Bedeutung von Management-Support-Systemen für Unternehmen

Bedeutung von Management-Support-Systemen für Unternehmen!

Managementunterstützungssysteme konzentrieren sich auf die Managementnutzung von Informationsressourcen. Diese Systeme bieten Informationen für die Planung und Entscheidungsfindung. Die von diesen Systemen bereitgestellten Informationen basieren auf internen und externen Daten unter Verwendung verschiedener Datenanalysetools.

Sie bieten dem Benutzer auch die Wahl, aus diesen Tools für die Datenanalyse auszuwählen. Diese Systeme dienen den Informationsbedürfnissen von Managern auf mittleren und oberen Ebenen der Managerhierarchie.

Es gibt drei Arten von Managementunterstützungssystemen:

a) Entscheidungshilfesysteme,

b) Executive Information (Support) -Systeme und

c) Expertensysteme.

Entscheidungshilfesysteme:

Entscheidungshilfesysteme (Decision Support Systems, DSS) sollen den Entscheidungsfindungsprozess von Managern unterstützen, um ihre Effektivität und damit die Effizienz des Unternehmens zu verbessern. Sie gehen davon aus, dass das Managementurteil nicht durch eine computergestützte Lösung ersetzt werden kann. Durch die Unterstützung von Daten und Modellen ist es jedoch möglich, den Entscheidungsprozess auch bei halbstrukturierten und unstrukturierten Problemen zu verbessern.

Der Hauptzweck von DSS ist die Erweiterung der Entscheidungsfähigkeit eines Managers durch die Unterstützung von Werkzeugen und Daten, die ihm unter seiner direkten Kontrolle zur Verfügung gestellt werden. DSS setzt weder spezifische Informationsanforderungen und vordefinierte Werkzeuge für die Analyse der verschiedenen Arten von Entscheidungen voraus, noch legt es einem Manager Lösungen vor.

Auf diese Weise kann der Manager die Eingabedaten, das Analysetool, die Analysetiefe und das Vertrauen auf das Ergebnis der Analyse für die Entscheidungsfindung festlegen. DSS bietet eine interaktive Umgebung für Benutzer und ermöglicht es dem Manager, mit Daten und Modellen zu experimentieren, um die optimale Entscheidungsstrategie in einer bestimmten Situation zu entwickeln.

DSS werden auch als interaktive Informationssysteme beschrieben, die Managern dabei helfen, Datenanalysemodelle zur Lösung unstrukturierter Probleme zu verwenden. DSS verwendet Technologien, die als Bausteine ​​bezeichnet werden können. Sie sind in Abbildung 10.3 dargestellt.

Typen und Merkmale von DSS:

DSS kann datenorientiert oder modellorientiert sein. Die datenorientierten DSSs haben einen größeren Input für den Datenabruf und die Datenanalyse. Das modellorientierte DSS verfügt über leistungsfähige Möglichkeiten zur Simulation von Entscheidungsszenarien, indem es das Ergebnis einer Aktion abschätzt und Vorschläge generiert. In der Tat ist es schwierig, ein DSS ausschließlich für das Abrufen und Analysieren von Daten oder einfach für die Modellierung zu finden. Tatsächlich enthalten die meisten DSSs beide Arten von Einrichtungen.

DSSs weisen die folgenden Merkmale auf, die sie von anderen Informationssystemtypen unterscheiden:

a) DSS zielt nicht auf eine bestimmte Art von Entscheidungen ab. Es ist flexibel in verschiedenen unerwarteten Entscheidungssituationen einsetzbar.

b) Die benutzerfreundliche Oberfläche von DSS unterscheidet sie von anderen Arten von Informationssystemen. Wenn ein Manager eine DSS für einige Zeit verwendet hat, beeinträchtigt die unregelmäßige Verwendung die Benutzerfreundlichkeit nicht.

c) Die Berichtsgeneratoren und Grafikfunktionen in DSS bieten eine bessere Möglichkeit, die durch die Verwendung von Modellen in DSS erzeugten Informationen darzustellen. Diese Einrichtungen erhöhen die Informationen.

d) DSS bietet jedem Benutzer die vollständige Kontrolle über das System. Die Eingabe, die Verarbeitung und die Ausgabe werden vom Benutzer gesteuert.

Vorteile von DSS:

Ein Informationssystem muss seine eigene Berechtigung haben, ein Kandidat für die Aufnahme in das Anwendungsportfolio eines Unternehmens zu sein. Die Begründungen beziehen sich im Allgemeinen auf die Vorteile bei der Generierung von Informationen zur Unterstützung der externen Berichterstellung und des Entscheidungsprozesses im Management. Der Vorteil, den eine DSS bieten kann, umfasst:

ein. Die Bewertung einer größeren Anzahl von Alternativen, da die Einrichtungen in DSS den Zeit- und Arbeitsaufwand für das Sammeln und Analysieren von Daten für verschiedene Alternativen reduzieren.

b. Modellierung und Prognose werden für Manager, die DSS verwenden, leicht, sodass sie mehr Einblick in die Geschäftsprozesse erhalten.

c. Nützlichkeit in der gruppeninternen und gruppeninternen Kommunikation, weil es ermöglicht wird, anderen zu erklären, wie man zu einer bestimmten Schlussfolgerung gelangt ist. Die Begründung ordnet den Schlussfolgerungen Respekt zu und verdient die Unterstützung anderer im Unternehmen.

d. Einrichtungen zur schnelleren Analyse von Daten für unstrukturierte Entscheidungen, wodurch die Reaktionsgeschwindigkeit in unerwarteten Entscheidungssituationen verbessert wird.

e. Schnelles Erkennen von Abweichungen und Ausnahmen. Häufige Benutzer von DSS haben festgestellt, dass DSS es ihnen ermöglicht, die Ergebnisse mithilfe einer effizienten Ad-hoc-Abfrageeinrichtung zu antizipieren.

f. Umfassende Analyse der Daten und somit effektivere Nutzung der Datenressource.

