INFORMATYKA EKONOMICZNA

Transkrypt

1 INFORMATYKA EKONOMICZNA BUSINESS INFORMATICS 1(31) 2014 Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 2014

2 Redaktorzy Wydawnictwa: Elżbieta Macauley, Tim Macauley, Jadwiga Marcinek Redaktor techniczny: Barbara Łopusiewicz Korektor: Barbara Cibis Łamanie: Comp-rajt Projekt okładki: Beata Dębska Publikacja jest dostępna w Internecie na stronach: w Dolnośląskiej Bibliotece Cyfrowej The Central European Journal of Social Sciences and Humanities The Central and Eastern European Online Library a także w adnotowanej bibliografii zagadnień ekonomicznych BazEkon Informacje o naborze artykułów i zasadach recenzowania znajdują się na stronie internetowej Wydawnictwa Kopiowanie i powielanie w jakiejkolwiek formie wymaga pisemnej zgody Wydawcy Copyright by Uniwersytet Ekonomiczny we Wrocławiu Wrocław 2014 ISSN Wersja pierwotna: publikacja drukowana Druk i oprawa: EXPOL, P. Rybiński, J. Dąbek, sp.j. ul. Brzeska 4, Włocławek Nakład: 200 egz.

3 Spis treści Wstęp KIERUNKI I KONCEPCJE ROZWOJU INFORMATYZACJI Ewa Ziemba: Discussion on a sustainable information society Mariusz Bratnicki, Celina M. Olszak, Jerzy Kisielnicki: Twórczość organizacyjna i ICT jako nowa perspektywa zarządzania organizacją Mariusz Bratnicki, Celina M. Olszak, Jerzy Kisielnicki: Zarys koncepcji komputerowego wspomagania twórczości organizacyjnej Tomasz Lipczyński: Wiedza jako narzędzie budowy przewagi konkurencyjnej małych i średnich przedsiębiorstw Ilona Pawełoszek: Semanticizing innovative knowledge Maria Mach-Król: Ontologia czasu nieliniowego dla opisu rzeczywistości ekonomicznej Jerzy Korczak, Marcin Hernes, Maciej Bac: Analiza wydajności agentów podejmujących decyzje kupna sprzedaży w systemie wieloagentowym A-TRADER Janusz Zawiła-Niedźwiecki: Operacjonalizacja zarządzania wiedzą w świetle badań Wydziału Zarządzania Politechniki Warszawskiej Adam Nowicki, Iwona Chomiak-Orsa: Integracja procesów informacyjnych w układach sieciowych w kontekście wykorzystania modelu SOA Edyta Abramek, Anna Sołtysik-Piorunkiewicz, Henryk Sroka: Kierunki badań i perspektywy rozwoju zintegrowanych systemów informatycznych zarządzania Małgorzata Sobińska: Innowacyjne modele biznesu dla IT wyzwania i perspektywy rozwoju Marta Tabakow, Jerzy Korczak, Bogdan Franczyk: Big Data definicje, wyzwania i technologie informatyczne ZARZĄDZANIE PROJEKTAMI Mirosława Lasek, Aleksandra Adamus: Kiedy warto stosować metodyki zwinne (agile methodologies) w zarządzaniu projektami wytwarzania oprogramowania? Velimir Tasic: Project management office typology and benefits Ludosław Drelichowski, Marian Niedźwiedziński: Oddolne budowanie aplikacji ICT w administracji publicznej

