STUDIA I MATERIAŁY POLSKIEGO STOWARZYSZENIA ZARZĄDZANIA WIEDZĄ

Transkrypt

1 STUDIA I MATERIAŁY POLSKIEGO STOWARZYSZENIA ZARZĄDZANIA WIEDZĄ Redaktor tomu: dr hab. inŝ. Waldemar Bojar prof. UTP Komitet Redakcyjny: prof. dr hab. Ryszard Budziński prof. dr hab. inŝ. Ludosław Drelichowski prof. dr hab. Andrzej Straszak Polskie Stowarzyszenie Zarządzania Wiedzą Bydgoszcz 2008

2 2 Recenzenci: prof. dr hab. Ryszard Budziński prof. dr hab. Witold Chmielarz prof. dr hab. inŝ. Ludosław Drelichowski prof. dr hab. Olgierd Hryniewicz prof. dr hab. Andrzej Straszak prof. dr hab. Stanisław Urban Opracowanie redakcyjne i korekta: inŝ. Waldemar Kępa ISSN X Drukarnia yyyyyyyyyyyy Zam. Nr ccccccc

3 3 Spis treści ARKADIUSZ JANUSZEWSKI... Bussines Intelligence jako system wspomagający zarządzanie wydajnością przedsiębiorstwa... 5 JOLANTA KONDRATOWICZ-POZORSKA... Zastosowanie metody CHAID do poznawania klientów i rynku PAWEŁ MICKIEWICZ... Źródła informacji oraz poziom wiedzy rolników z zakresu programów rozwojowych gospodarstw rolnych WIESŁAW MIGDAŁ... Informacja techniczna w kształtowaniu wiedzy menedŝerskiej na przykładzie przedsiębiorstwa wysokiej specyfiki LESZEK MISZTAL... ZaangaŜowanie pracowników w projekty informatyczne ARKADIUSZ PIWOWAR... Transfer wiedzy w zakresie nowych nawozów mineralnych OREST POPOV, ANNA BARCZ, PIOTR PIELA... Weryfikacja i walidacja modeli matematycznych procesów w bazie wiedzy dynamicznych inteligentnych systemów nauczania IZABELA REJER... Przegląd podejść stosowanych do integracji wiedzy w procesie budowy modeli rozmytych IZABELA ROJEK... Inteligentne zarządzanie preferencjami poboru wody w sieci wodociągowej OLGA SOBOLEWSKA... Miejsce e-nauczania w procesie transferu wiedzy ANDRZEJ STRASZAK... Systemowo-informatyczne oparte na e-wiedzy narzędzia do wspomagania walki o wysoko sprawne i przyjazne państwo JAN STUDZINSKI... Wspomaganie zarządzania miejskim przedsiębiorstwem wodociągowym za pomocą informacji z systemów monitoringu i mapy numerycznej EWA SZKIC CZECH... Immanentność relacji procesów gospodarczych środowiskiem zastosowań outsourcingu na przykładzie biur podróŝy i banków

4 4 TATIANA TRETYAKOVA... Czynniki determinujące wymogi dla wiedzy stosowanej w dynamicznych inteligentnych systemach nauczania JOANNA PAWŁOWSKA-TYSZKO, EWA KORELESKA... System jakości a potrzeby informacyjne przedsiębiorstwa STANISŁAW URBAN... Zarządzanie wiedzą w gospodarstwach rolnych AGNIESZKA WIĄCEK... Zagadnienia selekcji i porządkowania treści w serwisach dziennikarstwa obywatelskiego JACEK WINIARSKI... Analiza technik stosowanych do gromadzenia informacji o ryzyku w przedsięwzięciach z branŝy IT WALDEMAR WOLSKI... Kierunki rozwoju outsourcingu informatycznego w działalności organizacji gospodarczych MIROSŁAW WOŹNIAKOWSKI... Analiza wykorzystania technologii e-learningowej w przedsiębiorstwie MAŁGORZATA ZAJDEL, MAŁGORZATA MICHALCEWICZ... Analiza zabezpieczeń systemów informatycznych

5 POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 14, ARKADIUSZ JANUSZEWSKI Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy BUSSINES INTELLIGENCE JAKO SYSTEM WSPOMAGAJĄCY ZARZĄDZANIE WYDAJNOŚCIĄ PRZEDSIĘBIORSTWA Streszczenie W artykule zaprezentowano systemy klasy Business Intelligence (BI), które wspomagają zarządzanie wydajnością przedsiębiorstwa. W kolejnych punktach omówiono systemy BI czasu rzeczywistego oraz systemy oparte na koncepcji zrównowa- Ŝonej karty wyników. Systemy naleŝące do pierwszej klasy wspomagają zarządzanie operacyjne, a do drugie zarządzanie strategiczne. RozwaŜania zilustrowano dwoma przykładami produktów informatycznych klasy BI posiadających cechy opisanych systemów. Słowa kluczowe: Business Intelligence, Real-time Business Intelligence, Business Activity Monitoring, systemy zarządzania wydajnością 1. Wprowadzenie Zarządzanie wydajnością przedsiębiorstwa (Enterprise Performance Management EPM)1. moŝna rozpatrywać na szczeblu operacyjnym strategicznym. Efektywnemu wspomaganiu zarządzania wydajnością słuŝą nowe generacje systemów Business Intelligence. Na szczeblu operacyjnym są to systemy Business Intelligence czasu rzeczywistego, w szczególności narzędzia monitorowania procesów (Business Activity Monitoring), a na szczeblu strategicznym systemy wyposa- Ŝone w narzędzia realizacji koncepcji ZrównowaŜonej Karty Wyników, nazywanej teŝ Strategiczną Kartą Wyników. Celem artykułu jest przedstawienie charakterystyki tych systemów. RozwaŜania poprzedzono przedstawieniem cech współczesnych systemów BI oraz przesłanek, które wyznaczają ich rozwój w kierunku systemów wspomagających zarządzanie na szczeblu operacyjnym. 2. Rozwój systemów Business Intelligence w kierunku systemów czasu rzeczywistego Podobnie jak inne klasy systemów wspomagających zarządzanie, systemy BI są ciągle rozwijane. Współczesne systemy BI są naleŝą juŝ do trzeciej generacji. Za pierwszą generację przyjmuje się systemy zapytań i raportowania oparte na komputerach centralnych i korzystające z baz operacyjnych, a za drugą klasyczne systemy BI oparte na hurtowni danych [11]. Przewaga systemów BI trzeciej generacji nad tradycyjnymi systemami opartymi na hurtowniach danych przejawia się w trzech kluczowych aspektach systemy te dostarczają pakiety gotowych aplikacji i rozwiązań biznesowych, a nie tylko korzystają z najnowszych technologii informatycznych; 1 EPM bywa teŝ nazywane koncepcją Corporate Performance Management (CPM), Business Performance Management (BPM) lub Strategic Performance Management.

