BỘ TÀI CHÍNH TRƯỜNG ĐẠI HỌC TÀI CHÍNH – MARKETING KHOA CÔNG NGHỆ THÔNG TIN BÁO CÁO NỘI DUNG MÔN HỌC Giảng viên hướng dẫn Th S Lâm Hoàng Trúc Mai Sinh viên thực hiện Phan Thị Ngọc Huyền – 2121010343 Ng[.]
Trang 1BỘ TÀI CHÍNH TRƯỜNG ĐẠI HỌC TÀI CHÍNH – MARKETING
KHOA CÔNG NGHỆ THÔNG TIN
BÁO CÁO NỘI DUNG MÔN HỌC
Giảng viên hướng dẫn: Th.S Lâm Hoàng Trúc Mai
Sinh viên thực hiện: Phan Thị Ngọc Huyền – 2121010343
Nguyễn Dương Gia Hân – 2121001080 Lớp: Hệ thống thông tin quản lý sáng thứ 3
Mã lớp học phần: 2231112002201
Thành phố Hồ Chí Minh, ngày 04 tháng 10 năm 2022
Trang 2Mục lục
1 Analytics và Business Intelligence là gì? 2
1.1 Lợi ích đạt được từ BI và Analytics 2
1.2 Vai trò của một nhà khoa học dữ liệu 4
1.3 Các thành phần cần thiết cho BI và Analytics 4
2 Công cụ phân tích và kinh doanh thông minh 5
2.1 Bảng tính 5
2.2 Công cụ báo cáo và truy vấn 5
2.3 Công cụ trực quan hóa dữ liệu 5
2.4 Xử lý phân tích trực tuyến 6
2.5 Phân tích chi tiết 7
2.6 Hồi quy tuyến tính 7
2.7 Khai thác dữ liệu 8
2.8 Trang tổng quan 8
2.9 Phân tích tự phục vụ 9
Trang 3CHƯƠNG 9: BUSINESS INTELLIGENCE AND ANALYTICS
1 Analytics và Business Intelligence là gì?
Phân tích kinh doanh là việc sử dụng rộng rãi dữ liệu và phân tích định lượng để đưa ra quyết định dựa trên thông tin thực tế trong các tổ chức Phân tích kinh doanh có thể được
sử dụng để hiểu rõ hơn về hiệu suất kinh doanh hiện tại, tiết lộ các mô hình kinh doanh
và mối quan hệ mới, giải thích tại sao các kết quả nhất định lại xảy ra, tối ưu hóa hoạt động hiện tại và dự báo kết quả kinh doanh trong tương lai
Kinh doanh thông minh (BI) bao gồm một loạt các ứng dụng, thực hành thời gian và công nghệ để trích xuất, chuyển đổi, tích hợp, phân vùng trực quan, phân tích, diễn giải
và trình bày dữ liệu để hỗ trợ việc ra quyết định được cải thiện Dữ liệu được sử dụng trong BI thường được lấy từ nhiều nguồn và có thể đến từ các nguồn nội bộ hoặc bên ngoài tổ chức Nhiều tổ chức sử dụng dữ liệu này để xây dựng bộ sưu tập dữ liệu lớn được gọi là kho dữ liệu, kho dữ liệu và hồ dữ liệu, để sử dụng trong các ứng dụng BI
Người dùng, bao gồm nhân viên, khách hàng và nhà cung cấp được ủy quyền và đối tác kinh doanh, có thể truy cập dữ liệu và các ứng dụng BI qua Web hoặc thông qua mạng nội bộ và mạng ngoại vi của tổ chức - thường sử dụng thiết bị di động, chẳng hạn như điện thoại thông minh và máy tính bảng
Mục tiêu của trí tuệ kinh doanh là thu được nhiều giá trị nhất từ thông tin và trình bày kết quả phân tích một cách dễ hiểu mà người bình thường có thể hiểu được Thông thường, dữ liệu được sử dụng trong BI và phân tích phải được thu thập từ nhiều nguồn khác nhau
1.1 Lợi ích đạt được từ BI và Analytics
BI và Analytics được sử dụng để đạt được một số lợi ích được minh họa bởi các ví dụ sau:
Phát hiện gian lận: MetLife đã triển khai phần mềm phân tích để giúp đơn vị điều tra (SIU) xác định nhà cung cấp dịch vụ y tế, luật sư và sửa chữa gian lận cửa hàng Mặc dù xác nhận quyền sở hữu tai nạn có thể không có đủ dữ liệu để được gắn cờ là đáng ngờ khi nó được gửi lần đầu tiên, vì nhiều dữ liệu xác nhận quyền
