Razvoj sistema poslovne inteligencije u elektronskom poslovanju Nacionalne službe za zapošljavanje

Size: px
Start display at page:

Download "Razvoj sistema poslovne inteligencije u elektronskom poslovanju Nacionalne službe za zapošljavanje"

Transcription

1 UNIVERZITET U BEOGRADU FAKULTET ORGANIZACIONIH NAUKA Ivana Ž. Radosavljević Razvoj sistema poslovne inteligencije u elektronskom poslovanju Nacionalne službe za zapošljavanje Specijalistički strukovni rad Beograd, godine

2 Mentor: dr Marijana Despotović Zrakić, docent Fakulteta organizacionih nauka u Beogradu Članovi komisije: dr Božidar Radenković, redovni profesor Fakulteta organizacionih nauka u Beogradu dr Dragana Bečejski Vujaklija, vanredni profesor Fakulteta organizacionih nauka u Beogradu Datum odbrane: ii

3 Razvoj sistema poslovne inteligencije u elektronskom poslovanju Nacionalne službe za zapošljavanje Apstrakt: Predmet ovog rada predstavlja primena poslovne inteligencije u elektronskom poslovanju na primeru Nacionalne službe za zapošljavanje Republike Srbije. U teorijskom delu rada su definisani pojmovi, metodologije, strategije i faktori uspeha uvodjenja poslovne inteligencije u elektronsko poslovanje. Rad će obuhvatati prikaz životnog ciklusa i načina upravljanja projektima implementacije sistema poslovne inteligencije. Pored toga teorijski deo je usmeren na opis arhitekture sistema i njenih specifičnosti kod primene u elektronskom poslovanju. Posebno će biti analizirana uloga sistema poslovne inteligencije u elektronskom poslovanju institucija državne uprave. U praktičnom delu rada je prikazan primer razvoja sistema poslovne inteligencije u elektronskom poslovanju Nacionalne službe za zapošljavanje Republike Srbije. Praktičan deo rada obuhvata definiciju i ciljeve projekta, analizu podataka i izbor tehnologije, te primer načina implementacije ETL procesa i sistema izveštavanja i evaluaciju ostvarenih rezultata. U kontekstu primenjene tehnologije na projektu rad daje sveobuhvatan prikaz Talend Open Studio i IBM Cognos BI alata. Cilj rada jeste analiza razvoja sistema poslovne inteligencije u elektronskom poslovanju Nacionalne službe za zapošljavanje Republike Srbije i unapredjenja procesa izveštavanja i analize performansi poslovanja. Ključne reči: elektronsko poslovanje, skladište podataka, poslovna inteligencija, data mining, OLAP iii

4 Business intelligence system implementation in e-business of National employment service Apstract: Subject of this thesis is business intelligence system implementation in electronic business of Republic Serbia National employment service. Theoretical part of work includes implementation of business intelligence in electronic business term definition and strategy, methodology and success factor evaluation. This thesis reviewing business intelligence roadmap and project management practices in business intelligence implementation projects. Also, theoretical part describes general system architecture and its characteristics in e- business implementation. Additionaly is evaluated business intelligence role in electronic business of institutions in government sectors. Practical part of thesis is review of business intelligence system implementation in electronic business of Republic Serbia National employment service. It includes project and project objectives definition, data analysis and evaluation of chosen technology, example of ETL process implementation and report creation and, at the end, project evaluation. In the context of applied project technology work gives a comprehensive view of Talend Open Studio and IBM Cognos BI tools. The objective of this thesis is review of business intelligence system implementation in electronic business of Republic Serbia National employment service and evaluation of improvement in corporate performance management process. Key words: electronic business, data warehouse, business intelligence, data mining, OLAP iv

5 SADRŽAJ 1. Uvod Poslovna inteligencija Ciljevi i kriterijumi uspešnosti primene sistema poslovne inteligencije Klasifikacija sistema poslovne inteligencije Uloga sistema poslovne inteligencije u procesima elektronskog poslovanja savremenih kompanija Uloga sistema poslovne inteligencije u procesima elektronskog poslovanja institucija javne uprave Upravljanje i životni ciklus projekata poslovne inteligencije Arhitektura sistema poslovne inteligencije Data Warehouse Data warehouse dizajn Data warehouse procesi i arhitektura OLAP Prezentacija i vizuelizacija Razvoj sistema poslovne inteligencije u Nacionalnoj službi za zapošljavanje Definicija i ciljevi projekta Organizacija projekta Poslovna analiza Analiza odabranih tehnologija Sistem za upravljanje bazom podataka DB Sistem za integraciju Talend Open Studio Sistem za upravljanje performansama poslovanja IBM Cognos BI Cognos Connection Framework Manager Query Studio v

6 Report studio Analysis Studio Event Studio Transformer Arhitektura sistema poslovne inteligencije NSZ Evaluacija projekta Zaključak Literatura vi

7 LISTA SLIKA Slika 1 Razvoj sistema upravljanja poslovanjem... 3 Slika 2 BI proces... 5 Slika 3 Komponente elektronskog poslovanja Slika 4 Inteligentno e-poslovanje Slika 5 Razlike u primeni alata poslovne inteligencije u javnom i privatnom sektoru Slika 6 Tradicionalni tok projekta Slika 7 Iterativni tok projekta Slika 8 BI projektna organizacija Slika 9 Zvezdasta šema Slika 10 Pahuljasta šema Slika 11 Osnovna arhitektura skladišta podataka Slika 12 Arhitektura skladišta podataka sa stage oblašću Slika 13 Arhitektura skladišta podataka sa stage oblašću i data martovima Slika 14 OLAP kocka Slika 15 Klasifikacija BI korisnika Slika 16 Klasterizacija Slika 17 Dijagram organizacije projekta Slika 18 Talend Open Studio repozitorijum Slika 19 Kreiranje Talend projekta Slika 20 Talend Open Studio interfejs Slika 21 Repozitorijum Slika 22 Osvrt na otvoreni pristup podacima Slika 23 Cognos Connection Slika 24 Prilagodjavanje portala Slika 25 Tipovi izvora podataka Slika 26 Svojstva stavke upita Slika 27 Pristup BI alatima Slika 28 Query Studio radno okruženje Slika 29 Opcije prilikom kreiranja novog izveštaja Slika 30 Standardne opcije prilikom kreiranja izveštaja Slika 31 PowerPlay Transformer vii

8 Slika 32 OLAP model i kocka Slika 33 Arhitektura sistema poslovne inteligencije NSZ Slika 34 Povezivanje ETL procesa Slika 35 Parametri tdb2input komponente Slika 36 SCD Tip Slika 37 Primer Cognos izveštaja u formatu tabele Slika 38 Primer izveštaja u vidu grafika LISTA TABELA Tabela 1 BI alati za kategorije BI korisnika Tabela 2 Karakteristike i zahtevi BI korisnika Tabela 3 Komponente Talend Open Studio alata Tabela 4 Cognos connection - opis ikona linije sa alatima (toolbar) viii

9 1. Uvod Predmet ovog rada predstavlja primena poslovne inteligencije u elektronskom poslovanju na primeru Nacionalne službe za zapošljavanje Republike Srbije. Rad je organizovan u sedam osnovnih poglavlja. Nakon prvog uvodnog poglavlja, u drugom poglavlju je definisan pojam poslovne inteligencije. Opisan je tok razvoja sistema poslovne inteligencije i istaknute osnovne karakteristike savremenih BI sistema. Posebno su precizirani ciljevi primene ovih sistema, kao i generalni kriterijumi uspešnosti implementacije, te najčešće postavljeni zahtevi krajnjih korisnika. Navedena je i klasifikacija sistema poslovne inteligencije s obzirom na korišćene izvore podataka. U trećem poglavlju definisan je pojam elektronskog poslovanja i detaljno analizirane njegove ključne komponente kao što su Enterprise Resource Planning, Customer Relationship Management, e-trgovina, upravljanje lancima snabdevanja i naravno, poslovna inteligencija. Objašnjena je uloga sistema poslovne inteligencije u elektronskom poslovanju savremenih kompanija i uveden pojam sistema inteligentonog elektronskog poslovanja. Poseban osvrt je napravljen na ulogu poslovne inteligencije u elektronskom poslovanju institucija državne uprave. Četvrto poglavlje ukazuje na altrnative u toku realizacije projekata poslovne inteligencije, počev od tradicionalnog vodopad toka projekta, preko agilnih i iterativnih pristupa do organizacije u vidu potprojekata. Detaljno su definisane faze kroz koje projekat razvoja sistema poslovne inteligencije prolazi, kao i specifične aktivnosti koje je potrebno realizovati u okviru svake od faza. Predmet petog poglavlja su elementi arhitekture sistema poslovne inteligencije - skladište podataka, OLAP, data mining i različite komponente vizuelizacije i prezentacije. Navedene su karakteristike, ciljevi primene i tipovi skladišta podataka, definisani osnovni pojmovi i tehnike dimenzionalnog modeliranja podataka uz pojašnjenje preporuka za dobar data warehouse dizajn. Dodatna pažnje je posvećena OLAP tehologiji i njenim funkcionalnostima, kao i najčešće korišćenim komponentama vizuelizacije u zavisnosti od zahteva pojedinih kategorija korisnika. 1

10 2. Poslovna inteligencija U savremenoj digitalnoj i globalnoj ekonomiji najznačajniji izvor postojane konkurentske prednosti postaje efektivno korišćenje znanja. Danas se govori o konkurentnosti baziranoj na znanju. Preduzeća razvijaju nove metode, kompetencije, procese, proizvode i usluge zasnovane na znanju [4]. Načelo kompetitivne prednosti tvrdi da će svaka kompanija imati korist ako se specijalizuje u onoj oblasti u kojoj može poslovati uz relativno niži trošak (u kojima je relativno efikasnija od drugih kompanija). Kompanije teže ka tome da pronadju onu komponentu poslovanja, koja će ih izdvojiti iz mora konkurenata i učiniti njihovo poslovanje superiornijim. U nestabilnoj poslovnoj klimi gde je životni ciklus proizvoda sve kraći, a globalna tržišta olakšavaju ulaz konkurencije za osvajanje svog dela tržišta, pronalaženje ove komponente postaje od izuzetne važnosti za preživljavanje poduzeća. Poslovna inteligencija (Business Intelligence - BI) predstavlja skup aktivnosti analize podataka kompanije, kao i spoljnih podataka trećih lica, sa ciljem boljeg strateškog, operativnog i taktičkog poslovnog odlučivanja i preduzimanja akcija koje će rezultirati boljim poslovnim performansama. Ove aktivnosti obuhvataju prikupljanje, analizu, razumevanje i upravljanje podacima o performansama operativnih procesa kompanije, aktivnostima klijenata i dobavljača, finansijskom poslovanju, tržišnim kretanjima, konkurenciji, pravnoj regulativi i kontroli kvaliteta [10]. Razvoj tehnologije promenio je način donošenja odluka koje je ranije bilo bazirano na intuiciji, a uslovljeno nedostatkom tehnoloških resursa koji bi omogućili analizu velike količine podataka. Sa automatizacijom procesa sve više podataka je postalo dostupno. Ipak, integracija ovih podataka dugo je bila izazov s obzirom na nedostatak infrastrukture za razmenu podataka i nekompatibilnost sistema. Razvoj alata koji se koriste kao podrška poslovnom odlučivanju imao je hronologiju kao što je prikazano na Slici 1 [2]: 2

11 Slika 1 Razvoj sistema upravljanja poslovanjem Sedamdesetih godina XX veka dominantnu ulogu su imali Sistemi za podršku odlučivanju SPO (Decision Support Systems - DSS). Sistemi za podršku odlučivanju su informacioni sistemi, koji su slični i komplementarni standardnim informacionim sistemima i imaju za cilj da podržavaju, uglavnom poslovne procese donošenja odluka [3]. Predstavljaju simbiozu informacionih sistema, primene niza funkcionalnih znanja i tekućeg procesa donošenja odluka. Tokom 1980-ih dolazi do razvoja Izvršnih informacionih sistema (Executive Information Systems - EIS). Oni zapravo predstavljaju specijalizovanu formu Sistema za podršku odlučivanju. Kod EIS naglasak je na grafičkom interfejsu lakom za upotrebu. Tako je vremenom slovo E u skraćenici EIS počelo da znači everyone - engl. svako, naglašavajući jednostavnost upotrebe i mogućnost da se raspoloživom tehnologijom istražuju slabosti i snage organizacije bez pomoći programera. Devedesetih godina razvoj tejnologije je značajno ubrzan. Poslovna inteligencija je postala ključna u procesima planiranja, izveštavanja i analize. Transakcijski sitemi nisu više bili u centru pažnje i na globalnom nivou. Sistemi za planiranje resursa preduzeća (Enterprise Resource Planning - ERP) postali su alat koji se podrazumeva kao element podrške poslovanju. Iako su ove inovacije imale kao rezultat povećanu i bržu dostupnost informacija, ostalo je otvoreno pitanje kako tehnologiju iskoristiti za bolje strategijsko delovanje. U centru istraživanja su bile menadžerske tehnike koje su se fokusirale na problematiku strateškog upravljanja. Jedna od najpoznatijih metoda - Balanced Scorecard (BSC) podrazumeva merenje da li su manje operativne aktivnosti kompanije u skladu sa višim ciljevima kompanije 3

12 strategijom i vizijom. Ona podrazumeva usresredjenost na operativne, marketinške i razvojne inpute, a ne samo finansijske pokazatelje, što za uzvrat daje sveobuhvatni pogled na poslovanje i pomaže da organizacija ostvari svoje dugoročne ciljeve. Ipak, upotreba ove metodologije nije u potpunosti odgovorila na zahteve poslovnih korisnika. Jedan od načina da se postigne prednost nad konkurencijom jeste takav pristup poslovanju koji podrazumeva Upravljanje rezulatatima poslovanja (Corporate Performance Management - CPM). Termin Upravljanje rezultatima poslovanja definisao je Gartner, poduzeće za istraživanje i savetovanje, koji pod njim podrazumeva metodologije, metrike, procese i sisteme koji se koriste za nadziranje i upravljanje poslovnim rezultatima neke korporacije. Upravljanje rezultatima poslovanja je proces pristupanja napretku kompanije putem ostvarivanja unapred definisanih ciljeva. Podaci iz ranije korišćenih sistema se ne odbacuju, već se koriste kako bi se obezbedilo da podaci organizacije služe ciljevima organizacije i pomažu u njihovom dostizanju. Upravljanje rezulatatima je blisko povezano sa Merenjem rezultata. Često se dešava da se ova dva poima poistovete. Ipak, Upravljanje rezultitima je mnogo šire i uključuje Merenje rezultata kao svoju komponentu. Dakle, Upravljanje rezultatima poslovanja jeste skup procesa koji pomažu da organizacija optimizuje svoje poslovne performanse. Ono je okvir za organizovanje, automatizaciju i analizu metodolija, metrika, procesa i sistema organizacije koji obezbedjuju bolje rezultate poslovanja. Upravljanje rezultatima pomaže da se u poslovanju efikasno koriste finansijski, materijalni i ljudski resursi. Danas organizacije koriste različita rešenja (sisteme) kako bi podržale ove procese i obezbedile efikasnije donošenje odluka. Može se reći i da Sistemi za upravljanje rezultatima poslovanja predstavljaju sledeću generaciju Poslovne inteligencije. CPM sistemi podržavaju kreiranje i sprovodjenje strategije, bazirano na planiranju, budžetiranju, prognoziranju, konsolidaciji, izveštavanju i analizi. Omogućavaju dostavu prave informacije, pravim osobama, u pravo vreme i u pravom kontekstu. Danas je primena sistema poslovne inteligencije evoluirala u toj meri da se smatraju sistemima kritičnim sa aspekta ostvarivanja misije kompanije tzv. mission-critical sistemi. Mission-critical sistemi se definišu kao sistemi koji podržavaju poslovne procese i stvaranje profita kompanije u toj meri da u slučaju nemogućnosti njihovog korišćenja u odredjenom periodu, prema pravilama organizacije moraju biti zamenjeni ručnim procedurama kako bi se 4

13 predupredili eventualni gubici ili povećanje troškova [16]. Ovakvi sitemi moraju biti projektovani na način da obezbede stalnu dostupnost i brz oporavak. Poslovna inteligencija podrazumeva skup procesa, alata i tehnologija koje pomažu da se poboljšaju performanse kompanije posredstvom unapredjenja produktivnosti, prodaje i usluga. Pomoću BI metoda podaci kompanije se na bolji način organizuju i analiziraju i zatim konvertuju u korisno znanje neophodno da bi se preduzele efikasne poslovne akcije. U sistemima poslovne inteligencije koriste se brojni alati za konvertovanje velike količine podataka kompanije u korisne informacije i podsticanje profitabilnih poslovnih aktivnosti uz pomoć ovako stečenih znanja. Implementacija poslovne inteligencije je dug proces i zahteva dosta analize i investicija. BI sistem uključuje poslovne modele, modele podataka, izvore podataka, ETL alate za transformaciju i organizovanje podataka u korisne informacije, skladište podataka, OLAP analize i alate za izveštavanje [8]. Razvoj sistema poslovne inteligencije ne oslanja se samo na alate, tehnike i procese, on takodje podrazumeva učešće ljudi koji poznaju poslovne procese i koji su zaduženi da proces implementacije usmeravaju u pravom smeru. Posebno je značajno razumevanje zahteva poslovanja, adekvatno postavljanje ciljeva, definisanje podatka koji će biti obuhvaćeni analizom, definisanje izvora ovih podataka i načina njihove integracije kako bi se omogućila analiza svojstvena sistemima poslovne inteligencije te izbor alata i tehnika koji će se koristiti za ostvarenje ovih ciljeva [8]. Jednostavan prikaz BI procesa dat je na Slici 2. Slika 2 BI proces 5

14 2.1. Ciljevi i kriterijumi uspešnosti primene sistema poslovne inteligencije Cilj uvodjenja sistema poslovne inteligencije je podrška i unapređenje postupaka donošenja poslovnih odluka u poduzećima. Poslovna inteligencija nastaje kao rezultat dobro upravljanog procesa izvođenja novih ili prikrivenih znanja iz podataka koji se u poslovanju rutinski generišu, zahvataju, memorišu i koriste. Da bi se iz operativnih podataka došlo do informacija koje imaju dodatnu vrednost neophodno je primeniti odgovarajuće logičko-računske metode. Razvoj sistema poslovne inteligencije zahteva uspostavljanje jedinstvenog pristupa upravljanju podacima kompanije, kao i odgovarajućeg stava prema njihovoj ulozi i važnosti u poslovanju. Svrha koncepta poslovne inteligencije nije stvaranje veće količine informacija, već isključivo generisanje boljih, kvalitetnijih informacija potrebnih pri donošenju poslovnih odluka. Upravo to je ono svojstvo poslovne inteligencije koje joj daje moć podsticanja i stvaranja pozitivnih promena u sredini u kojoj se razvija i primenjuje (Actionable BI). Dobar sistem poslovne inteligencije pruža korisnicima samo one informacije koje su im neophodne i korisne, ali iskazane u pravo vreme i na način koji njima najviše odgovara. Primena ovih sistema nema za cilj da poveća broj informacija kojima se zaposleni izlažu, već da poveća kvalitet i korisnost tih informacija. Da bi se primena sistema poslovne inteligencije smatrala uspešnom neophodno je da zadovolji četiri osnovna kriterijuma [14]: Kvalitet podataka BI sistem mora obezbediti jedinstven i konzistentan pogled na podatke organizacije iz različitih perspektiva analize. Cilj nije isključivo efikasnost, već odgovarajući kvalitet i dobra reputacija sistema unutar kompanije. Ukoliko ovaj kriterijum nije ispunjen svi naredni koraci u procesu odlučivanja su potpuno bezvredni. Generisanje znanja jedna od uloga BI sistema jeste da generiše informacije koje imaju direktan uticaj na ostvarenje ciljeva organizacije. Do vrednih informacija ne dolazi se na jednostavan načina, ali one imaju veoma veliki uticaj na poslovno okruženje. Pravovremenost informacija kako je za svaki od koraka u BI procesu neophodno vreme, pravovremenost obezbedjenja informacija je jedan od najznačajnijih 6

15 kriterijuma. Kako bi rezultat procesa poslovne inteligencije bio relevantan neophodno je da bude pravovremen, a vremenski intervali relativno kratki. Podsticanje akcije sistemi poslovne inteligencije koji obezbedjuju smernice u kom pravcu je neophodno preduzeti akcije kako bi se poslovanje unapredilo smatraju se sistemima koji zadovoljavaju najviše kriterijume vrednosti u poslovnom procesu organizacije. Kako je prethodno istaknuto kvalitet podataka jeste jedan od četiri osnovna kriterijuma uspešnosti primene poslovne inteligencije. Željko Panian i Goran Klepac u knjizi "Poslovna inteligencija" navode četiri osnovne kategorije kvaliteta podataka koje direktno utiču na donošenje poslovnih odluka u kompaniji: Standardizacija u slučaju različite interpretacije odredjenog pojma ili korišćenja istovetnog pojma za predstavljanje različitih mera postoji mogućnost neadekvatnog odgovora sistema na korisničke upite i druge analize. Da bi se izbegla navedena situacija preporučuje se sprovodjenje standadizacije poslovnih dokumentata i drugih izvora podataka, te utvrdjivanje jedinstvene i standardne terminologije u okviru organizacije. Na taj način obezbedjuje se jednoznačnost spovedenih analitičkih i logičkih operacija nad sistemom. Podudarnost u operativnom radu transakcionih sistema često se javlja problem neplaniranog udvostručavanja ili umnožavanja slogova u bazi podataka. Do te pojave dolazi zbog malih varijacija prilikom unosa određenih podataka, na primer imena, prezimena i adrese. Primenom savremenih softversih alata moguće je uočiti podudarnosti između nejednakih, a vrlo sličnih podataka i apstrahovati bitne od nebitnih pojedinosti. Verifikacija - postupak verifikacije poduzima se radi osiguranja tačnosti podataka u repozitorijumima preduzeća, a u cilju izvođenja pravilnih zaključaka odnosno donošenja kvalitetnih poslovnih odluka. U toku sprovodjenja ovog procesa vrši se provera podudarnosti podataka sa nekim od potvrdjenih izvora koji obezbedjuje kontrolni set podataka. Proširivost - upotrebom sofisticirane informacione tehnologije danas je moguće dodavati nove podatke postojećem skupu podataka kao i menjati vrednost postojećih podataka kako bi se prilagodili promenama u okruženju. Tako se omogućuje 7

16 relevantnim korisnicima direktna unos podataka iz spoljnih izvora, kroz odgovarajuće aplikacije za održavanje sistema. Glavni zahtevi korisnika od infrastrukture sistema poslovne inteligencije su [14]: Sigurno okruženje - s obzirom da je značaj informacija u sistemu poslovne inteligencije jednak važnosti podataka u izvršnim sistemima, traži se da informacije u skladištu podataka budu dobro zaštićene od nedozvoljenog pristupa i korišćenja. Raspoloživost i dostupnost putem različitih kanala - od aplikacija poslovne inteligencije traži se da budu dostupne u bilo koje vreme i na bilo kom mestu, odnosno neprekidna raspoloživost. Visok stepen prilagodljivosti, tj. sposobnost obrade podataka u vidu brze reakcije na dinamične promene u poslovnom okruženju i uslovima. Skalabilna memorija i zadovoljavajuća delotvornost - količina podataka rapidno raste, a i broj korisnika sistema poslovne inteligencije se neprekidno povećava. Da bi sistemi poslovne inteligencije i skladištenja podataka mogli podržati taj rast podataka kao i brojne korisnike, moraju osigurati skalabilno i proširivo okruženje za punjenje, ažuriranje, obnavljanje i reorganizaciju podataka. Brz razvoj i jednostavna administracija - korisnici sistema poslovne inteligencije traže njegov što brži razvoj. Pri tom se kao problem javlja pronalaženje stručnog i osposobljenog informatičkog osoblja. Proizvođači softvera se trude da razviju automatizovane alate koji će olakšati kompanijama poslove vezane za administriranje baza podataka Klasifikacija sistema poslovne inteligencije Osnovne podvrste poslovne inteligencije s obzirom na izvore podataka su [7]: Tržišna inteligencija kompanije (Market Intelligence) Unutrašnja inteligencija kompanije (Internal Intelligence). Tržišna inteligencija kompanije obezbedjuje informacije o tržišnim kretanjima u grani u kojoj kompanija posluje. Podrazumeva prikupljanje i analizu podataka za potrebe donošenja odluka pri odredjivanju tržišnih mogućnosti, strategija prodora na tržište kao i analizu podataka za praćenje tržišnih metrika. Cilj primene ove vrste analize su bolje razumevanje tržišta i orijentacija na potrošače, identifikacija novih mogućnosti kroz praćenje trendova, 8

17 rano upoznavanje sa aktivnostima konkurencije, minimiziranje rizika investiranja, bolje tržišno pozicioniranje i brže, efikasnije i troškovno efektivnije prikupljanje informacija bez njihovog multipliciranja. Osnovni izvori podataka tržišne inteligencije su: Klijenti klijentska inteligencija (Customer Intelligence) Konkurencija kompetitivna inteligencija (Competitive Intelligence) Dobavljači i ostali poslovni partneri inteligencija lanca snabdevanja (Supply Chain Intelligence). Klijentska inteligencija podrazumeva prikupljanje, analizu i eksploataciju informacija o klijentima kompanije. Informacije koje se najčešće analiziraju podrazuveju potrebe kupaca (sadašnje i predvidjene), ponašanje kupaca i trendove, proces donošenja odluka kupca, sve sa ciljem stvaranja novih prilika kroz inovativnost, liderstvo i orijentaciju na kupca u poslovnom procesu. Ova vrsta inteligentne analize i aktivnosti predstavlja temelj nove ekonomije u svetu elektronskog poslovanja. Kompetitivna inteligencija podrazumeva procese koji su usmereni na indentifikaciju rizika i mogućnosti koje nudi tržnišno okruženje. Radi se o legalnim i etičkim poslovnim procesima analize, nasuprot industrijskoj špijunaži koja je nelegalna i sa kojom se ne može poistovetiti. Fokus kompetitivne inteligencije je na poslovnom okruženju. To je proces koji podrazumeva prikupljanje informacija i njhovo transformisanje u znanje koje podržava odlučivanje. Pri tome posebno se ističe da ukoliko prikupljene informacije ne sadrže kvalitativni element i ne podstiču na akciju zapravo i ne prestavljaju komponentu inteligencije. Upravljanje lancima snabdevanja je donelo značajnu transformaciju u poslovnim procesima prethodne decenije. Enterprise Resource Planning (ERP) i Supply Chain Management (SCM) aplikacije su automatizivale proces planiranja i organizovanja svake karike u lancu snabdevanja. Sledeći korak podrazumeva analizu i definisanje metrika na osnovu njihove primene, čime je proces evoluirao od upravljanja lancima snabdevanja do inteligencije lanaca snabdevanja. Inteligencija lanca snabdevanja podrazumeva mogućnost analize, integracije i deljenja informacija, proširenje operativnih aktivnosti dugoročnom strateškom dimenzijom i 9

18 stvaranje lanca snabdevanja koji je blizu real-time sinhronizaciji aktivnosti širokog kruga partnera u e-mreži koja uveliko prevazilazi granice kompanije [20]. Unutrašnja inteligencija kompanije pruža informacije o performansama poslovanja same kompanije. Osnovni izvori podataka za stvaranje unutrašnje inteligencije su: Operativni poslovni procesi inteligencija poslovnih procesa (Business Process Intelligence) Upravljački procesi inteligencija menadžmenta (Management Intelligence). 10

19 3. Uloga sistema poslovne inteligencije u procesima elektronskog poslovanja savremenih kompanija Internet, informacione i komunikacione tehnologije prožimaju sve aspekte kako svakodnevnice savremenog čoveka, tako i poslovanja. Danas na pomenu ove oblasti gotovo da je niko više ne doživljava kao novu, dok dijapazon njenog uticaja postaje gotovo neizmeran. Revolutivna brzina povećanja broja korisnika i opsega primene Interneta su jedna od najistaknutijih karateristika savremenog informatičkog doba. Analize pokazuju da je u junu godine svetskog stanovništva (28,7%) koristilo Internet, sa rastom od 444,8 % od godine [21]. Prateći medije, stiče se utisak da se.com revolucija zapravo odnosi na Web 2.0 apliakcije kao što su Twitter, Facebook ili Wikipedia. Iako široko zastupljene, navedene aplikacije predstavljaju sam mali deo komercijalnog Interneta. Zapravo, 25 godina posle prve.com kompanije - Symbolics.com, koja se pojavila na svetskom tržištu 15 marta godine, komercijalni Internet je napravio revoluciju u poslovanju, ekonomiji i društvenoj zajednici širom sveta [22]. Elektronsko poslovanje, kao bilo koji proces koji organizacija realizuje posredstvom računarske mreže, podrazumevajući i interne i eksterne komunikacione tokove, predstavlja jednu od najjačih sila globalne ekonomije [1]. I poslovni i individualni korisnici se sve više uključuju u transakcije elektronskog poslovanja, posebno elektronsku trgovinu koja podrazumeva prodaju i kupovinu proizvoda i usluga posredstvom Interneta. Danas elektronska trgovina medju kompanijama (B2B) zauzima više od 80% obima elektronskog poslovanja, pri tome se očekuje se da će B2B elektronska trgovina nastaviti sa intenzivnijim rastom u odnosu na B2C e-trgovinu. Upotreba Interneta i savremenih informacionih tehnologija u komercijalne svrhe uzrokovala je nastanak novih poslovnih modela, promenila proces stvaranja novih proizvoda i usluga, način ponašanja potrošača, aktivnosti unutar kompanija, kao i način kooperacije medju kompanijama i fundamentalno izmenila način interakcije medju pojedincima, proces 11

