VELEUILITE U IBENIKU

Kolegij: Business Intelligence

Mr. Katia Thrse upan

VI. semestar, ibenik 2008.

1

SADRAJ
BUSINESS INTELLIGENCE
Uvod 1. Razvoj BI-a 1. Strateka vanost BI-a u ekonomiji 2. Kontekst poslije hladnog rata 3. Evolucija pojma nadmoi 4. Nadmo u trgovini 5. Novi ulog geoekonomije 6. Osnovni principi BI-a 2. Modeli razvoja BI-a 1. Njemaka 2. SAD 3. Kanada 4. vedska 5. Francuska 6. Japan 3. BI kao ekonomsko orue 1. Ekonomski rat 2. Dvostruka igra BI-a 4. Izazov inteligencije: od individualizma do grupe 1. Od sposobnosti do inteligencije 2. Inteligencija organizacije 3. Inteligencija odluivanja
2

5. Ciklus BI-a 1. etiri koraka BI ciklusa 2. Kutija alata BI-a 3. Primjeri: mree Hracles i Thse 6. Disfunkcije i sposobnosti specifine za BI ciklus 1. Disfunkcije BI ciklusa 2. Sposobnosti za razviti u BI-u 3. Transverzalni aspekti upravljanja informacijom: ljudski faktor 4. Transverzalni aspekti upravljanja informacijom: sigurnost 7. Uporaba metodologije i BI proizvodi 1. Oekivanja tvrtke 2. Izvori informacija 3. Primjena metodologije 4. Proizvodi informacija 8. Dezinformacija i kriptografija 1. Dezinformacija u povijesti naroda i njene vrste 2. Tipologija dezinformacije: informacija, vektor, meta 3. Kriptografija i tajnovitost informacije 9. Kuloari i strategije utjecaja 1. Definicije, djelovanje i ciljevi kuloara 2. Scena europskih kuloara 3. Igrai i metode kuloara 4. Profesionalni moral i izvori informacija

10. BI sudionici i cijene usluga 1. BI igrai 2. Cijena BI usluga Zakljuak

COMPETITIVE INTELLIGENCE
Uvod 1. Razvoj kao neminovnost 1. Izvori intoksikacije rasta 2. Rast u S krivulji 2. Globalizacija natjecanja 1. Klasifikacija svjetske populacije 2. Tri kapitalizma, tri geoekonomska pola 3. Globalizacija je lansirala Aziju 4. Da li globalizacija znai amerikanizaciju? 5. Novi ekonomski ulozi 6. Velike socijalne promjene 7. Tehnoloke evolucije 3. Podjela informacija 1. Promjena ere 2. Razluivanje korisne informacije od fatalne informacije 3. Podjela, a ne razmjena informacija 4. Promjena u logici poslovanja 5. Odrati dinamiku promjene 4. Nadziranje i otkrivanje trendova 1. Otkrivanje slabih signala
4

2. 3. 4. 5. 6.

to nije nadziranje Vrste nadziranja Zamka formalnosti Personalizacija potroaa Od informacije do znanja

5. Ljudski resursi potrebni za CI 1. Vizija: volja za promjenom 2. Poduprijeti unutarnju inteligenciju 3. Rukovoditelj: klju uspjeha CI-a 6. Slobodna usporedba civilizacija 1. Od kulturolokih do stratekih razlika 2. Razliite kulturoloke percepcije Zakljuak

DATA MINING
Uvod 1. Saetak : to je DM? 1. Kratak pregled DM tehnika 2. Povijest DM-a i uvod u DM tehnike 1. Korijeni DM-a 2. Tradicionalne metode DM-a 3. Proces clustering-a 4. Analiza asocijacija 5. Proces segmentacije i razvrstavanja 6. Neuronske mree 7. Regresija
5

3. Klasifikacija i usporedba algoritama 1. Klasifikacija algoritama 2. Usporedba algoritama 3. Uporaba algoritama 4. Alati za vizualizaciju izvjetavanja i nadzora: Humble Chart 1. Osnovni primjeri grafova 2. Uporaba boja na grafovima 3. Trikovi vizualizacije 5. Odvijanje DM studije 1. Definicija potreba 2. Inventar postojeih podataka 3. Smanjenje broja dimenzija problema 4. Priprema podataka 5. Stvaranje baze (podloge) za analizu 6. Segmentacija stanovnitva 7. Razrada prorokog modela 8. Sinteza prorokih modela razliitih segmenata 9. Ponavljanje prethodnih koraka 10. Potvrda (validacija) i izbor modela 11. Uporaba modela 12. Obuka korisnika 13. Praenje alata koji su stavljeni na raspolaganje i statistika analiza rezultata 14. Primjedbe 15. Cijene

6. Koraci do uspjeha u DM procesu 1. Obrada pravilnih podataka 2. Vrijednost podataka 3. Devet koraka do uspjeha 4. Prijetnje u DM tehnikama 7. Faktori uspjeha jednog DM projekta 1. Tema 2. Ljudski kapital 3. Podaci 4. Informatika 5. Kultura tvrtke 6. Nekoliko savjeta: tko je zaduen za to? 7. Osam pogrenih ideja o DM-u 8. Kapitalizacija iskustva (vraanje investicije) 8. Odabir primjerenog DM programa 1. Vrste DM algoritama 2. Ostale funkcije na raspolaganju 3. Tehnike karakteristike 4. Tko razvija koji program Zakljuak

BUSINESS INTELLIGENCE
Uvod Globalni problem: koliki je uspjeh poslovanja naih poduzetnika spram meunarodne konkurencije. S procesom globalizacije igra je postala veoma ozbiljna i margina doputene pogreke pala je gotovo na niticu. Superiornost zemalja poput Japana, SAD-a, Njemake, vedske, te Francuske oituje se u konkurentnoj razlici koja je kulturoloka! Govori se o tehnici Business Intelligence-a jer strategija BI-a daje mogunost kontrole nad stratekom informacijom, moe predvidjeti struje trita, te osigurati vodstvo (leadership). Trina ekonomija danas je ratna ekonomija, koja se vodi tehnikama BI-a. kontrola informacija i dezinformacija postala je toka broj 1. na dnevnom redu! Informacija je dio podatka, dok je stvaranje podatka proces uporabe informacije. Kljune osobe u jednoj tvrtki, strukturi ili vladi su one koje mogu pronai smisao i dati vrijednost jednoj informaciji. Klasifikacija nastanka (obrade) podataka : 1. Masa nepreglednih informacij 2. Informacija (iz mora informacij se izvlai informacija s uporabnom svrhom) 3. Podatak (obraena informacija koja ima novanu i moralnu vrijednost) Zatita protiv tehnoloke krae prioritet je svake ekonomske sile: prevencija (zatita, inovacija): intenzivno investiranje u tehnoloki napredak i obrazovanje napad (kraa): kraom se destabilizira protivnik/konkurent. BI ujedinjuje dvije misli: znati za razumjeti i razumjeti za djelovati.

Korijen rijei intelligence na latinski znai razumjeti, dok u anglo-saksonskom kontekstu znai traiti razumjeti za djelovati. Business Intelligence definira se kao skup koordiniranih akcija traenja, obrade, prijenosa i zatite informacije korisne ekonomskim igraima. Koraci se odvijaju legalno u najboljim uvjetima kvalitete, brzine i cijene, te ulaze u sklop neizmijenjenog procesa jedne tvrtke s ciljem zajednike vizije ostvarenja ciljeva. BI je:

Pluri-disciplinski pristup globalizaciji Studij utjecaja nacionalnih kultura na trgovinu Raznovrsnost modela referenciranja (pr. Japan, Njemaka, EU) Usporedna analiza sistema informacija i kultura obrade podataka

BI tehnika je ciklus od 4 koraka u srcu kojeg je zatita sigurnosti: 1. Definicija potreba (opa orijentacija stranaka, trita, privatnih i javnih politika) 2. Prikupljanje informacija (dokumenti i informacije svih porijekla) 3. Obrada informacija (traenje rjeenja, zakljuaka, razliitih mogunosti) 4. irenje informacija (svaki podatak ima svog primatelja!)

1. Razvoj BI-a 1. Strateka vanost BI-a u ekonomiji Kraj hladnog rata doveo je svijet u kontekst nesigurnosti i ubrzanja. Kontrola nad informacijom postala je strateki ulog, a drutvo podlono razvoju informacije. Pravila igre su se promijenila. Nasuprot zemalja nasljednica romanskog prava, Anglo-saksonci i Azijci odavno su razvili tehniku podjele informacije jer "informacija raa informaciju". Rezultat: ekonomija u zaletu i kontrola nad svjetskim tritem. 2. Kontekst poslije hladnog rata Strategija nadmonih ekonomija moe se openito saeti kao: nova definicija pojma nadmonosti: vojno i geopolitiko zasjenilo je ekonomsko nadmetanje vanost strategije: obraanje panje na susjedne zemlje, osvajanje to veeg udjela kvalitetnog trita kontekst saveznik-neprijatelj: danas saveznik, sutra neprijatelj, preksutra opet saveznik 3. Evolucija pojma "nadmoi" Kriteriji nadmone drave prije i za vrijeme hladnog rata (1917.-1990.): direktna strategija, vojna premo, naoruanje, geopolitiki savezi i ideoloko zajednitvo (npr. demokracija, komunizam, socijalizam). Kriteriji drave s nadmoi od 1990. do danas: indirektna strategija (skrivena ili prenesena strategija), ekonomska nadmo, strategija prilagodbe, iskaz vjernosti (svojim partnerima) i kulturoloki utjecaj.

10

Bivi ameriki predsjednik, Bill Clinton: "interesi SAD-a brane se ekonomijom". Ekonomska premo osvaja se diskretnim nagovorom te skrivenim nametanjem svojih pravila. Neophodno je kontrolirati protok informacija = treba djelovati na izvoru. 4. Nadmo u trgovini Svjetsko trite meunarodnih tvrtki Ekonomski blokovi (EU-ALENA-ASEAN) Interesi nadmonih zemalja Drave/ekonomije u razvoju Lokalne ekonomije (pokrajine, metropole, turistike zone)

~aneks 1~ 5. Novi ulog geoekonomije Politike ekonomske sigurnosti: nastoji se ouvati prevlast Japan (150 g.), Njemaka, vedska, Nizozemska, VB, SAD. Nove politike komercijalnog osvajanja Drava + Regija + komercijala Mogue kontradikcije izmeu privatnih i zajednikih interesa Osobnim razvojem pridonijeti zajednikom razvoju.
11

 Razvoj podruja nezatienih pravom Donoenje pravnih regulativa na vrijeme. 6. Osnovni principi BI-a Donoenje odluka ozbiljan je i teak in. Odluiti na vrijeme pretpostavlja znanje o predmetu i okruenju u kojem se odluka donosi. Neznanje Neznanje je skrivena strana znanja. Biti svjestan svog neznanja prvi je korak k uspjehu! Iz neznanja se raaju pitanja, pitanja odreuju smjernice rada i postavljaju pretpostavke za traenje informacija. Volja BI je instrument moi koji umnoava utjecaj rukovoditelja unutar svoje strukture, ali i njezinog okruenja. Mo se moe prenijeti, ali se ona ne dijeli.

12

2. Modeli razvoja BI-a ~aneks 2~ ~aneks 3~ 1. Njemaka Osnovni problem Njemake u prolosti bila je ekonomija koja nije pokrivala potrebe opstanka, te se zemlja morala iriti na istok. Danas: Kako u vrijeme mira odrati njemaku nadmo ekonomskim ratom?1 Globalne smjernice: delokalizacija (transplantacija njemakih tvrtki na teritorij stranih zemalja) i intelektualno vlasnitvo (zatita patenata i kolovanje strunjaka). Osnovni principi ratne ekonomije: 1. Strateka i evolutivna vizija pojma nadmoi: ekonomska nadmo preuzela je mjesto vojne nadmoi 2. Defenzivna mjera u geoekonomskim odnosima sil: tko je defenzivan taj je slab 3. Indirektan napad informacijom: najrasprostranjeniji nain je uporabom medija 4. Elitistika igra dvostrukog govora: zatititi svoje interese i u isto vrijeme govoriti da se zastupa globalizacija 5. Ukljuiti informacije i podatke u komercijalom ratu: sukob u pristupu tritu 6. Mrea politikog slaganja izmeu privatnog i dravnog sektora: kooperacija vlasti i tvrtki

HERZOG Stefan, Le plan de guerre commerciale de l'Allemagne, Payot, Paris, 1914.

13

Snaga Njemake = potpora njemakih banaka koje se usude financirati ak i riskantne projekte. Njemake banke i BI 1917: "Velike banke mogu stvoriti zajednike programe, usvojiti industrijski plan i voditi rauna o dravnim interesima". Njemaki bankari posjeduju vlastite sisteme za dobivanje i obradu podataka. Jedan od prvih ekonomskih upitnika u 1960-ima bio je: koje je mjesto svakog konkurenta na tritu? Da li je ekonomija zemlje u pitanju agresivna? Da li postoji prag koji bi pokrenuo reakciju? Koje tvrtke reagiraju redovito i s kojim intenzitetom? Da li i kakve prijateljske odnose tvrtka odrava s konkurentima? Kulturoloki aduti njemakog modela: 1. Potpisan savez izmeu banaka i industrije sa stratekim ciljem razvoja njemake industrije jo u doba Bismarka 2. Pokrivanje svjetskog trita jo od doba Hanzeatske lige 3. Povijesna povezanost njemakih zajednica u dijaspori 4. Decentralizacija sistema za prikupljanje informacija i obradu podataka na Lndere: svaka pokrajina ima ekonomsku autonomiju 5. Ekonomski patriotizam njemake politike klase i sindikata: jaka njemaka disciplina i razvijen tehniki kapital 6. Razvoj sektora informacije kao industrije: uvrstila se svijest o vanosti informacije kao stratekog orua 7. Razmjena podataka i znanja izmeu Ministarstva za zatitu teritorija i tvrtki. Njemaka se predstavlja interakcijom velikih industrijskih kompleksa, banaka i osiguravajuih drutava. ~aneks 4~

14

2. SAD Centralizirane institucije: federalna vlast, gospodarska komora, muti-nacionalne tvrtke, privatno trite informacija, lobiji (kuloari), instituti za istraivanje, Pentagon, Kongres, Agencije za obradu informacija, odvjetnike tvrtke. Uspjeh SAD-a: vojno-industrijski kompleks + banke! Nove strukture ekonomske zatite NIPC
National Infrastructure Protection Center

BIOSG
Bilateral Information Operation Steering Group

IOTC
Information Operation Technology Center

FBI
Federal Bureau of Investigation

NSA
National Security Agency

Kulturoloki utjecaj 1. Indirektan prilaz eljenom tritu i ekonomijama u razvoju (lingvistika, edukativna i multimedijska dominacija) 2. Tehnika kontroliranja trita uporabom ofenzivne otvorene informacije razvojem snaga utjecaja - influence) (promjena metoda napada trita

3. Kulturalna kontrola pregovora u meunarodnim organizacijama (WTO2) (kontrola nad informativnim kanalima i podjela informacija).

World Trade Organization

15

Lobi (kuloar) amerikih tvrtki Business Rountable Organizacija osnovana 1974., prikuplja rukovoditelje 200 najveih amerikih tvrtki. BR usko surauje s NSA3-om radi utvrivanja najbolje tehnike osvajanja svjetskog trita. NSA odreivanje i uspostavljanje strategije Business Rountable
(savjetodavno tijelo velikog utjecaja)

1. Advocacy Center analizira informacija 2. Advocacy Network raspruje informacije/podatke 3. Srednje i velike tvrtke koriste podatke Kulturoloke kontradikcije modela SAD: Program ekonomske zatite koji je uspostavila politika klasa ne rjeava problem natjecanja Sistem informiranja IBM-a slabiji je od sistema informiranja jedne japanske tvrtke Najvee svjetsko privatno trite informacija, ali slabo isplativo za federalnu ekonomiju Individualistika kultura informacije proizlazi iz primoranosti za ispostavljanjem rezultata u kratkom vremenskom roku i na takav nain blokira tkz. "ekonomsku uljudnost" Velika tendencija sistematskog izvlaenja4 kadrova destabilizira amerike tvrtke te ih primorava ograniiti protok svake informacije na vrlo kratak vremenski rok.

3 4

National Security Agency Dbouchage

16

3. Kanada SCRS5, odjel za tajne podatke i sigurnost, posebno je zaduen za odreivanje nacionalne strategije BI-a i ideje trai kako na amerikom kontinentu tako i u Europi. Inicijativa kanadske vlade Na inicijativu DGIS i GPIC6-a na Internetu je predstavljen program pod nazivom Prirunik za korake do konkurentnosti7 za tvrtke malog i srednjeg poduzetnitva. Cilj programa je razvijanje refleksa stratekog razmiljanja za poveanje konkurentnosti. 4. vedska Jo 1903. direktor SE Bank-e, Marcus Wallenberg, otvorio je odjel intelligence, kao strateku toku. Nasljednici i dalje rade i upotrebljavaju informacije kroz informatike sisteme kojima otkrivaju slabe signale. Ova vrsta analize omoguuje im da ocijene rizik koji postoji u jednoj dravi i da savjetuju svoje stranke o financijskim transakcijama. Slubena transparentnost vedskog BI-a 14. oujka 1996. u Stockholm-u se odrala prva slubena konferencija o vedskom BI-u s predstavnicima vojne
5 6

Service Canadien de Renseignement et de Scurit Direction Gnrale des Industries de Services et Grands Projets d'Industrie Canada 7 http://strategis.ic.gc.ca

17

inteligencije, rukovoditeljima velikih tvrtki, kao Ericsson, A.B. Skandia, i visokim dravnim slubenicima. 5. Francuska Iako su u posljednjem desetljeu provedene znaajne reforme delokalizacije i decentralizacije Francuska ostaje vrlo centralizirana drava. Veliki industrijski savezi usko surauju s bankama i osiguravajuim drutvima. Male, srednje i velike tvrtke i industrije rade u dosluhu s Rgions (pokrajine) i Dpartements (upanije). Na isti nain, kultura informacije je centralizirana i fokusirana u Parizu. ~aneks 5~ Organizacija BI francuske vlasti: MAE SGDN, DGSE, DST Kontrolirane institucije (pr. ADIT) Ministarstvo za istraivanje i svemir
8

Predsjednitvo/Vlada SGQEE, SGCI MO Ministarstvo industrije i vanjske trgovine Ministarstvo financija

Tehnike BI-a uvelike su koordinirane na dravnom planu. Danas je Francuska meu prvim svjetskim ekonomskim silama, njeni aduti su sektori agrikulture, agroalimentacije, telekomunikacije i bankarski sustav.

Ministre des Affaires Etrangres

18

6. Japan Sredinja toka japanskog dispozitiva ekonomskog razvoja je svijet! ~aneks 6~ uvanje interesa nadmone drave uz pomo interaktivnih elemenata: 1. Strategija planetarnog utjecaja za kupnju informacija znanosti i tehnike 2. Informacijski rat protiv "Japan bashing"-a (ogovaratelja) 3. Industrija informacija 4. Dravno referenciranje dosluha kod velikih ekonomskih ciljeva, naroito vanjskih 5. Rast i razvoj osvajanjem vanjskih trita 6. Globalni i lokalni pristup tritu 7. Kolektivna kultura informacije u tvrtkama Ultra-konkurentni rukovoditelji na unutarnjem tritu ujedinjuju se prilikom osvajanja stranog trita. Uloga Sogo Shosha9 i upravljanje informacijom: 1. Predvidjeti potranju svjetskog trita (primjer: u 1950-ima Sogo Shoshe su stvorile najveu industriju sintetikog tekstila na svijetu) 2. Povezati u mreu male i srednje tvrtke i pojednostavniti konstantnu industrijsku obnovu 3. Kooperacija na bazi stranog ulagaa u tehnologiju (primjer: General Electric koji je lansirao nuklearnu industriju Japana) 4. Razvoj svih moguih aktivnosti (stvaranje mrea, mediji, sateliti, itd.) 5. Ulaganje u strane drave.

Zajednica japanskih tvrtki koje djeluju u meunarodnoj trgovini

19

Uloga Sogo Shosha je i odravanje nevidljivog protekcionizma = tite unutarnje trite od strane konkurencije. Japanski MITI10 prikuplja informacije posredstvom JETRO11-a koji ima urede u gotovo svim zemljama svijeta. Struktura japanskog BI-a vrlo je kompleksna i isprepletena: Shingikai: savjetodavne komisije vlade, industrije i sveuilita Profesionalne udruge koje meusobno izmjenjuju podatke Linka: tehnike komisije koje su sastavljene od znanstvenika i tvrtki Sogo-Shosha: udruge koje imaju svoj vlastiti BI sistem. Kulturalne prednosti japanskog modela: Neunitiva veza izmeu ouvanja japanske neovisnosti i procesa industrijalizacije Kolektivna kultura informacija Unutarnja konkurencija i istovremeno ujedinjen pristup japanskih tvrtki vanjskom tritu Globalno-lokalni (glolok) pristup svjetskom tritu Komercijalna strategija prilagoena kontekstu svake zemlje Snana povezanost izmeu MITI-ja i industrijskih i bankarskih konglomerata Dravni program BI-a (IMS, SIS).