sở hữu được thêm vào, xác nhận quyền sở hữu liên tục được ghi lại bởi phần mềm Sau sáu tháng đầu tiên của sử dụng phần mềm, số lượng khiếu nại đang được SIU điều tra tăng 16 phần trăm
Trang 4 Cải thiện dự báo: Kroger phục vụ khách hàng tại 2.422 siêu thị và 1.950 hiệu thuốc tại cửa hàng Công ty nhận thấy rằng tốt hơn dự đoán nhu cầu của khách hàng dược phẩm, nó có thể làm giảm số lượng đơn thuốc không thể điền vì thuốc
đã hết Đến làm như vậy, Kroger đã phát triển một hệ thống quản lý hàng tồn kho phức tạp điều đó có thể cung cấp cho nhân viên hình dung về mức tồn kho, thích ứng với phản hồi của người dùng và hỗ trợ “ chuyện gì xảy ra nếu ” phân tích Hết hàng trước kịch bản đã giảm 1,5 triệu mỗi năm, kết quả là tăng doanh thu 80 triệu đô la mỗi năm Ngoài ra, bằng cách thực hiện quyền ma túy với số lượng phù hợp, Kroger có thể giảm lượng chi phí lò nướng là 120 triệu đô la mỗi năm
Tăng doanh số bán hàng DaimlerChrysler và nhiều nhà sản xuất ô tô khác đã thiết lập giá bán lẻ và giá bán buôn đề xuất của họ trong năm, sau đó điều chỉnh định giá thông qua các ưu đãi theo mùa dựa trên tác động của nguồn cung và yêu cầu DaimlerChrysler đã triển khai mô hình co giãn theo giá để tối ưu hóa công ty quyết định giá cả Hệ thống cho phép các nhà quản lý để đánh giá nhiều ưu đãi tiềm năng cho mỗi sự kết hợp của phương tiện mô hình (ví dụ: Jeep Grand
Cherokee), phương thức mua lại (tiền mặt, tài chính, hoặc cho thuê), và chương trình khuyến khích (hoàn tiền, khuyến mại APR, và kết hợp giữa tiền hoàn lại và APR khuyến mại) Công ty ước tính rằng việc sử dụng hệ thống đã tạo ra doanh thu hàng năm bổ sung là 500 triệu đô la
Tối ưu hóa các hoạt động Chevron là một trong những thế giới ' tích hợp hàng đầu các công ty năng lượng Các nhà máy lọc dầu của nó làm việc với dầu thô được sử dụng để sản xuất một loạt các sản phẩm dầu, bao gồm xăng, nhiên liệu máy bay, nhiên liệu diesel, dầu nhờn và các sản phẩm đặc biệt như phụ gia Với giá thị trường của dầu thô và các sản phẩm khác nhau của nó liên tục thay đổi, xác định sản phẩm để tinh chế tại một thời điểm nhất định là khá phức tạp Chevron
sử dụng một hệ thống phân tích được gọi là Petro để hỗ trợ các nhà phân tích trong việc tư vấn cho các nhà máy lọc dầu và các nhà kinh doanh dầu về sự kết hợp của các sản phẩm để sản xuất, mua và bán nhằm tối đa hóa lợi nhuận
Giảm chi phí Doanh nghiệp Coca-Cola là thế giới ' nhà đóng chai lớn nhất và nhà phân phối các sản phẩm của Coca Cola Đội giao hàng của nó gồm 54.000 xe tải
là đứng thứ hai về quy mô chỉ sau Bưu điện Hoa Kỳ Sử dụng phần mềm phân tích, công ty đã triển khai một hệ thống tối ưu hóa định tuyến xe dẫn đến tiết kiệm
45 triệu đô la một năm từ việc giảm tiêu thụ khí đốt và giảm số lượng trình điều khiển cần thiết
Trang 51.2 Vai trò của một nhà khoa học dữ liệu
Các nhà khoa học dữ liệu là những cá nhân kết hợp sự nhạy bén trong kinh doanh mạnh mẽ, một hiểu biết về phân tích và đánh giá tốt những hạn chế của dữ liệu, công
cụ và kỹ thuật của họ để mang lại những cải tiến thực sự trong quyết định