4 6 Spis treści Witold Chmielarz, Marek Zborowski: Wykorzystanie metody AHP/ANP w konfrontacyjnej metodzie projektowania wzorcowego systemów informatycznych Bartosz Wachnik: Reducing information asymmetry in IT projects Michał Twardochleb: Dobór zespołów projektowych z wykorzystaniem metod stochastycznych Sebastian Łacheciński: Analiza porównawcza wybranych narzędzi CASE do modelowania danych w procesie projektowania relacyjnych baz danych 239 Magdalena Kieruzel: Metoda oceny ryzyka realizacji oprogramowania do wspomagania działalności przedsiębiorstwa na przykładzie oprogramowania typu open source PROJEKTY INNOWACYJNYCH ROZWIĄZAŃ INFORMATYCZNYCH Agnieszka Szewczyk: Systemy Wspomagania Decyzji doboru typu dostępu do sieci komputerowej w firmie Jerzy Korczak, Helena Dudycz, Mirosław Dyczkowski: Inteligentny Kokpit Menedżerski jako innowacyjny system wspomagający zarządzanie w MŚP Mirosława Lasek, Dominik Kosieradzki: Products and services recommendation systems in e-commerce. Recommendation methods, algorithms, and measures of their effectiveness Dorota Jelonek: Ocena internetowych kanałów komunikacji z klientem w procesie współtworzenia innowacji Łukasz Łysik, Robert Kutera, Piotr Machura: Rozwiązania komunikacji elektronicznej przedsiębiorstw dla społeczności internetowych analiza i ocena Beata Butryn, Maciej Laska: Analiza porównawcza witryn e-sklepów w ujęciu branżowym propozycja metody badań Jadwiga Sobieska-Karpińska, Marcin Hernes: Weryfikacja algorytmu consensusu w systemach zarządzania łańcuchem dostaw Bożena Śmiałkowska, Tomasz Dudek: Zastosowanie adaptacyjnej hurtowni danych do modelowania scenariuszy biznesowych organizacji Andrzej Bytniewski, Marcin Hernes: Wykorzystanie kognitywnych programów agentowych we wspomaganiu procesu zarządzania produkcją Leonard Rozenberg: Wykorzystanie podejścia rozmytego do konstrukcji wskaźników oceny stanu przedsiębiorstwa

5 Spis treści 7 Summaries 1. DIRECTIONS AND CONCEPTS OF IT DEVELOPMENT Ewa Ziemba: Przyczynek do dyskusji na temat zrównoważonego społeczeństwa informacyjnego Mariusz Bratnicki, Celina M. Olszak, Jerzy Kisielnicki: Organizational creativity and ICT as a new perspective for management in organization 35 Mariusz Bratnicki, Celina M. Olszak, Jerzy Kisielnicki: Framework of orgnizational creativity computer support Tomasz Lipczyński: Knowledge as a tool of building the competitive advantage of SMEs Ilona Pawełoszek: Semantyzacja wiedzy innowacyjnej Maria Mach-Król: Nonlinear time ontology for the description of economic realm Jerzy Korczak, Marcin Hernes, Maciej Bac: Performance analysis of the buy-sell decision agents in a-trader system Janusz Zawiła-Niedźwiecki: Operationalizing of knowledge management in the light of research of Faculty of Management in Warsaw University of Technology Adam Nowicki, Iwona Chomiak-Orsa: Integration of information processes in network organizations in the context of the SOA model using Edyta Abramek, Anna Sołtysik-Piorunkiewicz, Henryk Sroka: Research directions and trends in the development of integrated management information systems Małgorzata Sobińska: Innovative IT business models challenges and prospects Marta Tabakow, Jerzy Korczak, Bogdan Franczyk: Big Data definitions, challenges and information technologies PROJECTS MANAGEMENT Mirosława Lasek, Aleksandra Adamus: When is it worth to use agile methodologies in software development project management practice? 171 Velimir Tasic: Biuro projektów typologia i korzyści tworzenia Ludosław Drelichowski, Marian Niedźwiedziński: Self-dependent development of ICT applications in public administration Witold Chmielarz, Marek Zborowski: AHP/ANP method implementation in management information system confrontational pattern-based method design