Anwendungen von DSS:

DSS hat in Unternehmen mittlerer und großer Größe sowie in Entscheidungsszenarien, die eine eingehende Analyse interner und externer Daten erfordern, Erfolg gefunden. Der Erfolg von DSS hängt in hohem Maße von der Unterstützung des Top-Managements, der Regelmäßigkeit und der Nutzungsdauer, der Schulung von Führungskräften und verschiedenen Entscheidungssituationen ab.

Wenn der Geschäftsprozess einfach und repetitiv ist, kann DSS seine Kosten möglicherweise nicht rechtfertigen. DSS, das auf strukturierte Entscheidungen angewendet wird, trägt nur zu Kosten und Verwirrung bei. DSS haben sich in Entscheidungsbereichen als nützlich erwiesen, in denen Flexibilität bei Daten und Modellierung für eine bessere Entscheidungsfindung erforderlich ist. Die typischen Anwendungsbereiche von DSS in Produktions- und Finanzfunktionen von Unternehmen sind:

Produktion:

Beschaffungsanalyse, Kostenschätzung und -analyse, Produktionsplanung und -planung, Treffen oder Kaufen von Entscheidungen, Bestandsplanung und -steuerung, Personalkosten usw.

Finanzen:

Kapitalbudgetierung, Finanzplanung und -analyse, Steuerplanung, strategische Finanzplanung, Budgetierung, Verwaltung von Barmitteln und Betriebskapital, Schulden- und Beteiligungsfinanzierungsanalyse, Fremdwährungsrisikomanagement, Finanzanalyse, Varianzanalyse usw.

Die Entscheidungshilfesysteme werden mit einem Prozess entwickelt, der sich vom traditionellen Systementwicklungsprozess unterscheidet, da sie sowohl interne als auch externe Daten verarbeiten sollen. Sie müssen unabhängig und interaktiv sein.

Executive Information Systems:

DSS sind auf die Informationsbedürfnisse von Führungskräften auf mittleren bis oberen Ebenen ausgerichtet. Sie beziehen sich auf regelbasierte Arbeit, bei der Daten modelliert und analysiert werden, um sie bei der Entscheidungsfindung nützlich zu machen.

Auf der obersten Ebene des Managements muss jedoch mehr auf die Verpackung und Bereitstellung von Informationen als auf die Generierung von Informationen geachtet werden. Der Top-Manager verdient eine bessere Umgebung für den Informationszugriff als die von DSS bereitgestellte.

Die Top-Führungskräfte benötigen einen schnellen Zugriff auf aktuelle, präzise Informationen und Ausnahmereports mit Möglichkeiten für personalisierte Informationen und Analysen. Die Informationssysteme, die auf diese Bedürfnisse von Top-Führungskräften zugeschnitten sind, werden als Executive Information Systems (EIS) oder Executive Support Systems bezeichnet.

Diese Systeme fungieren als elektronische Briefsysteme und bieten eine enorme Flexibilität in der Anwendung. EIS verwendet sowohl interne als auch externe Informationen und bietet eine interaktive und benutzerfreundliche Betriebsumgebung.

Anwendungen von EIS:

Executive Briefing:

EIS bietet aktuelle Informationen zu verschiedenen Aspekten des Interesses der Exekutive. Das Briefing bezieht sich im Allgemeinen auf die Leistung verschiedener Profit Center und bietet Statusberichte über verschiedene Aktivitäten des Unternehmens. Obwohl ein gewisses Maß an Briefing in DSS stattfindet, werden die Informationen nach Bedarf aus den Datenbanken abgerufen.

In EIS werden die Informationen automatisch in Form abgeschlossener Berichte von Datenbanken heruntergeladen. Dieser automatische Download stellt sicher, dass die Führungskraft an den Tagen extremen Arbeitsdrucks nicht lange unberührt bleibt.

Personalisierte Analyse:

EIS bietet Möglichkeiten zur Datenanalyse nach den Modellen des Benutzers. In EIS sind Tabellenkalkulationen und statistische Verfahren zum Abfragen verfügbar. Der Unterschied besteht hier darin, dass EIS den Benutzer nicht nur bei der Analyse von Daten, sondern auch bei der Interpretation des Ergebnisses der Analyse unterstützt.

Ausnahmen melden:

Ein wichtiger Bestandteil von EIS ist das Ausnahmemeldemodul. EIS erfüllt diese Anforderung von Führungskräften effektiv und warnt die Führungskraft vor den erheblichen Abweichungen von den Plänen.

Sie erlauben in unterschiedlichem Maße eine weitere Untersuchung der Gründe für Abweichungen und mögliche Auswirkungen geplanter Bergungsmaßnahmen. Diese Fähigkeit, die Angelegenheit zu untersuchen, um etwas mehr als nur die Ausnahme zu erhalten, macht EIS zu einem sehr nützlichen Instrument für die Führungskraft bei der effizienten Erledigung seiner Funktionen.

Modellbasierte Analyse:

EIS verfügt über Einrichtungen für die modellbasierte Informationsanalyse. Diese Funktion ist bei DSS üblich. Die modellbasierte Analyse in EIS unterscheidet sich jedoch von der in DSS dahingehend, dass die Eingabedaten in EIS begrenzt sind und sowohl aus internen als auch aus externen Quellen stammen.

Es sei darauf hingewiesen, dass es sich bei EIS nicht um eine isolierte Sammlung von Computerberichten mit Informationen für Führungskräfte handelt. EIS ist eine Reihe von integrierten Tools und Technologien, die in die gesamte Informationssystemumgebung des Unternehmens eingebettet sind.

