Η τεχνολογία αποτελεί ίσως το σημαντικότερο ανταγωνιστικό πλεονέκτημα κάθε σύγχρονου οργανισμού. Στο κυβερνητικό περιβάλλον τα τελευταία χρόνια έχουν γίνει μεγάλες επενδύσεις στο συγκεκριμένο τομέα. Προσωπικά συστήματα βελτιώνουν την παραγωγικότητα, κεντρικά συστήματα δημιουργούν έργο-ομάδες και οργανώνουν τις διοικητικές διαδικασίες, δίκτυα δεδομένων επιταχύνουν την επικοινωνία και διαχέουν κρίσιμες πληροφορίες.
Η συγκεκριμένη κατάσταση είχε μια σημαντική παρενέργεια: Για πρώτη φορά αποθηκεύτηκαν τόσα πολλά δεδομένα σε τόσο γρήγορες συσκευές και με τόσο μεγάλη ευκολία. Και η κατάσταση συνεχίζεται: Κάθε νέα εγγραφή, κάθε νέα υπηρεσία, κάθε δεδομένο, κάθε στοιχείο πληροφόρησης προστίθεται κάθε δευτερόλεπτο σε ένα τεράστιο αποθηκευτήριο δεδομένων. Και παραμένει εκεί, σταθερό, σιωπηλό και ανεκμετάλλευτο.
Όμως, τα δεδομένα κρύβουν πολύ περισσότερα από απλά στοιχεία γεγονότων. Η συνδυασμένη, συνολική ή εξατομικευμένη θεώρησή τους κρύβει ένα θησαυρό γνώσης. Μια προσεκτική ανάλυση αυτών των τεράστιων όγκων πληροφοριών οδηγεί τον οργανισμό σε καταγραφή τάσεων, σε αναγνώριση εξελίξεων και, εν τέλει, παρέχει όλες τις πληροφορίες που απαιτούνται για τη λήψη των βέλτιστων αποφάσεων. Πολλοί οργανισμοί έχουν δημιουργήσει υποδομές ανάλυσης δεδομένων, γνωστές και ως "data mining" διαδικασίες. Αλλά αυτό δεν είναι παρά "η κορυφή του παγόβουνου". Γιατί "ανάλυση δεδομένων" σημαίνει πολύ περισσότερα απ' όσα εννοεί ο συγκεκριμένος όρος.
Διαφορετικές αναλύσεις - Διαφορετική γνώση
Στην ανάπτυξη και υλοποίηση εφαρμογών ανάλυσης δεδομένων επικρατεί μια σύγχυση. Ανάλογα με ποιος εκφράζει τη γνώμη του, το OLAP είναι καλύτερο από το Data mining, ενώ η απλή εκπόνηση αναφορών ( Query & Reporting) παρέχει πλήρη γνώση για τα δεδομένα. Φυσικά, υπάρχει και η ολιστική προσέγγιση, σύμφωνα με την οποία η τεχνολογία που χρησιμοποιείται είναι μεν ενιαία αλλά ενσωματώνεται σε προϊόντα που το καθένα ανταποκρίνεται στις ανάγκες συγκεκριμένων απαιτήσεων, διαμορφώνοντας έτσι την κατάλληλη πρόταση σε σχέση με τις ιδιαιτερότητες κάθε οργανισμού/χρήστη. Στα πλαίσια αυτής της προσέγγισης, η "Αναλυτική Διαδικασία" διαχωρίζεται σε "Ανάλυση Ιστορικών Στοιχείων" και σε "Προγνωστική Ανάλυση". Η πρώτη κατηγορία περιλαμβάνει:
- τις γνωστές και ευρύτερα διαδεδομένες διαδικασίες παραγωγής στατικών αναφορών στα δεδομένα
- την ανάλυση των δεδομένων ανάλογα με τις διαστάσεις (χώρος/χρόνος/ποσότητα/υπηρεσίες/,κ.λπ.) που ενδιαφέρουν κάθε φορά τον χρήστη.
Η δεύτερη κατηγορία αποτελεί την εξέλιξη στον τομέα της ανάλυσης δεδομένων και προσφέρει σε κάθε οργανισμό τη δυνατότητα όχι να εξαγάγει συμπεράσματα για γεγονότα που έχουν ήδη συμβεί αλλά να προβλέψει (και, κατά συνέπεια, να μπορέσει να αντιδράσει) τις εξελίξεις, βασιζόμενος πάντα στη γνώση που "κρύβουν" τα αποθηκευμένα δεδομένα. Στην κατηγορία της "Προγνωστικής Ανάλυσης" περιλαμβάνεται:
- το "Data Mining", που παρέχει πληροφορίες για τις επικρατούσες τάσεις που προκύπτουν από την ανάλυση αποθηκευμένων δεδομένων
- "η σε πραγματικό χρόνο διάχυση της πληροφορίας ", με σκοπό να γίνουν οι απαραίτητες κινήσεις αποφυγής δυσμενών εξελίξεων στην καλή λειτουργία των υπηρεσιών του οργανισμού.