6 8 Spis treści Bartosz Wachnik: Zmniejszanie asymetrii informacji w projektach IT Michał Twardochleb: Project team selection using stochastic methods Sebastian Łacheciński: Comparative analysis of selected CASE tools for data modeling in relational databases design Magdalena Kieruzel: The risk assessment method as a support for IT enterprise management using open source projects as an example PROJECTS OF INNOVATIVE IT SOLUTIONS Agnieszka Szewczyk: Decision support systems for the computer type network selection in the company Jerzy Korczak, Helena Dudycz, Mirosław Dyczkowski: Intelligent Dashboard for Managers as an innovative system supporting management processes in SMEs Mirosława Lasek, Dominik Kosieradzki: Systemy rekomendacji produktów i usług handlu elektronicznego. Metody i algorytmy rekomendacyjne oraz miary skuteczności ich stosowania Dorota Jelonek: The efficiency of Internet communication channels with the customer in the process of innovation co-creating Łukasz Łysik, Robert Kutera, Piotr Machura: Enterprise e-solutions for Internet communities communication analysis and evaluation Beata Butryn, Maciej Laska: Comparative analysis of e-shop websites in sectoral approach test method proposal Jadwiga Sobieska-Karpińska, Marcin Hernes: Verification of consensus algorithm in supply chain management systems Bożena Śmiałkowska, Tomasz Dudek: Business scenarios modeling with an adaptive data warehouses Andrzej Bytniewski, Marcin Hernes: Using cognitive agents for the manufacturing process management supporting Leonard Rozenberg: Using fuzzy approach to the construction of indicators for enterprise state evaluation

7 INFORMATYKA EKONOMICZNA BUSINESS INFORMATICS 1(31) 2014 ISSN Bożena Śmiałkowska Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Tomasz Dudek Akademia Morska w Szczecinie ZASTOSOWANIE ADAPTACYJNEJ HURTOWNI DANYCH DO MODELOWANIA SCENARIUSZY BIZNESOWYCH ORGANIZACJI Streszczenie: W artykule zaprezentowano model hurtowni danych, która wyposażona w mechanizmy adaptacyjnego i nadążnego dopasowania do zmiennych potrzeb informacyjnych organizacji będzie zasilać procesy budowy, weryfikacji i modelowania scenariuszy biznesowych w niezbędne dane, związane z obecną i prognozowaną strategią organizacji. Ponadto udostępni analitykom w procesach tworzenia scenariuszy biznesowych dane historyczne z dotychczasowych działań organizacji oraz dane wysoce wiarygodne, umożliwiając tym samym ocenę prognozowanych skutków realizacyjnych utworzonych w tych procesach scenariuszy (poprzez symulację). We wprowadzeniu do artykułu zaprezentowano uwarunkowania budowy adaptacyjnej hurtowni danych, której model zaprezentowano w części drugiej. Zastosowanie tego modelu w procesie opracowania scenariuszy biznesowych organizacji stanowi kolejną część artykułu, który zakończono podsumowaniem wskazującym na korzyści takiego rozwiązania. Słowa kluczowe: hurtownia danych, scenariusze biznesowe, mechanizmy adaptacyjne. DOI: /ie Wstęp Procesy modelowania, budowy i weryfikacji scenariuszy biznesowych należą do sfery analityki systemowej, która polega na dostarczeniu odpowiedzi choćby na takie pytania, jak: Czy możliwe jest przejście organizacji z jednego stanu do innego, kosztem czego lub jaką drogą? Jaki jest (stan bieżący organizacji)? i dlaczego tak jest? Jak było, jak jest, a jak być powinno? Aby ułatwić procesy modelowania i wprowadzenia nowych scenariuszy biznesowych, niezbędny jest dostęp we właściwym czasie do wiary-

