POZYSKIWANIE WIEDZY MENED ERSKIEJ Z LOGISTYCZNYCH BAZ DANYCH ZA POMOC TABEL PRZESTAWNYCH MAREK MELANIUK Streszczenie Artykuł wprowadza w zagadnienie pozyskiwania wiedzy mened erskiej z baz danych logistycznych. W tym celu pokazano wybrane mo liwo ci zastosowania tabel przestawnych b d cych cz ci arkuszy kalkulacyjnych. Dane zawarte w bazie logistycznej umo liwiły wykonanie analiz ilo ciowo-warto ciowych, strukturalnych, dynamiki zachowania si systemu w czasie oraz analiz przestrzennych. Zwrócono te uwag na wizualizacj wyników analitycznych. Tabele przestawne powinny by szerzej wykorzystywane zwłaszcza w sektorze MSP jako mened erskie narz dzie wspomagaj ce podejmowanie decyzji biznesowych. Słowa kluczowe: pozyskiwanie wiedzy, logistyczne bazy danych, tabele przestawne 1. Wprowadzenie Od co najmniej kilkunastu lat szybko rozwija si nowa koncepcja w naukach o zarz dzaniu, któr jest zarz dzanie wiedz. Trwaj w dalszym ci gu spory odno nie koncepcji, zakresu, poj i definicji tej dziedziny. [6,9] Znany jest powszechnie trójk t niematerialnych zasobów organizacji obejmuj cy dane, informacj, wiedz i m dro. Je eli przyjmiemy, e danymi s fakty, opisy, opinie o analizowanym obiekcie, to informacj jest kontekst wykorzystania tych danych i warto ciowanie faktów. Natomiast wiedza, któr posiada mened er o danym obiekcie gospodarczym jest umiej tno ci wykorzystania informacji do podejmowania racjonalnych, efektywnych i skutecznych decyzji wynikaj cych z ustalonego celu działania. Przy takim uj ciu wiedzy spełnione s trzy zasadnicze postulaty, z którymi w praktyce spotyka si ka dy mened er: umiej tno wykorzystania informacji (z podkre leniem na słowo umiej tno ), podejmowanie decyzji (nie tylko racjonalnych i efektywnych, ale zwłaszcza skutecznych), działanie zgodnie z ustalonym celem (stopie jego spełnienia mo e by zmienny w czasie). Konkurencja na rynku mi dzy jednostkami gospodarczymi wymaga szybkiej reakcji na zmieniaj ce si preferencje klientów z uwzgl dnieniem mi dzy innymi sezonowo ci sprzeda y. St d wynika konieczno prowadzenia szczegółowych, wielokryterialnych analiz. W tym celu stosuje si zintegrowane systemy informatyczne klasy ERP (Enterprise Resource Planning) oraz narz dzia analityki biznesowej BI (Business Intelligence). W przypadku mniejszych firm produkcyjnych wykorzystanie powy szych rozwi za, jakkolwiek zalecane, napotyka cz sto na barier finansow bior c pod uwag koszt tych aplikacji. St d te celem niniejszego opracowania jest przedstawienie mo liwo ci wykorzystania tabel przestawnych (pivot tables) jako narz dzia umo liwiaj cego pozyskanie wiedzy mened erskiej z logistycznych baz danych do wspomagania podejmowania decyzji.
