INFORMACIJSKE TEHNOLOGIJE I POSLOVANJE

Transcription

1 INFORMACIJSKE TEHNOLOGIJE I POSLOVANJE Nastavnici: Prof.dr.sc. Josip Mesarić Prof.dr.sc. Branimir Dukić Prof.dr.sc. Marijana Zekić Sušac Asistenti: Adela Has mag.oec Dario Šebalj mag.oec

2 Cjeline i ishodi učenja Cjeline 1. Što se podrazumijeva pod pojmom IT (ICT) 2. Ključne komponente i podsustavi IT-a 3. Karakteristike i uloge komponenata i podsustava 4. Integracija 5.ICT u poslovnim sustavima Ishodi učenja 1.Razumijeti i interpretirati pojam ICT u užem (tehničkom i širem (ekološkom) smislu 2.Prepoznati i opisati područja upotrebe ICT u poslovanju 3.Razumijeti i interpretirati trendove u obradi podataka 4.Razumijeti i objasniti ulogu ICT podsustava u poslovanju 2

3 ICT (Računalni) sustav Računalni sustav tehnički koncept Obuhvaća: Računalo i ulazno-izlazne podsustave Programska rješenja (skup programskih instrukcija) za Upravljanje radom hardverskih komponenata i povezivanje s korisničkim programima Rješavanje specifičnih zadataka Računalni sustav ekološki koncept Obuhvaća: Računalo s ulazno-izlaznim podsustavima Programska rješenja (skup programskih instrukcija) za Upravljanje radom hardverskih komponenata i povezivanje s korisničkim programima Rješavanje specifičnih zadataka Ljude sudionike u interakciji s hardverom i softverom Organizaciju Podatke (u najširem smislu) 3

4 Računalni sustav tehnički koncept Računalo (matična ploča, procesor, RAM, U/I sustavi) Sustavi za pohranu lazne (ulaznozlazne) jedinice Posrednički podsustav (pr. grafička kartica) Izlazne jedinice (Zasloni, pisači.) 4

5 Hardver - ulazi Ulaz: rješava problem unosa i pretvorbe pojavnog (semantičkog) oblika podataka u fizički oblik prepoznatljiv stroju Znak Broj Zvuk Slika Uz pomoć U/I podsustava i programa kodiranje Izlaz Znak Broj Zvuk Slika Semantički oblik I Fizički oblik razumljiv procesoru kontrola Semantički oblik II 5

6 Hardver - obradba Obradbene jedinice procesori i memorija na temelju programskog koda nad podatcima izvode potrebne operacije Obradbena jedinica Podatci strojni oblik Programi strojni oblik Klasifikacija Kategorizacija Izračuni Logičke operacije... Pohrana - strojni oblik 6

7 Hardver - pohrana Pohrana: rješava problem pretvorbe logičke organizacije (datoteka i mapa) u fizičku organizaciju podataka i pohranu velikog broja podataka koji se mogu brzo zapisati, kojima se može brzo pristupiti i pročitati ih a zapis je trajan CPU,RAM spremanje podataka na nositelje podataka u računalu podesnoj formi održavanje datoteka i nosilaca podataka U/I podsustav Tehnologije zapisa: Na mikročipu Magnetni zapis Optički zapis 7

8 Hardver - izlazi Izlaz: rješava problem pretvorbe fizičkog oblika podataka u semantički oblik prepoznatljiv čovjeku (korisniku) ili drugom stroju Fizički oblik podataka Uz pomoć U/I podsustava i programa Dekodiranje Abc...z 1,2, priređivanje izlaznih informacija za distribuciju distribuiranje informacija onima kojima su namjenjene pregled i analiza informacija, pisanje izvješća i donošenje odluka Semantički oblik podataka 8

9 Komunikacije i mreže Mreže omogućuju: Korištenje resursa drugih računalnih sustava (podataka, programa) Racionalno iskorištavanje zajedničkih resursa Komunikaciju podatcima, zvukom i/ili slikom u realnom vremenu Brzo pretraživanje podataka Slanje i primanje elektroničke pošte Integraciju različitih mrežnih usluga 9