8 366 Bożena Śmiałkowska, Tomasz Dudek godnych, zintegrowanych i często uwarunkowanych historycznie informacji (danych), za pomocą których możliwe staje się określenie i ocena bieżącego stanu organizacji oraz prognoza skutków jego zmiany. Jedną z klas systemów, które udostępniają niezbędne dane w procesach budowy scenariuszy biznesowych, są hurtownie (magazyny) danych (Data Warehouse). Za Inmonem [1996], hurtownia (magazyn) danych jest tematycznie zorientowaną, spójną, chronologiczną i niezmienną kolekcję danych, stanowiącą podstawę procesów podejmowania decyzji... w tym również decyzji związanych z procesem budowy scenariuszy biznesowych. Dzięki wbudowanym mechanizmom tych systemów możliwy jest nie tylko dostęp do zintegrowanych danych z różnych obszarów, dziedzin i działów działalności organizacji (firmy), ale również przetwarzanie analityczne (On-line Analytical Processing, OLAP), eksploracja danych (Data Mining, DM), tzw. drążenie danych (Data Drilling, DD), odkrywanie (pozyskiwanie) wiedzy (Knowledge Discovery, KD) z danych oraz gromadzenie tej wiedzy w formie nowych źródeł danych. Należy zauważyć, że dane zgromadzone w hurtowni danych dotyczą przeszłości (historii funkcjonowania organizacji), a scenariusze biznesowe przyszłości. Im ta przyszłość jest dalsza od teraźniejszości i przeszłości, tym użyteczność danych zgromadzonych w hurtowni w procesie budowy scenariuszy może i zwykle jest mniejsza. Ostatecznie może się zdarzyć, że zgromadzone w hurtowni dane będą mało użyteczne lub bezużyteczne, choć w przeszłości były wysoce użyteczne. Oznacza to, że użyteczność danych jest zmienna w czasie i hurtownia powinna dane bezużyteczne agregować, archiwizować w czasie utraty ich użyteczności. W firmie powstają również nowe źródła danych, które mogłyby wspierać procesy budowy scenariuszy biznesowych, gdyby tylko przeniesiono je do hurtowni danych. Omówione przesłanki dowodzą, że ważnym zagadnieniem jest wybór odpowiedniego modelu hurtowni danych, który wspomoże procesy budowy scenariuszy biznesowych. Koncepcję takiego modelu przedstawiono w niniejszym artykule. 2. Model adaptacyjnej hurtowni danych Istotą adaptacyjnej hurtowni danych są zawarte w niej mechanizmy nadążnego dopasowywania się do zmiennych potrzeb informacyjnych organizacji. Podstawą tych mechanizmów są: przechowywanie w strukturach hurtowni, danych w formie tzw. metadanych (tablice identyfikacji systemowej organizacji i hurtowni danych), przechowywanie w strukturach danych hurtowni danych o zakładanej strategii organizacji i wynikach jej realizacji w celu automatycznej oceny stopnia realizacji strategii w kolejnych chwilach osi czasu, weryfikowanie (automatyczny pomiar i kontrola w hurtowni danych) jakości przechowywanych danych podczas eksploatacji hurtowni zgodnej z koncepcją DWQ (Data Warehouse Quality) zaprezentowaną w literaturze [Jarke 2003]. Dla celów modelowania scenariuszy biznesowych hurtownia danych powinna być wielowersyjna [Wrembel 2007]. Ponadto adaptacyjny charakter hurtowni da-

9 Zastosowanie adaptacyjnej hurtowni danych do modelownaia scenariuszy biznesowych organizacji 367 nych uzyskano dzięki założeniu, że organizacja, dla której tworzy się scenariusze biznesowe, jest systemem działania. Wówczas możliwa jest ocena organizacji w jej otoczeniu biznesowym, a także ocena hurtowni w organizacji w aspektach zdefiniowanych w inżynierii systemów działania. Zgodnie z literaturą [Konieczny 1983] oceny systemu działania w jego otoczenia dokonuje się w oparciu o zmienne w czasie funkcje użyteczności i zabezpieczenia systemów, potrzeby i możliwości systemu, a także współczynniki dopasowania systemu do jego biznesowego otoczenia. Stosując te podstawy inżynierii systemów działania, możliwe było wyprowadzenie teoretycznych zależności dla par systemów: hurtownia danych organizacja, a także organizacja jej biznesowe otoczenie w formie następujących wektorów liczbowych: wykorzystania możliwości organizacji w jej biznesowym otoczeniu m F (t), pokrycia potrzeb otoczenia biznesowego organizacji p F (t), dopasowania organizacji do jej biznesowego otoczenia d FO (t), współczynników wykorzystania możliwości hurtowni w organizacji m HD (t), pokrycia potrzeb użytkowników hurtowni p HD (t), dopasowania hurtowni do organizacji d HF (t) (w dowolnej chwili czasu t). Dokładne dowody teoretyczne i algorytmy wyznaczenia tych wektorów współczynników zostały zaprezentowane w literaturze [Śmiałkowska 2009] i z racji ograniczonego charakteru niniejszego artykuły zostały pominięte. Podstawą do wyznaczenia wektorów p F (t), p HD (t), d FO (t), d HD (t), m F (t) oraz m HD (t) są informacje o intensywności przepływów materialnych, technicznych, technologicznych i informacyjnych między organizacją a jej otoczeniem, a także informacje o intensywności przepływów informacyjnych między organizacją a hurtownią danych. W hurtowni uzupełnieniem danych p F (t), p HD (t), d FO (t), d HD (t), m F (t) oraz m HD (t) są również dane o: tzw. cenności przepływów dla organizacji, kosztach i nakładach ponoszonych z tytułu tych przepływów, produktywności lub efektywności przepływów. Teoretyczne możliwości wyznaczenia wektorów współczynników p F (t), p HD (t), d FO (t), d HD (t), m F (t) oraz m HD (t), uwzględniające różne rodzaje przepływów między organizacją a jej biznesowym otoczeniem oraz organizacją a hurtownią danych (np. przepływ ciągły, dyskretny, zdeterminowany, losowy, stacjonarny, niestacjonarny), zostały zweryfikowane praktycznie w obszarze inżynierii systemów działania. Wszystkie dane niezbędne do oceny dopasowania zarówno organizacji do jej biznesowego otoczenia, jak i hurtowni do organizacji są na bieżąco gromadzone w dodatkowej warstwie metadanych adaptacyjnej hurtowni danych. Przykładowy model pojęciowo-funkcjonalny struktur danych niezbędny do obliczenia współczynników m HD (t), p HD (t), d HF (t), m F (t), p F (t) oraz d FO (t) w warstwie metadanych zaprezentowano w pracy [Śmiałkowska 2011]. Dostęp administracyjny do warstwy metadanych hurtowni pozwala na dopasowywanie hurtowni do zmiennych potrzeb informacyjnych organizacji w kolejnych

