jo uzleti elvarasok

BGEL GYRGY

ZLETI ELVRSOK INFORMATIKAI MEGOLDSOK

Bgel Gyrgy: zleti elvrsok informatikai megoldsok

Bgel Gyrgy, 2009

A 8. fejezet trsszerzje: Papp AttilaA 12. fejezet trsszerzje: Morvay Gza

A knyv megjelenst az IQSYS Informatikai s Tancsad Zrt. s a KFKI Rendszerintegrcis Zrt. tmogatta. A Carnation Zrt. segtette, hogy a knyv eljusson a felsoktatsi intzmnyek knyvtraiba.

Lektorltk:Ipacs Laura, MBA, FCCAAdjunct ProfessorCEU Business School

Komromi Gyrgy, PhDSenior Lecturer in Accounting & FinanceUniversity of the South Pacifi cFaculty of Business and Economics

Szerkesztette: Trk Hilda

Bortterv: Juhsz Gbor

HVG KnyvekKiadvezet: Budahzy rpdFelels szerkeszt: Trk Hilda

ISBN: 9789639686939

Minden jog fenntartva. Jelen knyvet vagy annak rszleteit tilos reproduklni, adatrendszerben trolni, brmely formban vagy eszkzzel elektronikus, fnykpszeti ton vagy ms mdon a kiad engedlye nlkl kzlni.

Kiadja a HVG Kiad Zrt., Budapest, 2009Felels kiad: Szauer Pter

www.hvgkonyvek.hu

Nyomdai elkszts: Inic Bt.Felels vezet: Wetzl Gabriella

Nyoms: Relszisztma Dabasi Nyomda Zrt.Felels vezet: Vg Magdolna

Tartalom

Elsz .................................................................................................................... 11

Bevezets ............................................................................................................... 15Els tallkozs ................................................................................................... 15Msodik tallkozs ........................................................................................... 16Kiknek szl a knyv? ........................................................................................ 20A knyv felptse ............................................................................................ 20Szavak s elnevezsek ...................................................................................... 22

ELS RSZ I Informatikai fejlesztsek zleti rtkelse .......................... 25

1. fejezet I Megri? ............................................................................................ 27

2. fejezet I Mirt fontos a pnzgyi intelligencia? ...................................... 37Kommunikci az zleti oldallal .................................................................... 37A stratgiai szerep megersdse ................................................................... 39A vllalat helyzetnek ismerete ...................................................................... 41Az zleti modell megrtse ............................................................................. 42Az informatika zletknt val menedzselse ............................................... 43A technolgiai trendek jobb megrtse ......................................................... 44

3. fejezet I Eredmnykimutats ...................................................................... 47A nyeresg s a pnz nem ugyanaz ................................................................ 47Az eredmnykimutats felptse ................................................................... 50

6 TARTALOM

Bevtelek s kltsgek ...................................................................................... 51A felelssgi kzpontok rendszere ................................................................. 55Az IT mint felelssgi kzpont ....................................................................... 58

4. fejezet I Vagyonmrleg ................................................................................ 61Enym, tied, v ............................................................................................... 61Mennyit r a vllalat? ....................................................................................... 62Az egyensly fontossga .................................................................................. 64Eszkzk ............................................................................................................ 65Egyensly mskppen ...................................................................................... 70Forrsok ...............................................................................................................72A mkd tke ................................................................................................. 73

5. fejezet I Pnzramls ................................................................................... 79Nyeresg s pnz .............................................................................................. 79Pnzszke s pnzbsg .................................................................................. 81Pnzberamls, pnzkiramls ....................................................................... 83Az eredmnykimutats, a vagyonmrleg s a pnzramls sszefggse 87Pnz a mkd tkben .................................................................................. 89A pnz szerepe a dntsekben ........................................................................ 90Pnzramlsi terv ............................................................................................. 92

6. fejezet I Pnzgyi mutatk ......................................................................... 95A siker nyomban ............................................................................................ 95Mit jelez, kinek jelzi? ........................................................................................ 97A jvedelmezsg mutati (nyeresghnyadok) .......................................... 99Verseny s tmegcikkeseds ......................................................................... 100A befektetsek megtrlse ........................................................................... 101A megtrls s a tke kltsge .................................................................... 103Forrsszerkezeti (eladsodottsgi) mutatk ............................................... 105Likviditsi mutatk ........................................................................................ 106Hatkonysgi mutatk ................................................................................... 108A mutatk kezelse ........................................................................................ 110A mutatk sszefggse ................................................................................ 111Gazdlkodj okosan! szimulcis jtkok ................................................. 113

7TARTALOM

7. fejezet I Kiegyenslyozott mutatszmrendszerek ............................. 115Mszerfal? ....................................................................................................... 115A teljesebb kp ignye .................................................................................... 116A BSC logikja ................................................................................................ 120Stratgiai vezets BSC alapjn ...................................................................... 124Stratgiai trkp .............................................................................................. 125A BSC s az informatikai rszleg .................................................................. 127Az informatika mutatszmrendszere ........................................................ 129

8. fejezet I zleti intelligencia ...................................................................... 133Defi ncis bizonytalansgok ......................................................................... 133Trtneti ttekints ........................................................................................ 137Az zleti intelligencia fejldsnek mai mozgatrugi ............................. 143Az zleti intelligencia piaca .......................................................................... 150A fejlds tjai ................................................................................................ 157

9. fejezet I Pnzgyi menedzsment az ITIL-ben ....................................... 161Az informatika szolgltats ........................................................................... 161A bels szolgltatsok megszervezsnek alternatvi .............................. 162Az rtk s a szolgltatsi befektetsek megtrlse .................................. 165Kltsgvets, elszmols, tterhels ............................................................. 166A pnzgyi menedzsment mdszerei ........................................................ 169A felkszltsg rtkelse .............................................................................. 170

MSODIK RSZ I Vltozsok s kihvsok .............................................. 175

10. fejezet I Vissza a kiindul pldhoz ..................................................... 177Szempontok s felttelezsek ...................................................................... 177Rendszerszemllet s klcsns fggs ..................................................... 179Relopcik .................................................................................................... 182

11. fejezet I Korszakok az zleti informatikban ..................................... 187Mi alapjn? .................................................................................................... 187Korszakok az ipargi innovcis ciklus fzisai alapjn ........................... 192

8 TARTALOM

A Gartner Group ngyfzis modellje az zlet s az informatika sszefggsrl ............................................................................................. 196A vertiklis s a horizontlis piac korszaka .............................................. 200Korszakok vezrvllalatai ............................................................................ 202Genercik korszakai .................................................................................. 205zleti modellek versenye ............................................................................ 210

12. fejezet I zleti rtkels trtneti nzpontbl .............................. 213Problmk s nehzsgek ............................................................................ 213Az egyszersg kora .................................................................................... 216Stratgiai szerep, kzvetett hatsok ............................................................ 217n is! n is! ................................................................................................... 218A termelkenysgi paradoxon .................................................................... 219Folyamatszervezs, BPR .............................................................................. 221Az internetes lz ........................................................................................... 222jabb vitk a termelkenysgrl ................................................................ 224A versenyelnyk krdse ........................................................................... 227jra vlsg ..................................................................................................... 229

13. fejezet I s ha kiszervezzk? ............................................................... 231A kiszervezs mint lehetsg ...................................................................... 231Hierarchia helyett piac ................................................................................ 232Az IT outsourcing trtnetbl .................................................................. 233Kiszervezs ms orszgokba ....................................................................... 235Versenyzk s rangsorok ............................................................................. 237Felfel a szolgltatsi ltrn ......................................................................... 238Az rtkteremts mdjai ............................................................................. 240A proaktv szolgltatsmenedzsment elnyei .......................................... 242rtkteremts a szolgltat szempontjbl ............................................... 243A kiszervezs kltsgei ................................................................................ 245Nhny sz a kiszervezs jvjrl ............................................................ 248

Utsz .................................................................................................................. 249Nhny ajnlott olvasmny ........................................................................... 250Legvgl nhny tanulsg ............................................................................. 252

Ksznetnyilvnts ......................................................................................... 255

brk jegyzke ................................................................................................... 257

Tblzatok jegyzke .......................................................................................... 259

Felhasznlt irodalom ........................................................................................ 261

Nv- s trgymutat ......................................................................................... 271

Bevezets

M egri? teszik fel a krdst ebben a pillanatban is szmtalan vllalatnl szerte a nagyvilgban. rdemes-e szmtgpet venni, hlzatot pte-ni, szoft vert fejleszteni, tancsadi szolgltatsokat vsrolni? Erre adjunk-e pnzt, ne inkbb valami msra?

Els tallkozs

A nyolcvanas vek elejn plyakezdknt pr hnapig egy paprgyr tszerve-zsi tervn dolgoztam, mert a vllalat j gyrtsort kapott, jval nagyobbat s modernebbet a meglvnl. A munkt a cg rszrl a gazdasgi igazgat ir-nytotta. Gyakori vendg voltam nla. tnztk minden rszleg tevkenysgt s igyekeztk kitallni, mi vltozik meg az j gyrtsor belpse utn.