6 6 Arkadiusz Januszewski Bussines Intelligence jako system wspomagający zarządzanie wydajnością przedsiębiorstwa systemy te koncentrują się na zapewnieniu łatwego dostępu do informacji biznesowych końcowym uŝytkownikom (zawierają nie tylko narzędzia wspierające procesy pozyskiwania informacji z baz źródłowych jak to było w przypadku hurtowni danych, ale teŝ narzędzia udostępniające zgromadzone dane uŝytkownikom); systemy te wspierają dostęp do wszystkich typów informacji biznesowej, nie tylko do informacji strukturalizowanej, przechowywanej w hurtowni danych. Kierunki rozwoju systemów Business Intelligence są wyznaczane przez trendy związane z budowaniem "inteligentnych przedsiębiorstw", w których pracownik knowledge worker - łączy cechy pracownika, eksperta i decydenta [9]. Tworzenie inteligentnych przedsiębiorstw wymaga decentralizacji procesów decyzyjnych, co z kolei pociąga za sobą konieczność konsolidacji danych i informacji oraz dostarczenia wszystkim pracownikom podejmującym decyzje łatwych w uŝyciu narzędzi analitycznych. Narzędzia BI - zarezerwowane dotychczas dla wspomagania decyzji w cyklach biznesowych w sferze strategicznej i taktycznej (rozwój produktów, zarządzanie finansami, zarządzanie wydajnością procesów) muszą zostać zastosowane w cyklach operacyjnych, czyli tam, gdzie są realizowane procesy wytwórcze i logistyczne oraz obsługa klienta i operacyjna współpraca z partnerami biznesowymi. Opisane przesłanki wskazują na jeden z waŝniejszych kierunków rozwoju systemów BI - systemów BI czasu rzeczywistego (Real-time Business Intelligence). Do ich zadań naleŝy przede wszystkim monitorowanie bieŝącej działalności biznesowej i automatyzacja podejmowania decyzji operacyjnych, czyli dąŝenie w kierunku rozwiązań tzw. zamkniętej pętli, w której wyniki analiz są przekazywane z powrotem do systemów produkcyjnych (transakcyjnych), w celu porównywania z wiedzą kierownictwa. Systemy BI nowej generacji mają za zadanie udostępnienie informacji niezbędnej do podejmowania decyzji na szczeblu operacyjnym bez konieczności zatrudniania ekspertów [1]. Nowe narzędzia BI przeznaczone dla pracowników realizujących procesy operacyjne są oparte na automatycznych regułach decyzyjnych (automated rules based systems) i wykorzystują technologię adaptacyjnego rozpoznawania wzorców (adaptive pattern recognition technology). Technologia ta wykorzystuje sieci neuronowe z mechanizmami uczenia się, co umoŝliwia przeprowadzanie na bieŝąco analiz prognostycznych. Dzięki temu moŝliwa jest personalizacja w czasie rzeczywistym obsługiwanego procesu operacyjnego przedsiębiorstwa. Systemy BI wyposaŝone, w opisane wyŝej, silne narzędzia analityczne, odgrywają szczególną rolę we wspomaganiu tych pracowników, którzy pozostają w bezpośrednim kontakcie z klientem, a więc słuŝb marketingowych, handlowców, serwisantów czy telefonicznych punktów obsługi klienta [6]. Nowa generacja systemów BI jest przeznaczona dla wszystkich pracowników szczebla operacyjnego, którzy muszą na bieŝąco analizować dane napływające w czasie rzeczywistym z systemów transakcyjnych i na tej podstawie podejmować decyzje. Do tej pory bez narzędzi analitycznych - jedynie pracownicy z duŝym doświadczeniem potrafili właściwie zanalizować sytuację i podjąć słuszną decyzję. Jak zauwaŝa Stokalski: Na mapie rozwoju architektur i rozwiązań Business Intelligence hurtownie danych i platformy raportowe stanowią dziś "klasykę gatunku". WaŜnym aktualnym trendem jest korporacyjna integracja danych i informacji, łącząca moŝliwości tradycyjnych rozwiązań ETL z wzorcami architektury i narzędziami typowymi dla integracji w czasie rzeczywistym. Bliska przyszłość (a w pewnej mierze równieŝ dzisiaj) to "Enterprise Decision Management" - automatyzacja procesów decyzyjnych, oparta na zbiorach reguł biznesowych, integracji aplikacji analitycz-

7 POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 14, nych z operacyjnymi oraz sterowaniu w pełni zautomatyzowanymi procesami biznesowymi za pomocą tzw. motorów reguł [9]. 3. Systemy zarządzania wydajnością na szczeblu operacyjnym Opisane wyŝej spostrzeŝenia potwierdzają analitycy z firmy IDC, według których największy wpływ na rynek rozwiązań BI w przyszłości będą miały następujące narzędzia [10]: dedykowane urządzenia analityczne, narzędzia do automatyzacji procesów decyzyjnych (Decision Process Automation - DPA), narzędzia do inteligentnej automatyzacji procesów (Intelligent Process Automation - IPA). Dedykowane urządzenia analityczne to zoptymalizowane do celów analitycznych serwery z oprogramowaniem przeznaczonym do konkretnych zastosowań. Ich odbiorcami są małe zespoły uŝytkowników, np. małe przedsiębiorstwa lub pracownicy jednego działu. Są to rozwiązania stosunkowo tanie, dlatego naleŝy się spodziewać, Ŝe będą coraz częściej stosowane w organizacjach. W systemach DPA część decyzji jest podejmowana samodzielnie, bez udziału uŝytkownika. Wykorzystuje się tu mechanizm automatycznych reguł decyzyjnych. Stosuje się je w powtarzalnych i łatwo definiowalnych procesach, takich jak ustalanie cen czy monitorowanie jakości produktu. Przy pomocy narzędzi IPA procesy moŝna na bieŝąco monitorować i wprowadzać w nich usprawnienia. Zawierają one mechanizmy automatycznej obsługi wyjątków, które są uruchamiane zanim system powiadomi uŝytkownika o zaistnieniu zakłóceń w wydajności procesów. Stopień skomplikowania oprogramowania sprawia, Ŝe technologia IPA nie jest jeszcze powszechnie stosowana i nie potwierdziła w pełni swojej skuteczności w podnoszeniu wydajności przedsiębiorstwa. IDC wskazuje teŝ na tendencję w upraszczaniu obsługi oprogramowania w taki sposób, Ŝeby analizy nie będą wymagały specjalistycznej wiedzy zaawansowanych uŝytkowników (power users). Producenci systemów BI starają się uatrakcyjnić warstwę prezentacyjną aplikacji. Ma to na celu zapewnienie łatwego dostępu do aplikacji analitycznych wszystkim pracownikom, którzy podejmują jakiekolwiek decyzje. Jednym z ostatnich opracowań, które ukazują dotychczasową ewolucję oraz dalsze kierunki rozwoju rozwiązań Business Analytics BA (w tym Business Intelligence) jest raport przedstawiony przez IDC w roku 2007 (rys. 1). WyróŜniono w nim 5 etapów rozwoju systemów BA: a. etap 1 raportowanie z systemów produkcyjnych (operacyjnych) i statystyki (production reporting and statistic); b. etap 2 zapytania, przetwarzanie OLAP i data mining; c. etap 3 pakiety Business Intelligence i aplikacje analityczne (BI suites and analytic applications); d. etap 4 automatyzacja procesów decyzyjnych (decision process automation - DPA); e. etap 5 automatyzacja procesów inteligentnych (intelligent process automation - IPA). Ostatni etap dotyczy przyszłości, w której nadal będziemy obserwować nie tylko znaczące zwiększenie liczby danych, ale równieŝ liczby uŝytkowników systemów analitycznych. Do tej pory systemy BA i BI były przeznaczone dla stosunkowo niewielkiej grupy uŝytkowników: głównie doświadczonych analityków i kierownictwa najwyŝszego szczebla zarządzania. Coraz jednak częściej uŝytkownikami tych narzędzi jest teŝ kadra niŝszych szczebli zarządzania, która musi szybko podjąć właściwą decyzję w oparciu o napływające na bieŝąco dane. Wymaga to wbudowania w syste-