Các nhà khoa học dữ liệu không chỉ đơn giản là thu thập và báo cáo về dữ liệu; họ xem một tình huống từ nhiều góc độ, xác định dữ liệu và công cụ nào có thể giúp hiểu biết về tình hình, và sau đó áp dụng các dữ liệu và công cụ thích hợp Họ thường làm việc theo nhóm với các nhà quản lý doanh nghiệp và các chuyên gia từ lĩnh vực kinh doanh đang được nghiên cứu, nghiên cứu thị trường và nhà phân tích tài chính, dữ liệu quản lý, tài nguyên hệ thống thông tin và các chuyên gia có kiến thức cao về công ty đối thủ cạnh tranh, thị trường, sản phẩm và dịch vụ Mục đích của nhà khoa học dữ liệu là để khám phá những thông tin chi tiết có giá trị sẽ ảnh hưởng đến việc tổ chức quyết định theo cấp bậc và giúp tổ chức đạt được lợi thế cạnh tranh
Các nhà khoa học dữ liệu rất ham học hỏi, liên tục đặt câu hỏi, biểu diễn “ chuyện gì xảy ra nếu ” phân tích và các giả định thách thức và hiện có các quy trình Các nhà khoa học dữ liệu thành công có khả năng truyền đạt kết quả tìm kiếm của họ- gửi đến các nhà lãnh đạo tổ chức một cách thuyết phục đến mức họ có thể ảnh hưởng đến cách một tổ chức tiếp cận cơ hội kinh doanh Các yêu cầu giáo dục để trở thành một nhà khoa học dữ liệu là khá nghiêm ngặt - yêu cầu thành thạo về thống kê, toán học và lập trình máy tính Hầu hết các vị trí nhà khoa học dữ liệu yêu cầu bằng cấp cao, chẳng hạn như bằng thạc sĩ hoặc bằng tiến sĩ Một số tổ chức chấp nhận các nhà khoa học dữ liệu với bằng cấp sau đại học về tập trung phân tích, chẳng hạn như khoa học máy tính, toán học và thống kê, hệ thống thông tin quản lý, kinh tế
1.3 Các thành phần cần thiết cho BI và Analytics
Một số thành phần phải có sẵn để một tổ chức trở thành hiện thực giá trị từ các nỗ lực phân tích và BI của nó Đầu tiên và quan trọng nhất là sự tồn tại của một chương trình quản lý dữ liệu vững chắc, bao gồm cả quản trị dữ liệu Nhớ lại dữ liệu đó quản lý là một tập hợp các chức năng tích hợp xác định các quy trình bằng cách dữ liệu nào được lấy, được chứng nhận phù hợp để sử dụng, được lưu trữ, bảo mật và xử lý trong một cách để đảm bảo rằng khả năng truy cập, độ tin cậy và tính kịp thời của dữ liệu đáp ứng nhu cầu của người dùng dữ liệu trong một tổ chức Quản trị dữ liệu là thành phần cốt lõi của quản lý dữ liệu; nó xác định các vai trò, tương ứng- các khả năng và quy trình để đảm bảo rằng dữ liệu có thể được tin cậy và sử dụng bởi toàn bộ tổ chức, với những người được xác định và tại chỗ, những người chịu trách nhiệm để khắc phục và ngăn chặn các vấn đề với dữ liệu
Một thành phần quan trọng khác mà một tổ chức cần là dữ liệu sáng tạo các nhà khoa học - những người hiểu công việc kinh doanh cũng như lĩnh vực kinh doanh công nghệ , đồng thời nhận ra những hạn chế của dữ liệu, công cụ của họ, và kỹ thuật Một
Trang 6nhà khoa học dữ liệu tập hợp tất cả những điều này lại với nhau để cung cấp cải tiến trong việc ra quyết định với một tổ chức