Egyszer, mer kvncsisgbl, elkrtem tle a beruhzs eredeti dokumen-tcijt. Flarasznyi vastagsg ktetet nyomott a kezembe, tele volt szmomra rthetetlen mszaki lersokkal s rajzokkal. Megrltem, amikor a tartalom-jegyzkben talltam egy nekem, kzgazdsznak val cmet: Gazdasgossgi szmtsok. Az egyetemen sokat szmoltunk: nett jelenrtk, ilyen megtr-ls, olyan megtrls, ilyen mutat, olyan mutat. A pldk ltalban a gim-nziumi matematikark szveges feladataira emlkeztettek. Az ember nmi gondolkods utn megtallta a megfelel kpletet, behelyettestette a vltoz-kat, s mindig kijtt valamilyen eredmny: ez j, az rossz; ez megtrl, az nem trl meg; ez j, de az a msik jobb nla.

A beruhzs dokumentcijban megkerestem a megadott lapszmot. ri-si csaldst jelentett: az egsz szakasz mindsszesen egy oldal volt, taln kt-hrom szm rvlkodott benne, rgztve, hogy mennyi lesz a termels, s hogy az egszet azonnal tveszik majd a paprra hes nyomdk. Ksz. Aztn elgon-dolkodtam. Tulajdonkppen mit vrtam? A nyomdk tnyleg nagyon hesek voltak a friss paprra (hinygazdasg volt), a nyersanyagellts benne lehetett az

16 BEVEZETS

tves tervben, a vonatkoz llami szerzdseket mr megktttk, a gp val-ban szp volt s korszer, az embereknek munkt kellett adni Ht akkor?

Arra is emlkszem, hogy a vllalatnl egyetlen szmtgp volt. Kicsi gp, taln Commodore 64-es lehetett. Az egyik irodban egy knyvel s egy prog-ramoz hasznlta, valamilyen nyilvntartst akartak ppen felvinni. Az egsz nem tnt klnsebben izgalmasnak. A legtbb vezet fzetekbl, klnfle tollal, ceruzval kitlttt tblzatokbl dolgozott, ilyenekre jegyeztk fel a ter-melsi programokat is. A gazdasgi igazgat asztaln viszont vaskos nyomta-tott leporelltmb llt vgtelen szmoszlopokkal. Meghatrozott idkznknt ezt kaptk a minisztriumi szmtkzpontbl, ahov gpkocsin szlltottk a bizonylatokat. Hogy mit olvasott ki ezekbl, nem tudom, nem is krdeztem.

Valahol, egy kltsgkimutats egyik eldugott sorban ott lehetett a Com-modore vtelra is: aprcska ttel a rengeteg nyersanyag, energia, br mellett. Valsznleg nem trdtt vele senki.

Msodik tallkozs

Az n. vgfelhasznlk 2007-ben szerte a nagyvilgban sszesen tbb mint 3 trilli dollrt kltttek szmtgpes hardverre, szoft verre, informatikai szol-gltatsokra, tvkzlsi berendezsekre s kommunikcis szolgltatsokra.1 Rviden: ebben az vben krlbell ennyi volt az infokommunikcira ford-tott sszes kiads. Krlbell, mert az, hogy pontosan mennyi volt, azt senki sem tudja megmondani, mint ahogy azt sem, manapsg hol hzdik a hatr az informcis s a tvkzlsi technolgia kztt.

Ugyanebben az vben a magyarorszgi informatikai s tvkzlsi piac egytt elrte az 1476 millird forintot.2

Ezek risi szmok. Vajon hogyan trl meg ez a rengeteg kltsg s beru-hzs? Vajon milyen szmtsok alapjn dolgoznak a dntshozk?

De ne beszljnk ilyen felfoghatatlan nagysg szmokrl! Hogyan trl meg egy viszonylag egyszer vllalati informatikai beruhzs, egy abbl a sok millibl, amelyek egytt mr meghaladjk a 3 trilli dollrt?

Az egyetemen, ahol tantok, az Akcitanuls tantrgy keretn bell a hall-gatkat kis csoportokba szervezzk. Minden csoportnak egy-egy konkrt z-

1 A Gartner Group adata. In Th e Economist, 2008. oktber 25. 11.2 Az IDC adata. In Mozsik (2008) 14.

17BEVEZETS

leti krdst kell megoldania. A problmk lesek, valsgosak: gyakorl vlla-latvezetk a megrendelk, a hallgatk pedig a tancsadk. A kurzus vgn maguk a megrendelk rtkelik s osztlyozzk a tancsadkat.

Nemrg rdekes megbzs futott be egy vllalattl. A cg megvsrolt egy gyflkapcsolat-menedzsment (customer relationship management, CRM) alkalmazst s mr teleptette is. Az informatikai menedzser szerette volna pontosan ltni, hogyan trl meg ez a beruhzs, mert bizonytani akarta a tbbieknek, hogy rdemes volt r olyan sok pnzt klteni. A megtrls ki-szmtshoz megbzhat mdszerre lett volna szksge. Azt krte, ksztsk el a szksges szmtsokat, mert rvelni szeretne a beruhzs mellett. Fel-teheten azrt volt erre szksge, mert a beruhzssal kapcsolatban megsz-laltak ktelked hangok is. Valszn, hogy ugyanazrt a pnzrt msok is versenyeztek, akik pldul j raktrt akartak inkbb pteni, vagy valamilyen termkfejlesztsi programot szerettek volna befejezni. A feladat teht az volt: bizonytsuk be, vajon j helyre ment-e a pnz.

A projektet egy ngyfs csapat kapta meg, ngy fi atal, tehetsges MBA-hallgat, ngy klnbz orszgbl. Tanulmnyaik vgn jrtak, sokat tanultak mr a pnzgyi szmtsokrl. Egyszer ujjgyakorlatnak tnt az egsz. Aztn kiderlt, hogy nem az. Az egyik legbonyolultabb projekt volt, amivel valaha is tallkoztunk, nem is sikerlt megnyugtatan befejezni, lejrt az id, vget rt a kurzus, a zrbeszmolt pedig flksz llapotban kellett tadni. A megbz hmmgtt, elismerte az eredmnyeket, de ltszott rajta, hogy nem teljesen elgedett.

A hallgatk korrekt munkt szerettek volna vgezni, szmszer eredmnye-ket akartak kihozni, vilgos, meggyz mdszerekkel. Ahogy azonban az id haladt elre, a feladat egyre bonyolultabb vlt. Az egyszer modell nvekedni, burjnzani kezdett, egyre tbb olyan krds merlt fel, amelyre nem addott megnyugtat vlasz.

rrl rra lehetett fi gyelni, hogyan halad elre a csapat. Az ilyen felada-toknl az elvrsok tisztzsa utn az els teend mindig a problma struktu-rlsa. Ebben rendszerint segtenek a tanult szmtsi mdszerek, modellek, amelyek tbbflk lehetnek.

Vegyk a legegyszerbbet mondtk a hallgatk , a ROI-t, a befekte-ts megtrlst (return on investment). Egy hnyados kerlt a tantermi tbla tetejre: a szmllban RC, vagyis bevtel mnusz kltsgek (revenue minus costs), a nevezben pedig I, vagyis befektets. Nyeresg/befektets: az adott

18 BEVEZETS

CRM befektets mennyivel nveli a nyeresget, milyen pluszjvedelmet hoz, egyforintnyi befektetsre hny forint pluszjvedelem jut.

A legegyszerbbnek tn mutat felrsa utn azonban rengeteg tovbbi krdst s megoldst vetettek fel a hallgatk.

Vajon mi tekinthet ebben az esetben befektetsnek? Mi kerljn a nevez-be? A CRM alkalmazst meg kellett venni, gp is kellett hozz, a teleptsben rszt vettek a cg informatikusai s egy tancsad cg. Ez a munkaszakasz mr lezrult, a szmlkat kifi zettk, az elklttt pnz java rszt mr vissza sem lehetne szerezni, ezek az n. elsllyedt kltsgek (sunk costs). Mindemellett a rendszer hasznlata is kiadsokkal jr. A mkdtetshez informatikai tmoga-ts szksges. Van teht egy egyszeri nagyobb befektets s egy sor foly kiads mindaddig, amg a rendszer mkdik. De vajon meddig mkdik? Azt senki sem tudja pontosan, de pr vig biztos.

A hasznlat azonban nem csak mkdtetst jelent. A technikai befektets-hez n. CRM kezdemnyezsek is kapcsoldnak, amely alatt az gyfelekkel kapcsolatos akcik rtendk. A befektetsnek akkor van rtelme, ha hatsra jobb s eredmnyesebb lesz az gyfelek kiszolglsa, s megjelenik az a bizonyos pluszjvedelem a ROI-mutat szmlljban. A kezdemnyezsek ugyanakkor pnzbe is kerlnek, teht hatsukat a nevezben is fi gyelembe kell venni. Ezrt a technikai jelleg kiadsok mellett ezeket az egyb kltsgeket is fejleszts, tszervezs, oktats, munkabr, telefon stb. fel kell tntetni.

