Upload
milan-dragojlovic
View
50
Download
1
Embed Size (px)
DESCRIPTION
Informatika
Citation preview
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.