Studies & Proceedings of Polish Association for Knowledge Management Nr 53, 2011 105 Pokazany został sposób posługiwania si tabelami przestawnymi w celu wykonania czterech rodzajów analiz: analiz ilo ciowo-warto ciowych, analiz strukturalnych, dynamiki zjawisk gospodarczych, analiz przestrzennych. Pomini to zastosowanie metod statystycznych wykorzystywanych w eksploarcji danych (data mining). Szczególna uwaga została zwrócona na potrzeb oraz mo liwo ci wizualnej prezentacji wyników analitycznych. Do celów prezentacyjnych została wykorzystana transakcyjna baza danych Kosmetyki dotycz ca sprzeda y produkowanych wyrobów jednego z wytwórców kosmetyków. Cz nazw zmieniono ze wzgl du na obowi zuj c tajemnic handlow. Baza została wyeksportowana do formatu arkusza kalkulacyjnego Excel. Baza Kosmetyki zawiera 1523 transakcje sprzeda y kosmetyków z lat 2007 2009. Analizy wykonano na podstawie wybranych 6 pól informacyjnych wchodz cych w skład poszczególnych rekordów. Kilka pierwszych rekordów pokazuje Rysunek 1. Pola informacyjne b d ce cz ciami składowymi rekordów zawieraj nast puj ce dane: nazw dystrybutora (pole Dystrybutor), dat sprzeda y (Data), nazw produktu (Produkt), liczb sprzedanych wyrobów (Ilo ), warto sprzeda y (Kwota) nazwy dziewi ciu jednostek terytorialnych (miasta i gminy) w powiecie zgierskim (Miejsce). Tak wi c w bazie danych znalazły si pola informacyjne czterech typów: ilo ciowo-warto ciowe (Ilo, Kwota), tekstowe (Dystrybutor, Produkt), pole typu daty (Data), jednostki lokalizacyjne (Miejsce). Rysunek 1. Przykład kilku rekordów bazy danych Kosmetyki
106 Marek Melaniuk Pozyskiwanie wiedzy mened erskiej z logistycznych baz danych za pomoc tabel przestawnych 2. Tabele przestawne Koncepcj tabel przestawnych (pivot tables) przedstawił po raz pierwszy Pito Salas pracuj c w Lotus Advanced Technology Group. Konkretna aplikacja pojawiła si w aplikacji Lotus Improv. Nast pnie Microsoft rozpocz ł rozwija ide tabel przestawnych pocz wszy od arkusza Excel 5. W ostatniej wersji 2010 arkusza Excel produkt ten jest ju bardzo zaawansowanym narz dziem analitycznym o wielu nowych funkcjonalno ciach w porównaniu z wcze niejszymi wersjami. Nowe mo liwo ci wynikaj mi dzy innymi ze zwi kszenia pojemno ci arkusza do ponad 17 miliardów komórek, co umo liwiło przetwarzanie bazy danych (ponad milion rekordów) w jednym arkuszu bez konieczno ci dokonywania konsolidacji. Narz dzie tabeli przestawnej zostało umiejscowione chyba niezbyt szcz liwie na karcie Wstawianie znajduj cej si na wst ce (Ribbon). [8] W wersjach 2003 i wcze niejszych pakietu Excel tabele przestawne znajdowały si w menu rozwijanym Dane razem z innymi narz dziami przetwarzania baz danych: sortowaniem, filtrowaniem, sumami cz ciowymi i innymi, dzi ki czemu interfejs u ytkownika był całkiem przyjazny i mo na było łatwo odszuka wymagane funkcjonalno ci. Odpowiednikiem tabeli przestawnej Excela w zdobywaj cym coraz wi ksz popularno arkuszu Calc pakietu OpenOffice jest opcja Pilot danych. Dla wielu praktycznych zastosowa zwłaszcza firm w sektorze MSP jest to całkiem wystarczaj ce narz dzie analityczne. Nale y zaznaczy, e pakiet OpenOffice jest przykładem otwartego oprogramowania biurowego i w ka dej chwili mo e zosta pobrana i zainstalowana jego bezpłatna aktualizacja. Tabele przestawne przedstawiaj dane w postaci tabelarycznej, w której wiersze tabeli oznaczaj rekordy (zapisy) danych, natomiast pola informacyjne poszczególnych rekordów zapisywane s w kolumnach tabeli. W celu łatwego przetwarzania pól, powinny one zosta nazwane zgodnie z zawarto ci tak, aby skrót nazwy jednoznacznie kojarzył si z danymi, które zawiera to pole informacyjne. 3. Analizy ilo ciowo-warto ciowe Wykorzystanie tabel przestawnych, jako narz dzia analitycznego umo liwia bardzo szybkie wykonanie wymaganych analiz statystycznych oraz wizualne przedstawienie wyników umo liwiaj ce monitorowanie kluczowych czynników sukcesu. Na Rysunku 2. Raport numeryczny i graficzny pokazuje warto ci sprzedanych produktów. Najcz ciej, jako wizualny sposób prezentacji wielko ci danych stosuje si wykres kolumnowy. Wykonanie obu raportów trwa przy pewnej wprawie zaledwie kilkana cie sekund. Nieco wi cej czasu mo e zajmowa odpowiednie dostosowanie wykresu graficznego: ustalenie innych ani eli standardowe kolorów tła i obiektów, doł czenie odpowiednich opisów itp., czyli dostosowanie raportu graficznego do istniej cych wymaga w firmie.