De milyen CRM kezdemnyezsek jhetnek szba? Gondolkozzunk szisztematikusan mondtk a hallgatk , nehogy ki-

felejtsnk valami fontosat! Rajzoljunk fel egy kezdemnyezsft! A trzsre rjuk azt: CRM kezdemnyezsek! Az els elgazs az gyfelek letciklushoz igazodjon ezt a gondolkodsmdot a vllalatok is szeretik. Az gyfeleket elszr is meg kell szerezni: ez legyen az els g! Ha sikerlt, akkor j gyfe-lekknt kell bnni velk: ez legyen a msodik! A harmadik g a rgi, vissza-tr gyfelek legyen, a negyedik pedig azok, akiknl nagy a lemorzsolds veszlye, illetve azok, akiket mr el is vesztettnk, de szeretnnk visszacsa-logatni valahogy!

Ngy fzis, ngy csoport: a CRM kezdemnyezseket ebbe a ngy kategri-ba soroltk a hallgatk.

A fnak teht volt mr trzse s ngy ga. Majd tovbbi elgazsok kvet-keztek. A megszerzsg ngy tovbbi algra bomlott: (1) hideg hvs, (2) gre-tes lehetsgek kvetse, (3) direkt levl, (4) direkt rtkests. Ugyanez trtnt

19BEVEZETS

a tbbi ggal is. A harmadik elgazsnl mr 17-18 vonal sorakozott egyms alatt a papron, a CRM kezdemnyezsek cm alatt.

A kzvetlen cl az eredmnyre gyakorolt hats felmrse mondtk a hallgatk. A plusz eredmny pluszbevtelekbl s pluszkltsgekbl jn sz-sze. Indtsunk el egy ft a msik oldalrl, szemben a CRM kezdemnyezsek fjval! A trzsre rjuk fel: plusz eredmny! gazzon kett pluszbevtelekre s pluszkltsgekre, azok pedig bomoljanak konkrtabb ttelekre! Kapcsoljuk ssze a kt ft, a kezdemnyezsek s a pnzben mrt eredmnyek fjt, s ha-trozzuk meg, hogy az egyes CRM kezdemnyezsek (akcik, tevkenysgek, kampnyok stb.) miknt hatnak a klnbz bevteli s kltsgttelekre, majd ezek sszestsvel az eredmnyre!

A feladat megoldsa egyre bonyolultabb lett. A hallgatk elszr is mr-szmokat akartak rendelni a kezdemnyezsekhez: a hideg hvsoknl pldul a tallati arnyt, vagy a megkttt els zletek tlagos nagysgt; a megszerzett gyfeleknl a vrhat tlagos gyflrtket Az pl gyfl-adatbzist is ele-mezni akartk, ami valsznleg jfajta piacszegmentlshoz vezetett volna, s ennek alapjn pedig j kezdemnyezseket kellett volna szmtsba vennik.

A korrekt eljrs termszetesen azt is megkvnja mondtk a hallgatk , hogy a CRM kezdemnyezsek eredmnyt ne keverjk ssze ms akcik eredmnyvel, hiszen kzben a vllalatnl nem ll le az let: j termkeket dob-nak piacra, tszervezik a szervizt, piaci hatsokra megvltoztatjk az rakat A versenytrsak sem lnek a babrjaikon, lehet, hogy ppen hasonl akcikon trik a fejket, s a mieink csak arra lesznek jk, hogy valahogy ellenslyozzk azok hatst

A tblkon a tevkenysgek, a bevtelek s a kltsgek hlja egyre bonyolultabb lett.

A hallgatknak kzben azzal a problmval is szembe kellett nznik, hogy munkjukrt nem lelkesedtek a vllalatnl. gy ltalban mindenki egyetrtett azzal, hogy egy ilyen beruhzs megtrlst mrni, kvetni kell, de minden-ki tallt valamilyen kifogst, amikor sajt tevkenysge mrsre kerlt volna sor. Az is kiderlt, hogy az adatokat ms rendszer szerint gyjtik a vllalat-nl, mint amit az pl modell megkvnt, teht az elszmolsi rendbe is bele kellett nylni, egyes kltsgeket pldul az akcik, kezdemnyezsek, vagyis a tevkenysgek szerint kellett rendezni s tterhelni. Mindehhez az informati-kusoknak jra ssze kellett volna lnik a kereskedkkel s az gyflszolgla-tosokkal, amire a kontrollereket is meg kellett volna hvni

20 BEVEZETS

Az id elfogyott. A modell, a hl gy nzett ki, mint egy torzban maradt plet, aminek mr ltszik a struktrja, de egyes falai mg hinyoznak, nincs rajta tet, az ablakai nincsenek betve. A megvalsts krdse homlyban maradt.

Lehetett volna mskpp csinlni? Igen, lehetett volna. Lehetett volna pld-ul a klasszikus mondst idzni: tvenmilli Elvis Presley-rajong nem tved-het. Ha ennyi kivl vllalat vesz, telept s hasznl CRM alkalmazsokat, ak-kor azoknak biztosan megvan a maguk haszna. CRM-nek lennie kell, s ksz. Ez alapkvetelmny, a vllalati digitlis infrastruktra rsze. Nem biztos, hogy j, ha van, de biztos baj, ha nincs.

Megelgedhetnk-e egy ilyen vlasszal?

Kiknek szl a knyv?

Mint fentebb lthattuk, az ilyen beruhzsok, fejlesztsi programok egyttes sszege a vilggazdasgban egy v alatt dollrtrillikra rg. Ezt a tmrdek pnzt jl kell elklteni. Rengetegen gondolkodnak azon, mi ri meg s mi nem, rdemes-e bonyolult pnzgyi szmtsokat vgezni, mi az eredmnye a mun-knak, mennyi pnz megy fstbe.

A j dntsekhez prbeszd kell az zleti s az informatikai oldal kpviseli kztt. Az elbbieknek tudniuk kell, mit vrhatnak s mit kaphatnak az infor-matiktl. Az informatikusoknak pedig rtenik kell, hogyan gondolkodnak az zleti vezetk s a pnzgyesek, meg kell rtenik szempontjaikat, el kell sajttaniuk nyelvket.

Ez a knyv elssorban azoknak szl, akik hidat szeretnnek pteni az z-leti elvrsok s az informatikai megoldsok kztt. A hangsly a prbeszden, a klcsns alkalmazkodson, a kzs tanulson van.

A knyv clja ennek a szemlletmdnak a megalapozsa. Nem helyette-stheti az informatikai megoldsokat elemz knyveket vagy a pnzgye-seknek, szmviteli szakembereknek, knyvvizsglknak, befektetknek, kontrollereknek, MBA programok hallgatinak szl vaskos szakknyveket, de lehet, hogy ez az j megkzelts kedvet ad ezekhez is.

A knyv felptse

A knyv kt rszbl ll: az els az informatikai fejlesztsek zleti rtkelshez szksges alapismereteket tartalmazza, a msodik az zleti s az informati-

21BEVEZETS

kai oldal idben vltoz, a technikai s a gazdasgi fejlds ltal befolysolt viszonyrendszervel foglalkozik.

Az 1. fejezet egyszer pldt tartalmaz. Egy elkpzelt vllalatnl a kvetkez vi beruhzsi terven dolgoznak. Felmerl egy informatikai fejleszts tlete is. Pnzgyi szmtsokat kell hozz kszteni. Megfi gyelhetjk, hogyan, milyen tartalommal s rendszerben kszlnek ezek, elgondolkodhatunk a mgttes felttelezseken, a kalkulcik bizonytalansgain. A javaslat elksztshez az elkpzelseket le kell fordtani a pnzgyek nyelvre, a terven a javaslattev informatikusnak egytt kell dolgoznia egy kereskedvel s egy pnzgyi szak-emberrel.

Hogyan fogjk megrteni egymst? Mirt van szksge egy technikai szak-embernek pnzgyi intelligencira? Ezt a krdst trgyalja a 2. fejezet.