10 368 Bożena Śmiałkowska, Tomasz Dudek okresach osi czasu, co w rezultacie prowadzi do uwiarygodnienia danych, na podstawie których są budowane, modelowane i weryfikowane scenariusze biznesowe. Hurtownia danych z tak zaprojektowanymi metadanymi umożliwi wówczas dodatkowo: bieżący pomiar i ocenę wskaźników dopasowania hurtowni do organizacji w oparciu o struktury wewnętrzne hurtowni; przeprojektowywanie hurtowni (zmianę jej struktury) i tworzenie nowej wersji w wielowersyjnej hurtowni danych [Wrembel 2007, Śmiałkowska, Dudek 2009], gdy jakość danych w niej przechowywanych jest niezadawalająca, a hurtownia nie jest dopasowana do organizacji, dla której ją utworzono; permanentne zasilanie hurtowni danych nowymi źródłami danych, gdy tylko zaistnieje taka potrzeba dzięki przyjętemu w tym modelu wielowersyjnemu charakterowi hurtowni; tworzenie obok rzeczywistych wersji danych w wielowersyjnym modelu hurtowni tzw. wersji alternatywnych, które umożliwiają przeprowadzanie analiz wariantowych, przewidywanie trendów, symulację scenariuszy biznesowych z użyciem dostępnych w hurtowni narzędzi systemowych OLAP, DM, DD czy KD. Ogólny schemat adaptacji wielowersyjnej hurtowni danych zaprezentowano na rysunku 1. Szczegółowy opis koncepcji adaptacyjnego charakteru hurtowni zgodny z rysunkiem 1. wraz z weryfikacją tej koncepcji i przypadkami użycia do organizacji typu firma produkcyjna lub usługowa zaprezentowano w literaturze [Śmiałkowska 2009]. Adaptacyjna wielowersyjna hurtownia danych zgodna z koncepcją zaprezentowaną na rysunku 1. dodatkowo umożliwi: symulację i weryfikację scenariuszy biznesowych, obserwację i ocenę modelu organizacji i wskaźników jakości danych, pozyskiwanie nowych źródeł danych z otoczenia organizacji w celu uwzględnienia ich w procesach weryfikacji strategii organizacji lub modelowania scenariuszy biznesowych, bieżącą weryfikację potrzeb użytkowników hurtowni, w tym również analityków modelujących lub weryfikujących scenariusze biznesowe. Ponadto model tej hurtowni różni się od istniejących w literaturze następującymi cechami: łączy modelowanie biznesowe z modelem danych; w modelowaniu biznesowym obejmuje obszar określania tzw. wymogów systemu z hurtownią danych w oparciu o zintegrowaną metodę identyfikacji i budowę modeli prakseologicznego, cybernetycznego, matematycznego i ocenowego organizacji; uwzględnia zmienność przyszłości w odniesieniu do przeszłości i teraźniejszości (budowa scenariuszy biznesowych z użyciem wersjowania modelu danych w hurtowni); integruje wersjowanie z ewolucją schematu danych hurtowni;