Studies & Proceedings of Polish Association for Knowledge Management Nr 53, 2011 107 Rysunek 2. Warto ci sprzedanych kosmetyków. Raport numeryczny oraz jego wizualizacja na wykresie kolumnowym Innym rodzajem wizualnej prezentacji danych s od wersji 2007 arkusza Excel paski danych (karta Formatowanie warunkowe Paski danych). Słu one do szybkiej prezentacji danych i zmieniaj formaty komórek w zale no ci od ich zawarto ci. W wersji 2010 Excel a paski danych nie s cieniowane oraz s inaczej skalowane ni w wersji 2007 (Rysunek 3.) Rysunek 3. Liczby sprzedanych wyrobów według dystrybutorów. Prezentacje graficzne w postaci pasków danych w arkuszach Excel 2007 i 2010 Nale y zaznaczy, e w Excel u 2007 paski danych nieprawidłowo zachowuj si w przypadku zer lub liczb ujemnych, poniewa nie znikaj zupełnie, ale jedynie malej do ok. 10% długo ci komórki. Znikaj jedynie w komórkach pustych lub zawieraj cych tekst. W praktyce mened erskiej istotna jest równie analiza odchyle od planów produkcji lub sprzeda y wyrobów. Na Rysunku 4. pokazane s odchylenia od ilo ciowego planu sprzeda y kosmetyków wynosz cego 8927 sztuk dla ka dego dystrybutora. W Excelu od wersji 2007 wielko ci odchyle
108 Marek Melaniuk Pozyskiwanie wiedzy mened erskiej z logistycznych baz danych za pomoc tabel przestawnych mo na przedstawi w sposób graficzny wykorzystuj c do tego celu mi dzy innymi zestawy kilkunastu ikon (karta Formatowanie warunkowe Zestawy ikon). S to graficzne zestawy strzałek, wiartek, flag, sygnalizacji ulicznej, ocen i inne. Rysunek 4. Ikony graficzne w postaci strzałek oraz wiartek pokazuj ce wielko ci odchyle od planu sprzeda y przez poszczególnych dystrybutorów 4. Analizy strukturalne Analizy strukturalne s istotnym narz dziem wspomagaj cym podj cie decyzji przez ka dego mened era. Pokazuj one udziały procentowe poszczególnych elementów w ramach danego zjawiska. Na rysunku 5. przedstawiona jest struktura ilo ciowa sprzeda y wyrobów w zale no ci od dystrybutorów. Rysunek 5. Struktura ilo ciowa sprzeda y produktów według dystrybutorów
Studies & Proceedings of Polish Association for Knowledge Management Nr 53, 2011 109 Rysunek powy szy zawiera dwa rodzaje wykresów zawieraj cych t sam informacj : wykres kołowy oraz słupkowy. Który z tych wykresów jest bardziej po dany? Kilka wskazówek w tej sprawie znajduje si na stronie internetowej http://skuteczneraporty.pl. Mianowicie, wykres kołowy jest najcz ciej nadu ywanym typem wykresu. Wykres ten nieefektywnie przedstawia dane, poniewa ludzkie oko nie jest w stanie porówna k tów wycinków poprawnie. K ty ostre s widziane jako mniejsze ni w rzeczywisto ci, podczas gdy k ty rozwarte jako wi ksze. Nie da si te utworzy efektywnego wizualnie porównania mi dzy kilkoma wykresami kołowymi. Zmusza si te odbiorc, eby kr ył wzrokiem mi dzy legend, aktualnymi warto ciami a samym wykresem tak, aby poł czy postrzegane informacje w cało. Nale y te zauwa y, e w przypadku niewielkich ró nic mi dzy wycinkami koła reprezentuj cymi udział procentowy, wzrokowo