20 uspostavljanja zajednica i proces socijalizacije. Prema jednoj od definicija elektronsko poslovanje u svetlu najnovijih trendova razvoja ekonomije i tehnologije uopšteno se definiše kao primena komunikacionih i informacionih tehnologija u poslovnim transakcijama koje kreiraju, transformišu i redefinišu veze u procesu kreiranja vrednosti unutar i izmedju kompanija, kao i izmedju kompanija i pojedinaca [12]. Cilj elektronskog poslovanja jeste unapredjenje poslovnog procesa. Ono predstavlja promenu organizacionih procesa kako bi se isporučila dodatna vrednost klijentima kroz primenu tehnologija, filozofije i računarske paradigme nove ekonomije. U kontekstu savremenog poslovanja, posebnu ulogu ima i mobilno poslovanje (m-commerce) koje podrazumeva obavljanje poslovnih transakcija posredstvom bežičnih mreža i uredjaja kao što su mobilni telefoni ili PDA uredjaji (personal digital assistant). Lider u oblasti mobilnog poslovanja jeste Japan. Transakcije elektronskog poslovanja uključuju sledeće učesnike i preduslove [12]: Organizacija sama organizacija koja poslovni proces proširuje dimenzijom elektronskog mora ispuniti niz organizacionih i tehnoloških preduslova kako bi konkurentno poslovala. Mora biti obezbedjena odgovarajuća infrastruktura (softverska, hardverska i mrežna), zaposleni eduktovani tako da mogu da podrže proces elektronskog poslovanja i definisana jasna strategija nastupa na e-tržištu. Transakcioni partneri podrazumevaju npr. banke koje mogućavaju obradu novčanih transakcija, zatim organizacije koje obezbedjuju isporuku dobara ili sistem autorizacije koji podrazumeva treću stranu koja obezbedjuje sigurnost transakcija. Klijenti za uspešno poslovanje mora postojati kritična masa potrošača koji imaju mogućnost da posluju upotrebom savremene tehnologije, kao njihova spremnost za obavljanje transakcija na ovaj način. Partneri poslovni kooperanti takodje moraju biti spremni za poslovanje po pravilima koje mora da zadovolji i sama organizacija. Državna uprava mora obezbediti zakonske okvire za obavljanje e-transakcija, kao i intitucije koje će štititi učesnike u e-poslovanju. Mrežna infrastruktura jedan od neophodnih preduslova je da infrastruktura bude razvijena na nivou koji obezbedjuje nesmetano obavljanje poslovnih procesa. 12

21 Elektronsko poslovanje podrazumeva širok skup poslovnih aktivnosti koje se realizuju primenom informacionih i komunikacionih tehnologija (ICT) prodaju i kupovinu proizvoda i usluga, saradnju sa poslovnim partnerima, primenu e-učenja i obavljanje transakcija unutar kompanije [1]. Slika 3 prikazuje komponente elektroskog poslovanja: Slika 3 Komponente elektronskog poslovanja Kao komponenta elektronskog poslovanja poslovna inteligencija ima specifičnu ulogu zbog činjenice da integriše podatke iz različitih izvora bez obzira na način kako ih svaki od pojedinačnih sistema čuva (analitičke i transakcione baze, datoteke, podaci sa weba,...). Zahvaljujući sistemima poslovne inteligencije korisnici su u mogućnosti da na jedinstven način obavljaju analizu podataka i time dobiju integralnu sliku poslovnih performansi. Primenom poslovne inteligencije eliminiše se mogućnost da istovetan indikator ima različite vrednosti u zavisnosti koja poslovna funkcija obavlja analizu (finansije, marketing, proizvodnja, itd.). Takodje, podaci iz različitih sistema, kao što su npr. ERP, CRM, SCM, medjusobno se ukrštaju čime se analiza proširuje dodatnim informacijama. Svaka od navedenih komponeti elektronskog poslovanja koja je potencijalno u korelaciji sa sistemom poslovne inteligencije biće detaljnije definisana. Enterprise Resource Planning (ERP) su poslovni informacioni sistemi koji podržavaju sve poslovne funkcije i imaju mogućnost prilagodjavanja konkretnim potrebama organizacije poštujući definisane standarde. Savremeni sistemi ERP su rešenja koja preduzećima omogućavaju brz odziv i rad sa kupcima, dobavljačima i poslovnim partnerima na globalnom tržištu putem Interneta, bilo gde i bilo kad. ERP kao integralni informacioni sistem: 13

22 služi planiranju i izvršavanju poslovnih procesa, integriše u jednu celinu i automatizuje sve pojedinačne poslovne procese i informacije, omogućava bolji i brži uvid u sve segmente poslovanja kompanije, kao i efikasno praćenje i kontrolu na svim nivoima, što omogućava optimalizaciju radnih mesta, smanjenje troškova i povećanje dobiti, omogućava brz i jednostavan pristup neophodnim transakcionim informacijama i nudi veliki broj analiza i preciznih i pravovremenih izveštaja koji omogućavaju lakše donošenje operativnih odluka, pruža brz odgovor i zadovoljenje kompleksnih zahteva klijenata/tržišta i pojednostavljuje ulaz na regionalno i svetsko tržište. ERP sistemi su modularno orijentisani i njihove funkcije su uglavnom grupisane po sledećim oblastima poslovanja: upravljanje finansijama, upravljanje prodajom i marketingom, upravljanje nabavkom, upravljanje magacinskim poslovanjem, upravljanje proizvodnjom, planiranje resursa, upravljanje servisom i održavanjem, kadrovska evidencija. Customer Relationship Management (CRM) označava metodologije i softverski sitem koji pomaže kompaniji da na organizovan način upravlja odnosima sa svojim klijentima. Označava sve ono što služi izgradi značajnih i dugotrajnih odnosa sa kupcima. On nije samo automatizacija tri kritično važne korisnički orijentisane funkcije: prodaje, marketinga i servisa, nego je kombinacija strategije, poslovnih procesa i tehnologije. S obzirom na situaciju na tržištu, za uvođenje sistema CRM u preduzeće odlučuju se kompanije koje su svesne koliko su važni: izgradnja dugoročnih odnosa sa klijentima, povećanje potrošnje svojih klijenata i povećanje sopstvenog udela u njihovom budžetu sa detaljno planiranom unakrsnom prodajom proizvoda/usluga, 14

23 merenje efikasnosti prodajnih i marketinških aktivnosti, razumevanje vrednosti pojedinih klijenata. Prednosti uvođenja rešenja CRM obuhvataju razumevanje vrednosti pojedinog klijenta u celokupnom životnom ciklusu; postojanje konzistentno struktuiranih i potpunih podataka o klijentima; prepoznavanje klijenta kao pojedinca; integralna obrada klijenata preko svih komunikacionih kanala (telefon, e-pošta, internet, posete); veći naglasak na zadržavanju klijenata programima za povećanje vernosti; planiranje strategije unakrsnog marketinga proizvoda; merenje efekata marketinških akcija i prodajnih aktivnosti; optimizacija, automatizacija i nadzor marketinških, prodajnih i uslužnih procesa. Supply Chain Management (SCM) sistemi za cilj imaju efikasnu integraciju dobavljača, proizvodjača, skladišta, distributivnih centara i samih kupaca, kako bi se obezbedila isporuka proizvoda u pravim količinama, na pravom mestu i u pravo vreme. Ovi sistemi podržavaju sistem upravljanja na tri nivoa. Na strategijskom nivou pružaju informacije neophodne za donošenje strateških odluka visokog nivoa koje utiču na kompletnu organizaciju, kao što su veličina i lokacija proizvodnih pogona, partnerstva sa dobavljačima, ciljna tržišta i sl. Taktičke odluke podrazumevaju aktivnosti koji utiču na snižavanje troškova poput primena novih pristupa specifičnih za delatnost kojom se kompanija bavi, razvoj startegije nabavke, saradnju sa logističkim kompanijama u cilju smanjenja troškova isporuke i razvoj skladišnog poslovanja u cilju smanjenja troškova zaliha. Procesi na operativnom nivou podrazumevaju svakodnevne poslovne odluke koje utiču na tok proizvoda u lancu snabdevanja. To su npr. rasporedi u proizvodnji, primanje narudžbina od korisnika, kretanje robe kroz skladište itd. SCM tokovi se mogu razdvojiti u tri glavna pravca: Tok proizvoda Tok informacija i Finansijski tok. Tok proizvoda podrazumeva kretanje dobara od dobavljača do krajnjeg kupca, kao i sve povraćaje ili eventualne servise koji se kupcima pružaju. Tok informacija podrazumeva prenos podataka o narudžbinama, kao i podatke ko što je status isporuke. Finansijski tok 15

24 podrazumeva uslove kreditiranja, plan naplate i različite oblike finansijskih sporazuma. SCM sistemi moraju biti u mogućnosti da kvalitetan način podrže svaki od navedenih tokova. Postoje dva osnovna tipa SCM sofvera aplikacije za planiranje i izvršne aplikacije. Aplikacije za planiranje koriste napredne algoritme kako bi odredile najbolji način upravljanja lancem snabdevanja. Izvršne aplikacije prate fizički status dobara, upravljanje materijalima i finansijske informacije svih učesnika u poslovanju. Elektronska trgovina (ili e-trgovina) primarno se sastoji od distribuiranja, kupovine, prodaje, marketinga, i servisiranja proizvoda i usluga putem elektronskih sistema kao što je Internet i druge kompjuterske mreže. U užem smislu definicija obuhvata kupovinu i prodaju robe, usluga i informacija putem mreže [1]. U elektronskoj trgovini prisutni su elementi karateristični za tradicionalnu trgovinu kao što su [23]: Proizvod, Mesto, Marketing, Način za prijem narudžbina, Način za prijem novca, Isporuka, Mogućnost vraćanja proizvoda, Garancija, Tehnička podrška. Oni ipak dobijaju u uslovima Internet poslovanja specifične karakteristike koje u mnogome menjaju trgovinski proces. Tako su npr. u elektronskoj trgovini olakšani kreiranje e- commerce web sajta kao mesta trgovine; primanje porudžbina i primanje novca. S druge strane veće prepreke na putu uspeha jedne elektronske prodavnice predstavljaju sledeći činioci: navođenje saobraćaja na novonastalu web-prodavnicu, postizanje da posetioci dođu i drugi put na sajt prodavnice (povratne mušterije), diferenciranje od konkurencije, 16

25 navođenje ljudi da zapravo nešto kupe u web-prodavnici, da zaista ukucaju broj svoje kreditne kartice, čvršće integrisanje poslovnog procesa u e-commerce sajt. U kontekstu navedenih ključnih poslovnih procesa značajnu ulogu ima i saradnja zaposlenih unutar organizacije (Workgroup collaboration), koja podrazumeva deljenje resursa i informacija posredstvom elektronske pošte, sastanaka, deljenja dokumentacije isl. Automatizacija u ovoj oblasti unapredjuje produktivnost zaposlenih u obavljanju njihovih zadataka i pozitivno utiče na zadovoljstvo korisnika. Ne treba zanemariti ni upravljanje znanjem unutar organizacije (Knowledge Management - KM), koje podrazumeva upravljanje informacijama i ličnim veštinama zaposlenih kako bi se proizveli pozitivni efekti na poslovni uspeh. U nizu navedenih procesa elektronskog poslovanja poslovna inteligencija ima ulogu da objedinjuje i analizira veliki broj poslovnih informacija iz navedenih sistema i drugih ekesternih izvora kako bi se ostvarila konkurentska prednost. Kada organizacija poveže svoje kritične poslovne sisteme sa klijentima, dobavljačima, distributerima i zaposlenima radi ostvarenja kompetitivne prednosti može se reći da postaje organizacija koja posluje elektronski. Zajednica korisnika koja se nalazi u interakciji sa kompanijama koje posluju elektronski jeste globalna, multijezična, zahteva dostupnost 24*7, uglavnom koristi internet pretraživače kao klijentsku platformu, zahteva visoke standarde sigurnosti i zaštite privatnosti i može generisati nepredvidive zahteve. Korisnici imaju velike mogućnosti izbora, najčešće se kaže da su samo na klik udaljeni od konkurencije u svakom momentu, i u skladu sa tim zahtevaju brze reakcije i napredne usluge. Uloga poslovne inteligencije je da unapredi performanse poslovanja u prethodno opisanim uslovima. Njenom upotrebom kompanije mogu unaprediti odnose sa klijentima i dobavljačima, bolje upravljati rizikom, povećati produktivnost proizvoda i usluga, bolje kontrolisati troškove i ostvariti mnoge druge ciljeve. Posredstvom aplikacija poslovne inteligencije kao što su marketing targetiranje, profilisanje korisnika, analiza upotrebe proizvoda ili usluga informacije o klijentima postaju osnovno sredstvo kompetencije. Uloga poslovne inteligencije u elektronskom poslovanju jeste [24]: 17

26 Podsticanje integracije s obzirom na izraženu potrebu za brzim reakcijama na promene e-okruženja u odnosu na brick and mortar poslovno okruženje. Integracija poslovnih informacionih sistema u jedinstven poslovni proces se može ostvariti stvaranjem jedinstvenog sistema donošenja odluka u kome se rezultati primene aplikacija poslovne inteligencije usmeravaju ka korisnicima u formi koja podstiče akcije i ističe specifične kritične tačke za poslovni uspeh. Podsticanje organizacija da razmotre proširenje ovakvog procesa donošenja odluka na nivo prilagodjavanja poslovnih operacija i marketinških kampanja u realnom vremenu na osnovu prezentovanih informacija posredstvom sistema poslovne inteligencije. Ovakav jedinstven sistem donošenja odluka bi obezbedjivao sve potrebne analize na osnovu zahteva korisnika i na taj način obezbedio značajnu prednost u tržišnom pozicioniranju. Da podrži zahteve velike skalabilnosti jer e-poslovanje karakteriše nepredvidivost obima podataka i česte izmene u tokovima informacija. Sledeća slika pokazuje sistem inteligentonog elektronskog poslovanja i njegove relacije [24]: 18

27 Slika 4 Inteligentno e-poslovanje 3.1. Uloga sistema poslovne inteligencije u procesima elektronskog poslovanja institucija javne uprave Razvoj informacionih i komunikacionih tehnologija i široka primena Interneta uticali su na intenzivne promene u načinu života pojedinaca i poslovanju kompanija bez obzira na njihovu veličinu, delatnost i vlasničku strukturu. Transformacija je nastala i u organizacijama javnog sektora, zahvatajući izmene u organizovanju poslovnog procesa, organizacionoj strukturi, načinu pružanja usluga gradjanima, medjusobnoj saradnji sa drugim organizacijama javne uprave, kao i privatnim kompanijama, te neophodnim kompetencijama zaposlenih. Poput drugih procesa elektronskog poslovanja koji su detaljno razmatrani u prethodnom poglavlju, i sistemi poslovne inteligencije imaju značajnu ulogu u funkcionisanju institucija javne uprave. Poslovna inteligencija je proces koji podržava obradu i prikupljanje podataka, upravljanje zasnovano na analizi podataka i odlučivanje podržano činjenicama u svim kompanijama bez obzira na veličinu. BI pristup funkcioniše dobro upravo zato što uzima u obzir pogled na 19

28 poslovanje iz ugla kompanije i iz ugla klijenata, i pronalazi način da se svi indikatori poslovanja kvantifikuju, a ne samo oni finansijski. Poslovna inteligencija podrazumeva metode i aplikacije koje omogućavaju prikupljanje, analizu i prezentaciju podataka koji su neophodni prilikom donošenja poslovnih odluka. Pri tome kada se kaže poslovnih, misli se na veoma širok skup područja rada. Poslovna inteligencija se primenjuje u procesu poslovanja državnih institucija kao podrška ostvarenju njihove misije delovanja, isto kao i u privatnom sektoru. Poslovanje i u javnom i privatnim sektoru podrazumeva upotrebu alata poslovne inteligencije za slične zadatke i u sličnim poslovnim okolnostima. Naravno, postoji mnoštvo procesa i okolnosti koje se razliku, ponekad čak i drastično. Na primer, oba sektora koriste poslovnu inteligenciju u procesima upravljanja ljudskim resursima, budžetiranju i planiranju, za finansijsku analizu i podršku klijentima. Medjutim, u privatnom sektoru akcenat analize performansi je je na prodaji, marketingu i profitabilnosti, dok se poslovna inteligencija kompanija javnog sektora fokusira na podršku njihovoj osnovnoj misiji, podršku upravljanja različitim programima, primenjenoj poslovnoj politici i javnom dobru [18]. Navedene razlike pokazuje Slika 5 [18]. Slika 5 Razlike u primeni alata poslovne inteligencije u javnom i privatnom sektoru Razlike u analiziranim inputima i očekivanim rezultatima ova dva sektora i implikacije na izbor alata poslovne inteligencije i drugih vidova tehnologije, mogu biti značajne. Alati poslovne inteligencije i procesi dizajnirani i razvijeni za primenu u privatnom, posebno 20

29 profitno orijentisanom sektoru, zbog navedenog nisu uvek najbolji izbor za institucije državne uprave. Primenjeni BI alati moraju moraju uzeti u obzir specifične potrebe i probleme državnih institucija i biti dizajnirani u skaldu sa njima. Ovakvi sitemi su projektovani tako da podstiču zaposlene u institucijama državne uprave da ispune definisanu misiju i postavljene ciljeve i omoguće svim zainteresovanim stranama, uključujući i javnost da ostvari benefite od dostavljenih informacija. Svakodnevno, zaposlenima u institucijama državne uprave su potrebne informacije koje su relevantne, tačne, kako bi donosili odluke koje će gradjanima obezbediti kvalitetne usluge širokog spektra, a da pri tome na najbolji način iskoriste ograničene resurse. Specifično za ove institucije jeste grupa stejkholdera, koja podrazumeva i javnost i odgovarajuće institucije kontrole. BI rešenja im omogućavaju: Širi pogled na sve aspekte organizacije obezbedjujući jedinstven pristup višestrukim izvorima i lokacijama. Konsolidaciju, čišćenje i standardizaciju podataka iz različitih izvora. Praćenje performansi u skladu sa postojećim procedurama upravljanja, kako bi pojedinačne akcije bile u skladu sa globalnim skupom poslovnih pravila. Upravljanje troškovima u skladu sa budžetom koje pomaže da se adekvatno realizuju planirani programi i identifikuju kritične tačke u realizaciji plana. Ostvareni rezultati se na taj način mogu jasno povezati sa alokacijom budžeta, potrošnjom, prihodom i utrošenim resursima. Automatsko praćenje i održavanje prava pristupa poverljivim informacijama. Kontrolisan pristup informacijama od interesa za pojedine poslovne pozicije. Kombinovanje rada BI sistema sa postojećim alatima za saradnju i upravljanje sadržajem kako bi se maksimizirala efikasnost. Postavljanje prioriteta unutar organizacije zbog bolje prilagodljivosti izmenama u centralizovanim programima namenjenim gradjanima. Konstantno praćenje performansi nasuprot postavljanju ciljeva i jednokratnim proverama ostvarenog. 21

30 4. Upravljanje i životni ciklus projekata poslovne inteligencije Osnovne karakteristike projekata podrazumevaju složenost, neponovljivost, ograničenost u pogledu ljudskih, materijalnih i vremenskih resursa, te usmerenost na ostvarivanje postavljenih ciljeva. Proces upravljanja projektima je tokom razvoja koncepta poslovanja, naučno zasnovan, u toriji i praksi potvrđen koncept koji uz pomoć metoda i tehnika optimizacije, planiranja i kontrole vrši racionalno usklađivanje svih potrebnih resursa kako bi se projekat realizovao na najefikasniji način. Bitnu karakteristiku dobro vođenog projekta predstavlja činjenica da je u svakoj fazi procesa poznat stepen ostvarenja postavljenih ciljeva projekta, što omogućava efikasan sistem izveštavanja i kontrole, a postizanje postavljenih ciljeva u okviru unapred definisanih vremenskih, resursnih i troškovnih ograničenja predstavlja rezultat efikasnog i efektivnog procesa upravljanja projektom. Projekat razvoja sistema poslovne inteligencije podrazumeva primenu opšteprihvaćenih koncepata upravljanja projektima u svim fazama životnog ciklusa. Projekti razvoja sistema poslovne inteligencije se zahtevni po pitanju upotrebe resursa. Oni zahtevaju upotrebu nove tehnologije, dodatne zadatke, uloge i odgovornosti koji se moraju realizovati, i aplikacije koje moraju biti isporučene u kratkim rokovima i sa zadovoljavajućim kvalitetom. Oni spadaju u kategoriju inženjerskih projekata i kao takvi prolaze kroz 6 faza izmedju početka i implementacije [25]: Obrazloženje: Identifikacija potrebe za sprovodjenjem projekta ove vrste proizilazi iz analize odredjenih poslovnih problema ili poslovnih prilika za koje se procenjuje da mogu biti rešeni ili ostvareni primenom metodologija karakterističnih za odabrani koncept. Planiranje: Neophodno je definisanje strategijskih i taktičkih planova koji će biti glavna smernica u realizaciji svakog koraka na putu ka ostvarenju postavljenih ciljeva. Poslovna analiza: Analizom poslovnog procesa identifikuju se ključni korisnici BI sitema, utvrdjuju i pojašnjavaju njihovi zahtevi i očekivanja, obim podataka i poslovna područja koje je potrebno obuhvatiti. Dizajn: Konvertuje prethodne specifikacije poslovnih procesa u detaljni model. 22

31 Razvoj: Na osnovu dizajniranog modela u skladu sa zahtevima krajnjih korisnika pristupa se razvoju komponenti BI sistema. Početak primene (deployment): Sistem započinje sa regularnom primenom u okviru poslovnog procesa pri čemu se kontinuirano vrše provere da li zadovoljava postavljene zahteve i očekivanja. Tradicionalno uvodjenje novog sistema u organizaciju imalo je jasan početak i kraj, takozvani vodopad (waterfall) tok projekta, uz jedinstven skup korisnika iz svakog segmenta poslovanja. Ovakav način upravljanja projektom koji je prikazan na Slici 6 je adekvatan za neintegrisane sisteme, jer obezbedjuje dovoljno dobro planiranje, budžetiranje i implemetaciju nezavisnih sistema. Slika 6 Tradicionalni tok projekta Kako su sistemi poslovne inteligencije okruženja koja obezbedjuju integrisano donošenje odluka povezujući sve delove organizacione strukture prikazani tok projekta nije adekvatan i dovoljno efikasan. Interorganizacione aktivnosti nemaju za cilj rešavanje izolovanih problema jedne grane poslovanja. Tradicionalni tok projekta ne podržava strategijsko planiranje, unakrsnu analizu kroz čitavu organizacionu strukturu, niti koncept verzionisanja primenjenih aplikacija. On obično počinje planiranjem, usresredjuje se na dizajn i implementaciju i završava održavanjem. Nasuprot prikazanom toku projekta razvoj integralnog BI sistema podrazumeva postojanje više iteracija jer se radi o sistemima koji su suviše veliki i kompleksni da bi bili izgradjeni u jednom ciklusu. Podaci i funkcionalnosti se definišu u svakom ciklusu i postaju osnov za definisanje zahteva sledeće faze što pokazuje Slika 7. 23

32 Slika 7 Iterativni tok projekta Deset osnovnih principa agilnih metoda razvoja po kojima se fundamentalno razlikuju od tradicionalnih vodpad metoda su: 1. Neophodnost aktivnog učešća krajnjih korisnika, 2. Podsticanje projektnog tima na učešće u donošenju odluka, 3. Zahtevi evoluiraju, ali vremenska ograničenja ostaju fiksna, 4. Zahtevi se analiziraju na visokom nivou, 5. Razvijaju se mali delovi, prikladni za inkremetalni razvoj, 6. Fokus je na učestaloj isporuci proizvoda, 7. Neophodno je kompletirati svaku komponentu pre nego što se predje na sledeći korak, 8. Primena pravila 80/20, 9. Testiranje je integrisano kroz ceo životni ciklus projekta, 10. Kolaboracija i kooperacija izmedju svih učesnika na projektu (uključujući i korisnike) je od esencijalnog značaja. Ekspanzija elektronskog poslovanja zahteva integraciju procesa unutar cele organizacije. Pri tome integracija ne označava povezivanje starih sistema unutar organizacije, već integraciju informacija, integritet informacija, povezivanje poslovnih funkcionalnosti i usmeravanje poslovnih procesa. Ovo podrazumeva razvoj arhitekture koja će biti primenjena na celokupnu kompaniju, kao i odgovarajuće infrastrukture (tehničke i netehničke). Proces upravljanja projektima poslovne inteligencije obezbedjuje fleksibilno okruženje pri čemu je omogućeno 24

33 da se na bilo kom koraku u razvojnom ciklusu uključe dodatni napori pod uslovom da zadovoljavaju odredjene unapred definisane ulazne kriterijume. Takodje podstiče se i paralelan razvoj gde se više koraka i različitih aktivnosti može izvršavati istovremeno. Tok je dizajniran na način da bude agilan i prilagodljiv tako da se projekat može organizovati u vidu više paralelnih podprojekata, pri čemu svaki od njih prolazi kroz sve prethodno opisane iteracije nezavisno kao što pokazuje Slika 8. Slika 8 BI projektna organizacija Bez obzira na primenjeni tok projekta u toku njegovog životnog ciklusa sprovodi se veliki broj različitih aktivnosti po fazama realizacije. Kao što je ranije navedeno prvi korak u procesu razvoja sistema poslovne inteligencije jeste sama procena o potrebi implementacije ovakvog sistema. Nadležnim osobama u okviru organizacije moraju biti jasno predočene sve prednosti koje se mogu ostvariti ukoliko se odredjena poslovna šansa ili problem rešava primenom BI metoda, kao i troškovi koji će nastati ovim aktivnostima. Faza planiranja podrazumeva dve jednako značajne komponente definisanje infrastrukture i kreiranje projektnog plana. 25

34 S obzirom da BI sistem podržava proces donošenja odluka na nivou čitave organizacije neophodno je postojanje adekvatne infrastrukture u kompaniji koja podrazumeva dve komponente: 1. Tehničku infrastrukturu koja uključuje hardver, softver, sisteme za upravljanje bazama podataka, operativne sisteme, mrežne komponente, aplikacije; 2. Netehničku infrastrukturu koja podrazumeva standarde metapodataka, standarde imenovanja, metodologije, uputstva, procedure testiranja, procedure praćenja promena, procedure rešavanja problema sa sistemima itd. Definisanje projektnog plana je od kritičnog značaja zbog toga što su projekti razvoja sistema poslovne inteligencije izuzetno dinamični i svaka eventualna promena u obimu, budžetu, tehnologiji, angažovanim stručnjacima može bitno uticati na projekat. Zbog navedenog, projektni plan mora biti veoma detaljan, a praćenje i izveštavanje o stepenu ostvarenja postavljenih ciljeva konstantno. Prvi korak u okviru faze analize poslovanja jeste definisanje zahteva na koje projekat treba da odgovori. Definisanje obima projekta je jedan od najsloženijih zadataka. Prirodna je želja krajnjih korisnika da što brže dobiju odgovor na sve svoje zahteve, ali u interesu upravljivog procesa realizacije projekta jeste definisati manja poslovna područja koja će biti obuhvatana iterativno. Važno je imati u vidu da se zahtevi korisnika menjaju tokom projekta kao rezultat upoznavanja sa mogućnostima i ograničenjima tehnologije. Definisanje zahteva korisnika podrazumeva realizaciju intervjua i radionica sa korisnicima koji imaju ključnu ulogu u procesu donošenja odluka. U toku ovih radionica preporučljivo je imati u vidu 6 takozvanih, Kiplingovih pitanja šta, kako, zašto, kada, gde i ko, npr: 1. Šta su postavljenji ciljevi u vašoj oblasti? Šta nastojite da ostvarite? 2. Kako merite rezultate poslovanja? 3. Koji su vaši sadašnji izvori podataka? Jedan od najznačajnijih faktora uspeha BI projekta jeste kvalitet izvornih podataka. Loše navike je teško ispraviti, a jednako je teško i vremenski zahtevno pronaći i ispraviti sve posledice koje iz njih proizilaze. Treba imati u vidu da BI projektu prethodi period analize podataka iz ugla jedne grupe korisnika i da ti podaci nejverovatnije nisu bili dostupni, niti su 26

35 analizirani iz perspekive drugih delova organizacije. Analiza izvornih podataka je korak koji zahteva značajan deo vremena u okviru celog projekta. Analiza repozitorijuma metapodataka podrazumeva definisanje i dokumentovanje zahteva koje tipove metapodataka je potrebno čuvati u metamodelu. Takodje i zahtevi za isporukom metapodataka korisnicima moraju da se analiziraju. Što se više alata koristi po pravilu se generiše više tehničkih metapodataka koji se nadovezuju na poslovne metapodatke. Faza dizajna podrazumeva dizajn baze podataka i dizaj ETL procesa. Dizajn baze podataka podrazumeva tri nivoa modeliranja konceptualni, logički i fizički. Konceptualni model obuhvata definisanje značajnih entiteta i relacija izmedju njih. Na ovom nivou se ne definišu atributi niti ključevi. Cilj konceptualnog modeliranja jeste da se utvrde relacije medju entitetima na najvišem nivou. Logički model sadrži sve entitete i relacije medju njima, definisanje svih atributa, primernih ključeva za svaki od entiteta kao spoljnih ključeva koji identifikuju relacije definisane relacije. Na ovom nivou modelar nastoji da opiše podatke što je moguće detaljnije, bez obzira na to kako će oni biti fizički implementirani u bazi podataka. Kada se radi o modeliranju skladišta pidataka čest je slučaj da se konceptualni i logički model kombinuju u jednom koraku. Fizički model podataka podrazumeva detaljnu specifikaciju svih tabela i kolona, definisanje spoljnih ključeva kako bi se identifikovale relacije medju tabelama, odredjeni stepen denormalizacije. Na ovom nivo se specificira način realizacije logičkog modela na nivou šeme baze podataka. Od izvršenja ETL procesa očekuje se relativno kratak period izvršavanja. S obzirom na kvalitet izvornih izvornih podataka i složenost zahtevanih transformacija često je neophodno izvršavanje velikog broja zahtevnih procesa. Usled navedenog dizajniranje ETL procesa predstavlja veliki izazov za većinu organizacija i jedan je od najkomplikovanijih i najzahtevnijih koraka u čitavom projektu. Nakon kreiranja odgovarajućih modela sledi faza razvoja ETL procesa i BI aplikacija. Za razvoj ETL procesa koriste se napredni ETL alati koji olakšavaju obradu, automatizaciju i praćenje izvršavanja ekstarkcije, transformacije i učitavanja podataka. Bez obzira na sofisticiranost savremenih alata često je neophodan i dodatan razvoj odgovarajućih procedura 27

