مهندسی ارزش و هوش تجاری

 

بنام خدا

روز ۱۷ اردیبهشت، یعنی حدود ۵ روز قبل در حاشیه کنفرانس ملی تجارت و اقتصاد الکترونیکی کارگاه آموزش در خصوص مهندسی ارزش توسط جناب آقای دکتر قدمی برگزار شد که متاسفانه یا خوشبختانه از آنجایی که این کارگاه باعث شده بود کارگاه آموزش داده کاوی که مجری آن شرکت ما بود به روز ۱۸ اردیبهشت منتقل شود، بنده مجبور شدم در این کارگاه حضور داشته باشم !

دلیل اجبار هم این بود که به من اطلاع دادند که عده ای از علاقه مندان کارگاه داده کاوی به اشتباه در جلوی درب تالار فیض تجع کرده اند و نیاز به اطلاع رسانی در خصوص جابجایی برنامه دارند.

به هر حال بنده وقتی پایم را به داخل تالار گذاشتم و جمعیت ۵ یا ۶ نفری افراد حاضر در کارگاه را دیدم احساس کردم که اینجا باید یک خبر مهمی باشد!!!! چون معمولا ما از سخنان معمولی استقال میکنیم نه از سخنان سنجیده ...

خلاصه اینکه نشستم و گوش داده.

مطالبی که ایشان راجع به مهندسی ارزش میفرمودند از سخنانی که تا قبل از این شنیده بودم متفاوت بود و از بُعدی به قضیه نگاه میکردند که من حس کردم به دیدگاه های شخصی من بسیار بسیار نزدیک است.

مهندسی ارزش یعنی احصای ارزش های یک سازمان با توجه به چشم انداز،اهداف، استراتژی ها و ماموریت سازمان.

پیاده سازی آن چگونه است؟

با استفاده از ابزارها و مدل های تعین استراتژی مثل کارت امتیازی متوازن.

نکته جالب برای من چه بود ؟

تاکید استاد بر تعیین شاخص های اندازه گیری عملکرد و نظارت و رسیدن به سازمان هوشمند و زنده !

یعنی استقرار نظام هوش کسب و کار یا هوش تجاری !

بطور کلی در دنیای متلاطم امروز، از هر منظری که با بحث سازمان و مدیریت بهینه آن نگاه شود، به مقوله جذاب هوش کسب و کار میرسیم!

سازمان های هزاره سوم، سازمان های هوشمند هستند و این هوشمندی حاصل همکاری تمام دانش ها و علوم مختلف است.

از ریاضی و آمار و کامپیوتر و هوش مصنوعی و محاسبات عددی و داده کاوی و بانک های اطلاعاتی و مهندسی ارزش و بازمهندسی فرآینده ها ومدل های تعالی سازمانی و مدیریت دانش و مدیریت ارتباط با مشتریان و مدیریت زنجیره تامین و ادبیات و اقتصاد و حقوق و همه و همه گرفته تا فلسفه و عرفان !!!!

امیدوارم روزی برسد که تمام سازمان ها هوشمند شده باشند ....

 

 

 

دلایل شکست پروژه های هوش تجاری درسازمان

 

دلایل شکست پروژه های هوش تجاری درسازمان  

 

هوش کسب وکار یک رویکرد و استراتژی بر مبنای معماری مبتنی بر فناوری اطلاعات است. اما پیاده سازی و استقرار هوش تجاری در سازمان نیازمند دیدگاهی همه جانبه است. دلیل ۴۰ تا ۶۰ درصد شکست پروژه های هوش تجاری رویکرد مبتنی بر فناوری اطلاعات محض بوده است.

معیار هایی که برای سنجش پیاده سازی موفق هوش تجاری در سازمان ها میتوان در نظر گرفت عبارتند از :

ü      تصمیمات بهتر با سرعت و اثربخشی بیشتر

ü      عملیات ساده و موثر

ü      سیکل های کوتاهتر توسعه و عرضه محصول جدید به بازار

ü      درآمد بیشتر از کسب و کار موجود

ü      قابلیت بهره برداری از فرصت های جدید

ü      رضایت بیشتر مشتری و سطوح سرویس دهی بالاتر

ü      بهبود  بازاریابی و افزایش میزان فروش

و عواملی که برای شکست یک پروژه هوش تجاری میتوان در نظر گرفت عبارتند از:

1.      فقدان همکاری و درگیری سازمانی

سیستم هوشمندسازمانی دائما در حال استنتاج و بروز رسانی هستند و نیاز به درگیری کارکردی دارند. سیستم هوش تجاری یک سیستم مستقل نیست بلکه استراتژی سازمان ها باید بگونه ای باشد که تعهد همکاری از همه واحد های کسب و کار در‌ آن منعکس شود.

2      فقدان پشتیبانی از سوی  سازمان

پروزه هوش تجاری نیاز به پشتیبانی از بالا دارد. در غیر اینصورت مانند سایر پروژه های فناوری اطلاعات در سازمان به آن نگاه میشود و این مساله منجر به دور شدن هوش تجاری از اهداف کلان و تمرکز بر کسب کار خواهد شد.

.3      فقدان بخش های اجرایی مختص کسب و کار

پروژه های هوش تجاری نباید توسط ستاد فناوری اطلاعات اجرا شوند زیرا فاقد تیزهوشی و رهبری لازم برای کسب و کار هستند. دلیل این امر این است که بخش های کسب و کار دارای یک بینش برای دستیابی به موفقیت هستند. بنابراین باید مدیران بخش ها و واحد های مختلف سازمان را برای مشارکت در پروژه هوش تجاری تحریک کرد.

.4      فقدان کارشناس و آموزش

از آنجاییکه پروژه های هوش تجاری کاملا کارکردی هستند، مهارت های تجزیه و تحلیل بالایی در کارمندان را میطلبند و به دانش شاخصهای ارزیابی عملکرد مانند کارت امتیازی متوازن برای ستجش و محک موفقیت احتیاج دارند.از این رو نیاز به استخدام و آموزش کارشناسانی در همه بخش های مورد نیاز خواهد بود.

.5      فقدان برنامه ریزی دقیق

 

پروژه های هوش تجاری به دلیل ماهیت تکراری بودن، نیاز به برناه ریزی دارند. به منظور غلبه بر مشکلات آینده ، برآورده ساختن احتیاجات پروژه ای نظیر منابع داده،پایگاه داده ها، هزینه یابی، ارزیابی ریسک، برنامه ریزی تفصیلی پروژه، عوامل کلیدی موفقیت و محدودیت ها باید بصورت واضح طرح ریزی شوند.

.6      فقدان توسعه تکراری

.7      داده های چند تکه و فاقد استاندارد

نیاز به طراحی انبار داده های سازمانی، عدم استفاده از ابزارهایی که منجر به پیامدهای تبادل اطلاعاتی و افزایش پیچیدگی ها میگردند.

.8      عدم کیفیت داده های منبع و طراحی انبار داده ها

تعریف خوب از انبار داده ها زیرا انبار داده باید خودش بتواند خودش را تعریف کند و توصیف کند و فعالیت ها را در جهت فعالیت های کسب و کار هدایت کند. همچنین کیفیت داده ها و محل نگهداری آنها بسیار مهم است. مرحله پاک سازی داده ها بسیار مهم است.

 

منبع: کتاب هوشمندی کسب و کار و داده کاوی