Ez utn pnzgyi alapismeretek kvetkeznek. A 3. fejezet trgya az eredmnykimutats ez a rsz az ITIL (Information Technology Infrastructure Library) pnzgyi menedzsment rendszert bemutat 9. fejezet bevezetse-knt is felfoghat. Annak elolvassa eltt viszont tancsos tnzni a felelssgi kzpontokrl lertakat. A 4. fejezet a vagyonmrleggel foglalkozik, az 5. fejezet a pnzramlsi kimutatsok rtelmezsre igyekszik felkszteni. Mindhrom-nl a logikai sszefggsekre helyezzk a hangslyt, nem a rszletekre. Ez azt is jelenti, hogy ha valakinek az utbbiak is fontosak, akkor felttlenl ajnlatos tnznie az adott idpontban az adott szervezetre vonatkoz hivatalos szmvi-teli szablyokat is. Az eredmnykimutatssal s a mrleggel kapcsolatban arra is felhvjuk a fi gyelmet, hogy ezek egyfajta megkzeltst adjk a valsgnak, sok bennk a bizonytalansg, amivel nem rt tisztban lenni. Azt is igyeksznk bemutatni, mirt fontos kimutatsok ezek az informatikusok szmra is, ho-gyan alakthatjk, befolysolhatjk k maguk is a bennk szerepl tteleket.

A 6. fejezet a leggyakrabban hasznlt pnzgyi mutatszmokat ismerteti. A pnzgyi vilgban ezek a sikeressg mrci.

A pnzgyi mutatk nagyon fontosak, de csak azokra tmaszkodva nem lehet irnytani egy vllalatot. A 7. fejezet feladata az, hogy kitgtsa a kpet: bemutassa, milyen kiegyenslyozott mutatszmrendszerre lehet szksge a ve-zetsnek, hol jelennek meg ezekben a pnzgyi mutatk, s milyen kapcsolat-ban llnak a tbbivel.

A 8. fejezetben mr kevesebbet foglalkozunk direkt mdon pnzgyi kr-dsekkel: azt mutatjuk be, mirt vlt napjaink egyik legizgalmasabb, legfonto-sabb informatikai alkalmazsi terletv az zleti intelligencia.

22 BEVEZETS

Az ITIL-ben megjelen legjobb szolgltatsmenedzsment-gyakorlatok a pnzgyi menedzsmentre is kiterjednek. A 9. fejezet a legfontosabb tudnival-kat foglalja ssze.

Ezzel vget is r az Els rsz. A Msodik rszt azoknak rdemes elolvasniuk, akik tgabb sszefggs-

rendszerben, trtneti ttekintsben szeretnk ltni a szakmjukat s a pozci-jukat. A mrleg a msik oldalra billen: ebben a rszben mr kevesebb a pnz-gy s tbb az informatika, de az zleti perspektvt mindvgig megtartjuk.

A 10. fejezetben visszatrnk kiindul pldnkhoz. Bemutatjuk, hogy az 1. fejezetben felvetett krdsek ha valban pontossgra s korrektsgre t-reksznk jval bonyolultabbak a lertaknl. Az sszetett informatikai beru-hzsok zleti rtkelsnek nincs kiforrott, ltalnosan elfogadott, megnyug-tatan pontos mdszertana. A technikai fejlds jabb s jabb kihvsok el lltja a prblkozkat. A fejlds egyes szakaszai ms lehetsgeket s ms megkzeltseket knlnak.

A vllalati informatika fejldsnek szakaszait a 11. fejezetben mutatjuk be, a 12. fejezetben pedig az egyes szakaszokban elterjedt pnzgyi szemlletm-dokrl s mdszerekrl adunk kpet. A 12. fejezet vgn eljutunk a jelenhez, ami 2008 vgn, amikor ez a rsz szletett, ppen egy gazdasgi vlsgot, recesszis idszakot jelentett. A vllalati informatika terletn napjaink egyik legfonto-sabb, legltvnyosabb jelensge az informatikai tevkenysgek kiszervezse, s ezzel prhuzamosan a webes szolgltatsok (web services) j modelljeinek megjelense s terjedse.

A 13. fejezet a kiszervezsek (outsourcing) mozgatrugirl, fejldsi ir-nyairl, a kiszervezsi dntsek gazdasgi htterrl s pnzgyi kvetkezm-nyeirl szl.

Az Utsz nhny tanulsgot tartalmaz, valamint igyekszik segtsget adni mindazoknak, akik szvesen olvasnnak tovbbi szakirodalmakat.

Szavak s elnevezsek

Nem rt felkszlni arra, hogy a pnzgyek s a szmvitel vilgban a szhasz-nlat nem egysges, st nha kifejezetten flrevezet. A tjkozds bizonyos rtelemben nyelvtanuls, de ez ms szakmknl is gy van.

Sok elnevezsnl megadjuk azok angol megfeleljt is, mivel a mai globa-lizld vilgban nem rt ezeket is ismerni. Sajnos az angol elnevezsek sem

23BEVEZETS

egysgesek, a 3. fejezetben trgyalt eredmnykimutats megfelelje pld-ul sokfle lehet: income statement, profi t and loss statement, P&L statement, operating statement, statement of operations, earnings statement. Income alatt ltalban profi tot szoks rteni, de egyes vllalatnl ezt a szt az rbevtel meg-jellsre hasznljk, ami egybknt tbbnyire revenue. A bottom line ltalban a kimutatsok utols, sszegz sort jelenti, de sokszor gy nevezik a nyeres-get is. A szhasznlat, az azonos tartalm dokumentumok megnevezse akr vllalaton bell is tbbfle lehet: az egyik rszleg az egyiket hasznlja, a msik a msikat.

A magyar szavakkal s elnevezsekkel is lehetnek rtelmezsi gondok. Pnzgyi krkben gyakran hasznlt hozam sz pldul az akadmiai szt-rak szerint nyeresget, hasznot, keresetet, profi tot, jvedelmet jelent, de lehet bevtel is. Nyilvn nem mindegy, hogy a felsoroltak kzl az adott szvegsz-szefggsben ppen melyikrl van sz.

Egyes jsgok, internetes oldalak nagyon felletesek lehetnek szhasznlati szempontbl, nem rt teht vigyzni a kzlt szmok rtelmezsnl.

A pnzgyi intelligencia fontossgrl szl 2. fejezetben tbb okot is fel-soroltunk annak igazolsra, mirt fontos, hogy minl tbben megrtsk a vllalati pnzgyi kimutatsok tartalmt, kztk olyanok is, akiknek els pil-lantsra nem sok kzk van a pnzgyekhez. Az elz fejezetben pedig arra hvtuk fel a fi gyelmet, hogy a pnzgyi mutatkat mindig tgabb sszefg-gsrendszerben rdemes vizsglni s rtkelni: a pnzgyi informcik mell msokat is fel kell sorakoztatni; gondosan, kiegyenslyozottan kell kivlasz-tani azokat a mrcket s szmokat, amelyek jl lerjk a cg llapott. Azok a szmok a leghasznosabbak, amelyek segtik a vezetket abban, hogy a val-sggal szembenzhessenek, amelyek alapjn dntseket hozhatnak, s akcikat indthatnak el.

Az igazi kihvs nem jabb s jabb szmok s mutatk kitallsa s ell-ltsa, hanem a szmok alapjn a valsg rtelmezse. Itt lp a kpbe az zleti intelligencia.

Business intelligence is supposed to be a set of approaches for fi nding out more about your business rja Th omas Davenport.30 Magyarul: az zleti in-telligencia olyan megkzeltsek halmaza, amelyek segtsgvel tbbet tudha-tunk meg az zletrl. Ez meglehetsen tg defi nci, de jobbat aligha tallunk.

Defi ncis bizonytalansgok

Az zleti intelligencinak nincs pontos, elfogadott meghatrozsa. ltal-nos vlekeds szerint az elnevezs Howard Dresner nevhez fzdik. Az in-formatikai piac elemzsvel s tancsadssal foglalkoz tekintlyes Gartner Group egykori szakrtje szerint az zleti intelligencia fogalma tulajdonkp-pen egy erny, ami alatt sokfle, a felhasznlk informcikhoz s elemz-

30 Davenport (2007)

8. fejezet zleti intelligencia

134 INFORMATIKAI FEJLESZTSEK ZLETI RTKELSE

sekhez jutst segt technolgia s informatikai alkalmazs bjik meg. Kz-tk van pldul a jelentsek ksztse (reporting), az OLAP (on line analytical processing), a vezeti interfszek (executive interfaces), az alkalmi keress (ad-hoc query), de idetartoznak az sszetett vllalati zleti intelligencia szoft -vercsomagok (BI suites) s a fejlesztsi-adaptlsi munkt segt platformok (BI platforms) is.31 Az informatikai zleti intelligencia alkalmazsok egy r-sze nllan, klnll termkknt jelenik meg, ms rszk viszont bepl egyb alkalmazsokba.

A tapasztalt Dresner azt is jelzi, hogy nemcsak technolgikrl s alkalma-zsokrl van sz, hanem az tlthatsg s a szmonkrhetsg kultrjrl is. Ez a fontos megllapts arra utal, hogy egy vllalati zleti intelligenciaprojekt csak rszben informatikai projekt: az eredmnyes hasznlatnak nagyon fontos emberi, szervezeti s kulturlis felttelei is vannak.