~aneks 7~

10 11

Ministarstvo za vanjsku trgovinu i industriju Japan External Trade Organisation

20

3. BI kao ekonomsko orue 1. Ekonomski rat Defenzivna strategija: prikriven (nevidljiv) protekcionizam, dvostruki govor, norme, pravo. Ofenzivna strategija: blokada trita, maskirana tehnika utjecaja, mrea igraa u dosluhu (slaganje, connivence), ofenzivna igra, prilagoen nain koritenja podataka i ofenzivno rukovanje otvorenim izvorima informacija. Indirektna strategija ima prednost nad direktnom. Polje informacije je sredite sukoba. Obilaenje i prilagodba donose bolje rezultate od direktnog sueljavanja i pruanja otpora. 2. Dvostruka igra BI-a: BI u tvrtkama: Razvoj tvrtke Proizvodi Informacija usredotoena na struku Kuloari Privatno trite informacije Direktor Kultura tvrtke BI u dravama: Zatita velesile Svjetsko trite Informacija usredotoena na mree Utjecaj Strateki proces informacije Strateki centar (vie osoba) Kultura obrade podataka

Razlika izmeu kuloara (lobi) i utjecaja (influence) vrlo je velika. Tehnika kuloarista je ulaz u interni sistem protivnika, prikupljanje povjerljivih podataka, zatim prenoenje informacije i svoje poruke u javnost. Kuloari slubeno rade sve dok su u granicama pravnog sistema, svaka ilegalna
21

akcija prikrivena je velom tajanstvenosti i kuloar riskira diskreditaciju ukoliko ga se otkrije. Agent utjecaja moe utjecati na javno miljenje (npr. pisci, novinari, zvijezde sporta i showbuisness-a). Ovi agenti su dragocjeni jer je potrebno mnogo vremena da bi se formirali i da bi postupno stekli povjerenje javnosti. To nisu pijuni ve osobe koje uivaju visok drutveni statut. Konkurentski odnosi sil Konkurentnost meu tvrtkama Sporazum GATT Zakon trita Princip otvorene konkurencije WTO Primat pojedinanih interesa Princip stvaranja stratekog srca: Strateki koraci: Predvianje opasnosti i mogunosti Analiza odnosa meu silama Ofenzivno osvajanje mjesta Pokretanje ljudi i mrea Davanje vrijednosti informaciji i smanjivanje nesigurnosti Kolektivna kultura informacije Operacioni koraci: Ekonomski teritorijalni nadzor Strateki nadzor, ekonomija mogunosti
22

Geoekonomski odnosi sil Konkurentnost dravnih ekonomija Razlike meu dravnim interesima Nacionalno slaganje Principi ekonomske sigurnosti Nacionalni sistemi BI-a Primat kolektivnih interesa

Terenska kartografija i pletenje mrea Timski rad Poznavanje vrijednosti informacije (izvor, tip) Glokalno (globalno+lokalno) slaganje Jaka strategija stvara se kroz: Identifikaciju ljudi koji donose odluke Postavljanje potpora za razvijanje mrea komunikacije Odreivanje pravila kooptacije Odreivanje pravila sigurnosti Izraavanje potreba (koncentracija mora biti samo na jednom projektu!) Odabiranje smjera primarne intervencije Postavljanje rokovnika za rezultate Utjecaj je osvajanje dijelova trita koje se ne odnosi samo na ponudu proizvoda, ve i na indirektan pristup potranji. Tkz. operacija utjecaja sastoji se u srednje i dugoronom razvrstavanju igraa lokalnih mrea s ciljem osvajanja ugovora uporabom drugaijih naina od tradicionalne borbe proizvodima. Operacija utjecaja moe biti skrivena (tajna) i otvorena. Definicija rijei utjecaj moe biti pozitivna ili negativna. Pod krajnje negativnim smatra se pojam trgovanja utjecajem iji je cilj osvajanje dijelova trita zaobilaenjem zakonskih regulativa i nelojalnom konkurencijom. Stvaranje mree utjecaja je dugoroan proces. Da bi se usadio jedan agent utjecaja u stranoj dravi potrebno je 10-15 godina.

23

Koraci za uspjeno uspostavljanje snage utjecaja: 1. Ofenzivna i jasno definirana strategija 2. Indirektan i ne-agresivan pristup ciljanoj dravi (nikada ne vriti pritisak!) 3. Mogunost rizinog financiranja 4. Transverzalna instrumentacija mrea 5. Dugorona prisutnost agenata na ciljanom terenu 6. Predvianje suparnikovih strategija 7. Informacijski rat usredotoen na protivnikove slabosti 8. Otvaranje pregrada kompetencija 9. Prilagoena uporaba najmanje upletenih igraa u procesu zatite interesa sile (istraivai, pravnici, osiguravajua drutva, itd.).

24

4. Izazov inteligencije: od individualizma do grupe 1. Od sposobnosti do inteligencije Prijelaz od sposobnosti do inteligencije je izazov ponaanja i kulture koji prolazi kroz etiri mutacije istog procesa: - prijelaz od individue na grupu - prijelaz od individualne sposobnosti na kolektivnu inteligenciju - prijelaz od uspjeha na izvrsnost - prijelaz od konkurencije na suradnju. Struka Iskustvo je usaeno u pojedincu kao rezultat individualnog rada kroz vrijeme. Dugo vremena strukom se mogla stvoriti DV12 jer je svijet bio takav da su znanstvena istraivanja bila spora i prelazila su jednu ili vie generacija. Znanje Ono je neutjelovljeno i objektivno, rezultat napretka znanosti. Definira se kao informativni i mjerodavni podatak koji se moe uskladititi i prenijeti. Znanje ima svoju cijenu i brzina rotacije slijedi znanstvena istraivanja. Meutim akumulacija znanja nije po sebi dostatna ve je treba znati upotrijebiti u najboljim uvjetima da bi bilo najdjelotvornije.

12

Dodana vrijednost

25

Znanje struke Znanje struke, odnosno sposobnost ili kompetencija, jest spoj znanja i osobnosti, strunosti i ljudskosti. Kompetencija jest sposobnost jedne osobe za uporabom znanja koja se oituje kroz individualan talent, intuiciju, prosudbu, inicijativu, kritiku, tj. kroz svoju osobnu batinu. Sposobnost u jednoj struci se ne moe smatrati krajnjim rezultatom, jer je podlona promjenama i napretku. Ona se ne ograniava samim uenjem, ve obuhvaa i pojmove istraivanja, uporabe rezultata istraivanja i njihovog odraza u budunosti. Izvedba znanja Sposobnost se pretvara u uspjeh onog trenutka kada potencijal prelazi u realnost, a potrebno u upotrijebljeno. Vano je ono to se zna ne ono to jest, jer ako potencijalni korisnik usluge ne zna na koji e ga nain usluga zadovoljiti, on nee kupiti uslugu. Otkrivanje preutnih znanja jest jedan od primarnih zadataka knowledge managementa13! Iskoritavanje znanja Kod iskoritavanja znanja postaje nevano to jest i to se zna te preputa prioritet onom to drugi misli. Iskoritavanje znanja je sposobnost stvaranja i uvjeravanja u jednu vrijednost. Tu se vie ne radi o samoj informaciji, ve o komunikaciji i uvjeravaju.
13

Disciplina koja se bavi optimalnom kapitalizacijom znanja.

26

Saetak je sljedei: 10 10 = 0 Oduzimanje 10 / 10 = 1 Dijeljenje 10 + 10 = 20 Zbrajanje 10 10 = 100 Mnoenje Sukobljavanje koje ubija. Ljudi, odnosno razliiti odjeli meusobno i otvoreno se sueljavaju, imajui na umu samo vlastitu korist i unitenje drugoga. Neutralizacija koja koi. Ovdje vlada podjela teritorija, razluivanje sposobnosti, zadravanje informacija. Radi se o neutralizaciji, ne o ratu protiv drugoga, koja koi vie no to ubija. Jukstapozicija koja tolerira. Stavljanje sposobnosti jedne do druge, bez da one ulaze u interakciju. Svatko radi pokraj drugog, ne s drugim. Interdisciplinarna metoda. Slaganje koje valorizira. Inteligencija postaje stanje valorizacije, zajednikog rasta, interakcije, uestalosti i dinamike. Rast nije linearan, ve potencijalan (janas). Transdisciplinarna metoda.

Dakle, nije vana akumulacija sposobnosti ve uspostavljena vrijednost! Grupna harmonija vrijedi vie od osobnog savrenstva te zahtijeva promjenu ponaanja i kulturalnu prilagodbu. 2. Inteligencija organizacije Inteligencija organizacije definira se kao odravanje centra odluivanja kroz razvoj osobnih i funkcionalnih identiteta. Ona je opi rezultat sljedeih sposobnosti: 1. Kolektivne sposobnosti 2. Mozaike sposobnosti 3. Podijeljene sposobnosti 4. Konane sposobnosti 5. Zajednike sposobnosti U mnoini, pluralne Razliite, heterogene, transverzalne Stavljene zajedno Sudjeluju na zajednikom projektu Meu-odgovorne

27

1. Kolektivne sposobnosti Inteligencija je umnoena i upotrebljava se iskljuivo u grupi. Rezultat je stvaranje tematskih plemena, kao to su sindikati, udruge, prijateljske udruge. Razmjena informacija radi se na iskljuivo jednom sektoru. Potreba za dominacijom ugroava zajednicu. 2. Mozaike sposobnosti Inteligencija se stvara spojem razliitih, mnogobrojnih i povezanih sposobnosti koje na okupu dri jedan projekt tvrtke ili institucije. Mozaik je pluridisciplinarna metoda koja spaja razliite uloge bez da im mijenja osnovu rada. Sposobnosti se nadodaju jedna na drugu, to rezultira smanjenom kvalitetom, ili ak nekoherentnim finalnim proizvodom ili uslugom. 3. Podijeljene sposobnosti Inteligencija se raa spajanjem razliitih, heterogenih i transverzalnih sposobnosti. Sposobnosti se moraju interaktivno dijeliti u dinamici i zajednikom usavravanju. Pojam transdiscipline zamjenjuje pluridisciplinu, jer se stvorena veza oitava u pojmu vremena, mjesta, kulture, povjerenja, slaganja i volje. 4. Konane sposobnosti Sposobnosti okupljene s istim ciljem, na istom projektu, stvaraju inteligenciju. Steena sposobnost jest vrijedno novano sredstvo, dok je traena sposobnost djelatna vrijednost kojom se ocjenjuje vjetina valorizacije svojih sposobnosti u konanici jednog projekta.
28

5. Zajednike sposobnosti Inteligencija se sastoji od podijeljenih, ne samo razmijenjenih, sposobnosti. Podjela zahtijeva solidarnost i zajedniku odgovornost, odgovornost koja nije vie ograniena na pojedinca ve je globalna. Znanje zanata je individualno, obveza za uiniti je kolektivna, ima smisla tek u interakciji s drugima. Inteligencija je trodimenzionalna: vertikalna u smislu hijerarhije (naredbe se izdaju od vrha prema dolje), vertikalna u smislu demokracije (razmjena miljenja izmeu vrha i niih odjela), te horizontalna (zajednitvo rada i razmjena meu odjelima). 3. Inteligencija odluivanja Inteligencija odluivanja prilagouje se okolini u kojoj se nalazi. Matematiko rjeenje ne postoji, ve postoji samo najbolja mogua odluka u zadanim uvjetima, a to su: Tehniki: industrijski, pravni, biti Vremenski: biti Socioloki: ljudski socijalno poeljan: biti moralno opravdan: biti Ekonomski: financijski, biti Politiki: odluujui, biti Strateki: uvjeriti Najjednostavnije mogue, tehniki ostvariv, primjenjiv Brz, prikladan Poeljan i opravdan dug vijek trajanja ljudski tolerantno Efikasan i rentabilan, realan Ostvariv, a ne ubitaan, konkretno odluen Kritian i razliit, dugotrajnost

29

1. Odluka tehniki jednostavna Komplicirano se teko moe objasniti, to je informacija koja se ne moe iskoristiti u potpunosti, koja se moe namjerno izostaviti i prekriti. Jednostavna odluka lako je razumljiva, brzo se shvaa, te se lako primjenjuje i manje dovodi do pogreaka. Jednostavnost nije sinonim naivnosti, potreban je veliki intelektualni rad za izvoenje bitka iz mase podataka. Njime se iste nepotrebne informacije i ideja se svodi na njenu sr. Paradoks jednostavnosti : Najvee ideje najee su najjednostavnije. 2. Odluka vremenski brza Da bi bila korisna odluka mora biti donesena u to kraem vremenskom roku. Globalizacija i tehnoloke mutacije svele su vremensku razliku gotovo na nulu. Vrijeme je zastraujue oruje konkurentnosti. Meutim, biti na vrijeme ne predstavlja pogoditi vrijeme. Dogaa se da se dobre ideje izgube jer su se dogodile prije vremena. Jednako je opasno krenuti prije, kao i stii poslije vremena. Neophodno je oslukivati i najslabije signale mogue promjene jer one najavljuju razdor, novi smjer kretanja drutva. 3. Odluka socioloki poeljna Svaka reaktivna odluka donesena u hitnim sluajevima rjeavajui precizne probleme, ima kratak, odnosno srednji vijek trajanja.

30

Proaktivne odluke donose se s dugoronim ciljem i uzimaju u obzir dvije dimenzije: socijalno poeljno i moralno opravdano. 4. Odluka ekonomski efikasna Veina odluka temelji se na principu ekonomske efikasnosti koja zahtijeva ekonomsku rentabilnost: kratkoroan godinji profit (vraanje kapitala) dugoronost strukture i njezin opstanak (razvoj na tritu). 5. Odluka politiki ostvariva Prijedlog odluke mora biti prihvatljiv za rukovoditelja. Ukoliko odluka ometa vlast, utjecaj ili statut onoga koji u konanici donosi odluku, ta odluka, ma koliko dobra bila, nee proi. 6. Odluka strateki kritina Kritina masa, velika ili svedena na isti minimum, jest ona koja je sposobna promijeniti situaciju u eljeni smjer. Uz tehnoloke i ekonomske aspekte mora se voditi rauna i o vremenskim, sociolokim, psiholokim, organizacijskim, prostornim i dr. dimenzijama. Ukratko: Sposobnost je individualna, inteligencija je kolektivna. Stvaranje inteligencije zahtijeva interdisciplinarnu, mreastu organizaciju. Nagomilane sposobnosti su nevane, vane su one koje su upotrijebljene na logian nain i koje stvaraju dodanu vrijednost. Inteligencija ne podrazumijeva najbolji mogui izbor (dobro uiniti) ve najbolji ostvariv izbor (bolje uiniti).

31

5. Ciklus BI-a Polazi se od pitanja: Da li je netko prije mene postavio isto pitanje, i ako jest dokle je doao sa svojim istraivanjima? BI je neosporivo tehnika zajednikog rada, nije specijalizacija usmjerena na jednu osobu. Principi BI-a krajnje su jednostavni to predstavlja i teinu radu u ovom podruju. 1. etiri koraka BI ciklusa 1. Korak: Definicija potreba Izbor prioritetnih smjernica razvoja (strateka analiza, intervju s rukovoditeljima..) Dekompozicija istih smjernica u logino i operativno zapitkivanje Odreivanje moguih odluka dekompozicijom svih dimenzija procesa (industrijski, komercijalni,) = definicija ulog 2. Korak: Prikupljanje informacija Prikupljanje najkorisnijih izvora informacija i odreivanje praktinih uvjeta pristupa (cijena, rok, posrednici, itd) = znati koja informacija ima vrijednost za nas Akcije na terenu za dobivanje neformalne informacije (posjet salonima, benchmarking, posjet terenu, sastajanje sa strunjacima, itd.) 3. Korak: Obrada informacija Pokretanje internih sposobnosti (ivotopis zaposlenika, itd.)

32

 Identifikacija vanjskih strunjaka koji e dati DV14 prikupljenim informacijama Interni i eksterni dijagram potvrda Obradna mrea za stvaranje izabrane problematike = izbjegavanje gotovih ideja (suoavanje suprotnih miljenja) 4. Korak: irenje informacija Izrada formata irenja informacija u skladu s primateljima informacija = filtriranje ili merchandising informacija Izrada mree irenja u tvrtki identificiranjem primatelja = PUSH & PULL tehnika (irenje informacija u malim koliinama osobama koje e od njih imati koristi) Odabir informacija koje tvrtka mora pohraniti 2. Kutija alata BI-a 1. Korak: Definicija potreba Upitnik o tvrtkinim/administracijskim osnovama Mrea strateke analize Listi sa smjernicama napredovanja 2. Korak: Prikupljanje informacija Biljeke uenja (neto to ne razumijemo = znak da e se neto promijeniti) Pokusni lektor Priprema profesionalnog salona ili radne posjete Benchmarking (usporediti se s konkurentima da bi bili bolji)

14

Dodana vrijednost

33

3. Korak: Obrada informacija Listi eksternih detektora Procedura ispitivanja strunjaka Obradna mrea (analiza poloaja konkurenata, proces inovacija, otkria) 4. Korak: irenje informacija Intranet Formati irenja Dodana vrijednost stvara se prijelazom s nadziranja/promatranja na BI. Nadziranje Razvoj tehnike sposobnosti za traenje informacije: BI

Navigacija u svima pristupanim izvorima informacija (mediji, Internet, biblioteke, BP) Akcije na terenu za prikupljanje najteih i neformalnih podataka (posjet salonima, strunjacima) Razvoj kolektivne kulture informacije: Strateka kultura koja organizira informaciju u funkciji smjernica razvoja Interna kolektivna kultura kojom se pokreu ekipe za prikupljanje i obradu informacija Eksterna kolektivna kultura koja smjeta aktivnost unutar konteksta tvrtki i institucija Subverzivna kultura bazirana na informaciji (kuloari, utjecaj, kontrainformiranje)

34

3. Primjeri: mree Hracles i Thse Pouke mree Hracles15 1. Rukovoditelj ima vodeu ulogu 2. Tono odreen segment aktivnosti da se trud koncentrira na to manji broj projekata 3. Uporaba svih koraka BI ciklusa 4. Jednostavnost mehanizma obavjetavanja 5. Konstantnost i redovitost mehanizma 6. Obogaenje razmiljanja presijecanjem informacija 7. Aktivna prisutnost u mreama tvrtki i institucija 8. Potivanje strukture uz prinos maksimalnog broja informacija 9. Podjela znanja kao izvor motivacije i rukovoenja ekipama 10. Smanjena centralizacija informacija 11. Jednostavne ali stroge sigurnosne mjere

Hracles je francuska tvrtka SMP s vie od 180 zaposlenika i 30 milijuna prorauna, od ega se 20% ostvaruje na vanjskom tritu. Tvrtka proizvodi graevinske materijale.

15

35

12. Kontrola kvalitete sistema informacija Mrea Thse16 1. Opaanje prijetnje ili prilike 2. Pragmatizam = poeti polako: - prva tvrtka stavila je na raspolaganje 20 m prostora - druga tvrtka je stavila na raspolaganje raunalo - trea tvrtka je stavila na raspolaganje svog ovjeka 4 sata tjedno 3. Stvaranje listia podataka poveanje bruto prometa od 20% poveanje mree na 20 srednjih i malih tvrtki koje nisu meusobno konkurentne stvaranje 600 listia u prosjeku svakih 15 dana stvaranje posebne tvrtke specijalizirane za vanjsko nadgledanje informacija

4. Vraanje iskustva

16

Suradnja tri tvrtke srednje i male veliine iz sektora graevine koje nisu u meusobnoj konkurenciji.

36

6. Disfunkcije i sposobnosti specifine za BI ciklus 1. Disfunkcije BI ciklusa Definicija potreba Nepotpuna identifikacija prijetnji i mogunosti donijeti odgovore Privid o dobroj informiranosti posluiti se primjerima Nedostatak povezanosti stratekih smjernica odrediti prioritete Prekid veze izmeu nadziranja i strategije obnoviti veze Nekoherentno upravljanje prioritetima fleksibilan raspored Nedostatak procjene aktivnosti vraanje iskustva Loa interna organizacija informacije (npr. skriveni trokovi) Udaljenost promatraa od operativnih centara i rukovoditelja Nedovoljna koncentriranost na prikupljanje informacija Nedovoljna upotreba vanjskih strunjaka Nedovoljna koncentriranost na obradu i analizu informacija Nedostatak procjene rizika manipulacije informacijom Preoptereena satnica Nedostatak kolektivne djelotvornosti Nedostatak kapitalizacije iskustva (format, kvaliteta, trenutak?) Stvaranje neupotrebljivih dokumenata (= 80% dokumenata tvrtke) Rasulo pohranjenih informacija i more nepotrebnih informacija Greka u protoku informacija Zadravanje informacija

Prikupljanje informacija

Obrada informacija

irenje informacija

37

2. Sposobnosti za razviti u BI-u Definicija potreba Prevoenje potreba u smjernice rada Uspostavljanje projekta i otvorenost na konstantne prilagodbe Razvrstavanje potreba u praktian upitnik Poznavanje i tehniko razumijevanje sektora za obradu Uspostavljanje povjerenja s izvriteljima Poznavanje i kontroliranje trailica na Internetu Poznavanje BP (baza podataka) Navigacija na BP-a Sastavljanje i uspostavljanje procesa prikupljanja Organizacija posjete profesionalnim salonima Organizacija posjete terenu Sposobnost konceptualizacije pluri-disciplinskih problematika Znanje o inovacijama koje se odnose na sektor tvrtke Stvaranje odnosa razmjene s vanjskim promatraima Stvaranje logika mrea s drugim tvrtkama Sposobnost prevoenja trenutnih informacija u mogue odluke Stvaranja formata irenja informacija u funkciji primatelja Sposobnost razlikovanja istine od neistine

Prikupljanje informacija

Obrada informacija

irenje informacija

3. Transverzalni aspekti upravljanja informacijom: ljudski faktor 1. Izdvojiti voditelja BI-a koji je uvjerljiv i cijenjen meu ekipama 2. Postupno formirati ekipe

38

3. Osigurati individualnu valorizaciju svih osoba koje sudjeluju u procesu za obradu informacija 4. Ne raditi sve akcije iskljuivo interno 5. Uklopiti obradu informacija u postojee projekte tvrtke 6. Dati informaciji novanu vrijednost 7. Ne nametnuti unutar tvrtke novu organizaciju koja je samo povezana s BI ciklusom 8. Igrati se u procesu pohranjivanja informacija do kojih se teko dolazi 9. Uporabiti informacije kao katalizatore internih sposobnosti 4. Transverzalni aspekti upravljanja informacijom: sigurnost 1. Ne pasti u paranoju 2. Zatititi sve elemente vlasnitva tvrtke (osoblje, sliku, logo, itd.) 3. Potreba za pregraivanjem informacija 4. Kontrola nametnutog protoka informacije i obustavljanje nesigurnosti informacije u lancu 5. Traiti savjet i potporu nacionalne/europske administracije 6. Prijetnje i mogunosti odzvanjaju u jeku 7. Zatita privlai pozornost 8. Prisutnost prijetnji prijateljskog lica! Sredite problematike jest razvoj kolektivne kulture informacije!! 1. Faza 1: definicija projekata 2. Faza 2: dijagnosticiranje postojeeg (kroz BI ciklus) 3. Faza 3: nedostajua karika (upotpuniti ciklus fazama projekta)

39

7. Uporaba metodologije i BI proizvodi 1. Oekivanja tvrtke Rukovoditelji svake tvrtke rade u perspektivi razvoja svoje strukture. Od informacije oekuju odgovore o: analizi mogunosti razvoja, elji da ih se prati na njihovom projektu razvoja, dobivanju vanih informacija o njihovom sektoru, dobivanju miljenja i predvianja o razvoju sektora (otvorene mogunosti), pronalaenju strunjaka van tvrtke, poznavanju auriranosti i tonosti izvora informacija, traenju mogunosti sklapanja poslova, poboljanju unutarnjeg sistema informiranja, poznavanju nacionalnih i europskih programa za podrku, itd. Uspjeno poslovanje tvrtke rezimirano kroz pet koraka: 1. Nadziranje konkurencije Jedna tvrtka moe uspjeno poslovati ukoliko vrlo dobro poznaje svoju direktnu i indirektnu konkurenciju, te tenje trita. Idealno se razvijati korak ispred konkurencije. 2. Uporaba informacije u donoenju stratekih odluka Pertinentne informacije o tenjama trita i stanju konkurencije donose prednost. 3. Interna mrea Dobra unutranja komunikacija garantira uspjenu suradnju izmeu svih odjela tvrtke i kapital se ne gubi zadravanjem informacija. 4. Vanjska mrea (networking) Razvoj mree dobrih nositelja informacija van tvrtke je neophodan. 5. Logika utjecaja Tvrtka koja ima dobru podlogu, ima prednost, razvija jak utjecaj i lobiranje.
40

2. Izvori informacija BI ciklus oslanja se na postojanje velike mase informacija iz koje je cilj izvui jednu informaciju strateke vanosti Kategorije informacija: Tip Bijela (javna) Siva (osjetljiva) Crna (tajna) Opis Informacija dostupna svima, lako se pronalazi Otvorena (javna) informacija koja se kree u zatvorenim krugovima Klasificirana i povjerljiva informacija +++ DV Vrijednost Same informacije + DV

Bijela informacija predstavlja 90 % svih postojeih informacija. Siva informacija je odabrana, obraena i ve ima dodanu vrijednost. Crna informacija jest tajna informacija, dostupna samo uz odobrenje. Zbog svoje povjerljivosti zatiena je zakonom. 3. Primjena metodologije Prioritet BI ciklusa jest prilagodba projektu.
41

BI radna grupa17 PRIJETNJA

Definicija potreba

irenje

Prikupljanje

Obrada

Metodologija stvaranja BI RG moe se prikazati i na sljedei nain bez grafa: 1. Ope preporuke Odreivanje prioritetnih akcija, strategija napada u sadanjosti 2. Uspostavljanje organizacije Osmiljavanje proizvoda nadziranja18 Organizacija ljudskih resursa Procedura: to tko radi Proraun
17 18

BI RG Koji e se razviti u BI RG-i

42

3. Potrebni resursi Ljudski: uspostavljanje tima Informacijski: odreivanje izvora informacija Mree i informatiki sustavi: koje veze treba potaknuti i koje programe upotrijebiti Izrada glavne19 metodologije i odreivanje alata: izrada sheme VANO: ne izmiljati alate koji ve postoje u strukturi!, ve optimizirati njihovu primjenu i mogunost zajednikog rada. BI ciklusom se donosi nedostajua karika. Neophodno je zadrati motivaciju rada na projektima.