Es sei darauf hingewiesen, dass EIS alle Benutzer und nicht unbedingt die Top-Führungskräfte des Unternehmens unterstützt. Alle, die Führungskräften helfen, sollten Zugang zu EIS haben, und sie müssen auf die Informationsbedürfnisse aller dieser Personen eingehen.

DSS und EIS:

Einige der Einrichtungen in EIS sind auch in DSS zu finden, und so verschwimmt manchmal die Trennungslinie. Die Überlappung kann in solchen Systemen nicht ausgeschlossen werden. Abbildung 10.4 zeigt die Arten der Informationsunterstützung, die diese beiden Systeme einem Manager bieten.

Vorteile von EIS:

EIS bietet einem Unternehmen folgende Vorteile:

a) Informationsunterstützung für strategische Entscheidungen:

EIS hilft Führungskräften, sich bei ihren strategischen Entscheidungen stärker auf Fakten als auf Intuition und unternehmerisches Urteilsvermögen zu verlassen.

b) Ändern des Fokus:

Die häufigen Fragen einer Führungskraft in Bezug auf eine Reihe kritischer Erfolgsfaktoren wirken sich auf die Prioritäten der Mitarbeiter auf den unteren Managementebenen aus. Daher ist es für eine Führungskraft, die EIS verwendet, einfacher, die Nachricht an die Funktionsmanager weiterzuleiten, dass Qualitätsstandards eingehalten werden müssen. Dies geschieht durch häufige Anfragen von EIS zur Produktqualität. Die Anfragen der Exekutive können den Arbeitsschub im Unternehmen bestimmen und somit die Prioritäten im Unternehmen ändern.

EIS gilt als eines der wichtigen Informationssysteme, das dem Top-Management die Möglichkeit bietet, ein Gefühl für die Nützlichkeit von Informationssystemen bei strategischen Entscheidungen zu bekommen.

Ein solches System in einem Unternehmen fördert wahrscheinlich auch das Verständnis zwischen Top-Management und IT-Experten und verbessert die Kommunikation zwischen diesen wichtigen Akteuren bei der Entwicklung der IT-Infrastruktur.

Erfolgreiche EIS können die Informationssysteme als Ganzes sicht- und glaubwürdig machen und bei der Implementierung anderer Informationssysteme im Unternehmen helfen.

Kritische Erfolgsfaktoren bei der EIS-Implementierung:

EIS beabsichtigt, Führungskräfte aus erster Hand über die potenziellen Vorteile von Informationssystemen im Unternehmen zu informieren. Daher muss sichergestellt werden, dass das einmal geplante EIS erfolgreich implementiert werden muss.

Die Probleme bei der Implementierung in EIS können zahlreich sein, aber einige der häufigsten sind die folgenden:

a) Schwierigkeiten bei der Systemspezifikation:

Die Zielbenutzer von EIS sind weder über ihren spezifischen Informationsbedarf klar, noch haben sie die Zeit, die Spezifikationen des Informationssystems zu erörtern. Die Benutzer verdienen daher einige Optionen zum Ausprobieren, bevor sie die von ihnen benötigten Dienste festlegen können. Prototyping gilt als bessere Strategie für die Gestaltung von EIS.

b) Große Datenmengen:

Ad-hoc-Abfrageeinrichtungen erfordern den Zugriff auf eine große Datenmenge. Die Befriedigung derartiger Abfragen erfordert möglicherweise die Verwendung statistischer Werkzeuge, die Massendaten verarbeiten, bevor sie die Informationsanforderung in der Abfrage erfüllen können. Dies kann Zeit in Anspruch nehmen und die Reaktion des Systems kann langsam sein.

Es ist daher unabdingbar, die allgemeinen Fragen vorwegzunehmen, auf die sich die Anfragen wahrscheinlich konzentrieren werden, und Informationen zu diesen Fragen können regelmäßig für den Zugang zu EIS separat generiert und gespeichert werden.

c) Widerstand von niedrigeren Stufen:

EIS wird wahrscheinlich auch auf fast allen Ebenen auf Widerstand stoßen und auf Managern auf unterer Java-Ebene. Dies ist so, weil der Chef jetzt auf die neuesten Informationen über die tägliche Arbeit in den einzelnen Abteilungen zugreifen kann, noch bevor die Abteilungsleiter durchgegangen sind. Rochartat antizipiert ernsthafte Auswirkungen dieses Zugriffs auf Datenbanken auf die neue Politik des Besitzes von Daten unter den Managern. Ein Datenmanager, der Basis-Manager, kann dieses Problem jedoch lösen, indem er die Verteilungsschaltfläche der Daten sorgfältig behandelt.

d) Managementstile:

Es ist schwierig, EIS bei Unternehmen mit IT-negativer Kultur zu implementieren. Einige Top-Manager bevorzugen die Verwendung von IT bei der Entscheidungsfindung nicht. Sie haben mehr Vertrauen in ihre geschäftlichen Urteile und möchten die Datenanalyse entweder ihren Untergebenen oder den Domänenexperten überlassen, die ihnen helfen.

Dieses Problem ist sehr ernst. Daher sind EIS in solchen Umgebungen auf Top-Positionen ausgerichtet. Sie sind in ihrem Umfang auf Dienstleistungen beschränkt, bei denen die Erfolgsquote als sehr hoch bekannt ist. Sobald das Vertrauen in IT und EIS hergestellt ist, kann EIS sich weitere Dienste hinzufügen.

e) Erhöhte Größe und Kosten:

Wenn der Manager ein EIS für nützlich hält, erwartet er, dass auch seine Untergebenen es verwenden. Diejenigen, die es nicht verwenden, finden es sehr schwierig, die Erwartungen ihres Chefs hinsichtlich des Bewusstseins bezüglich des Geschäftsumfelds zu erfüllen. Dadurch wird das EIS überlastet und die Kosten steigen stark an, da die Anzahl der Benutzer geometrisch ansteigen soll.