Magnak az angol intelligence sznak tbbfle jelentse van. Egyrszt intelligencit, vagyis felfogkpessget, rtelmet, tanulsi kpessget jelent, msrszt hrszerzst, vagyis kmkedst. Nem elszr fordul el ez a sz egy informatikai alkalmazsi terlet megnevezsben. A mestersges intelligencia (artifi cal intelligence, AI) a hatvanas vekben indult hdt tjra, feladatnak elssorban az emberi gondolkods bizonyos terletekre korltozott repro-duklst tekintette, s tekinti ma is. Az AI teht alapveten az intelligence sz els jelentshez kapcsoldik, mg az zleti intelligencia inkbb zleti hrszer-zst jell: egy vllalat sajt adatainak, illetve nyilvnosan hozzfrhet adatok tudatos s szervezett gyjtsrl, rendszerezsrl van sz, majd erre alapozva zleti relevancival br informcik szintetizlsrl s eljuttatsrl a vl-lalati dntshozkhoz, informcifogyasztkhoz. Ha belegondolunk, hasonl elven mkdhetnek a hrszerz szervezetek (pldul a CIA) is, azzal a klnb-sggel, hogy nluk nem sajt, s nem csak nyilvnosan hozzfrhet adatokrl kell beszlnnk.

Krauth Pter az zleti intelligencirl szl tanulmnyban a kvetkez defi ncit adja: Az zleti intelligencia olyan technolgik s alkalmazsok sszessge, amelyek adatok sszegyjtsvel, hozzfrhetsgvel s elemz-svel foglalkoznak egy vllalatban, hogy annak vezeti jobb zleti dntseket hozhassanak. 32 Egyrszt technolgikrl s alkalmazsokrl van sz, msrszt

31 Dresner (2007)32 Krauth (2006)

135ZLETI INTELLIGENCIA

a dntsek megalapozsnak folyamatrl: adatokat kell gyjteni, rendezni, trolni, hozzfrhetv tenni, feldolgozni, elemezni, az eredmnyeket a fel-hasznlk el tlalni. Krauth egyszer modellje szerint egyes informatikai al-kalmazsok a vllalat operatv (termel, szolgltat) folyamatait tmogatjk, mg msok a dntshozatali s stratgiai irnytsi tevkenysgeket segtik. (Az elhatrols logikai, hiszen egy sszetettebb alkalmazs mindkt funkcit be-tltheti.)

Sntn Tth Edit s szerztrsai33 a dntstmogat rendszerek kz soroljk az zleti intelligencit. Lnyegben azt a megoldst alkalmazzk, amivel ms szerzknl is tallkozhatunk: pontos defi nci helyett felsoroljk, szerintk mi tartozik eme cmsz al. Ebben a felsorolsban helyet s nll alfejezetet kap pldul a tudsmenedzsment s a szemantikus web is. Az zleti intelligenci-rl szl szakasz kivlan rzkelteti, hogy l, fejld dologrl van sz, ami rendszeresen kinvi, sztfeszti a defi ncis korltokat.

A Laudon hzaspr npszer tanknyvben34 az zleti intelligencit gya-korlatilag a dntstmogat rendszerekkel tekinti azonosnak. Azt lltjk, hogy az intelligencia clja az, hogy a dntshozk minl jobban vgezzk a dolgukat. Fel is soroljk az idetartoz rendszereket s technolgikat, vagyis megnevezik az intelligenciacsald tagjait: integrlt vllalatirnytsi rendsze-rek (enterprise resource planning, ERP), elltsi lncok menedzsmentje (supply chain management, SCM), gyflkapcsolatok menedzsmentje (customer relationship management, CRM), adatbnyszat, OLAP (on-line analytical processing), tudsmenedzsment.

Br az zleti intelligencit, ahogy neve is mutatja, ltalban gazdasgi, vl-lalati szvegkrnyezetben szoktk emlegetni, annak eszkzei, techniki ms terleteken is kivlan alkalmazhatk: mindentt hasznos lehet, ahol fontos a tnyek, adatok alapjn val vezets, ahol nagy mennyisg (lehetleg digita-lizlt) adat keletkezik, amelyek kifi nomult elemzse segtsget adhat a dnts-hozknak.35 A DavenportHarris szerzpros pldul a sportot emlti felhasz-nlsi terletknt, bemutatva, hogy egy npszer csapat edzje miknt prbl

33 Sntn Tth Edit (2008)34 LaudonLaudon (2006)35 Ilyen terlet pldul a genetika vagy az olajbnyszat: az els esetben a gntrkpek, a msodiknl a geo-

lgiai adatok hatalmas tmegt kell elemezni. Ehhez esetenknt ugyanolyan adatbnyszati eszkzket hasznlnak, mint az zleti vilgban a vsrlsi szoksok s magatartsok vizsglatnl.


intelligenciatechnikkkal jobb eredmnyt elrni.36 Knyvk a SAS Institute modelljre hivatkozva az zleti intelligencit kt nagy rszre bontja. Az els sszefoglal neve hozzfrs s jelentskszts; idetartoznak a standard s az ad hoc jelentsek, a keress (query) s a lefrs (drill down), valamint a jelzrendszerek (alerts). A msodik, elemzs vagy analzis (analytics) nev rsz ngy alkategribl ll: statisztikai elemzs, extrapolcis elrejelzs, el-rejelz modellezs s optimalizls. Az egyes elemek dntstmogat szerept a 8.1. tblzatban szerepl krdsekkel rzkeltetik. A szerzk szerint, ahogy felfel haladunk a tblzatban (a standard jelentsektl az optimalizls fel), gy lesznek az eljrsok egyre intelligensebbek.

8.1. tblzat. Az zleti intelligencia sszetevinek dntstmogat szerepe

Optimalizls Mi lehet a legjobb?

Elrejelz modellezs Mi trtnik?

Extrapolcis elrejelzs Mi lesz, ha a jelenlegi trendek folytatdnak?

Statisztikai elemzs Mirt trtnik, ami trtnik?

Jelz- (riaszt-) rendszerek Mit kell tenni?

Keress s lefrs Mi a problma lnyege?

Ad hoc jelentsek Hny, milyen gyakran, hol...?

Standard jelentsek Mi trtnt?

Forrs: DavenportHarris (2007) 8.

Az zleti intelligencia eszkztra igen szles skln mozog, trgykrbe olyan terletek is tartoznak, amelyek ma mr kln szakgaknak szmtanak. Ilyen pldul az adattrhz- s az adatpiac-pts, az analitikus CRM, a kontrolling-, marketing-, valamint vezeti informcis rendszerek. Ide sorolhatk az adat-bnyszati elemzsek s az adatminsg-biztosts is, de tgabb rtelemben ide rtnk minden olyan informciszolgltatst, ami integrlt s tematikus m-don szervezett adatvagyont ignyel, mint pldul a ktelez felgyeleti jelen-tskszts s az olyan sszetett pnzgyi kimutats- s kalkulcirendszerek, mint az IFRS vagy a Basel II. (Ez utbbiakrl ksbb mg kln szt ejtnk ebben a fejezetben.)

Nem llunk messze az igazsgtl, ha azt mondjuk, hogy az zleti intelli-gencia az zleti dntsek adatokkal s elemzsekkel trtn megalapozst

36 DavenportHarris (2007) 1722.


szolglja. A tudsmenedzsment szhasznlatval: funkcija az, hogy adatbl informcit, az informcibl tudst csinljon: segtsgvel a dntshoz le-gyen az brhol a szervezeti hierarchiban tisztbban lssa, hogy mi trtnik az zletben s annak krnyezetben, megrtse a vllalat mkdst, pontos kpet kapjon annak llapotrl, mozgsrl, s mindezek alapjn jobb dnt-seket hozzon. Az zleti intelligencia eszkzei nlkl zletet vezetni olyan, mint autt vezetni a mszerfalon a klnbz rkon, szmllkon, a fedlzeti szmtgp kpernyjn megjelen informcik nlkl.

Trtneti ttekints

Az zleti intelligencia felmeninek trtneti ttekintse kt fontos tanulsggal szolgl. Az egyik az, hogy adatok s informcik gondos gyjtsvel, feldol-gozsval s elemzsvel rendkvli eredmnyeket lehet felmutatni. A modern gazdasg egyszeren nem ltezhetne ilyen eljrsok nlkl. A msik tanulsg az, hogy e megkzeltsnek is megvannak a maga korltai, amelyeket nem le-het fi gyelmen kvl hagyni.

Az zleti intelligencia kifejezst az informatikai s a vezetsi szakma csak n-hny ve hasznlja. Ez azonban korntsem jelenti azt, hogy teljessggel j do-logrl van sz. Ha a gykereket kutatjuk, visszamehetnk a mlt szzad elejig. Az zleti intelligencihoz kapcsold gondolatvilgban, vezetsi fi lozfi ban nem nehz felismerni a taylorizmus egyes elemeit. A Frederick Taylor nevvel fmjelzett, tudomnyos vezets elnevezs irnyzat a vllalatot tulajdonkppen gpknt fogta fel, amihez mindenfle jelzmszerek s szablyozkarok kap-csoldnak. A vezetk s az ket tmogat szakrtk feladata, hogy mrn-ki eszkzkkel (mrssel, stopperrval) minl pontosabb kpet kapjanak a gp llapotrl, majd gondos elemzs alapjn belltsk a szablyozkarokat. Ez tnyek (konkrt adatok, informcik, szakszer elemzsek) alapjn val ve-zetst jelent, a kor technikai sznvonaln persze, hiszen szmtgpnek mg nyoma sem volt.