10 Prijenos i distribucija podataka Problem uspostave komunikacijskog odnosa, problem prijenosa signala (podataka), problem prihvaćanja, provjere i kontrole KORISNIK I NJEGOVA OPREMA (Terminal) Zahtjev Uspostava Paket PRISTUPNA MREŽA Žična Bakrena Optička Bežična JEZGRENA MREŽA Paketni dio Kanalski dio Druge mreže iste ili drugih vrsta Pojedinačni korisnik Skupni korisnici (LAN) Pristup uz upotrebu uređaja i softvera; uspostava zahtjeva Pristupna mreža Uloga: spajanje korisničke opreme i uspostava veze s jezgrenom mrežom Jezgrena mreža Uloga: prospajanje i usmjeravanje korisničkih tokova, lociranje korisnika, sigurnost, brzina 10

11 Software (softver) - program Slijed logičkih koraka koji se mogu iterativno ponavljati izrečen u jeziku kojeg poznaje čovjek; logičkim koracima rješava se specifičan korisnički problem; ako se slijedom tih logičkih koraka želi upravljati računalnim komponentama i povezati čovjeka i stroj treba riješiti Problem: kako čovjeku bliske jezične strukture prevesti u stroju prepoznatljivi oblik Rješenje: programi prevoditelji 11

12 Vrste softvera Softver Sistemski Primjenski Razvojni Operacijski sustav Pomoćni Mrežni Opći Posebni Programski Jezici i alati Upravljanje prometom Tekstualni procesori Poslovna aplikacija Mrežni Servisi Tablični kalkulatori Zabava Prezentaciiski Baze podataka 12

13 Lifeware ljudi i ICT Aspekti: Korisnički korisnici primjenskih programa, information worker Kreativni programeri (developeri) Upravljački sistem administratori Organizacijski organizatori IS-a, informacijski menadžeri Kontrolni kontrolori podataka, kontrolori programa, komunikacija, hardvera 13

14 Podatci, informacije, znanje Pojam podatka, informacije i znanja Podatak ( jednina: datum, množina: data): broj, pojedinost, nevrednovana činjenica, koncept, opis, pojava; nešto što je dano kao takvo; u računalnim sustavima sve što se može prevesti u računalu podesan (razumljiv) oblik i obraditi nekim programom Program skup instrukcija napisanih u programskom jeziku i prevedenih u oblik koji se izvodi u procesoru računala Podatak - za računalo je sve drugo što nije program Informacija: pojam sa više značenja ovisnih o kontekstu Informacija je povećanje određenosti (o nečem...- inverzna Shannonova definicija) Proizlazi iz podataka i logičkih operatora nad njima ( obrađeni podatak) Odnos podatka i metapodatka Sinonim za podatak Mjera neodređenosti sustava Podatak u kontekstu (spoznaje)... Znanje: informacije i podatci vezani uz spoznajni proces i iskustvo (informacija u kontekstu) na temelju koje se mogu stvarati nove informacije i novi podatci kao i novi algoritmi. 14

15 Podatci modeli podataka strukturirani svaki podatak ima jedinstvenu strukturu (atribute i njihove vrijednosti i veze među njima) Primjer: - Podatci u tablicama različitih baza podataka (studenti, stanovnici države, korisnici mobitela, pacijenti) PODATCI I INFORMACIJE određuju način (model): Pribavljanja Unosa Organizacije Obrade Pohrane Distribucije Pretraživanja Analize Korištenja nestrukturirani ne postoji jedinstvena struktura kojom bi se otkrio odnos među podatcima Primjer: Slike, binarne datoteke, tekstualni podatci u nekom prirodnom jeziku, audio zapisi, video zapisi ) 15

16 Podatci modeli i metode organizacije pohrane i obradbe podataka strukturirani PODATCI I INFORMACIJE Modeli i metode nestrukturirani dio su modela baza podataka za čije kreiranje, obradu, pretraživanju i predstavljanje u korisniku razumljivoj formi se koriste posebni programski sustavi (Data Base Management Systems) njihov smisao se u datom kontekstu mora objasniti. (Metode datamininga, asocijacijskih pravila, strojnog učenja, semantičkih mreža, ekspertnih sustava.) 16

17 Problemi s podatcima nekada Nedostatnost Slabe mogućnosti obrade Nemogućnost razmjene Ograničeni formati Podatci postaju -Decentralizirani -Obilniji (voluminozni) u smislu količine -Različitiji u smislu brojnijih tipova i formata -Sve brži u nastajanju -Kompleksni po sadržaju i mogućnostima za njihovu obradu danas Preobilnost Nedostatni ili nerazvijeni alati za manipulaciju Nužnost razumijevanja konteksta za interpretaciju 17