Είναι, λοιπόν, η ανάλυση δεδομένων μία εξωτική τεχνολογία που απαιτεί επενδύσεις και χρονοβόρες διαδικασίες για να την υλοποιήσει ένας οργανισμός;
Είναι μία διαδικασία που μπορεί να αποδώσει μόνο στους μεγάλους οργανισμούς;
Είναι ένα εργαλείο για τους "λίγους" και τους "γνώστες";
Τίποτα από τα παραπάνω. Η αναλυτική διαδικασία, και κυρίως η "Προγνωστική Ανάλυση", αποτελεί μία τεχνολογία που μπορεί σήμερα, με λογικό κόστος και απολύτως προβλέψιμη απόδοση, να μετατρέψει αδόμητους όγκους αποθηκευμένων δεδομένων σε πολύπλευρη χρηστική γνώση, να βοηθήσει στην υλοποίηση ενεργειών που στοχεύουν όχι απλώς στη βελτίωση της θέσης κάθε οργανισμού στον τομέα του αλλά και στη μετατροπή του από μια οντότητα που αντιδρά σε διαδικασίες σε έναν οργανισμό πρόβλεψης και εκμετάλλευσης τους. Με τον κατάλληλο συνεργάτη, ίσως ο οργανισμός σας να μην είναι τόσο μακριά από την άντληση της γνώσης που κρύβεται στα πληροφοριακά σας δεδομένα.
Οι φάσεις ανάπτυξης ενός MIS συστήματος
- Σχεδιασμός - Η σημαντικότερη φάση στην όλη διαδικασία, καθώς ορίζονται καταρχήν το αντικείμενο της έρευνας και το target group. Η διαδικασία αυτή γίνεται περισσότερο αποτελεσματική αν καταρτιστεί ο σχεδιασμός της έρευνας, υλοποιηθεί η συλλογή των δεδομένων καθώς και η επιλογή των καλύτερων τεχνικών ανάλυσης. Στη φάση του σχεδιασμού υπάγονται και άλλες δύο σημαντικές διαδικασίες:
- Ο καθορισμός του προϋπολογισμού για το συγκεκριμένο project
και
- Ο καθορισμός του μεγέθους του δείγματος.
- Ο καθορισμός του προϋπολογισμού για το συγκεκριμένο project
- Συλλογή δεδομένων - Σε ορισμένες περιπτώσεις είναι προαιρετική.
- Πρόσβαση σε δεδομένα - Επιδιώκουμε να εξασφαλιστεί με τον καλύτερο δυνατό τρόπο η πρόσβαση στην πληροφορία μέσω διαφορετικών μεθόδων.
- Διαχείριση και προετοιμασία δεδομένων - Η πλέον πολύπλοκη φάση σε σύγκριση με τις προηγούμενες. Περιλαμβάνει μια σειρά εργασιών, οι οποίες πρέπει να πραγματοποιηθούν τόσο συνολικά όσο και με συγκεκριμένη σειρά.
- Ανάλυση δεδομένων - Η σημαντικότερη διεργασία στην όλη διαδικασία και αυτό γιατί οι χρήστες έχουν την ευκαιρία να διερευνήσουν τα δεδομένα από μια άλλη οπτική και να ανακαλύψουν άγνωστη, έως εκείνη τη στιγμή, πληροφορία.
- Αναφορές - Εξασφαλίζεται η αυτονομία της ανάλυσης και της παραγωγής αναφορών, πράγμα που απλοποιεί και επιταχύνει την όλη διαδικασία.
- Αξιοποίηση αποτελεσμάτων (Deployment) - Η αναλυτική διαδικασία ολοκληρώνεται με τη φάση εφαρμογής των αποτελεσμάτων.
Εκτίμηση κόστους έργου κατόπιν επανεκτίμησης σημείων
της αρχικής Οικονομοτεχνικής Μελέτης
Απαιτείται η δοκιμασία Πιλοτικού Προγράμματος
της αρχικής Οικονομοτεχνικής Μελέτης
Απαιτείται η δοκιμασία Πιλοτικού Προγράμματος