4. Proizvodi informacija 1. Utvrivanje injenica Interno Eksterno Jake toke Mogunosti Slabe toke Prijetnje

19

Glavna, a ne konana metoda, jer se tijekom rada ciklus BI prilagoava novonastalim situacijama.

43

2. Proces stvaranja proizvoda informacije Izvor informacija

Unutarnji izvor: R&D, marketing, tehnologija, uprava Vanjski izvor: Novine, BP, saloni, izvjea

BI RG Obrada

Proizvod

Proizvod

Proizvod

Proizvod

PRIMATELJI proizvoda informacija: Unutarnji izvori 3. Plan istraivanja Pitanja 1. 2. itd. Naini Uloge Oekivani rezultati Prioritet Vremensko ogranienje

44

4. Mrea rezultata20 Kriteriji procjene Vanjski faktori Kratkorona osjetljivost trita Dugorona osjetljivost trita Pozicija naspram konkurencije Pravno okruenje 1. Prosjek rezultata koji nisu jednaki nuli Unutranji faktori Financijske mogunosti Kultura tvrtke Sposobnosti zaposlenika Alati i koliina proizvodnje Oekivanja dioniara 2. Prosjek rezultata koji nisu jednaki nuli Opi prosjek Razlika izmeu 1. i 2. prosjeka: klasifikacija prema prioritetima Projekt 1 Projekt 2

20

Grille scoring = Kriteriji procjene

45

5. Kartica vanjskih detektora21 Informacije Opi podaci (ime, adresa, kontakt, slabosti..) Shema organizacije Sposobnosti: Podruja djelovanja Uvjeti intervencije Pruanje usluga Posebna oprema Vanost/teina veze Motivacija vanjskog detektora: Jake toke (snaga) Slabe toke (prijetnja) Zajedniki interesi Suprotni interesi Mogunost razmjene (novac, usluga) Povijest kontakta Stranke Konkurenti Opskrbljivai

21

Fiche capteur externe

46

6. Mrea dijagnostike Izvor Stranke Opskrbljivai Konkurenti Tehnologija Politika i regulative Itd. Komentari

7. Biljeke uenja Pitanja Emitor biljeke Stupanj vanosti biljeke (visok/nizak) Primatelji biljeke Informacija je poznata (javna) ili ne Izvor informacije Utjecaj po strukturu Mogu utjecaj na projekte Itd. Od vitalne je vanosti uvijek biti u logici zapitkivanja. Komentari

47

8. Dezinformacija i kriptografija Dezinformacija je posebna ili kontinuirana akcija koja se slui svim sredstvima da navede neprijatelja na pogreku ili stvori kod njega kaos koji e ga oslabiti. 1. Dezinformacija u povijesti naroda i njene vrste Sun Tzu22: Sva umjetnost ratovanja temelji se na prevari. Iz tog razloga, kada ste sposobni, pravite se nesposobnima, aktivni, pravite se pasivnim. Kada ste blizu uvjerite da ste daleko, a kada ste daleko, da ste blizu. Namamite neprijatelja u zamku, hinite kaos u svojim redovima i napadnite ga. Napadnite neprijateljevu strategiju. Hinite da ste slabiji i navedite neprijatelja na drskost. Winston Churchill23: U vrijeme rata, istina je toliko dragocjena da je treba uvati zidom lai. Do 20. st. dezinformiranje se koristilo iskljuivo kao ratna tehnika u politikoj i vojnoj strategiji. Danas se govori o prvom ekonomskom svjetskom ratu. Diplomatska dezinformacija (primjer glasine i kontra-glasine iz istog izvora) Ekonomska dezinformacija (primjer Thomson, filmska industrija, Eli Lilly, Perrier, Coca-Cola, Xerox)
22 23

Veliki kineski ratnik, mislilac i politiar; 4. st. prije Krista Britanski politiar i Premijer od 1940.-1945.

48

Osobna dezinformacija (primjer Edgar Hoover) Etika dezinformacija (primjer globalno planetarno zagrijavanje) 2. Tipologija dezinformacije: informacija, vektor, meta Napada, koji je skriven, odailje informaciju pomou vektora (mediji, kuloari, strunjaci, NVU24, glasine) do ciljane populacije (javno miljenje, odluujui politiari, konkurencija) s ciljem da zavara i oslabi. Tipologija dezinformacija Tip Bijela Siva Crna Opis Istinite injenice koje se dre u tajnosti odreeno vrijeme i putaju u javnost s vremenskim razmakom kada vie nemaju prvotnu vrijednost ili se sumnja u njihovu istinitost. Osjetljiva mjeavina istine i lai: u jednom istinitom kontekstu uvodi se nekoliko lai. Ovo su u potpunosti izmiljene informacije ija je vjerodostojnost kratkotrajna.

Dezinformacije se nadalje dijele na: ofenzivne defenzivne

24

Nevladina udruga

49

Principi predstavljanja informacije prema Vladimiru Volkoffu25: 1. Kontra-istina koja se ne moe provjeriti: bez svjedoka, pisanih tragova 2. Mjeavina istine i lai: u sluaju da svjedoci postoje 3. Dezinformacija istine: priznavanje istine kroz ironiju ili postavljanjem kontra-pitanja 4. Promjena konteksta: izmjene u uzrocima i zakljucima 5. Sjenanje: istinit podatak utopljen u masi beskorisnih informacija 6. Izabrane istine: uporaba istinitih, ali nepotpunih detalja 7. Podran komentar: istinite informacije, ali zakljuak previe opiran, van konteksta 8. Ilustracija: obrnuto od prethodnog, opirnost je zamijenjena anegdotskim informacijama 9. Openitost: uporaba koncepta, univerzalne vrijednosti 10. Nejednaki dijelovi: poziv neutralnim komentatorima i odabir objavljenih odgovora. Tipologija vektora 1. Glasina: nevjerojatno oruje, nesluben izvor, ljudi ne provjeravaju izvor niti kredibilitet glasine. 2. Polemika: statut glasine koja je uspjela u ivotu. 3. Klasini mediji: raspolau s malo vremena da bi provjerili sumnjivu informaciju (novine, TV). 4. Internet: news groups, on-line forumi, mailing liste. 5. Strunjaci: neki mogu biti podloni utjecaju novca. 6. NVU: upleteni u igru velikih igraa. 7. Kuloari: zatitnici odreenih interesa. 8. Javno miljenje: korupcija nekih novinara, visokih slubenika, politiara, itd. Tipologija mete populacija kao konana meta populacija kao meta posrednik
25

iz knjige Namjetanje, 1982.

50

Osobne predrasude ovjek ima tenju vidjeti samo ono to eli vidjeti, odnosno vidjeti ono to ga je njegova prolost nauila vidjeti ideje i predrasude vrlo se lako stvaraju, ali se teko mijenjaju nove informacije, ak iako su suprotne, se spajaju s prethodno stvorenim mentalnim slikama slabo shvaanje nepotpunih ili dvosmislenih informacija ne doputa dobru procjenu, ak i kada su one naknadno upotpunjenje vrlo tonim informacijama. Opa zatita obraanje panje na slabe znakove, one koji najavljuju poetak kampanje i reagirati izgradnja legitimiteta pred moguim rizicima (pravno zatititi tvrtku) izgradnja i odravanje dobre medijske slike zatita defenzivnom dezinformacijom Na dezinformaciju se moe odgovoriti uspostavljanjem radne grupe za krizna stanja koja bi djelovala na etiri razine: na napadaa, samu informaciju, vektor kojim je prenesena informacija i na metu te informacije. Dezinformacija jest vrsta podmuklog napada informacijom s destabilizirajuim posljedicama. 3. Kriptografija i tajnovitost informacije Postoje dvije vrste kriptografije, ili ifriranja: slaba: npr. kriptografski moduli koji su sadrani u programima MS Word, MS Excel, WordPerfect, itd. jaka: blokira mogunost ulaska velikih nacionalnih odjela ili privatnih tvrtki za informacije putem algoritama
51

ifriranja poznatih pod sljedeim imenima: RIJNDAEL (klju od 256 bita), IDEA, BLOWFISH, TWOFISH, RC6, CAST, DES (56 bita), Triple DES (168 bita), GOST, itd. Poetkom 20. st.: Enigma, stroj za ifriranje koji su Nijemci izradili u vie tisua primjera. PGP26 kojeg je izradio Amerikanac Philip Zimmermann kao zatitu prava graana na tajnovitost osobnih podataka i kao borbu protiv nadmonosti NSA27. Demokratizacija jake kriptografije ima direktan utjecaj na BI iji je radni materijal informacija, veinom dostupna samo u numerikom obliku. Pri primjeni alata za zatitu informacija treba uzeti u obzir etiri elementa: Izbor izmeu alta za ifriranje 100% programiranog, 100% materijalnog ili mijeanog Program (CD-ROM) kao alat je najjeftiniji i najosjetljiviji izbor jer se u njega moe upasti promjenom originalnog programa. Protivnik u tom sluaju moe razloiti28 program da bi se oslabilo ifriranje bez da osoba koja primjenjuje program neto primijeti. Druga mogunost jest napad na klju koji se uva na hardveru. Klju je ifriran i uva ga ifra koja mora sadravati najmanje 30 karaktera, slova, brojeva i punktacije, da bi bila efikasna.

Pretty Good Privacy = program kriptografije koji se besplatno nalazi na Internetu to je autoru izazvalo mnogo problema s amerikim vlastima. Do danas je izila verzija PGP 8.0 koja se prilino upotrebljava i prouava jer je velika referenca u podruju elektronike pote. www.pgpi.org 27 National Security Agency (Never Say Anything) = stvorena 1952. na poticaj amerikog predsjednika Trumana. Agencija djeluje u sklopu vlade SAD-a i zaduena je za COMINT (Communications Intelligence). Jedan od zadataka joj je i zatita tajnih podataka. Procjenjuje se da za NSA radi preko 16000 suradnika s godinjim proraunom od 13 milijardi dolara (procjena!). Ona slovi kao struktura koja ima najmonija raunala na svijetu i upoljava najvei broj matematiara. NSA je uspostavila kontroverzni program Echelon, svjetsku mreu za pijuniranje telekomunikacija. 28 Razloiti program znai upotrijebiti razluiva kojim se moe itati ifra bili kojeg programa, ui u njega i promijeniti informacije i podatke. Za to je potrebno veliko znanje kriptografije.

26

52

Ukoliko se radi o mijeanoj zatiti, dakle program + materijal, klju za ifriranje se uva van raunala i to na razliitim podlogama (numerike kartice, PCMCIA kartica za PC prenosiva raunala, USB klju, infracrveno kuite, itd.). Algoritam ostaje na hardveru, klju je na sigurnom van raunala i potrebna je ifra da bi se program otvorio kada je klju uveden u raunalo. Metoda zatite koja je iskljuivo materijalna je elektronika kartica koja sadri dva elementa: algoritam i klju. Algoritam je kao materijal ugraen u one segmente koji su namijenjeni ifriranju. Klju se uva na istoj kartici kao element memorije koji se moe mijenjati. Vjerodostojnost se potvruje upisivanjem ifre29. Ova metoda je jedna od sigurnijih jer se loom manipulacijom kartica samounitava. Izbor dobrog algoritma30 i pravilne primjene31 istog algoritma Jedan dio informatikih programatora sposoban je stvoriti programe ifriranja od tisuu, ili ak milijun, redaka za prevoenje jasnog teksta u slijed nerazumljivih znakova. Procjenjuje se da u svijetu djeluje oko stotinu izvrsnih kriptografa: strunjaka matematike i informatikog programiranja koji se drue po meunarodnim kongresima, od kojih valja izdvojiti godinji kongres Eurocrypt. Kada se izabire algoritam treba uzeti u obzir one koji su javno poznati, te koje je ispitala i komentirala meunarodna kriptografska udruga. Dvije velike obitelji algoritama su:
Preporua se mijenjanje ifre svakih 3-6 mjeseci uporabom najmanje 6 karaktera, slova brojeva i punktacije. Algoritam je centralni motor programa za ifriranje, tj. skup matematikih formula koji prevode jasan tekst u ifrirani tekst i obrnuto. Algoritmi ne moraju biti tajni, ali svaki program ima jednu tajnu, bez koje se ne moe proitati, a to je klju za ifriranje. 31 Primjena je proces programiranja koji se sastoji u tome da se algoritmu dodaje programsko okruenje (personalizirano, s prozorima, tipkama, uporaba kljueva, itd.). Drugim rijeima, algoritam je motor, a primjenom se dodaju svi potrebni dijelovi da bi se sagradio auto.
30 29

53

 Simetrini s jednim kljuem (tajnim) koji slui za ifriranje i deifriranje velikom brzinom. Radi se o algoritmima kao to su RIJNDAEL (256 bita!), IDEA, TWOFISH, BLOWFISH, Triple DES (u verziji EDE332, dakle u tri koraka sa tri kljua za ifriranje od kojih svaki ima 56 bita; zajedno imaju 168 bita), GOST, itd. Asimetrini s dva kljua, jedan javni za ifriranje i drugi privatni za deifriranje. Izmeu ta dva kljua postoji tajna veza. Ova vrsta algoritama daleko je sporija od simetrinih, te se upotrebljava za ifriranje veih dokumenata. Valja istaknuti RSA i DIFFIE-HELLMAN. Pri izboru programa vano je imati na umu sljedee: Treba se uvati programa koji su dobili vizu za izvoz iz SAD-a, jer je velika mogunost da u sebi imaju backdoor koji je postavila NSA33 i u koje Agencija vrlo jednostavno moe ui. Uporaba leteih programa koji kljuem mogu itati samo one podatke na kojima se trenutano radi u raunalu. Dakle nikako pohranjene podatke. Prilikom uporabe klasine kriptografije, poruka je fiziki deifrirana na hardveru prilikom otvaranja i ponovno ifrirana prilikom zatvaranja. Dakle, ista poruka pie se dva puta, te je neophodan sistem brisanja takvih podataka (wiping). Provjeriti da program kriptografije prepoznaje potprograme koji se nalaze u Windowsu i koji neovisno o korisniku rade kopije dokumenata na kojima se radi (strelica kojom se briu prethodne akcije). Rjeenje ovog problema je letei program.

32 33

EDE3 = Encrypt, decrypt, encrypt 3. Jasan tekst ifrira se s prvim kljuem, rezultat se deifrira drugim kljuem, te se rezultat opet ifrira treim kljuem. Sumnja se da je NSA postavila backdoor i u poznati program PGP.

54

 Provjera generacije kljua: da li se ifra upisuje u odreenom vremenskom roku, da li se toleriraju brisanja kod sluajnih pogreki, da li je potrebno imati ifru od 30-50 karaktera. Izbor dobre duine kljua Veina algoritama je javna i poznata. Ono to je tajno je klju za ifriranje kojim se pokreu algoritmi. Klju je malen element koji je sastavljen od slijeda bita34. Idealno je upotrijebiti klju od 128-256 bita (Rijndael, Blowfish, itd.) ili Triple DES koji ima tri kljua od 56 bita svaki. Kontrola mehanizma za primjenu alata kriptografije i njegovo okruenje Jako je vano imati klju dobre duine, dakle preko 30 karaktera od njih 95 prisutnih na tipkovnici. Poznate i popularne reenice valja svakako izbjegavati. Ukoliko se upotrebljavaju samo slova abecede potrebna je reenica od najmanje 100 slova. ifrom treba ograniiti pristup raunalu i uvesti program koji e biljeiti sve operacije koje se odvijaju na raunalu. Zato? Protivnik moe na hardver sakriti program tipa KEYKEY ili SKIn98, kojim se biljei unoenje svih ifri koje se koriste u raunalu.
Bit je jednak 1 ili 0. Klju za ifriranje od npr. 128 bita je slijed 0 i 1 sadravajui 128 elemenata. to je dui, prua veu sigurnost jer se mogunosti poveavaju veim brojem bita. Netko tko eli proitati poruku, a nema klju za ifriranje morat e na tekstu isprobati nevjerojatan broj mogunosti kljua. Za klju od 56 bita : 72057594037927936 moguih kljueva. Za klju od 64 bita : 18446744073709551616 moguih kljueva. Za klju od 128 bita : 3402823669209384634633746074317682211456 moguih kljueva. Statistiki je potrebno pokuati oko polovice mogunosti da bi se dolo do pravog kljua.
34

55

Svaka informacija koja se obrauje na elektriki nain podlona je elektromagnetskim smetnjama koje proizvode parazite signala, tkz. Van Eckove radijacije. Adekvatnom opremom moe se itati uivo rad jednog raunala koji se nalazi na udaljenosti od 20ak metara, za neku opremu ak i do 100m35. Od velike je vanosti biti siguran u povjerljivost svojih slubenika. One million dollars attack upotrebljava se za potplaivanje manje skrupuloznih slubenika i vrlo je efikasna. Najmanje diskretna i ve zastarjela metoda je uporaba sile, torture, otmice, ucjene, droga kao serum istine, itd. da bi se dolo do eljenih podataka.

Sun Tzu: Debljina bedema manje je vana od volje za njihovom zatitom. Svaki sistem zatite mjeri se po najslabijoj karici koju je potrebno posebno nadgledati. 1997. Rijndael = algoritam 21. st. kojeg su izradili dva belgijska kriptografa, Joan Daemen i Vincent Rijmen.

35

Postoje raunala koja ne isijavaju, pod imenom Tempest, meutim cijena im je trostruka od nezatienih raunala.

56

9. Kuloari i strategije utjecaja Svaka akcija kuloara vodi k utjecaju i pritisku na javne odluke. Razliite grupe imaju razliite interese i svaka oekuje od zakonodavca da izglasa zakon koji bi im bio optimalan. 1. Definicije, djelovanje i ciljevi kuloara Predloiti zakon, utjecati na proces glasovanja zakona, zaustaviti prijedlog zakona da bude izglasan. Lobi se sastoji u tome da se pusti ili dobije dobra informacija u pravo vrijeme, da bi se jedna odluka orijentirala na pozitivan ishod vlastitih interesa, ili interesa svoje drave. To je posao starijih osoba utjecaj, iskustvo i ispunjen adresar neizostavni su za uspjeh. Kljune rijei modernog lobija su: osnovanost, povjerenje, koalicije, predvianje, tajnovitost i koncentracija na prioritete i flash informacije. Lobi je tehnika komunikacije, tehnika utjecaja. Lobi je svaka akcija koja podrazumijeva intervencije da bi se utjecalo, direktno ili indirektno, na proces stvaranja, primjene ili interpretacije zakonskih odredbi, normi, regulativa, i openito svake intervencije dravne vlasti. Lobi podrazumijeva dva elementa: to je ponaanje onih koji ne ele da se javne odluke donose bez njihove prisutnosti, i skupina metoda kojom se osigurava kontrola utjecajem. Kuloari se takoer karakteriziraju prema cilju njihove akcije: nadziranje (monitoring), utjecaj (influencing), defenzivan lobi, ofenzivan lobi i osiguravanje financijskih prednosti.
57

Interesi kuloara uglavnom nisu politike prirode jer se orijentiraju na pravne i tehnike detalje zakona koji bi im mogli donijeti neugodnosti u njihovoj ekonomskoj ili drutvenoj aktivnosti. Oni djeluju na sljedeim osnovama: 1. logika prisutnosti 2. logika razumijevanja 3. logika obrane 4. logika izgradnje MOGUI CILJEVI Defenzivni Dobiti na vremenu Naklonjene okolnosti: o Rok o Prilagodbe o Osloboenje od pravila Vie dobrovoljni nego pravni korak Promjena okolnosti financijske pomoi Promijeniti o Propise o Metode donoenja odluke o Strukture Dati vrijednost slici ili strukturi Pomo

Ofenzivni

Financijski

58

2. Scena europskih kuloara Povijest utjecaja: borbe za teritorije, imena, obitelji, itd. Danas lobisti rade u tvrtkama i specijaliziranim privatnim uredima, naroito na podrujima aeronautike, prehrane i poljoprivrede, biotehnologije, kemije, energije, trgovine na veliko, aktivnosti ovjekovog slobodnog vremena, duhana, tekstila, lijekova, zdravlja, itd. Pravila igre specifina EU-u: kompromis trajanje interferencije na razliitim razinama razliitost kultura i ponaanja Glavne institucije EU-e: Komisija Vijee Ministara Europski Parlament Europski Sud GLAVNE INSTITUCIJE EU Predlae i provodi zakonske odredbe Odluuje o politici, opoj orijentaciji i spornim pitanjima Izdaje miljenja Rjeava pravne sukobe

Odluke se donose osposobljenom veinom od 73,9%, dakle 255 glasa od ukupno 345 glasova36 iz 27 zemalja.