A taylorizmus ltvnyos eredmnyeket hozott, de nem volt mindenhat. Tzishez az n. emberi kapcsolatok iskolja szolgltatta az antitzist.

Ugorjunk most egy nagyot az idben egszen a mlt szzad kzepig! Tud-juk, hogy az Amerikai Egyeslt llamokat felkszletlenl rte a II. vilghbo-r. 1939 s 1945 kztt maximlis fordulatszmra kellett lltani a gazdasgot s a hadiipart. Rengeteg j gyrat ptettek fel, sok rginek pedig megvltoztat-


tk a termelsi profi ljt. A gpek mell hatalmas tmegben munksokat kellett lltani, kzttk olyanokat is, akik mg sohasem lttak bellrl gyrat. Nyu-godtan mondhatjuk: ez volt minden idk egyik legnagyobb vezetsi kihvsa.

Az amerikai hadseregben hasonl volt a helyzet. A lgier a hbor eltt alig tbb mint 400 gppel bszklkedhetett, Roosevelt elnk viszont 1940-ben mr 50 000-re tartott ignyt. A hbor vgn mr 230 000 gpet kellett fel-gyelni, az alkatrszelltsrl s a kiszolglsrl nem is beszlve.

Nyilvnval volt, hogy ezeket a hatalmasra duzzadt kapacitsokat s llo-mnyokat nem lehet a rgi mdszerekkel kontrolllni: j vezetkre s j me-nedzsmentmdszerekre volt szksg. Amit ma modern logisztiknak, kltsg-kontrollnak s rendszerelemzsnek neveznk, jrszt az USA hadseregben fejlesztettk ki a II. vilghbor alatt. A hadiipar teht nemcsak technikai j-donsgokkal gyaraptotta a gazdasgot, hanem jfajta vezetsi s szervezsi mdszerekkel is. A sereg az egyetemekrl egy csom tehetsges fi atalt szvott magba, akik megjelentek az irodkban, a hbors back offi ce-okban (front-vonal mgtti egysgekben).

Az USA lgiereje 1942-ben szerzdst kttt a Harvard Egyetemmel sta-tisztikai mdszerek hasznlatban jratos tisztek kpzsre. Munkjuk volt bven, hiszen a hbor eltti hadsereg vezetsi rendszere fejletlen, inform-lis, st nyugodtan mondhatjuk, kaotikus volt: a dntsekhez egyszeren nem voltak adatok, amit a hborban a sereg mr nem engedhetett meg magnak. A kpzett j tisztek villmgyorsan felptettek egy statisztikai kimutatsokra pl kontrollrendszert, ami kellen pontos kpet adott a gpek s a hadm-veletek llapotrl. Szakemberek foglalkoztak az adatok sszegyjtsvel, ren-dezsvel s rtelmezsvel, akik jelentseket s terveket tettek le a vonalbeli parancsnokok el. Tulajdonkppen pontosan azt csinltk, ami egy vllalat-nl a kontrollerek feladata, de a mi szempontunkbl azt is mondhatjuk, hogy intelligencia-eszkzket hasznltak a kor technikai sznvonaln.

A sereg megtanulta, hogyan kell a szmokat hasznlni a dntshozatalban: mennyit kell ellltani ebbl vagy abbl a fegyverbl, hova kell telepteni a gyr-tst, mikor s hova kell szlltani. Rengeteg olyan krds vetdtt fel, amelyre szmokkal kellett vlaszolni. Az eredmnyek mellett az intuitvabb problmk megoldsnl a matematikai statisztikai mdszerek gyengi is kitkztek.

A hbor utn a lgier irnytsi szakrti sztramlottak a gazdasg leg-nagyobb vllalataiba, ahov magukkal vittk az j mdszereket, gy pldul a statisztikai elemzsi technikkat, az opercikutatst, a rendszerelemzst s


a jtkelmletet is, megerstve a vllalatvezets tudomnyos vonalt. Sok olyan embert szortottak ki a vezetsbl, akik ugyan jobban reztk az zletet nluk, de az j technikk alkalmazshoz nem volt kell kpzettsgk.

Henry Ford, az azonos nev cgalapt fi a, azonnal lecsapott a frissen le-szerelt csapatra; visszaemlkezsek szerint az sem rdekelte, mekkora fi zetst krnek. Vllalata, az egyik legnagyobb hadiipari beszllt, a gyors nvekeds miatt nem kevsb volt kaotikus llapotban, mint a lgier a hbor eltt. A vezetsben csak elvtve akadtak egyetemet vgzett emberek. A cg kivl terepnek bizonyult a tudomnyos vezets, a hideg logika s a kvantitatv md-szerek szmra.

A Fordhoz kerlt csapat vezet szemlyisge Robert McNamara volt. ren-delte el azt az els tfog tvilgtst (cgauditot), amire vtizedek ta nem volt plda a vllalatnl. A vllalat vezet kontrollernek funkcijt tlttte be, vezetse alatt a kzponti pnzgyi-szmviteli stb tbb szz fsre ntt. A kontrollingiroda korbban csak knyvelssel, a kltsgek s a mveletek re-gisztrlsval foglalkozott, McNammra viszont a kvantitatv elemzsre, az el-rejelzsek ksztsre s a tervezsre helyezte a hangslyt. A vllalatot nyere-sgkzpontokba szerveztk, az iroda ellenrzse al vonva mindent, a beszer-zstl kezdve az rtkestsig. Mivel az irodnak egyre nagyobb szerepe lett a dntshozatalban, hatalma megersdtt a vonalbeli vezetkkel szemben.

A Fordhoz kerlt szakrtk a maguk matematikai mdszereivel kevsb eredmnyesnek bizonyultak az emberi kapcsolatok kezelsben s egyes ter-mktervezsi problmk megoldsban. Hamarosan sszetkzsbe keve-redtek a termelsi vezetkkel, akik egybknt sem kedveltk ket. Ezekben a csatkban ltalban a szmokkal rvel, a formlis logika szablyaihoz ra-gaszkod csapat nyert a megrzsekre, zlsre, tapasztalatra, sztnkre hi-vatkoz vonalbeli vezetkkel szemben, akik koszos, vitathatatlanul alacsony hatkonysg zemeket irnytottak br ktsgtelenl sokkal jobban rtettek az autgyrtshoz a kontrollereknl.

A kontrollingiroda minsget kvetelt az zemvezetktl, de ltalban nem adta meg hozz az eszkzket. McNamara s emberei a minsghez is sz-mokon keresztl kzeltettek. Az zemvezetk gyorsan megtanultk, hogyan jtsszk ki ket: hol a minsgellenrket csaptk be, hol a kzeli folyba sly-lyesztettk a raktron maradt alkatrszeket, gy kozmetikzva szmaikat.

A versenyben nyilvnvalan fontos kltsgkontroll, a vgletekig vitt kltsg-haszon elemzs furcsa, st tragikus dolgokat is eredmnyezett. Az 1970-ben


bevezetett Ford Pintnak volt egy rossz szoksa: hts tkzseknl knnyen kigyulladt. A kontrollingirodn kiszmtottk, mennyibe kerlne a modell t-tervezse, s mennyibe a hallesetek rendezse: kiderlt, hogy az elbbire 137 milli dollrt kellene klteni, az utbbit viszont meg lehet szni 49,5 millibl. A Ford becslse szerint egy emberi let 200 725 dollrt rt, fi gyelembe vve a kies munkaidt, a krhzi kltsgeket, a szenvedst s az esetleges teme-ts rt.37 A robbankony Pinto ttervezst nem hagytk jv. Klnben is, a hbor utn akkora volt az autk irnti kereslet, hogy a Ford nem rezte szksgt az innovcinak. Stratgia s jvkp nlkl a szmokban val gon-dolkods ncl technikv vlt.

ncl, de ktsgtelenl eredmnyes technikv. A tizent v alatt, amg az egykori lgiers szakrtk a Fordnl tboroztak az eredeti csapat hat tagja kerlt be a legfels szint vezetsbe , a vllalat nagy piacot rabolt el a General Motorstl, tzsdei rfolyama pedig ltvnyosan emelkedett. McNamart Henry Ford 1960 szn a vllalat elnkv nevezte ki, de nem sokig maradt ebben a szkben: kormnyzati pozcit kapott John Kennedytl. A szmok s a statisztikai analzis alapjn val vezetsrl szerzett ismereteit hadgyminisz-terknt a vietnami hborban kamatoztathatta ismert eredmnnyel.38 A kr bezrult: a mdszerek visszakerltek a hadszntrre.