8 8 Arkadiusz Januszewski Bussines Intelligence jako system wspomagający zarządzanie wydajnością przedsiębiorstwa my transakcyjne funkcjonalności analitycznych, w które są obecnie wyposaŝone systemy BA i BI, lub opracowania specjalnych modułów analitycznych rozszerzających moŝliwości monitorowania procesów zaimplementowane w systemach produkcyjnych. Funkcjonalności te mają zapewnić przeprowadzanie szybkiej analizy wskaźników wydajności monitorowanych procesów. Dane/ zawartość Mało DuŜo Zapytania ad-hoc OLAP Hurtownie danych Wzorce Modele danych ETL i jakość danych Współpraca Workflow Kokpity kierownicze Statyczne, cykliczne raportowa- Wizualiza- Karty wyników Zarządzanie cyklem Ŝycia DW Analizy prognostyczne Alarmowanie Wiedza o procesach Analiza zawartości UŜytkowni- Monitorowanie zdarzeń Zapytania OLAP data mining Pakiety BI Aplikacje analityczne Raportowanie z systemów produkcyjnych Automatyzacja procesów decyzyjnych Automatyzacja procesów inteligentnych Rys.1. Rozwój systemów Business Analytics według IDC Źródło: [10] ( nieznacznie zmodyfikowany) Wymienione przez IDC narzędzia automatyzacji procesów inteligentnych (IPA) słuŝące do monitorowania zdarzeń, alarmowania wyjątków i zarządzania wiedzą o procesach są często określane wspólnym terminem - Business Activity Monitoring (BAM). MoŜna wskazać kilka cech, które odróŝniają narzędzia BAM od klasycznych systemów BI [4]. W tradycyjnych rozwiązaniach Business Intelligence wspomaganie procesów podejmowania decyzji opiera się na analizie danych zgromadzonych w hurtowni, w celu ekstrapolacji przyszłości i estymacji stanu obecnego poprzez wgląd w dane historyczne. Narzędzia Business Activity Monitoring zakładają natomiast przetwarzanie danych, które napływają na bieŝąco danych z systemów obsługujących sferę wykonawczą przedsiębiorstwa. Zapewniają one bezpośredni monitoring stanu aktualnego. Z tego załoŝenia

9 POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 14, wynika, Ŝe uŝytkownikami systemów BAM są kierownicy liniowi, bezpośrednio nadzorujący procesy gospodarcze2. UŜytkownikami tradycyjnych systemów BI są na ogół specjaliści i menedŝerowie zainteresowani analizą duŝych zbiorów danych i jej wynikami. Informacje pozyskane w wyniku analiz przeprowadzanych za pomocą narzędzi BI mogą zostać uŝyte do identyfikacji obszarów, które następnie moŝna monitorować za pomocą narzędzi BAM. Analizy BI pozwalają bowiem na wskazanie niekorzystnych zjawisk czy trendów występujących w konkretnych procesach gospodarczych, natomiast wykorzystanie narzędzi BAM moŝe umoŝliwić wskazanie przyczyn tych niekorzystnych zjawisk i uniknięcie ich w przyszłości. PoŜądaną cechą systemów BAM jest automatyczne przesyłanie informacji ostrzegawczych (alertów) w przypadku przekroczenia krytycznych wartości. Narzędzia BAM rozszerzają moŝliwości monitorowania (i wysyłania alertów) zawarte w systemach transakcyjnych. Integrują one dane pomiarowe pochodzące z róŝnych aplikacji ERP, SCM czy CRM, które często nie potrafią ze sobą płynnie współdziałać. Interfejs uŝytkownika końcowego systemu BAM najczęściej korzysta z koncepcji tzw. kokpitu menedŝerskiego (management dashboard), w którym na jednym ekranie prezentowane są róŝne wskaźniki - często w postaci animowanych obrazów graficznych, ilustrujących zmiany zachodzące w danych napływających w czasie rzeczywistym (rys. 2). Rys. 2. Kokpit menedŝerski - przykład Cechą opisanych wyŝej systemów BAM jest integracja i analiza danych napływających w czasie rzeczywistym z systemów produkcyjnych przedsiębiorstwa. Koncepcję tę określa się jako Inte- 2 RóŜnicę między BAM i BI moŝna zobrazować poprzez porównanie podejmowania decyzji odnośnie do portfela akcji giełdowych - moŝna patrzeć zarówno na trendy z ostatnich tygodni, by po analizie tych danych historycznych podjąć decyzję o kupnie czy sprzedaŝy akcji, ale równie dobrze moŝe to być bieŝący kurs akcji - jeśli spada lub rośnie powyŝej określonego poziomu decyzję podejmuje się natychmiast.