18 Problemi s podatcima - trendovi Decentralizacija podatci nastaju na različitim mjestima, prikupljaju se, povezuju, obrađuju, koriste u datom kontekstu i pohranjuju lokalno ili se distribuiraju na lokalne uređaje, lokalne mreže (LAN), vanjske mreže (WAN) ili u oblak (CLOUD) Voluminoznost broj digitaliziranih podataka raste eksponencijalno, osobito nakon pojave Interneta i mjeri se danas u PB (petabyte = i stremi ka EB (egzabyte = byta; (pohrana na velikim podatkovnim serverima) Oblici i formati sve postaje podatak; sve se digitalizira - klasični podatci u ogromnim bazama o ljudima, stvarima (Internet of things), događajima, mjestu boravka, pristupu internetu, slike, tekstovi Brzina nastajanja broj podataka koji je prikupljen i pohranjen u posljednjih 5 godina veći je od broja podataka zabilježenih u cijeloj prethodnoj povijesti čovječanstva i postoji trend uduplavanja u slijedeće dvije godine Način obrade nekada se iz ogromnog fonda podataka uzimao uzorak i obrađivao nekom od metoda; danas se obrađuje sve. Klasični DBMS sustavi i drugi programi postaju ograničeni za obradu; Nove metode i modeli (NoSQL, Hadoop ) 18

19 Društvene mreže Podatci integracija i trendovi Računarstvo Društvenih mreža Strategije otkrivanja obrazaca Semantičko pretraživanje i domensk Klasifikacija sadržaja radi modeli stavljaju u kontekst za korisn lakše analize i izračuna Kontekstualno Računarstvo Dodavanje metapodataka nestrukturiranim sadžajima. Standardizacija, unifikacija i integracija sa strukturiranim podatcima Pretraživanje/ Mobilnost UL.-IZL. dokumenti transakcijski podaci TRANS. P O S L O V N I S U S T A V slike audio zapisi video zapisi tekstovi 19 Izvor: Modificirano prema The Role of Semaphore Content Intelligence in Big Data Analytics, hhtp://

20 Računalna (r)evolucija uzroci i posljedice Zahtjevi poslovnih sustava Za sve većim brojem podataka Za novim pojavnim oblicima podataka Za sve većim brzinama prijenosa podataka Za kompleksnijim područjima upotrebe Za integracijama podataka Pokretačka snaga ICT brzi rast i razvoj ICT-a njihova moć i (sve niža) cijena mijenja se dramatično računala (ključne komponente procesori i memorije, ulazno izlazni podsustavi), komunikacije softver podatci 20

21 Računalna (r)evolucija postoje li zakonitosti i gdje su granice Zakon po kojem se brzina i obradbena moć procesora udvostručuje svakih 1,5-2 godine naziva se Moore-ov zakon* Slične se zakonitost uočavaju u razvitku kapaciteta eksternih i interne memorije i brzina prijenosa podataka Granice: određene su fizičkim i tehničkim mogućnostima raspoloživih materijala i sustava (*Gordon Moore jedan od osnivača INTEL-a) 21

22 Moore-ov zakon za memorije, kapacitete diskova i brzine prijenosa podataka Brzine prijenosa (KBs) Diskovi(Mb) Memorija (Mb) godina -4 22

23 Gdje su granice? Ravnoteže ekonomske efikasnosti proizvodnje i upotrebe novih tehnologija i novih otkrića i potreba Nove potrebe i nova otkrića Zahjtevi za povrat ulaganja Novi materijali i tehnologije Fizičke i tehničke karakteristike postojećih materijala i sustava Novi načini korištenja Masovna proizvodnja Proširivanje postojećih i nove potrebe Širenje u različia područja primjene 23

24 Informacijske tehnologije SWOT analiza S strength (snaga) W weaknesses (slabost) O oportunities (prilike) T threats (zapreke) S Sve veća obradb. moć Sve niže cijene po jedinici obr. podataka Zamjena ljudskog rada u rutinskim i intelektualnim poslovima (Gotovo) sve se može prevesti u digitalizirani oblik podesan za obradu i čuvanje na računalu Pristup ogromnim fondovima informacija i znanja Prihvatljiva mlađim generacijama Diverzifikacija u sva područja Konkurent. prednost zbog brze obrade Olakšavanje rada O W Ranjivost na provale i krađe Neprihvaćanje i loša iskoristivost Ovisnost nerazvijenog svijeta od ICT oligopola Informacijska preobilnost Cijena sofwtare raste Pristup povjerljivim informacijama Napad na privatnost Računalni kriminal Računalni virusi Ugrožavanje autorskih prava T 24