Daher sollte die Umsetzung des EIS sehr sorgfältig erfolgen. Es wird empfohlen, einen geeigneten Zeitpunkt für die Implementierung auszuwählen. Die Menschen widersetzen sich mehr den Veränderungen, wenn alles reibungslos verläuft, und sind eher bereit, in einer Krise etwas Neues auszuprobieren.

Daher ist der geeignetste Zeitpunkt für die EIS-Implementierung, wenn Menschen nach neuen Lösungen für ihre Probleme suchen. Die Pilotinstallation gilt als die am besten geeignete Installationsstrategie für EIS. Ein selektiver Ansatz ist in der Anfangsphase des EIS-Designs besser, und neue Dienste werden in EIS erst dann hinzugefügt, wenn das ursprüngliche Modell erfolgreich ist. Einbeziehung und Unterstützung der Benutzer sind für die erfolgreiche Implementierung von EIS von entscheidender Bedeutung.

Expertensysteme:

Die zunehmende Komplexität und Dynamik in einem aufstrebenden Geschäftsumfeld erfordert eine stärkere Interaktion von funktionalen Managern mit den Experten, um sich rechtzeitig beraten zu lassen. Diese Experten würden nicht nur Informationen aus einer großen Vielfalt von Informationen abfragen, sondern auch ihr Fachwissen zur Beratung nutzen.

Traditionell ist das in einer Organisation vorhandene Fachwissen eine wichtige Grundlage für die Erreichung, Verbesserung und Aufrechterhaltung der Wettbewerbsposition. Wenn alle anderen Dinge gleich sind, sind Firmen ohne vergleichbare Fachkenntnisse benachteiligt.

Angesichts der zeitlichen Beschränkungen und der Komplexität der neuen Umgebung sind Experten für Menschen möglicherweise nicht in der Lage, die neuen Herausforderungen zu bewältigen. Außerdem kann es sein, dass die Beratung für eine gegebene Entscheidungssituation über einen bestimmten Zeitraum nicht einheitlich und konsistent ist.

Dies ist auf die offensichtliche Unfähigkeit des Menschen zurückzuführen, die Auswirkungen verschiedener Entscheidungsvariablen jederzeit zu erfassen. Das Informationsmüdigkeitssyndrom und die Einschränkungen menschlicher Experten im sich verändernden Geschäftsumfeld haben zu einer zunehmenden Beliebtheit von Business-Expertensystemen (Business Expert Systems, BES) geführt.

Diese Systeme simulieren menschliche Aktivitäten und erfassen und systematisieren betriebswirtschaftliches Wissen. Dadurch werden die Entscheidungsfähigkeiten teurer und seltener menschlicher Experten erweitert, sodass andere ihre Entscheidungserfahrungen nutzen können. Sie bieten den Vorteil der Flexibilität bei der Erfassung und Darstellung von Informationen verschiedener Arten in verschiedenen Formen.

Ein Geschäftsexperten-System erhält ein Problem vom Benutzer, identifiziert seinen Datenbedarf und analysiert die relevanten Daten anhand der (in einem Wissenssystem enthaltenen) Entscheidungsregeln. Sobald das Problem gelöst ist, meldet das System über seine Inferenz-Engine die Lösung an den Benutzer und kann auch die Argumentation erläutern, wie es zu dieser Lösung kommt.

Ein Geschäftsexperten-System kann durch Beratung dazu beitragen, die Wirksamkeit des Managements zu verbessern. Ihre Lösungen / Ratschläge sind immer konsistent, einheitlich, gründlich und methodisch. Es funktioniert als standardisierter Problemlöser. Das Geschäftsexperten-System kann die Argumentation erläutern, die es zur Lösung eines Problems verwendet.

Ein Benutzer kann die Gründe dafür studieren und kann die Lösung annehmen, ändern oder ablehnen. Im Gegensatz zu anderen Expertensystemen auf dem Gebiet der Medizin, des Ingenieurwesens usw. besteht das Ziel des Business-Expertensystems nicht darin, die Beurteilung durch einen Experten durch das Computerprogramm zu ersetzen.

Vielmehr ist es das Ziel, das Fachwissen des menschlichen Experten zu erwerben und es dem menschlichen Experten und anderen Mitarbeitern der Organisation in standardisierter Form zur Verfügung zu stellen. Sie erarbeiten Strategien, um Wissen in den Anwendungsbereichen einzusetzen, um plausible Problemlösungen zu entwickeln.

Die typischen Anwendungsbereiche von Expertensystemen in der Wirtschaft sind:

ich. Entscheidungen treffen oder kaufen

ii. Neue Produkteinführungsentscheidungen

iii. Festlegung von Kreditlimiten

iv. Produktentwicklung

v. Anlageberatung

vi. Leistungsbewertung

vii. Anreizsysteme

viii. Kundenanfrage

ix. Projektbewertungen

x. Produktionsplanung

xi. Routingentscheidungen

Bausteine ​​von Business-Expertensystemen:

Obwohl die Methodik des Expertensystems in den letzten zwei Jahrzehnten entwickelt wurde, steckt sie aus Sicht eines Geschäftsführers noch in den Kinderschuhen. Daher gibt es kein Standardmodell für ein Business-Expertensystem. Holsapple identifiziert drei grundlegende Komponenten von BES, nämlich Benutzeroberfläche, Inferenz-Engine und Wissenssystem. Die Beziehungen zwischen diesen Komponenten sind in Abbildung 10.5 dargestellt.

Ein Benutzer wirft vor dem BES ein Problem mit der Benutzeroberfläche auf. Die Inferenz-Engine versucht, das Problem zu verstehen und so zu strukturieren, dass das Wissenssystem zur Lösung des Problems verwendet werden kann. Dann nutzt es das Wissenssystem, um Lösungen für das Problem zu finden.