Cuối cùng, để đảm bảo sự thành công của chương trình phân tích và BI, ban quản lý- nhóm cố vấn trong một tổ chức phải có cam kết mạnh mẽ đối với dữ liệu- ra quyết định theo định hướng Các tổ chức có thể đặt các thành phần cần thiết tại chỗ có thể hành động nhanh chóng để đưa ra các quyết định cấp trên trong trường hợp không chắc chắn và thay đổi môi trường để đạt được lợi thế cạnh tranh mạnh mẽ
2 Công cụ phân tích và kinh doanh thông minh
Phần này giới thiệu và cung cấp các ví dụ về nhiều BI và công cụ phân tích
1
2
2.1 Bảng tính
3
4
Người quản lý doanh nghiệp thường nhập dữ liệu vào một chương trình bảng tính Bảng tính được sử dụng để tạo báo cáo và đồ thị dựa trên dữ liệu đó Người dùng cuối có thể sử dụng các công cụ như trình quản lý tình huống Excel để thực hiện "phân tích điều gì sẽ xảy ra để đánh giá các yếu tố thay thế khác nhau Bổ trợ trình giải quyết trong Excel có thể được sử dụng để tìm giải pháp tối ưu cho một vấn đề có nhiều ràng buộc
Ví dụ: xác định sản xuất kế hoạch tối đa hóa lợi nhuận với những hạn chế nhất định về nguyên vật liệu.
2.2 Công cụ báo cáo và truy vấn
Hầu hết các tổ chức đã đầu tư vào một số công cụ báo cáo để giúp nhân viên tuyển dụng của họ nhận được dữ liệu họ cần để giải quyết vấn đề hoặc xác định cơ hội Các công cụ báo cáo và truy vấn có thể trình bày dữ liệu đó theo cách dễ hiểu thông qua dữ liệu, đồ thị
và biểu đồ được định dạng
2.3 Công cụ trực quan hóa dữ liệu
Trực quan hóa dữ liệu là việc trình bày dữ liệu dưới dạng hình ảnh hoặc đồ họa Ngoài ra, biểu diễn dữ liệu dưới dạng trực quan là một kỹ thuật được công nhận để mang lại tác động tức thì cho những con số buồn tẻ và buồn tẻ
Đám mây từ là hình ảnh mô tả trực quan một tập hợp các từ đã được nhóm lại với nhau do tần suất xuất hiện của chúng Các đám mây từ được tạo ra từ phân tích các
Trang 7tài liệu văn bản hoặc một trang Web Sử dụng văn bản từ các nguồn này, một phép đếm đơn giản được thực hiện dựa trên số lần một từ hoặc cụm từ xuất hiện
Phễu chuyển đổi là một biểu diễn đồ họa tóm tắt các bước mà người tiêu dùng thực hiện
để đưa ra quyết định mua sản phẩm của bạn và trở thành khách hàng Nó cung cấp trình bày trực quan về dữ liệu chuyển đổi giữa mỗi bước và cho phép những người ra quyết định xem những bước nào đang khiến khách hàng nhầm lẫn hoặc gặp rắc rối
Hàng chục sản phẩm phần mềm trực quan hóa dữ liệu có sẵn để tạo các biểu đồ, đồ thị,
đồ họa thông tin và bản đồ dữ liệu khác nhau Một số sản phẩm phổ biến hơn bao gồm Google Charts, iCharts, Infogram, Modest Maps, SAS Visual Statistics và Tableau Những công cụ này giúp bạn dễ dàng khám phá dữ liệu một cách trực quan, phát hiện các mẫu và nhanh chóng có được thông tin chi tiết
2.4 Xử lý phân tích trực tuyến
- Xử lý phân tích trực tuyến (OLAP) là một phương pháp phân tích dữ liệu đa giác từ nhiều góc độ khác nhau Cho phép người dùng xác định các vấn đề và cơ hội cũng như thực hiện phân tích xu hướng Cơ sở dữ liệu được xây dựng để hỗ trợ xử lý OLAP bao gồm các khối dữ liệu chứa các dữ liệu số được gọi là các thước đo, được phân loại theo thứ nguyên, chẳng hạn như thời gian và địa lý raphy
Ví dụ đơn giản là một khối dữ liệu có chứa đơn vị bán hàng của một sản phẩm cụ thể làm thước đo.