Rakesh Khurana, a Harvard Egyetem professzora, az zleti iskolk trtne-trl szl knyvben rszletesen lerja39, milyen hatst gyakorolt a dntst-mogat technikk, statisztikai mdszerek, a tnyek s a szmok alapjn val vezets fontossgt hangslyoz Ford Alaptvny a menedzserkpzsre. A kor idelis menedzsere hideg fejjel gondolkod technokrata volt, aki tnyek, szak-szeren elksztett elemzsek leginkbb pnzgyi elemzsek alapjn tl s dnt. Az irnyad menedzserkpz iskolk a vezeti dntsekhez az elmleti modellek fell kzeltettek, kvetkezskppen az elmleti kutats fontossgt hangslyoztk: az foglalkoztatta ket, miknt kellene dnteni, s nem az, ho-gyan szletnek meg a dntsek a valsgban.

A gazdasgban az analitikus, szmokkal operl vezetsi irny korltainak felismerse hossz vekbe tellett. A hatvanas vek gyors gazdasgi nvekedse megerstette Amerika hitt a lgier s a Ford kpnyegbl kibjt szakrtk ltal kpviselt mdszerekben. A hadseregbl s a Fordtl szakemberek szzai

37 Gabor (2000) 140.38 McNamara (1996)39 Khurana (2007) 271273.


ramlottak szt az iparba: vezet cgek hossz sora bszklkedhetett ilyen gondolkods pnzgyi s kontrollingvezetkkel. A termkekrl s a techno-lgikrl keveset tudtak, de mindenre rhztk a kltsg-haszon elemzsek, a statisztikai jelentsek, az optimalizlsi modellek, a szmok alapjn val ve-zets egyenruhjt. Ez a gondolkodsi md httrbe szortott olyan nehezen megfoghat dolgokat, mint az innovci, a vllalati kultra, a kockzathoz, a lehetsgekhez val viszony, az jdonsgokba vetett hit.

Aztn jttek a hetvenes vek, amikor egy egsz sor amerikai vllalat dbbent r: ki van szolgltatva a japnok tmadsnak, a szmok bvletben fontos vezetsi rtkekrl feledkeztek meg: a termkrl, az innovcirl, a minsgrl s mindazokrl a puha tnyezkrl, amelyek ezeket befolysoltk.

Az zlet s a piac emberekrl, azok komplex viselkedsrl szl szri le a tanulsgot a maga szempontjbl Joan Magretta.40 zleti elkpzelsei megva-lstshoz minden vezetnek szksge van adatokra, szmokra. Ezekbl l-talban van bven, de kzlk csak azok szmtanak igazn, amelyek segts-gvel szembe lehet nzni a valsggal, s tenni lehet valamit. Ahhoz, hogy egy szervezetet koordinlni, meghatrozott irnyokba mozgatni lehessen, tnyek egysges bzisra van szksg, valahogy gy, ahogy egy piltnak is szks-ge van a naviglshoz a gp mszerfalra. E tekintetben a helyzet nem rossz, hiszen a technika s a tudomny fejldse egyre kifi nomultabb eszkzket s mdszereket knl. Mgis, minden jel arra vall, hogy az adatok s a szmok vilga az zletnek s a vezetsnek csak az egyik oldala. Van ugyanis egy msik is, amit humn vagy viselkedsi oldalnak nevezhetnk.

Ha ttekintjk a vllalatvezets trtnett, lthatjuk, hogy a menedzsment szakmaknt vagy tudomnyknt e kt oldal kztt ingadozik, s ami a legrde-kesebb: ez a kt oldal nehezen jn ki egymssal. Ha kinyitunk egy modernebb management science knyvet41 s belelapozunk, olyan, mintha egy matema-tikai tanknyvet tanulmnyoznnk: lineris programozs, dntsi modellek, statisztika, kszletgazdlkods, szimulci stb., mindez persze szmtgpen. A cm azt sugallja, hogy ez az, ami a vezetsben tudomny: kemny ada-tok, szmok, kifi nomult technikkkal feldolgozva. Ami ezen kvl van, sugallja a knyv cme, az mr nem tudomny a sz szorosan vett rtelmben, inkbb valamifle tvzete az sztnnek, a tapasztalatnak s a mvszetnek.

40 Magretta (2002) 127.41 Lsd pldul LawrencePasternack (2002)


A kpet tulajdonkppen ahogy egykor Newton is fogalmazott42 az em-berek zavarjk meg, a maguk kiszmthatatlan viselkedsvel, rzelmeivel, za-varos indtkaival. Velk a lgy diszciplnk foglalkoznak, amiket szerve-zeti viselkeds, emberi erforrsok menedzsmentje s hasonl elnevezs trgyak keretben tantanak az zleti iskolkban.

Mint emltettk, a kt oldal nem klnsebben kedveli egymst, mgis, a teljes kphez mindkettre szksg van. A menedzsmentszakma idrl idre beleszeret a csbtan racionlis s jl felptett mrnki-matematikai oldalba, ahol a fejlds rendkvl ltvnyos. Nmi tapasztalatszerzs utn azonban ez a szerelem hvsebb lesz, s tbb fi gyelem irnyul a humn-viselkedstudo-mnyi oldal fel. Elbb-utbb ugyanis elbukkannak a legfrissebb technikai eljrsok korltai, kirajzoldik az a hatrvonal, ameddig szmokkal s mate-matikai mdszerekkel el lehet menni. A nagy krds vltozatlanul az, mennyi-re lehet egy vllalat llapott s kpessgeit szmokkal kifejezni, eredmnyeit, haladsi irnyt, rtkt szmszerstett mutatkkal mrni.

Vizsgljuk meg most az zleti intelligencia trtnett a dntstmogat rendszerek (decision support system, DSS) szempontjbl! A dntsek tmoga-tsa az informcis technolgia egyik legfontosabb alkalmazsi terlete. Cl-ja az, hogy a racionlis dntshozatalhoz segtsget adjon. A dntstmogat rendszerek pontos defi ncijt megadni, hatrvonalukat pontosan meghzni ugyanolyan nehz, mint az zleti intelligencia esetben. Az elnevezsek ke-verednek, a tisztnltst a kemny piaci versenyben dolgoz informatikai c-gek s tancsadk is neheztik, akik marketingmegfontolsokbl elszeretettel tkeresztelnek, tmrkznak olyan eljrsokat s alkalmazsokat, amelyek r-gebbi megoldsok fejlettebb, modernizlt vltozatainak tekinthetk, funkci-juk teht ugyanaz, mint felmenik.

Szmtgp nlkl termszetesen nagyon nehz s drga dolog volt nagy-mret informcis rendszereket felpteni. Az n. vezeti informcis rend-szerek (management information system, MIS) a hatvanas vek msodik felben jelentek meg, akkor, amikor a mainframe-gpek (elssorban az IBM System 360-as) utat trtek maguknak az zleti vilgba. Ekkor szlettek meg egyes vezet egyetemek szmtgpre alapozott dntsi modelljei. A hetvenes vek elejtl az zleti lapok nvekv szmban publikltak cikkeket a vezeti dnt-

42 Ki tudom szmtani az gitestek mozgst, de az emberek rltsgvel nem tudok kalkullni mondta egyszer Isaac Newton, miutn egy csom pnzt vesztett a tzsdn.


si rendszerekrl, a stratgiai tervezsrl s a dntstmogatsrl, de a knyv-kiadk s a konferenciaszervezk is hamarosan lecsaptak az j tmra.

A hetvenes vek vge fel mr egy sor olyan interaktv informcis rend-szer mkdtt, amelyek dntstmogat rendszerek (DSS) nv alatt a veze-tket segtettk a rosszul strukturlt problmk megoldsban. Mivel a nagy mainframe-gpek uralma utn az asztali gpek hullma kvetkezett, a dnts-tmogats demokratizldott, fellrl lefel terjeszkedni kezdett a vllalati hierarchiban, segtve a klnbz funkcionlis rszlegek munkjt. A model-lek vltozatosabbak lettek, erre kapott az optimalizls s a szimulci, sta-tisztikai csomagok jelentek meg a piacon, egyre tbben ksrleteztek mester-sges intelligencival s szakrti rendszerekkel, npszer eszkzkk vltak a pnzgyi tervez rendszerek.

A fejld rendszerek nemcsak az egyni vezeti dntseket tmogattk, hanem a csoportos dntshozatalhoz is segtsget nyjtottak. A szmtg-pekkel tmogatott csoportos dntsekkel mr a hatvanas vekben elkezdtek ksrletezni. E vonulatnak a vllalati hlzatok, majd az internet megjelense, valamint a hozzjuk kapcsold groupware szoft verek fejldse adott jabb impulzust.

