3.3.1 Data, information och kunskap
Ett informationssystem är enligt Beynon-Davies (2009) ett kommunikations-system mellan människor där information samlas in, bearbetas, hanteras och distribueras. Whitney (2007) hävdar att alla typer av informationssystem har ett gemensamt mål, vilket är: ”att omvandla data till meningsfull information som i sin tur leder till att organisationen kan bygga kunskap”. Begreppen data, information och kunskap kan alltså definieras genom att sättas i relation med varandra, och förhållandet illustreras i figur 3.3 nedan:
Figur 3.3: Från data till information till kunskap, Whitney (2007).
Beynon-Davies (2009) beskriver begreppet data som en uppsättning tecken eller symboler som kan användas till representation. En enskild enhet data kallas datum. För att data ska bli information måste symbolerna tolkas och sättas i en meningsfull kontext. Enligt Gottschalk (2005) kan information beskrivas som data med tillförd mening, och beroende på sammanhang, dvs. kontext, kan informationen ha olika meningar. Genom att använda infor-mation, insikter och tidigare erfarenheter kan en organisation eller en individ bygga kunskap (Whitney, 2007). Beynon-Davies (2009) menar att kunskap utvinns genom att kombinera information med befintlig kunskap.
3.3.2 Beslutsfattning och IT-stöd
Vad är ett beslut?
Borking et al (2010) menar att begreppen risk och osäkerhet är ständigt när-varande när affärsbeslut ska fattas, detta på grund av den hektiska omvärld som företagen agerar i. Györki, Malmström & Sjögren (1990) nämner att ett beslut definieras som något som avgörs eller bestäms. Williams (2002) menar att det också kan handla om att välja mellan olika alternativ.
Whitney (2007) hävdar att förmågan att tänka kritiskt är en egenskap som skiljer en effektiv beslutsfattare mot mängden. För att tänka kritiskt måste vi
först förstå vad som kan påverka beslutsfattningsprocessen samt hur beslut fattas, inte hur de borde fattas (Williams, 2002). Genom ett kritiskt tänkande kan en beslutsfattare bedöma inhämtad information och snabbare komma fram till välgrundade slutsatser. Det är viktigt vid beslutsfattning kunna avgöra när den insamlade mängden information är tillräcklig för att användas till att fatta beslut. Detta eftersom informationsinsamling kan vara en mycket tidskrävande och kostsam process (Whitney, 2007).
Vercellis (2011) menar att beslut bör understödjas av analytiska metoder eftersom det ofta leder till att bättre beslut fattas, som i sin tur innebär att besluten går bättre i linje med exempelvis organisationens mål och strategier. Dessutom innebär den hektiska omvärlden att företag måste kunna fatta beslut snabbt för att agera mot hastiga förändringar på marknaden samt konkurrenters ageranden. Därmed måste rätt beslut kunna fattas i rätt tid.
Typer av beslut
Beroende på hur viktigt ett affärsbeslut är kan beslutsfattningsprocessen vara mycket tids- och resurskrävande. Det är uppenbart att vissa beslut är viktigare än andra och ett beslut kan antingen verkställas direkt eller ha betydelse på längre sikt. För att urskilja olika typer av beslut nämner Whitney (2007) följande tre nivåer:
Operativa beslut påverkar den dagliga verksamheten och förekom-mer ofta frekvent. På längre sikt har denna typ av beslut ingen större betydelse och tidsspannen handlar vanligtvis om dagar eller veckor. Ett operativt beslut som i efterhand visat sig vara ett dåligt beslut ger minimala konsekvenser för företaget, men flertalet dåliga beslut kan däremot leda till ”skada”.
Taktiska beslut kräver att mycket relevant information samlas in som grund innan beslutsfattningen sker. Till skillnad från de operativa besluten har dessa beslut har en större betydelse på lång sikt och det kan exempelvis gälla för de kommande månaderna, eller som mest något år framöver. Ett dåligt fattat beslut kan orsaka relativt stora konsekvenser för företaget.
Strategiska beslut motsvarar de allra viktigaste besluten som i högsta grad påverkar övergripande verksamhetsstrategier och mål. Dessa beslut tas mycket sällan och utgör de största kostnaderna samt den
största risken. Ett felaktigt beslut kan få förödande konsekvenser för företaget och kan bland annat påverka dess konkurrenssituation. Beynon-Davies (2009) beskriver dessa nivåer som olika nivåer i ett företags organisationsstruktur där också besluten fattas. Den strategiska nivån mot-svarar till exempel företagets ledning som fattar de strategiska besluten, osv. Varje nivå behöver information när ett beslut ska fattas, men behovet ser ofta mycket olika ut (Beynon-Davies, 2009). Figur 3.4 nedan sammanfattar det övergripande informationsbehovet på den strategiska, taktiska samt operativa nivån i en organisation (Nickerson, 2001):
Figur 3.4: Informationsbehovet för olika typer av affärsbeslut, Nickerson (2001).