Das Wissenssystem besteht aus gespeicherter Logik und wird von der Inferenz-Engine angesprochen, um Lösungen für das Problem zu finden. Das Wissenssystem kann aus Werkzeugen zur Repräsentation von Wissen bestehen, beispielsweise aus Regelsätzen, Datenbanken, Tabellenkalkulationen, rahmenorientierten Strukturen, Fallbasen, semantischen Netzen, Texten, Grafiken usw. Die Inferenzmaschine kann mit Benutzern interagieren, um weitere Einzelheiten bezüglich der Entscheidungsfindung zu erhalten Umgebung.

Beschaffungsmöglichkeiten:

Ein Geschäftsexperten-System ist ein komplexes System und erfordert ein langfristiges Engagement eines Unternehmens, um Waren liefern zu können. Aufgrund der Dynamik des Geschäfts kann der Nutzen der BES aufgrund von Änderungen im Geschäftsumfeld eingeschränkt sein.

Einige BESs können bereits in der Entwicklungsphase veraltet sein, wenn sie nicht ordnungsgemäß geplant werden. Es ist wichtig, die Beschaffungsoptionen zu kennen, um die Entwicklungszeit und -kosten zu reduzieren und ein Gleichgewicht zwischen Flexibilität und Effizienz im System zu erhalten.

Grundsätzlich gibt es drei Beschaffungsoptionen für BES:

a) Erwerb eines vollständig entwickelten Systems:

Für verschiedene Arten von Problemen, die in der zuvor genannten Anwendungsliste von BES genannt wurden, sind eine Reihe von vorgefertigten BES verfügbar. Bei diesen gebrauchsfertigen Lösungen sind alle drei Komponenten vollständig entwickelt und einsatzbereit. Sie haben den Vorteil einer wirtschaftlichen, gut getesteten und schnelleren Implementierung, sind jedoch in vielen Entscheidungssituationen nicht geeignet.

b) Erwerb der Shell für künstliche Intelligenz:

Die Shell für künstliche Intelligenz besteht aus einem Regelsatzmanager und einer Inferenzmaschine. Dem Regelsatzmanager wird das Fachwissen zur Verfügung gestellt, das von verschiedenen Werkzeugen zur Darstellung von Wissen dargestellt wird. Sobald das Expertenwissen dargestellt ist, wird das Regelwerk anhand der Informationen der Vergangenheit getestet und, wenn es richtig gefunden wurde, die Shell mit Hilfe der Inferenzmaschine verwendet.

Diese Option gibt einem Manager die Flexibilität, seine eigenen Regelsätze zu definieren und innerhalb kürzester Zeit ein benutzerdefiniertes BES-System zu erstellen. Solche auf dem Markt verfügbaren Schalen haben jedoch ihre eigenen Anwendungsbereiche, für die sie am besten geeignet sind.

c) Kundenspezifisches System:

Wenn die ersten beiden Optionen aufgrund der Einzigartigkeit des Problems als nicht machbar erscheinen oder als ratsam erachtet werden, kann man sich für kundenspezifisches BES entscheiden. Sie kosten mehr und dauern länger, sind jedoch in bestimmten oder speziellen Entscheidungssituationen sehr nützlich.

Vorteile von Expertensystemen:

BES sind sowohl in Bezug auf das Geld als auch auf die Zeit, die für ihre Entwicklung erforderlich ist, teuer. Es ist daher notwendig, die Vorteile von BES zu kennen, damit eine Kosten-Nutzen-Analyse durchgeführt werden kann, bevor die BES-Akquisition unternommen wird.

Nachfolgend sind die möglichen Vorteile von BESs aufgeführt:

a) Kodierung von Fachwissen:

Der bedeutende Vorteil des Geschäftsexperten-Systems besteht darin, dass es die Formalisierung / Kodifizierung der Argumentationsfähigkeit einer Organisation unterstützt. Bei der Entwicklung von BES wird versucht, Fachwissen in Form von Regeln, Rahmen, Fällen, Text und Grafiken darzustellen.

Dies führt zu einer Zusammenstellung von Wissen über das bisher von den Experten festgehaltene Wissen. Ein solcher Erfahrungsschatz kann die Grundlage für eine bessere Schulung menschlicher Experten in der Organisation bilden und zu einer besseren Entscheidungsfindung führen.

b) verbessertes Verständnis von Geschäftsprozessen:

Es verbessert das Verständnis des Entscheidungsprozesses, was wiederum zu einer Verbesserung des Prozesses führen kann. Während des Entwicklungsprozesses werden die bestehenden Entscheidungswege identifiziert und überprüft. Dies hilft, den Entscheidungsprozess zu verbessern. Die häufige Interaktion von Experten mit BES ist ein großartiger Lernprozess und führt zur gegenseitigen Verbesserung der Problemlösungsfähigkeiten der jeweils anderen.

c) Zeitnahe Verfügbarkeit von Fachwissen:

BES kann Fachwissen zur Verfügung stellen, wenn kein menschlicher Sachverständiger zur Verfügung steht. Diese Systeme haben keine Verfügbarkeitsprobleme, wie sie unter Experten von Menschen üblich sind. BESs stehen Benutzern für Konsultationen zu ungeraden Zeiten zur Verfügung, haben keine vorherigen Verpflichtungen, gehen aus dem einen oder anderen Grund nicht in den Urlaub und treten nicht aus dem Unternehmen aus, um sich einem Wettbewerber anzuschließen.

d) Einfache Nachbildung:

Die Grenzkosten für die Replikation eines BES sind unerheblich. Wenn ein BES an einem Ort erfolgreich ist, kann es an anderen Orten mit ähnlichen Entscheidungsumgebungen repliziert werden, ohne dass Zeit oder Gelegenheit verloren geht.

e) Beseitigt routinemäßige Konsultationsanfragen:

BES kann einem menschlichen Experten dabei helfen, seine Arbeitsbelastung zu reduzieren, indem er routinemäßige Anfragen an BES weiterleitet. Dies ermöglicht es dem menschlichen Experten, sich auf schwierigere Probleme zu konzentrieren, die von BES nicht gelöst werden.