36 i drugih vidova obrada podataka. Kada su podaci dostupni u skladištu podataka omogućen je i razvoj OLAP kocaka, kao i odgovarajućeg interfejsa koji će omogućiti OLAP analizu. Razvija se i unapred definisan set izveštaja u skladu sa specificiranim zahtevima korisisnika. Bitnu ulogu u celokupnom procesu ima i primena data mining alata čime se u organizacionim podacima otkrivaju značajne i skrivene informacije i pravila. Nakon razvoja sistema pristupa se testiranju i proveri kvaliiteta prezentovanih podataka. Kada testiranje potvrdi očekivanja korisnika sistem je spreman za upotrebu u produkciji. Korisnici moraju biti obučeni kako bi bili u mogućnosti da ostvare sve benefite razvijenog sistema. Neophodno je obezbediti i sistem podrške koji obuhvata help desk podršku, održavanje baza podataka, praćenje ETL procesa i praćenje performansi. Na kraju procesa od posebnog je značaja evaluacija projekta u celini. Ukoliko je utvrdjeno da odredjeni alati, tehnike, procedure i procesi nisu ispunili očekivanja u toku projekta potrebno je napraviti adekvatna prilagodjenja i izmene. Ukoliko je tokom projekta došlo do kašnjenja, neplaniranih troškova, sporova neophodno je napraviti detaljnu analizu njhovih uzroka. Sva prilagodjenja i izmene moraju biti precizno izdefinisana pre nego što se udje u novi projektni ciklus. Bitno je naglasiti da svaki od navedenih koraka ne mora da se izvršava sekvencijalno, naprotiv, najčešće se mnogi od njih izvršavaju paralelno u delu gde ne postoji striktna medjuzavisnost. 28

37 5. Arhitektura sistema poslovne inteligencije Poslovna inteligencija podrazumeva veliki broj alata za konvertovanje velike količine podataka kompanije u korisne informacije i podsticanje profitabilnih poslovnih aktivnosti uz pomoć ovako stečenih znanja. Tipično sistem poslovne inteligencije obuhvata sledeće komponente: Ekstrakcioni sloj pomaže u dopremanju svih istorijskih podataka, ali i trenutnih podataka u zajedničko skladište podataka (data warehouse). Skladište podataka predstavlja osnovni izvor za dalju analizu. OLAP alati smeštaju podatke u specijalizovanu formu OLAP kocke pogodnu za multidimmenizionalnu analizu i pretraživanje. Komponente za izveštavanje i upite omogućavaju prikaz traženih podataka u formi tabela, dijagrama, složenih formatiranih izveštaja. Data mining pronalazi paterne u podacima, predvidja buduće trendove u poslovanju. Informacioni portal prati poslovne rezultate preko ključnih indikatora poslovanja. Poslovna analitika poseduje aplikacije namenjene pretraživanju i dinamičkoj analizi u kontekstu mera i dimenzija. Skladište podataka, OLAP, Data mining i komponente vizuelizacije kao ključni delovi BI sistema pojedinačno predstavljaju složene sisteme specifične arhitekture, procesa i metodologije razvoja, te će u tom smislu biti detaljno analizirani u sledećim poglavljima Data Warehouse Data warehouse (DWH) predstavlja bazu podataka dizajniranu na način da podrži proces donošenja odluka u kompaniji [3]. Osnovna funkcija skladišta podataka jeste da obezbedi pristup informacijama koje su potrebne upravi kompanije za uspešno vodjenje poslovanja. Neki od ključnih momenata u istoriji razvoja koncepata skladišta podataka su: 1. Šezdesetih godina prošlog veka pojavili su se pojmovi dimenzija (dimension) i činjenica (fact) kao rezultat zajedničkog istraživačkog projekata Dortmund koledža (Dartmouth College) i kompanije Dženeral Mils (General Mills). 29

38 2. Sedamdesetih je kreiran prvi data mart za maloprodaju je Teradata kreirala sistem za upravljanje bazom podataka (Database Management System) specijalno dizjaniran da podrži sisteme za podršku odlučivanju je prvi put upotrebljen termin business data warehouse poslovno skladište podataka u članku An architecture for a business and information systems Berija Devlina (Barry Devlin) i Pola Marfija (Paul Murphy) u časopisu IBM Systems Journal Bil Inmon objavljuje knjigu Building the Data Warehouse u kojoj su postavljeni osnovni koncepti DWH, a Ralph Kimball knjigu The Data Warehouse Toolkit koja i danas daje ključne smernice za dobru praksu razvoja skladišta podataka. Prema Bilu Inmonu osnovne karakteristike skladišta podataka su: 1. Povezanost sa produkcionim bazama podataka koje se koriste u kompaniji. Ova povezanost ne podrazumeva i podudaranje u organizaciji podataka. 2. Orijentisanost na predmet poslovanja, umesto orijentisanosti na aplikacije. Na ovaj način se obezbedjuje konzistentnost pogleda na poslovne podatke. 3. Integrisanost usled konsolidacije podataka iz različitih sistema. 4. Vremenska orijentisanost koja proizilazi iz posmatranja podataka kroz vremensku dimenziju, za razliku od transakcionih sistema koji prikazuju podatke u odredjenom trenutku. 5. Konzistentnost koja je posledica činjenice da se podaci u DWH dodaju umesto da se postojeći menjaju. Veliki broj faktora uticao je na razvoj koncepta skladišta podataka kakvog ga danas poznajemo. Organizacije su sa razvojem informacionih tehnologija stalno unapedjivale način prikupljanja operativnih podataka. Kako je sve veći broj podataka postojao dostupan poseban izazov je postala njihova analiza i upravo je mogućnost analize dobijala na vrednosti i značaju. S druge strane baze podataka koje su dizajnirane da podrže transakcione sisteme najčešće nisu pogodne za brz i efikasan pristup ovim informacijama. Baze podataka transakcionih sistema su namenjene specifičnim poslovnim procesima, one ne obezbedjenju integrisan pogled na oraganizaciju. Često korisnicima nije dozvoljen direktan pristup transakcionim bazama usled mogućnosti da se performanse ugroze vremenski zahtevnim 30

39 upitima, te da se naruše pravila bezbednosti i integriteta podataka. S obzirom na to način upravljanja podacima transakcionih i baza namenjenih podršci odlučivanju često nije moguće usaglasiti na jednom sistemu. Osnovna prednost primene DWH sistema je unapredjenje pristupa korporativnim informacijama. Ovo unapredjuje produktivnost rada usled toga što korisnici ne troše vreme tražeći informacije ili čekajući na njih. Bolji pristup informacijama omogućava i bolje donošenje donošenje odluka. Ciljevi primene skladišta podataka su [5]: 1. Lak pristup podacima organizacije. Sadržaj skladišta podataka mora biti razumljiv svim korisnicima. Podaci moraju biti intuitivni i logični poslovnim korisnicima, a ne samo onima koji su učestvovali u njegovom razvoju. Sadržaj pojedinih objekata skladišta podataka mora biti smisleno imenovan kako bi omogućili poslovnim korisnicima da kombinuju ove podatke na neograničeno veliki broj načina posredstvom tehnika koje su poznate pod nazivom slicing i dicing. Takodje alati koji se koriste za pristup DWH moraju biti jednostavni i laki za upotrebu. Značajno je da obezbede brz odgovor na postavljene upite. 2. Konzistenost prezentovanih podataka kompanije. Data warehouse podaci moraju biti kredibilni. Podaci se prezentuju krajnjim korisnicima tek kada je u potpunosti osiguran kvalitet procesa obrade podataka, povezivanja različitih sistema te obezbedjen konzistetan pogled na podatke iz različitih perspektiva analize. Ukoliko dve mere performansi poslovanja imaju identičan naziv, moraju predstavljati istovetan pojam. Posledično, ukoliko dve mere ne predstavljaju isti pojam, moraju biti nazvane drugačije. Samo konzistentne informacije su i kvalitetne informacije. Konzistentnost implicira da su sa krajnjim korisnicima usaglašene definicije svih pokazatelja sadržanih u skladištu podataka. 3. Prilagodljivost promenama. Promene su nezaobilazni element u poslovnom procesu, neprekidno se menjaju potrebe korisnika, uslovi poslovanja, tehnologija. Promene koje nastaju ne smeju negativno uticati na podatke koji se već nalaze u skladištu podataka. Ono 31

40 mora biti dizajnirano na način da ih može adekvatno inkorporirati. Ukoliko se okolnosti poslovanja menjaju neophodno je obezbediti adekvatan odgovor na novonastalu situaciju. 4. Adekvatan nivo bezbednosti. Podaci koji se nalaze u skladištu podataka su najčešće vrlo osetljivi i veoma vredni. Oni podrazumevaju mnogo detalja o ključnim indikatorima poslovanja, te u pogrešnim rukama mogu biti veoma opasni. Skladište podataka mora obezbediti efektivan sistem kontrole pristupa poverljivim informacijama o poslovanju kompanije. 5. Pouzdan osnov za donošenje odluka. Pravilno dizajnirana skladišta podataka obezbedjuju ključne podatke koji su osnov procesa donošenja odluka. Mora postojati samo jedna slika stvarnosti koju prezentuje skladište podataka. Primena data warehouse tehnologija imala je više nivoa razvoja. Skladišta podataka na početku razvoja su predstavljala prostu kopiju podataka sa transakcionog sistema na drugi server. Na ovom nivou skladište podataka je zapravo predstavljalo off line operativnu bazu podataka. Na ovaj način je korisnicima obezbedjen pristup podacima bez rizika da će se performanse transakcionog sistema narušiti. Sledeći nivo primene podrazumeva da se podaci u skladištu podataka osvežavaju prema unapred definisanim vremenskim intervalima. Pri tome je skaldište podataka dizajnirano u skladu sa potrebom za zahtevnim izveštajnim upitima. Ovaj koncept predstavlja On line skladište podataka. Real Time Data Warehouse predstavlja DWH koji se osvežava podacima svaki put kada nastane neka promena na transakcionom sistemu. Još se naziva i Active Data Warehouse ukazujući na osobinu da se podaci osvežavaju što je češće moguće, kako bi se zadovoljili zahtevi korisnika za svežim podacima. Koncept aktivnog skladištenja podataka proširuje tradicionalnu DWH funkcionalnost u sferu taktičkog donošenja odluka. Cloud computing predstavlja novi način isporuke i korišćenja IT usluga bazirano na Internet protokolima. Podrazumeva nov način korišćenja dinamički skalabilnih i virtuelizovanih 32

41 resursa. Pojam "cloud" se koristi kao metafora za Internet, zbog njegovog predstavljanja u vidu oblaka na dijagramima. Cloud computing podrazumeva pristup sofveru, podacima i uslugama bez potrebe da krajnji korisnik zna njihovu fizičku lokaciju niti konfiguraciju sistema koji te usluge pruža. Primena sistema za pravljanje bazama podataka (DBMS) u cloud okruženju je dostupna od trenutka pojave ovog koncepta. Postoji veliki broj potencijalnih korisnika DBMS u navedenom okruženju, medjutim tek od skoro nailazimo na prve primene skladišta podataka. Glavni uzroci oklevanja za primenu cloud computing koncepta su pitanja vezana za sigurnost, višestruko deljenje i krišćenje Intereneta za prenos podataka. Iako postoji nekoliko manjih implementacija skladišta podataka u cloud okruženju ono još uvek ne predstavlja koncept koji se usvaja velikom brzinom i prema analizi Gartner grupe predvidja se da će proći bar još dve do pet godina pre nego što postane uobičajena praksa. Široko je prihvaćena primena skladišta podataka kao izvora za generisanje izveštaja i izvršavanje upita. U savremenim uslovima postavljaju se znatno širi zahtevi prema DWH, tako da današnja očekivanja podrazumevaju: Kontinuirano učitavanje podataka slično funkcionisanju OLTP sistema (koje podrazumeva rekreiranje indeksa i slične zahteve radio optimizacije DWH sistema). Postojanje standardnog batch učitavanja podataka s obzirom da ne spadaju svi podaci u kategoriju visoke vremenske osetljivosti. Pojedine informacije koje su manje promenljivene zahtevaju često osvežavanje kako što je to slučaj sa dinamičnijim podacima. Veliki broj standardnih izveštaja zahtevaju SQL tuning, korišćenje indeksa, primenu particionisanja i drugih oblika optimizacije struktura podataka u DWH. Postojanje poslovne analize na nivou taktičkog menadžmenta, gde korisnici sa ograničenim poznavanjem upitnih jezika koriste ugradjene analitičke objekte sa preagregiranim podacima i dizajniranim dimenzionalnim drill-down funkcionalnostima. Sposobnost pružanja pravovremenog odgovora na ad hoc upite korisnika sa promenljivim zahvatom podataka koji isključuje mogućnost prethodne optimizacije tabela. 33

42 Data warehouse dizajn Dimenzionalno modeliranje predstavlja set tehnika i koncepata koji se koristi za dizajn skladišta podataka. Ono podrazumeva tehnike dizaniranja DWH orijentisane na unapredjenje performansi izvršavanja upita krajnjih korisnika. Dimenzionalno modeliranje se značajno razlikuje od modeliranja koje poštuje pravila normalnih formi karakterističnog za baze podataka transakcionih sistema koje nastoji da eliminiše redudansu podataka. I jednom i u drugom slučaju model se može prikazati dijagramom objekata i veza (entity-relationship diagram ERD), a ključna razlika je u stepenu normalizacije. Relacioni model podataka teorijski je razradio britanski matematičar E.F. Codd. Transakcione baze podataka su modelirane na način da poštuju pravila normalizacije do treće normalne forme. Slog baze podataka je u prvoj normalnoj formi (1NF) ukoliko domeni podataka sadrže samo atomske vrednosti [9]. Prva normalna forma implicira eliminaciju kolona sa duplim vrednostima u okviru tabele i kreiranje nezavisnih tabela za svaku grupu povezanih podataka i idenfikaciju svakog reda jedinstvenom kolonom ili skupom kolona (primarnim ključem). Relacija je u drugoj normalnoj formi (2NF) ako i samo ako je u 1NF i svi njeni neključni atributi potpuno funkcionalno zavise od primarnog ključa, tj. ako svi njeni atrubuti daju jednoznačne činjenice samo o celom ključu [9]. Druga normalna forma eliminiše funkcionalne zavisnosti od dela ključa tako što se podaci koji ne zavise od celog ključa smeštaju odvojene tabele. Primer je rešavanje relacija više : više korišćenjem entiteta agregacije. Relacija je u trećoj normalnoj formi (3NF) ako i samo ako je u 2NF i ako svi njeni neključni atributi netranzitivno zavise od primarnog ključa, tj. ako svi njeni atributi daju jednoznačne činejnice o celom ključu i samo o celom ključu [9]. Primer je kreiranje look-up tabela. Boyce-Codd-ova normalna (BCNF) predstavlja precizniju definiciju 3NF. Ukoliko determinantu relacije predstavlja bilo koji atribut, prost ili složen, od koga neki drugi atribut potpuno funkcionalno zavisi, kažemo da je relacija u BCNF ako i samo ako su sve determinante u relaciji i kandidati za primerni ključ [9]. Relacija je u četvrtoj normalnoj formi kada zadovoljava uslov da je u 3NF i ne sadrži višestruke skupove viševrednosnih zavisnosti. Drugim rečima, 4NF podrazumeva da ne postoje entiteti sa višestrukim jedan : više relacijama. Relacija je u petoj normalnoj formi (5NF) ako i samo ako se svaka zavisnost spajanja može pripisati kandidatu za ključ. 34

43 U cilju postizanja što boljih performansi upita podaci su u dimenzionalnom modelu denormalizovani i uskladišteni tako da postoji redundansa. Mada ta redundansa oduzima prostor, ona umanjuje broj spajanja zahtevanih u upitu i time značajno smanjuje vreme potrebno za obradu. Karakteristične tehnike dimenzionalnog modelovanja: tehnika zvezdaste šeme i tehnika pahuljaste šeme. Zvezdasta šema (Star Schema) se sastoji od centralne tabele činjenica (fact table) i dimenzionalnih tabela koje su za nju vezane. Tabele organizovane na ovaj način podsećaju na zvezdu i odatle potiče njen naziv. Šema zvezde ima jednostavnu strukuru sa relativno malo tabela i dobro definisanim putanjama veza. Ovaj dizajn, za razliku od normalizovanih struktura koje se koriste za operacionalno procesiranje transakcija, obezbedjuje brze odgovore na upite i jednostavnu šemu koja je vrlo razumljiva za analitičare i korisnike, čak i one kojima nisu poznate strukture baza podataka. Odražava, u dizajnu baze podataka, način na koji krajnji korisnici obično razmišljaju o poslovanju i koriste podatke. Slika 9 prikazuje primer tabela organizovanih u formi star scheme. Slika 9 Zvezdasta šema 35

44 U slučaju pahuljaste šeme (Snowflake Schema) dimenzionalne tabele su normalizovane. Normalizacija podrazumeva da su velike dimenzionalne tabele izdeljene u više manjih kako bi se izbegla redudansa. Polja niske kardinalnosti (kao što su hijerarhije) razdvajaju se na svoje sopstvene tabele. Primer dimenzija d_organizaciona_jedinica sa Slike 9 može se podeliti u dve tabele d_organizaciona_jedinica i d_region kao na Slici 10. Pahuljasta šema se dakle sastoji od fact tabele i dimenzionalnih tabela pri čemu su neke od njih medjusobno povezane. Slika 10 Pahuljasta šema Osnovni pojimovi dimenzionalnog modela jesu tabela činjenica i tabela dimenzije. Tabela činjenica je elementarna tabela dimenzionalnog modela koja sadrži numeričke mere performansi poslovanja kompanije. Pojam činjenica ili fact se koristi da predstavi poslovnu meru. Svaka mera se posmatra u preseku relevantnih dimenzija. Skup dimenzija definiše nivo detaljnosti tabele činjenica i definiše opseg mera. Uprkos činjenici da nisu brojne, fact tabele obično zauzimaju oko 90 ili više procenata ukupnog prostora dimenzionalne baze podataka [5]. Tabele činjenica najčešće imaju veliki broj redova, naspram malog broja kolona. One sadrže dva ili više spoljnih ključeva preko kojih su povezane sa primarnim ključevima tabela dimenzija. Fact tabela ima sopstveni primarni ključ, ili složeni primarni ključ koji se sastoji od podskupa spoljnih ključeva. Ovakav složeni ključ se naziva kompozitnim ili ulančanim ključem. U skladu sa ovim tabelu činjenica možemo definisati kao tabelu dimenzionalnog modela sa kojom su ostale tabele povezane vezom jedan : više. 36

45 Dobra praksa dizajna fact tabela zahteva izbegavanje null vrednosti, što se postiže postojanjem reda u dimenzionalnoj tabeli koji označava da ona nije primenljiva u slučaju odredjene mere [5]. Ovakav red bi trebalo da sadrži identifikator i opis koji ukazuje da se radi o nepoznatoj vrednosti (npr. Nepoznata organizaciona jedinica, Nepoznat stepen stručne spreme ). Mere performasi poslovanja koje se prate u tabelama činjenica se medjusobno razlikuju s obzirom na mogućnost agregiranja po različitim nivoima hijerarhije u okviru dimenzija. Broj nezaposlenih lica se može sumirati po organizacionim jedinicama i dobijena suma će predstavljati validan rezultat. Medjutim, nije moguće agregirati ovu meru po vremenskoj dimenziji jer ona predstavlja snimak stanja na odredjeni dan. Mere koje se mogu agregirati po samo po odredjenim dimenzijama se nazivaju semiaditivne mere [6]. Ovaj tip mera se u vremenskim periodima analizira izračunavanjem prosečne vrednosti ili analizom vrednosti na poslednji dan u izabranom periodu. Dimenzija jeste tabela koja sadrži opisne podatke poslovnih entiteta. U dobro dizajniranom skladištu podataka dimenzije sadrže veliki broj kolona ili atributa. Ovi atributi detaljno opisuju redove. Dimenzije često imaju formu hijerarhijskih relacija poslovanja. Denormalizacijom dimenzija se dizajn skladišta podataka pomera od zvezdaste ka pahuljastoj šemi. Redudantni atributi se eliminišu iz denormalizovane tabele. Dimenzionalne tabele bi trebalo da ostanu što je više moguće ravne. Normalizovane tabele dimenzija usporavaju unakrsnu analizu atributa i eleminišu mogućnost upotrebe bit-mapped indeksa. Ušteda prostora koja se postiže normalizacjom je obično manja od 1 procenta ukupnog prostora, tako da se preporučuje žrtvovanje prostora zarad performantnosti i prednosti koje se ostvaruju lakim korišćenjem sistema [5]. Konformne dimenzije su dimenzije koje su zajedničke za više fact tabela. Koriste se za analizu podataka u okviru više poslovnih područja (data mart). Prednosti korišćenja konformnih dimenzija su: Koristi se za nalizu podataka u više fact tabela, Postoji konzistentan pogled na podatke svaki put kada se dimenzija koristi, 37

46 Obezbedjuje konzistentnu interperetaciju atributa, kao i način agregiranja u više poslovnih područja, Dimenzije se definišu na nivou kompanije i raspoložive su u slučaju daljih proširenja sistema. Atributi dimenzija su relativno statički, ali nisu nepromenljivi. Oni se menjaju tokom vremena, no prilično sporo. Generalno, u modelu skladišta podataka možemo predvideti dimenzionalne strukture koje se promenama mogu približiti relativno malim prilagodjavanjima. Ovakve dimenzije nazivaju se sporo menjajuće dimenzije (slowly changing dimensions). Termin sporo menjajuća dimenzija prvi je upotrebio Ralph Kimball godine i od tada se u oblasti skladištenja podataka odomaćio akronim SCD. Postoje tri osnovne tehnike praćenja promena atributa dimenzije. Za svaki od atributa potrebno je definisati način na koji će se promene beležiti u sistemu. Za svaku od navedenih tehnika podrazumeva se da originalni identifikator ostaje konstantan. SCD Tip 1 podrazumeva da prepisivanje stare vrednosti atributa tekućom vrednošću. Na taj način, atribut uvek reflektuje najnovije stanje podataka. Ova tehnika je jednostavna za implementaciju, ali ne omogućava praćenje istorije promene odabranog atributa. SCD Tip 2 je najčešće primenjivana tehnika održavanja sporomenjajućih dimenzija koja podrazumeva dodavanje novog reda u dimenzionalnu tabelu sa svakom izmenom atributa. Pri tome prihvaćena je praksa da se dimenzionalna tabela proširi kolonama koja sadrži datum izmene atributa i datum isteka perioda važenja sadržane kombinacije osobina. SCD Tip 3 se koristi kada je potrebno pratiti prethodnu i postojeću vrednost nekog atributa i impelemntira se tako što se u dimenziju dodaje kolona koja sadrži istorijski podatak (npr.organizaciona_jedinica_naziv, prethodna_organizaciona_jedinica_naziv). Ovakvo predstavljenje dimenzionalnih podataka često se naziva i alternativna realnost. Vremenska dimenzija jeste dimenzija koja se gotovo obavezno pojavljuje u svakom data martu. Postavlja se pitanje zašto se je neophodna eksplicitna tabela vremenske dimenzije s obzirom da postoji mogućnost da se standardnim SQL operacijama filtriraju podaci kao što su mesec ili godina ukoliko bi datumski ključ u fact tabeli bio datumskog tipa podataka, te da se 38

47 izbegnu potencijalno skupa spajanja tabela. Razlozi su višestruki. Najpre, tipičan poslovni korisnik ne poznaje napredne SQL operacije. Zatim, ugradjene SQL funkcije ne podržavaju filtriranje atributa kao što su radni i dani vikenda, praznici, fiskalni periodi, sezone ili drugi bitni predefinisani dogadjaji. Na kraju, savetuje se korišćenje integer tipa podataka kao ključa vremenske dimenzije [5]. Na ovaj način se štedi 4 bajta po svakom redu fact tabele u odnosu na ključ tipa podataka - date. Vremenska dimenzija najčešće sadrži veliki broj atributa koji detaljno opisuju ključ iz različitih perspektiva, npr. godina, kvartal, mesec, nedelja, godina_mesec, godina_kvartal, dan_u_mesecu, dan_u_nedelji, dan_u_godini, prvi_dan_u_mesecu, poslednji_dan_u_mesecu, radni_dan, vikend, praznik itd. Bill Inmon preporučuje korišćenje surogat ključa u dimenzionalnim modelima umesto kodova izvornih sistema. Surogat ključ je zamena za izvorni ključ podataka, jedinstveni identifikator svakog reda u dimenzionalnoj tabeli. Pored termina surogat ključ u literaturi se nailazi i na pojmove veštački, sintetički, neprirodni, integer ključ. To su celi brojevi koji se generišu sekvencijalno kako se popunjavaju vrednosti u dimenziji. Koriste se za povezivanje dimenzija i tabela činjenica. Ključevi skladišta podataka nisu govoreći, u smislu da se njihovim čitanjem može doći do značenja podatka u dimenziji. Prednost koja se postiže primenom surogat ključeva je nezavisnost skladišta podataka od izvornih sistema. Njihovo održavanje je nezavisno od internih pravila svakog izvornog sistema vezanih za generisanje, ažuriranje, brisanje i ponovno korišćenje kodova. Takodje, upotreba surogat ključeva donosi prednosti u performansama izvršenja procesa skladišta podataka i izvršenja upita. Često su kodovi transakcionih sistema alfanumerički. Surogat ključevi koji zahtevaju manje memorije za skladištenje rezultiraju manjim fact tabelama. Ukoliko skladište podataka sadrži višemilionske fact tabele značajno se multiplicira količina potrebnog prostora sa povećanjem primenjenih ključeva. Pored navedenog, upotreba surogat ključeva omogućava praćenje promena atributa dimenzije na način koji je prethodno opisan što je jedan od najznačajnijih razloga za njihovu upotrebu. Posebno je značajna uloga surogat ključa u slučaju kada se ne koriste identični kodovi u više različitih izvornih sistema koje je potrebno integrisati. Tri najčešće predrasude o primeni i načinu modeliranja su sledeće [6]: Dimenzionalni model i data mart se koristi samo za sumarne podatke preagregirani sumarni podaci se koriste u skladištu podataka isključivo radi poboljšanja performansi upita, ali ne i kao zamena za detaljne podatke. S obzirom da nije moguće unapred 39

48 predvideti sve zahteve krajnjih korisnika neophodno je obezbediti i detaljne informacije koje će pružiti odgovor na sva poslovna pitanja. Dimenzionalni modeli i data martovi su rešenja za pojedina poslovna područja, ne za kompaniju u celini preporuka je da se skladište podataka dizajnira nezavisno od organizacione strukture kompanije već u skladu sa poslovnim procesima. Dimenzionalni modeli i data martovi nisu skalabilni skladišta podataka karakteriše velika količina podataka i uz podršku savremenih sistema za upravljanje bazama podataka skalabilnost i performanse su značajno optimizovani Data warehouse procesi i arhitektura Arhitektura skladišta podataka može varirati u zavisnosti od specifičnosti same kompanije. Tri uobičejene arhitekture su [26]: Osnovna arhitektura skladišta podataka, Arhitektura sa stage oblašću, Arhitektura sa stage oblašću i data martovima. Slika 11 prikazuje osnovnu arhitekturu skladišta podataka. Podaci iz izvornih sistema se najpre obradjuju i čiste pre učitavanja u skladište podataka, a zatim im pristupaju krajnji korisnici. Slika 11 Osnovna arhitektura skladišta podataka 40

49 Iako je učitavanje direktno iz izvornih sistema moguće, najčešće arhitektura skladišta podataka podrazumeva korišćenje stage oblasti. Slika 12 Arhitektura skladišta podataka sa stage oblašću Dalje unapredjenje arhitekture prikazane na Slici 12 ostvaruje se dodavanjem data martova dizajniranih specijalno za pojedinačna poslovna područja. Slika 13 ilustruje primer gde su nabavka, prodaja i skladištenje razdvojeni u zasebne data martove. Data martovi oslanjaju se na centralno skladište podataka koje im isporučuje podatke u obliku koji daje ujednačen uvid u sve segmente poslovanja preduzeća. U odnosu na prethodna dva modela prednosti su veća tačnost informacija bez obzira s kog izvora su zahvaćene, olakšana je komunikacija među organizacionim jedinicama, smanjena opterećenost informatičara i povećana skalabilnost i proširivost platforme za skladištenje podataka. 41