36

Njemaka, Francuska, Italija i VB (29 glasova), panjolska i Poljska (27), Rumunjska (14), Nizozemska (13), Belgija, eka Republika, Grka, Maarska i Portugal (12), Austrija, Bugarska i vedska (10), Danska, Irska, Litva, Slovaka i Finska (7), Estonija, Cipar, Latvija, Luksemburg i Slovenija (4), Malta (3).

59

Primjer prorauna Pojednostavljen plan prorauna za period 2000-2006 izgleda ovako : Prioriteti EU Poljoprivreda Strukturalni projekti Interna politika Vanjska politika Administracija Pomo za ulazak u EU buduim lanicama Ukupno * u milijunima eura 2000 40920 32045 5930 4550 4560 3120 89600 2001 42800 31455 6040 4560 4600 3120 91110 2002 43900 30865 6150 4570 4700 3120 98360 2003 43770 30285 6260 4580 4800 3120 101590 2004 42760 29595 6370 4590 4900 3120 100800 2005 41930 29595 6480 4600 5000 3120 101600 2006 41660 29170 6600 4610 5100 3120 103840

60

3. Igrai i metode kuloara Radne grupe lobija, ili RG utjecaja, izravni su nastavak uspjenih sistema BI-a. Utjecaj se gradi od dna prema vrhu piramide. Cijena dnevne usluge strunjaka lobija varira izmeu 700 i 2000 . Praenje jednog predmeta u Bruxellesu godinje moe doi izmeu 15000 i 45000 , ukoliko se radi o teem ili osjetljivom predmetu i do 150000 . Savjetnici kuloara obiluju informacijama koje dobiju nadziranjem i potvrdom, sposobni su ih analizirati, imaju mreu kontakata, metodu rada i utjecaja, te prednost zbog mjesta u kojem djeluju. U Bruxelles-u djeluje oko 12000 ljudi zaposlenih u kuloarima i to u: 3000 grupa interesa, 800 konstantnih ureda (tvrtke 500, upanije 130, profesionalni sindikati 200), 750 europskih koalicija, 200 europskih udruga i 500 savjetodavnih ureda. Vano je pristupiti veoj zajednici, biti prisutan i aktivan, imati sluha za ocjenjivanje odluujuih trenutaka, ali i znati djelovati sam u odreenim situacijama. Primjeri velikih lobija 1. Velika Britanija: registracija lobista pri Parlamentu. 2. Italija: teritorijalni i regionalni BI vrlo su razvijeni. Talijanske pokrajine same vrlo uspjeno lobiraju pri Europskim institucijama. 3. Njemaka: ekonomski lobiji ujedinjuju sve velike ekonomske i industrijske federacije, velik broj tvrtki i urede specijalizirane za lobi.
61

4. Francuska: u zatvorenim mreama privatnih visokih kola, politikih stranaka i ekonomskog svijeta. 5. Bruxelleski kuloar: skup ostalih lobija. 6. Ameriki kuloar: prisutan u Bruxelleskoj kulturalnoj tradiciji ve dugo godina i to kao vodi konzorcija. 7. Japanski kuloar: vrlo diskretan u Bruxelles-u. Iako gotovo nevidljiv, procjenjuje se da na svakom predmetu ima jedan Japanski strunjak. Kako djeluju kuloari Tko posjeduje informaciju?: politiari, slubenici, glasnogovornici, savjetnici. Tko daje informaciju?: uvjereni, suprotno miljenici, strunjaci, oni koji imaju interes, oni koji trae druge informacije i slabe karike. Dakle, potrebno je: traiti slabu kariku, zavesti, umanjiti, provocirati i drati u tajnosti izvor informacije. Dobar lobist mora biti: profesionalan: mora poznavati proces odluivanja, elne ljude, politike orijentacije i mree koje moe upotrijebiti. oprezan: mora traiti informaciju, uspostaviti mreu kontakata, razvijati predmet, poznavati miljenja i argumente vezane uz taj predmet. zreo: intervenirati to je mogue prije, biti onaj koji predlae inicijative, imati konkretan predmet, pripremiti svoje argumente. komunikativan: prilagoditi se logici politikih vlasti, imati jaku empatiju, usvojiti rjenik administracije i pisati izvanredne dopise.

62

 imati dobru mreu osobnih poznanstava: razvijati dobre odnose i poznanstva s elnim ljudima, i s onima koji e to tek postati. svestran: uvijek se savjetovati s vie odluujuih osoba, ne zapostaviti nijednu razinu hijerarhije, nijednu instituciju, poveati broj zahtjeva, argumenata, potvrditi izvore informacija. ustrajan i odluan: osloboditi se predrasuda, definirati jasan projekt, prihvatiti dugoronu investiciju, biti onaj koji donosi, prije nego li prima informaciju. 4. Profesionalni moral i izvori informacija Deontologija kuloara Europa: predrasuda da je lobi nemoralna akcija od koje se treba skrivati. Anglo-saksonci: kuloari su pozitivan medij preko kojeg sudjeluju u stvaranju zakona koji ima direktan utjecaj na njihove ivote. U nekim sluajevima lobi moe djelovati van zakonskih odredbi i to putem mita, dezinformacija, glasina, skrivanju pravih interesa, manipulacija, itd. Izvori informacija Zadatak lobista je znati odgovore na pitanja kao to su: to e se dogoditi, kojeg datuma, na kojoj se razini predmet trenutno nalazi? Lobisti skupljaju informacije o: ljudima koji su vezani uz predmet, doktrini, prijedlozima projekata, datumima kljunih trenutaka, itd. Oko 50% svog radnog vremena lobist utroi na traenje informacije.

63

SLUBENI IZVORI INFORMACIJA Izjave o opoj politici Sadravaju principe i dugorone smjernice Imenici, shema organizacije, Informacije su uglavnom slubeno tiskane, meutim trebaju se upotpuniti premjetanje osoblja usmenom komunikacijom sa svojim vezama Radni kalendari Omoguuju praenje i vanost (hitnost) predmeta POLU-SLUBENI IZVORI INFORMACIJA Sva slubena izdanja koja nisu javna, ali su dostupna na svaiji upit (treba za njih znati) Najznaajnije informacije su slabi signali, znak ili obiljeje neega to e se dogoditi37. Informacije van slubenog kruga daleko su najinteresantnije. Mrea poznanstva gradi se i njeguje sistematskim postupcima. Bolje je poznavati ljude prije no to ih ovjek zatreba. Winston Churchill: Nema rata bez dobrog odjela za podatke. Edith Cresson: Dobar predmet, u pravo vrijeme, na pravom stolu.

37

U BI-u tkz. siva informacija.

64

10. BI sudionici i cijene usluga38 1. BI igrai 1. Privatni detektivi Privatni detektiv ulazi u ciklus informacije onog trenutka kada otvorena (bijela) informacija nije vie dostatna. Njihova uloga u tom sluaju jest otkrivanje onih podataka koje struktura o kojoj se vodi istraga ne prikazuje javno. Privatnim detektivima obraaju se tvrtke, odvjetnici, bankari, rukovoditelji vlasnitva, itd. U sluajevima glasina i protu-glasina, privatni detektivi su najprimjereniji igrai. 2. Komercijalni podaci Radi se o najveem tritu strateke informacije za tvrtke i o tvrtkama. Velike tvrtke koje obrauju komercijalne podatke sastavljaju potpune predmete o velikom broju tvrtki, rukovoditeljima, shemama organizacije, dugovima i stanju vlasnitva. Rade na posve legalan nain kupujui informacije od dravnih zavoda za poslodavce, financije, osiguranje, otvorene informacije pri sudovima, ministarstvima, itd. Utrka meu velikim tvrtkama za komercijalne podatke je brza i nemilosrdna jer financijski podaci zastarijevaju veoma brzo i neophodno je njihovo mjeseno, pa ak i tjedno auriranje. 3. Podatak po narudbi BP-a u kojima postoje aurirani i primjereni komentari. Osobna ocjena jedne otvorene informacije koja joj daje veu vrijednost jer je analizirana. Kotacija se zove scoring.
38

BESSON Bernard, POSSIN Jean-Claude, Du renseignement l'intelligence conomique, Dunod, Paris, 2001.

65

Scoring se odreuje u funkciji kriterija analize koji su osobni onom tko provodi analizu i tvrtki za koju radi. 4. Uredi za savjetovanje u tehnolokom nadzoru Njime se bave strunjaci koji vre kompletne analize za visoku cijenu. Oko 75% rezultata proizlazi iz znanstvenog i tehnolokog nadziranja koji je vezan uz izlazak novih proizvoda ili patenata na trite. Velike tvrtke uglavnom imaju odjel tehnolokog nadziranja. Urede za savjetovanje u tehnolokom nadzoru uglavnom konzultiraju tvrtke SMP-a. 5. Strunjaci u BI-ju To su veinom profesionalci koji rade u tvrtkama, dobavljai informacija u tvrtkama za obradu podataka ili akademiari. Njihov je posao svakako uporaba tehnika BI-a kao podloga rada, razvijanje koncepta openito u tvrtkama i dravnim, upanijskim i lokalnim jedinicama, predstavljanje koncepta BI-a na seminarima, kolokvijima, fakultetima i osvjeivanje ire javnosti putem tiska, te meusobno druenje, napredovanje i usavravanje. 6. Privatne BI tvrtke i meunarodne tvrtke privatnih podataka Tvrtke za obradu informacija koje oko sebe okupljaju profesionalne BI strunjake formirani radom u tvrtkama, sveuilini predavai, inenjeri iz sektora tehnolokog nadziranja, vrlo sposobni dokumentalisti i bivi slubenici dravne administracije i tajnih slubi. Komunikacija izmeu privatnih i meunarodnih BI tvrtki i drava zasniva se na suradnji i nepovjerenju. 7. Posrednici Za proviziju, posrednici svojim talentom i razvijenom mreom poznanstava osiguravaju svojoj stranci ugovore i postotak na meunarodnom tritu.
66

Dobar posrednik odlikuje se strpljenjem i opreznou, snaga mu lei u povezivanju politikih i ekonomskih elnika koje se temelji na povjerenju meu sugovornicima razliitih kulturnih obiljeja. 8. Brokeri (agenti) Kao posrednici za informacije, brokeri djeluju izmeu tvrtke i BP-a. Manje su politizirani od posrednika. 9. Lobisti vidi poglavlje 9. 2. Cijena BI usluga Honorari privatnih detektiva ovise o teini sluaja. Za rutinske istrage moe se predvidjeti izmeu 400 i 1200. Za istrage koje su zahtjevnije i traju due vremena moe se raunati i do 30000. Svaka pojedinana konzultacija BP-a kota izmeu 6 i 20 prema vanosti traenog podatka. Podatak po narudbi iziskuje mnogo dublju istragu i samim tim mu je cijena vea, te se kree izmeu 22 i 900, do 1000 za pitanja koja su dugorona i zahtijevaju dobro izraen predmet. Privatna meunarodna BI tvrtka za obradu informacija Parvus, prosjeno naplauje jedan predmet 30000.

67

Zakljuak JF Kennedy: Neznanje je skuplje od informacije. Iako je koncept Business Intelligence-a u zemljama razvijenog svijeta ve odavno poznat, razvoj tehnika kojima se BI slui treba ubrzati, odnosno usaditi u zemlje u kojima je ovaj koncept jo uvijek nepoznat. BI je jedna od savrenijih tehnika dobivanja i obrade podataka kao strateko orue. Intuicija kao sposobnost kvalitetnog zakljuivanja na temelju malog broja informacija, ulazi u BI koncept. Isto vrijedi i za povjerenje, entuzijazam i spontanost, jer je BI disciplina koja polazi od specifinog naina razmiljanja i elje za zajednikim radom da bi se dobili oekivani rezultati u to kraem vremenskom roku. BI je posebna disciplina koja se temelji na moralnim i pravnim osnovama. Budi i koordinira latentne sposobnosti, te odgovara ujedinjenju triju uloga: kulture, rukovodstva i vlasti. BI je jednostavna tehnika i kao takva dostupna svakom. Na BI kao na prvu stepenicu, nadograuju se dvije stepenice, dvije discipline Competitive Intelligence i Knowledge Management.

68

COMPETITIVE INTELLIGENCE
Uvod Zadatak Competitive Intelligence-a jest potaknuti dogaaj ne ekajui da se on dogodi. Intelligence potreban za donoenje pravilne odluke mora obuhvaati razliite sektore znanja. Nedostatak pravila u svijetu ini da su jedino tvrtke globalizirane. Velike nesigurnosti proimaju svijet od Zapada do Istoka, od Azije do Afrike. Da je svijet zahvaen procesom globalizacije kojeg podravaju iznimno brze tehnoloke mutacije nije vie potrebno naglaavati. Mladim generacijama globalizacija nije pojam ve nain ivota u kojem su roene i u kojem moraju stvarati i brzo napredovati. Svima je sutra velika nepoznanica: planovi tvrtki, administracija i institucija se rade svakodnevno. Tvrtka mora upotrijebiti sveukupno raspoloivo znanje unutar i van svoje strukture i intuiciju elnih ljudi za sueljavanje s budunosti jer samo kreativne i reaktivne tvrtke preivljavaju nemilosrdnu borbu na tritu i zadovoljavaju oekivanja potroaa. Posljednjih godina svjedoimo radikalnim promjenama: Globalizacija Brze tehnoloke mutacije informacija i komunikacije Trina deregularizacija i fragmentacija Otvaranje novih sektora djelatnosti i pojava novih igraa u tradicionalnim sektorima Evolucija oekivanja i potreba potroaa, njihovih snova i elja koji su i uzrok i posljedica ovih radikalnih promjena.
69

Ekonomska premo i zakon trita zasjenjuju sva ostala dogaanja i promjene koje se odvijaju u svijetu. Uspjene tvrtke su danas proaktivne, rad baziraju na naelima business intelligence-a, dok im je competitive intelligence vitalna funkcija u donoenju odluka. Competitive intelligence (CI) je inteligentno rukovoenje odlukama koje se temelje na auriranim podacima o konkurenciji. Meutim, CI je i mnogo vie, ona je kao tehnika neprocjenjiv alat kulturolokih razlika, potreba i oekivanja. Radi se o nastavku tehnike BI-a, neobinoj komponenti koju mnoge tvrtke jo uvijek zanemaruju radei kratkotrajne projekte prodaje i razvoja. Industrijska era 1992 I I I I I Informacijska era Globalizacija Nove tehnologije Slabljenje Europske moi Nezaposlenost Multikulturalnost Nesigurnost Nepredvidivost Leader = novi stil

Sigurnost Mogunost predvianja Manager = odreen stil

Competitive intelligence tehniku koriste multi-disciplinarne radne grupe koje mogu svoj rad pozicionirati u vrlo razliite segmente aktivnosti. One obuhvaaju socioloko, tehnoloko, ekonomsko i politiko znanje, znanje o zatiti okolia, pregovorima, kulturama, i sl. Osim to CI prua veliku pomo u ostvarenju i razvoju jedne tvrtke ili administracije, to je tehnika koja u potpunosti obuhvaa i socioloku razinu i ostvarenje svih zaposlenika, rukovoditelja i direktora za uspjeno i dugotrajno poslovanje.
70

1. Razvoj kao neminovnost Tehnika competitive intelligence-a usko je vezana s tvrtkama iji je imperativ rast poslovanja, a ne preivljavanje. Za vrijeme samo jedne generacije, 2/3 najveih i vodeih svjetskih tvrtki prepustile su mjesto tvrtkama koje su se znale prilagoditi tritu. U vrijeme krize svaka tvrtka neminovno reagira, no pitanje jest kako? Najpoznatije metode kojima se koriste, a koje ne predstavljaju uvijek dobru odluku su: smanjenje kadra (downsizing) delokalizacija (outsourcing) tehniko i tehnoloko oplemenjivanje (reengineering) Svaka tvrtka je jedinstvena u svakom pogledu, na isti nain bi se trebalo poimati i njeno poslovanje i promjene koje se u njemu uvode, ne drei se pritom slijepo za udotvorne tehnike i recepte kojih more preplavljuje trite, ve primjenjujui one elemente koji su tvrtki doista neophodni. Tvrtke za poslovno savjetovanje se dre poznatog Boga RE koji nalae: restructuring, reengineering, reforming, reconfigurating, reajusting, rethinking, reusing. Rast tvrtke neophodan je za dobro raspoloenje zaposlenih, ulaganje, poticanje talenata, zadovoljstvo dioniara, vjernost suradnika i potroaa. 1. Izvori intoksikacije rasta 1. Kriza Rast i razvoj tvrtke meuovisan je s ekonomskom situacijom u dravi. Ukoliko ona prolazi kroz krizu, nesigurnost, lijenost vodeih ljudi, lou raspodjela poslova, sveope nezadovoljstvo, kratkovidnost poslovanja, tvrtkama je vrlo teko sanjati o uspjehu. Ukoliko je situacija na globalnom tritu povoljna, pozitivna i ohrabrujua, tvrtka se moe povui tim entuzijazmom i pobjei iz otune konice svoje drave.

71

2. Sumnje Konicu rastu tvrtke moe takoer predstavljati sveopi ambijent, prestroga pravila institucija, sistem plaanja zaposlenih ili loa slika o poslovima razliitih sektora. Nadalje, razvoj moe biti usporen zbog nedostatka strateke hrabrosti za analizom vrijednosti svojih usluga i proizvoda naspram konkurentnih. Rast tvrtke moe sprijeiti i loa definicija strategija razvoja; ukoliko je tvrtka navikla na uspjehe ona e tim putem ii ak i kada drava zapadne u krizu. 3. Uspjeh Uspjeh se u svojoj loijoj strani manifestira kao arogancija, osjeaj premoi i neunitivog postojanja to tvrtku koi u razumnom razmiljanju, preispitivanju i poduzimanju rizika. Naroito su na udaru one tvrtke koje su usko vezane za tehnoloki sektor u kojem se sve razvija nevjerojatnom brzinom i gdje se potrebno neprestano prilagoavati. Meutim, rukovoditelji pokazuju znatnu emotivnu povezanost sa svojim uslugama i proizvodima, da im ih je katkada teko mijenjati na vrijeme. Naposljetku, zato bi se mijenjala ekipa koja donosi uspjeh ili proizvod koji se tako dobro prodaje? 2. Rast u S krivulji Svaka tvrtka slijedi isti ciklus, poetak, uspon i pad. Tvrtke koje se iznova preispituju i koje su proaktivne e znati skrenuti na vrijeme i krenuti dalje. Tri faze S krivulje su: 1. Juriti: motivacija, entuzijazam, eksperimentacija tvrtka je u punoj kreativnosti, postavlja svoju budunost, brzo raste i razvija se. 2. Usvajati: rukovoditi, postaviti pravila tvrtka uspostavlja pravila, procedure poslovanja, poboljava proizvod, pokuava to due zadrati uspjeh. 3. Suoiti se ili ne: situacija na tritu se komplicira, mnogo je konkurencije, proizvodi su bolji, potie se nestabilnost unutar tvrtke koja je moe odvesti u propast.

72

2. Globalizacija natjecanja Procesom globalizacije pojam bitke je dobio novo, ekonomsko i kulturoloko znaenje. Tvrtke i drave danas vode tehnoloko natjecanje u ekonomskom ratu. Svaka drava nastoji pruiti svojim stanovnicima zaposlenje, poveati BNP, smanjiti uvoz i poveati izvoz. Drave zapada do nedavno vodee na svjetskoj ekonomskoj i politikoj sceni to vie nisu; sve vie preputaju mjesto zemljama u razvoju. Predvia se da bi 2020. najjae ekonomske svjetske sile bile po redu: 1. Kina, 2. SAD, 3. Japan, 4. Indija, 5. Indonezija, 6. Njemaka, 7. Koreja, 8. Tajland, 9. Francuska, 10. Tajvan, 11. Brazil, 12. Italija, 13. Rusija, 14. VB i 15. Meksiko. 90% potroaa bit e iz siromanih zemalja. 1. Klasifikacija svjetske populacije Prema GBN-u39 svijetska populacija se moe podijeliti u etiri vrste: bogati (affluent), u razvoju (hopeful poor), seljaci (villagers) i beznadno siromani (poor without hope). 1. Bogati U ovu grupu stanovnika spada 300 milijuna ljudi visokog ivotnog standarda i s velikim potencijalom na tritu. U istu kategoriju spada i jo 500 milijuna ljudi srednje klase koji takoer mogu dosei visoku potroaku razinu. 2. U razvoju 800 milijuna ljudi koji se svrstavaju u kategoriju odmah ispod srednje klase su u punom ekonomskom elanu kao azijske drave i istona Europa. Ova grupa ljudi su potroai budunosti.