Chìa khóa cho khả năng phản hồi nhanh chóng của quá trình xử lý OLAP là xác định trước dữ liệu chi tiết thành các bản tóm tắt dữ liệu hữu ích để dự đoán các câu hỏi có thể được đưa ra
Ví dụ: các khối dữ liệu có thể được xây dựng để tóm tắt doanh số bán hàng của một mặt hàng cụ thể vào một ngày cụ thể cho một cửa hàng cụ thể
Tương tự, các khối dữ liệu có thể được xây dựng để dự đoán các truy vấn tìm kiếm thông tin về doanh số bán hàng của đơn vị vào một ngày, tuần, tháng hoặc quý tài chính nhất định
Điều quan trọng là nếu dữ liệu trong khối dữ liệu đã được tổng hợp ở một mức nhất định, như doanh số bán hàng theo đơn vị hàng ngày theo từng cửa hàng, thì không thể sử dụng khối dữ liệu đó để trả lời các câu hỏi ở cấp độ chi tiết hơn , chẳng hạn như doanh số bán hàng theo đơn vị của mặt hàng này theo giờ vào một ngày nhất định
Trang 8Hầu hết các hệ thống OLAP có thể xây dựng các khối dữ liệu với nhiều kích thước hơn Trong thế giới busi ness, các khối dữ liệu thường được xây dựng với nhiều kích thước, nhưng người dùng thường chỉ xem ba kích thước cùng một lúc
Ví dụ: một nhà sản xuất hàng tiêu dùng đóng gói có thể xây dựng một khối dữ liệu đa chiều với thông tin về đơn vị bán hàng, không gian kệ, đơn giá, giá khuyến mãi và mức
độ quảng cáo trên báo - tất cả cho một sản phẩm cụ thể, vào một ngày cụ thể, trong một cửa hàng cụ thể
2.5 Phân tích chi tiết
Phân tích chi tiết là một công cụ mạnh mẽ cho phép những người ra quyết định có được cái nhìn sâu sắc về các chi tiết dữ liệu kinh doanh để hiểu rõ hơn tại sao điều gì đó đã xảy ra
Phân tích chi tiết liên quan đến việc kiểm tra tương tác ở cấp độ cao dữ liệu tóm tắt ngày càng chi tiết để có được thông tin chi tiết về các yếu tố nhất định — sắp xếp giống như từ từ bóc các lớp của một củ hành tây Ví dụ, trong việc xem xét doanh số bán hàng trên toàn thế giới trong quý vừa qua, phó chủ tịch phụ trách bán hàng có thể muốn xem chi tiết doanh số bán hàng cho từng quốc gia
Brisbane là một thành phố ở bờ biển phía đông của Úc thường xuyên phải hứng chịu lũ quét từ nhiều con suối trong khu vực Một năm, lượng mưa đặc biệt lớn đã khiến nhiều ngôi nhà bị ngập lụt, làm sập các đường dây điện, đóng cửa các con đường và đưa thành phố vào tình trạng khẩn cấp Sau thảm họa này, thành phố đã lắp đặt các máy đo từ xa trên khắp Brisbane để đo lượng mưa và mực nước theo thời gian thực Dữ liệu được thu thập và hiển thị trên bản đồ mã màu, cho phép nhân viên nhanh chóng phát hiện các khu vực cần quan tâm Họ cũng có thể thực hiện phân tích chi tiết để xem mức độ chi tiết ngày càng tăng trong bất kỳ khu vực quan trọng nào Hệ thống này cho phép nhân viên đưa ra những cảnh báo nâng cao hơn đối với thông tin về lũ lụt sắp xảy ra và thực hiện hành động để đóng các con đường hoặc dọn dẹp các mảnh vỡ "
2.6 Hồi quy tuyến tính