50 Slika 13 Arhitektura skladišta podataka sa stage oblašću i data martovima Komponente arhitekture skladišta podataka na osnovu prikazanih šema su izvori podataka, stage oblast, prezentacioni nivo skladišta podataka i alati za pristup [5]. Izvori podataka podrazumevaju transakcione sisteme uz pomoć kojih se beleže podaci o dnevnim transakcijama kompanije. Ne postoji kontrola nad ovim sistemima, strukturom podataka i njihovom sadržaju. Prioriteti u radu transakcionih sistema su performantnost i dostupnost. Upiti koji se nad njima izvršavaju su predefinisanog formata, deo uobičajenog toka transakcija i ograničene kompleksnosti. Izvorni sistemi čuvaju relativno malo istorijskih podataka i dobro razvijeno skladište podataka ih može znatno rasteretiti obaveze čuvanja podataka ove vrste. Stage oblast je namenjena skladištenju ekstrahovanih podataka iz izvornih sistema, kao prvom koraku u ETL (extract-transform-load) procesu. Nad podacima ove DWH komponente vrši se niz transformacija kako bi se podaci u adekvatnom formatu učitali u prezentacijski sloj. Ključna karakteristika stage oblasti je da je nedostupna krajnjim korisnicima za analizu i čitanje podataka. Prilikom učitavanja podataka iz izvornih sistema u stage vrši se identifikacija izmena u odnosu na stanje sistema u momentu prethodnog učitavanja. Postoji više načina da se razlike registruju: Replikacija podataka se zasniva na korišćenju trigera za registrovanje izmena na izvornom sistemu. Triger je skup SQL komandi koje se automatski izvršavaju u 42

51 momentu kada dodje do izmene podatka. Ove akcije se koriste kako bi se izmene zabeležile i sačuvale. Chage Data Capture (CDC) obuhvata niz metoda za identifikaciju izmena na izvornim podacima. Izmenjeni redovi se mogu npr. filtrirati na osnovu datuma izmene na redovima, broja verzije podatka, indikatora statusa, analizom logova baze podataka itd. Prezentacijska oblast je dizajnirana i organizovana tako da olakša analizu podataka i donošenje odluka krajnjim koriscima. Sposobnost obrade velikog broja kompleksnih i zahtevnih kalkulacija je značajan apekt skladišta podataka usled kompleksnosti ad hoc upita i velikog obima podataka nad kojima se oni izvode. Skladiše podataka se može koristiti na više načina. Ono može biti centralizovano ili organizovano u formi serije integrisanih subjektnih područja tj. data martova. Redovnim učitavanjem podataka u data warehouse ostvaruje se njegova osnovna svrha laka poslovna analiza. Učitavanje podataka podrazumeva da se podaci ekstrahuju iz jednog ili više transakcionih sistema i prenose u skladište podataka. Ovaj proces je poznat pod nazivom ETL od engleskih reči extraction (izvlačenje), transformation (transformacija) i load (učitavanje). Akronim ETL je na odredjeni način pojednostavljena slika stvarnog procesa s obzirom da on podrazumeva širok skup aktivnosti, a ne tri precizno razdvojena i jasno definisana koraka. Metodologije i aktivnosti specifične za ETL procedure nisu karakteristika samo skladišta podataka. Brojne aplikacije i baze podataka čine informatičku okosnicu svake savremene kompanije. Podaci se dele izmedju različitih sistema i ukrštaju u odredjenom obimu. Deljenje podataka izmedju aplikacija najčešće se realizuje procesima koji su slični ETL mehanizmu. Skladišta podataka imaju zadatak da odgovore istom izazovu, ali sa dodatnim zahtevima, jer ne obuhvataju samo razmenu podataka već i integraciju, uredjivanje i konsolidaciju podataka iz različitih sistema s ciljem generisanja jedinstvene informacione baze za poslovnu inteligenciju. Pored navedenog na ceo proces značajno utiče podatak da DWH okruženje obuhvata veliki obim podataka. 43

52 Prvi korak ETL procesa je ekstrakcija podataka. Željeni podaci se identifikuju i izvlače iz izvornih sistema, uključujući baze podataka i datoteke različitih formata. Identifikacija željenog seta podataka nije uvek jednostavna tako da se dogadja da se ekstrahuje i znatno veći obim podataka od neophodnog kako bi se u nekom od sledećih koraka izvršila selekcija. U zavisnosti od karakteristika izvornih sistema neke transformacije se mogu izvršiti i tokom ekstrakcije podataka. Obim ekstrahovanih podataka varira i do više gigabajta u zavisnosti od specifičnosti poslovnog procesa. Takodje postoje velike varijacije u podrazumevanom vremeskom razmaku izmedju dva ETL procesa. Učitavanje može biti dnevno, ali i izvršavano u vremenskim razmacima koji se mere u satima, pa i minutima čime se skladište podataka približeva real-time sistemima. Nakon ekstrakcije podaci se fizički prenose u ciljne tabele ili u medjuoblast kako bi se dalje procesirali. U zavisnosti od željenog načina prenosa podataka neke transformacije mogu biti uradjene i u ovom koraku. Prilikom prenosa podataka posebna pažnja se posvećuje skalabilnosti. Mnoge alternativne operacije su upravo razvijene upravo da bi pružile efiksanu obradu u zavisnosti od količine podataka. Transformacija i integracija podataka podrazumeva kompleksne operacije i po pitanju primenjenih logičkih algoritama i po pitanju zahtevanih resursa. U okviru ETL procesa najviše vremena se troši upravo na postupak transformacije podataka, prema stručnim procenama i preko 80 posto od ukupnog ETL procesa. Kompleksne transformacije imaju više uzroka. Izazovi za koje je potrebno pronaći efikasno rešenje su postojanje nekonzistentnih šifarnika u različitim izvornim sistemima koji se integrišu, postojanje različitih formata podataka kako medju izvornim sistemima, tako i u odnosu na ciljno skladište podataka, problem sinonima i homonima gde se isti podaci pojavljuju pod različitim nazivima, ili se identični nazivi koriste da bi označili potpuno različite podatake itd. [15] OLAP Pojam OLAP odnosi se na skup alata za izvođenje znanja iz skladišta podataka. OLAP je akronim engleskog naziva Online Analytical Processing koji je definisao britanski matematičar E.F. Codd. Kao što sam naziv ističe u fokusu OLAP alata je analiza, a ne transakciona obrada podataka. OLAP predstavlja konceptualni i intuitivni model zasnovan na multidemenzionalnoj analizi podataka, podaci iz skladišta podataka i data martova vizuelizovani i agregirani na način da obezbede perspektivu multidimenzionalnog pogleda na 44

53 podatke. Za poslovne korisnike poseban naglasak je na reči multidimenzionalno, odnosno na mogućnosti da se metrike analiziraju po različitim dimenzijama kao što su vreme, geografski regioni, organizaciona struktura itd. Osnovna ideja dimenzionalnog modelovanja je da skoro svaki tip poslovnih podataka može da bude predstavljen u vidu kocke gde ćelije kocke sadrže merne vrednosti, a ivice kocke definišu prirodne dimenzije podataka. Kocka je metafora koja obezbedjuje novi pristup vidjenju kako su podaci organizovani. U poslovnim primenama se podrazumeva više od tri dimenzije, pa se kocka može nazvati hiperkockom. Grafički organizacija podataka se u ovom slučaju može predstaviti na sledeći način: Slika 14 OLAP kocka Na primeru OLAP kocke prikazanom na Slici 14 može se videti na koji način se mera Broj nezaposlenih lica posmatra iz perspektive tri dimenzije Vreme, Stepen stručne spreme i Region. Analizom posmatrane mere u preseku navedenih dimenzija možemo doći do podatka da je godine, u regionu Istočena Srbija bilo nezaposlenih lica bez stepena stručne spreme (BSS, nezavršena osnovna škola). Navedeni podatak je hipotetički, generisan radi prezentacije OLAP koncepta i ne odgovara stvarnim statističkim podacima. U zavisnosti od primenjene tehnologije, OLAP strukture možemo podeliti na dva tipa [17]: Multidimenzionalni OLAP (Multidimensional OLAP - MOLAP) i Relacioni OLAP 45

54 (Relational OLAP - ROLAP). Hibridni OLAP (Hybrid OLAP HOLAP) podrazumeva tehnologiju koja kombinuje MOLAP i ROLAP. MOLAP jeste tradicionalni način OLAP analize gde su podaci smešteni u multidimenzionalne kocke. Skladištenje nije u relacionim bazama podataka, već u formatima karakterističnim za primenjenu tehnologiju (zavisi od konkretnog alata odabranog za kreiranje OLAP kocaka). Prednosti primene MOLAP tehnologije su: Odlične performanse OLAP kocke su generisane za brz pristup podacima i optimizovane za nalizu karakterističnu za OLAP alate. Primenljivost složenih kalkulacija sve kalkulacije su izgenerisane prilikom kreiranja kocke. Dakle, složena računanja ne samo da su primenljiva već se do rezultata tokom analize dolazi velikom brzinom. MOLAP nedostaci su: Ograničenje u broju podataka koji se može obradjivati s obzirom da se sve kalkulacije računaju u momentu kreiranja kocke nije moguće obuhvatiti veoma veliki broj podataka. Ovo ne znači da se podaci u kocki ne mogu izračunati na osnovu velike količine podataka, već da se ti podaci moraju agregirati na višem nivou u okviru same kocke. Mogu zahtevati dodatne investicije u zavisnosti od odabrane tehnologije u samoj kompaniji. ROLAP podrazumeva medologiju rada sa podacima u relacionim bazama podataka na način da se stekne utisak rada sa tradicionalnim MOLAP tehnologija u smislu primenljivih načina analize. Prednosti primene ROLAP metodologije su: Mogućnost analize velikog obima podataka pri čemu je ograničenje isključivo dirigovano tehnologijom sistema za upravljanje bazom podataka. Korićenje funkcionalnosti relacionih baza kako relacione baze imaju ugradjenje funkcionalnosti ROLAP tehnologije ih mogu iskorititi u svrhu unapredjenja analize. ROLAP nedostaci obuhvataju: 46

55 Moguće je da performanse budu loše jer je svaki ROLAP izveštaj u stvari SQL upit (ili više njih) nad relacionom bazom, a veliki obim podataka utiče na vreme izvršenja upita. Ograničenje funkcionalnosti koje proizilazi iz ograničenja operacija koje se mogu izvesti primenom klasičnih SQL upita. HOLAP alati predstavljaju hibridni proizvod pomoću kog je moguće sprovoditi multidimenzionalne analize simultano iz podataka uskladištenih u multidimenzionalnoj kocki i iz sistema upravljanja relacionim bazama podataka. Time je omogućeno kombinovati prednosti MOLAP i ROLAP alata. Višedimenzionalna struktura podataka pruža velike mogućnosti za otkrivanje mnogih detalja različitim postupcima analitičke obrade kao što su agregacija i detaljizacija ili bušenje (drill up, drill down, drill through), unakrsno tabeliranje (cross tabulation), selekcija, isecanje, izdvajanje i kombinovanje svih dimenzija (slice and dice requirement), rotacija odnosno isticanje jedne dimenzije dok su druge u pozadini (pivoting), prognoza, modelovanje, grafičko prikazivanje (charting), statistike analize (trend, klaster) itd. Karakteristika OLAP struktura je da su dimenzije organizovane u vidu hijerarhija. U tom smislu dimenzija predstavlja skup jedne ili više hijerarhija u kocki koje korisnik razume i koristi kao bazu za analizu podataka. Na primer, vremenska dimenzija može da uključi hijerarhiju gde su datumski podaci hijerarhijski organizovani poštovanjem Gregorijanskog kalendara ili alternativnu hijerarhiju organizovanu po fiskalnim periodima. Hijerarhija predstavlja logičku strukturu stabla u kojoj su organizovani članovi neke dimenzije, i to tako da svaki član ima jedan nadređeni član i nijedan podređeni član ili nekoliko njih. Podređeni član nalazi se na susednom nižem nivou u hijerarhiji koji je direktno povezan sa trenutnim članom. Na primer, u hijerarhiji Vreme koja sadrži nivoe kvartal, mesec i dan, Januar je podređeni član Kvartala 1. Nadređena vrednost je konsolidacija vrednosti svih podređenih članova. Na primer, u hijerarhiji Vreme koja sadrži već navedene nivoe, Kvartal 1 je nadređen članu Januar. Dakle hijerahije su podeljene na nivoe tako da su podaci organizovani u više i niže nivoe detalja. Član je stavka u hijerarhiji koja predstavlja jedno pojavljivanje podataka ili više njih. Član može da bude jedinstven ili nejedinstven. Na primer, godine 2009 i 2010 predstavljaju jedinstvene članove na godišnjem nivou vremenske 47

56 dimenzije, dok Januar predstavlja nejedinstven član na mesečnom nivou zato što u vremenskoj dimenziji može biti više januara ukoliko ona sadrži podatke za više godina. Multidimensional Expressions - MDX (višedimenzionalni izraz) je upitni jezik za OLAP baze podataka, poput SQL upitnog jezika za relacione baze podataka. Slično kao i SQL u mnogim aspektima, MDX pruža bogatu i snažnu sintaksu za čitanje i manipulaciju višedimenzionalnih podataka, kao što su podaci u OLAP kockama. MDX se može koristiti za opisivanje višedimenzionalnih upita, definisanje strukture kocka i promenu podataka. Prihvaćen je od većine OLAP dobavljača i postao de facto standard za OLAP sisteme. Prilikom analize OLAP struktura primenom nekog od korisničkih alata, analitičari ne koriste direktno MDX sintaksu. Krajnji korisnici barataju vizuelno prezentovanim podacima, generišući izveštaje željene strukture, a svaka njihova aktivnost je u pozadini praćena automatskim generisanjem MDX upita za dohvat podataka Prezentacija i vizuelizacija Alati za pristup skladištu podataka i OLAP strukturama pružaju vizuelizaciju sadržanih podataka na način koji je blizak ljudskim kognitivnim procesima. Današnji savremeni alati su najčešće zero footprint aplikacije koje ne zahtevaju instalaciju softvera na računarima krajnjih korsnika. Njima se pristupa posredstvom internet pretraživača, kompanijskih portala, a često je obezbedjena integracija sa Microsof Office paketom. Podacima sistema poslovne inteligencije pristupa se sledećim alatima prezentacije i vizuelizacije: Alati za izveštavanje podrazumevaju pristup izveštajima predefinisane, struktuirane i statične strukture nemenjenih širem krugu korisnika. BI alati za analizu OLAP kocke pružaju mogućnost analitičke obrade podataka koju karakteriše dinamičnost sagledavanja hijerarhijskih struktura. Alati za ad hoc upite i analizu namenjeni su kreiranju jednostavnijih izveštajnih struktura od strane samih poslovnih korisnika. Statistički, matematički i data mining alati za prediktivnu analizu, otkrivanje uzročnoposledičnih veza izmedju više metrika, financijsku analiza, predvidjanje itd. Alati za distribuciju izveštaja i upozoravanje (report delivery and alerting) se koriste za slanje čitavih izvešta ili upozorenja većeg broja korisnika, a baziraju se na 48

57 rasporedima izvršavanja (scheduling) ili bitnim dogadjajima vezanim za podatke (npr. slanje upozorenja da je broj nezaposlenih lica u okviru odredjene organizacione jedinice je prešao unapred definisan kritičan broj). Kontrolna tabla ili dashboard je grafički korisnički interfejs koji organizuje i predstavlja informacije u formatu koji je jednostavan za čitanje, interpretaciju i navigaciju. On je polazna tačka za pregled indikatora performansi poslovanja za mnoge korisnike u okviru organizacije. Daje kompanijama činjenični i pravovremeni pogled na poslovne procese, pomaže identifikaciji anomalija koje bi se mogle pretvoriti u značajane poslovne probleme, te pruža polaznu tačku za dublju analizu uzroka. Dashboard za svakog korisnika obezbedjuje personalizovani pogled na ključne parametre u njegovoj interesnoj oblasti. Njegova osnovna karakteristika je visok stepen vizuelizacije sa grafovima i dijagramima različitog formata. Kontrolne table moraju biti otvorene prema novim sadržajima. Poslovni korisnici se konstantno suočavaju sa izazovom da pronadju najrelevantnije informacije koje su im potrebne za donošenje odluka. Važno je da novi podaci mogu lako biti dodati kako pružili odgovor na brojna pitanja koja se nameću. Različiti alati za pristup podacima skladišta podataka koriste se u zavisnosti od potreba i karaktera zahteva svakog od korisnika. Ponniah je klasifikovao korisnike BI sistema prema načinu pristupa podacima, željenim informacijama i preferencijama u četiri klase prikazane na Slici 15. To su turisti (tourists) koji koreliraju izvršnim menadžerima, zatim operatori (operators) koji se odnose na niži nivo menadžmenta i podršku poslovanju, farmeri (farmers) koji su ekvivalenti poslovnim korisnicima, istraživači (explorers) odnosno poslovni analitičari i na kraju rudari (miners) usmereni na aktivnosti specifične za data mining [11]. 49

58 Slika 15 Klasifikacija BI korisnika Ne postoji relacija jedan-na-jedan izmedju klase korisnika i interfejsa koji zadovoljava njihove potrebe, npr. predefinisane izveštaje mogu koristiti i operatori i istraživači i turisti. Tabela 1 prikazuje relacije izmedju tipičnih alata poslovne inteligencije i klase korisnika. Korisnik Turista Operator, Farmer, Turista Rudar Istraživač, Farmer Farmer, Istraživač Alat poslovne inteligencije Dashboard i scorecard Standardni izveštaji Data mining alati OLAP alati Alati za izveštavanje i ad hoc analizu Tabela 1 BI alati za kategorije BI korisnika Dashboard i scorecard aplikacije pružaju menadžerima višeg nivoa kombinaciju izveštaja i grafika koji ističu izuzetke od definisanih poslovnih pravila i imaju drill-down mogućnosti kako bi se analizirali podaci iz više poslovnih procesa. Karakteristično je da su podaci su prikazani na visokom nivou agregacije. Scorecarding je pristup praćenju, merenju i upravljanju performansama na strategijskom i taktičkom nivou organizacije, projekta ili tima. Na strateškom nivou je vredan alat sistema upravljanja performansama koji se koristi za mapiranje korporativne strategije i komunikaciju u kompaniji. Balanced Scorecard metod je 50

59 prvi put definisan u časopisu Harvard Business Review godine. Članak pod nazivom The Balanced Scorecard: Measures that Drive Performance su napisali Kaplan i Norton i istakli da finansijske metrike utiču samo mali deo odluka koje se donose u organizacijama. Balanced Scorecard definiše ključne indikatore na nivou kompanije i prikazuje način na koji oni utiču na kreiranje vrednosti i konkrentske prednosti. Jedna od komponenti ovog alata su i mape strategije, koje vizuelno ističu uzročno posledične veze izmedju strategijskih ciljeva, procese koji se koriste kako bi se dostigli ovi ciljevi, materijalne i nematerijalne resurse poterne za njihovo ostvarenje. Primenom alata koriste se različite metodologije za upravljanje performansama kao što su: Six Sigma, Total Quality Management (TQM), Activity-Based Costing (ABC) i Economic Value Added (EVA). Alati za izveštavanje i ad hoc analizu se koriste za direktan pristup skladištu podataka. Intuitivni ad hoc alati se koriste za brz pristup podacima u jednostavnom formatu. U slučaju složenijih formi ovi alati mogu poslužiti za kreiranje struktuiranih izveštaja kojima će pristupati i drugi korisnici. OLAP alati su grafički alati koji omogućavaju korisnicima multidimenzionalni pogled na podatke uz primenu specifičnih operacija analize za OLAP izvore koji su opisani u prethodnom poglavlju. Data mining alati podržavaju proces istraživanja podataka kako bi se pronašli paterni i veze od koristi za organizaciju. Cilj primene data mining alata je traženje objašnjenja za odredjene dogadjaje i pojave, istraživanje u cilju potvrde hipoteza i analiza novih i neočekivanih veza (Hoffer). Data mining se može podeliti u pet osnovnih kategorija klasterizacija, klasifikacija, neuronske mreže, grupisanje afiniteta i utvrdjivanje anomalija [11]. Klasterizacija označava formiranje grupa, odnosno data mining tehniku koja za cilj ima utvrdjivanje grupa tj. klastera podataka sa zajedničkim osobinama. Za razliku od klasifikacije, kod koje se segmentacija podataka vrši u klase koje su prethodno definisane, na početku klasterizacije ne zna se po kojim će atributima podaci biti svrstani u grupe klastera. Primer jednog algoritma za odredjivanje klastera je K-means algoritam. Na Slici 16 je dat primer identifikacije klastera nezaposlenih lica uzimajući u obzir dve varijable dužinu traženja posla izraženu u mesecima i učešće u merama 51

60 aktivnog zapošljavanja izraženo u broju primenjenih mera (obuke, plan zapošljavanja itd.). Klasifikacija je metod pridruživanja svakog elementa analiziranog skupa podataka nekoj od predefinisanih diskretnih klasa. Namera je klasifikacijske metode identifikacija karakteristika koje označavaju grupu kojoj pripada svaki pojedini slučaj. Primena neuronskih mreža, odnosno nelinearnih modela predviđanja interesantna je jer omogućuje modeliranje velikih i kompleksnih problema u kojima može biti stotine varijabli koje imaju mnogo interakcija [14]. Postojeće biološke neuronske mreže su neuporedivo kompleksnije u odnosu na matematički model koji se koristi u praksi. U matematičkom modelu neuronske mreže osnovna jedinica je dizajnirana po uzoru na biološki neuron. Jedinice kombinuju ulaze u jedinstveni rezultat (najčešće funkcija sumiranja), koji zatim biva preusmeren u funkciju transformacije koja kalkuliše izlaznu vrednost i najčešće poprima vrednost između 0 i 1. Kombinacijska i transferna funkcija zajedno čine aktivacijsku funkciju neurona. Osnovni princip učenja neuronske mreže predstavljaju veze između eksperimentalnih uzoraka. Grupisanje afiniteta ili analiza relacija ima za cilj definisanje modela zavisnosti, pomaže u definisanju zavisnosti izmedju podataka. Najčešće se koristi kod analize potrošačke korpe tj. za analizu proizvoda koji se kupuju zajedno. Suština je u otkrivanju asocijativnih pravila koja ukazuju koji se parovi proizvoda i s kojom verovatnoćom kupuju zajedno. Utvrdjivanje anomalija se odnosi na grupu metoda za utvrdjivanje slučajeva koji odstupaju od normi. Slika 16 Klasterizacija 52

61 Standardni izveštaji su najjednostavniji način pristupa podacima okruženja poslovne inteligencije. Kreirani su u predefinisanom formatu kako bi korisnicima obezbedili pogled na poslovne informacije. Iako je njihova struktura statična, podrazumeva se i odredjeni nivo interakcije sa korisnikom u smislu mogućnosti unosa parametara filtriranja, drill-down analize do predvidjenog stepena detaljnosti, kao i postojanje veza izmedju samih izveštaja. Neke od funkcionalnosti standardnih izveštaja su: Drill-down je aktivnost koja omogućava korisniku analizu podataka prema većem nivou detalja u okviru dimenzionalne hijerarhije i utvrdjivanje na koji način je izvedena neka agregatna vrednost. Standardni grafici/dijagrami su neizostavni deo svakog okruženja poslovne inteligencije i mogu imati više formata kao što su vertikalni i horizontalni stubovi, pite, linije, tačkasti dijagrami itd. Kondicionalno formatiranje podrazumeva da su korisnici u mogućnosti da definišu sopstvene kriterijume za označavanje i način prikaza odredjenih opsega vrednosti, a sve u cilju praćenja izuzetaka od definisanih normi. Integrisani grafici označavaju mogućnost integracije više pokazatelja u različitim formatima prikaza na jednom dijagramu. Primenom ovog formata mogu na jednom dijagramu prikazati dve Y ose koje imaju različito skalirane vrednosti. Pivot redova i kolona je standardna funkcionalnost većine BI alata. Njenom primenom redovi i kolone izveštaja mogu zameniti mesta. Korisnički definisane kalkulacije jesu opcija koja dozvoljava krajnjem korisniku da sam definiše metrike koje odgovaraju njegovim poslovnim potrebama korišćenjem standardnih operacija i funkcija na raspoloživim podacima. Prikaz automatski generisanih upita je opcija koja olakšava rad naprednim korisnicima sa informatičkim znanjima. Pojedini alati sadrže opciju pregleda i eventualne izmene automatski generisanih upita u pozadini manipulacije grafičkim elementima alata, što je korisno u slučaju nepredvidivih automatizovanih rezultata. Većina savremenih alata uključuje komponente kolaboracije krajnjih korisnika u okviru BI interfejsa sa predefinisanim izveštajima. Korisnicima je omogućeno da dele komentare, generišu zadatke ili šalju mailove vezano za rezultate koje prikazuju izveštaji. 53

62 Sortiranje i filtriranje su bitne stavke koje odražavaju interaktivnost standardnih izveštaja i značajno olakšavaju analizu podataka. Aplikacije poslovne inteligencije se mogu posmatrati iz perspektive svakog od navedenih korisnika, tako što će pružiti odgovor na ključna pitanja analize šta, kako, gde, ko, kada i zašto. Tabela 2 prikazuje zahteve navedenih korisnika kada se radi o raspoloživim BI alatima [11]. 54

63 Pitanja Prespektiva Šta Podaci Kako Funkcije Turista Sumarni podaci Jednostavan korisnički interfejs u formi kastimizovanih i personalizovanih deshboarda i ograničenih drilldown mogućnosti Farmer Specifičan Alati za podskup podataka, izveštavanje i tekućih i upite, Standardni istorijskih izveštaji, OLAP alati Rudar Istraživač Operator Detaljni podaci, uključujući i istorijske Veliki obim detaljnih podataka Tekući podaci detaljnog nivoa Data mining alati OLAP alati Standardni izveštaji Gde Mreža Izveštaji koji se dostavljaju posredstvom portala ili om Izveštaji koji se dostavljaju posredstvom portala ili om, interfejs ka OLAP kockama Data mining alati, alati vizuelizacije podataka, specifični data martovi Pristup DWH i OLAP kockama Izveštaji koji se dostavljaju posredstvom portala ili om Ko Korisnici Kada Vreme Zašto Motiv Izvršni menadžeri Rutinski Strateško odlučivanje Poslovni korisnici specijalizovani analitičari npr.marketing ili finansijski analitičar, zaposleni u grupi za poslovno planiranje itd. Analitičari sa specijalnim zadacima Napredni analitičari Niži nivo menadžmenta i podrška poslovanju Tabela 2 Karakteristike i zahtevi BI korisnika Konzistentno, npr. mesečno, nedeljno Nepredvidivo, adhoc Nepredvidivo, adhoc Redovan brz pristup Status poslovanja pojedinog poslovnog područja Istraživanje specifičnih problema i inicijativa Istraživanje veza i paterna Praćenje tekućeg poslovanja 55

64 6. Razvoj sistema poslovne inteligencije u Nacionalnoj službi za zapošljavanje Početkom delovanja javne službe zapošljavanja u Srbiji smatra se 14. decembar godine, kada je objavljen jedan od prvih propisa kojima se reguliše oblast zapošljavanja - "Zakon o zaštiti radnika". Nacionalna služba za zapošljavanje (NSZ) kakvu poznajemo danas u organizacionom i funkcionalnom smislu osnovana je 2003.godine, kada je Narodna skupština Republike Srbije donela Zakon o zapošljavanju i osiguranju za slučaj nezaposlenosti [27]. Nacionalnu službu za zapošljavanje čine Direkcija, dve Pokrajinske službe, 34 filijale, 21 služba i više od 120 ispostava u svim okruzima u Republici Srbiji. Predstavlja javni servis koji pruža usluge nezaposlenim licima i poslodavcima u Srbiji. Institucija nastoji da napravi iskorak od klasičnih službi za zapošljavanje (sa pretežnim funkcijama evidencije i posredovanja), ka modernoj instituciji tržišta rada kakve postoje u tržišno razvijenim zemljama, sa prevashodnim ciljem da se preduzeća, poslodavci i nezaposlena lica motivišu za zapošljavanje. U skladu s tim, Nacionalna služba za zapošljavanje počela je sa aktivnim merama, koje idu u susret rešavanju problema nezaposlenosti i viškova radne snage, pored pasivnih mera kojima se, u skladu sa Zakonom, obezbeđuju naknade i druga prava nezaposlenim licima. Primer usluga koje pruža NSZ su: Usluge nezaposlenim licima, o Karijerno vodjenje i savetovanje, Procena zapošljivosti i individualni planovi zapošljavanja - razgovari sa savetnikom za zapošljavanje, dogovor o aktivnostima i eventualnim programima podrške, Obuka za aktivno traženje posla - ovladavanje veštinama ličnog predstavljanja i informisanje o slobodnim poslovima, Klub za traženje posla, Savetovanje - izbor pravo zanimanja, usavršavanje znanja u skladu sa interesovanjima i sposobnostima, Sajmovi zapošljavanja - mogućnost direktnog kontakta sa poslodavcima; o Dodatno obrazovanje i obuka, 56

65 Pripravnici, Obuke za poznatog poslodavca; o Razvoj preduzetništva i programi zapošljavanja, Informisanje u poslovnim centrima, Obuka za započinjanje sopstvenog posla ''Put do uspešnog preduzetnika'', Subvencija za samozapošljavanje, Isplata novčane naknade u jednokratnom iznosu za samozapošljavanje, Isplata jednokratnog podsticaja za zapošljavanje korisnika novčane naknade; Usluge poslodavcima, o Obuke nezaposlenih lica za poznatog poslodavca, o Selekcija i klasifikacija, o Sajmovi zapošljavanja, o Mentoring program i specijalističke obuke, o Subvenciju za otvaranje novih radnih mesta, o Javni radovi. Pored navedenog Nacionalna služba za zapošljavanje je organizacija za socijalno osiguranje, zadužena za generisanje statistika iz područja nezaposlenosti i zapošljavanja Definicija i ciljevi projekta Nacionalna služba za zapošlavanje, kao javni servis koji pruža usluge nezaposlenim licima i poslodavcima u Srbiji, predstavlja jedinstven sistem koji pored osnovnih informacija vezanih za zaposlenje, a bitnih za nezaposlena lica i poslodavce, nastoji da jedinstvenim sistemom motivacije inspiriše poslodavce na otvaranje radnih mesta i zaposlenje nezaposlenih lica. Usluge koje predstvljaju osnovnu delatnost: karijerno vodjenje i savetovanje, dodatno obrazovanje i obuka, razvoj preduzetništva i programi zapošljavanja i usluge poslodavcima zahtevaju visok nivo sofisticiranosti u pogledu izbora informacionih sistema i podrške i u obradi podataka kojima NSZ raspolaže. Prethodni sistem za podršku odlučivanju poslovanja, odnosno prethodno softversko rešenje za podršku odlučivanju koje je korišćen u NSZ, omogućavalo je mesečno izveštavanje o 57