f) Konsistenz:

BES bietet konsequente und einheitliche Problemberatung. Ihr Rat leidet nicht daran, einige Faktoren zu übersehen, einige Schritte, persönliche Vorurteile oder temperamentvolle Probleme zu vergessen.

g) Logiklinie:

BES bietet eine Logiklinie, die zusammen mit der Lösung verwendet wird. Auf diese Weise kann der Manager die Lösungen kritisch untersuchen und herausfinden, ob die verwendete Argumentation gültig ist oder nicht. Dies hilft dem Manager, die Stärken und Schwächen der Lösung zu verstehen und sein unternehmerisches Urteilsvermögen anzuwenden, um Entscheidungen zu treffen.

h) Strategische Anwendungen:

Die Vorteile von BES helfen bei der Differenzierung von Produkten und Dienstleistungen und senken die Kosten. Sie helfen auch bei der Entwicklung von Nischenmärkten, in denen Wettbewerber ohne solche Systeme möglicherweise nicht effektiv sind. So können BES einen strategischen Vorteil für ein Unternehmen darstellen.

Kritische Erfolgsfaktoren bei der Umsetzung von BES:

Die Kritiker der BES geben zahlreiche Gründe für die Unmöglichkeit der BES an. Die Kritik ist in den meisten Fällen nicht unbegründet. Es ist von wesentlicher Bedeutung, dass die Probleme in Bezug auf Entwicklung und Implementierung vorweggenommen werden und notwendige Vorkehrungen getroffen werden, um den Erfolg von BES sicherzustellen.

Folgende Faktoren können dabei berücksichtigt werden:

a) Wirtschaftlichkeit

Die meisten BES sind sehr teuer und manchmal ist es wirtschaftlich, menschliche Experten einzusetzen. Es ist notwendig, die Kosten für BES niedrig zu halten, um sicherzustellen, dass die Kosten durch die potenziellen Vorteile gerechtfertigt sind. Die ersten beiden Beschaffungsoptionen tragen dazu bei, die Kosten für BES auf einem niedrigeren Niveau zu halten.

b) Selektiver Umfang:

Die ehrgeizigeren BES erfordern möglicherweise eine längere Entwicklungsdauer und hohe Kosten. Es sei daran erinnert, dass nicht alle Entscheidungen dieselbe Investitionsrendite für BES bieten.

Man sollte selektiv Anwendungen in BES und ein umfassendes BES aufnehmen, erfordert vielleicht viel Informationssystem-Expertise. Die Technologien für künstliche Intelligenz entwickeln sich immer noch weiter und es ist wirtschaftlich sinnvoll, einen breiteren Anwendungsbereich für BES zu haben.

c) Benutzerfreundlichkeit:

BES sind sehr komplexe Systeme mit leistungsfähigen Techniken zur Datenanalyse. Sie erfordern viel Trainingsaufwand, bevor sie effektiv eingesetzt werden können. Es ist daher eine benutzerfreundlichere Benutzeroberfläche und klarere und eindeutigere Menüstrukturen erforderlich.

d) Mehrbenutzerumgebung:

Die meisten BES sind eigenständige Systeme. Entscheidungsexpertise ist jedoch häufig das Ergebnis von Kollektiv- und Gruppenaktivitäten. BES mit einer Umgebung mit mehreren Benutzern sind wahrscheinlich erfolgreicher als Einzelplatzsysteme.

Was ein Manager über BES wissen muss:

BES verwendet eine Vielzahl von Knowledge-Engineering-Tools, von denen viele über das Verständnis eines normalen Funktionsmanagers hinausgehen. Als Benutzer des BES muss ein Manager jedoch nicht die technischen Details des Wissenssystems kennen.

Was er über BES wissen muss, ist:

ich. Die Anwendungsmöglichkeiten von BES in den geschäftlichen Aktivitäten und das relative Potenzial jeder Anwendung bei der Formalisierung von Wissen.

ii. Basis-BES-Technologien und ihre bevorzugten Anwendungsbereiche.

iii. Möglichkeit der Verwendung künstlicher Intelligenzschale.

iv. Rolle von BES bei der Unterstützung von Menschen bei ihren Aktivitäten.

v. Technische und wirtschaftliche Machbarkeit von BES.

Die potenziellen Vorteile von BES sind sehr faszinierend. Möglicherweise ist es erforderlich, kostenwirksame Instrumente für den Aufbau des BES zu entwickeln und die bereitwillige Beteiligung von Fachleuten am Entwicklungsprozess, der evolutionärer Natur ist.

Einschränkungen von Business-Expertensystemen:

BESs haben ihre potenziellen Vorteile in vielen Anwendungen unter Beweis gestellt, und einige waren sehr erfolgreich. Es gibt jedoch einige Einschränkungen von BES. Diese Einschränkungen beruhen auf den Annahmen, die BES in Bezug auf Folgendes treffen:

ich. Die Verfügbarkeit eines bereitwilligen Fachleuten, der in der Lage ist, Wissen zu artikulieren und nachweislich wirksame Entscheidungen zu treffen. Solche Experten sind selten verfügbar, insbesondere in neuen Bereichen, in denen sich Wissen ebenfalls im Entwicklungsstadium befindet.

ii. Das Entscheidungsumfeld ist einfach, gut strukturiert und unterliegt keinen häufigen Änderungen. In der Realität findet die Entscheidungsfindung in einer komplexen, dynamischen und mehrdimensionalen Umgebung statt. Infolgedessen ist das Artikulieren von Wissen sehr schwierig.

