-is-data-mining/

[4] Rajkovi B., uki Vukevi S., Kastratovi Bajeta V.(2012). Poslovna

inteligencija praktini prirunik. Podgorica.

[5]http://www.knowledge-

banks.org/racunarske_aplikacije_10_nfps_2_i_06/lekcije/lekcija5.pdf

[6] Klepac G., Mri L. (2006). Poslovna inteligencija kroz poslovne sluajeve.

Zagreb.

[7] http://ecommerce.about.com/od/eCommerce-Basics/f/What-Is-

Ecommerce.htm

[8] http://www.link-onlineservice.com/pdf/its/skripte/EP_Skripta.pdf

[9] http://www.businessinsider.com/10-mind-blowing-facts-about-amazoncom-

2013-3?op=1

[10] Mikovi V. (2012). Inteligentna podrka elektronskoj trgovini, Fakultet za

informatiku i raunarstvo. Beograd.