66 kretanjima nezaposlenosti i zapošljavanja na tržištu rada, analizu sprovođenja mera aktivne politike zapošljavanja i praćenje isplate novčanih naknada za nezaposlena lica uz integraciju sa poslovnim portalom organizacije. Tržišna kretanja vezana za zapošljavanje, kao i mere koje je društvo preduzelo vezano za politiku zapošljavanja, kao i stalna potreba za unapređenjem niova kvaliteta usluge, bilo je neophodno inkorporirati u sistem rada NSZ. Osnovnu prednost vezanu za brzinu izveštavanja, raspoloživost i tačnost podataka, dostupnost istorijskih podataka, efikasno kreiranje ad hoc analiza i izveštaja i optimizaciju sopstvenih procesa rada bilo je moguće ostvariti implementacijom sistema poslovne inteligencije. Projekat implementacije sistema poslovne inteligencije u NSZ podrazumeva uvođenje novog softverskog rešenja, povezivanje istog sa postojećim naprednim sistemima na način koji će omogućiti korišćenje prednosti postojećih sistema, kao i omogućavanje korišćenja svih prednosti koje rešenje poslovne inteligencije podarazumeva, a na primeru funkcionisanja sistema NSZ, koje direktno utiču na nivo kvaliteta osnovnih usluga koje pruža. Implemntirano rešenje poslovne inteligencije omogućuje NSZ pouzdano praćenje efikasnosti sprovedenih mera aktivne politike zapošljavanja kroz sve nivoe organizacione hijerarhije NSZ, pouzdano praćenje efiksanosti i efektivnosti organizacionih jedinica vezano za trendove broja nezaposlenih lica, brz odgovor na zahteve poslodavaca kroz naprednu integrisanu softversku obradu tačnih i raposloživih podataka koji su pri tome dostupni prema različitim vremenskim kriterijumima. Ciljevi projekta: Primena naprednog fleksibilnog rešenja za podršku odlučivanju, izveštavanju i planiranju, Omogućavanje efikasnijeg procesa prikupljanja i obrade podataka, kroz infrastrukturu skladišta podataka i procese ekstrakcije, učitavanja i transformacije podataka na dnevnom nivou, Smanjenje mogućnosti greške kroz procese čišćenja izvornih podataka i obrade u skladu sa definisanim poslovnim procedurama, 58

67 Omogućavanje efikasnijeg upravljanja posredstvom konstantno raspoloživih podataka koji su osnov za kreiranje politike zapošljavanja i unapređenje stručnog rada u zapošljavanju, Omogućavanje pristupa najnovijim podacima na zahtev korisnika, Jedinstveno upravljanje pravima pristupa podacima u skladu sa sferom interesa i odgovornostima korisnika. Realizacija i ostvarenje svakog pojedinačnog cilja odnosi se na specifičnu oblast, te samim tim i rezultat predstavlja sistematizovano unapređenje određene oblasti poslovanja, a svaki pojedinačni cilj, kako dodatni unapređuje prethodno postignuto Organizacija projekta Projektni tim mora biti organizovana u efektivnu i efikasnu strukturu kako bi ostvario definisane ciljeve projekta što je bio jedan od osnovnih kriterijuma prilikom njegovog organizovanja. Posmatranjem dijagrama organizacije projekta (Slika 17) jasno se definišu odgovornosti za isporuku projekta, odgovornosti za prihvatanje projekta sa strane korisnika kao i tokovi formalne komunikacije. Nadzorni organ na najvišem nivou prati ostvarenje zacrtanih ciljeva projekta, ispunjenje vremenskih rokova i permanentno dostavljanje rezultate kontrole kvaliteta kao procesa koji traje paralelno sa svim drugim aktivnostima na projektu. Vodja projekta ima potpuni autoritet i odgovornost za planiranje, izvršenje i blagovremeno okončanje projekta. Vodja projekta je osoba odgovorna za ostvarenje postavljenih ciljeva projekta. Jedan od najvažnijih zadataka jeste upravljanje bazičnim ograničenjima projekta troškovima, vremenom i kvalitetom. Odgovornost tehničkog vodje projekta odnosi se na upravljanje izvršenjem pojedinačnih zadataka, definisanje tehničkih karakteristika implementiranih procedura i svim tehničkim 59

68 detaljima koji proizilaze iz dogovorenog opsega projekta, uključujući tehničku realizaciju svih proizvoda projekta. Slika 17 Dijagram organizacije projekta 6.3. Poslovna analiza Analiza poslovnog procesa ima za cilj utvrdjivanje ključnih korisnika sistema poslovne inteligencije, identifikaciju njihovih zahteva i skladu sa tim definisanje poslovnih područja koja je potrebno obuhvatiti, kao i obim podataka. Nizom radionica, kroz analizu postojećeg sistema izveštavanje, zahteva korisnika za dodatnim informacijama i funkcionalnostima, zatim analizu transakcionog sistema u smislu definisanja raspoloživih informacija identifikovana su poslovna područja koje projekat obuhvata. Skup podataka koji je obuhvaćen projektom razvoja sistema poslovne inteligencije u Nacionalnoj službi za zapošljavanje obuhvaćeni su poslovni procesi koji predstavljaju osnovnu svrhu njenog postojanja, tj. procesi usmereni ka pružanju servisa nezaposlenim licima i poslodavcima. Sistem poslovne inteligencije usmeren je na podršku ostvarenju misije delovanja organizacije, na podršku upravljanju različitim programima, primenjenoj poslovnoj politici i javnom dobru. Projekat nije obuhvatio preostale interne poslovne procese, kao što su poslovni procesi službe ljudskih resursa, finansija itd. 60

69 Zahtevi za izveštavanjem i analizom podataka proizilaze iz zakonske obaveze Nacionalne službe za zapošljevanje za statističkim izveštavanjem, kao i potrebe za praćenjem performansi poslovanja po organizacionim jedinicama, kao i po teritorijalnoj organizaciji Republike Srbije. Performanse poslovanja, u smuslu trendova zapošljavanja, praćenja efekata mera politike zapošljavanja i obezbedjenja zakonskih naknada nezaposlenim licima neophodno je pratiti od najnižeg nivoa u organizacionoj hijerarhiji kao što su ispostave, preko preko filijala sve do nivoa celovitog sistema zapošljavanja. Osnovni zahtev poslovnih korisnika jeste praćenje i analiza kretanja radne snage, ponude slobodnih poslova i ostale evidencije koje su u nadležnosti Nacionalne službe za zapošljavanje. Prate se podaci koji pokazuju i opšte stanje na tržištu rada i mogu se podeliti u tri kategorije: broj i struktura nezaposlenih lica (starosna struktura, stručna sprema, trajanje nezaposlenosti, novoprijavljena lica na evidenciju NSZ, prestanak vođenja evidencije); prijavljene potrebe poslodavaca; zasnivanje radnog odnosa. Podaci o broju i strukturi nezaposlenih lica dobijaju se iz transakcionog sistema NSZ, a podaci o prijavljenim potrebama poslodavaca za radnicima na osnovu pristiglih prijava o slobodnim radnim mestima, za koja se traži posredovanje NSZ. Podaci o zasnivanjima i prestancima radnog odnosa dobijaju se iz registra Republičkog zavoda za zdravstveno osiguranje (RZZO). Specifičnost Nacionalne službe za zapošljavanje, kao javne institucije, jeste grupa stejkholdera, koja podrazumeva i javnost i odgovarajuće institucije kontrole. Statistički izveštaji koje je neophodno realizovati predstavljaju jednu od osnova za analiziranje tendencija/kretanja nezaposlenosti i zapošljavanja na tržištu rada, njihovoj međuzavisnosti i odnosu. Analitička saznanja, do kojih se na ovaj način dolazi, predstavljaju jedan od temelja za kreiranje politike zapošljavanja, prvenstveno mera za smanjenje nezaposlenosti i unapređenje stručnog rada u zapošljavanju. Nacionalna služba za zapošljavanje sastavlja statističke izveštaje koje publikuje mesečno (Mesečni statistički bilten), polugodišnje i godišnje, putem niza izveštaja, pridržavajući se standarda i metodologije izveštavanja proistekle iz zakona ili iz Sporazuma o učinku sa Ministarstvom 61

70 ekonomije i reginalnog razvoja. Podaci dati u Biltenu pokazjuju trenutnu sliku tržišta rada u zemlji, podatke o registrovanoj nezaposlenosti, slobodnim radnim mestima i zapošljavanju. Prilikom definisanja ključnih indikatora poslovanja neophodno je pridržavati se zakonom regulisane metodologije praćenja mera zapošljavanja. U skladu sa tim sve mere koje će se pratiti u sistemu poslovne inteligencije moraju biti u skladu sa sledećim definicijama: Lice koje traži zaposlenje - nezaposleno lice ili zaposleni koji traži promenu zaposlenja (Zakon o zapošljavanju i osiguranju u slučaju nezaposlenosti, Službeni glasnik RS", br. 71/03). Nezaposleno lice - lice od 15 do 65 godina, sposobno i odmah spremno da radi, koje nije zasnovalo radni odnos ili na drugi način ostvarilo pravo na rad, a koje se vodi na evidenciji nezaposlenih i aktivno traži zaposlenje. Nezaposlenim se ne smatra učenik, student, penzionisano lice i zemljoradnik koji obavlja zemljoradničku delatnost i obavezno je osiguran po osnovu katastarskog prihoda (Zakon o zapošljavanju i osiguranju u slučaju nezaposlenosti, Službeni glasnik RS", br. 71/03). Lice kome miruju prava - licu koje traži zaposlenje miruje pravo po zakonu: za vreme odsluženja ili dosluženja vojnog roka, za vreme izdržavanja kazne zatvora, izrečene mere bezbednosti, vaspitne ili zaštitne mere u trajanju do šest meseci, ako je na boravku u inostranstvu u slučaju kada je njegov bračni drug upućen na rad u inostranstvo u okviru međunarodno-tehničke ili poslovno-kulturne saradnje u diplomatska, konzularna i druga predstavništva (Zakon o zapošljavanju i osiguranju u slučaju nezaposlenosti, Službeni glasnik RS", br. 71/03). Nezaposleno lice privremeno nesposobno ili nespremno za rad - opravdanim razlozima za neaktivno traženje posla i neraspoloživost za rad smatraju se: porodiljsko bolovanje, zdravstvena nesposobnost (duže bolovanje) nezaposlenog ili članova njegove uže porodice, selidba, smrt člana uže ili šire porodice, elementarna nepogoda, odazivanje na poziv državnih organa (vojna vežba...), drugi razlozi nastali bez krivice i volje nezaposlenog (Zakon o zapošljavanju i osiguranju u slučaju nezaposlenosti, Službeni glasnik RS", br. 71/03). 62

71 Lica koja prvi put traže zaposlenje - nezaposlena lica koja se nalaze na evidenciji Nacionalne službe za zapošljavanje, a koja ranije nisu bila u radnom odnosu. Stopa registrovane nezaposlenosti - predstavlja udeo registrovanih nezaposlenih u zbiru registrovanih nezaposlenih i zaposlenih lica, uključujući individualne poljoprivrednike koji plaćaju doprinose za penzijsko - invalidsko osiguranje. Brisani zbog nepridržavanja zakonskih odredbi i prestanak vođenja evidencije - lica koja se više ne vode na evidenciji Nacionalne službe za zapošljavanje, na osnovu nekog od razloga brisanja ili prestanka vođenja na evidenciji, predviđenog Zakonom o zapošljavanju i osiguranju u slučaju nezaposlenosti. Potreba za zapošljavanjem - broj dostavljenih potreba za zapošljavanjem od strane poslodavaca Nacionalnoj službi za zapošljavanje tokom izveštajnog perioda. (Na osnovu odredbi Zakona o zapošljavanju i osiguranju za slučaj nezaposlenosti, Službeni glasnik RS", br. 36/2009, od godine, Nacionalna služba za zapošljavanje vodi evidenciju o potrebi za zapošljavanjem. Prijavu potrebe za zapošljavanjem podnosi poslodavac koji ima slobodan posao i želi da mu Nacionalna služba posreduje u zapošljavanju. To znači da ne postoji više obaveza poslodavaca da dostavljaju Nacionalnoj službi za zapošljavanje prijavu o slobodnom radnom mestu. Zbog toga podaci o prijavi potrebe za zapošljavanjem, o kojima sada NSZ vodi evidenciju, i prijavljenim potrebama za radnicima, o kojima je NSZ vodila evidenciju do stupanja na snagu Zakona, nisu metodološki uporedivi.) Zapošljavanje - ukupan broj podnetih prijava o zasnivanju radnog odnosa od strane poslodavaca, prijavljenih Nacionalnoj službi za zapošljavanje tokom izveštajnog perioda (Zakon o evidencijama u oblasti rada, Službeni list SRJ" broj 46/96 i Službeni glasnik RS" broj 101/05). Zaposleni sa evidencije - lica koja su na osnovu prijave o zasnivanju radnog odnosa, koju poslodavac dostavlja Nacionalnoj službi za zapošljavanje, zasnovala radni odnos tokom izveštajnog meseca, a za koje je poslodavac kod načina zapošljavanja evidentirao da su sa evidencije. 63

72 Zaposleni iz radnog odnosa i ostali - lica koja su na osnovu prijave o zasnivanju radnog odnosa, koju poslodavac dostavlja Nacionalnoj službi za zapošljavanje, zasnovala radni odnos tokom izveštajnog perioda, a da prethodno nisu bila na evidenciji nezaposlenih lica. Korisnici novčane naknade - nezaposlena lica koja su u skladu sa zakonom ostvarila pravo na novčanu naknadu u izveštajnom periodu (Zakon o zapošljavanju i osiguranju u slučaju nezaposlenosti, Službeni glasnik RS" br. 36/2009). Podaci o korisnicima novčane naknade u tabeli 10 prikazani su za organizacioni nivo Nacionalne službe za zapošljavanje, tj za nivo filijala. Poslednji publikovani Mesečni statistički bilten sadrži podatke koji su najrelevantniji za izveštajne mesece u tekućoj godini, a do korekcija u broju prikazanih korisnika novčane naknade dolazi zbog procedure donošenja rešenja kojima se priznaje pravo na novčanu naknadu. Klasifikacija - u izveštajima u kojima se podaci iskazuju po delatnostima koristi se Klasifikacija delatnosti ( Službeni list SRJ" br. 31/96), a kod iskazivanja podataka po područjima rada, zanimanjima i stepenu stručne spreme koriste se Jedinstvena nomenklatura zanimanja (JNZ, Službeni list SFRJ" br. 31/90) i Šifarnik zanimanja i stručne spreme ( Službeni list SRJ" br. 9/98). Na osnovu definisanih ključnih indikatora poslovanja i parametara po kojima ih je neophodno analizirati, a kao rezultat procesa analize poslovnog procesa i zahteva krajnjih korisnika, definisan je model skladišta podataka na konceptualnom, logičkom i fizičkom nivou, utvrdjena poslovna područja na koja je potrebno fokusirati analizu i u skladu sa tim definisan osnovni set izveštaja koji će biti isporučen na kraju projekta, a koji će predstavljati osnovu za dalji razvoj i usavršavanje sistema Analiza odabranih tehnologija Svakodnevno, zaposlenima na različitim nivoima hijerarhije NSZ su potrebne informacije koje su relevantne i tačne, kako bi donosili odluke koje će nezaposlenim licima i poslodavcima obezbediti kvalitetne usluge širokog spektra, a da se pri tome na najbolji način iskoriste ograničeni resursi. 64

73 U izboru tehnologije za implementaciju sistema poslovne inteligencije uzeta su u obzir tri kriterijuma, ograničeni raspoloživi finansijski resursi, postojeći sistemi i u skladu sa tim postojeća znanja i ekspertiza zaposlenih u sektoru informacionih tehnologija, te reputacija i dokazani kvalitet raspoloživih rešenja Sistem za upravljanje bazom podataka DB2 Transakcioni sistem NSZ koristi DB2 sistem za upravljanje bazom podataka. Projektni tim NSZ poseduje dugogodišnje iskustvo u radu sa navedenim sistemom, koji je dokazao svoju performantnost u upotrebi. U skladu sa navedenim, napravljen je izbor DBMS sistema, pri čemu su značajnu ulogu imale i sledeće mogućnosti DB2 baze podataka: Napredni sistem kontrole pristupa (Advanced Access Control) kroz: o Autentikaciju korisnika validacijom korisničkog imena i lozinke. DB2 pruža set dodatnih dunkcionalnosti za obezbedjenje autentikacije, definisanje grupa korisnika, mogućnost korišćenja Kerberos ili LDAP, kao i mogućnost razvoja sopstvenog sistema ili integraciju sa trećim provajderom autentikacionih usluga. o Autorizaciju koja je proces u kome DB2 database manager vrši verifikaciju da li je odredjenom korisniku dozvoljeno da obavlja odredjene operacije na specifičnom skupu podataka ili resursa. Korisniku se mogu dodeliti specifične privilegije za odabrani ser podataka ili dodeliti predefinisane role. DB2 pruža mogućnost definisanja kastimizovanih rola kako bi se upravljalo skupom privilegija odjednom. o Praćenje posredstvom alata za nadzor pristupu podataka i obezbedjenje informacija za naknadnu analizu. Auditing sistem pomaže da se otkriju neželjeni, nepoznati ili neprihvatljivi pristupi podacima, kao i da se čuvaju istorijski podaci o pristupu sistemu baze podataka. o Label Based Access Control (LBAC) omogućava kontrolu pristupa tabelama na nivou pojedinačnog reda, kolone ili kombinacije predhodna dva elementa. Administrator ima mogućnost da definiše politiku pristupa zasnovanu na labelama. Politika sigurnosti opisuje kriterijume koji se koriste za odredjivanje prava pristupa podacima. 65

74 o Enkripciju podataka koja je podržana na nivou enkripcije korisničkih imena, lozinki i podataka tokom prenosa posredstvom mreže. DB2 takodje podržava eksternu enkripciju uz Secure Socket Layer (SSL). Ovim se osigurava siguran tunel za podatke koji se prenose izmedju klijenta i servera. Sva komunikacija može biti šifrovana. Autonomija sistema koja pomaže smanjenju troškova upravljanja podacima kroz automatizaciju administriranja, povećanje efikasnosti čuvanja podataka, poboljšanje performansi i jednostavan razvoj. Automatizovani procesi kao što su alokacija memorije ili upravljanje prostorom oslobadjaju administratore podataka ove vrste obaveza. Ovo je posebno bitno ako imamo u vidu da administracija baze podataka može podrazumevati znatno više troškova u odnosu na trošak samog softvera ili hardvera. Veoma je bitno vreme administriranja iskoristiti efikasno i efektivno. o Alat za praćenje memorije reaguje na značajne promene u opterećenju dinamičkom distribucijom dostupnih memorijskih resursa među potrošačima memorije baze podataka. DB2 self-tuning memory manager (STMM) pomaže u izbegavanju kritičnih procesa po vreme odziva baze podataka koji bi uticali na dogovoreni nivo performansi. o Alat za automatsko održavanje je odgovoran za kreiranje rezervnih kopija baze podataka (backup), održavanje statistika, reorganizaciju tabela i indeksa ukoliko je to potrebno. Dobra organizacija tabela i indeksa je kritična sa stanovišta performansi pristupa podacima. o Health Monitoring alat prati promene okruženja baze podataka koje mogu dovesti do smanjenja performansi ili potencijalnih ispada sistema. Administratori mogu posediti kritične vrednosti pokazatelja koji bi trebalo da se alarmiraju, kao i akcije koje se preduzimaju u slučaju njihove pojave kako bi se rešili ili predupredili problemi. o Atomatizovano upravljanje prostorom olakšava alokaciju neophodnog prostora i prati njegove promene i rast. o Alat za samokonfigurisanje automatski konfiguriše memoriju, prostor i operacije održavanja DB2 baze podataka. Kompresija podataka je osigurana posredstvom DB2 Storage Optimization alata čime se podaci mogu transparentno kompresovati u cilju smanjenja zauzeća prostora na disku. Podržani su sledeći tipovi kompresije podataka: 66

75 o Kompresija reda utiče na smanjenje zauzeća prostora i do 83%. DB2 baza podataka koristi varijantu Lempel-Ziv algoritma kako bi se kompresija vršila na svakom pojedinačnom redu tabele. Log zapisi su takodje kompresovani na ovaj način. Pored ovoga DB2 radi sa kompresovanim podacima i na disku i u memoriji, te se na taj način smanjuje i potrebna količina memorije za obradu zahteva korisnika i unapredjuju performanse. o Kompresija vrednosti pruža dodatne uštede prostora uz kompresiju na nivou redova. Korišćenje ovog tipa kompresije optimizuje se korišćenje prostora diska u slučaju postojanja null vrednosti, podataka nulte dužine u kolonama sa varijabilnom dužinom podataka i sistemski podrazumevanh vrednosti. o XML kompresija - priroda XMLa podrazumeva da XML fragmenati i dokumenati obično konzumiraju puno prostora na disku. DB2 čuva podatke u XML formatu tako što ih hijerarhijski parsira, menjajući nazive tagova (na primer, lice) s celobrojnom oznakom. Ponovljenim pojavama istog taga dodeljuju se iste oznake. Na ovaj način ne samo da se smanjuje potrošnja prostora, već unapredjuju performanse prilikom postavljanja upita. Štoviše, parsiranje XML tagova, kao i kompresija redova, vrši se tako da je to potpuno neprimetno krajnjim korisnicima. o Kompresija indeksa obuhvata korišćenja naprednih tehnika kompresije koje obavezno rezultuju unapredjenjem performantnosti sistema. o Backup kompresija rezultira menjim backup fajlovima koji ne samo da zahtevaju manji prostor za čuvanje već i olakšavaju prenos izmedju sistema. Sistem oporavka u slučaju katastrofe podrazumeva korišćenje DB2 High Availability sistema koji je namenjen kompanijama spremnim da investiraju u dodatne sistema obezbedjenja podataka u iznimnim situacijama. Alati za optimizaciju performansi namenjeni su optimizaciji korišćenja postojećih hardverskih resursa. DB2 Workload Manager daje vam grafički prikaz okruženja, detaljnu kontrolu nad izvršavanjem procesa u DB2 okruženju, uključujući i praćenje CPU i dodeljivanje prioriteta odredjenim procesima, kao i sposobnost izvršiavanja procesa prema različitim poslovnim prioritetima. 67

76 Sistem za integraciju Talend Open Studio Usled ograničenja u budžetu projekta, kao i sve značajnije uloge, koju u poslovanju ima upotreba open-source softverskih sistema, odlučeno je da se za integraciju podataka kroz ETL procese koristi Talend Open Studio. U prilog korišćenju ovog alata govori široka zajednica korisnika i veliki broj instalacija u komercijalne svrhe. Takodje, Talend Open Studio je prvi open-source alat, koji se našao u Gartnerovom kvadratu alata za integraciju podataka. Talend je svoju poziciju našao u kvadratu vizionara ove prestižne svetske kompanije. Generalno, Talend open-source rešenja za integraciju podataka, se najviše koriste za ETL procese sistema poslovne inteligencije, zatim za migraciju podataka, sinhronizaciju podatka, itd. Kada se govori o ETL procesima veliki je broj izazova na koje jedan ovakav sistem mora da odgovori. Prvenstveno, izazov predstavlja procesiranje sve većeg obima podataka. Zatim potrebno je uzeti u obzir mogućnost povezivanja sa raznolikim izvornim sistemima, bilo da je reč o aplikacijama (ERP, CRM,...), bazama podataka, datotekama, Web servisima. Transformacije koje je potrebno realizovati zavise od specifičnosti ciljnog sistema, pri tome mogu biti veoma kompleksne uključujući različite agregacije, parsiranja, statističke obrade, i obrade specifične za BI sistema kao što je održavanje sporomenjajućih dimenzija. Savremene BI sisteme karakteriše zahtev za čestim osvežavanjem podataka i kratko raspoloživo vreme za učitavanje. Talend Open Studio obezbedjuje: Poslovno orijentisano modeliranje procesa koje uključuje sve stejkholedere i osigurava pravilnu komunikaciju između zaposlenih u odeljenju informacionih tehnologija i poslovnih korisnika, Potpuno grafičko razvojno okruženje utiče na produktivnost i olakšava održavanje, Mogućnost povezivanja sa širokim spektrom sistema i pristup podacima, kao i jednostavno dodavanje novih izvornih sistema, Veliki broj ugrađenih, naprednih komponenti za ETL, uključujući i manipulaciju stringovima, sporo menjajuće dimenzije, lookup pretraživanje, podršku za bulk load, itd. 68

77 Talend Open Studio je open source rešenje za integraciju podataka koje se sastoji od tri glavna komponente - Business Modeler, Job Designer i Metadata Manager, u oviru jednog grafičkog razvojnog interfejsa zasnovanog na Eclipse tehnologiji, koje se može prilagodjavati potrebama organizacije. Izvorni kod je dostupan na Web lokaciji: U cilju potpune transparentnosti, Talend pruža pristup izvornom kodu komponenti sadržanih u komercijalnoj verziji alata, na zahtev klijenta. Business Modeler alat namenjen dokumentovanju i struktuiranju tehničkih elementa koji se uključeni u ETL proces u vidu dijagrama. Omogućava različitim timovima stručnjaka dizajnerima, tehičkim ekspertima, osobama zaduženim za testiranje, da rade na zajedničkom modelu, pomoću jednog alata. Talend Open Studio sadrži i funkcionalnost automatskog generisanja tehničke dokumentacije za kreirane procese (job). Dokumentacija sadrži sve metapodatake (autor, verzija, status, datum kreiranja i izmene), grafički prikaz procesa, te parametre svake implementirane komponente u HTML/XML formatu. Dokumentacija se može jednostavno dopuniti dodatnim komentarima. Job Designer je namenjen razvoju komponenti ETL procesa. Sadrži i funkcionalni i grafički pogled na proces integracije. Razvoj se sastoji u korišćenju komponenti i konektora raspoloživih na grafičkoj paleti, medjusobnom povezivanju i podešavanju ključnih funkcionalnih parametara. Iscrpna biblioteka komponeti omogućava pristup velikom broju izvora podataka. Veliki broj konektora je ključan za interoperabilnost aplikacija i baza podataka i povezivanje različitih struktura podataka. Danas Telend Open Studio sadrži oko 550 različitih komponenti koje se besplatno koriste, pri čemu je oko 60% razvijeno od strane open-source zajednice. Ovaj broj se kontinuirano uvećava daljim razvojem rešenja. Komponente podržavaju operacije na samim podacima, zatim upravljanje podacima, kao i upravljanje tokom procesa obrade. Konektori omogućavaju upis i čitanje podataka sa izvornih i ciljnih sistema. Parametri se podešavaju na nivou svake od komoneti isljučivo na jednom mestu ili se nasledjuju iz Metadata Manager komponente odnosno, repozitorijuma, kao što je slučaj sa definicijama tabela ili parametrima konekcije na bazu podataka. Radi lakšeg upravljanja procesom razvoja i izvršenjem ETL procesa svaki job može biti podeljen na podkomponente (subjob). Različiti tipovi veza se koriste za definisanje redosleda izvršenja pojedinih operacija. Korisnik prati proces izvršenja posredstvom konzole koja je integralni deo ovog alata. ETL proces se može izvršavati kao batch ili real time proces. Talend 69

78 arhitektura ne ograničava izvršavanje razvijenih procesa s obzirom da generiše autonomni proces koji se može primeniti na bilo kom serveru. Ipak, preporučljivo je izvršavanje sa brzim pristupom podacima koji se obradjuju, kako bi se smanjilo vreme pristupa i eliminisala uska grla u propusnom opsegu. Talend Open Studio lako upravlja verzioniranjem. Definisane su dve oznake verzije velika (major) i mala (minor) koje se automatski podešavaju prilikom kreiranja komponenti i jednostavno se menjaju u toku razvoja i izmena. Ovim se može nezavisno upravljati verzijama u toku procesa razvoja i korišćenja sistema u poslovnom procesu. Verzioniranje se primenjuje na poslovne modele, jobove, rutine, metapodatke i dokumentaciju. Osnovni pojmovi Talend Open Studio alata su: Repozitorijum je lokacija koju Talend Open Studio koristi za čuvanje i pristup svim podacima vezanim za sve tehničke komponente koje se koriste ili za definisanje poslovnih modela ili dizajn ETL procesa. Talend Open Studio se može povezati sa više lokalnih repozitorijuma po potrebi. Projekat je strukturirana kolekcija tehničkih komponenti i njihovih metapodataka. Svaki job ili poslovni model je organizovan u formi projekta. Na nivou jednog repozitorijuma može se kreirati više projekata. Radni prostor (workspace) je direktorijum u kome se čuvaju projektni folderi. Jedan radni prostor je vezan za jednu konekciju (repository connection). Talend Open Studio pruža mogućnost povezivanja na više različitih radnih prostora ukoliko je to potrebno. Slika 18 prikazuje na relaciju izmedju repozitorijuma i radnog prostora. Job je grafički reprezentovan proces koji se sastoji od jedne ili više medjusobno povezanih komponenti i omogućava upravljanje procesom toka i obrade podataka. Prevodi grafički dizajn u kod. Poziva različite izvore podataka, obradjuje i transformiše podatke i učitava ih u definisane ciljne entitete. Komponenta je predefinisan konektor koji se koristi za realizaciju odredjene intergacione operacije. Komponente smanjuju potrebu za ručnim pisanjem koda neophonim za manipulaciju podacima. Komponente su grupisanje s obzirom na njihovu namenu i prikazane u paleti raspoloživoj u osnovnom prozoru Talend Open Studio alata. 70