39

Global Business Network: 100 vodeih svjetskih tvrtki

73

3. Seljaci Seljaci predstavljaju oko 2.5 milijarde ljudi koji mahom obitavaju sela u Africi, Latinskoj Americi i Srednjem Istoku. To je populacija koja se ne smatra uvijek siromanom, meutim koja je dosta marginalizirana i odcijepljena od modernog svijeta. U sljedeem desetljeu ovo stanovnitvo nee predstavljati vee potroae na svjetskom tritu. 4. Beznadno siromani 1,2 milijardi ljudi znaju da su beznadno siromani i da e to vjerojatno i ostati. Svjesni svoje situacije oni ive marginalizirani u rubnim dijelovima velikih gradova Latinske Amerike, Afrike, Indije, Pakistana. Oni su u dodiru s potroakim drutvom, vrlo dobro su ga svjesni, meutim nemaju pristupa zdravstvenom osiguranju, kolovanju, zaposlenju i novim tehnologijama. 2020. svjetsko stanovnitvo e brojati oko 8,5 milijardi ljudi; od toga e biti 1,4 M bogatih, 4,7 M onih u razvoju, a zaboravljenih od sviju e biti 2,4 M (seljaci i beznadno siromani). Iz ove posljednje kategorije ljudi e se razvijati veina ekstremistikih pokreta, terorista i revolucionara. 2. Tri kapitalizma, tri geo-ekonomska pola Sto vodeih tvrtki i njihov udio na tritu prema kulturolokoj i kapitalistikoj orijentaciji: Model Juer Danas Razlika Anglo-saksonci 66 38 -28 Udio na tritu 71% 35% -36 Europljani 25 35 +10 Udio na tritu 23% 27% +4 Japan/Azija 9 27 +18 Udio na tritu 6% 38% +32 100 100

74

Tablica jasno prikazuje novu raspodjelu kapitalistikih drutava na svjetskom ekonomskom tritu. Tvrtke jasno moraju voditi rauna o: globalizaciji svojih aktivnosti, rekonfiguraciji svojih zaposlenika i globalizaciji svojih struktura. 1. Europa Liberalni kapitalizam postavljen na demokraciji, slobodi i jednakosti izgradio je trinu ekonomiju u Europi. Prije no to je Europsko trite postalo zasieno Europa je krenula u proces stvaranja i proirivanja Europske Unije, demokratskog sistema koji uva slobodu svih naroda i daje im mogunost napretka na zajednikom i svjetskom tritu. Bez ruenja individualnih socijalnih sistema EU potie velike grupe partnera i kooperanata u pozitivnom natjecanju znanja i sposobnosti. 2. SAD Nastala na liberalnim idejama, individualizmu, ljudskim pravima, demokraciji i kapitalizmu, i za razliku od europskih, amerika je nacija osloboena od pritiska dugotrajne povijesti, kompliciranih hijerarhijskih struktura i dravne zatite. Njihova nekadanja premo u sektorima automobila i autocesta, danas i sutra je u telekomunikacijama i informatici. Sukladno svojoj kreativnoj viziji SAD trenutno industrijalizira Latinsku Ameriku, ne misli se predati i posustati u svjetskoj utrci i napustiti mjesto meu vodeima. 3. Azija Japan je ponio veliki uspjeh u globalizaciji nakon oporavka od 2. svjetskog rata zahvaljujui svojoj viziji svijeta, glokalnom razvoju i kolovanjem svojih strunjaka na najboljim europskim i amerikim sveuilitima. Svjedoci smo povijesnog fenomena bez premca: originalan spoj zapadne i azijske kulture u Aziji i Pacifiku (Japan, azijski zmajevi i Kina). Iako su usvojile kapitalizam i nemilosrdnu borbu na svjetskom tritu dijelom su zanijekale demokratske vrijednosti, ljudska prava, individualizam i potporu drave. Premijer Singapura Goh Chok Tong smatra da Procjenjujemo da treba drati u ravnotei individualna prava s odgovornosti prema zajednici....U pojedinanim sluajevima moemo ukinuti ta prava radi opeg interesa.

75

3. Globalizacija je lansirala Aziju Azija je u potrazi za globalizacijom bez amerikanizacije i europeizacije. Svojim entuzijazmom i radinou privlai sve periferne drave Pacifika oplemenjujui se kulturolokim razlikama (za razliku od Europe koja se eli unificirati i iji krajevi tinjaju ratom, od sjeverne Afrike do Kavkaza). Zemlje Azije i Pacifika prednost daju kolektivnom, a ne interesu pojedinca. Svjee industrijalizirane drave Azije svoj nevjerojatan razvoj duguju neiskoritenim resursima, naroito kolovanju radne snage. U Singapuru je primjerice aktivno stanovnitvo prelo s 27% 1966. na 51% 1990. 4. Da li globalizacija znai amerikanizaciju? Politiku koju Amerikanci provode na unutarnjoj politikoj i ekonomskoj sceni prenose i na svjetsku scenu kao vrlo uspjean model koji SAD-u desetljeima osigurava vodstvo. Za razliku od njih Europljani i pomalo Japanci su optereeni starom ekonomijom to u prijevodu znai slabiji rast, veliku nezaposlenost i loije poslovanje tvrtki. Prednosti amerikog modela su: unutarnje trite od 250 milijuna stanovnika koji priaju istim jezikom, imaju iroku srednju klasu i velike prirodne resurse trite ima svjetski priznatu valutu, nafta se izraava u novanoj vrijednosti $ kolovana i sposobna radna snaga koja se obnavlja svaku generaciju kroz imigraciju. Meutim, SAD iako prirodnom i mirnom arogancijom ivi svoju svjetsku dominaciju ne krije nedostatke svog modela: niska tednja, loa ili nikakva integracija mladih Afro-amerikanaca i pad kulture zajednitva, individualni interesi premauju kolektivnu odgovornost.

76

5. Novi ekonomski ulozi Kada se govori o novoj situaciji na svjetskoj ekonomskoj sceni misli se na velik broj faktora: privatizacija, velike tvrtke zatvaraju vrata pod navalom konkurentskih tvrtki SMP-a, nezaposlenost, virtualne tvrtke, delokalizacija, rad putem tele-konferencija, povean broj obrtnika, porast broja ena u zaposlenju, poveanje polu-radnog i povremenog radnog odnosa i sl. Nadalje, stanovnici bogatih zemalja stare, s prosjekom od 40 godina, naspram demografske eksplozije na drugim kontinentima iji je prosjek godina 20. U Europi se proizvodi i usluge moraju prilagoditi sve veem broju ljudi u godinama. Zatim, osjetno je i poveanje stanovnika u gradovima, poetkom 20. st. 10% stanovnitva je ivjelo u gradovima, dok se predvia da e broj porasti na 60% do 2020. Prijetnje: 1. Smanjenje ozonskog omotaa moe poveati zagaenost u gradovima, toksinost zraka poveava alergijske i probleme s vidom. 2. Zagaenost automobila i njihovo neprestano poveanje. 3. U manje od 20 godina broj rtava u poplavama je preao s faktora 0 na 100 (1930.-1989.), katastrofe izazvane nevremenom su porasle s faktora 0 na 360 (1930.-1989.), a broj tajfuna se mnoi sa 10 (1930.1989.). 4. Infiltracija podzemnih voda moe pogoditi industrije za proiavanje i distribuciju vode. 5. Klimatske promjene mogu utjecati na sve sektore aktivnosti, +4C poveanja temperature koji se oekuju do 2040. (sada smo na +2,5C) dovest e do otapanja dijela Grenlandskih i Antarktikih gleera ime e se razina oceana poveati za 1-25 metara.

77

6. Velike socijalne promjene Glavne socijalne promjene koje su zamijeene procesom globalizacije su: 1. 2. 3. 4. 5. Redefinicija obitelji i uloge pojedinca u drutvu Pogoranje i nestanak drutvene povezanosti meu ljudima i eksplozija nasilja Gubitak znaenja socijalnih institucija Nezaposlenost Drutveni mozaik: multikulturalizam i multilingvizam.

7. Tehnoloke evolucije Tehnologija prolazi danas kroz revolucije, a ne samo evolucije (numerike kartice, genetski modificirana hrana), snane i brze promjene koje utjeu na na ivot i posao te zahtijevaju svakodnevne prilagodbe: 1. 2. 3. 4. 5. Genetika Neuroloke znanosti Nove materije Nanotehnologija Nove tehnologije informacije.

78

3. Podjela informacija 1. Promjena ere Svi prijelazi era u povijesti ovjeanstva odvijali su se postupno i bez ovjekove svijesti kroz generacije. Posljednja promjena bila je vrlo brutalna jer se prelo iz djelatnosti poljoprivrede na industriju, tercijarne djelatnosti i sada na informatiko doba. 1900. u SAD-u je 80% puanstva radilo u poljoprivredi, danas samo 3%, a za tu dravu jo moemo rei da se prijelaz dogodio umjerenom brzinom. Danas svjedoimo velikoj napetosti u Kini gdje ljudi ive u razliitim erama, jedni ive od poljoprivrede na riinim poljima dok im pogled sustie nebodere velikih aglomeracija u kojima ljudi ive za i od informacija u globaliziranom svijetu. Tele-konferencije pruaju mogunost sklapanja radnih grupa iz razliitih dijelova svijeta bez optereenja putovanja. 2. Razluivanje korisne informacije od fatalne informacije Tehnika business intelligence-a uvela nas je u vanost prikupljanja, analiziranja i irenja informacija koje su postale digitalni bitevi tipa tekst, slika i zvuk. S inteligencijom informacija iste su vrijednosti postale nevidljive i nedodirljive, virtualne. Vano je uvijek i neprestano traiti informaciju svugdje, uspjeh pobire onaj tko inteligentno organizira i analizira informacije, unutar tvrtke npr. koristei se kapitaliziranom vrijednou, povijeu, prolim dogaajima i sadanjim projektima. Primjer: Japan je izvrsno razvio strategiju prikupljanja informacija ne na nacionalnoj ve na svjetskoj razini. Njihovi agenti rasprostranjeni su diljem svijeta kako u ekonomskom tako i u politikom, kulturalnom i drugim sektorima. Sogo Shoshe su oi i ui delokaliziranih japanskih tvrtki, rade studije o tvrtkama. Sasvim legalno prikupljaju informacije (lanci i slike iz tiska, katalozi, cijene, konkurencija) i ne mogu se karakterizirati kao pijunske tvrtke. Uspjeh se krije u tome to oni informacije prikupljaju kontinuirano i sistematski.
79

Glavno oruje je dakle informacija: Kontrola izvora i preobilnih informacija Odvajanje korisnih informacija od onih koje nam odvlae panju Interaktivan pristup neobraenoj informaciji Razvijanje sistema filtriranja, regulacije i ocjenjivanja kvalitete informacija. Informacija je sirovina koju treba preraditi u podatke, ona ne moe i ne smije biti konaan proizvod! Podaci se zatim skladite i kapitaliziraju. Informacija postaje centar tvrtke, institucije, administracije koja da bi bila uspjena mora: Biti fleksibilna i reaktivna u okruenju Zamijeniti duga akademska kraim i interaktivnijim seminarima Ukljuiti osobe sa znanjem ak i ako su nie rangirane Ukljuiti i specijaliste i generaliste u suradnju Nagraditi one koji obnavljaju svoje znanje Ujediniti razliite struke i znanja na istom projektu. 3. Podjela, a ne razmjena informacija Tvrtka gubi na konkurentnosti kada unutar nje informacije ne kolaju. Zastoj informacija koban je za sve strukture pogotovo one koje danas iskljuivo rade s informacijom kao jedinom sirovinom. Ona je na gubitku ukoliko: se na informaciju ne gleda kao strateki vanu na svim razinama tvrtke, ne eli utroiti vrijeme na prelistavanje tiska, sumnja u tonost informacija, ne vodi rauna o zastarijevanju informacija, ukoliko se informacija ne dobije na vrijeme kada je neophodna ili kada primatelj informacije ve ima o njoj saznanje.

80

Rad u grupi potie razmjenu informacija, ljudi moraju biti otvorenog duha za meusoban rad i razvoj, zajedniko uenje i usavravanje. Svaka individua moe doprinijeti grupi, pogotovo ukoliko se radi u grupama razliitih znanja, sposobnosti i kultura (trans-disciplinarna grupa). Znaajne su i teke promjene koje treba prepoznati, predvidjeti i iskoristiti za svakodnevnu borbu i opstanak na tritu. Pluri-disciplinarna metoda koja nam upravo to omoguuje je competitive intelligence. 4. Promjena u logici poslovanja Vrlo je teko pronai nove smjernice i odmah ih uvrstiti u logiku poslovanja. Primjer: u sektoru medicine, slabi signali otkrivaju promjene tek 4 tjedna prije no to e se one doista i dogoditi. Kada tvrtka koristei se aktivnom tehnikom competitive inetelligence-a doe do saznanja da treba krenuti u novom smjeru promjene s kojima se mora suoiti su realne i neodgodive. Danas govorimo o kvalitetnoj inteligenciji konkurencije. Ono to je prije bio marketing i upravljanje ljudskim resursima danas su: nadziranje (drutveno, konkurentno, zemljopisno, ekonomsko, geopolitiko), upravljanje rizicima, radne grupe za krizna stanja, lobiranje, etike grupe, grupe za zatitu okolia, itd. 5. Odrati dinamiku promjene Ne treba razmiljati umjesto drugih ve poticati druge da razvijaju svoje vlastite ideje. Projekt treba zapoinjati dobrim pitanjima, izbjegavati gotove ideje. to su ideje vie rairene, dublje su ukorijenjene u ovjekovu psihologiju te je teko nametnuti nove ideje kada doe vrijeme za promjene. Introspekcija je u svakom sluaju neophodna za tono razumijevanje svojih slabosti i prednosti. Competitive intelligence se u prvom redu primjenjuje na sebe, zatim i na poslovno okruenje. Kreativnost koju tvrtka mora poticati, razvijati i iskoristiti je jedan od kljunih faktora. Iskoristiti budunost jest izmisliti budunost.
81

4. Nadziranje i otkrivanje trendova Nadziranje je jedan od kljunih elemenata uspostavljanja projekta CI-a i kapitalizacije iskustva. Iskustvo je pokazalo da se u velikim tvrtkama (preko 10000 zaposlenih) 90% informacija koje su nam potrebne za rad nalaze upravo unutar same tvrtke, meutim ne nalaze se na pravom mjestu u trenutku kada su nam potrebne. Postavlja se problem kolanja i gubljenja informacija, dakle vrijednosti, meu zaposlenicima koji: primjeuju informacije ali ih ne alju dalje, ne primjeuju informacije ali ih svejedno alju bilo kome te oni koji niti primjeuju niti alju informacije. 1. Otkrivanje slabih signala Slabi signali su informacije koje najavljuju promjenu, razdor i novu budunost. Zadatak onih koji nadziru je rano otkrivanje slabih signala koji nagovjetavaju mogunost ili krizu. Slabi signali su elementi informacije koji ukoliko se previde ne otvaraju mogunosti i nanose veliku tetu. Osobe koje otkriju slabe signale moraju nadalje znati kako formalizirati informaciju u podatak i kome ga proslijediti. Oni koji se bave ovim poslom moraju imati mala usta i velike ui. Organizirano i sistematsko nadziranje djeluje u mikro i makroekonomiji, ulazi u sveobuhvatan proces globalizacije svih sektora poslovanja. Glavne karakteristike nadziranja su: Tehnika koja je nedjeljiva i globalna Zahtijeva metodologiju kojom uspjeno istrauje izvore informacija Zahtijeva organiziranost i sinergiju razliitih osoba koje nadziru.

82

2. to nije nadziranje Nadziranje nije zamjena za pijuniranje: CI je tehnika koja radi iskljuivo s bijelim i sivim informacijama. Sve crne informacije su zatiene zakonom i kao takve podlijeu kaznenom gonjenju, te spadaju u ekonomsku pijunau. Doputeni postupci su: pronalaenje informacija u tisku, bazama podataka, odravanje intervjua, razliitih profesionalnih kontakata, obilaenje foruma, i sl. Nedoputeni postupci su: traenje pristupa zatienim informacijama, informacije o privatnom ivotu osoba, telefonsko prislukivanje, korupcija, pronevjera novca i sl. Sive informacije mogu se dobiti: prilikom razgovora za zaposlenje, posjet konkurentnoj tvornici (ljepljivi onovi kojima ni dlaka ne pomakne, sluajno umoiti kravatu u tekuinu od interesa) ili uposliti lovca na glave preko kojeg emo doi do informacija. Nadziranje nije zatrpavanje informacijama: za razliku od svih informacija koje svakodnevno i neprestance krue oko nas, nadziranjem prikupljamo informacije s uporabnom vrijednou koje zatim idu na analizu i od kojih nastaju podaci, veoma vane moralne i financijske vrijednosti. Nadziranje nije predvianje: nadziranje je radna tehnika kojom se otkrivanju slabi signali, dobivaju toni rezultati koji doprinose centru odluivanja. Ono nije puko nagaanje i predvianje, nije to ako tehnika. 3. Vrste nadziranja Najuestalije vrste nadziranja su:

83

1. Tehnoloko Napori i sredstva koje tvrtka upotrebljava da bi pratila tehnoloke promjene i napredak u svojoj struci kao i u strukama koje je se indirektno tiu smatraju se tehnolokim nadziranjem. Promatranje i analiza znanstvenog okruenja, tehnike, tehnologije, sadanjih i buduih ekonomskih utjecaja da bi se smanjile prijetnje i poveale mogunosti za razvoj tvrtke. Tehnoloke promjene mogu biti: marginalne promjene, radikalne promjene (parni stroj, eljeznica, struja, nafta, informatika, telekomunikacije), tehnike revolucije (runi rad, masovna proizvodnja, proizvodnja po mjeri ovjeka) i s vremena na vrijeme promjena paradigme kada se mijenja civilizacija (stari vijek, srednji, novi vijek i najnovije doba). 2. Konkurentsko Svaka tvrtka namjerno ili ne puta u svoje okruenje odreenu koliinu informacija. Konkurentsko nadziranje upravo tu pronalazi veinu informacija potrebnih za analizu poslovanja konkurentne tvrtke. Takvim se sistematskim nadziranjem moe izgraditi cijeli program rada konkurencije, upotpuniti ga sivim informacijama i reagirati sukladno. 3. Komercijalno Komercijalno nadziranje se prvenstveno odnosi na informacije o dugoronim potrebama potroaa, razvoju odnosa potroa-tvrtka, potroaka mo, otkrivanje novih trita i drugih kanala distribucije. Vrlo znaajne su i informacije o cijeni, kvaliteti i brzini dostave konkurencije. Dobavljai mogu biti vaan izvor informacija o irenju trita, znaju tko to dobavlja i to bi moglo biti na obostranu korist. Takoer je potrebno pratiti situaciju na tritu rada, nove sposobnosti koje su na raspolaganju, visina plae, i sl. Naposljetku, vano je uzeti u obzir sve informacije o nezadovoljstvima potroaa pa makar oni predstavljali samo 5% svih konzumenata.

84

4. Strateko (geopolitiko, geografsko) Nadziranje svog okruenja omoguuje otkrivanje kriznog razdoblja, otkriva mogue politike rizike na vrijeme da se poduzmu mjere za izbjegavanje dramatinih posljedica, daje informacije o meunarodnoj geopolitikoj sceni (strateke informacije o sektoru aktivnosti zemlje u koju se misli delokalizirati, politika situacija u zemlji, drutveni konflikti, politike, ekonomske i druge mjere). 5. Zakonodavno Neophodno je biti toku zakonodavnih promjena u dravi matici ili dravi u kojoj je tvrtka delokalizirana (biti na poetku procesa da se na nj moe na vrijeme utjecati lobiranjem), pratiti proces Europskog proirenja i njegove posljedice i druga zakonodavstva koja se pokau od interesa u danom trenutku. 6. Drutveno U drutvenom nadziranju vano je pratiti promjene kao: situacija ena u treem tisuljeu, ponaanje mladih, posljedice starenja stanovnitva u zapadnim dravama, razvoj pojma luksuza i njegov utjecaj na cjelokupno puanstvo, utjecaj medija na potroaki nagon i sl. Osoba koja se bavi nadziranjem mora: Se uvati skrivenih zamki sistema nadziranja i ouvati kvalitetu informacija Upoznati i motivirati sve zaposlene za konstantnu potragu informacija Ne stvarati zatvoreni krug s nekolicinom strunjaka Odravati kreativnu napetost.

85

4. Zamka formalnosti to je tvrtka vea manji joj je prostor za manevriranje, tvrtke koje su manje imaju veu mo prilagodbe i bre se preorijentiraju. Velike tvrtke imaju teku administraciju, svaka pa i najmanja odluka iziskuje brojne sastanke uprave, prebacivanje problema od odjela do odjela, lou internu komunikaciju i dr. Ovi se problemi mogu izbjei: Smanjenjem administrativne papirologije Definiranjem procesa u donoenju odluka Ukljuivanjem u procese sve potrebne osobe od poetka Brzim isprobavanjem razliitih modela mogunosti Odreivanjem unaprijed konanog potroaa proizvoda Predvianjem vremena za mogue potekoe. Primjer: previe reklamiranja moe unititi ugled jedne marke, skladitenje proizvoda prilikom njegovog lansiranja stvara nepotrebne probleme skladitenja. Potrebno je: Izbjegavati suvine elemente Postaviti jasne ciljeve i dijeliti istu viziju Pojednostavniti i pojasniti procedure Postaviti razumne i ostvarive vremenske rokove. Za kapitalizaciju iskustva treba: uspjeno upotrijebiti unutarnja znanja, strukturirano voditi sastanke, imati jasne ciljeve, izbjegavati suvine rasprave, nepripremljene razgovore, pojednostavniti unutarnju komunikaciju.

86

5. Personalizacija potroaa Tvrtka koja obiluje podacima mora ih pretvoriti u inteligenciju na nain da: prepozna kljune podatke ciljanih potroaa, pretvoriti podatke u inteligenciju putem data mining-a, upotrijebi statistike za analizu i predvianje ponaanja, procijeni rezultate i iskoristiti prilike koje se pojave u individualnom pristupu potroau. Bez obzira o kojem se proizvodu ili usluzi radi za sve vrijede ista pravila: kvaliteta mora biti zajamena, brzina dostave i usluge besprijekorna, personalizacija proizvoda ili usluge, veliki izbor, konkurentne cijene, inovacija i kreativnost. 6. Od informacije do znanja Danas vie no ikad tvrtke moraju neprestano ulagati u znanje i obnavljati ga; informacije, rad i nova znanja postaju nedjeljivi. Da bi se pojednostavnilo uenje osobe se alju u kolu, na seminare, radna putovanja, te se stvaraju pluridisciplinarne radne grupe na svakom novom projektu. Kod svakog ovjeka uenje se odvija u nekoliko ciklusa: 1. Razmiljanje 2. Povezivanje 3. Odluka 4. Djelovanje. Ljudske kvalitete predstavljaju inerciju inovaciji i ekonomskom napretku tvrtke, te sudjeluju u promjeni naina menadmenta i hijerarhijskom nainu poslovanja.

87

5. Ljudski resursi potrebni za CI Potrebno je promijeniti duu, ne okruenje. Seneka Najvei rizik koji moete poduzeti je ne poduzeti nijedan. Veina tvrtki danas ivi u neprijateljskom okruenju s malo pozitivnog stava o uspjenom ishodu svog poslovanja. Globalizacija ih primorava da izlaze na nepoznata trita ne bi li pronali trinu niu za preivljavanje. Tvrtke dakle moraju biti eljne znanja, otvorene prilagodbama i voljne poduzimati rizike. Rukovoditelj tvrtke je osoba koja bi prva trebala uvidjeti potrebne promjene i povesti naprijed svoju ekipu. Rukovoditelj mora biti: ovjek za akciju, strategiar i vizionar. 1. Vizija: volja za promjenom Backward thinking je ne samo sposobnost projekcije u budunost zamiljajui gdje bi tvrtka mogla biti za 10 ili 20 godina ve i mogunost ivljenja te budunosti u sadanjosti uvodei za to potrebne promjene. Vizija je idealna slika eljene budunosti. Ona se realizira ponovnim izmiljanjem tvrtke kroz analizu postojeeg, sadanju i buduu studiju trendova u okruenju, razvoj zajednikog sna i definiranje strategije za promjenu. CI tehnika tvrtci prua odskonu dasku, put za ostvarenje i jasniju definiciju svoje vizije. Vizija je neophodna u vremenima krize. U SAD-u npr. dobar dio tvrtki dijeli viziju na nain da omoguavaju suivot kraih projekata i vieg cilja. Primjeri: Vizija predsjednika Kennedy-a bila je Od danas pa do kraja 1970-ih Amerikanac mora hodati po Mjesecu. Stvorena 1950. tvrtka Levi-Strauss levisicama je postavila uniformirani ivotni stil cijelog planeta.