11 Zastosowanie adaptacyjnej hurtowni danych do modelownaia scenariuszy biznesowych organizacji 369 Projekt pojęciowy i logiczny danych w hurtowni Implementacja modelu logicznego danych, utworzenie i wdrożenie pierwszej wersji fizycznej hurtowni danych t tpocz gdzie tpocz jest chwilą początkową, w której utworzono pierwszą wersję hurtowni Pomiar, czyszczenie, transformacja i ładowanie danych do hurtowni danych w chwili t Obliczanie współczynników dopasowania w strukturach metadanych hurtowni na podstawie ostatnio załadowanych do hurtowni danych Tak Czy współczynniki dopasowania są właściwe? Nie Określenie przyczyn niedopasowania hurtowni do organizacji oraz organizacji do jej biznesowego otoczenia lub zmiana strategii organizacji, opracowanie działań usprawniających i dokonanie niezbędnych zmian w modelach pojęciowych danych w hurtowni. Utworzenie nowych (po zmianie) modeli pojęciowych danych w hurtowni Utworzenie projekt nowego modelu logicznego danych w hurtowni wraz z implementacją tego modelu w formie kolejnej wersji hurtowni danych w chwili τ t τ gdzie τ>tpocz Rys. 1. Proces adaptacji i dopasowania nadążnego hurtowni danych do nowych potrzeb informacyjnych organizacji oraz dopasowania strategii organizacji do jej otoczenia Źródło: opracowanie własne. umożliwia automatyzację strojenia oraz dopasowania hurtowni danych do nowych potrzeb, dzięki przechowywaniu w warstwie metadanych hurtowni ocen organizacji w jej otoczeniu biznesowym oraz oceny strategii i hurtowni danych w kolejnych chwilach osi czasu;

12 370 Bożena Śmiałkowska, Tomasz Dudek umożliwia analitykowi systemowemu, w formie interakcji, modyfikację modelu firmy, a administratorowi hurtowni wygenerowanie nowej wersji rzeczywistej hurtowni danych za pomocą utworzonego w tym celu oprogramowania działającego na metadanych hurtowni; umożliwia dopasowanie hurtowni nawet do gwałtownych zmian stanu, celów, misji i strategii firmy w jej zmiennym otoczeniu. 3. Możliwości i korzyści z zastosowania adaptacyjnej hurtowni danych w procesie generowania scenariuszy biznesowych Zaprezentowany model adaptacyjnej hurtowni danych w porównaniu z dotychczasowych stosowanymi modelami i metodami budowy oraz wdrażania hurtowni stwarza warunki, w których można zmniejszyć lukę informatyczną w realizacji procesów budowy, modelowania i weryfikacji scenariuszy biznesowych w sposób znaczny. Dzięki temu modelowi analityk biznesowy może wprowadzać zmiany w planowanych działaniach organizacji i weryfikować wynikające z nich skutki, co w rezultacie przyspieszy i ułatwi wprowadzanie innowacji biznesowych ukierunkowanych na zmianę profilu podstawowych działań organizacji (np. profilu działalności, zasad współdziałania z otoczeniem, zmniejszenia kosztów działań, usprawnienia procesów, zwiększenia możliwości sterowania procesami biznesowymi). Dodatkowo adaptacyjna i wielowersyjna hurtownia danych, która integruje niezbędne dane i dostarcza danych historycznych (np. danych o stanie przed wprowadzeniem usprawnień biznesowych i danych po ich wdrożeniu), umożliwia wprowadzanie kolejnych projektów i scenariuszy biznesowych, dzięki czemu można zmniejszyć lukę informacyjną w działaniach biznesowych. Adaptacyjna hurtownia danych z oceną jakości danych w warstwie metadanych wskazuje te dane w hurtowni, które są np. mało użyteczne, nieaktualne, nieświeże, złej jakości. Jest to ważny aspekt procesów budowy, modelowania i weryfikacji scenariuszy biznesowych, ogólnie bowiem można stwierdzić, że w oparciu o takie dane generowane są gorszej jakości lub nawet złe i niepoprawne scenariusze biznesowe. Możliwość generowania alternatywnych scenariuszy biznesowych w oparciu o adaptacyjną hurtownię danych pozwala również, poprzez symulację, poszerzyć wiedzę analityka biznesowego. Wówczas wiedza ta może być podstawą do wprowadzenia do hurtowni nowych źródeł danych po to, by je w przyszłości wykorzystać do budowy i modelowania nowych (przyszłych) scenariuszy biznesowych. Jednym z ważniejszych aspektów procesu generowania scenariuszy biznesowych jest dobór granuli czasu, innymi słowy: określenie, jak często takie scenariusze biznesowe należy opracowywać. Dobór częstotliwości generowania kolejnych scenariuszy biznesowych może być również wspomagany dzięki zaprezentowanemu w artykule modelowi hurtowni danych. Jest to możliwe, ponieważ przyczyną tworzenia