bardzo trudno jest dostrzec jak kolwiek ró nic mi dzy nimi. Znacznie skuteczniejszymi w odbiorze ani eli wykresy kołowe s wykresy słupkowe, co pokazuje Rysunek 4. Dlatego te w portalu skuteczneraporty.pl [10] wykresy kołowe zostały zaliczone do tych, które raczej nale y unika. Nie nale y te jednoznacznie pot pia wykresów kołowych, tylko stosowa je w taki sposób, eby mened er na podstawie ich analizy mógł podj trafne decyzje, tym bardziej, e jedn z zasadniczych zalet wykresów kołowych jest mo liwo automatycznego wyliczenia udziałów procentowych (struktury zjawisk gospodarczych) bez konieczno- ci ich uprzedniego obliczania w arkuszu. 5. Analiza dynamiki zjawisk w czasie W logistyce sprzeda y produktów jednym z istotnych czynników jest atrybut czasu. W tym przypadku szczególnej wagi nabiera dynamika zachowania si systemu w czasie. Dla wi kszej liczby danych liczbowych analiza takich danych jest do kłopotliwa. Łatwiejsze zobrazowanie przynosi odpowiedni wykres graficzny. Na Rysunku 6. przedstawiony jest numeryczny raport sprzeda y ilo ciowej kosmetyków według kolejnych miesi cy wykonany za pomoc tabeli przestawnej oraz odpowiednik graficzny tego raportu w postaci wykresu liniowego. Rysunek 6. Dynamika ilo ciowa sprzedanych wyrobów według miesi cy. Dane numeryczne i odpowiadaj cy im wykres liniowy
Marek Melaniuk Pozyskiwanie wiedzy mened erskiej z logistycznych baz danych za pomoc tabel przestawnych 111 Czy dynamik zjawisk mo na przedstawi za pomoc wykresów kolumnowych lub słupkowych? W zasadzie mo na i w wielu przypadkach wykresy takie s stosowane. Jednak głównym celem prezentacji danych na wykresach kolumnowych jest przede wszystkim pokazanie wielko ci zjawisk, poniewa im wi ksza jest kolumna lub dłu szy słupek, tym jest wi ksza warto danego obiektu. Natomiast zasadniczym celem wykresu liniowego jest pokazanie zmienno ci w czasie, dynamiki zachowania si, wzrostów lub spadków sprzeda y produktów w poszczególnych momentach czasowych (np. w miesi cach) a mniejsz uwag przywi zuje si do samych warto ci. W celu łatwiejszego uchwycenia zmian w czasie, na wykresach liniowych nale y dokona odpowiedniego przeskalowania osi pionowej w ten sposób, aby nie zaczynała si ona od warto ci zerowej, tylko od najmniejszej, która na Rysunku 6. wynosi 4500 (sprzeda we wrze niu wynosi dokładnie 4632 opakowania kosmetyków). Pusty obszar wykresu mi dzy zerem a warto ci 4500 nie przynosi w praktyce adnej informacji. W celu uchwycenia ogólnych tendencji i trendów w zakresie kształtowania si czynników produkcyjnych i finansowych przedsi biorstwa, w wersji 2010 arkusza kalkulacyjnego Excel jest mo liwo ich przedstawienia za pomoc miniwykresów zwanych Wykresami przebiegu w czasie znajduj cych si na karcie Wstawianie. Jest to praktyczna realizacja idei Edwarda Tufte, guru w zakresie infografiki. [2,3] Miniwykresy (sparklines, spark oznacza iskierk ) mieszcz si tylko w jednej komórce arkusza i nie maj opisanych osi pionowych ani poziomych. Mog wyst powa one w postaci wykresów: liniowego, kolumnowego i zysk-strata (win-loss). Rysunek 7. Miniwykresy (sparklines) dynamiki ilo ciowej sprzedawanych kosmetyków w postaci wykresu kolumnowego i liniowego Na Rysunku7. pokazane s (w powi kszeniu) wykresy: kolumnowy i liniowy dynamiki liczby sprzedanych kosmetyków w kolejnych miesi cach. S to te same dane ródłowe, na podstawie których został wykonany wykres liniowy zamieszczony na Rysunku 6. Wyra nie widoczne s trendy wznosz ce i opadaj ce dynamiki sprzeda y, analogiczne do zmian przedstawionych na Rysunku 6. Oczywi cie miniwykresy mo na w pełni formatowa zmieniaj c kolory, style, typy, pokazywa punkty najwy sze i najni sze itp. Natomiast przykład miniwykresu dla warto ci ujemnych i dodatnich (znajduj cych si na Rysunku 4) pokazuje Rysunek 8. Jest to miniwykres typu zysk-strata, na którym warto ci dodatnie pokazuj kolumny czarne, natomiast ujemne zaznaczone s kolorem szarym.
112 Studies & Proceedings of Polish Association for Knowledge Management Nr 53, 2011 Rysunek 8. Miniwykres typu zysk-stata dla liczb dodatnich i ujemnych Ciekawym rozwi zaniem, wartym do wykorzystania w wizualnej analizie danych jest zastosowanie skali kolorów do kalendarza sprzeda y wyrobów. Przedstawia to Rysunek 9. Rysunek 9. Zastosowanie skali kolorów do przedstawienia sprzeda y kosmetyków W powy szym przypadku, w skali dwubarwnej typu czarny-biały, warto ci skrajne, czyli najwi ksze i najmniejsze przyjmuj odpowiednio kolory czarne i białe, natomiast warto ci po rednie przyjmuj ró ne odcienie szaro ci. Rysunek byłby znacznie bardziej czytelny, gdyby zastosowa inn skal kolorów, na przykład ółty-czerwony. Druk czarno-biały powoduje, e wizualizacja rysunku wiele traci ze swojej pogl dowo ci. 6. Analizy przestrzenne Oprócz atrybutu czasu, logistyczne bazy danych zawieraj pola informacyjne dotycz ce kierunków sprzeda y lub miejsc zakupu, czyli s to atrybuty przestrzenne. Do analizy tego typu danych stosuje si przede wszystkim systemy geoinformacyjne. Systemy Informacji Geograficznej (GIS, Geographic Information System) słu zbieraniu, przetwarzaniu i wizualizacji danych na mapach wektorowych. Dzi ki graficznej prezentacji cyfrowych danych s one dla u ytkowników bardziej zrozumiałe i łatwiejsze w odbiorze. W przypadku mniejszych firm, zwłaszcza z sektora MSP oraz jednostek o w miar stałych kierunkach sprzeda y, mo na zamiast dokonywa zakupu systemów profesjonalnych samodzielnie wykona kontur mapy danego terytorium oraz poszczególne obszary administracyjne odpowiednio pokolorowa. Otrzymany szablon mo na wielokrotnie wykorzysta w ró nych okresach czasu pokazuj c dokonuj ce si zmiany. W logistycznej bazie danych, której fragment pokazuje Rysunek 1., pole informacyjne Miejsce zawiera nazwy gmin powiatu zgierskiego. Gminy te stanowi kierunki sprzeda y produktów. Wykorzystuj c narz dzie tabel przestawnych, niezwykle szybko (w czasie nie wi kszym ni kilkana cie sekund) otrzymany został raport (Rysunek 10) pokazuj cy warto sprzeda y kosmetyków do ka dej z dziewi ciu gmin.