88

2. Poduprijeti unutarnju inteligenciju Uspjena tvrtka ima prilagodljivu organizaciju, brzo i koherentno odgovara svim promjenama na tritu. Zaposleni su kreativni, puni entuzijazma, identificiraju se sa svojom tvrtkom, tvrtka se brzo suoava s problemima i prihvaa nove ideje. Ideja vodilja je: Uvijek moemo postii bolje. Rukovoditelj koji vodi takvu ekipu i pospjeuje razvoj unutarnje inteligencije: Ne prihvaa status quo Organizira sadanjost s vizijom budunosti Razgovara s povjerenjem Potpuno razumije nain poslovanja svoje tvrtke Podupire zajedniku odgovornost Potie meusobnu razmjenu kod zaposlenika Redovito preispituje svoj rad. 3. Rukovoditelj: klju uspjeha CI-a Konana odluka mora biti odluka grupe. Jedini talent kojeg mora imati uspjean rukovoditelj je poticanje talenta drugih. Uspjean rukovoditelj je: vizionar i poduzetnik, izmilja ponudu da bi razvio potranju, konstantno mijenja nain poslovanja da bi tvrtka preivjela i potie na sanjarenje. Dananji rukovoditelj stvara optimistino i jednostavno okruenje bez velikih pravila koja optereuju i koe. Voen je inspiracijom, intuicijom i sposobnou, te znanjem svih svojih zaposlenih prema kojima se odnosi humano i s

89

potovanjem. Njegov uspjeh je uspjeh sviju. On stvara pozitivno okruenje u kojem svatko razvija svoje talente i sposobnosti do savrenstva. Rukovoditelj je strpljiv, improvizira, poduzima rizike i snosi odgovornost za neuspjeh. Test: Da li ste sposobni...? 1. ...oformiti i motivirati ekipu za ostvarenje svoje vizije stratekom analizom, a ne sluajno? 2. ...primijetiti promjenu pravila igre i reagirati u globalnom kontekstu? 3. ...odnositi se s potovanjem prema drugima? 4. ...uposliti znanje, sposobnost i talent ak i kada ne potjeu iz priznatih kola? 5. ...razumjeti da su unutarnje vrijednosti kao usluga odgovor na vanjske potrebe? 6. ...stimulirati motivaciju zaposlenih za kreativan rad bez poviice, poklon bonova i sl.? 7. ...biti vrlo dobro informirani i tehniki sposobni? 8. ...zabiljeiti to se dobro prodaje i ostvariti isto? 9. ...imati otvoren duh? 10. ...biti strpljivi, sluati, objasniti i pomoi? 11. ...donijeti danas odluku o neemu to e biti neophodno tek za 5 godina? 12. ...biti svjesni da je prolost stvar daleke povijesti?

90

6. Slobodna usporedba civilizacija U dananjem svijetu globalizacije neophodno je nai ravnoteu izmeu svjetskih problema i lokalnih interesa. Ponovna pojava svijesti o civilizacijama voena civilizacijskim okom nije nita drugo no rezultat kontakta izmeu zapadne ideologije napretka i kulture i tradicije ostalih drutava. 1. Od kulturolokih do stratekih razlika Europska ravnotea Europa se openito definira kroz socijalni kapitalizam iako postoje razlike. to se strategije tie, 2/3 od 100 najuspjenijih europskih tvrtki (Philips, Siemens, Bayer, Daimler-Benz) posluje vie od stoljea. Ove tvrtke pokazuju veliku mo reorganizacije, restrukturiranja, proirenja i globaliziranja. Amerika hladnokrvnost Anglo-saksonski kapitalizam je flegmatian, u SAD-u npr. komercijalne tvrtke ne smiju imati jake veze s bankama ili osiguravajuim drutvima. Radi toga velik broj amerikih tvrtki izlazi na burzu u potrazi za kapitalom gdje je najvei problem taj to dioniari ele rezultate i kamate u kratkom vremenskom roku. S druge strane, tvrtke koje ne ovise toliko o priljevu kapitala ve o intelektualnom doprinosu se mogu vie koncentrirati na dugorone projekte i ovaj sistem im vie odgovara kao npr. Microsoft-u. Azijska integracija U dananjem Japanu postoji nekoliko velikih grupacija koje financijski sudjeluju u 60% svih tvrtki u dravi. Njihova je struktura iskljuivo okomita to znai da je svaka grupa tvrtki u teoriji autonomna, meutim svaka tvrtka posjeduje dio kapitala drugih tvrtki. Na taj nain se meusobno kontroliraju i auto-reguliraju. Svaka grupa je povezana s jednom bankom, jednim osiguravajuim drutvom, jednom agencijom za nekretnine i jednom tvrtkom meunarodne trgovine.

91

2. Razliite kulturoloke percepcije Europljani kulturoloki blii Azijatima nego Anglo-saksoncima Izvor: Salmon, Robert i Linares, de, Yolaine, L'intelligence comptitive, ed. Economica, Paris, 1997. N.B. Prikazani su samo prijedlozi koji su dobili najvie glasova (A i B). 1. Natjecanje vis--vis Suradnja Prijedlog A: natjecanje izmeu konkurentnih tvrtki bolja je za potroae koji bi bili uskraeni (oteeni) ukoliko bi se konkurentske tvrtke meusobno dogovarale i suraivale Prijedlog B: poticanje suradnje pridonosi rastu trita, poveava efikasnost, proizvodi vie dobara, smanjuje trokove, to u konanici favorizira potroaa; regionalna suradnja nadalje doputa sueljavanje s globalizacijom. Rezultat: odgovor A donosi 68% (SAD) do 19% (Singapur). 2. Osobno isticanje vis--vis Rad u grupi Prvo pitanje: prije upoljavanja zaposlenika vanije je uzeti u obzir: Prijedlog A: osobne talente, poznanstva i prethodni uspjeh Prijedlog B: njegovu dobru integraciju grupi koja ve postoji u tvrtki. Rezultat: odgovor A donosi 92% (SAD) do 39% (Singapur). Drugo pitanje: da li u radu radije podravate: Prijedlog A: osobnu zaslugu i inicijativu ostavljajui svakog da individualno odradi svoj posao Prijedlog B: kolektivnu efikasnost podravajui pri tom iskljuivo timski rad, grupu, a ne individualca. Rezultat: A donosi 97% (SAD) do 39% (Singapur).

92

3. Profit vis--vis Ljudski odnosi Prvo pitanje: profit je: Prijedlog A: tvrtkin jedini realni cilj Prijedlog B: sredstvo kojim se postie zadovoljstvo svih: dioniara, zaposlenika, potroaa. Rezultat: odgovor A donosi 40% (SAD) do 8% (Japan). Drugo pitanje: jedna tvrtka je: Prijedlog A: popis poslova i funkcija koje treba efikasno odraditi te za koje upoljavamo adekvatna znanja i sposobnosti Prijedlog B: grupa ljudi koja zajedno radi i u kojoj socijalni odnosi garantiraju njen dobar uspjeh. Rezultat: A donosi 74% (SAD) do 35% (Francuska) i 29% (Japan). 4. Pravila vis--vis Ljudski odnosi Prvo pitanje: umjesto da je na radnom mjestu Va prijatelj je s Vama popio pie nakon ega se dogodi nesrea. Vi ste jedini svjedok. Da li Va prijatelj od Vas ima pravo traiti da ga zatitite svjedoenjem u njegovu korist: Prijedlog A: ne Prijedlog B: moda malo Prijedlog C: naravno, s punim pravom. Rezultat: odgovor A donosi 94% (SAD) do 53% (Francuska). Drugo pitanje: upoznati ste s injenicom da osoba hijerarhijski nie od Vas redovito kasni na posao zbog obiteljskih problema. Da li ima od Vas pravo traiti da je podrite pred svojim kolegama?: Prijedlog A: ne Prijedlog B: moda malo Prijedlog C: naravno, s punim pravom. Rezultat: odgovor A donosi 95% (SAD) do 43% (Francuska).

93

5. Konsenzus vis--vis Veina Pitanje: na sastanku se raspravlja o otkazu, veina podrava jedno ime, meutim velik je broj onih koji se jo protive. Da li treba: Prijedlog A: nastaviti razgovor dok se ne dobije velika veina podrke Prijedlog B: prekinuti razgovor im je postignuta veina od 50% i jedan glas. Rezultat: odgovor A donosi 84% (Japan) do 38% (SAD) i 35% (Italija). 6. Povezanost s tvrtkom Pitanje: namjeravam ostati u tvrtci: Prijedlog A: odreeno vrijeme Prijedlog B: cijeli svoj ivot. Rezultat: Zapadnjaci glasuju za A od 99% (SAD) do 72% (Italija), Azijati glasuju za A od 41% (Japan) do 32% (Singapur). Pitanje SAD % 1. 68 2.1. 92 2.2. 97 3.1. 40 3.2. 74 4.1. 94 4.2. 95 5 38 6 99 Australija % 62 91 97 35 59 91 82 53 96 VB % 65 71 90 33 55 82 84 59 94 ve % 39 53 95 27 56 89 91 41 81 Niz % 50 88 92 26 61 92 82 66 89 D % 41 87 84 24 41 90 94 69 83 IT % 51 62 69 28 46 56 47 35 72 FR % 45 57 69 16 35 53 43 62 79 Japan % 24 49 49 8 29 66 56 84 41 Singapur % 19 39 39 11 39 59 61 32

94

Zakljuak Competitive intelligence polazi od volje za promjenom donosei zatim i nain na koji se ta promjena najbolje moe odigrati unutar tvrtke. Da bi se uspjeno snala u ovim nestabilnim vremenima tvrtka mora: neprestano ivjeti volju za promjenom, imati jasne i definirane ciljeve i viziju budunosti, imati snagu za promjene i posjedovati ljude koji e to i uiniti. CI tehnika polazi prvenstveno od unutarnjeg ureenja tvrtke koje se zatim pozitivno odraava i na njeno okruenje i udio na tritu. Ukoliko manjka volja rukovodstva i nezainteresiranost zaposlenih CI tvrtci predstavlja frustraciju, te gubitak vremena i novca. Dakle, competitive intelligence znai: 1. Razumjeti pokretae promjena u naem konkurentskom okruenju. 2. Odvagnuti do koje mjere jedna tvrtka moe pristati na promjene; uzeti u obzir otpor zaposlenika. 3. Pokuati promijeniti metalne sklopove. 4. Organizirati redovno nadziranje koje pomae donoenju odluka na rubu napretka (osigurati se da konkurenti ne idu bre). 5. Poduzeti jednostavne mjere koje e tvrtku dovesti do maksimalnog iskoritavanja svojih resursa i motivirati svakog pojedinca. 6. Bolje razumjeti elemente vezane za vrijednosti, kulturu i dinamiku grupe. 7. Potaknuti i produbiti ulogu voe (rukovoditelja, managera) koji dijeli i prenosi zaposlenicima viziju tvrtke. 8. Slijediti i primijeniti tehnoloki napredak (informatizacija) i prebroditi kulturoloke konice; mogunost stvaranja ad hoc grupa koje e nadzirati informatiko napredovanje i komunikaciju unutar tvrtke. 9. Sluati, paziti, dijeliti i zajedno uiti radi kapitalizacije znanja koju nam nudi informatiki napredak. 10. Ukoliko ste primijenili sve prethodne korake budite uvjereni da ste na dobrom putu!

95

DATA MINING
Uvod: proiren Business Intelligence Napredovanjem informatikih pomagala javio se sve vei broj visoko kvalitetnih podataka (data), te su poslovni analitiari (business analysts) poeli zahtijevati vie informacija iz tih podataka. Umnoavanje individualiziranih izvjea i mogunost izvedbe podataka po geografskim regijama, sektoru aktivnosti i uspjehu proizvoda ili usluge pruilo je krajnjim korisnicima uvid u to se dogaa u njihovim tvrtkama, strukturama, organizacijama. Bogatstvo jedne tvrtke danas se odreuje kroz broj i kvalitetu njenih stranaka. Kontrola nad informacijom o strankama osnovni je klju uspjeha koji se kapitalizira kroz tkz. CRM40, koji se sastoji od tri dijela: operacioni CRM, analitiki CRM i suradniki CRM. Analitiki CRM: izvlaenje, skladitenje, analiza i povrat pertinentnih informacija. Osnovni materijal za obradu analitikog CRM-a jest podatak, a pojedini dijelovi procesa su data warehouse41, data mart42, viedimenzionalna analiza OLAP, data mining i alati irenja informacije (pismenim putem, putem radnih mjesta ili Intranet-om). Operacioni CRM oslanja se na upravljanje razliitim kanalima: komercijalni podaci, centri za telefonske pozive, Internet, mobilni telefoni, interaktivni televizijski programi, itd. Operacioni CRM temelji se dakle na rezultatima analitikog CRM-a s jedne strane, a s druge alje obraene podatke natrag na analizu analitikom CRM-u.
40 41

Customer Relationship Management Skladite podataka 42 Specijalizirano skladite podataka

96

Upravljanje kanalima

Prikupljanje informacija o strankama

Upravljanje kampanjama

Analiza informacija o strankama

Operacioni CRM

Analitiki CRM

Suradniki CRM tvrtki omoguuje uspostavu naina komuniciranja i interakcije s trenutnim i potencijalnim potroaima putem slanja pote, televizijske prodaje, telefonskih poziva, itd. Data mining esto se zamjenuje pojmovima: data warehouse i data mart. Data warehouse jest skladite podataka posebnih zahtjeva koje pridonosi informatici za odluivanje: transverzalno krianje podataka. Data mart definira se kao data warehouse bez potrebe transverzalnog krianja. To je manje skladite vezano samo uz jedno odreeno podruje. Data mining je skupina metoda i tehnika analize podataka, te izvlaenja strukturirane informacije za pomo pri donoenju odluka. Razlika izmeu data warehouse-a i data mining-a jest u procesu i metodologiji. DM moe biti deskriptivan (podsjetiti na postojee znaajne informacije izgubljene u masi podataka) ili proroki (izvlaenje novih informacija iz postojeih podataka). Neke od poznatijih metoda koje sainjavaju DM su: clustering (skupljanje u hrpu), segmentacija i razvrstavanje, neuronske mree, regresija (povratak) i analiza asocijacija.
97

1. Saetak: to je data mining? Data mining je proces kojim analitiari upotrebljavaju tehnike pri obradi postojeih podataka za odreivanje postojeih statistikih veza izmeu varijabli. Analitiari upotrebljavaju ovu metodu da bi iz podataka izvukli informaciju o onome to se zapravo dogaa u njihovom poslu umjesto da provjeravaju osnovanost velikih teorija na mnogobrojnim primjerima podataka. Analitiari moraju postojee podatke prevesti u odreene formate prije primjene DM tehnika kao neuronske mree, regresija, pa ak segmentacija i razvrstavanje. Razvijene tehnike DM-a upotrebljavaju se za definiranje i razvoj istananih poslovnih strategija za razliku od jednostavnijih tehnika kojima je u cilju samo otkrivanje struktura i veza u veem broju podataka. 1. Kratak pregled DM tehnika DM tehnike mogu se razvrstati prema pristupima i ciljevima. Just-in-Time Data43 tvrtki i kupcima prua do sada nevienu razinu detaljne analize. Tehnike Strategic Insight-a44 pokuavaju smanjiti veliku koliinu podataka u nekoliko manjih kljunih uvida. Directed45 alatima se pokuava dati odgovor na odreeno pitanje identifikacijom veza izmeu smjernica i cilja. Undirected46 alati se putaju u podatke u nadi da e otkriti neko do tada nepoznato znanje. Sljedea prezentacija predstavlja osnovne (glavne) tehnike koje stvaraju DV47 poslovanju:
43 44

Podaci tono na vrijeme Strateki uvid 45 Usmjereni alati 46 Neusmjereni alati

98

Predvianje

Segmentacija

Rezanje & Kockanje (OLAP)

USMJERENO
Vizualizacija Regresija

Asocijacija ciljanih baza podataka

JUSTIN-TIME DATA

STRATEKI UVID USMJEREN

Neuronske mree

Optimalizacija

NEUSMJERENO
Clustering

47

Dodana vrijednost

99

Analiza asocijacija48 koristi se podacima o ponaanju kupaca da bi se odredile mogunosti poveanja prodaje. Rezanje & Kockanje49 kao metoda BI-a omoguuje rukovoditelju brzo saimanje podataka u poslovne svrhe. Algoritmi segmentacije50 grupiraju podatke u segmente prema definiranom cilju. Algoritmi clustering51-a kao i segmentacijski algoritmi rasporeuju podatke po grupama. Razlika je u tome to ovdje nema definiranog specifinog aspekta ve algoritmi jednostavno grupiraju podatke u rojeve iskljuivo na bazi slinosti. Regresija i neuronske mree52 iz podataka izvlae priu te pokuavaju od njih napraviti krivulju na grafu koja predstavlja dinamiku poslovanja. Optimalizacija53 je jedna od najboljih stratekih metoda DM-a. Ova tehnika je ponekad toliko apstraktna da se ak ne susree s podacima, ve se temelji na analizi rezultata dobivenih drugim DM tehnikama. Vizualizacija54 je pak grafiki prikaz podataka koji ovjeku omoguuje njihovo bre razumijevanje. Cilj vizualizacije je komunikacija velikog broja podataka ljudskom mozgu u relativno kratkom vremenu.

48 49

Association Analysis Slice & Dice 50 Segmentation 51 Clustering (cluster = roj, jato) 52 Regression, Neural Networks 53 Optimization 54 Visualization

100

2. Povijest DM-a i uvod u DM tehnike DM korijene vue iz tradicionalnih analitikih tehnika. Razvoj informatike znanosti omoguio je automatizaciju i brzo irenje kompleksnih tehnika koje su na takav nain postale prihvatljive za uporabu, drugim rijeima DM. 1. Korijeni DM-a Data mining rasprostranjen je kao pojam za obiljeavanje dobro poznatih analitikih metoda koje upotpunjuju poslovne i ekonomske teorije. DM objedinjuje analitike procese koji se temelje na tradicionalnim tehnikama statistike, matematike, poslovne i ekonomske teorije. Veina DM tehnika vue korijene iz tkz. ekonometrije, tj analitike metode koja ukljuuje uporabu matematike i kvantitativne metode s postojeim podacima zajedno sa tradicionalnim statistikama koje se koncentriraju na postojee ekonomske i poslovne teorije. 2. Tadicionalne metode DM-a Tadicionalne metode povezane sa spomenutom ekonometrijom sadravaju sljedee procese: 1. Prikupljanje podataka koji sadravaju relevantne informacije za teoriju na kojoj se radi. 2. Kvantitativno odreivanje (matematike jednadbe) koje slikovito prikazuje vezu izmeu objanjavajue i ciljane varijable. 3. Primjena odgovarajuih statistikih testova da bi se izmjerila vrstoa ili tonost kvantitativnog modela jedne ekonomske ili poslovne teorije. 4. Optimalizacija kvantitativnog modela na temelju statistikih rezultata. 5. Donoenje zakljuaka iz upotrebljenog procesa.
101

DM danas predstavlja razvijenu tehniku obrade podataka. Razina statistike otrine (strogosti) i vrstoa DM rezultata ovise o uporabi odgovarajue DM tehnike. DM tehnike se koriste na dvije razine: nioj kao osnovno ispitivanje velikog broja podataka (clustering) i vioj kao uzrono-posljedina identifikacija izmeu podataka i ciljane skupine (neuronske mree, regresija). Nazivi: Objanjavajua, vodea, deskriptivana, neovisna varijabla naizmjenino e se upotrebljavati u opisivanju elemenata koji objanjavaju varijaciju odreenog ciljanog elementa. Ciljana, zavisna varijabla, oznaava tono odreenu mjeru koja se eli objasniti (npr. prodaja, broj prodanih proizvoda, postotak nevaljanjih proizvoda, itd.). 3. Proces clustering-a Clustering predstavlja jednu od najmanje strogih, te se iz tog razloga samo indirektno smatra kao DM metoda. Korisnik clustering-a ne naglaava odreen cilj za objasniti (npr. zarada, prihod) ve samo eli objasniti statistike grupe i podgrupe meu varijablama. Pristup uzima u obzir raunalne algoritme i statistika mjerenja za identifikaciju cluster-a podataka ili statistike veze meu varijablama. Ova metoda omoguuje korisniku da na relativno brz nain proelja veliku koliinu podataka. U tehnici 'k-naina', korisnik jednostavno odabere k (ili broj culster-a) koji e se formirati u podacima. Deskriptivna podruja koja oznaavaju zapise pretvaraju se u brojeve, te se potom prosjek zapisa izrauna i on predstavlja njegovu poziciju u vremenu. Tradicionalno statistiko mjerenje za odreivanje udaljenosti ili razlika izmeu cluster-a jest: drugi korijen zbroja kvadrata premjetanja po geometrijskom prostoru.

102

Najbolji rezultat predstavlja najmanju udaljenost izmeu elemenata istog cluster-a i najvee udaljenosti izmeu razliitih cluster-a.
w e b s t r a n i c a s t r a n i c a w e b

p o s j e t i t e lj i

p o s j e t i t e lj i

Primjer: clustering koji uzima u obzir Internet procese Rezultat je analiza kojom se identificira profil ili grupa korisnika koji su povezani s odreenim tipom web stranice. Jo jedna od irih vrsta DM tehnika ija metodologija pojednostavljuje prepoznavanje veza izmeu grupa podataka u velikom broju informacija u data warehouse. Uporabom statistika i algoritama, clustering tehnika nastoji odijeliti velike baze podataka u distinktivno razliite grupe sainjene od varijabli koje su statistiki sline unutar svake grupe. Jedna od najpopularnijih clustering metoda je tkz. pristup K-najblieg susjeda.