79 Stavka (Item) je elementarna komponenta projekta. To je bilo koji element sa kojim se manipuliše u radu sa Talend Open Studio alatom. Slika 18 Talend Open Studio repozitorijum Prilikom kreiranja projekta neophodno je odabrati jedan od dva raspoloživa programska jezika u kojima će se izgeneristi definisane komponente i posredstvom kojih će se definisani proces izvršavati. Reč je o Java i Perl programskim jezicima. U zavisnosti od odabranog programskog jezika, prilikom rada sa komponentama mora se koristiti adekvatna sintaksa. Na Slici 19 su prikazane opcije prilikom kreiranja projekta. Slika 19 Kreiranje Talend projekta Osnovi prozor Talend Open Studio alata prikazan na Slici 20 se sastoji od sledećih elemenata: Traka sa alatima i meni, 71

80 Repozitorijum, Prostor za dizajn, Prostor za konfiguracije organizovan u više kartica, Outline view i Code Viewer. Slika 20 Talend Open Studio interfejs Repozitorijum je prikazan u formi stabla. Pruža pristup svim tehničkim komponentama kao što su poslovni model, dizajn jobova, rutine ili dokumentacija koje su potrebne za razvoj ETL procesa. Čvor Code je biblioteka koja grupiše rutine koje su na raspolaganju za posmatrani projekt. Rutina je deo koda koji se može iterativno izvršavati. Predefinisane Talend rutine su grupisane u sledeće kategorije: DataOperation, Mathematical, Numeric, Relational, StringHandling, TalendDataGenerator, TalendDate i TalendString 72

81 Slika 21 Repozitorijum Sistem kartica za konfiguraciju prikazuje specifične podatke za odabranu komponentu organizovano u sledeće kartice - Component, Run Jobs, Problems i Error Log. Kartice Modules i Scheduler su nezavisne u odnosu na odabranu komponetu u prostoru za dizajn. Code viewer kartica prostora za dizajn prikazuje kod koji se generiše za odabranu komponentu, kao i meni za pokretanje sa start, body i end elementima. Job predstavlja izvršnu verziju poslovnog modela, tj. tehničku implementaciju dizajniranog toka podataka. Neke od najčešće korišćenih komponeti koje se koriste za kreiranje ETL procedura su prikazane u Tebeli 3. Slika komponente Naziv komponente tdb2input tdb2output tdb2scd Opis tdb2input čita podatke iz baze podataka i ekstrahuje kolone na osnovu definisanog SQL upita koji je u njemu specificiran. U zavisnosti od izvorne baze podataka postoje i ekvivalentne komponente toracleinput, taccessinput itd. tdb2output upisuje, ažurira, ili briše podatke u definisanoj tabeli baze podataka. tdb2scd održava sporo menjajuće dimenzije (Slowly Changing Dimension) tako što čita izvorna podatke i beleži promene u odredjenoj 73

82 SCD tabeli prema definisanom tipu (1, 2, ili 3). tfileinputdelimited tfileinputdelimited čita podatke iz zadate datoteke red po red na osnovu definisanog separatora koji odredjuje kolone. Nakon što su podaci pročitani šalju se do sledeće komponente uz upotrebu Row link veze. tfileoutputdelimited tfileoutputdelimited upisuje podatke u datoteku definisanog formata. tfileinputexcel tfileinputexcel čita podatke iz Excel datoteke (.xls or.xlsx) i ekstrahije ih red po red. tfileoutputexcel tfileoutputexcel upisuje podatke MS Excel tip datoteke. tdie Obustavlja izvršenje tekuće Job komponente. Koristi se sa tcatch komponentom u svrhu logovanja. tlogrow Prikazuje podataka ili rezultat u Run konzolu. tstatcatcher taggregaterow tconverttype tfiltercolumns Beleži podatke o pokretanju i okončanju izvršenja Job komponente, kao i o vremenu ovih dogadjaja. taggregaterow agregira ulazne podatke na osnovu definisanih kolona (agregacionog ključa). Izlaz iz ove komponente je definisani ključ i rezultat agregatnih operacija (min, max, sum...). Ekvivalentan je SQL operaciji GROUP BY. tconverttype omogućava specifične konverzije u toku izvršavanja procesa iz jednog Talend java tipa podataka u drugi. Pomaže izmenu šeme ili izmenom redoleda kolona ili uklanjanjem neželjenih kolona, a dodavanjem novih. tfilterrow filtrira ulazne podatke definisanjem uslova na željenim kolonama. tmap transformiše i usmerava podatke iz jednog 74

83 ili više izvora u jedanu ili više ciljnih komponenti. tpivottorows omogućava da se ulazni set kolona transformiše u redove na izlazu. Tabela 3 Komponente Talend Open Studio alata Uobičajen način da se obradi više izvora podataka (tabela, datoteka itd.) i uz transformacije usmeri ka drugim operacijama obrade jeste korišćennja tmap komponente. tmap izvršava sledeće tipove operacija: Transformacija podataka bilo kog tipa, Spajanje i zamena polja, Filtriranje podataka pomoću ograničenja, Eliminacija podataka, Multipleksiranje i demultipleksiranje podataka. Da bi se obezbedio tok podataka u okviru joba ili izmedju jobova neophodno je definisati veze. Svaka veza izmedju komponenti je detaljnije specificirana tipom trigera za izvršavaje. Trigeri konekcija spadaju u jednu od dve kategorije: Subjob trigeri: On Subjob Ok, On Subjob Error i Run if, Trigeri komponenti: On Component Ok, On Component Error i Run if. Navedene veze se koriste da bi se upravljalo izvršenjem ili da bi se lako pratile i detektovale potencijalne greške. U toku izvršavanja procesa važno je pratiti performanse. Talend Open Studio omogućava praćenje statistika performansi izvršavanja ETL procesa. Pored toga postoji i opcija praćenja podataka prilikom izvršavanja joba. Time se prikazuje red po red na nivou svake komponente Sistem za upravljanje performansama poslovanja IBM Cognos BI Sistem mesečnog izveštavanja koji duži period funkcioniše u NSZ zasnovan je na primeni IBM Cognos BI alata. S obzirom na postojeću praksu, znanja i veštine zaposlenih, kao i dokazane mogućnosti ovog naprednog softvera koje ga godinama čine liderom i inovatorom u svojoj oblasti, projektni tim se opredelio za dalje unapredjenje njegove primene, uz izmenjenu strukturu izvora podataka u smislu korišćenja skladišta podataka, početka korišćenja 75

84 naprednih OLAP struktura i Cognos connection portala kao jedinstvene ulazne tačke koja omogućava širok pogled na podatke institucije. IBM Cognos BI platforma je zajednička osnova za pristup podacima, upravljanje sistemom i isporuku informacija koja obuhvata IBM Cognos Business Intelligence sistem kao i druge IBM Cognos proizvode za upravljanje rezultatima poslovanja. IMB Cognos 8 platforma obezbedjuje [8]: Kompletan i konzistentat pristup podacima, Upravljanje sistemom koje omogućava IT stručnjacima pouzdan razvoj, upravljanje i prilagodjavanje potrebama poslovanja, Modernu servisno orjentisanu arhitekturu koja se jednostavno prilagodjava promenama i koja je zasnovana na otvorenim standardima koji podržavaju dugoročni rast i razvoj. IBM Cognos CPM sistem sadrži različite alate za merenje i nadgledanje, izveštavanje i analizu, planiranje, budžetiranje i predvidjanje. Korišćenje ovih alata pruža mogućnost korisnicima da daju odgovore na sva tri ključna pitanja u procesu donošenja odluka. Na pitanje Kako radimo? odgovor pružaju Matric Management i Dashboarding alati. Zbog čega radimo? se može utvrditi korišćenjem Query i Reporting, Analysis i Event Management alata, dok se za planiranje koristi Cognos Planning aplikacija. Svi alati IMB Cognos CPM sistema podržavaju otvoreni pristip najrazličitijim izvorima podataka. Sve navedene CPM analize mogu se obavljati na relacijskim i dimenzionalnim podacima, takodje obezbedjen je pristup različitim tipovima datoteka, kao i medjusobno deljenje specifičnih podataka medju aplikacijama. Na Slici 22 prikazani su različiti tipovi podataka koje IMB Cognos CPM može da koristi: 76

85 Slika 22 Osvrt na otvoreni pristup podacima IBM Cognos BI je kompletno Enterprise business intelligence software rešenje s integrisanim mogućnostima izveštavanja, analize, scorecarding-a i upravljanja događajima. Metric Studio pomaže pri upravljanju rezulatima organizacije tako da nadgleda i analizira pokazatelje na svim nivoima. Query Studio daje brzi odgovor na usmereno pitanje. Kroz Analysis Studio izvode se analize i poredjenja podataka (od jednostavnih do složenih) u svrhu otkrivanja trendova, rizika i mogućnosti. Report Studio izgrađuje složene izvještaje, uz mogućnosti višestranih prikaza, te izveštaje koji se baziraju na višestrukim izvorima podataka. Event Studio obaveštava korisnike o ključnim događajima ili događajima vezanim uz rezultate koji mogu uticati na njihovo poslovanje Cognos Connection Cognos Connection je Web portal posredstvom koga korisnici pristupaju Cognos izveštajima, analizama, metrikama, kao i različitim alatima. U zavisnosti od uloge koja je dodeljena korisniku, on može koristiti portal da pokreće, objavljuje, kreira, upravlja i organizuje sadržaje kao što su izveštaji, agenti i sl. Administrator ima dozvolu da kreira role i definiše prava pristupa. Izgled Cognos Web portala prikazan je na Slici

86 Slika 23 Cognos Connection Posredstvom Cognos Connection portala takodje se pristupa standardnim alatima za upravljanje sadržajima (toolbar). Toolbar ikona Opis List View prikaz izveštaja i paketa u vidu liste Details View detaljni prikaz izveštaja i paketa New Folder kreiranje novog foldera (fascikle) New Job kreiranje posla za automatizaciju pokretanja jednog ili više izveštaja New URL dodavanja linka New Page kreiranje nove strane portala Cut isecanje sadržaja Copy kopiranje sadržaja Paste nalepljivanje kopiranog ili isečenog sadržaja Delete - brisanje Set Properties podešavanje svojstava 78

87 Piblic folder-a (prava pristupa, jezika...) Order redosled prikaza sadržaja na portalu Tabela 4 Cognos connection - opis ikona linije sa alatima (toolbar) Korisnici mogu prilagoditi portal sopstvenim preferencijama menjajući jezik i druge regionalne postavke, zatim standardni format u kome se generišu izveštaji (PDF, HTML, Excel) i dr. Opcije za prilagodjavanje prilagodjavanje portala su prikazane na sledećoj slici i to su: Number Of Entries In List View broj objekata koji se prikazuje na jednoj strani portala, Report Format standardni format pokretanja izveštaja (PDF, Excel, HTML, CSV, XML), Separators In List View način razdvajanja objekata na strani portala, Automatic Refresh Rate In Seconds učestalost osvežavanja sadržaja portala, Style stil prikaza portala, Show the welcome page at startup prikaz strane dobrodošlice, Show a summary of the run options prikaz izabranih opcija prilikom pokretanja izveštaja, Default View izgled u formi liste ili detalja, Product / Content Language jezik portala i jezik podataka, Time Zone podešavanja vremenske zone. 79

88 Slika 24 Prilagodjavanje portala Cognos Connection predstavlja polaznu tačku za pristup različitim studijima IBM Cognos BI sistema. Konkretno, to su sledaćih pet studija: Metric Studio pomaže pri upravljanju performansama organizacije tako da nadgleda i analizira pokazatelje na svim nivoima. Query Studio daje brzi odgovor na usmereno pitanje. U pitanju je alat jednostavan za korišćenje pomoću koga se brzo kreiraju jednostavni upiti bez potrebe za poznavanjem naprednih tehnika kreiranja izveštaja. Kroz Analysis Studio izvode se analize i predjenja podataka (od jednostavnih do složenih) u svrhu otkrivanja trendova, rizika i mogućnosti. Najveće benefite prilikom korišćenja Anylisis Studija korisnici imaju ukoliko rade sa multidimenzionalnim podacima. Report Studio izgrađuje složene izveštaje, uz mogućnosti multi-page prikaza, te izveštaje koji se baziraju na višestrukim izvorima podataka. Event Studio obaveštava korisnike o ključnim događajima ili događajima vezanim za performanse koji mogu uticati na njihovo poslovanje. Obaveštenja mogu biti u vidu poslatog a, obaveštenja na portalu ili iniciranju pokretanja izveštaja. 80

89 Framework Manager Da bi se kreirao bilo koji sadržaj koji prikazuje analizu podataka organizacije, izveštaj u Report i Query studiju, analiza u Analysis studiju i sl, neophodno je napraviti model metapodataka. Model metapodataka predstavlja poslovni prikaz informacija iz jednog ili više izvora podataka. BI korisnici koriste taj model za analizu i izveštavanje na temelju svojih izvora podataka. Framework Manager osigurava okolinu za razvoj modela metapodataka za IBM Cognos BI. Modeli koji se kreiraju mogu biti relacijski koji se uglavnom koriste za izveštavanje ili dimenzijsko modelirani relacijski (DMR) za OLAP analizu i izveštavanje. Prilikom kreiranja modela metapodataka prvi korak jeste kreiranje projekta u okviru koga će se primeniti sve neophodne tehnike modeliranja. Krajnjim korisnicima se za korišćenje objavljuju paketi, koji predstavljaju deo modela koji je njima namenjen. Više paketa može biti kreirano iz jednog modela Osnovni koraci koje treba primeniti prilikom kreiranja modela su [8]: Kreiranje konekcije ka izvoru podataka Kreiranje predmeta upita (query subject) Podešavanje svojstava stavki upita (query items) Definisanje relacija izmedju predmeta upita Kreiranje poslovnog prikaza modela (business view) Kreiranje paketa za korisnike studija Objavljivanje paketa. Prilikom kreiranja konekcije ka izvoru podataka korisnik ima mogućnost da izabere odgovarajući tip izvora podataka u zavisnosti od sopstvenih potreba. Slika 25 prikazuje sve raspoložive tipove izvora podataka sa kojima se može raditi pomoću IBM Cognos BI sistema. Prilikom razvoja NSZ modela kreirane su konekcije ka skladištu podataka implementiranom na DB2 sistemu za upravljanje bazom podataka, kao i konekcije koje omogućavaju analizu podataka u Cognos PowerCubes OLAP kockama. 81

90 Slika 25 Tipovi izvora podataka Predmet upita (query subject) se može kreirati na osnovu već postojećih predmeta upita, na osnovu jedne ili više tabela iz izvora podataka ili na osnovu uskladištene procedure. Takodje, ukoliko su potrebni odredjeni podaci kojih u izvornoj tabeli nema, mogu se kreirati kalkulacije, koje na osnovu postojećih podataka preračunavaju potrebne. Stavka upita (query item) je analogana koloni tabele, a može predstavljati i neku od kreiranih kalkulacija. Za svaki stavku upita se definišu svojstva da li predstavlja atribut, fakt vrednost ili identifikator, o kom se tipu podataka radi, da li je njegova vrednost skrivena ili ne, kao i podrazumevani način agregiranja (suma, prosek, prebrojavanje (count), varijansa, itd.). Medju kreiranim predmetima upita se difinišu veze. Veza određuje na koji način su podaci iz jedne tabele povezani s podacima iz druge tabele. Osoba koja kreira model eksplicitno deklariše te veze. Kroz deklarisanje veza odražava se stvarnost poslovanja. Tip veze izmedju predmeta upita odredjen je kardinalnošću. Min..max konvencija univerzalnog jezika za modeliranje (Universal Modeling Language - UML) definiše kardinalnost kao što je niže navedeno: 0..n - nula slučaja na više slučaja, 1..n - jedan slučaj na više slučaja, nula slučaja na jedan slučaj, mora postojati jedan slučaj. 82

91 Slika 26 Svojstva stavke upita Prilikom kreiranja modela različiti objekti (predmeti upita, folderi) mogu se medjusobno razdvojiti kreiranjem prostora imenovanja (namespace). Praksa je da se originalni objekti koji se modeliraju smeste u tzv. Import View namespace, a da se na osnovu njih kreira jedan ili više prostora imanovanja koji su organizovani na način koji je najbliži logici poslovnih korisnika. Taj prostor imenovanja se najčešće naziva Business View. Business view po pravilu najbolje prakse sadrži prečice (shortcut) do predmeta upita koje će koristiti krajnji korisnici. Nakon kreiranog poslovnog pogleda na model podataka, kreira se jedan ili više paketa koji sadrže odabrane komponente modela. Sa paketima BI korisnici rade prilikom kreiranja izveštaja, analiza, agenata i dr. Poslednji korak u procesu izrade modela metapodataka jeste objavljivanje paketa na Web portal Query Studio Query Studio je interfejs za kreiranje jednostavnih upita. Nemenjen je prvenstveno korisnicima koji dobro poznaju poslovanje, ali ne i da kreiraju složene izveštaje. Pomoću ovog alata korisnici dolaze do podataka iz izvora podataka i formatiraju ih na adekvatan način. Izveštaj kreiran pomoću ovo alata se može podeliti sa licenciranim Cognos korisnicima koji imaju pristup Cognos Connection portalu. 83

92 Query Studio može da pristupa kako relacionim tako i dimenzionalnim izvorima podataka. Ikone koje prikazuju podatke prilikom rada se u ova dva slučaja razlikuju, a mogućnost za drill-down i drill-up analizu podataka postoji samo ukoliko se radi sa dimenzionalnim podacima. Alatu se pristupa posredstvom portala, kao i svim drugima studijima. Sve što je potrebno da bi se pokrenuo nalazi se na jednoj strani, tako da nema potrebe za korišćenjem više strana ili tabova. Slika 27 Pristup BI alatima Pomoću Query Studio alata mogu se kreirati izveštaji različitih formata. Podaci se na izveštaju mogu prikazati u vidu liste (podrazumevani prikaz), crosstaba (dobija se transformacijom liste pomoću klika na crosstab dugme) ili u vidu grafika. Grafički prikaz pomaže da se podaci vizuelizuju. Na raspolaganju su grafici u vidu linije, pite, radara i bar dijagrami. Query Studio sadrži i dodatne opcije lake za upotrebu pomoću kojih se podaci mogu filtrirati, sortirati, formatirati, grupisati i dodavati kalkulacije. Takodje se može menjati redosled kolona u upitima. Upit koji se kreira može vraćati više podataka nego što je zapravo potrebno. Ukoliko nije potrebno prikazati sve podatke, koriste se filteri. Pomoću filtera zadaju se kriterijumi koje podaci treba da zadovolje da bi bili prikazani u izveštaju. Mogu se kreirati sopstveni filteri ili koristiti predefinisani. Podaci se mogu i grupisati, što je korsno ukoliko upit vraća vrednosti koje se ponavljaju iz reda u red. Grupisanjem se takodje dodaju sumarne vrednosti po stavci na osnovu koje je grupisanje uradjeno. Nakon završetka rada izveštaj se može sačuvati i pokretati naknadno sa Web portala. Svako pokretanje izveštaja podrazumeva istovremeni 84

93 zahvat podataka iz izvora podataka. Radno okruženje alata za kreiranje jednostavnih ad-hoc izveštaja prikazano je na sledećoj slici: Slika 28 Query Studio radno okruženje Report studio Report Studio je Web bazirana aplikacija koja omogućava kreiranje jednostavnih i složenih izveštaja koji pomažu donosiocima odluka u bržem i efikasnijem donošenju odluka. Report Studio donosi korisnicima fleksibilnost neophodnu za kreiranje lista, crosstabova, grafika i dashboarda. Izveštaji pomoću studija mogu biti grupisani, sortirani i formatirani na više načina kako bi zadovoljili potrebe poslovanja. Izveštaji mogu biti pokrenuti u standardnim formatima u poslovanju HTML, PDF, Excel. Pristupa mu se preko Cognos Connectiona. Prilikom pokretanja Report Studija korisniku je ponudjena mogućnost izbora izgleda izveštaja (što ne znači da se ove komponente ne mogu kasnije dodavati i kobinovati). Ponudjene opcije su (Slika 29): Blank Kreira prazan template. Ukoliko nijedan od predefinisanih izveštaja nije odgovarajući koristi se ovaj koji ne sadrži nijedan objekat. List Prikaz detaljnih izveštaja u vidu tabele. Crosstab Prikazuje sumarne informacije kao presek kolone i reda. 85

94 Chart Grafički prikazuje podatke. Dostupne su varijante grafika: Column, Bar, Progressive, Pareto, Line, Pie, Donut, Area, Combination, Scatter, Bubble, Point, Radar, Polar, Goauge i Metrics Range. Map Podaci se prikazuju u geografskom značenju. Financial Podaci se prikazuju u finansijkom formatu. Repeater Table Ponavljaju se blokovi podataka u izveštaju. Pogodan za mailing liste. Report Template - za potrebe kreiranja izveštaja u Nacionalnoj službi za zapošljavanje kreiran je šablon izveštaja kako bi se obezbedila uniformnost i standardizacija ovog procesa. Slika 29 Opcije prilikom kreiranja novog izveštaja Radna površina ima tri različita režima rada. U Page Explorer režimu ubacuju se stavke upita i različiti objekti kako bi se kreirao izgled izveštaja. U Query Explorer režimu rada može se manipulisati upitima, stavkama upita i filterima. Kada je izabran Condition Explorer režim rada mogu se menjati varijable i njihove vrednosti. Neke od standardnih opcija koje se koriste prilikom kreiranja izveštaja su: Opcije kreiranja izveštaja Opis Koristi se za pokretanje izveštaja Otključava i zaključava objekte izveštaja Otvara dijalog za kreiranje filtera Koristi se za sortiranje Izlistava funkcije za sumiranje koje se mogu primeniti na izveštaju 86

95 Koristi se za grupisanje podataka Koristi se za kreiranje sekcija u izveštaju sa stavkama upita koje se pojavljuju kao zaglavlje sekcije Služi za kreiranje zaglavlja i podnožja strane Koristi se za kreiranje promtne strane Koristi se za promenu veličine slova Menja boju izabranog teksta Menja boju pozadine Koristi se za promenu boje linija tabela Koristi se za promenu stila linija tabela Dodaje granice izabranom objektu Služi za formatiranje podataka Koristi se za formatiranje objekata zavisno od odredjenih uslova Slika 30 Standardne opcije prilikom kreiranja izveštaja Analysis Studio Analiza je sofisticiran proces za korisnike koji žele opsežnu analizu podataka. Analitiačar najpre posmatra podatke kako bi se uverio da je sve u skladu sa očekivanjima. Medjutim, ukoliko nije tako potrebno je detaljno proći kroz podatke kako bi se otkrio uzrok. Analiys Studio predstavlja alat koji pomaže upravo kod ovakvih korisničkih zahteva. On omogućava kretanje kroz prikaz podataka, primenu različitih filtera, prikaz najboljih ili najlošijih pokazatelja, ubacivanje grafika i primenu šablona [8]. Pristupa mu se preko Cognos Connectiona i otvara se u posebnom prozoru Web pretraživača. U Analisys Studio alatu analiza se kreira tako što se podacu ubacuju u crosstab. Može se raditi sa kompletnim dimenzijama ili njenim pojedinim članovima. Osnovna cilj koja se želi postići analizom je kretanje kroz podatke. Ovo je omogućeno drill-up i drill-down opcijama. Kada se bira drill-down opcija (propadanje), vide se deca izabranog roditelja. Dete je detaljnija informacija koja se nalazi na nižem nivou u hijerarhiji dimenzionalnih podataka. Na primer, ukoliko imamo dimeziju Geografski podaci na najvišem nivou se nalazi nivo Država koji sadrži sve države koje su u sastavu neke kompanije. Ukoliko 87

96 u analizi kliknemo na link Srbija videćemo sledeći nivo oblasti/regije. Ovaj nivo sadrži sve oblasti/regije u kojima posluje organizacije. Klikom na neku od prikazanih oblasti/regija spuštamo se na još niži nivo detaljnosti gradove. Kada se bira drill-up opcija vide se manje detaljne informacije tj. roditelj podatka koji se trenutno posmatra. Dakle, smer je suprotan od prethodno opisanog, podaci se prikazuju od gradova preko regija do država. Jednom kada se kreira analiza pomoću Analysis Studio alata može se sačuvati. Podešavanja prava korisnika odredjuju gde analiza može biti sačuvana i ko joj može pristupiti Event Studio Mnogim organizacijama neophodna su ažurna obaveštenja o promenama podataka kako bi se adekvatno donosile odluke. Ovim organizacijama značajno je da se informacije dostavljaju brzo kako bi donešene odluke delovale podsticajno na poslovanje. IBM Cognos BI obaveštenja o dogadjajima se šalju na osnovu poslovnih pravila koje definišu korisnici. Event Studio omogućava kreiranje agenata koji identifikuju kritične informacije u kompaniji i brzo ih dostavljaju poslovnim korisnicima. Koristan je širokom krugu korisnika. Odredjeni dogadjaj se inicira kada se pojavi specifična aktivnost ili kada se ispune predefinisani uslovi. IT korisnik kreira uslov dogadjaja ili odredjenu promenu u podacima i kada je agent detektuje, Event Studio inicira skup poslova koje je neophodno izvršiti kao što su slanje -a, postavljanje informacije na portal i sl. Dogadjaji se sastoje od instanci dogadjaja (event instance), liste dogadjaja (event list), ključa dogadjaja (event key) i pravila izvršavanja (task execution rules) [6]. Instanca dogadjaja je red podataka koji zadovoljava uslov dogadjaja. Lista dogadjaja pokazuje dogadjaje koji se obradjuju jednim agentom i mogu imati sledeće statuse: Novi - dogadjaj se pojavio prvi put Već se dogodio, ali je promenjen (Ongoing But Changed) Već se pojavljivao i rezultati su nepromenjeni (Ongoing And Unchanged) Zatvoren (Closed). 88

97 Ključ dogadjaja je jedinstvena kombinacija polja iz izvora podataka koji identifikuje dogadjaj i koristi se za odredjenje statusa izveštaja. Pravila izvršavanja odredjuju status za koji će dogadja inicirati izabranu aktivnost Transformer PowerPlay Transformer je MOLAP alat koji se koristi za kreiranje multidimenzionalnih struktura, odnosno kocki. PowerPlay Transformer je Cognos komponenta namenjena definisanju OLAP modela i generisanju kocaka za multidemenzionalnu analizu koje se nazivaju PowerCubes. PowerCube sadrži kalkulisane i sumirane podatke organizovane u dimenzije i mere. Podaci koji se generišu posredstvom ovog alata mogu se čitati i analizirati pomoću sledećih klijentskih aplikacija - PowerPlay Web Explorer, PowerPlay client for Windows, PowerPlay for Excel ili preko IBM Cognos BI studija. Dakle, PowerCube jeste struktura koja sadrži multidmenzionalne podatke i pri tome obezbedjuje: Bezbedan pristup podacima, Brz pristup i analizu podataka. Cognos kocka se skladišti na sistemu u vidu datoteke sa ekstenzijom.mdc. Može se kopirati kao svaka druga dataoteka izmedju različitih sistema, njen sadržaj se može analizirati jednostavnim podešavanjem konekcije na nekom od navedenih klijentskih alata. Proces kreiranja PowerCube kocke započinje kreiranjem modela. Da bi proces modeliranja dao željene rezultate, preporuljivo je najpre napraviti analizu i plan modela. Plan modela koristimo kako bi napravili kratak pregled dizajna i potrebnih podataka. Ovako definisan plan: Pomaže da se identifikuju svi traženi podaci, tj. da se definišu dimenzije i mere koje će biti obuhvaćene, Pomaže da se procene neophodni koraci u modeliranju, Daje predlog modela, Služi kao smernica u izradi modela. PowerPlay Transformer okruženje za definisanje OLAP modela je prikazano na Slici 31. Sastoji se četiri ključna segmenta i to su: 89

98 Mapa dimenzija (Dimension Map) koji se koristi za definisanje dimenzija kocke i njihove hijerarhijske strukture, Lista izvora podatka (Data sources) se koristiza podešavanje konekcija ka izvorima podataka. Lista mera (Measures) je sekcija specijalizovana za definisanje mera i podešavanje njihovih specifičnih parametara. Lista kocaka (PowerCubes) namenjena kreiranju same kocke spremne za dalju analizu. Slika 31 PowerPlay Transformer Definisani model se u sistemu datoteka čuva u.pyi formatu. Vezu izmedju modela i PowerCube kocke detaljno prikazuje sledeća slika: Slika 32 OLAP model i kocka PowerCube kocke se mogu distriburati posredstvom mreže ili se čuvati na lokalnim računarima. PowerCube je zapravo izgenerisan binarni Transformer model spreman za 90

99 analizu. Trebalo bi imati u vidu da su kocke statičke strukture u smislu osvežavanja podataka, te da se proces njihovog kreiranja periodično ponavlja u zavisnosti od karaktera podataka koji je u kocki sadržan (svakodnevno, nedeljno, mesečno itd.). Prilikom rekreiranja kocke podaci se čitaju iz definisanih izvora. Izvor podataka kocke mogu biti produkcioni podaci, data warehouse tabele ili izvori kreirani za specifične potrebe. Oni snabdevaju Transformer svim ili delom podataka definisim modelom. Transformer radi sa podacima iz jednog ili više izvora podataka pri čemu može koristi izvore podataka u više formata. Specifičnost PowerPlay Transformer alata za kreiranje OLAP kocaka jeste automatizacija kreiranja vremenske dimenzije. Vremenska dimenzija se kreira na osnovu kolone izvora podataka za koju je specificirano da sadrži podatke datumskog tipa. Omogućava korisnicima izveštaja da posmatraju podatke u različitim vremeskim periodima. Posebno je korisno za nalazu postojanje relativnih vremensih kategorija. Relativne vremenske kategorije su specijalne kategorije koje omogućavaju analizu trendova. Mera predstavlja podatak koji se koristi za praćenje performansi poslovanja. U Transformeru postoje dva tipa mera: Regularne mere - preuzimaju podatke direktno iz kolona izvora podataka. Kalkulativne mere - izvode iz postojećih mera i koje nemaju direktnu izvornu kolonu. Na osnovu jednog Transformer modela može se kreirati veći broj kocaka. Kocke možemo prilagoditi specifičnim zahtevima korisnika isključujući ili uključujući specifične dimenzije i mere, prilagodjavanjem dimenzija uz pomoć tehnike kreiranja dimension view-a ili kreiranjem grupa kocaka kako bi obezbedili manje i efikasnije kocke. 91