25 ICT i poslovanje stanje i trendovi ICT u svim područjima ljudske prakse Prodor u sve poslovne funkcije, sve aktivnosti i poslovne procese Relativno jednostavne obrade nad velikim brojem podataka (računovodstvo) Kompleksne metode za oblikovanje proizvoda i vođenje proizvodnje (CAD,CAM,CIM) Digitalizacija vrlo kompleksnih (multimedijalnih) podataka Upravljanje složenim kompleksnim procesima (SCM, CRM, ERP) Nove analitičke i prognostičke metode i simulacija ljudskog načina odlučivanja (Ekspertni sustavi, Neuronske mreže, Neizrazita logika, Poslovna inteligencija) Složene analitike svih vrsta podataka u svrhu donošenja poslovnih odluka Novi informacijski servisi i pretraživački alati Mobilno poslovanje 25

26 ICT i poslovanje stanje i trendovi ICT i promjene načina rada i poslovanja i nova područja rada Rad u timovima i nužnost brze i jednostavne komunikacije Mobilnost i pristup udaljenim podacima Nehijerarhijske organizacije Fleksibilni proizvodni sustavi, zemljopisni informacijski sustavi, Digitalni uredi Elektroničko poslovanje i elektronički sustavi plaćanja Novi procesi, proizvodi i usluge, nova radna mjesta i nova tržišta 26

27 ICT i poslovanje stanje i trendovi Virtualizacija Korištenje različitih resursa (programa i podataka s drugih računala i stvaranje predodžbe da ih korisnik ima na svom računalu (virtualizacijski softver i hardver na virtualizacijskim serverima) Računarstvo u oblaku Integracije i kolaboracije Integracija aplikacija u jedinstvene kompleksne poslovne pakete za vođenje cjelokupnog poslovanja i/ili skupina poslovnih procesa (ERP, SCM, CRM, CAM, CIM, BI) Integracija podataka i pristup velikom broju baza Integracija Web tehnologija i tehnologija za pretraživanje i prijenos podataka Integracija programskih alata 27

28 Evolucija korištenja IT-a u poslovanju Stupanj integracije Jednostavne obrade, zasebne aplikacije i datoteke podataka; batch obrada; Jezici III generacije Hijerarhijske baze podataka i mrežni modeli; jednostavne obrade nad velikim brojem podataka; specijalizirani jezici; (COBOL) Slabo povezane aplikacije; obrada i podatci su na središnjem računalu Pojava novih baza podataka i jezika (4GL) Za rad s bazama podataka; pojava PC-a, obrade se odvajaju od podataka; inteligentni terminali; lokalne mreže i funkcionalno orijentirane aplikacije ` Relacijske baze dsa podataka i sustavi za upravljanje bazama podataka (DBMS); SQL; modularni razvoj aplikacija na jedinstvenim bazama; integracija poslovnih procesa Application process Višedimenzijske baze podataka i OLAP; CASE alati za projektiranje informacijskih sustava; Pojava ERP sustava Grafički OS i nova sučelja Internet i intranet; lokalne i globalne mreže; klijentskoposlužiteljske tehnologije u dva i više slojeva; html i XML Exchange Organizati on NDPS Manager Objektno orijentirane baze i objektnorelacijske baze podataka; novi oblici podataka; brze mreže i novi jezici za mrežne aplikacije godina EFOS Informatika2013/14 28

29 ICT i poslovanje opisi važnih skraćenica: ERP Enterprise Resource Planning visoko integrirani informacijski sustav poduzeća koji pokriva sve interne procese (transakcijske, upravljačke, planskoanalitičke, komunikacijske i kontrolne) i povezuje vanjske i unutrašnje podatke SCM Supply Chain Management kompleksna zasebna (ali može biti i dio ERP-a) aplikacija putem koje se uspostavljaju odnosi s dobavljačima, planovima proizvodnje, skladištenja, logistike i zahtjevima (narudžbama) kupaca CRM Customer Relationship Management skup programskih rješenja kojima se uspostavlja prikupljanje podataka, razmjena podataka i analitika kupaca s ciljem zadržavanja postojećih klijenata i pridobivanja novih CAM Computer Aded Manufacturing skup programskih rješenja za planiranje i projektiranje proizvoda (proizvodnog programa) i upravljanje (potpuna automatizacija) proizvođačkim procesom CIM - Computer Integrated Manufacturing - kompleksno programsko rješenje koje ujedinjuje planiranje proizvodnje, projektiranje proizvoda i robotizirane sustave u proizvodnji BI Business Intelligence skup poslovnih aplikacija (zasebnih ili kao dio ERP-a) pomoću kojih se izvodi poslovna analitika (financijska, robna, radna) i procjenjuje sustav ili njegovi dijelovi i aktivnosti prema definiranim skupovima indikatora (KPI Key Performance Indicators) 29