103

4. Analiza asocijacija Tehnika asocijacija uglavnom ukljuuje proces mjerenja vjerojatnosti i sklonosti zbivanja odreenog dogaaja u skladu sa zbivanjem drugih dogaaja. Primjer: koja je vjerojatnost ili postotak da kupac proizvoda A takoer kupi i proizvod B? Tehnika je vrlo korisna poslovnim strategiarima, koji s dobivenim rezultatima uspostavljaju smjernice za razvoj strategije. Nedavno je analizi asocijacija pridodana i analiza slijeda (sekvence). Ova se tehnika uglavnom koristi u -businessu za analize web stranica. Osnovne formule kojima se odreuju potencijalne vjerojatnosti kupnje mogu se izraziti na sljedei nain: 1. Analiza kupovne koarice N: ukupan broj narudbi ni: broj narudbi u kojima je kupljen proizvod i xy: broj narudbi u kojima su kupljeni i i i j proizvodi Sij potpora55 rauna se u postotku kupaca koji kupuju i i j proizvode: Sij = Xij / N 100% 2. Povjerenje Povjerenje56 Ci j mjeri postotak kupaca proizvoda i koji e takoer kupiti i proizvod j: Ci j = xij / ni 100%

55 56

Support Confidence

104

3. Poboljanje Poboljanje57 Iij mjeri koja je vjerojatnost da e kupci proizvoda i ipak kupiti i proizvod j meu cjelokupnim brojem kupaca: Iij= (N xij) / (ni nj)

5. Proces segmentacije i razvrstavanja Ovim tehnikama se takoer pristupa kao 'usmjerenom' data mining-u. Pojam usmjerenosti oznaava proces kojim korisnik bira odreeni cilj koji eli analizirati. Korisnik zatim odabire niz varijabli koje mu mogu pruiti statistiki osnovano objanjenje razliitosti ciljanje grupe. Segmentacija je tehnologija koja ne samo da vri identifikaciju statistiki vanih veza izmeu objanjavajuih i ciljanih varijabli, ve i odreuje znaajne segmente unutar kategorija varijabli koje ilustriraju prevladavajui utjecaj na ciljanu varijablu. Tehnike segmentacije: najrasprostranjeniji algoritmi su CART58 i CHAID59. Kljuna razlika izmeu razvrstavanja i segmentacije, i regresije i neuronskih mrea jest da prva tehnologija nije u mogunosti izvesti detaljne i osjetljive, te analize predvianja. Rezultat moe pruiti korisniku razgranatu sliku o statistikom utjecaju vodeih varijabli i njihovih podgrupa. Najpoznatija tehnika segmentacije je metoda razgranatih podataka.
57 58

Improvement Classification and Regression Trees (1984.) 59 Chi-Squared Automatic Interaction Detection (1975.)

105

Primjer: uzima se u obzir skupina potroaa s varijablom potronje (npr. ukupna potronja kroz proteklu godinu). Cijela skupina ima npr. prosjek potronje 10.6, meutim podgrupe mogu imati sasvim razliite rezultate. itav proces se moe nastaviti dijeljenjem u podgrupe sve dok se podgrupe vie ne mogu dijeliti s nekom statistikom razlikom.
Skupina potroaa 10.6

Dob od 0 do 25 5.8

Dob od 25 do 55 15.6

Dob iznad 55 8.5

Daljnje dijeljenje podgrupa ogranieno je malim statistikim razlikama koje se mogu pronai u bogatstvu podatka.
Skupina potroaa 10.6

Dob od 0 do 25 5.8

Dob od 25 do 55 15.6

Dob iznad 55 8.5

Mukarci 20.2

ene 12.7

Sjever 9.6

Jug 6.5 106

Dva su osnovna naina analize segmentacijskog alata: analiza usredotoena na potroae i analiza za otkrivanje iznimki i prevara. Analiza usredotoena na potroae Ukoliko se mjerenje uspjeha bira na nain da se drai kupci stavljaju na jednu, a manje poeljni na drugu stranu ljestvice, stablo segmentacije omoguuje razvoj mehanizma za identifikaciju draih kupaca prema njihovim odreujuim faktorima. Ova analiza moe biti primijenjena u marketingu i prodaji. 1. Primjer marketinke analize Tipina analiza marketinga je direktno ciljanje potom. Testirana grupa je podijeljena po demografskim podacima o pripadnicima grupe. Rezultati najveih podgrupa su geografska lokacija i spol.
Skupina potroaa 0.0206

Sjever i zapad 0.0158

Jug 0.0256

Istok 0.0185

Mukarci 0.012

ene 0.0227

Mukarci 0.0196

ene 0.0165

107

2. Primjer prodajne analize Na slian nain kao kod marketinke analize, rukovoditelj prodaje moe saznati koja vrsta prodaje odgovara odreenoj razini kupovne moi. Stvara se baza podataka60 koja sadri sve detalje prikupljenje za vrijeme jednog perioda. Segmentacijsko stablo u ovom sluaju otkriva oekivanja u prodaji po odreenim skupinama potencijalnih potroaa. Analiza za otkrivanje iznimki i prevara Mnogo manje koritena analiza segmentacijskog stabla jest otkrivanje iznimki. Svaka podgrupa dobivena segmentacijskim algoritmom ima prosjenu vrijednost i podjelu oko te prosjene vrijednosti. Svaki podatak koji znaajno odskae od sveukupne slike treba uzeti s mjerama predostronosti. Dva su glavna podruja u kojima se upotrebljava ova tehnika: za otkrivanje moguih pogreaka pri unosu podataka u bazu podataka i za identificiranje moguih prevara. 6. Neuronske mree Jedna od najmonijih DM tehnika su neuronske mree, poznata takoer pod imenom umjetna inteligencija jer u svom radu primjenjuje proroke algoritme. Iako obe tehnike slue za obraivanje pohranjenih podataka, sistem neuronskih mrea kompleksniji je od regresije jer se sastoji od veoma sloene arhitekture koja pokuava identificirati linearne, ne-linearne i postojee modele veza u pohranjenim podacima.

60

Database

108

U 1960.-ima: prvi model Perceptron:

Unoenje podataka

Rezultat

Metoda odabiranja mjere (algoritam vjebe ili odgovarajua metoda) je primjerena linearna regresija. Perceptron je bio sistem donoenja odluka koji se sluio observacijama (podaci u regresiji) da bi izgradio podlogu za donoenje odluka (crta u regresiji). injenica da su se mogle samo izgraivati linearne podloge rezultirala je time da se ne-linearni modeli nisu mogli obraivati i dijeljenjem Perceptrona se nije mogla ostvariti prednost jer je slijed linearnih podloga jo uvijek linearan. 1986. predloen je vieslojni Perceptron koji se sastojao od slapova neurona s ne-linearnim elementima:

~ ~
Unoenje podataka

~ ~ ~

Rezultat

109

Kao i prije, svaki neuron uzima u obzir prosjek mjerenja svojih unesenih podataka. U vieslojnom Perceptron-u, meutim, ne-linearna metoda mijeanja upotrebljava se za dobivanje rezultata ime se dobivaju ne-linearne raunice. Vieslojni Perceptron jednostavno je sistem prikazivanja putem kojeg se od velikog broja podataka krianjem dobije jedan ili vie rezultata. Ostale neuronske mree Otprilike u vrijeme otkrivanja vieslojnog Perceptron-a, predloeno je jo nekoliko neuronskih mrea od kojih valja izdvojiti: Hopfield61 Model (tehnika za povezivanje memorije u podacima), Boltzmann62 Machine (tehnika za opu optimalizaciju) i Self-Organising Map63 (tehnika za prepoznavanje primjera - uzoraka). 7. Regresija Neuronske mree kompleksna je tehnologija koja po razini funkcionalnosti u DM tehnikama vrlo nalikuje tradicionalnoj regresiji. Tradicionalna regresija temelji se na matematikoj jednadbi ili jednadbama, dok se neuronske mree rade raunalnim kodovima. Objema tehnikama se meutim pokuava odrediti koliina veza izmeu objanjavajuih (opisnih) i ciljanih varijabli s ciljem biljeenja to manje pogreke u razlici izmeu postojeih podataka i projekcije modela.

61 62

Hopfield 1982. Hinton, 1984. 63 Kohonen 1988.

110

Osnovna karakteristika neuronskih mrea i regresije: rezultat metode koja je obraivala postojee podatke moe se upotrijebiti za predvianje budunosti ili za vrenje to ako64 analize uz pomo daljnjih objanjavajuih varijabli. Statistike metode koje redovito upotpunjuju regresiju i neuronske mree su: R i Adjusted65 R, t-statistics, Fstatistics, Durbin-Watson Statistics i Beta Coefficients. Primjer: nastavak primjera koji je obraen u clustering-u i segmentaciji. Tehnika regresije je svestrana, neki od primjera njene uspjene primjene su odreivanje: vjernosti zaposlenika, vjernosti i neodlunosti kupaca, utjecaja na kupca (slanje pote, mailova, marketinke promidbe, itd.), posljedica preuzimanja rizika (za tvrtku, ili pojedinano slubenike), portal -business-a (uspjenost, postotak cjelokupne prodaje, itd.).

64 65

What if analysis Prilagoeni

111

3. Klasifikacija i usporedba algoritama 1. Klasifikacija algoritama Osnovni algoritmi DM-a i analize podataka: opisujue (bez izdvojene varijablu) i proroke tehnike (s varijablom). Tip Obitelj Deskriptivni Geometrijski algoritmi modeli Pod-obitelj Faktorska analiza (projekcija i vizualizacija u prostor manje dimenzije) Tipoloka analiza (grupiranje homogenih segmenata u itavom Mijeani modeli prostoru) Modeli temeljeni Otkrivanje veza na loginim pravilima Modeli temeljeni Stabla odluivanja na loginim pravilima Modeli temeljeni Neuronske mree na matematikim funkcijama Faktorska analiza Proricanje modela bez Analiza mogunosti Algoritam Analiza glavnih komponenata Analiza viestrukih odnosa Metoda mobilnih centara, k-means, dinamini rojevi Segmentacija hijerarhije Segmentacija neurona (Kohonen-ova mrea) Segmentacija veza Potraga asocijacija Potraga slinih kronolokih serija Stabla odluivanja Mree nadgledanog uenja Mree radijalne funkcije (Radial Basis Function) Linearna regresija Logistika regresija Diskriminirajua analiza k-plus bliski susjedi (k-NN)

Proroki algoritmi

112

2. Usporedba algoritama Tablica prikazuje prednosti i mane razliitih DM tehnika s obzirom na tri osnovne kvalitete koje se oekuju od najboljeg alata: odsutnost restriktivnih hipoteza prije istraivanja, mogunost temeljite obrade podataka u razumnom vremenskom roku i mogunost obrade nepostojeih podataka pa ak i heterogenog tipa (numerikih ili ne). Detaljna obrada Obrada heterogenih ili nedostajuih BP-a podataka Segmentacija Segmentacija veza Da Da Da Segmentacija Maksimalan broj oznaenih Da Varijable (0,1) moraju se promijeniti neurona segmenata (Kohonen) Metoda mobilnih Broj odreenih segmenata Da Brojane varijable bez nedostajuih centara i varijante vrijednosti Segmentacija Da, ali segmenti razine n Ne (ne-linearan Da (mogunost obrade ne-brojanih hijerarhije odreeni su segmentima n- algoritam) varijabli s ad hoc udaljenosti) 1 Razvrstavanje i proricanje Stabla CHAID, Kao segmentacija Ne (kao Da CART, C5.0 hijerarhije (kao stablo koje segmentacija je naopako) hijerarhije) Stablo SLIQ (tipa Kao segmentacija Da Da CART) hijerarhije Neuronske mree Da Ne (bez uenja na Varijable (0,1) moraju se promijeniti nadgledanog vie stotina uenja varijabli) Tehnike Odsutnost a priori-ja u potrazi

113

Mree radijalne Da funkcije Diskriminirajua Linearne analiza varijabli Koara kuanice Da Kronoloki sline Da serije 3. Uporaba algoritama

Da veze izmeu Da Asocijacije Da Da

Varijable (0,1) moraju se promijeniti Brojane varijable vrijednosti Da Da bez nedostajuih

Segmentacija zahtijeva manje vremenske udaljenosti u podacima koji se obrauju od proricanja i razvrstavanja. Proricanje razvrstavanje (scoring) mogo je osjetljiviji za staviti u rad. Zahtijeva najmanje 12-18 mjeseci vremenske udaljenosti u podacima, ali i strogu metodologiju. Za razliku od segmentacije koja daje statinu i negradiranu viziju, proricanje omoguuje dobivanje dinamine i gradirane vizije.

114

4. Alati za vizualizaciju izvjetavanja i nadzora: Humble Chart Grafika prezentacija kompliciranih podataka jednostavnom metodom kao crtanje Pie Chart-a (graf pita) izravno upotpunjuje DM, a esto se zaboravlja. Podruja uporabe Grafike reprezentacije informacija zahtijevaju kratko vrijeme prilagodbe. Prvi pogled na graf uglavnom uvjetuje 3 reakcije: 1. iskakanje uzorka pred oi onoga tko gleda 2. minutu do dvije vremena da bi se smjernice grafa pokuale razumjeti 3. nekoliko minuta nadalje da se razumije znaenje cjelokupnog grafa. Vizualizacija je najuspjenija pri izvjetajima i nadziranju gdje smjernice grafova ostaju iste samo se mijenjaju brojevi (npr. redovit priliv informacija). 1. Osnovni primjeri grafova Pri vizualizaciji jednostavno je najefikasnije. Smjerovi (strelice) grafa moraju biti imenovane, vrijednosti zadane i izvor citiran. Zelazny (1996.) navodi pet osnovnih tipova grafova koji su ljudima najpoznatiji te kojima se najbre i najlake slue: 1. Pie charts: graf pita 2. Bar charts (biljeke, korelacije66, promjene): graf greda 3. Column charts (distribucija i vremenski zapisi): graf stup
66

Meusobni odnos

115

4. Line chart (distribucija i vremenski zapisi): graf crta 5. Scatter plots67: rasprene estice Pie Chart Graf pita prikazuje proporcije, nain na koji je jedna jedinica podijeljena u komponente. Negativne vrijednosti teko se mogu prikazati ovim grafom.

Pie Chart

Bar Chart

4
10% 25% 45%
1
2
3

3 2 1 0 20 40 60

Series2 Series1

20%

Bar Chart Grafovi grede upotrebljavaju se pri specifikaciji koliina. Column Chart Graf stup idealan je u zapadnom svijetu za prikazivanje koliina kada predmet kojeg se grafiki prikazuje predstavlja logian slijed.

67

Plot = nacrtati krivulju, unijeti u dijagram, prikazati grafiki

116

Colum n Chart 5 4 3 2 1 0 1 2 3 4
Series1
Series2

Line Chart 7 6 5 4 3 2 1 0 1 2 3 4 5 6

Series1 Series2

Line Chart Graf crta upotrebljava se u istu svrhu kao i stup grafovi, meutim radije se upotrebljava od posljednjih kada postoji velik broj komponenata ili kada vrijednosti koje se prikazuju na grafu predstavljaju vrijednost uzorka ili kontinuiranu promjenu koliine. Scatter Plot Rasprene estice na grafu vrlo su uspjene u prikazivanju korelacija izmeu varijabli kada postoji velik broj podataka koji se moraju obraditi istim grafom.
Scatter Chart 80% 60% 40% 20% 0% 0 5 10 Series1

117

2. Uporaba boja na grafovima Da bi vizualizacija bila potpuna potrebno je dobro definirati loginu uporabu boja. Bojom se na grafu istiu vane veze izmeu pojedninih komponenata, te se izbjegavaju nepotrebne distrakcije koje bi omele uspjenu vizualizaciju. 3. Trikovi vizualizacije tosevi koji se esto dodaju grafovima u veini sluajeva samo predstavljaju distrakciju i odvraaju pozornost od bitnih komponenata. Distrakciju moe izazvati i lo odabir boja, boje koje nisu u skladu ili su preagresivne. Jedan od toseva koji mogu imati pozitivan uinak je znanje kako animirati graf.

118

5. Odvijanje DM studije 1. Definicija potreba Potrebno je odrediti temu, definirati ciljanu skupinu ljudi, odrediti statistiku jedinku koja e se prouavati, postaviti odreene primarne kriterije, planiranje projekta, predvidjeti stvarnu uporabu informacija dobivenih ispitivanjem proizvoda i oznaiti oekivane rezultate. Neke DM studije toliko su transverzalne da ponekad obuhvaaju sve sektore jedne tvrtke (marketing, proizvodnja, prodaja, odnosi s javnou, uprava, tehniki odjel, itd.). Definicija potreba kao prvi korak uvjetuje i izbor alata DM-a koji e se upotrebljavati. Ciljevi moraju biti jasni, ostvarivi i voditi prema konkretnim akcijama. 2. Inventar postojeih podataka Drugi korak je sastavljanje popisa potrebnih, pristupanih (internih ili eksternih), upotrebljivih, vjerodostojnih i auriranih podataka. Ovaj postupak olakava postojanje data warehouse68-a unutar tvrtke. 3. Smanjenje broja dimenzija problema Svaki problem je potrebno svesti na jednostavne i razumljive dijelove, smanjivanjem broja ljudi, varijabli69 ili grupa varijabli.
68 69

Skladite podataka Varijabla predstavlja svaku karakteristiku jedne jedinke (osobe, organizacije, predmeta, situacije) koja se moe mjeriti brojanom (mjera) ili kodiranom (atribut) vrijednou.

119

Smanjenje broja ljudi: eliminacija odreenih ljudi iz norme stanovnitva i njihovo svrstavanje po grupama ukoliko je to potrebno. Smanjenje broja varijabli znai: zanemariti one varijable koje su meusobno previe isprepletene i ije bi istodobno uzimanje u obzir otealo obradu potpuno zanemariti one varijable koje nisu potrebne za postizanje postavljenog cilja, odnosno fenomena kojeg se treba otkriti ne upotrebljavati varijable koje imaju velik postotak nedostajuih podataka spojiti vie varijabli u jednu kad god je to mogue prestrojiti poetne varijable procesom transformacije u manji broj varijabli. 4. Priprema podataka Priprema podataka podrazumijeva ienje i formatiranje podataka za obradu, kontrolu nad izvorima podataka, deskriptivnih statistika, i iskustvo korisnika to omoguuje dvije radnje. Prva operacija: vrednovanje, zamjena ili unitenje netonih podataka. Druga operacija: stvaranje pertinentnih indikatora iz sirovih podataka na nain da se: postotcima zamijene velike apsolutne vrijednosti, izraunaju odnosi vrijednosti (to katkada smanjuje broj varijabli istodobno zadravajui sve vrijedne informacije), rauna vremenski razvoj varijabli (prosjek nedavnog perioda kroz prosjek proteklog perioda), linearno kombiniraju varijable, prispajaju varijable ostalim funkcijama, promijene vrijednosti mjerenja, zamijene datumi duinom vremena, godinama, starosti, itd.

120

5. Stvaranje baze (podloge) za analizu Stvara se baza podataka na kojoj e se primijeniti algoritmi data mining-a u cilju dobivanja traenih informacija. Baza analize esto se pojavljuje u formatu tablice (DB2, Oracle, SAS, itd.), datoteke (CSV, itd.), ili data mart70-a s ulazima po statistikim jedinkama koje se istrauju (osoba, obitelj, itd.). Iznimka ovom pravilu su vremenske serije koje se prevode kroz n ulaza po statistikoj jedinki kada se prouavaju na n perioda. Opservacija (promatranje) podataka se u prosjeku vri na 18 ili 24 mjeseca.

:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--:--: - 18 mjeseci - 6 mjeseci danas opservacija objanjavajuih varijabli opservacija varijabli za objasniti

70

Definira se kao data warehouse bez uvjeta transverzalnosti, to je maleni data warehouse ija je specijalnost samo jedan sektor.

121

6. Segmentacija stanovnitva U nekim obradama podataka katkada je potrebno napraviti segmentaciju stanovnitva koje se prouava u homogene grupe vis--vis cilja obrade. 1. Stanovnitvo se segmentira prema sociodemografskim karakteristikama. 2. Segmentacija po podacima o ponaanju vezanom uz proizvod koji je predmet scoring-a71 3. Segmentacija stanovnitva uzimajui u obzir samo jednu aktivnu varijablu, ciljanu varijablu scoring-a, ostavljajui sve ostale varijable u opservaciji u segmentaciji. 7. Razrada prorokog modela Predstavlja centar aktivnosti data mining-a iako vremenski nije najdua. Moe se sastojati od raunanja score-a (ili openitije jednog prorokog modela) za svaki dobiveni segment u prethodnom koraku, nakon ega se pristupa provjeri (verifikaciji) rezultata probnim testom. 8. Sinteza prorokih modela razliitih segmenata Ovaj manji korak radi se samo u sluaju da je prethodno obavljena segmentacija potroaa. Potrebno je usporediti score-ove razliitih segmenata i izraunati jedan jedini prilagoeni score koji e se moi upotrijebiti na sve segmente.

71

DM proroka tehnika, razvrstavanje

122

9. Ponavljanje prethodnih koraka esto se dogaa da se koraci od 3 do 8 ponavljaju sve do dobivanja rezultata koji su potpuno zadovoljavajui. 10. Potvrda (validacija) i izbor modela Sastoji se od interpretacije rezultata i usporedbe modela kao npr. usporedba score-a dobivenog stablom odluivanja i score-a dobivenog neuronskom mreom. 11. Uporaba modela Ovaj korak prolazi kroz uspostavu DM modela u informatiku proizvodnje, prije uporabe rezultata za akciju i stavljanja na raspolaganje korisnicima. U ovom koraku krajnje je vrijeme da se odredi pitanje povjerljivosti povrata score-a. Takoer se postavlja pitanje periodinosti auriranja podataka. 12. Obuka korisnika Korisnici moraju poznavati cilj obrade, nain i funkcioniranje alata, njihova ogranienja, nain uporabe, to e im ti alati donijeti te to e se promijeniti u njihovom poslu. 13. Praenje alata koji su stavljeni na raspolaganje i statistika analiza rezultata Prvo praenje je punktualno i odnosi se na kampanje marketinga.

123

Drugo praenje je konstantno te se odnosi na komercijalno djelovanje. Dobro odvijanje rada score-a moe se pratiti putem tablice : Mjesec M1 Score 1 2 3 4 .... UKUPNO 14. Primjedbe Potrebno je imati na umu sljedee: za 5. korak vrlo je vano imati viemjesene podatke koji e se obraivati za izradu tonih analiza u prorokim tehnikama koraci 3, 4 i 5 mnogo su dui od koraka 6, 7 i 8, iako podjednake vanosti u procesu DM-a vrlo su este mnogobrojne mogunosti u jednoj ili vie faza kada se radi o velikom stanovnitvu za obradu, potrebno je izvriti segmentaciju prije no to se pree na raunanje score-a ili izradu razvrstavanja. Time se osigurava rad na homogenim grupama, te se postiu vjerodostojniji rezultati. M2 M3 M4 M5 M6 M7 M8 M9 M10 M11 M12

124

15. Cijene Cilj ovog koraka je vie odreivanje proporcija izmeu razliitih koraka projekta nego njihovo realno novano ifriranje.