Den BES mangelt es an Flexibilität, die angesichts der geschäftlichen Dynamik erforderlich ist. Eine mehrdimensionale Entscheidungsumgebung macht Gruppenentscheidungen unabdingbar. Es wird immer schwieriger, einen Experten zu finden, der alle Dimensionen der Geschäftsprobleme versteht. Es sei daran erinnert, dass BES für begrenzte Anwendungen gut geeignet sind und nicht dazu dienen, menschliche Experten vollständig zu ersetzen.

Als Folge verlieren BESs an Popularität. Sie werden für begrenzte Anwendungen als geeignet angesehen. Die neuen Tools für künstliche Intelligenz wie neuronale Netze, Fuzzy-Logik, fallbasierte Argumentation usw. werden zu Inferenz-Engines hinzugefügt, um sie für sich ändernde Geschäftsanforderungen besser geeignet zu machen.

Nebeneinander wird versucht, die AI-Tools für die Entwicklung von Zusatzsoftware zu verwenden, um eingeschränkte Funktionen auszuführen. Diese Add-Ons werden als intelligente Agenten bezeichnet.

Intelligente Agenten:

Intelligente Agenten sind Softwarekomponenten, die einen Teil des Prozesses mithilfe einer Wissensdatenbank durchführen. Sie arbeiten im Allgemeinen mit gemeinsam genutzten Informationssystemen und arbeiten halbautonom.

Diese Programme kommunizieren mit Benutzern und den Informationsbasen, um eigenständige Aufgaben auszuführen. Diese Programme sind in verschiedene Anwendungen integriert, um die Informationsanalysedienste des Informationssystems zu verbessern. Diese Agenten werden für eine Vielzahl von Anwendungen verwendet, z.

a) Erkennungs- und Alarmsysteme:

Die intelligenten Agenten werden verwendet, um ein System zum Erkennen von Ausnahmen in Datenbanken, Kommunikationssystemen usw. einzurichten und den betroffenen Benutzern notwendige Alarme zu erteilen. "Ausnahmemanagement" würde eine neue Dimension in den Managementaktivitäten finden, wenn solche intelligenten Agenten mit der Bereitstellung von Informationen beginnen.

b) Informationssuchmaschinen:

Es werden auch intelligente Agenten entwickelt, die als Informationssuchmaschinen zum Beantworten der Anfragen verschiedener Benutzer dienen. Beispielsweise kann ein Ministerium täglich eine Reihe von Informationsanfragen erhalten. Intelligente Agenten können die Anforderungen und Sichtungsinformationen aus der Datenbank interpretieren und die Antwort in der entsprechenden Form an den Benutzer senden.

In ähnlicher Weise könnten intelligente Agenten dem Eisenbahn-Informationssystem einen Mehrwert verleihen, indem sie die Passagieranfragen in Bezug auf verschiedene Vorgänge ordnungsgemäß verwalten. Ein intelligenter Agent verbindet das Internet, das interne Netzwerk und CD-ROMs, um Filter zu suchen und personalisierte Informationen bereitzustellen. Eine kleinere Version dieser Suchmaschine ist bereits in LOTUS-NOTES verfügbar.

c) Desktop-Anwendungen:

Da die Verfügbarkeit von intelligenten Agenten auf PCs üblich ist, fungieren sie als persönliche Meeting-Manager, persönliche Bibliothekare, persönliche Finanzberater usw. Diese Agenten würden automatisch den telefonischen Kontakt mit den Kunden vereinbaren, Termine festlegen und Alarme ausgeben, um sicherzustellen, dass es sich bei dem Termin nicht um einen Termin handelt unbeabsichtigt ignoriert.

Diese Agenten würden nach Aufzeichnungen zu interessanten Themen aus Internet-Magazinen suchen und Informationen aus anderen Quellen, einschließlich elektronischer Bibliotheken und CD-ROMs, sammeln, um Informationen bereitzustellen, die heutzutage mit Hilfe von Sekretären bereitgestellt werden.

Neue Informationsanalyse-Tools:

Intelligente Agenten verwenden eine Vielzahl von Tools zur Informationsanalyse. Diese Tools durchsuchen nicht nur Informationen aus dem Datenhaufen, sondern liefern die Informationen auch auf sinnvolle Weise. Die wichtigsten unter diesen Tools sind Data Mining, Data Mapping, Datenvisualisierung, neuronale Netzwerke usw.

a) Data Mining:

Data Mining bezieht sich auf die Untersuchung eines großen Datenvolumens auf Trends und Muster, wobei Querverbindungen zwischen verschiedenen Faktoren hergestellt werden, die bisher im Datenhaufen verborgen bleiben könnten. Es werden Drill-Down-Techniken verwendet, um höhere Werte in niedrigere Werte zu unterteilen.

Die 'Ampeln' liefern Alarmsignale, wenn Ausnahmen auftreten. Data Mining findet seine Anwendungen überall dort, wo komplexe und subtile Beziehungen zwischen einzelnen Produkten oder Dienstleistungen bestehen, die nicht leicht zu identifizieren sind, jedoch erhebliche Auswirkungen auf Umsatz und Rentabilität haben. Ein bemerkenswertes Merkmal von Data Mining ist, dass es die gesamten verfügbaren Daten analysiert, anstatt Proben für die Analyse zu sammeln. Abbildung 10.6 veranschaulicht den Prozess des Data Mining.

Data Mining hatte sein Debüt im Einzelhandel mit Handelsware und war ziemlich natürlich. Es hat jedoch auch Anwendungen in anderen Geschäftsbereichen. Es kann Managern helfen, Beziehungen zwischen verschiedenen Faktoren herzustellen, die verschiedene Entscheidungsvariablen beeinflussen.

Data Mining als Technik steckt noch in den Kinderschuhen. Dies ist insbesondere deshalb ein vielversprechendes Versprechen, weil es dabei hilft, Chancen zu erkennen und Manager in die Lage zu versetzen, schnell auf die aktuellen Chancen und drohenden Gefahren zu reagieren.

b) Datenzuordnung:

Daten-Mapping-Tools bieten eine grafische Ansicht der Informationen, die auf einer Karte eines geografischen Gebiets oder Gebiets eingeblendet sind. Sie können einen schnelleren Überblick über die geografische Verteilung / Konzentration der Nachfrage nach Produkten sowie über Präferenzen, Erwartungen und Marktstimmungen der Kunden geben.