Beslutsstödssystem
Syftet med ett beslutsstödssystem (eng. decision support system, DSS) är att hjälpa beslutsfattare att bemöta och lösa komplexa problem. Vidare beskriver Vercellis (2011) ett DSS som en ”interaktiv datoriserad applikation som kombinerar data och matematiska modeller”. I en arkitektur för Business Intelligence är DSS ofta en grundläggande komponent och motsvarar de verktyg som gör det möjligt att omvandla data till information. Med andra ord kan DSS alltså inte i sig betraktas som BI-system, men utgör i regel en viktig del i en typiskt BI-arkitektur.
3.3.3 Business Intelligence
Vad innebär Business Intelligence?
Business Intelligence (BI) benämns som ett konceptuellt ramverk som kom-binerar applikationer, arkitekturer, metoder, verktyg, analytiska verktyg samt databaser (Delen et al, 2010). Huvudmålet med Business Intelligence system är enligt Vercellis (2011) att förse beslutsfattare med de metoder och verktyg som hjälper dem fatta de rätta besluten i rätt tid.
Det förekommer att Business Intelligence felaktigt nämns som synonymt med beslutsstöd, vilket påvisades i föregående avsnitt. Som Borking et al (2009) nämner behöver det upprättas en plattform med IT-stöd för BI innan riktiga beslutsstöd kan införas. Vercellis (2011) nämner följande exempel på olika applikationer för beslutsstöd: multidimensionella kub-analyser, explorativa
data analyser, optimeringsmodeller, tidsserieanalyser samt induktiva inlär-ningsmodeller för Data Mining.
Historien bakom Business Intelligence
Enligt Delen et al (2010) myntades begreppet Business Intelligence i mitten av 1990-talet av Gartner Group men har sina rötter i MIS (eng. management information systems) rapporteringssystem, som har funnits sedan 1970-talet. Från början hade dessa statiska system inte några funktioner för mätning eller analys, men datoriserat stöd för beslutsfattare kom i början av 1980-talet. En mängd nya funktioner introducerades senare under 1990-talet, som utgjorde grunden till det som idag kallas för Business Intelligence. Ett bra BI-baserat informationssystem innehåller idag all information som varje beslutsfattare och företagsledning behöver.
Business Intelligence komponenter
Eckerson (2003) menar att Business Intelligence består av två olika miljöer, varav en datawarehouse miljö och en analytisk miljö. Enligt Vercellis (2011) består ett Business Intelligence system av följande komponenter: datakällor, datawarehouse samt analysmetoder.
Figur 3.5: En typisk Business Intelligence arkitektur, Vercellis (2011)
Datakällor förekommer i olika former och har ofta olika ursprung. Insamling
sker från såväl primära som sekundära källor och dessa består främst av intern och extern ostrukturerad data. Data från datakällorna lagras i lagrings-enheter, s.k. datawarehouse. Hämtningen görs med extraheringsverktyg som benämns som ETL verktyg (eng. extract, transform, load). Interna data hämtas i databaser tillhörande operationella system samt transaktionssystem som till exempel ERP-system (eng. enterprise resource planning). Extern data kan utgöras av exempelvis geografisk data. Innan extraherad data kan an-vändas, vid exempelvis beslutsfattning, tillämpas analysmetoder och olika matematiska modeller (Vercellis, 2011). Enligt Delen et al (2010) tas rap-porter ofta fram för att mäta olika trender men också den egna verksamhetens prestation. En mer visuellt tilltalande bild ges i form av s.k. dashboards, som är användargränssnitt där data presenteras i form av exempelvis grafer.
Delen et al (2010) tillägger processinriktade BPM metoder som ytterligare en komponent i en BI-arkitektur. BPM (eng. business process reenginering) in-nebär olika applikationer och metoder som täcker övervakning, mätning och jämförelser av försäljning, intäkter, kostnader, lönsamhet och andra pres-tationsindikatorer. Vidare omfattar BPM processer som exempelvis planering och prognostisering som grundläggande principer i en affärsstrategi.