20% 18% 16% 14% 12% 10% 8% 6% 4% 2% 0% A 0 B 2 C 4 D 6 E 8 F G H I J K 10 12 14 16 18 20

Series1

A = Definicija potreba, B = Inventar postojeih podataka, C = Priprema podataka, D = Stvaranje baze za analizu, E = Razrada modela, F = Potvrda modela, G = Registacija, H = Povrat rezultata, I = Dokumentacija, J = Detaljna analiza rezultata, K = Proraun

125

Tablica cijena jednog projekta n 1 Korak Cijena (u danima) Mali Srednji projekt projekt 6 10 7 12 4 12 2 5 3 5 2 dana 60 dana 10 20 8 20 3 10 5 10 2 dana 100 dana Npr. odreivanje cijene score-a u funkciji prihoda Statistika studija za sljedee komercijalne akcije Komentar Neophodno za dobivanje brojki za odluku i sastavljanje cijena Cijena ovisi o poznavanju podataka Cijena ovisi o broju, kvaliteti i pristupu podacima Umnoiti vrijeme ukoliko elimo raditi na vie score-ova ili segmenata razliitog puanstva

Odreivanje mete i ciljeva Sastavljanje cijena koraka 2 Popis postojeih i upotrebljivih podataka 3 i 4 Priprema (vaenje, provjera i ispravak) podataka 5 Sastavljanje baze za analizu 6 do Razrada modela 9 (segmentacija/scoring) 10 11 12 13 Procjena, usporedba i potvrda modela Povrat rezultata i uporaba za akciju Dokumentacija predstavljanje Detaljna analiza dobivenih rezultata Proraun UKUPNO

126

6. Koraci do uspjeha u DM procesu Primjenom DM tehnika u BI procesu se dolazi do znaajne dodane vrijednosti informaciji. 1. Obrada pravilnih podataka72 Za razliku od BI-a gdje je kvantitet u suprotnosti s kvalitetom, DM mora obraditi to vei broj pravilnih podataka da bi se dolo do to tonijeg rezultata. Meutim, kao i kod BI-a, kvalitetno sakupljanje informacija ne znai masivno prikupljanje informacija loe kvalitete. Podaci da bi bili valjani te ukljueni u DM obradu moraju: sadravati informaciju, biti vani i biti u formatu kojeg DM tehnike mogu efikasno upotrijebiti. 2. Vrijednost podataka Na vrijeme koje e se utroiti za prikupljanje pravilnih podataka se mora gledati kao na investiciju za dobivanje to kvalitetnijeg rezultata. Baze podataka73 uglavnom predstavljaju hrpu brojeva to ne znai da obvezno sadre i praktine informacije. Da bi se odredila vrijednost koju sadri BP potrebno je odluiti to se eli uiniti s podacima. Na kraju, treba provjeriti da li su podaci prikupljeni u formatu kojeg DM tehnike lako mogu prepoznati i primijeniti.
72 73

Garbage in, Garbage out Database

127

3. Devet koraka do uspjeha Razvijenijim DM tehnikama, raunalo elja podatke pokuavajui ih interpretirati i donijeti kvalitetne rezultate na korisnikov upit. Devet koraka za izbjegavanje katastrofalnih pogreaka. 1. Korak: Odluiti to se eli znati DM iskazuje svoju vrijednost tek kada se njene tehnike primjenjuju za rjeavanje poslovnih problema. Da bi problem mogao biti rijeen mora se postaviti u formi pitanja na kojeg se oekuje kvantitativan odgovor. 2. Korak: Odabiranje pravilne mjere uspjenosti N.B. Korisnici clustering-a mogu preskoiti ovaj korak. Da bi se dobio rezultat usporedbe izmeu dobrog i loeg potrebno je odabrati pravilnu mjeru uspjenosti na nain da postavljeno pitanje zahtijeva odgovor o saznanju onoga to poveava ili smanjuje mjeru uspjenosti. 3. Korak: Odluka o svakom detalju podatka Da bi se u podacima pronali uzorci (crte, model), algoritam kojeg se primjenjuje e usporediti svaki razliit zapis u BP-a. Iz tog razloga, podaci koji se daju na obradu moraju posjedovati izravno usporedive zapise. Mnoge BP posjeduju tkz. podatke niske razine za obradu koje je potrebno preformatirati. Broj potrebnih redaka ovisi o algoritmu koji e se upotrebljavati.

128

Algoritmi segmentacije i clustering-a zahtijevaju stotine tisua zapisa da bi doli do uspjenog rezultata. Regresija i neuronske mree zahtijevaju mnogo manje zapisa, npr. dvadesetak zapisa po smjernici (vodilji). Formati podataka Navedeni primjeri prikazuju uobiajene formate podataka koji prikazuju postojee podatke u BP-a. Na sljedeem primjeru dolazi do izraaja da ima nedovoljno kvartalnih ili mjesenih podataka za uporabu algoritma regresije ili neuronske mree ukoliko se radi o ciklinom ili sezonskom utjecaju na prihod: Smjernica Mjesec Sijeanj Veljaa Oujak Travanj Svibanj Lipanj Srpanj Kolovoz Rujan Listopad Studeni Prosinac Smjernica Cijena promidbe 100000 120000 115000 105000 128000 100000 120000 115000 180000 105000 128000 195000 Cilj Prihod 1500000 1750000 1800000 1900000 1800000 1500000 1750000 1800000 2225000 1900000 1800000 2400000

Godina 2003 2003 2003 2003 2003 2003 2003 2003 2003 2003 2003 2003

129

Meutim, u dolje prikazanoj tablici ima dovoljno podataka za analizu sezonskog utjecaja: Smjernica Mjesec Sijeanj Veljaa Oujak Travanj Studeni Prosinac Sijeanj Veljaa Oujak Travanj Svibanj Lipanj Srpanj Kolovoz Rujan Listopad Studeni Prosinac Smjernica Cijena promidbe 100000 110000 120000 175000 175000 100000 210000 120000 115000 105000 128000 100000 120000 115000 180000 105000 128000 195000 Cilj Prihod 1500000 1650000 1500000 1750000 1500000 1500000 2400000 1750000 1800000 1900000 1800000 1500000 1750000 1800000 2225000 1900000 1800000 2400000

Godina 2001 2001 2001 2001 2002 2002 2003 2003 2003 2003 2003 2003 2003 2003 2003 2003 2003 2003

Ukoliko se ne posjeduje dostatan broj podataka moe se: prikupiti jo podataka (to je najbolje rjeenje ukoliko se ima vremena), promijeniti algoritam na razvijeniju DM tehniku koja moe raditi i sa smanjenim brojem podataka ili upotrijebiti dvije smjernice umjesto jedne.
130

Ukoliko se posjeduje velik broj zapisa DM moe zablokirati, to se rjeava: uzimanjem uzorka podataka, skraivanjem nekih podgrupa, kao npr. prelaz od tjednih na mjesene zapise ili razbijanjem analize u nekoliko manjih analiza, npr. raditi odvojene analize po geografskim podrujima ili demografskim skupinama. 4. Korak: Identifikacija faktora smjernice (vodilje) Smjernice su varijable za koje se smatra da mogu utjecati na mjerenje uspjenosti. Ogranienje broja smjernica koje se mogu ukljuiti prilikom jedne obrade zavisi o algoritmu koji se upotrebljava i sadraju podataka koji se obrauju. Mnogi DM sistemi, a naroito oni koji su bazirani na regresiji, imaju podosta problema ukoliko su dva ili vie faktora linearno ovisni. 5. Korak: Kako doi do podataka Ukoliko neki podaci nisu dostupni potrebno je: pokuati pronai zamjensku varijablu tj. varijablu slinog ponaanja, ocijeniti da li i koliko se uspjeno moe bez nedostajueg podatka i poeti prikupljati nedostajue podatke u cilju da budua analiza bude kompletna. Meutim, ukoliko se dogodi da postoje praznine u podatku, postoji nekoliko mogunosti: ostaviti prazninu takvom kakva jest nadopuniti prazninu s prosjenom vrijednosti (koja je neutralna te na nijedan nain nee utjecati na ishod obrade); izbjegavati stavljati 0 jer e ju veina algoritama prevesti linearno ukoliko je podatak podijeljen po vremenskim grupama, u prazninu se moe staviti podatak iz prethodnog retka nedostajui podaci jedne smjernice mogu se predvidjeti na temelju ostalih putem regresije koja se primjenjuje na prostale podatke

131

Sljedei primjer prikazuje nedostajui podatak u obradi po vremenskim grupama: Smjernica Mjesec Sijeanj Veljaa Oujak Travanj Svibanj Lipanj Srpanj Kolovoz Rujan Listopad Studeni Prosinac Smjernica Cijena promidbe 100000 120000 115000 105000 128000 120000 115000 180000 105000 128000 195000 Cilj Prihod 1500000 1750000 1800000 1900000 1800000 1500000 1750000 1800000 2225000 1900000 1800000 2400000

Godina 2003 2003 2003 2003 2003 2003 2003 2003 2003 2003 2003 2003

Mogunosti raunanja nedostajueg podatka za lipanj : (svibanj + srpanj) / 2 = (128000 + 120000) / 2 ili staviti svibanj (128000) za lipanj. Nikako ne staviti 0 za lipanj (sve to se mnoi s 0 uvijek je 0)! 6. Korak: Vizualno ocijeniti podatak Poeljno je napraviti grafike prikaze svih podataka i vizualno provjeriti da li izgledaju tono. Uoivi pogreku, korisnik moe ispraviti podatak ukoliko se radi o pogreci ili zanemariti (izostaviti) taj podatak u obradi. Ukoliko postoji pogreka, rezultat nee biti vjerodostojan.
132

7. Korak: Promijeniti podatak radi dobivanja najpounijeg rezultata Iskustvom uporabe DM tehnika dolazi se do saznanja da se koritenjem neobraenih podataka ne dolazi do eljenih rezultata. Malo je truda potrebno za promjenu podataka u cilju da se dobiju to toniji rezultati. 8. Korak: Obrada podataka U principu treba prepustiti obradu podataka raunalu jer je proces u potpunosti automatiziran. Ukoliko rezultat ne zadovoljava korisnikova oekivanja provodi se provjera. 9. Korak: provjera rezultata Ukoliko DM tehnike nisu dovele do rezultata potrebno je: zapitati se da li bi drugi podaci, ili na drugaiji nain promijenjeni podaci, dali znaajniji i pouniji rezultat u nijednom sluaju se ne smiju mijenjati DM algoritmi u cilju dobivanja boljeg rezultata s postojeim podacima ukoliko se ne pronae nijedan rezultat potrebno se suoiti s injenicom da moda nikakva paralela nije mogla biti povuena meu podacima i da ne postoji zakljuak. Zapitati se treba da li su odabrani pravi podaci za obradu.

133

4. Prijetnje u DM tehnikama Zamka prva: muenje podataka da bi se dobili eljeni rezultati Neuspjela obrada podataka tehnikama DM-a nije rijetkost, te veinom ovisi o kvaliteti prikupljenih podataka, a ne o nepravilnoj uporabi DM tehnika. Ne smije se pasti u zamku preraivanja postojeeg DM algoritma da bi se dobio eljeni rezultat. Ukoliko obrada podataka ne daje eljene rezultate potrebno je preispitati podatke: da li je rezultat istinit, da li bi rezultat mogao biti drugaiji ukoliko se primijeni vana varijabla koju se zaboravilo ukljuiti prilikom prve obrade, da li je DM najpogodnija tehnika za testiranje korisnikove hipoteze, itd. Zamka druga: traenje statistikog savrenstva Potrebno je ispitati tonost podataka kada se ne dobije eljeni razultat, ali i kada se doe do sumnjiavo dobrih rezultata. Veina DM algoritama mjeri statistiki uspjeh, te se mora pojaviti sumnja ukoliko se prikae vrlo dobar takav uspjeh. Mjerenja statistikog uspjeha ne smiju se upotrebljavati za usporedbu razliitih pristupa u analizi jedne BP-a.

134

7. Faktori uspjeha jednog DM projekta 1. Tema Tema koja se obrauje mora zahtijevati uporabu DM tehnika, a ne neka jednostavna statistika raunanja. Tema obrade, ciljana skupina i zadatak moraju biti jasno definirani, a rezultat mora biti izraen u formatu da se moe kvantificirati. Tema mora biti realna, svi ciljevi koji su previe ambiciozni da bi bili ostvarivi uvjetuju ope nezadovoljstvo jedne strukture. Na kraju, tvrtka mora posjedovati odlunost i financijske mogunosti za stavljanje u praksu rezultata dobivenih DM-om. 2. Ljudski kapital Za uspjeno provoenje obrade podataka DM tehnikama potrebno je usaglasiti vie kategorija ljudi: 1. Rukovoditelje 2. DM strunjake 3. Statistiare 4. Informatiare Aktivna suradnja svih ovih ljudi je neophodna.

135

3. Podaci Za uspjenu obradu potrebno je imati na raspolaganju poznate, pouzdane i upotrebljive podatke. Podatke treba redovito aurirati i provjeravati njihovu tonost. Da bi se to kvalitetnija informacija izvukla iz svih podataka neophodno je da se svi oni nau u interakciji, te da se svi obrauju u istom procesu. 4. Informatika Uspostava tehnikog okruenja DM-a se radi paralelno sa samim DM studijama, jer se u data mining-u a priori ne poznaju varijable ni najprimjerenije tehnike koje e se upotrebljavati za rjeavanje odreenog problema. Modeli rada na poetku su nepoznati, pa se i vrsta alata koja e se koristiti definira i mijenja kroz trajanje obrade. Ukoliko se radi o prvim pokuajima uporabe DM tehnika, savjetuje se primjena tehnika koje ve postoje unutar tvrtke. Nadalje, pohrana velikog broja zapisa uvjetuje postojanje velikih prostora informatikog skladitenja. 5. Kultura tvrtke DM mora postati sastavnim dijelom strukture koja konstantno ima zadatak da odri znanje i sposobnosti onih koji rade na DM projektima, kao i redovito auriranje podataka. Rezultati jednog projekta dobiveni DM obradom moraju posluiti i sistematski obogatiti svaki sljedei projekt.
136

6. Nekoliko savjeta: tko je zaduen za to? to uiniti? Odabrati teme akcije imajui na umu oekivanu dobit, ve obavljene procese, odrediti povoljan godinji period za rad. Tono odrediti cilj, definirati dobre i loe stranke, ne mijenjati cilj poslije provedene raunice i dobivenog podataka. Provjeriti da li je takva vrsta akcije ve provedena u tvrtki, iskoristiti iskustvo ukoliko jest. Pohraniti, upotrijebiti, prilagoditi i nadopuniti podatke (putem data warehouse-a). Provoenje istraivanja o dobrim i loim strankama. Rad na moguoj uporabi rezultata dobivenih DM algoritmima (koji moraju biti dobri u statistikim mjerilima i razumljivi za ljude koji rade u sektoru). Uspostava protokola akcije i mjerenje rezultata. Testiranje vie argumenata, vie kanala distribucije, odabranog panela stranaka, itd. Koncepcija i uporaba alata za odreivanje rezultata akcije, kao i povrat informacija s terena. Osiguravanje prikupljanja rezultata akcije (komercijalisti) za praenje razvoja akcije i njenu statistiku evaluaciju. Statistika analiza Bilanca Tko to radi? Marketing Uprava sektora Marketing Uprava sektora Marketing DM tim Informatiari DM tim DM tim Marketing Uprava sektora DM tim Marketing Uprava sektora Informatiari DM tim Komercijalisti Uprava sektora Komercijalisti DM tim Svi

137

7. Osam pogrenih ideja o DM-u Nepotrebnost svakog a priori-ja Neke od deskriptivnih tehnika, kao segmentacija, mogu se postaviti bez saznanja o segmentima koji e se dobiti rezultatom, pa ak ni koji e se broj segmenata dobiti. S druge strane, proroke tehnike data mining-a prirodno zahtijevaju a priori, jer je potrebno izabrati ciljanu varijablu, o ijem smislu i teini u obradi odluuje korisnik. Strunjaci DM-a vie nisu neophodni Odreeni strunjaci (proizvodnja, marketing, tehniki odjel) vani su za pravilno odvijanje u nekoliko faza DM studije, prvenstveno kada je potrebno postaviti ciljeve obrade. Strunjaci su od vanosti prilikom odabira potrebnih i legalnih podataka. Miljenje strunjaka je vano prilikom analize rezultata. Statistiari vie nisu potrebni (Dovoljno je pritisnuti na gumb) U jednoj DM obradi, rad na podacima je najdui i najznaajniji. Vri se na temelju statistikih analiza putem kojih se provjerava pouzdanost podataka, njihova podjela, meusobna povezanost, itd. Ova vrsta rada nije jednaka za sve algoritme DM-a jer svi algoritimi ne prihvaaju ulazak bilo kakve vrste (formata) podataka.

138

 DM om se dolazi do iznenaujuih otkria Postoje tisue loginih kombinacija varijabli u odreenoj problematici, a tehnike DM omoguuju upravo otkrivanje najbolje mogue kombinacije. DM je revolucionarna metoda Kao tehnika, DM obuhvaa tradicionalnu analizu obrade podataka od koje se razlikuje po: - odreene DM tehnike pripadaju iskljuivo DM-u, kao neuronske mree i stabla za odluivanje - broj ljudi koji se prouava i broj varijabli esto su mnogo brojniji u DM-u, gdje je tehniko usavravanje algoritama poveano - DM modeli uglavnom su skupina lokalnih pravila, a ne globalni koherentni modeli - DM ponekad radije trai logiku u modelu, a ne njihovu preciznost. Potrebno je upotrijebiti sve dostupne podatke Neosnovani i loi podaci ometaju rad algoritama. Uvijek je potrebno raditi testove Testiranja su uvijek osjetljiva za izradu i neophodno je dobro poznavanje strukture stanovnitva koja se testira. Nikada nije potrebno raditi testove Odreene DM tehnike zahtijevaju izvoenje testiranja jer temelje svoju analizu na manjem modelu jedne grupe stanovnitva koja je prvotno bila testirana.

139

8. Kapitalizacija iskustva (vraanje investicije) Izrada skladita podataka predstavlja veliku investiciju, ovisno o veliini strukture i o njenim potrebama o uskladitenim podacima. Cijene DM znatno su nie, naroito to se tie osoblja. Vraanje investicije, odnosno ROI74 pronalazi se u poveanju odgovora potroaa na akcije marketinga, smanjenje kanjenja u plaanju, poveanje rada komercijalista, boljoj podjeli prihoda, zadravanju potroaa, itd.

74

Return On Investment

140

8. Odabir primjerenog DM programa Neophodno je voditi rauna o razliitim DM tehnikama i pripremi podataka. Praktino je imati sve potrebne alate u istom programu, ime se izbjegavaju ponekad i komplicirani transferi podatka razliitih formata. Potrebno je imati na umu i jedan od odluujuih imbenika tj. jainu i brzinu raunanja, kao i kapacitet za obradu velikih koliina podataka. Na kraju, treba voditi rauna o pristupanosti programa i jednostavnoj izrada zapisa. 1. Vrste DM algoritama Segmentacija Traenje asocijacija Traenje slinih kronolokih serija Razvrstavanje Predvianje

2. Ostale funkcije na raspolaganju Priprema podataka Upravljanje tkz. metapodacima Statistike funkcije Analiza podataka (npr. regresija)
141

 Vizualizacija rezultata, navigacija kroz stabla odluivanja, predstavljanje karakteristika segmenata, grafiko prikazivanje, jednostavno prenoenje ovih elemenata u neke zapise, itd. 3. Tehnike karakteristike Osnovne platforme (IBM MVS, Unix, AS/400, Windows, Solaris, itd.) Pristup BP-a (Oracle, Sybase, DB2, SQL, Server, SAS, Access, itd.) Veza izmeu pruatelja usluga u potroaa Algoritmi meu kojima je povuena paralela ili ne Linearna sloenost ili ne u algoritmima Maksimalan volumen podataka koji se mogu obraditi (u razumnom vremenskom periodu) Mogunost izvoza modela.

Za algoritam se kae da je paralelan kada je podijeljen u vie zadataka koji se mogu istovremeno rjeavati na vie procesora, ime se znaajno poveava izvrenje algoritma. Ova funkcija naroito je znaajna za neuronske mree. Linearna sloenost jednostavno znai da broj zadataka za izvriti, a samim tim i vremenski period, jest funkcija f(n) broja ljudi n koji se moraju testirati. 4. Tko razvija koji program Tri glavna konkurenta monih sistema u industrijskom procesu su SPSS, SAS i IBM. Njihovi proizvodi se najvie i prodaju na tritu. Osnovni DM programi:

142

Broj podataka

Proizvod

Strunost75

Izdava

SPAD Stat Lab StartMiner Slab (deseci tisua Alice podataka) Predict Previa Scenario Wizwhy Answertree Neural Connection 4Tought KnowledgeSEEKER KnowledgeSTUDIO Srednji (stotine C5.0 (Unix) See5 (Windows) tisua podataka) Data Mining Suite Darwin Polyanalyst Statistica Data Miner SQL Server 2000 KXEN Clementine Visok (milijuni Intelligent Miner podataka) Enterprise Miner

Cisia SLP InfoWare (Gemplus) Grimmersoft Stabla za odluivanje Isoft Neuronske mree Neuralware Neuronske mree Elseware Stabla za odluivanje Cognos Asocijacije Wizsoft Stabla za odluivanje SPSS Neuronske mree SPSS Neuronske mree Cognos Stabla za odluivanje Angoss Angoss Stabla za odluivanje RuleQuest Research Salford Systems Thinking Machines (kupio Oracle) Megaputer Statsoft Stabla za odluivanje - Microsoft Clustering KXEN SPSS IBM SAS

75

Odsutnost strunosti u ovom polju znai da program ujedinjuje vie algoritama.

143

Zakljuak Od tradicionalne uporabe depnih raunala, preko statistikih alata, podaci se danas obrauju modernim tehnikama poznatim pod imenom data mining. Data mining je odlina tehnika, koja se i dalje usavrava, i koja kroz obradu postojeih podataka pronalazi statistike veze izmeu varijabli, te pokuava donijeti kvalitetne odgovore na postavljena pitanja. Dakle, DM iz informacija koje obrauje izvlai priu zanimljivu korisniku. U svom nastojanju slui se razliitim tehnikama i algoritmima koji su primjereni za sve vrste istraivanja. DM tehnike razlikuju se po sloenosti i primjeni, te se razvrstavaju prema pristupima i ciljevima.

144