10 10 Arkadiusz Januszewski Bussines Intelligence jako system wspomagający zarządzanie wydajnością przedsiębiorstwa grację Danych Korporacyjnych (Enterprise Information Integration - EII) [8]. RóŜnica między EII a BI polega na tym, Ŝe w systemach EII dane do analiz nie są umieszczane w bazie hurtowni danych, lecz są pobierane bezpośrednio do analizy z systemów transakcyjnych. Mechanizm EII łączy się automatycznie z róŝnymi bazami danych systemów takich jak ERP, CRM, czy system bilingowy. Zaletą systemów EII jest aktualność danych. Z tego właśnie względu są one nazywane systemami BI czasu rzeczywistego (Real-time BI). NaleŜy pamiętać, Ŝe systemy EII nie zapewniają dostępu do danych historycznych. Tym samym nie mogą być uwaŝane za alternatywę dla hurtowni danych, lecz raczej za technologię komplementarną, która pozwala na zadawanie zapytań i przeprowadzanie analiz na danych bieŝących, co pozwala szybko podjąć działania korekcyjne. 4. Strategiczna Karta Wyników jako element systemu BI wspomagającego zarządzanie wydajnością na szczeblu strategicznym Systemy BAM wspomagają one zarządzanie procesami operacyjnymi poprzez bieŝące obliczanie mierników wydajności tych procesów i prezentowanie ich na tzw. kokpitach menedŝerskich. Według Gartner Group pakiety do zarządzania wydajnością klasy EPM powinny zawierać narzędzia mające zastosowanie w następujących obszarach [7]: budŝetowanie, planowanie i przewidywanie; modelowanie zyskowności i optymalizacja; aplikacje zrównowaŝonej karty wyników, łączone ze specyficzną metodologią (np. BSC, Six Sigma); konsolidacja finansowa; raportowanie ustawowe i finansowe. Oprócz zrównowaŝonej karty wyników, narzędzia wspomagające zarządzanie we wszystkich z wymienionych wyŝej obszarów, są od dłuŝszego czasu dostępne jako moduły systemów ERP lub osobne pakiety. Z tego względu moŝna przyjąć, Ŝe drugim kluczowym elementem BAM - systemów wspomagających zarządzanie wydajnością jest koncepcja ZrównowaŜonej Karty Wyników (Balanced Score Card - BSC) [5]. Jest to metodologia pomiaru efektywności i kontroli organizacji, której istotą jest powiązanie strategii przedsiębiorstwa z działaniami operacyjnymi. Dokonuje się tego za pomocą zestawu mierników wspierających bieŝące monitorowanie dokonań dla osiągnięcia przyjętej przez firmę strategii. Systemy transakcyjne i systemy BAM, które mierzą dziennie setki parametrów, pozwalają określić efektywność bieŝącej działalności operacyjnej. ZrównowaŜona Karta Wyników umoŝliwia ich połączenie z celami strategicznymi organizacji. Dzięki wkomponowaniu BSC w system BI i zintegrowaniu jej z miernikami wydajności działań operacyjnych zarząd firmy moŝe szybko rozpoznać wpływ tych działań na realizację celów strategicznych i podejmować działania korygujące. Jest to moŝliwe, poniewaŝ karta definiuje związki przyczynowoskutkowe między tymi działaniami operacyjnymi i celami organizacji. Na ZrównowaŜoną Kartę Wyników składają się cztery zestawy wskaźników, które tworzą cztery perspektywy widzenia biznesu: perspektywa finansowa, perspektywa klienta, perspektywa procesów gospodarczych, perspektywa rozwoju i wzrostu.

11 POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 14, Wskaźniki z róŝnych perspektyw są ze sobą powiązane i obrazują związki przyczynowoskutkowe. Perspektywa finansowa zawiera róŝnego rodzaju wskaźniki finansowe, które odpowiadają na pytanie: jak realizujemy oczekiwania udziałowców? Perspektywa klienta powinna operować miarami pozwalającymi ocenić, w jakim stopniu firma spełnia oczekiwania klientów. Miary te powinny koncentrować się wokół satysfakcji, utrzymania i pozyskiwania klientów w wybranych segmentach rynku. Perspektywa procesów gospodarczych obejmuje miary związane głównie z jakością, czasem i kosztami procesów operacyjnych ze szczególnym uwzględnieniem obsługi klienta. Perspektywa rozwoju i wzrostu uwzględnia miary innowacyjności i doskonalenia. Miary te dotyczą nowych produktów i usług, motywacji i poziomu umiejętności i wiedzy pracowników oraz dostępności informacji do podejmowania decyzji (poziomu informatyzacji). BSC została zaimplementowana w większości wiodących systemów BI, m.in. takich firm jak: SAS (Strategic Performance Management), Oracle (Oracle Balanced Scorecard), SAP (SAP Strategic Enterprise Management), Hyperion (Hyperion Performance Scorecard), Business Objects (Business Objects Performance Manager), Progress (CorVu Balance Scorecard), MicroStrategy. Systemy te wspomagają implementację koncepcji BSC i EPM oraz ich upowszechnienie w całym przedsiębiorstwie. Zestawienie czterech perspektyw, przedstawiających stan finansów, obsługi klientów, procesów wewnętrznych i przyswajania wiedzy, daje znacznie pełniejszy obraz firmy, niŝ same wskaźniki finansowe. Kierownicy uzyskują wiedzę o związkach przyczynowo-skutkowych między wskaźnikami wydajności a projektami i strategią firmy. MoŜliwość jednoczesnej prezentacji strategii i wskaźników zapewnia uzyskanie pełnego obrazu sytuacji podczas analizy konkretnego zagadnienia3. W kolejnym punkcie przedstawimy krótką charakterystykę dwóch z wymienionych wyŝej systemów. 5. Przykłady systemów Business Intelligence wspomagających zarządzanie wydajnością Pakiet SAS Strategic Performance Management jest systemem rozbudowanym, który pomaga zarządzać efektywnością: pomiarem, analizą i oceną wyników pracy, w działalności operacyjnej i zarządzaniu strategicznym. Rozwiązanie opiera się na metodyce BSC, ale pozwala wbudować w system dowolną takŝe inne metodyki zarządzania efektywnością, np. Total Quality Management, European Foundation Quality Management czy ISO. W systemie definiuje się cele, które są przedstawiane w postaci Map Strategii, a wskaźniki i parametry je opisujące w postaci Kart Wyników. Wskaźniki mogą przyjmować nie tylko wartości liczbowe, lecz równieŝ określenia jakościowe (np. przeciętny, zły, zgodny z planem, kontrolowany). W zakresie zarządzania wydajnością przedsiębiorstwa SAS SPM wspomaga prowadzenie4: planów rocznych (budŝetów) i wieloletnich (strategii), dokumentów sprawozdawczości obowiązkowej (sprawozdania finansowego, sprawozdania dla regulatorów i organów nadzoru), kart wskaźników złoŝonych o strukturze piramidy (np. piramidy DuPonta). systemów controllingowych (np. wielostopniowych rachunków marŝy), 3 Na przykład moŝna odkryć, Ŝe zyskowność wzrasta, ale odbywa się to kosztem gorszego poziomu serwisu, co z kolei wpływa negatywnie na poziom satysfakcji klienta i w dłuŝszej perspektywie jest niekorzystne dla organizacji. 4 W systemie SAS SPM moŝna teŝ umieścić i udostępnić róŝne inne dokumentów, np. prospekty emisyjne, biuletyny, dokumenty prawne. Ten zakres jego zastosowań wiąŝe się z zarządzaniem wiedzą, co zostanie omówione w kolejnym punkcie.