100 6.5. Arhitektura sistema poslovne inteligencije NSZ Nakon procesa planiranja projekta, analize poslovnog procesa i specifikacije zahteva korisnika, isporuke fizičkog i logičkog modela skladišta podataka i izbora tehnologije, sledi faza implementacije. Najopštije posmatrano sistem poslovne inteligencije implementiran u Nacionalnoj službi za zapošljavanje ima arhitekturu prikazanu na Slici 32. Slika 33 Arhitektura sistema poslovne inteligencije NSZ Kao što slika pokazuje izvor podataka predstavlja Jedinstveni informacioni sistem JIS koji je transakcioni sitem koji prati kompletan proces rada u Nacionalnoj službi za zapošljavanje. Iz definisanog izvora podataka podaci se svake noći prebacuju u stage oblast skladišta podataka. Jedno izvršenje ETL procesa označava se u skladištu podataka kao jedna populacija. Svaka populacija, odnosno jedno izvršenje procesa ima svoj jedinstveni identifikator. Identifikacija podataka koje je potrebno prebaciti zasnovana je na Change data caputure (CDC) metodi koja se oslanja na datumske kolone u samom izvoru podataka (datum unosa ili datum izmene podatka). Za ekstrakciju podataka, njihovu transformaciju i učitavanje u prezentacijski sloj skladišta podataka kreiran je veći broj jobova pomoću Talend Open Studio alata. Svi oni su medjusobno sinhronizovani u jedinstveni ETL job mehanizmom podredjenih i nadredjenih komponenti. Primer medjusobnog povezivanja jobova prikazan je na Slici

101 Slika 34 Povezivanje ETL procesa Da bi se podaci učitali u skladište podataka, neophodno je izvršiti veliki broj transformacija, uključujući čišćenje podataka, definisanje medjusobnih veza, praćenje istorije promena, kako na nivou dimenzija, tako i medjusobnih relacija medju dimenzija, preračun adekvatnih mera itd. Na sledećoj slici prikazano je na koji način se SQL pitom definiše ulazni tok podataka u okviru jednog koraka obrade, dok Slika 36 prikazuje definisanje parametra SCD komponente uz korišćenje tipa 1 za praćenje promena. 93

102 Slika 35 Parametri tdb2input komponente Slika 36 SCD Tip 1 94

103 Nakon završetka procesa učitavanja podataka, započinje kreiranje kocaka pomoću PowerPlay Transformer alata. To je iterativan proces koji se svakodnevno izvršava kako bi se kocke osvežile novoučitanim podacima. Dakle, izvor podataka za Cognos PowerCubes jeste skladište podataka. Modeli OLAP kocaka su dizajnirani u skladu sa zahtevima za izveštavanje poslovnih korisnika. Dimenzije su organizovane u hijerarhije kako bi se obezbedio pogled na podatke u različitom stepenu detaljnosti, u zavisnosti od potreba pojediih korisnika. U najvećem broju slučajeva obezbedjen je pogled na podatke na dnevnom nivou što je bio jedan od ključnih zahteva. Integrisane su mere u skladu sa definicijama utvrdjenim u toku analize poslovnog procesa. Kreirano je više OLAP modela kako bi se grupisali podaci specifični za pojedine poslovne procese. Kreiranjem MOLAP struktura podataka korisnicima je pružena mogućnost pretraživanja i dinamičke analize podataka u kontekstu mera i dimenzija. OLAP analize predstavljaju bitnu dopunu standardinim izveštajima koji označavaju predefinisan pristup podacima okruženja poslovne inteligencije. Standardni izveštaji su kreirani pomoću Cognos Report Studio alata u formatu koji su definisali korisnici kako bi im se obezbedio pogled na poslovne informacije. Iako je njihova struktura statična, podrazumeva se i odredjeni nivo interakcije u smislu mogućnosti unosa parametara filtriranja, drill-down analize do predvidjenog stepena detaljnosti, kao i postojanje veza izmedju samih izveštaja. U okviru definisanog opsega projekta te utvrdjenih mera koje je potrebno pratiti, kao i dimenzija prema kojima se fact vrednosti analiziraju kreiran je skup standardnih izveštaja pomoću Cognos BI alata. Npr, na osnovu definisanog zahteva korisnika za analizom broja nezaposlenih lica i zapošljavanja prema stepenu stručne spreme i polu, kreiran je izveštaj Nezapsolenost i zapošljavanje prema stepenu stručne spreme i polu koji je prikazan na Slici 37, dok su podaci na izveštaju prikazanom na Slici 38 prezentovani u formatu grafika. 95

104 Slika 37 Primer Cognos izveštaja u formatu tabele Slika 38 Primer izveštaja u vidu grafika Za ključne korisnike kreirane su dashboard strane gde su ključni indikatori prikazani u formatu koji je jednostavan za čitanje, interpretaciju i navigaciju. Dashboard za svakog korisnika obezbedjuje personalizovani pogled na ključne parametre u njegovoj interesnoj oblasti. Dashboard strane su izrazito vizualizovane uz pomoć grafova i dijagramima različitog formata i daju pogled koji je pogodan za praćenje trendova, identifikaciju odstupanja koja bi se mogle pretvoriti u značajane poslovne probleme, te pružaju polaznu tačku za dublju analizu uzroka Evaluacija projekta Projekat implementacije sistema poslovne inteligencije u NSZ od početka do krajnje implementacije vođen je u skladu sa planom projekta, postavljenim ciljevima i vremenskim rokovima, bez kašnjenja u isporuci osnovnih proizvoda projekta. Kvalitetna i pouzdana 96

Metodeitehnikezainternu. Vesna Damnjanovic

Metodeitehnikezainternu. Vesna Damnjanovic Metodeitehnikezainternu analizu Vesna Damnjanovic Agenda Model gepa kvaliteta usluga McKinsey s 7-s model Tehnika Balanced scorecard Lanac vrednosti Model gepakvalitetausluge Model gepa KUPCI Word-of-mouth

More information

METROLOŠKI SISTEM INFORMACIONI PODSISTEM

METROLOŠKI SISTEM INFORMACIONI PODSISTEM METROLOŠKI SISTEM INFORMACIONI PODSISTEM INFORMACIJE POSLOVI I ZADACI METODE I POSTUPCI KADROVI METROLOŠKI SISTEM TEHNIČKA OPREMA ENERGIJA I MATERIJAL EKONOMIJA ORGANIZACIJA Za funkcionisanje metrološkog

More information

Kako marketing utiče na vrednosti klijenata? Kako se sprovodi strateško planiranje na različitim nivoima organizacije? Šta sadrži marketing plan?

Kako marketing utiče na vrednosti klijenata? Kako se sprovodi strateško planiranje na različitim nivoima organizacije? Šta sadrži marketing plan? Osnovna pitanja Kako marketing utiče na vrednosti klijenata? Kako se sprovodi strateško planiranje na različitim nivoima organizacije? Šta sadrži marketing plan? 6/13/2016 1 Japanski način nulto vreme

More information

MENADŽMENT POSLOVNIH PROCESA U PRUŽANJU POŠTANSKIH I TELEKOMUNIKACIONIH USLUGA

MENADŽMENT POSLOVNIH PROCESA U PRUŽANJU POŠTANSKIH I TELEKOMUNIKACIONIH USLUGA XXIII Simpozijum o novim tehnologijama u poštanskom i telekomunikacionom saobraćaju PosTel 2005, Beograd, 13. i14. decembar 2005. MENADŽMENT POSLOVNIH PROCESA U PRUŽANJU POŠTANSKIH I TELEKOMUNIKACIONIH

More information

I. CILJ PREDMETA I NJEGOVO MESTO U OBRAZOVANJU STUDENATA

I. CILJ PREDMETA I NJEGOVO MESTO U OBRAZOVANJU STUDENATA UPRAVLJAČKI INFORMACIONI SISTEMI MENADŽMENT /4/VIII/60+30 I. CILJ PREDMETA I NJEGOVO MESTO U OBRAZOVANJU STUDENATA Cilj predmeta je upoznavanje studenata sa savremenim teorijskim i praktičnim aspektima

More information

Da li cene odražavaju informacije? Zašto se posmatra efikasnost tržišta? Implikacije na poslovanje i poslovne finansije Implikacije na investicije

Da li cene odražavaju informacije? Zašto se posmatra efikasnost tržišta? Implikacije na poslovanje i poslovne finansije Implikacije na investicije EFIKASNOST TRŽIŠTA Hipoteza o efikasnosti tržišta (EMH) Da li cene odražavaju informacije? Zašto se posmatra efikasnost tržišta? Implikacije na poslovanje i poslovne finansije Implikacije na investicije

More information

I. CILJ PREDMETA I NJEGOVO MESTO U OBRAZOVANJU STUDENATA

I. CILJ PREDMETA I NJEGOVO MESTO U OBRAZOVANJU STUDENATA UPRAVLJAČKI INFORMACIONI SISTEMI MENADŽMENT /4/VIII/60+30 I. CILJ PREDMETA I NJEGOVO MESTO U OBRAZOVANJU STUDENATA Cilj predmeta je upoznavanje studenata sa savremenim teorijskim i praktičnim aspektima

More information

THE GLOBAL ECONOMIC CRISIS AND THE IMPORTANCE OF MANAGING CASH FLOWS IN CONDITIONS OF GLOBAL ECONOMIC CRISIS. Ivana Bešlić Dragana Bešlić *

THE GLOBAL ECONOMIC CRISIS AND THE IMPORTANCE OF MANAGING CASH FLOWS IN CONDITIONS OF GLOBAL ECONOMIC CRISIS. Ivana Bešlić Dragana Bešlić * Faculty of Economics, University of Niš, 18 October 2013 International Scientific Conference THE GLOBAL ECONOMIC CRISIS AND THE FUTURE OF EUROPEAN INTEGRATION THE IMPORTANCE OF MANAGING CASH FLOWS IN CONDITIONS

More information

imaš internet? imaš i posao. cjenovnik usluga

imaš internet? imaš i posao. cjenovnik usluga imaš internet? imaš i posao. cjenovnik usluga O nama zaposli.me je savremena online platforma poslovnih mogućnosti. Mi spajamo ljudski potencijal i poslovne prilike kroz jedinstvenu berzu rada na tržištu

More information

PROCESI, PROCESNI PRISTUP I PROCESNO ORIJENTISANA ORGANIZACIJA

PROCESI, PROCESNI PRISTUP I PROCESNO ORIJENTISANA ORGANIZACIJA PROCESI, PROCESNI PRISTUP I PROCESNO ORIJENTISANA ORGANIZACIJA Ivan Tomašević Beograd, 12.10.2016. Procesi Proces!!! PROCES!!! Šta je proces? Merriam Webster s Collegiate Dictionary: Prirodni fenomen karakterisan

More information

COMPANY INNOVATIVE STRATEGIC PLANING AND ALOCATIVE OPTIMIZATION OF THE FINANCIAL RESOURCES

COMPANY INNOVATIVE STRATEGIC PLANING AND ALOCATIVE OPTIMIZATION OF THE FINANCIAL RESOURCES COMPANY INNOVATIVE STRATEGIC PLANING AND ALOCATIVE OPTIMIZATION OF THE FINANCIAL RESOURCES INOVATIVNO STRATEŠKO PLANIRANJE KOMPANIJA I ALOKATIVNA OPTIMIZACIJA FINANSIJSKIH RESURSA PhD. Emilija Stevanovska,

More information

LOCAL ACTION GROUP (LAG) FUTURE OF REGIONAL AND RURAL DEVELOPMENT LOKALNE AKCIJSKE GRUPE (LAG) OKOSNICE REGIONALNOG I RURALNOG RAZVOJA

LOCAL ACTION GROUP (LAG) FUTURE OF REGIONAL AND RURAL DEVELOPMENT LOKALNE AKCIJSKE GRUPE (LAG) OKOSNICE REGIONALNOG I RURALNOG RAZVOJA Mario Marolin, mag.iur and project manager PhD student of European studies at University J.J. Strossmayer Gundulićeva 36a, Osijek Phone: 091 566 1234 E-mail address: mariomarolin@gmail.com LOCAL ACTION

More information

FIN&TECH KONFERENCIJA

FIN&TECH KONFERENCIJA FIN&TECH KONFERENCIJA Zagreb, 9. lipnja 2017. Digitalna transformacija u financijskom sektoru Što je blockchain Kriptirana, distribuirana i javna baza podataka o svim izvršenim transkacijama kriptovalutom

More information

TECHNICAL PERFORMANCE INDICATORS, IWA BEST PRACTISE FOR WATER MAINS AND THE FIRST STEPS IN SERBIA UDC (083.74)(497.

TECHNICAL PERFORMANCE INDICATORS, IWA BEST PRACTISE FOR WATER MAINS AND THE FIRST STEPS IN SERBIA UDC (083.74)(497. FACTA UNIVERSITATIS Series: Architecture and Civil Engineering Vol. 5, N o 2, 2007, pp. 115-124 TECHNICAL PERFORMANCE INDICATORS, IWA BEST PRACTISE FOR WATER MAINS AND THE FIRST STEPS IN SERBIA UDC 556.06(083.74)(497.11)(045)=111

More information

STATISTIKA I INFORMATIKA I KVANTITATIVNE FINANSIJE/2/IV/60+30 I. CILJ PREDMETA I NJEGOVO MESTO U OBRAZOVANJU STUDENATA

STATISTIKA I INFORMATIKA I KVANTITATIVNE FINANSIJE/2/IV/60+30 I. CILJ PREDMETA I NJEGOVO MESTO U OBRAZOVANJU STUDENATA POSLOVNA INFORMATIKA STATISTIKA I INFORMATIKA I KVANTITATIVNE FINANSIJE/2/IV/60+30 I. CILJ PREDMETA I NJEGOVO MESTO U OBRAZOVANJU STUDENATA Cilj predmeta je upoznavanje studenata sa savremenim teorijskim

More information

EFIKASNOST PLANSKE AKTIVNOSTI U PREDUZEĆIMA RAZLIČITE VELIČINE I NIVOA POSLOVANJA

EFIKASNOST PLANSKE AKTIVNOSTI U PREDUZEĆIMA RAZLIČITE VELIČINE I NIVOA POSLOVANJA EFIKASNOST PLANSKE AKTIVNOSTI U PREDUZEĆIMA RAZLIČITE VELIČINE I NIVOA POSLOVANJA EFFICIENCY PLAN OF ACTIVITIES IN COMPANIES OF DIFFERENT SIZES AND LEVELS OF BUSINESS Milan Stamatović, Đurđica Vukajlovic,

More information

Razvoj i primjena sistema poslovne inteligencije

Razvoj i primjena sistema poslovne inteligencije INFOTEH-JAHORINA Vol. 15, March 2016. Razvoj i primjena sistema poslovne inteligencije Vid Malešević Direkcija za finansije Mtel a.d. Banja Luka Banja Luka, Republika Srpska, Bosna i Hercegovina Vid.Malesevic@mtel.ba

More information

LEGAL ASPECTS OF FINANCIAL ANALYSIS IN AGRIBUSINESS COMPANIES IN SERBIA

LEGAL ASPECTS OF FINANCIAL ANALYSIS IN AGRIBUSINESS COMPANIES IN SERBIA Review article Economics of Agriculture 4/2016 UDC: 631.1:657.32 (497.11) LEGAL ASPECTS OF FINANCIAL ANALYSIS IN AGRIBUSINESS COMPANIES IN SERBIA Aleksandar Majstorović 1, Jova Miloradić 2, Slobodan Andžić

More information

CORPORATE INCOME TAX IN EU COUNTRIES COMPARATIVE ANALYSIS 1 UDC (4-672) Jadranka Djurović-Todorović

CORPORATE INCOME TAX IN EU COUNTRIES COMPARATIVE ANALYSIS 1 UDC (4-672) Jadranka Djurović-Todorović FACTA UNIVERSITATIS Series: Economics and Organization Vol. 1, N o 10, 2002, pp. 57-66 CORPORATE INCOME TAX IN EU COUNTRIES COMPARATIVE ANALYSIS 1 UDC 336.27(4-672) Jadranka Djurović-Todorović Faculty

More information

PRIMENA B2B SEGMENTA ELEKTRONSKE TRGOVINE U SME- SEKTORU APPLICATION OF B2B E-COMMERCE CONCEPT IN THE SME- SECTOR

PRIMENA B2B SEGMENTA ELEKTRONSKE TRGOVINE U SME- SEKTORU APPLICATION OF B2B E-COMMERCE CONCEPT IN THE SME- SECTOR PRIMENA B2B SEGMENTA ELEKTRONSKE TRGOVINE U SME- SEKTORU APPLICATION OF B2B E-COMMERCE CONCEPT IN THE SME- SECTOR Doc.dr Šemsudin Plojović 1 1 Fakultet za manadžment i poslovnu ekonomiju, Univerzitet u

More information

Ključne reči: specifikacija zahteva, softverski sistem, model softverskih zahteva, IT projekat.

Ključne reči: specifikacija zahteva, softverski sistem, model softverskih zahteva, IT projekat. PRISTUP IZRADI SPECIFIKACIJE ZAHTEVA U PROCESU NABAVKE SOFTVERSKOG SISTEMA APPROACH TO CONSTRUCT REQUIREMENTS SPECIFICATION IN PROCESS OF PROCUREMENT OF SOFTWARE SYSTEM Milosav Majstorović, Visoka škola

More information

APPLICATION OF SCENARIO ANALYSIS IN THE INVESTMENT PROJECTS EVALUATION

APPLICATION OF SCENARIO ANALYSIS IN THE INVESTMENT PROJECTS EVALUATION Review article Economics of Agriculture 2/2016 UDC: 005.8:330.322.54 APPLICATION OF SCENARIO ANALYSIS IN THE INVESTMENT PROJECTS EVALUATION Tomislav Brzaković 1, Aleksandar Brzaković 2, Jelena Petrović

More information

EFIKASNOST PLANSKE AKTIVNOSTI U PREDUZEĆIMA RAZLIČITE VELIČINE I NIVOA POSLOVANJA

EFIKASNOST PLANSKE AKTIVNOSTI U PREDUZEĆIMA RAZLIČITE VELIČINE I NIVOA POSLOVANJA FBIM Transactions DOI 10.12709/fbim.02.02.02.29 EFIKASNOST PLANSKE AKTIVNOSTI U PREDUZEĆIMA RAZLIČITE VELIČINE I NIVOA POSLOVANJA EFFICIENCY PLAN OF ACTIVITIES IN COMPANIES OF DIFFERENT SIZES AND LEVELS

More information

IMPACT INVESTING AND JOB CREATION IN THE CONTEMPORARY BUSINESS ENVIRONMENT: EVIDENCE FROM THE REPUBLIC OF SERBIA

IMPACT INVESTING AND JOB CREATION IN THE CONTEMPORARY BUSINESS ENVIRONMENT: EVIDENCE FROM THE REPUBLIC OF SERBIA RISKS IN CONTEMPORARY BUSINESS Singidunum University International Scientific Conference INVITED PAPERS Scientific research IMPACT INVESTING AND JOB CREATION IN THE CONTEMPORARY BUSINESS ENVIRONMENT: EVIDENCE

More information

Opis programa Znanje koje vredi PwC Mini MBA program Srbija, Bugarska, Hrvatska, Rumunija, Crna Gora

Opis programa Znanje koje vredi PwC Mini MBA program Srbija, Bugarska, Hrvatska, Rumunija, Crna Gora www.pwcacademy.rs Opis programa Znanje koje vredi PwC Mini MBA program Srbija, Bugarska, Hrvatska, Rumunija, Crna Gora Sadržaj Razmevanje razvoja strategije na osnovama najvažnijih faktora uspeha, portfolija

More information

KONKURENTSKE PREDNOSTI UPOTREBE CRM METODA U ODNOSU SA KLIJENTIMA

KONKURENTSKE PREDNOSTI UPOTREBE CRM METODA U ODNOSU SA KLIJENTIMA Svarog 3/2011 Izvorni naučni članak UDK 336.763.1:004 KONKURENTSKE PREDNOSTI UPOTREBE CRM METODA U ODNOSU SA KLIJENTIMA Doc. dr Željko Vojinović, Nezavisni univerzitet Banja Luka Dr Dragan Vojinović Komercijalna

More information

REINŽENJERING POSLOVNIH PROCESA, SISTEM UPRAVLJANJA KVALITETOM I INFORMACIONI SISTEM: INTEGRATIVNI PRISTUP

REINŽENJERING POSLOVNIH PROCESA, SISTEM UPRAVLJANJA KVALITETOM I INFORMACIONI SISTEM: INTEGRATIVNI PRISTUP 4. Naučno-stručni skup sa sa međunarodnim učešćem KVALITET 2005, Fojnica, B&H, 09. - 12 novembar 2005. REINŽENJERING POSLOVNIH PROCESA, SISTEM UPRAVLJANJA KVALITETOM I INFORMACIONI SISTEM: INTEGRATIVNI

More information

SHAPING THE CREDIT RISK MANAGEMENT OF BANKS

SHAPING THE CREDIT RISK MANAGEMENT OF BANKS UDK: 336.71 Datum prijema rada:20.07.2016. Datum korekcije rada: 25.08.2016. Datum prihvatanja rada: 09.09.2016. KRATKO ILI PRETHODNO SAOPŠTENJE EKONOMIJA TEORIJA i praksa Godina IX broj 3 str. 57 68 SHAPING

More information

Tipovi informacionih sistema

Tipovi informacionih sistema - 1 - Tipovi informacionih sistema Lekcija 2 Podela informacionih sistema Primer - SAP ERP Podela sistema - 2 - Informacioni Podržavaju poslovne operacije Operacioni informacioni Analitički informacioni

More information

SO6 23 SAŽETAK. ili uslugom učiniti na. upravljanju. klijentima SUMMARY. relationships. before 20. business. faced daily.

SO6 23 SAŽETAK. ili uslugom učiniti na. upravljanju. klijentima SUMMARY. relationships. before 20. business. faced daily. HRVATSKI OGRANAK MEĐUNARODNE ELEKTRODISTRIBUCIJSKE KONFERENCIJE 3. (9.) savjetovanje Sveti Martin na Muri, 13. 16. svibnja 2012. SO6 23 Nino Hren, mag. inf. REDEA d. o.o., Čakovecc nino.hren@ @hotmail.com

More information

CJENIK I. Iznajmljivanje optic kih vlakana (dark fiber) - SIOL. Zakup kapacitete VPN L2 - SLA ponuda - SIOL

CJENIK I. Iznajmljivanje optic kih vlakana (dark fiber) - SIOL. Zakup kapacitete VPN L2 - SLA ponuda - SIOL CJENIK I. Iznajmljivanje optic kih vlakana (dark fiber) - SIOL Mjesečna cijena za zakup para optičkih vlakana iznosi 0,28 eura (bez PDV-a) po metru para vlakana na ugovorni period od 1 godine. U zavisnosti

More information

Regional Trade and Investments Integration Results within the South East Europe 2020 Strategy 5

Regional Trade and Investments Integration Results within the South East Europe 2020 Strategy 5 Krum Efremov 1 Jasmina Majstoroska 2 Ilijana Petrovska 3 Marjan Bojadjiev 4 JEL: F15, F21, F53, O47, O52 DOI: 10.5937/industrija43-8138 UDC:332.146:330.322(412)"2020" Original Scientific Paper Regional

More information

VELEUČILIŠTE U POŽEGI

VELEUČILIŠTE U POŽEGI VELEUČILIŠTE U POŽEGI IVAN ČULJAK MBS: 266 ERP SUSTAVI U POSLOVANJU PODUZEĆA DIPLOMSKI RAD Požega, 2018. godine VELEUČILIŠTE U POŽEGI DRUŠTVENI ODJEL SPECIJALISTIČKI STRUČNI STUDIJ TRGOVINSKO POSLOVANJE

More information

THE QUALITY OF DERIVATIVE INSTRUMENTS DISCLOSURE IN ACCORDANCE WITH THE IFRS 7

THE QUALITY OF DERIVATIVE INSTRUMENTS DISCLOSURE IN ACCORDANCE WITH THE IFRS 7 International Scientific Conference of IT and Business-Related Research THE QUALITY OF DERIVATIVE INSTRUMENTS DISCLOSURE IN ACCORDANCE WITH THE IFRS 7 KVALITET NAPOMENA O DERIVATIVNIM INSTRUMENTIMA U SKLADU

More information

ERP Enterpise Resource Planning

ERP Enterpise Resource Planning Menadžment poslovnih informacionih sistema - 5 Enterprise Resource Planning - pripremila: Gordana Radić Šta je? Enterpise Resource Planning je softverski sistem za planiranje i upravljanje resursima preduzeća

More information

GREEN ECONOMY TRANSITION (GET) AND ADVICE FOR SMALL BUSINESSES (ASB) AT THE EBRD

GREEN ECONOMY TRANSITION (GET) AND ADVICE FOR SMALL BUSINESSES (ASB) AT THE EBRD GREEN ECONOMY TRANSITION (GET) AND ADVICE FOR SMALL BUSINESSES (ASB) AT THE EBRD Podgorica, 31 March 2017 Ana Bachurova, Energy Efficiency and Climate Change Nikolina Perovic Filipovic, Advice for Small

More information

UPRAVLJANJE RIZICIMA ELEKTRONSKOG POSLOVANJA

UPRAVLJANJE RIZICIMA ELEKTRONSKOG POSLOVANJA FBIM Transactions DOI 10.12709/fbim.03.03.02.08 UPRAVLJANJE RIZICIMA ELEKTRONSKOG POSLOVANJA E-BUSINESS RISK MANAGEMENT Milan Mihajlović Fakultet za poslovno industrijski menadžment Beograd, Univerzitet

More information

Dragoslav Kenjić Čikom informatički inženjering d.o.o. Podgorica Tehnički direktor

Dragoslav Kenjić Čikom informatički inženjering d.o.o. Podgorica Tehnički direktor Dragoslav Kenjić Čikom informatički inženjering d.o.o. Podgorica Tehnički direktor Poslovni proces je aktivnost ili set aktivnosti kojima se izvršava specifični cilj organizacije. Upravljanje poslovnim

More information

BI & DW projekti u velikim poslovnim sistemima - metode i tehnologije, praktična iskustva i izazovi

BI & DW projekti u velikim poslovnim sistemima - metode i tehnologije, praktična iskustva i izazovi BI & DW projekti u velikim poslovnim sistemima - metode i tehnologije, praktična iskustva i izazovi Ivona Žagar, Dejan Pervulov Combis 5. Decembar 2012. Sadržaj Ukratko o Combisu Poslovna problematika

More information

NAČIN VREDNOVANJA PRIMJENE JAVNO-PRIVATNOG PARTNERSTVA METHOD OF EVALUATION OF APPLICATION OF PUBLIC-PRIVATE PARTNERSHIPS

NAČIN VREDNOVANJA PRIMJENE JAVNO-PRIVATNOG PARTNERSTVA METHOD OF EVALUATION OF APPLICATION OF PUBLIC-PRIVATE PARTNERSHIPS PREDUZETNIŠTVO I MARKETING - ENTREPRENEURSHIP AND MARKETING NAČIN VREDNOVANJA PRIMJENE JAVNO-PRIVATNOG PARTNERSTVA METHOD OF EVALUATION OF APPLICATION OF PUBLIC-PRIVATE PARTNERSHIPS Prof. dr Miladin Jovičić

More information

BI PROJEKTI U IN2: ISKUSTVA, PLATFORME, TRENDOVI, PILOT PROJEKTI. Miroslav Savanović Dušan Veličkovski Jelena Lazarević Decembar 2014.