Hồi quy tuyến tính đơn giản là một kỹ thuật toán học để dự đoán giá trị của một biến phụ thuộc dựa trên một biến độc lập duy nhất và mối quan hệ tuyến tính giữa hai biến đó Bao gồm việc tìm ra đường thẳng phù hợp nhất thông qua một tập hợp các quan sát của các biến phụ thuộc và biến lõm sâu Cho đến nay, thước đo phổ biến nhất được sử dụng cho đường phù hợp nhất là đường giảm thiểu tổng sai số bình phương của dự đoán Hồi quy tuyến tính không có nghĩa là biến này gây ra biến kia; nó chỉ đơn giản nói rằng khi một giá trị tăng lên, thì biến kia cũng tăng hoặc giảm theo tỷ lệ thuận
Các giả định chính sau đây phải được thỏa mãn khi sử dụng hồi quy tuyến tính trên một tập dữ liệu:
Mối quan hệ tuyến tính giữa các biến độc lập (X) và phụ thuộc (Y) phải tồn tại
Trang 9 Sai số trong dự đoán giá trị của Y được phân phối theo cách tiếp cận đường cong phân phối chuẩn
Các sai số trong dự đoán giá trị của Y đều độc lập với nhau Một số thử nghiệm thống kê nâng cao có thể được sử dụng để kiểm tra xem liệu những giả định này có đúng với một tập dữ liệu nhất định và kết quả là phương trình hồi quy tuyến tính hay không
Ví dụ, hệ số xác định, được ký hiệu (và phát âm là r bình phương) là một con số cho biết mức độ phù hợp của dữ liệu với một mô hình sta-tistical - đôi khi chỉ đơn giản là một đường hoặc một đường cong Điểm 1 chỉ ra rằng đường hồi quy hoàn toàn phù hợp với
dữ liệu, trong khi 0 cho biết đường này hoàn toàn không phù hợp với dữ liệu
2.7 Khai thác dữ liệu
Khai thác dữ liệu là một công cụ phân tích BI được sd để khám phá lượng lớn dữ liệu cho các mẫu ẩn để dự đoán các xu hướng và hành vi trong tương lai để sử dụng trong việc ra quyết định.Được sử dụng một cách thích hợp, các công cụ khai thác dữ liệu cho phép các tổ chức đưa ra dự đoán về những gì sẽ xảy ra để các nhà quản lý có thể chủ động tận dụng các cơ hội và tránh các vấn đề tiềm ẩn
Trong số ba kỹ thuật khai thác dữ liệu được sử dụng phổ biến nhất là phân tích ation liên kết, tính toán thần kinh, và lập luận dựa trên trường hợp
Quy trình xuyên ngành để khai thác dữ liệu (CRISP-DM) là một cách tiếp cận có cấu trúc sáu giai đoạn để lập kế hoạch và thực hiện một dự án khai thác dữ liệu Đây là một phương pháp luận mạnh mẽ và đã được chứng minh rõ ràng, là phương pháp luận được
sử dụng rộng rãi nhất cho các dự án khai thác dữ liệu
Dưới đây là một số ví dụ cho thấy cách khai thác dữ liệu có thể được sử dụng: Dựa trên phản hồi trước đây cho các thư quảng cáo, xác định những yếu tố đó mà có nhiều khả năng sẽ tận dụng lợi thế của các thư trong tương lai
+ Kiểm tra dữ liệu bán lẻ để xác định các sản phẩm dường như không liên quan thường được mua cùng nhau
+ Theo dõi các giao dịch thẻ tín dụng để xác định các yêu cầu ủy quyền có khả năng gian lận