12 12 Arkadiusz Januszewski Bussines Intelligence jako system wspomagający zarządzanie wydajnością przedsiębiorstwa systemów oceny pracy (np. wartościowania pracy, oceny rocznej), systemów nadzorowania procesów (np. monitorowania procesów inwestycyjnych, monitorowania efektywności sprzedaŝy). Business Objects Performance Manager jest częścią systemu Business Objects XI, którego strukturę pokazano na rysunku 3. Raportowanie korporacyjne Interaktywne analizy Raportowanie wbudowane Platforma Business Intelligence Zapytania ad-hoc Integracja danych OLAP ERP, CRM, SCM Mainframe Inne aplikacje Dane lokalne Internet Źródło:[2] Rys. 3. Struktura systemu Business Objects XI W skład tego systemu wchodzą moduły raportowania, zapytań i analiz, pakiety aplikacji analitycznych, platforma BI oraz produkty do integracji danych [2, 3]. Performance Manager - podobnie jak SAS SPM ma zaimplementowane mechanizmy BSC i wspiera róŝne inne metodyki zarządzania wydajnością (Six Sigma, TQM). Obraz organizacji i jej wydajności jest tu przedstawiony w postaci kokpitów menedŝerskich zawierających alerty biznesowe, karty wyników, analizy i raporty, dzięki czemu uŝytkownicy mogą monitorować stan kluczowych wskaźników, analizować wydajność procesów i podejmować świadome działania operacyjne. Kokpity menedŝerskie Business Objects mogą być dowolnie projektowane z uwzględnieniem indywidualnych potrzeb i posiadają

13 POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 14, zaawansowane moŝliwości wizualizacji danych. Korzysta z takich technik wizualizacji jak mapy strategii i celów oraz drzewa metryk. Za ich pomocą moŝna w łatwy sposób wizualizować związki przyczynowo-skutkowe oraz status kluczowych wskaźników wydajnościowych względem celów operacyjnych. MoŜliwe jest teŝ powiązanie osób i działań ze strategią poprzez przydzielanie celów pojedynczym uŝytkownikom lub ich grupom, a w konsekwencji wyznaczanie hierarchii celów i metryk dla kaŝdego poziomu organizacyjnego. WaŜnymi elementami systemu zarządzania wydajnością w Business Objects są aplikacje analityczne, które zawierają zestawy metryk biznesowych, gotowych kokpitów menedŝerskich oraz najlepsze metody analityczne dedykowane konkretnym dziedzinom biznesowym. Business Objects zawiera bibliotekę ponad 100 takich wzorcowych kokpitów, stanowiących zbiór najlepszych praktyk zarządzania wydajnością organizacji. Wzorce analiz obejmują róŝne obszary funkcjonowania firmy (np. klientów, produkty, łańcuch dostaw, pracowników, finanse). Performance Manager umoŝliwia teŝ zapamiętywanie własnych ścieŝek analiz dla poszczególnych osób lub większych grup, po to aby móc je wykorzystać w przyszłości. Dzięki aplikacjom analitycznym i własnym ścieŝkom analiz w system BI zostają wkomponowane najlepsze praktyki biznesowe powstałe na bazie doświadczeń róŝnych organizacji oraz wynikające z doświadczeń własnych. 5. Zakończenie Reasumując przedstawione w artykule rozwaŝania moŝna uznać, Ŝe rozwój systemów Business Intelligence w kierunku systemów wspomagających zarządzanie wydajnością polega na: dostarczeniu narzędzi analitycznych na poziom zarządzania operacyjnego, czyli rozwoju w kierunku systemów BI czasu rzeczywistego; wykorzystaniu koncepcji ZrównowaŜonej Karty Wyników, która pozwala połączyć strategię organizacji z działaniami operacyjnymi. Oczywiście wspomaganie zarządzania wydajnością nie jest jedynym kierunkiem rozwoju tych systemów. Do innych cech nowych generacji systemów BI zalicza się m.in. oparcie na technologii internetowej (korporacyjne portale BI) oraz usprawnienie pozyskiwania informacji z Internetu, co prowadzi do ich traktowania jako waŝnego elementu systemu zarządzania wiedzą. 6. Literatura 1. Bracket M.H. (1999) Business Intelligence Value Chain. DM Review, March 2. Business Objects (2005) Business Objects XI wiodący pakiet narzędzi Business Intelligence. Materiały informacyjne 3. Business Objects (2003) Business Objects Zarządzanie wydajnością. Materiały informacyjne 4. Gamdzyk P. (2004) Być na bieŝąco. Computerworld 20 grudnia 5. Kaplan R.S., Norton D.P. (1992) The Balanced Scorecard - Measures That Drive Performance. Harvard Business Review, styczeń-luty 6. Łakomy M. (2000) Hurtownie danych dla przyszłości. Computerworld 1 października 7. Rayner N., Buytendijk F., Geishecker L. (2005) Magic Quadrant for CPM Suites, Gartner RAS Core Research Note G Słoniewski T. (2005) Wywiad w firmie. Computerworld 27 grudnia 9. Stokalski B. (2005) Plac budowy inteligentnych korporacji. Computerworld 27 grudnia

14 14 Arkadiusz Januszewski Bussines Intelligence jako system wspomagający zarządzanie wydajnością przedsiębiorstwa 10. Vasset D. i inni (2007) Worldwide Business Analytic Software [on-line] [Dostęp 23 października 2007] Dostępny w Internecie: idc_wwbusanalytics_0907.pdf 11. White C.J. (1998) The IBM Business Intelligence Software Solutions. Database Associates International Inc.. January [on-line][dostęp 14 listopada 2007] Dostępny w Internecie BUSSINES INTELLIGENCE AS AN ENTERPRISE PERFORMANCE MANAGEMENT SYSTEM Summary The article presents Business Intelligence (BI) systems, that support Enterprise Performance Management. There are two group of such systems describe: Real-time Business Intelligence and BI systems based on the conception of the Balanced Scorecard. The first class of BI supports managers with operational management and the second with the strategic management. The described class of BI systems are illustrated by too examples of software packages. Keywords: Business Intelligence, Real-time Business Intelligence, Business Activity Monitoring, Enterprise Performance Management Arkadiusz Januszewski arekj@utp.edu.pl Katedra InŜynierii Zarządzania, Wydział Zarządzania Uniwersytet Technologiczno-Przyrodniczy W Bydgoszczy ul. Kaliskiego 7 bud.3.1., Bydgoszcz