13 Zastosowanie adaptacyjnej hurtowni danych do modelownaia scenariuszy biznesowych organizacji 371 scenariuszy biznesowych są sytuacje, w których istnieje potrzeba podjęcia działań usprawniających organizację, a te zostaną wskazane przez adaptacyjną wielowersyjną hurtownię danych w formie współczynników dopasowania organizacji do otoczenia i wyników z realizacji strategii organizacji. Potrzeby takie występują zwykle wówczas, gdy funkcjonowanie organizacji w jej biznesowym otoczeniu takich działań wymaga. Dodatkowo adaptacyjna hurtownia danych ocenia jakość zgromadzonych w hurtowni danych (np. świeżość, przydatność, spójność, dostępność, poziom zagregowania i szczegółowości danych) i umożliwia w łatwy sposób rozszerzanie struktury danych o nowe źródła. Ostatnia możliwość jest realizowana dzięki wprowadzeniu do hurtowni nowej wersji danych z rozszerzoną strukturą. Graficzną interpretację powyższych możliwości zastosowania zaproponowanego modelu adaptacyjnej wielowersyjnej hurtowni danych w formie funkcji, jakie są możliwe do zrealizowania w obszarze budowy, modelowania i weryfikowania scenariuszy biznesowych, przedstawiono na rysunku 2. SYSTEM ZARZĄDZANIA ADAPTACYJNĄ WILOWERSYJNĄ HURTOWNIĄ DANYCH Kolekcja danych hurtowni z warstwą metadanych zawierającą wektory współczynników dopasowania organizacji do otoczenia, hurtowni do organizacji, oceny jakości danych i strategii organizacji Tworzenie alternatywnych scenariuszy biznesowych i ich ocena Ocena realizacji strategii firmy w zadanym przedziale czasu Ocena dopasowania organizacji w jej otoczeniu biznesowym w dowolnym przedziale czasu Ocena jakości danych dostępnych w procesie analizy i modelowania scenariuszy biznesowych Ocena i dobór granuli czasu między kolejnymi fazami tworzenia scenariuszy biznesowych FUNKCJE REALIZOWANE W PROCESIE BUDOWY I MODELOWANIA Z UŻYCIEM DANYCH DOSTĘPNYCH W HURTOWNIA OCENA SYMULACJI SCENARIUSZY BIZNESOWYCH Analityk biznesowy realizator scenariuszy biznesowych Rys. 2. Funkcje realizowane w procesie budowy i weryfikacji scenariuszy biznesowych w systemie z aktywną hurtownią danych Źródło: opracowanie własne.