Sie können auch dazu beitragen, lokale Faktoren zu bestimmen, die das Marktverhalten zu verschiedenen Zeitpunkten beeinflussen. Solche Mapping-Tools können sehr hilfreich sein, um das Verständnis umfangreicher Dateninformationen zu verbessern, da festgestellt wurde, dass ein großer Teil der gespeicherten Daten geografischer Natur ist.

Mapping-Tools müssen jedoch mit mehr Details zu den charakteristischen Merkmalen jedes geografischen Gebiets und den damit verbundenen Ähnlichkeiten benachbarter Gebiete angereichert werden.

c) Datenvisualisierungswerkzeuge:

Diese Werkzeuge zielen hauptsächlich auf die Darstellung von Daten mit Hilfe dreidimensionaler Bilder. Diese Visuals können Histogramme sein, die mit Hilfe eines Zeigegeräts wie der Maus nach weiteren Details ihrer Komponentendaten navigiert werden können.

Das visuelle Erscheinungsbild kann einfallsreichere Formen annehmen, wie sphärische Kugeln unterschiedlicher Größe und Farbe oder jede andere Form, die in direktem Zusammenhang mit dem Gegenstand oder dem Verhalten von Daten steht. Tools zur Datenvisualisierung können Daten so zusammenfassen, dass die Benutzer weniger Zeit für die Visualisierung der Situation benötigen.

Es hilft, sich auf den aktuell relevanten Teil der Daten zu konzentrieren und ermöglicht es dem Benutzer, nach mehr zu suchen, falls es ihn interessiert. Datenvisualisierungstechniken sollten auch bei der Simulation, der Sensitivitätsanalyse und der Beantwortung von Was-wäre-wenn-Fragen hilfreich sein.

Um einen Einblick in ihre Anwendungen im Finanzmanagement zu erhalten, betrachten wir ein Beispiel der klassischen Verhältnisanalyse zur Messung der Leistung eines Unternehmens. Ratio kann bei sorgfältiger Anwendung viel dazu beitragen, Einblick in die Sachlage zu erhalten.

Eine große Anzahl von Kennzahlen, die sich auf ein Unternehmen mit unterschiedlichen Interpretationen im Vergleich zu Industrie- und Länderverhältnissen beziehen, wäre jedoch zu umständlich und widersetzt sich dem Verständnis komplizierter Beziehungen. Visualisierungstechniken können dabei helfen, sie in die richtige Perspektive zu bringen.

Eine dreidimensionale visuelle Darstellung der Werte in Form von farbigen Kugeln / Kästchen und der in den größeren Kugeln enthaltenen Komponenten / unteren Werte, die hohe Werte darstellen, kann zum besseren Verständnis der Beziehungen und zum Vergleich mit den entsprechenden Branchen- und Länderstandards beitragen. Zum Beispiel kann die Rendite eines Bankunternehmens bei der Ausführung von Vermögenswerten berechnet und zusammen mit den betroffenen Werten der Kapitalkosten dargestellt werden.

Marktzinssatz; Zinssteuer / andere Steuern; Asset-Mix; und Finanzielles Risiko zusammen mit den Branchenkennzahlen in Form von zweidimensionalen Tabellen oder einer Reihe von Kennzahlen. Alternativ wird die Unternehmensquote auf einem Farbmonitor als Kugel angezeigt, zusammen mit der Branchenquote bei der Unterscheidung von Farben und Proportionalgrößen. Durch Schlagen mit der Maus an jedem Ball kann der Benutzer den Ball aufbrechen, um fünf weitere Bälle zu erhalten.

Jeder dieser Bälle repräsentiert einen der oben aufgeführten Faktoren. Die Größe dieser Bälle hängt mit ihrer relativen Bedeutung für die Bestimmung des Ertragswerts von Vermögenswerten zusammen, sowohl für das Unternehmen als auch für die Industrie.

d) Genetische Algorithmen und neuronale Netzwerke:

Genetische Algorithmen werden auch als effektive Werkzeuge zur Analyse von Finanzdaten erkannt. Diese Tools ermitteln Entscheidungsregeln und -muster aus den Daten der Vergangenheit und helfen bei der Hypothese verschiedener Situationen. Mit der Verfügbarkeit fortschrittlicher Tools für Fuzzy-Statistiken und Hochgeschwindigkeits-Recheneinrichtungen finden genetische Algorithmen nun neue Anwendungen in der Finanzmodellierung.

Neuronale Netzwerke versuchen, menschliche Gehirne mit der zusätzlichen Stärke der arithmetischen Genauigkeit bei der Verarbeitung von Daten mit großem Volumen unter Verwendung komplexer Algorithmen zu emulieren. Wenn diese Netzwerke mit relevanten Daten konfrontiert werden, graben sie Muster in Daten heraus und entwickeln Modelle, testen sie, prognostizieren zukünftige Ereignisse und lernen aus Fehlern.

Diese intelligenten Agenten können Manager befähigen, Änderungen im Geschäftsumfeld schneller zu antizipieren, damit sie ihre Strategien rechtzeitig ändern können. Auf diese Weise helfen sie, die Anpassungsfähigkeit der Geschäftsprozesse zu verbessern.

Most of these tools try to analyse information on real time basis and thus the most recent scenario is presented to the manager without much of technical analysis done by himself.

Software giants like Oracle, Cognos and Comshare have started offering intelligent agents as add-ons with their traditional application products. Some of the others offer independent software tools for data management, modelling and information presentation. However, at present, these tools are very simple and in their primitive form.