15 POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 14, JOLANTA KONDRATOWICZ-POZORSKA Akademia Rolnicza w Szczecinie ZASTOSOWANIE METODY CHAID DO POZNAWANIA KLIENTÓW I RYNKU Streszczenie śadne przedsiębiorstwo nie jest w stanie zaspokoić potrzeb wszystkich swoich potencjalnych klientów. Zamiast więc konkurować wszędzie, firmy szukają najbardziej atrakcyjnej grupy nabywców lub obszaru, który obsłuŝą lepiej niŝ konkurenci. W pracy pod tytułem,,zastosowanie metody CHAID do poznawania klientów i rynku przedstawiono praktyczne zastosowanie jednej z wielu metod ilościowych do segmentacji klientów firmy,,a. Zastosowanie tego instrumentu pozwala na poznanie klientów oraz sprecyzowanie i ukierunkowanie działań producenta/handlowca. Słowa kluczowe: marketing, metoda CHAID, typy segmentacji 1. Segmentacja w marketingu Według najprostszej definicji marketing oznacza wprowadzenie na rynek róŝnego rodzaju produktów i usług, a takŝe ich sprzedawanie i kupowanie; polega na dostarczaniu na właściwe miejsce, we właściwym czasie, przy właściwej promocji i po właściwej cenie odpowiednich produktów i usług właściwemu nabywcy 1. Współcześnie funkcjonują róŝne style marketingu, tj. marketing masowy, marketing produktów zróŝnicowanych i marketing segmentacyjny. Pierwszy styl polega na tym, Ŝe decyzje marketingowe firmy nastawione są na seryjne wytwarzanie produktów, masową sprzedaŝ jednego produktu, który przyciąga uwagę róŝnych klientów. Ten typ marketingu ma tę zaletę, Ŝe pozwala firmie osiągnąć niskie koszty wytwarzania i najniŝszą moŝliwą cenę, a tym samym wykreować największy potencjalny rynek. Niestety producent nie przywiązuje wagi do róŝnicowania się popytu na jego produkty, co moŝe w przyszłości zawaŝyć na jego pozycji rynkowej. Marketing zróŝnicowany jest wyŝszym stadium rozwoju marketingu w przedsiębiorstwie. Zgodnie z nazwą polega na róŝnicowaniu wytwarzanych przez siebie produktów, tak by zwrócić uwagę klientów na róŝnice występujące między nimi. Kolejnym stadium ewolucyjnym marketingu jest marketing segmentacyjny. Narzędzia marketingu ukierunkowane zostają na odbiór przez róŝne grupy nabywców tworzących rynek. Przedsiębiorstwo świadomie więc podejmuje działania zmierzające do określenia grup (segmentów) funkcjonujących na rynku i rozpoznając ich potrzeby, rozwija juŝ ofertę i program marketingowy odpowiednio do wybranego rynku docelowego 2. UwaŜa się, Ŝe ostatnie stadium rozwoju marketingu najlepiej pozwala odnaleźć firmie właściwą dla siebie drogę oddziaływania na rynek i stwarza podstawy do podejmowania racjonalnych decyzji. Sprecyzowanie pola oddziaływania firmy na otoczenie pozwala takŝe na zmniejszenie kosztów 1 S. Urban, Marketing produktów spoŝywczych. Wyd. AE. Wrocław 2 Marketing w agrobiznesie pod red. M. Duczkowskiej-Piaseckiej. Format A-B, Warszawa 1996, s.60

16 16 Jolanta Kondratowicz-Pozorska Zastosowanie metody CHAID do poznawania klientów i rynku funkcjonowania firmy, a przede wszystkim kosztów związanych z modyfikacją produktów, kanałów dystrybucji, promocją, itd. W badaniach marketingowych znane są liczne metody poznawania rynku, podziału na segmenty lub słuŝące pogłębianiu wiedzy o klientach. Praktykom zaleŝy jednak, by uŝyte metody były proste technicznie, ale bogate w wyniki i łatwe do interpretacji. Z tego to punktu widzenia do niniejszej pracy wybrano metodę CHAID, jako narzędzie spełniające te oczekiwania. 2. Metoda CHAID jako narzędzie segmentacji odbiorców firmy,,a Istota segmentacji rynku sprowadza się do dywersyfikacji polityki sprzedaŝy wobec róŝnych grup nabywców. Potrzeba segmentacji jest wynikiem uznania, iŝ odbiorcy, na których nakierowane są działania marketingowe firmy, tworzą odrębne pod względem atrakcyjności ekonomicznej grupy. Grupy te róŝnią się strukturą potrzeb oraz sposobem ich zaspokajania. Dostrzeganie tych odmienności wymusza uwzględnienie ich w realizowanej polityce marketingowej firmy3. Inna definicja segmentacji4 mówi, Ŝe jest to podział badanej struktury na jednorodne obszary, w których zróŝnicowanie między obiektami ze względu na poszczególne cechy jest mniejsze aniŝeli pomiędzy tymi obszarami. Procedura segmentacji obejmuje 4 rodzaje prac. Są to: Zdefiniowanie kryteriów segmentacji, Określenie tzw. zmiennych profilowych, czyli cech, które będą charakteryzowały określone segmenty. Wyznaczenie segmentów. Profilowanie wyznaczonych segmentów na podstawie wcześniej wybranych deskryptorów. Tematem dalszych rozwaŝań będzie określenie tzw. zmiennych profilowych i ich roli w kształtowaniu przynaleŝności jednostek do poszczególnych grup (segmentów) Metoda badawcza Zmienne profilowe odpowiadają na pytanie, kim są konsumenci zgrupowani w jeden segment ze względu na przyjęte kryterium segmentacji. Zmienne te powinny mieć określone własności: 1. być silnie powiązane z przyjętym kryterium segmentacji (wówczas kryterium to zmienna zaleŝna, zmienna profilowa zmienna niezaleŝna) 2. być czytelne i uŝyteczne w działaniach marketingowych przedsiębiorstwa. Analiza segmentacyjna moŝe być prowadzona za pomocą: analizy dyskryminacji, regresji logistycznej i metoda detekcji interakcji AID. W przypadku, gdy zmienna zaleŝna jest typu nominalnego lub porządkowego (jak w przypadku podjętych przez autorkę badań) analiza przebiega zgodnie z zasadami pomiaru zaleŝności za pomocą statystyki χ 2 i badania jej istotności. Taka procedura nosi nazwę metody automatycznej detekcji interakcji za pomocą statystyki χ (CHAID). Warunkiem stosowania tej metody jest dysponowanie zmienną zaleŝną typu nominalnego. Zmienne niezaleŝne mogą być dowolnego typu. Procedura postępowania składa się z etapów: 2 3 M. Rószkiewicz, Metody ilościowe w badaniach marketingowych. PWN, Warszawa. 4 S. Mynarski, Badania rynkowe w warunkach konkurencji. Fogra, Kraków.