30 Suvremeno poslovanje = elektroničko Karakteristike: poslovanje Digitalizirani interni procesi i informacijski sadržaji i tokovi Komunikacija među poslovnim sustavima i intenzivna razmjena podataka kroz kolaboracijske procese s okolinom (SCM, CRM, ERP, e-commerce, e-government, e- obrazovnje, e-bankarstvo) 30

31 Dobavljači K u p c i Poslovni sustav funkcije, procesi, radni tokovi i informacijski tokovi Ljudski resursi Uprava Menadžment Pravna služba Banke Drugi poslovni sustavi Računovodsvo i financije Državne ustanove Nabava i kupovina Proizvodnja Skladište/ logistika Razvoj Marketing Prodaja EFOS Informatika2014/

32 Poslovni sustav elementi, podsustavi i okruženje Elementarni procesi u kojima se prikupljaju i obrađuju podatci integriraju se zbog povezanosti s drugim procesima u složenije informacijske arhitekture podsustave; U poslovnim sustavima mogu se uočiti podsustavi: Informacijski podsustav računovodstva i financija Informacijski podsustav plana i analize Informacijski podsustav proizvodnje i skladišta Informacijski podsustav marketinga i prodaje Informacijski podsustav nabave 32

33 Poslovni sustav elementi, podsustavi i okruženje Sve je u poslovnom sustavu opisano nekim konačnim skupom podataka; Ciljevi i planovi Tehnologija Procesi i materijali Objekti Događaji Sudionici Aktivnosti Ulazi Izlazi Upravljanja Komunikacije datafikacija INFORMACIJSKI RESURSI 33

34 Informacijski resursi poslovnog sustava Procesi i nositelji Materijalni Financijski Ljudski Tehnološki Poslovne funkcije: Proizvodnja Marketing Nabava Prodaja Održavanje Računovodstvo Financije NESTRUKTURIRANI PODATCI I INFORMACIJE Određuju način: Pribavljanja Unosa Obrade Pohrane Distribucije Analize STRUKTURIRANI 34

35 Poslovni informacijski sustav kompleksnost i nužnost modeliranja INFORMACIJSKI SUSTAV = MODEL POSLOVNOG SUSTAVA U INFORMACIJSKOM POLJU Modeli u poslovnom sustavu IS JE KOMPLEKSAN SUSTAV PO SVEMU ŠTO NEKI SUSTAV ČINI KOMPLEKSNIM Nužnost modeliranja Model pojednostavljeni prikaz sustava s njegovim najbitnijim sadržajima Izvor: Jonás Montilva C. and Judith Barrios A. BMM: A Business Modeling Method For Information Systems Development, CLEI ELECTRONIC JOURNAL, VOL. 7, NO. 2, PAPER 3, DECEMBER

36 IS Proizvodnje IS Računovod. IS Financija IS Marketinga IS nabave IS Prodaje Uredski IS... itd. Analiza Sinteza R a z i n e u p r a v lj a nj a Dijelovi IS-a za izvršenje ciljeva IS-a Sustavi za komunikaciju i suradnju Inteligentne metode odlučivanja Modeli odlučivanja Sinteza informacija iz transakcijskog IS-a Inteligentni sustav za potporu odlučivanju Sustav za potporu odlučivanju Upravljački IS Transakcijski (operativni) IS-i 36

37 Poslovni sustav i ICT -infoarena Poslovni sustav 37

38 Literatura Čerić, V., Varga, M: Informacijska tehnologija u poslovanju, Element, Zagreb, 2004 Mayer-Schonberger, V., Cukier, K.: Big Data A Revolution That Will Transform How We Live, Work and Think, John Murray Publisher, London, 2013 The Role of Semaphore Content Intelligence in Big Data Analytics, hhtp:// Jonás Montilva C. and Judith Barrios A. BMM: A Business Modeling Method For Information Systems Development, Clei Electronic Journal, Vol. 7, No. 2, Paper 3, December