+ Sử dụng dữ liệu đặt phòng khách sạn để điều chỉnh giá phòng sao cho tối đa hóa doanh thu Phân tích dữ liệu nhân khẩu học và dữ liệu hành vi về khách hàng tiềm năng để xác định những người sẽ là khách hàng có lợi nhất để tuyển dụng
+ Nghiên cứu dữ liệu nhân khẩu học và đặc điểm của những nhân viên có giá trị nhất của
tổ chức để giúp tập trung các nỗ lực tuyển dụng trong tương lai
+ Nhận biết những thay đổi trong chuỗi DNA của một cá nhân ảnh hưởng như thế nào đến nguy cơ phát triển các bệnh thông thường như Alzheimer hoặc ung thư
Trang 102.8 Trang tổng quan
Chìa khóa hiệu suất chỉ báo (KPI): Một số liệu theo dõi tiến độ thực hiện các chiến lược
đã chọn để đạt được các mục tiêu và mục tiêu của tổ chức và bao gồm định hướng, biện pháp, mục tiêu và khung thời gian
Các thước đo là các thước đo theo dõi tiến độ thực hiện các chiến lược đã chọn để đạt được các mục tiêu và mục tiêu của tổ chức Các chỉ số này còn được gọi là các chỉ số hiệu suất chính (KPI) và bao gồm định hướng, thước đo, mục tiêu và khung thời gian Để cho phép so sánh trong các khoảng thời gian khác nhau, điều quan trọng là phải xác định các KPI và sử dụng cùng một định nghĩa từ năm tới năm Theo thời gian, một số KPI hiện có có thể bị loại bỏ và những KPI mới được thêm vào khi tổ chức thay đổi mục tiêu
và mục tiêu của mình Rõ ràng, giống như các tổ chức khác nhau có các mục tiêu khác nhau, các tổ chức khác nhau sẽ có KPI khác nhau
Bảng điều khiển: Bản trình bày một tập hợp các KPI về trạng thái của một quy trình tại một thời điểm cụ thể
- Trang tổng quan trình bày một tập hợp các KPI về trạng thái của một quy trình tại một thời điểm cụ thể Trang tổng quan cung cấp khả năng truy cập thông tin nhanh chóng, theo cách dễ hiểu và ngắn gọn, giúp các tổ chức hoạt động hiệu quả và hiệu quả hơn
Các tùy chọn để hiển thị kết quả trong bảng điều khiển có thể bao gồm bản đồ, đồng hồ
đo, biểu đồ thanh, đường xu hướng, biểu đồ phân tán và các biểu diễn khác Thông thường, các mục được mã hóa bằng màu sắc để người dùng có thể xem nhanh nơi cần chú ý Nhiều trang tổng quan được thiết kế theo cách mà người dùng có thể nhấp vào một phần của biểu đồ hiển thị dữ liệu ở một định dạng và đi sâu vào dữ liệu để hiểu rõ hơn về các lĩnh vực cụ thể hơn
Trang tổng quan cung cấp cho người dùng ở mọi cấp độ của tổ chức thông tin mà họ cần
để đưa ra quyết định cải tiến Bảng điều khiển hoạt động có thể được thiết kế để thu thập
dữ liệu trong thời gian thực từ nhiều nguồn khác nhau, bao gồm cơ sở dữ liệu tỷ lệ corpo
và bảng tính, do đó, những người ra quyết định có thể sử dụng dữ liệu cập nhật từng phút Phần mềm BI được sử dụng rộng rãi đến từ nhiều nhà cung cấp khác nhau, bao gồm Hewlett Packard, IBM, Information Builders, Microsoft, Oracle và SAP Các nhà cung cấp như JasperSoft và Pentaho cũng cung cấp phần mềm BI nguồn mở, điều này rất hấp dẫn đối với một số tổ chức
2.9 Phân tích tự phục vụ