Marek Melaniuk Pozyskiwanie wiedzy mened erskiej z logistycznych baz danych za pomoc tabel przestawnych 113 Rysunek 10. Warto sprzedanych wyrobów w układzie przestrzennym Wykonanie takiej mapy dokonuje si w 5 krokach: 1. Przygotowanie raportu numerycznego (Rysunek 10). 2. Ze strony Urz du Marszałkowskiego Województwa Łódzkiego została została skopiowana oryginalna mapa powiatu zgierskiego (na Rysunku 11 mapa ta jest pokazana w znacznym pomniejszeniu) i wklejona do arkusza kalkulacyjnego. W celu łatwiejszego wykonania konturów mapy, obszar arkusza powinien zosta powi kszony (np. do 200%.) Rysunek 11. Mapa jednostek administracyjnych powiatu zgierskiego ródło: Strona internetowa Urz du Marszałkowskiego Województwa Łódzkiego, http://www.archiwum.lodzkie.pl/lodzkie/wojewodztwo/mapa/zgierskig.html. 3. Wykorzystuj c narz dzie Wstawianie Kształty Linie Dowolny kształt, wykonany został za pomoc myszki kontur ka dej z gmin wchodz cej w skład powiatu. 4. Bior c pod uwag otrzymane warto ci za pomoc tabeli przestawnej (Rysunek 10), utworzono szereg rozdzielczy składaj cy si z pi ciu przedziałów, ka dy o jednakowej warto ci 10000
114 Studies & Proceedings of Polish Association for Knowledge Management Nr 53, 2011 zł. i przyporz dkowano kolory dla poszczególnych przedziałów (Legenda na Rysunku 12). 5. Ustalonymi kolorami ka dego z przedziałów zostały pokolorowane kontury gmin (Narz dzia główne Kolor wypełnienia) w zale no ci od warto ci sprzeda y zawartej w zadanym przedziale. Na Rysunku 12. pokazana jest wykonana mapa. Na niewypełniony szablon mapy mo na oczywi cie nanosi dowolne dane oraz kolorowa go tworz c w ten sposób kolejne mapy wizualizacji danych przestrzennych. Mapa na Rysunku 12. została pokolorowana ze wzgl dów edycyjnych kolorami od czarnego (wysoka warto ) do jasnoszarego (niska warto ). Znacznie wi cej efektów poznawczych dostarczaj inne kolory, na przykład takie, jakie s powszechnie stosowane na mapach synoptycznych. Rysunek 12. Warto sprzeda y kosmetyków do poszczególnych gmin powiatu zgierskiego
Marek Melaniuk Pozyskiwanie wiedzy mened erskiej z logistycznych baz danych za pomoc tabel przestawnych 115 7. Podsumowanie Wychodz c z okre lenia wiedzy któr jest umiej tno wykorzystania informacji do podejmowania decyzji pokazano sposób zastosowania narz dzia tabel przestawnych do pozyskania wiedzy z przykładowej logistycznej bazy danych. Oczywi cie, tabele przestawne maj znacznie wi cej mo liwo ci analitycznych ani eli pokazano w niniejszym artykule (np. filtr Fragmentatora jest nowym narz dziem w wersji 2010 arkusza Excel). Tabele przestawne w dalszym ci gu nie s zbyt popularne jako narz dzie umo liwiaj ce szybkie wykonanie raportów na podstawie istniej cej firmowej bazy danych pomimo, e na polskim rynku wydawniczym ju mo na spotka kilka znacz cych, warto ciowych pozycji [4,5,7] z tej dziedziny. Nale y te zauwa y, e około 90% potrzeb w zakresie analizy baz danych dla celów wspomagania