14 372 Bożena Śmiałkowska, Tomasz Dudek Zaprezentowane funkcje w procesie budowy, modelowania i weryfikacji scenariuszy biznesowych mogą być dzięki adaptacyjnej hurtowni również wsparte interpretacjami graficznymi. Dla przykładu, wyznaczane w aktywnej hurtowni danych takie wielkości, jak współczynniki dopasowania firmy do otoczenia rynkowego, współczynniki pokrycia potrzeb użytkowników hurtowni, współczynniki wykorzystania możliwości hurtowni oraz parametry oceny strategii firmy w funkcji czasu, mogą być udostępniane analitykowi biznesowemu w formie zgodnej z rysunkiem 3. Rys. 3. Przykładowe zastosowanie hurtowni danych do generowania wyników użycia scenariuszy biznesowych (oznaczenia: f FH (t) współczynnik dopasowania firmy do otoczenia rynkowego, h H (t) współczynnik pokrycia potrzeb użytkowników hurtowni, d H (t) współczynnik wykorzystania możliwości hurtowni oraz POS(t) parametry oceny strategii firmy) Źródło: opracowanie własne. 4. Zakończenie Przedstawiona w artykule koncepcja adaptacyjnej hurtowni danych jest narzędziem wspomagającym procesy opracowywania scenariuszy biznesowych organizacji, umożliwia bowiem: określenie chwili, w której konieczne jest opracowanie zmian biznesowych w organizacji z punktu widzenia jej strategii; symulację przyszłych stanów organizacji przy założonym planie wdrożenia scenariusza biznesowego; tworzenie scenariuszy biznesowych w oparciu o rzeczywisty model organizacji w jej otoczeniu biznesowym, odwzorowany w warstwie metadanych w adaptacyjnej hurtowni danych organizacji; określenie skutków wprowadzenia zmian w organizacji wynikających z wdrożonego wcześniej scenariusza biznesowego w oparciu o dane rzeczywiste z funkcjonowania organizacji zgromadzone w hurtowni danych.

15 Zastosowanie adaptacyjnej hurtowni danych do modelownaia scenariuszy biznesowych organizacji 373 Zaprezentowany model adaptacyjnej i nadążnej hurtowni danych oraz jego zastosowanie do tworzenia scenariuszy biznesowych organizacji jest rozwiązaniem autorskim popartym przykładowymi zastosowaniami w organizacjach produkcyjno-usługowych. Literatura Inmon W.H., 1996, Building the Data Warehouse, Second Edition, Wiley & Sons, New York. Jarke M., Lenzerini M., Vassiliou Y., Vassiliadis P., 2003, Hurtownie danych. Podstawy organizacji i funkcjonowania, Wydawnictwo Szkolne i Pedagogiczne, Warszawa. Konieczny J., 1983, Inżynieria systemów działania, WNT, Warszawa. Śmiałkowska B., 2009, Metoda dopasowania hurtowni danych do zmiennych potrzeb informacyjnych przedsiębiorstwa, Wydawnictwo Zachodniopomorskiego Uniwersytetu Technologicznego w Szczecinie, Szczecin. Śmiałkowska B., 2011, Adaptacja hurtowni danych do zmiennych potrzeb informacyjnych przedsiębiorstwa, Studia Informatica Silesian University of Technology Press, Materiały VII Konferencji Naukowej BDAS, vol. 32, nr 2B (97), s Śmiałkowska B., Dudek T., 2009, Ocena metod wersjowania baz i hurtowni danych, Studia i materiały Polskiego Stowarzyszenia Zarządzania Wiedzą, t. 18, Belstudio, Bydgoszcz, s Wrembel R., 2007, Management of schema and data evaluation in multiversion data warehouse, Wydawnictwo Politechniki Poznańskiej, Seria: Rozprawy, nr 411, Poznań. BUSINESS SCENARIOS MODELING WITH AN ADAPTIVE DATA WAREHOUSES Summary: The processes of modeling, design and verification of business scenarios falls into one of the most difficult areas of analytical systems. In order to simplify the implementation of those processes and introduce brand new business scenarios, it is necessary to access credible, integrated, and historical information. The article presents a data warehouse model, which is equipped with an adaptive mechanisms and servo adjustment methods (changing information needs of the organization) that will power the processes of construction, verification and modeling of business scenarios with the necessary data associated with the current and projected strategy of the organization. In addition, the data warehouse will provide analysts (for the process of creating business scenarios) with highly credible and historical data obtained from previous organization activities. This will help them (through simulation) to assess the expected scenarios impact. Keywords: data warehouse, business scenarios, adaptive mechanisms.