BI PROJEKTI U IN2: ISKUSTVA, PLATFORME, TRENDOVI, PILOT PROJEKTI. Miroslav Savanović Dušan Veličkovski Jelena Lazarević Decembar 2014. BI PROJEKTI U IN2: ISKUSTVA, PLATFORME, TRENDOVI, PILOT PROJEKTI Miroslav Savanović Dušan Veličkovski Jelena Lazarević Decembar 2014. Sadržaj Predstavljanje firme: IN2 BEOGRAD Osnove BUSINESS INTELLIGENCE

More information

BIZNIS PLAN KAO IZVOR INFORMACIJA ZA DONOŠENJE POSLOVNIH ODLUKA

BIZNIS PLAN KAO IZVOR INFORMACIJA ZA DONOŠENJE POSLOVNIH ODLUKA Pregledni rad Škola biznisa Broj 2/2016 UDC 005.511 DOI 10.5937/skolbiz2-12886 BIZNIS PLAN KAO IZVOR INFORMACIJA ZA DONOŠENJE POSLOVNIH ODLUKA Veronika Boškov *, Visoka poslovna škola strukovnih studija,

More information

SOCIOLOGICAL ASPECTS OF THE CAUSES OF UNEMPLOYMENT SOCIOLOŠKI ASPEKTI UZROKA NEZAPOSLENOSTI

SOCIOLOGICAL ASPECTS OF THE CAUSES OF UNEMPLOYMENT SOCIOLOŠKI ASPEKTI UZROKA NEZAPOSLENOSTI Ph. D. Željko Požega Faculty of Economics in Osijek 31 000 Osijek Tel.: 031/224-454 Fax: 031/211-604 e-mail: zpozega@efos.hr Ph. D. Boris Crnković Faculty of Economics in Osijek 31 000 Osijek Tel.: 031/224-434

More information

Informaciono komunikacione tehnologije u menadžmentu

Informaciono komunikacione tehnologije u menadžmentu Alempije Veljović Radisav Vulović Aleksandar Damnjanović Informaciono komunikacione tehnologije u menadžmentu Čačak, 2009. godina Sadržaj 1. INFORMACIJE I IKT... 12 1.1. Uticaj IKT na organizaciju... 12

More information

MACROECONOMIC INDICATORS, TRADE AND COMPETITIVENESS COUNTRIES IN THE DANUBE REGION

MACROECONOMIC INDICATORS, TRADE AND COMPETITIVENESS COUNTRIES IN THE DANUBE REGION DOI: 10.7251/EMC1502265I Datum prijema rada: 27. novembar 2015. Datum prihvatanja rada: 10. decembar 2015. PREGLEDNI RAD UDK: 330.101.54:339.13 Časopis za ekonomiju i tržišne komunikacije Godina V broj

More information

Univerzitet u Beogradu Ekonomski fakultet. Upravljanje lancem snabdjevanja i planiranje resursa preduzeća. - seminarski rad -

Univerzitet u Beogradu Ekonomski fakultet. Upravljanje lancem snabdjevanja i planiranje resursa preduzeća. - seminarski rad - Univerzitet u Beogradu Ekonomski fakultet Upravljanje lancem snabdjevanja i planiranje resursa preduzeća - seminarski rad - Predmet : Poslovni informacioni sistemi Profesor : Student : Prof. Dr Jasna Soldić

More information

ULOGA I ZNAČAJ INFORMACIONIH SISTEMA U UPRAVLJANJU INTELEKTUALNIM KAPITALOM

ULOGA I ZNAČAJ INFORMACIONIH SISTEMA U UPRAVLJANJU INTELEKTUALNIM KAPITALOM 9. Naučno-stručni skup sa međunarodnim učešćem QUALITY 2015, Neum, B&H, 10. - 13 juni 2015. ULOGA I ZNAČAJ INFORMACIONIH SISTEMA U UPRAVLJANJU INTELEKTUALNIM KAPITALOM THE ROLE AND IMPORTANCE OF INFORMATION

More information

naš izbor MENADŽMENT RIZIKA U SLUŽBI INVESTIRANJA

naš izbor MENADŽMENT RIZIKA U SLUŽBI INVESTIRANJA Dr Goran Anđelić* UDK 005.334 MENADŽMENT RIZIKA U SLUŽBI INVESTIRANJA naš izbor U ovom radu dr Goran Anđelić istražuje i analizira međuzavisnost koja postoji između aktivnosti investiranja i rizika koji

More information

ISO pristup IT Governance-u

ISO pristup IT Governance-u ISO 38500 pristup IT Governance-u 1. Prikaz ISO/IEC 38500 modela Ciljevi, principi i smjernice za primjenu Poslovni sustavi, bez obzira da li pripadaju privatnom ili javnom sektoru, danas ne mogu funkcionirati

More information

POSLOVNA STRATEGIJA I POSLOVNI PLAN KAO PRETPOSTAVKA PRAĆENJA KONTINUIRANOG POBOLJŠANJA POSLOVANJA

POSLOVNA STRATEGIJA I POSLOVNI PLAN KAO PRETPOSTAVKA PRAĆENJA KONTINUIRANOG POBOLJŠANJA POSLOVANJA POSLOVNA STRATEGIJA I POSLOVNI PLAN KAO PRETPOSTAVKA PRAĆENJA KONTINUIRANOG POBOLJŠANJA POSLOVANJA KORISTI PREDUZEĆA OD STALNOG UNAPREĐENJA POSLOVANJA: 1. Porast kvaliteta proizvoda, 2. veća profitabilnost

More information

INFORMACONI SISTEMI U TRGOVINI

INFORMACONI SISTEMI U TRGOVINI 2 INFORMACONI SISTEMI U TRGOVINI... Interno poslovanje... IS u trgovini - Jelica Trninić & Jovica Đurković 1 Sadržaj Interno poslovanje na Internetu Intranet Portali E-learninig Upravljanje znanjem Infrastruktura

More information

COMPANY REORGANIZATION THROUGH PRE-PACK REORGANIZATION PLAN

COMPANY REORGANIZATION THROUGH PRE-PACK REORGANIZATION PLAN SYNTHESIS 2015 Contemporary business and management International Scientific Conference of IT and Business-Related Research COMPANY REORGANIZATION THROUGH PRE-PACK REORGANIZATION PLAN REORGANIZACIJA KOMPANIJE

More information

THE ROLE OF DEPOSIT FINANCIAL INSTITUTIONS IN THE DEVELOPMENT OF REAL SECTOR IN THE REPUBLIC OF SRPSKA. Vitomir Starčević.

THE ROLE OF DEPOSIT FINANCIAL INSTITUTIONS IN THE DEVELOPMENT OF REAL SECTOR IN THE REPUBLIC OF SRPSKA. Vitomir Starčević. ECONOMIC THEMES (2017) 55(1): 39-53 DOI 10.1515/ethemes-2017-0003 THE ROLE OF DEPOSIT FINANCIAL INSTITUTIONS IN THE DEVELOPMENT OF REAL SECTOR IN THE REPUBLIC OF SRPSKA Vitomir Starčević University of

More information

ODABIR OPTIMALNOG ERP RJEŠENJA U SREDNJEM PODUZEĆU

ODABIR OPTIMALNOG ERP RJEŠENJA U SREDNJEM PODUZEĆU SVEUČILIŠTE U SPLITU EKONOMSKI FAKULTET DIPLOMSKI RAD ODABIR OPTIMALNOG ERP RJEŠENJA U SREDNJEM PODUZEĆU Mentor: Izv.prof.dr. sc. Maja Ćukušić Student: Anita Žužul Split, kolovoz, 2017. Sadržaj 1. UVOD...

More information

COMPETITIVENESS AS A FUNCTION OF LOCAL AND REGIONAL GROWTH AND DEVELOPMENT *

COMPETITIVENESS AS A FUNCTION OF LOCAL AND REGIONAL GROWTH AND DEVELOPMENT * Ivana Bestvina Bukvić Zagrebačka banka d.d. Trg bana Josipa Jelačića10, 10 000 Zagreb ivana.bestvina.bukvic@os.htnet.hr Domagoj Karačić Josip Juraj Strossmayer University of Osijek Faculty of Economics

More information

REGIONAL DEVELOPMENT IN THE WESTERN BALKANS THROUGH THE SUPPORT OF EU PROJECTS

REGIONAL DEVELOPMENT IN THE WESTERN BALKANS THROUGH THE SUPPORT OF EU PROJECTS Aleksandra Tošović-Stevanović*1 UDK 332.1(497) Vladimir Ristanović**2 339.926(4-672EU) Professional paper received: 14.05.2016. Approved: 31.05.2016. REGIONAL DEVELOPMENT IN THE WESTERN BALKANS THROUGH

More information

Venture Capital Generator of Growth of SME Investment Activities

Venture Capital Generator of Growth of SME Investment Activities Milenko Dželetović 1 Marko Milošević 2 Sonja Čičić 3 JEL: G24 DOI: 10.5937/industrija45-11210 UDC: 330.322.54 Original Scientific Paper Venture Capital Generator of Growth of SME Investment Activities

More information

MENADŽMENT, KONTROLA I ODRŽAVANJE RAČUNOVODSTVENOG INFORMACIONOG SISTEMA MANAGEMENT, CONTROL AND MAINTENANCE ACCOUNTING OF INFORMATION SYSTEMS

MENADŽMENT, KONTROLA I ODRŽAVANJE RAČUNOVODSTVENOG INFORMACIONOG SISTEMA MANAGEMENT, CONTROL AND MAINTENANCE ACCOUNTING OF INFORMATION SYSTEMS 1. Konferencija ODRŽAVANJE 2010 Zenica, B&H, 10.-13 juni 2010. MENADŽMENT, KONTROLA I ODRŽAVANJE RAČUNOVODSTVENOG INFORMACIONOG SISTEMA MANAGEMENT, CONTROL AND MAINTENANCE ACCOUNTING OF INFORMATION SYSTEMS

More information

Control-M The Power of Simple

Control-M The Power of Simple Control-M The Power of Simple Matej Vitez IMAVES d.o.o. Matej.Vitez@IMAVES.hr Control M Control-M Workload Automation je rješenje za automatizaciju upravljanja paketnim obradama Osigurava pokretanje složenog

More information

SVEUČILIŠTE U SPLITU EKONOMSKI FAKULTET SPLIT DIPLOMSKI RAD

SVEUČILIŠTE U SPLITU EKONOMSKI FAKULTET SPLIT DIPLOMSKI RAD SVEUČILIŠTE U SPLITU EKONOMSKI FAKULTET SPLIT DIPLOMSKI RAD PRIMJENA I UTJECAJ CRM-A NA USPJEŠNOST POSLOVANJA NA STUDIJI SLUČAJA SIXT RENT A CAR AGENCIJE MENTOR: Doc.dr.sc.Daša Dragnić STUDENT: univ.bacc.oec.

More information

INVESTMENT PORTFOLIO OPTIMIZATION BY INVESTMENTS IN CATASTROPHE BONDS UDC : Vladimir Njegomir 1, Jelena Ćirić 2

INVESTMENT PORTFOLIO OPTIMIZATION BY INVESTMENTS IN CATASTROPHE BONDS UDC : Vladimir Njegomir 1, Jelena Ćirić 2 FACTA UNIVERSITATIS Series: Economics and Organization Vol. 9, N o 4, 2012, pp. 441-455 Review paper INVESTMENT PORTFOLIO OPTIMIZATION BY INVESTMENTS IN CATASTROPHE BONDS UDC 330.322:336.763 Vladimir Njegomir

More information

Sigurnost podataka i autorizacija

Sigurnost podataka i autorizacija podataka i autorizacija Nenad Mitić Matematički fakultet nenad@matf.bg.ac.rs i : zaštita podataka od neautorizovanih korisnika (zaštita protiv neautorizovanog pristupa, promene ili uništenja) Integritet:

More information

REALIZIRANJE STRATEGIJE POSLOVNOG SUSTAVA PO PROJEKTNOM PRISTUPU

REALIZIRANJE STRATEGIJE POSLOVNOG SUSTAVA PO PROJEKTNOM PRISTUPU WIFI Össtereich Wirtschaftskammer T.E.I. Thessaloniki Greece UDC 65.012.4 Subject review Received: 16.02.2006 Department of Tourism Management REALIZIRANJE STRATEGIJE POSLOVNOG SUSTAVA PO PROJEKTNOM PRISTUPU

More information

Uloga i značaj Competitive Intelligencea s posebnim osvrtom na mystery shopping

Uloga i značaj Competitive Intelligencea s posebnim osvrtom na mystery shopping Uloga i značaj Competitive Intelligencea s posebnim osvrtom na mystery shopping The Role and Importance of Competitive Intelligence with Particular Emphasis on Mystery Shopping LUANA VIDOV diplomirana

More information

Projektovanje poslovnih modela. Informacije o ispitu

Projektovanje poslovnih modela. Informacije o ispitu Projektovanje poslovnih modela Informacije o ispitu Struktura predmeta po temama 1. Projektovanje poslovnih modela i IKT - šablon 2. Projektovanje poslovnih modela i IKT tipski modeli, primeri 3. Uticaj

More information

GLOBALIZACIJA I DIGITALNA EKONOMIJA

GLOBALIZACIJA I DIGITALNA EKONOMIJA Impact of Internet on Business activities in Serbia and Worldwide Uticaj Interneta na poslovanje u Srbiji i svetu doi: 10.15308/SInteZa-2014-143-147 GLOBALIZACIJA I DIGITALNA EKONOMIJA Đorđe Ćuzović 1,

More information

SOME ANALYTIC ITERATIVE METHODS FOR SOLVING VARIOUS CLASSES OF STOCHASTIC HEREDITARY INTEGRODIFFERENTIAL EQUATIONS UDC :531.36:

SOME ANALYTIC ITERATIVE METHODS FOR SOLVING VARIOUS CLASSES OF STOCHASTIC HEREDITARY INTEGRODIFFERENTIAL EQUATIONS UDC :531.36: FACTA UNIVERSITATIS Series: Mechanics, Automatic Control and Robotics Vol.4, N o 16, 2004, pp. 11-31 Invited Paper SOME ANALYTIC ITERATIVE METHODS FOR SOLVING VARIOUS CLASSES OF STOCHASTIC HEREDITARY INTEGRODIFFERENTIAL

More information

ALAT ZA MODELIRANJE POSLOVNIH PROCESA: BPMN BUSSINESS PROCESS MODELING NOTATION: BPMN

ALAT ZA MODELIRANJE POSLOVNIH PROCESA: BPMN BUSSINESS PROCESS MODELING NOTATION: BPMN UDC: 656.51.:65.0123:004 STRUČNI RAD ALAT ZA MODELIRANJE POSLOVNIH PROCESA: BPMN BUSSINESS PROCESS MODELING NOTATION: BPMN Jasmina Obradović, Republički zavod za statistiku, Beograd Dr Marina Milovanović,

More information

VERTIKALNA I HORIZONTALNA INTEGRACIJA I KOOPERACIJA HORIZONTAL AND VERTICAL INTEGRATION AND COOPERATION

VERTIKALNA I HORIZONTALNA INTEGRACIJA I KOOPERACIJA HORIZONTAL AND VERTICAL INTEGRATION AND COOPERATION UDC 339.162.4:339.138 VERTIKALNA I HORIZONTALNA INTEGRACIJA I KOOPERACIJA HORIZONTAL AND VERTICAL INTEGRATION AND COOPERATION Jasmina Ćuić * Nemanja Berber ** Sažetak: Poslujući u promenjivoj sredini,

More information

Valor Kup. bankarsko regionalno takmičenje

Valor Kup. bankarsko regionalno takmičenje Valor Kup bankarsko regionalno takmičenje Beograd, 2015 Upravljajte svojom poslovnom bankom na realnom, konkurentnom tržištu. SADRŽAJ 1. O Valor Kup-u 2. Ciljevi Valor Kup-a 3. O Cesim Bank simulaciji

More information

UTICAJ NAPREDNIH INTERNET TEHNOLOGIJA U E-POSLOVANJU NA ZAPOSLENE U ŽELEZNIČKOM SAOBRAĆAJU

UTICAJ NAPREDNIH INTERNET TEHNOLOGIJA U E-POSLOVANJU NA ZAPOSLENE U ŽELEZNIČKOM SAOBRAĆAJU FBIM Transactions DOI 10.12709/fbim.06.06.01. UTICAJ NAPREDNIH INTERNET TEHNOLOGIJA U E-POSLOVANJU NA ZAPOSLENE U ŽELEZNIČKOM SAOBRAĆAJU THE IMPACT OF ADVANCED INTERNET TECHNOLOGY IN E-BUSINESS OPERATIONS

More information

Mortgage Securities as Funding Source for Mortgage Loans in the European Union 1

Mortgage Securities as Funding Source for Mortgage Loans in the European Union 1 ORIGINAL SCIENTIFIC PAPER UDC: 347.27:336.763(4-672ЕУ) 336.77:332.2 JEL: G10, G18, G28, O16 COBISS.SR-ID: 216167948 Mortgage Securities as Funding Source for Mortgage Loans in the European Union 1 Stefanović

More information

INFLATION TARGETING AS A MONETARY POLICY STRATEGY (APPLICABLE IN NON- EU TRANSITION ECONOMIES)

INFLATION TARGETING AS A MONETARY POLICY STRATEGY (APPLICABLE IN NON- EU TRANSITION ECONOMIES) UDK: 336.7 Datum prijema rada: 05.12.2013. Datum korekcije rada: 23.03.2014. Datum prihvatanja rada: 24.03.2014. EKONOMIJA TEORIJA i praksa Godina VII broj 1 str. 86 96 PREGLEDNI RAD INFLATION TARGETING

More information

PRILAGOĐAVANJA I UPOREDIVOST IZMEĐU KONTROLISANIH I NEKONTROLISANIH TRANSAKCIJA

PRILAGOĐAVANJA I UPOREDIVOST IZMEĐU KONTROLISANIH I NEKONTROLISANIH TRANSAKCIJA UDK: 336.2 Datum prijema rada: 08.02.2017. Datum korekcije rada: 06.03.2017. Datum prihvatanja rada: 20.03.2017. EKONOMIJA TEORIJA I PRAKSA Godina X broj 1 str. 93 102 INFORMATIVNI PRILOG PRILAGOĐAVANJA

More information

UPRAVLJANJE PROCESIMA

UPRAVLJANJE PROCESIMA MASTER STUDIJE UPRAVLJANJE PROCESIMA Fakultet organizacionih nauka 1 Upravljanje procesima Master studije NASTAVNICI (kabinet 311c) doc. dr Barbara Simeunović e-mail: tisma@fon.rs doc. dr Ivan Tomašević

More information

IMPACT OF COMPANY PERFORMANCES ON THE STOCK PRICE: AN EMPIRICAL ANALYSIS ON SELECT COMPANIES IN SERBIA

IMPACT OF COMPANY PERFORMANCES ON THE STOCK PRICE: AN EMPIRICAL ANALYSIS ON SELECT COMPANIES IN SERBIA IMPACT OF COMPANY PERFORMANCES ON THE STOCK PRICE: AN EMPIRICAL ANALYSIS ON SELECT COMPANIES IN SERBIA Original scientific paper Economics of Agriculture 2/2017 UDC: 347.471:336.761.5 IMPACT OF COMPANY

More information

''HITA E-TRADE'' PLATFORMA ZA INTERNET TRGOVANJE v.1.0. Silverlight ČESTA PITANJA

''HITA E-TRADE'' PLATFORMA ZA INTERNET TRGOVANJE v.1.0. Silverlight ČESTA PITANJA ''HITA E-TRADE'' PLATFORMA ZA INTERNET TRGOVANJE v.1.0 Silverlight ČESTA PITANJA 1. Prikazuje mi se Server Error in '/' Application. kada dolazim na etrade stranicu za prijavu. -Molimo provjerite da li

More information

INFLUENCE OF FINANCIAL REGULATIONS ON EARLY-STAGE ENTREPRENEURIAL ACTIVITY

INFLUENCE OF FINANCIAL REGULATIONS ON EARLY-STAGE ENTREPRENEURIAL ACTIVITY RISKS IN CONTEMPORARY BUSINESS ENTREPRENEURSHIP Professional work - prospective study Singidunum University International Scientific Conference INFLUENCE OF FINANCIAL REGULATIONS ON EARLY-STAGE ENTREPRENEURIAL

More information

MENADŽMENT OBRTNIH SREDSTAVA KAO FAKTOR FINANSIJSKE STABILNOSTI MSP

MENADŽMENT OBRTNIH SREDSTAVA KAO FAKTOR FINANSIJSKE STABILNOSTI MSP originalni naučni rad UDK 658.153 ; 005.591.1 Prof dr Živan Nikolić Visoka strukovna škola za računovodstvo i berzansko poslovanje, Beograd zivan.nikolic14@gmail.com Mr Ivan Raonić MENADŽMENT OBRTNIH SREDSTAVA

More information

ENTERPRISE RESOURCE PLANNING

ENTERPRISE RESOURCE PLANNING MIS: ERP sustavi i BI MARKETING-INFORMACIJSKI SUSTAV ENTERPRISE RESOURCE PLANNING Prof.dr.sc. D. Ružić doc.dr.sc. A. Biloš doc.dr.sc. D. Turkalj dr.sc. I. Kelić Katedra za marketing, Ekonomski fakultet

More information

Unapređenje modela organizacije i upravljanja poslovnim procesima u industrijskim uslužnim preduzećima

Unapređenje modela organizacije i upravljanja poslovnim procesima u industrijskim uslužnim preduzećima UNIVERZITET U NOVOM SADU FAKULTET TEHNIČKIH NAUKA U NOVOM SADU Miloš Tomić Unapređenje modela organizacije i upravljanja poslovnim procesima u industrijskim uslužnim preduzećima DOKTORSKA DISERTACIJA Novi

More information

WOULD AN INCREASE IN LOW WORK INTENSITY CONTRIBUTE TO REDUCING POVERTY AND INEQUALITY IN SERBIA?

WOULD AN INCREASE IN LOW WORK INTENSITY CONTRIBUTE TO REDUCING POVERTY AND INEQUALITY IN SERBIA? EKONOMSKE IDEJE I PRAKSA BROJ 24 MART 2017. 37 GORANA KRSTIĆ 1 E-mail: gkrstic@ekof.bg.ac.rs WOULD AN INCREASE IN LOW WORK INTENSITY CONTRIBUTE TO REDUCING POVERTY AND INEQUALITY IN SERBIA? DA LI BI POVEĆANJE

More information

THE REPUBLIC OF CROATIA COPY 1 MINISTRY OF FINANCE-TAX ADMINISTRATION - for the claimant

THE REPUBLIC OF CROATIA COPY 1 MINISTRY OF FINANCE-TAX ADMINISTRATION - for the claimant R E P U B L I K A H R V A T S K A MINISTARSTVO FINANCIJA-POREZNA UPRAVA PRIMJERAK 1 - za podnositelja zahtjeva - THE REPUBLIC OF CROATIA COPY 1 MINISTRY OF FINANCE-TAX ADMINISTRATION - for the claimant

More information

USAGE OF DYNAMIC PLANS IN CIVIL ENGINEERING OF SERBIA UDC (497.11)=111. Milorad Zlatanović, Biljana Matejević

USAGE OF DYNAMIC PLANS IN CIVIL ENGINEERING OF SERBIA UDC (497.11)=111. Milorad Zlatanović, Biljana Matejević FACTA UNIVERSITATIS Series: Architecture and Civil Engineering Vol. 9, N o 1, 2011, pp. 57-75 DOI: 10.2298/FUACE1101057Z USAGE OF DYNAMIC PLANS IN CIVIL ENGINEERING OF SERBIA UDC 624.042.8(497.11)=111

More information

Modelovanje poslovnih procesa

Modelovanje poslovnih procesa Modelovanje poslovnih procesa - slajdovi sa predavanja za II kolokvijum 2012/13 (by Stepke) - 1. UML2.0 - Dijagram Aktivnosti UML UML (Unified Modeling Language) OMG (Object Managemrnt Group) - organizacija

More information

Evidencija, procena, kvantifikacija i analiza poslovanja porodičnih poljoprivrednih gazdinstava

Evidencija, procena, kvantifikacija i analiza poslovanja porodičnih poljoprivrednih gazdinstava Originalan naučni rad Original scientific paper UDK: 633/635:631.117.2 DOI: 10.7251/AGRSR1301087C Evidencija, procena, kvantifikacija i analiza poslovanja porodičnih poljoprivrednih gazdinstava Slobodan

More information

Impact of the Serbian Banking Regulatory Framework Development on the Economic Growth of Serbia

Impact of the Serbian Banking Regulatory Framework Development on the Economic Growth of Serbia Nenad Milojević 1 Bojan Dimitrijević 2 JEL: E500, O420, F430 DOI: 10.5937/industrija41-3432 Original Scientific Paper Impact of the Serbian Banking Regulatory Framework Development on the Economic Growth

More information

COMPARISON OF ECONOMIC FACTORS FOR SUCCESS IN BUSINESS, FOCUS ON INFRASTRUCTURE

COMPARISON OF ECONOMIC FACTORS FOR SUCCESS IN BUSINESS, FOCUS ON INFRASTRUCTURE Mirko Cobović, Ph. D. Student College of Slavonski Brod Dr. Mile Budaka 1, 35000 Slavonski Brod Phone: +385914928017 E-mail address: mirko.cobovic@vusb.hr Andreja Katolik Kovačević, Ph. D. Student College

More information

MINING AND METALLURGY INSTITUTE BOR ISSN: UDK: 622

MINING AND METALLURGY INSTITUTE BOR ISSN: UDK: 622 MINING AND METALLURGY INSTITUTE BOR ISSN: 2334-8836 UDK: 622 UDK: 006.01:622(045)=20 DOI:10.5937/MMEB1303135S Novica Staletović *, Srdja Kovačević **, Nedeljko Tucović ***, Miša Kovačević **** METHODOLOGICAL

More information

MODEL UPRAVLJANJA INVESTICIONIM PROJEKTIMA PRIMJENOM METODE OSTVARENE VRIJEDNOSTI

MODEL UPRAVLJANJA INVESTICIONIM PROJEKTIMA PRIMJENOM METODE OSTVARENE VRIJEDNOSTI INSTITUT ZA RUDARSTVO I METALURGIJU BOR YU ISSN: 1451-0162 KOMITET ZA PODZEMNU EKSPLOATACIJU MINERALNIH SIROVINA UDK: 622 UDK: 65.015:519.21:330.322(045)=861 doi:10.5937/rudrad1301103s Cvjetko Stojanović,

More information

CorPOrate governance: state and. approach. Korporativno upravljanje stanje i tendencije u regionu (regulativni pristup) Abstract.

CorPOrate governance: state and. approach. Korporativno upravljanje stanje i tendencije u regionu (regulativni pristup) Abstract. Scientific Critique udk: 005.21:334.72.021(497) Date of Receipt: October 27, 2014 Nada Vignjević Đorđević State University of Novi Pazar Department of Economics CorPOrate governance: state and TRENDS IN

More information

SVEUČILIŠTE U RIJECI EKONOMSKI FAKULTET

SVEUČILIŠTE U RIJECI EKONOMSKI FAKULTET SVEUČILIŠTE U RIJECI EKONOMSKI FAKULTET ANAMARIJA KOVAČEVIĆ LOGISTIKA U FUNKCIJI UNAPREĐENJA POSLOVNIH PROCESA DIPLOMSKI RAD RIJEKA, 2015. SVEUČILIŠTE U RIJECI EKONOMSKI FAKULTET LOGISTIKA U FUNKCIJI UNAPREĐENJA

More information

Revizija usklađenosti sa ISO standardom Šta to znači. Nikola Jovićević - Menadžer u odeljenju Poslovnog savetovanja, EY Beograd

Revizija usklađenosti sa ISO standardom Šta to znači. Nikola Jovićević - Menadžer u odeljenju Poslovnog savetovanja, EY Beograd Revizija usklađenosti sa ISO standardom Šta to znači Nikola Jovićević - Menadžer u odeljenju Poslovnog savetovanja, EY Beograd Teme ISO 37001 i revizija Izazovi interne revizije Interna revizija ISO standarda

More information

UPOTREBNA VREDNOST INFORMACIJA O NOVČANIM TOKOVIMA

UPOTREBNA VREDNOST INFORMACIJA O NOVČANIM TOKOVIMA UNIVERZITET UNION U BEOGRADU BEOGRADSKA BANKARSKA AKADEMIJA FAKULTET ZA BANKARSTVO, OSIGURANJE I FINANSIJE Mr Slavica M. Stevanović UPOTREBNA VREDNOST INFORMACIJA O NOVČANIM TOKOVIMA Doktorska disertacija

More information

INSTITUTIONAL HARMONISATION AND DEVELOPING MARKETS IN THE CENTRAL BALKANS UDC (497) :164.04(4-672EU:497. Nada Vignjević-Đorđević

INSTITUTIONAL HARMONISATION AND DEVELOPING MARKETS IN THE CENTRAL BALKANS UDC (497) :164.04(4-672EU:497. Nada Vignjević-Đorđević FACTA UNIVERSITATIS Series: Economics and Organization Vol. 7, N o 3, 2010, pp. 291-298 INSTITUTIONAL HARMONISATION AND DEVELOPING MARKETS IN THE CENTRAL BALKANS UDC 330.322(497) 336.71:164.04(4-672EU:497

More information

Poslovanje turističkih agencija i organizatora putovanja. Savremene tendencije u procesima integracije organizatora putovanja i turističkih agencija

Poslovanje turističkih agencija i organizatora putovanja. Savremene tendencije u procesima integracije organizatora putovanja i turističkih agencija Poslovanje turističkih agencija i organizatora putovanja Savremene tendencije u procesima integracije organizatora putovanja i turističkih agencija Različiti korišćeni oblici u procesima integracije i

More information

PODALI O PODNOSITELJU ZAHTJEVA DAVATELJU LICENCE INFORMATION ON THE CLAIMANT LICENSOR:

PODALI O PODNOSITELJU ZAHTJEVA DAVATELJU LICENCE INFORMATION ON THE CLAIMANT LICENSOR: REPUBLIKA HRVATSKA MINISTARSTVO FINANCIJA - POREZNA UPRAVA THE REPUBLIC OF CROATIA MINISTRY OF FINANCE TAX ADMINISTRATIO PRIMJERAK I - za podnositelja zahtjeva - copy 1 - tor the daimant - ZAHTJEV ZA UMANJENJE

More information

Some of the Unanswered Questions in Finance

Some of the Unanswered Questions in Finance PANOECONOMICUS, 2006, 2, str. 223-230 UDK 336.76:339.13 Some of the Unanswered Questions in Finance Dragana M. Đurić Summary: A very dynamic development of finance in the last 50 years is inter alia probably

More information

BIRD Academy. Iskoristite puni potencijal podataka uz inovativne edukacije!

BIRD Academy. Iskoristite puni potencijal podataka uz inovativne edukacije! Iskoristite puni potencijal podataka uz inovativne edukacije! O Poslovnoj inteligenciji Kao vodeća tvrtka za implementaciju analitičkih sustava i strateški ICT konzalting u jugoistočnoj Europi, specijalizirani

More information

ZNAČAJ I TRETMAN OPERATIVNIH RIZIKA U BANKARSKOM MENADŽMENTU

ZNAČAJ I TRETMAN OPERATIVNIH RIZIKA U BANKARSKOM MENADŽMENTU stručni prilozi UDK 005.334:336.71 Rezime mr Olivija Filipovska Komercijalna banka ad Skopje Olivija.Filipovska@kb.com.mk ZNAČAJ I TRETMAN OPERATIVNIH RIZIKA U BANKARSKOM MENADŽMENTU Internacionalni bankarski

More information