17 POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 14, a) dla wyróŝnionych kategorii zmiennej zaleŝnej oraz kaŝdej z wybranych zmiennych niezaleŝnych wyznaczenie liczebności, odpowiadających i-tej kategorii zmiennej zaleŝnej nij i j-tej kategorii zmiennej niezaleŝnej. b) ocena zaleŝności statystycznej w kaŝdym z wyróŝnionych przypadków za pomocą statystyki χ 2 według wzoru: χ 2 ( n = c) wybór pierwszej zmiennej klasyfikującej, według poziomu istotności związanego z obliczonymi na podstawie danych empirycznych wartościami statystyki χ. Kryterium wyboru jest tu minimalizacja tego prawdopodobieństwa. d) dezagregacja zbioru jednostek na podgrupy według kategorii zmiennej niezaleŝnej wybranej w poprzednim kroku. e) da ustanowionych w poprzednim etapie grup na niŝszym szczeblu agregacji jednostek ponowne wyznaczenie wartości statystyki χ, mierzącej zaleŝność statystyczną między zmienną zaleŝną a kaŝdą z pozostałych zmiennych niezaleŝnych. f) etapy c) i d) powtarzane są tak długo, aŝ wyczerpie się zbiór deskryptorów lub dezagregacja jednostek doprowadzi do wydzielenia grup o liczebnościach niewystarczających do kontynuowania analizy zaleŝności między zmienną zaleŝną a deskryptorami, ewentualnie otrzymane wartości statystyki χ 2 i 2 j będą wskazywać na nieistotność zaleŝności Materiał badawczy i praktyczne zastosowanie wybranej metody badawczej W celu scharakteryzowania i ukierunkowania działań producenta a jednocześnie handlowca scharakteryzowano potencjalnych nabywców/odbiorców towarów z firmy o nazwie,,a *. Jest to spółka cywilna mająca swoją siedzibę i zakłady produkcyjne na terenie województwa zachodniopomorskiego oraz szereg punków handlowych w całej Polsce. Chcąc nadąŝać za pragnieniami konsumentów (w pewnym sensie takŝe modą) przedsiębiorstwo chce wprowadzić do sprzedaŝy produkty ekologiczne. Jednak prowadzenie produkcji metodami ekologicznymi wiąŝe się z bardzo wysokimi kosztami produkcji, czasochłonnością i w ostateczności z wyŝszą ceną dla konsumentów. Ciekawym tematem badań jest zatem poszukiwanie odpowiedzi na pytania: czy warto zainwestować w nową linię produkcji i podjąć promocję nowych towarów oraz do jakiej grupy odbiorców/nabywców powinna być zaadresowana podjęta kampania? Realizując temat 1495 osobom mieszkających w województwie zachodniopomorskim przedło- Ŝono ankietę. Zestaw pytań był tak skonstruowany, aby badacz tematu miał moŝliwość odpowiedzi, czy zaakceptuje, bądź teŝ nie nowy towar (czyli produkt ekologiczny). Dodatkowo zebrano informacje, które pozwoliły na charakterystykę dotychczasowych klientów firmy. Uwzględniono takie 5 M. Rószkiewicz, Metody ilościowe w badaniach marketingowych. PWN, Warszawa. * właściciele firmy nie zgodzili się na publiczne podawanie nazwy ij ^ n ij ^ n ij ) 2 2

18 18 Jolanta Kondratowicz-Pozorska Zastosowanie metody CHAID do poznawania klientów i rynku grupy zmiennych, jak: wiek, płeć, miejsce zamieszkania, zamoŝność, wykształcenie oraz odległość od sklepu firmowego. Wszystkie te grupy zawierają kilka kategorii. Dla przykładu: miejsce zamieszkania: miasto i wieś, wiek: młodzi (do 30 lat), w średnim wieku (od 30 do 60), osoby starsze (po 60- ce); płeć: męŝczyźni i kobiety; zamoŝność: niski dochód na członka rodziny (do 250 euro), średni (pomiędzy euro), wysoki dochód (powyŝej 500 Euro). wykształcenie: poniŝej średniego, średnie oraz wyŝsze; Odległość od sklepu: blisko i daleko. Po zebraniu ankiet i wstępnym, statystycznym ich opracowaniu otrzymano, Ŝe 74% osób jest zainteresowanych nowym produktem, 26% zdecydowanie odmówiło. Dla tak zdefiniowanej zmiennej zaleŝnej o dwóch nominałach przeprowadzono analizę zaleŝności statystycznej testem chi-kwadrat ze względu na wszystkie wyróŝnione deskryptory. Wyniki z przeprowadzonych testów przedstawia tab. 1. Tabela 1. Wyniki analizy zaleŝności stochastycznej między deklaracją akceptacji nowego produktu a wyróŝnionymi deskryptorami Deskryptor Wartość 2 statystyki χ 2 Istotność statystyki χ Miejsce zamieszkania 15,2 0,02023 Wiek 24,5 0,00022 Odległość od sklepu 34,9 0,00033 ZamoŜność 22,2 0,00005 Płeć 98,1 0,032 Wykształcenie 78,4 0,00015 Źródło: obliczenia własne Na podstawie dotychczasowych badań zakładamy, Ŝe dwa deskryptory nie mają istotnego wpływu na akceptację nowego towaru. Są to płeć i miejsce zamieszkania. Z pozostałych obliczeń wynika, Ŝe najmniejszą istotnością charakteryzuje się statystyka χ 2 obliczona dla deklaracji akceptacji nowej technologii produkcji w zaleŝności od zamoŝności. Pierwsza dezagregacja następuje według 3 wyróŝnionych poziomów zamoŝności. Zainteresowanie nowym towarem jest najwyŝsze wśród osób z wysokim dochodem (76%), ze średnim na poziomie 19% i z niskimi dochodami na granicy 5%. Kolejny etap polega na analizie kaŝdego z wyróŝnionych segmentów (3 klasy podziału) oddzielnie, pod względem zaleŝności złoŝonej akceptacji nowego produktu od pozostałych trzech zmiennych: wiek, wykształcenie oraz odległości od miejsca zakupu omawianego towaru. W rezultacie otrzymanych wyników wiek był istotnym deskryptorem dla osób średnio zamoŝnych, a wykształcenie było istotnym deskryptorem dla osób zamoŝnych. Kroki te były powtarzane tak długo, aŝ wartości liczebności odpowiadających i-tej kategorii zmiennej zaleŝnej i j-tej kategorii zmiennej niezaleŝnej stały się zbyt małe z punktu poprawności stosowania testu χ 2, bądź teŝ gdy wartości