podejmowania decyzji mened erskich zwłaszcza w sektorze MSP mog wła nie zapewni wła nie tabele przestawne. W chwili obecnej, informacje otrzymane z tabel przestawnych w poł czeniu z odpowiednimi wykresami graficznymi s coraz cz ciej wykorzystywane do budowy kokpitów mened erskich, zwanych te pulpitami nawigacyjnymi (dashboards). Jest to o tyle obiecuj cy kierunek szybkiego rozwoju systemów informatycznych, e na jednym ekranie przedstawione s główne wska niki funkcjonowania jednostki produkcyjnej, handlowej, usługowej lub jednostki administracyjnej. Za pomoc tych wielko ci, traktowanych jako kluczowe wska niki wydajno ci (Key Performance Indicators) funkcjonuj cego przedsi biorstwa, mened erowie maj mo liwo monitorowania działalno ci całej firmy w czasie rzeczywistym i podejmowania szybkich reakcji w przypadku zaistnienia zagro e. Bibliografia [1] Abdulezer L., Excel Praktyczne zastosowania w biznesie, Helion, 2005 [2] Alexander M., Excel 2007 Dashboards and Reports for Dummies, Wiley Publishing Inc., 2008. [3] Few S., Dashboard Design for Real-Time Situation Awareness, www.perceptualedge.comarticleswhitepapersdashboard_design.pdf. [4] Harts D., Office 2007 Business Intelligence. Raporty, analizy i pomiary na komputerze PC, APN PROMISE, Warszawa 2008. [5] Jelen B., Alexander M., Tabele przestawne, Mikom, Warszawa 2006. [6] Kisielnicki J., Zarz dzanie wiedz we współczesnych organizacjach, w: Zarz dzanie wiedz w systemach informacyjnych, (red.) Abramowicz W., Nowicki A., Owoc M., Wyd. Akademii Ekonomicznej, Wrocław 2004. [7] McFedries P., Excel Tabele i wykresy przestawne, Helion 2007. [8] Melaniuk M., Tabele przestawne narz dziem analizy procesów społecznych, w: Zeszyty Naukowe Nr 576 Studia Informatica Nr 24, Uniwersytet Szczeci ski, Szczecin 2009 [9] Por bska-mi c T., Narz dzia wspomagaj ce zarz dzanie wiedz o kliencie, w: Pozyskiwanie wiedzy i zarz dzanie wiedz, (red) Nycz M., Owoc M., Prace Naukowe AE we Wrocławiu Nr 1121, Akademia Ekonomiczna, Wrocław 2006. [10] Wykresy, których nale y unika materiał z portalu: http://skuteczneraporty.pl/index.php /2010/09/15/wykresy-ktorych-nalezy-unikac/.
116 Studies & Proceedings of Polish Association for Knowledge Management Nr 53, 2011 MANAGERIAL KNOWLEDGE ACQUISITION FROM LOGISTIC DATABASES BY MEANS OF PIVOT TABLES Summary This article describes the problem of managerial knowledge acquisition from logistic databases. There is shown the pivot tables in order to make analyses: quantity analyses, structural and dynamic analyses and spatial analyses. Also some chosen possibilities of the visual data analysis were introduced. Pivot tables should be widely applied as a tool of making decisions by manager mainly in SME sector. Keywords: knowledge aquisition, logistic databases, pivot tables Marek Melaniuk Katedra Informatyki Ekonomicznej Wydział Ekonomiczno-Socjologiczny Uniwersytet Łódzki w Łodzi ul. Rewolucji 1905 r. nr 37, 91-066 Łód e-mail: mar-mel@o2.pl