19 POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 14, otrzymanej statystyki będą wskazywać na nieistotność zaleŝności. Wyniki kolejnych postępowań przedstawia rys. 1. Przejrzystość grafu pozwala na ocenę zainteresowania klientów nowymi towarami firmy,,a, a jednocześnie daje obraz przynaleŝności badanych jednostek do poszczególnych segmentów. Kolorem niebieskim zaznaczono zainteresowanie nowymi produktami z uwzględnieniem kolejnego wybranego deskryptora, natomiast kolorem czerwonym udział tej grupy ankietowanych z uwzględnieniem kolejnego wybranego deskryptora w całości badania, które dotyczyło 1495 osób wypełniających ankietę. Klienci zainteresowani produktami ekologicznymi 74% / 100% Zamoznosc niska 5% / 26% Zamoznosc srednia 19% / 61% Zamoznosc wysoka 76% / 13% Os. mlode 12% / 18% W srednim wieku 26% / 36% Os.starsze 23% / 7% W. ponizej sredniego 7% / 2% W. srednie 29% / 6% W. wyzsze 32% / 5% Blisko m. 37%/11% Daleko m. 6%/7% W. ponizej sredniego 10% / 10% W. srednie 41% / 20% W. wyzsze 32% / 6% Os. mlode 45% / 2% W srednim w. 36% / 2% Os. mlode 10% / 1% W srednim w. 31% / 2% Os. starsze 49% / 3% Daleko m. 17% / 1% Blisko m. 49% / 17% Daleko m. 6% / 3% Blisko m. 33% / 2% Daleko m. 12% / 1% Blisko m. 60% / 0,7% Daleko m. 4% / 0,3% Rys.1. Graf przedstawiający segmentację klientów firmy,,a, którzy są zainteresowani produkcją ekologiczną (ze względu na wybrane zmienne niezaleŝne) Źródło: opracowanie własne 3. Wnioski Wybrana metoda badawcza pozwala na wyodrębnienie - ze względu na wybrane zmienne niezaleŝne - grup klientów, którzy akceptują nową ofertę rynkową firmy,,a, która polega na wprowadzeniu na rynek produktów ekologicznych. Do deskryptorów tych zaliczono: zamoŝność, odległość od sklepów sprzedających ten towar, wiek i wykształcenie. Poznając bliŝej nabywców towaru, tzn. analizując ich cechy fizyczne i moŝliwości ekonomiczne łatwiej dotrzeć z nowymi produktami do odbiorcy docelowego, lepiej zaadresować kampanię reklamową, wzbogacić strukturę asortymentową lub podnieść jakość towarów. Pozwala to takŝe na podejmowanie decyzji przy znacznie mniejszym poziomie ryzyka, co sprzyja rozwojowi firmy i umacnianiu jej pozycji na rynku. Odczytując graf moŝna stwierdzić np., Ŝe nowym asortymentem najbardziej zainteresowane są osoby średnio -(19%) i dobrze uposaŝone (76%). Pośród średnio zamoŝnych, nowym towarem

20 20 Jolanta Kondratowicz-Pozorska Zastosowanie metody CHAID do poznawania klientów i rynku zaciekawione byłyby osoby przede wszystkim w wieku średnim i starsze. Osoby młode wykazywały oŝywienie tylko wówczas, kiedy towar byłby dostępny w niedalekim sąsiedztwie miejsca zamieszkania. Kolejnym poziomem badawczym dla osób w wieku średnim było wykształcenie. Produktami ekologicznymi firmy,,a zainteresowane były przede wszystkim osoby ze średnim (41%) i wyŝszym wykształceniem (32%). W grupie osób średnio zamoŝnych, w średnim wieku i ze średnim wykształceniem waŝnym argumentem przemawiającym za kupnem nowego towaru jest powszechna jego dostępność w najbliŝszym otoczeniu (49%). Osoby zamoŝne stanowią kolejną grupę objętą badaniem. Dla nich istotnym deskryptorem w rezultacie otrzymanych wyników było wykształcenie. 29% osób z wykształceniem średnim i 32% z wyŝszym wyraziło zainteresowanie nowym asortymentem. Byli to zazwyczaj ludzie w średnim (31%) lub starszym wieku (49%) w pierwszym obszarze lub młodzi (53%) i w średnim wieku (36%) w drugim obszarze zmiennych. Dla osób starszych waŝnym deskryptorem była odległość od miejsca zamieszkania. W pozostałych grupach uŝyty test nie wykazywał istotności. Za pomocą grafu moŝna stworzyć obraz grup tworzących segmenty, które róŝnią się między sobą a jednocześnie są jednolite wewnątrz. Dodatkowym atutem zastosowanej metody jest moŝliwość uzyskania informacji o wszystkich osobach wypełniających ankietę (a więc będących nabywcami towarów firmy,,a ). Są to osoby przewaŝnie średnio zamoŝne (61% respondentów) lub mało zamoŝne (26%). Tylko 13% przyznało, Ŝe ma dochody wyŝsze niŝ 0,5 tys. euro na osobę. Najczęściej kupującymi badany asortyment są osoby w średnim wieku (36%), ze średnim wykształceniem (20%) i mieszkające w pobliŝu sklepu (17%). Osoby dobrze uposaŝone to osoby młode (2%) lub w średnim wieku (2%) z wykształceniem wyŝszym (5%) lub starsze (3%) lub w średnim wieku (2%) z wykształceniem średnim (6%). 4. Literatura 1. Duczkowska-Piasecka M.(red.), Marketing w agrobiznesie, Format A-B, Warszawa Mynarski S., Badania rynkowe w warunkach konkurencji. Fogra, Kraków Rószkiewicz M., Metody ilościowe w badaniach marketingowych. PWN, Warszawa Urban S., Marketing produktów spoŝywczych. Wyd. AE. Wrocław 2002