A kilencvenes vek elejtl a fejld relcis adatbzisok, az adattrhzak s az OLAP hoztak j sznt a vezeti informcis s dntstmogat rendsze-rek vilgba. Az zleti intelligencia elnevezst mint mr emltettk Howard Dresner kezdte npszersteni 1989-ben tnyadatokra alapozott dntstmo-gat eszkzk egyttes megjellsre.

Az zleti intelligencia fejldsnek mai mozgatrugi

Az zleti intelligencia manapsg az informatikai ipar egyik leggyorsabban fej-ld gnak tekinthet. Fejldst, nvekv npszersgt nhny fontos t-nyez magyarzza, a kvetkezkben ezeket tekintjk t.

Adatrobbans

Az zleti intelligencia kenyere, legfontosabb tpllka az adat. Az zleti szer-vezetek termszetesen kezdettl fogva gyjtttek magukrl adatokat. A sz-mtgpek megjelense s elterjedse valsgos adatrobbanst hozott mag-val. Nemcsak egyszeren arrl van sz, hogy a korbban papron rgztett


adatokat szmtgpes adathordozkon lehet trolni, hanem arrl is, hogy a szmtgppel tmogatott rendszerekben olyan adatok keletkeznek hatalmas tmegben, amelyek korbban gyakorlatilag nem is lteztek: felmrhetetlenek s kvethetetlenek voltak. Az informatikai rendszerek ma emberi beavatkozs nlkl lltjk el s rgztik ezeket.

Az zleti szervezetek nvekv hnyadnl mr kiplt vagy ppen pl-flben van az operatv mkdst tmogat informatikai infrastruktra, a digi-talizlt tranzakcis rendszer. Ennek sokfle, egymssal sszekapcsolt vagy egymstl fggetlenl mkd eleme van, gy pldul az integrlt operatv irnytsi rendszer (ERP), a beszllti lnc kezelsre szolgl rendszer (SCM) s az gyflkapcsolatok menedzsmentje (CRM), hogy csak a legfontosabbakat emltsk. Ezekben rengeteg adat keletkezik s rgzl, gyakorlatilag szinte min-den esemny, mozgs, vltozs, tranzakci gpre kerl.

A folyamat egyltaln nem tekinthet befejezettnek: egyms utn jelennek meg azok az j technolgik s eszkzk, amelyek mg nagyobb tmeg ada-tot generlnak. Gyorsan terjed pldul az elektronikus kereskedelem; rendsze-reiben az eladk s a vevk minden lpse nyomon kvethet. Az internet s a vilghl npszer reklmozsi eszkzz vlt; a hagyomnyos reklmozsi mdokkal (pldul jsghirdets, televzis reklmfi lm) szemben a kattints internetes reklmoknak az az elnyk, hogy nyomon lehet kvetni a marketing-zenetek hatst, elemezni lehet a megclzott gyflkr viselkedst. A rdi-frekvencis azonosts (radio frequency identifi cation, RFID) terjedse tovbb fogja nvelni a kereskedelmi forgalomban keletkez adattmeget, akrcsak az elektronikus banki tutalsok s hitelkrtys fi zetsek hasznlata. A vilg sz-mos orszgban fontos lpseket tesznek az egszsggy digitalizlsa rdek-ben, ami egyebek kztt rengeteg diagnosztikai s egyb adat keletkezst s trolst jelenti, amelyek egy rsze zleti szempontbl is hasznos lehet. A pl-dk sort nyilvn folytathatnnk tovbb is.

Az adatrobbanson kvl az zleti intelligencia fejldshez s terjedshez termszetesen az is szksges, hogy az adatok trolshoz, feldolgozshoz, tovbbtshoz, az eredmnyek megjelentshez szksges hardvereszkzk lpst tartsanak a keletkez, feldolgozsra vr adattmeggel, s kellkppen olcsk legyenek a felhasznlk szmra, vagyis a szksges informatikai beru-hzsok megtrljenek.


Verseny

Az zleti intelligencia azt jelenti, hogy a nagy tmeg adattal valaki zleti clbl kezd valamit. Az adattmegbl akkor lesz rtkkel br adatvagyon, ha valaki megprblja hasznostani, egyszeren fogalmazva: megprbl pnzt kihozni belle. A hasznostsra a piaci verseny sarkallja a vllalatokat. Ez az a jelensg, amit a tma egyik szakrtje, a mr idzett Th omas Davenport competing on analyticsnek, azaz adatelemzssel val versenyzsnek nevez. Az adatok megfe-lel technikkkal val feldolgozsa lehetv teszi, hogy a vllalatok jobb dnt-seket hozzanak: segti a dntshozkat abban, hogy megrzseik, sejtseik vagy egyszeren a vakszerencse helyett tnyekre, bizonythat vagy nagy valszn-sggel br sszefggsekre, trvnyszersgekre, tnyekkel, logikval igazolt mintkra tmaszkodjanak. Ha valaki jobb dntseket hoz, akkor elnyre tehet szert a tbbiekkel szemben a feldolgozs mdjbl, kifi nomultsgbl gy lesz versenykpessgi tnyez.

A versenyben az elemzsek mlysge mellett a gyorsasg is szerepet jt-szik. A kett persze sszefgg egymssal, hiszen ha tbb id ll rendelkezs-re, sokkal alaposabb elksztst lehet vgezni Az zleti intelligencia jelen-tsge abban ll, hogy kell mlysg elemzseket tesz lehetv a megfelel idben.

Az elz szakaszban lertuk, hogy az informatikai alkalmazsoknak k-sznheten milyen nagy tmeg adat keletkezik pldul a kereskedelemben. Ezek megfelel eszkzkkel val elemzse fontos segtsget adhat az olyan, egybknt nehezen megragadhat jelensgek lershoz s rtelmezshez, mint pldul a vsrli viselkeds. Nem vletlen, hogy az intelligenciaprojek-tek elszeretettel veszik clba ezt a terletet: a digitlis nyomok (vsrlsok, t-utalsok, keressek stb.) elemzse segtsget ad a szegmentlsi-pozicionlsi problmk megoldshoz, a meglv s a potencilis vevk vrhat lpseinek elrejelzshez.

Az zleti intelligencia eszkzei azrt terjednek, mert hasznlatuk verseny-elnyt biztosthat a vllalatoknak. Ez az elny azonban nem lland. Az z-leti intelligencia krbe tartoz informatikai eszkzknek, akrcsak az zleti cl informatikai alkalmazsoknak ltalban, van egy fontos sajtossga: ami ma klnlegesnek, egyedinek szmt, az rvid idn bell htkznapi s k-znsges lesz. A j megoldsokat nagyon gyorsan lemsoljk: azok tovbbra is fontosak maradhatnak, de knny hozzfrhetsgk, elterjedtsgk miatt


versenyelnyt mr nem adnak. Ez a folyamatos forgs arra kszteti az eszk-zk fejlesztit, hogy llandan jabb s jabb, egyre fejlettebb, kifi nomultabb vltozatokkal, jdonsgokkal lljanak el.

Az zleti intelligencia teht versenytnyez, ugyanakkor versenyplya is, mert ami e tren ma jdonsgnak s szakmai bravrnak szmt, az holnapra egyszer bekerlsi felttel lesz, amit mindenki knnyen lemsol, szoft ver-csomagokban kszen megkap, vagyis a klnlegessg hatrvonalt llandan elre kell tolni: nem lehet megllni, mindig el kell jnni valami jjal, a korb-biaknl fejlettebb, innovatv megoldssal. Fel kell hvnunk a fi gyelmet arra is, hogy rdekes mdon nemcsak az adatelemzsi technikk, hanem a segtsgk-kel levont kvetkeztetsek, dntsek is elavulnak. Daniel Yankelovich s David Meer pldul azt lltja43, hogy az vtizedeken t hasznlt, tbbnyire knnyen megszerezhet demogrfi ai s fldrajzi adatokra pl piacszegmentlsi m-dok hatstalann, triviliss vlnak: a jv szerintk a pszichografi kus gyfl-profi lok. Az innovcis hatrvonal rendszeres elretolsa nem egyszer fel-adat, mivel nem elegend megalkotni az j vagy tovbbfejlesztett eszkzket, megrni a szksges szoft vereket: azokat a felhasznlknak is meg kell rtenik s be kell fogadniuk. Az innovci mellett teht megjelenik egy idignyes ta-nulsi folyamat is.

A gyakorlati tapasztalatok azt is mutatjk, hogy az zleti intelligencia s a hozz kapcsold vllalati viselkeds fejldsnek fontos eleme a ksrlete-zs. Davenport s Harris mr hivatkozott knyvkben olyan cgekrl rnak, amelyeknl zleti ksrletek szzait futtatjk folyamatosan. Hipotzis, ksr-let, elemzs, tanuls, cselekvs, jabb hipotzis ez a folyamat fut rendszere-sen. Az analitikus, az adatbnysz tevkenysge ezeknl a vllalatoknl bepl a mindennapokba.

Az analitikval val versengs-hez tovbbi rdekes problmk s ksr-jelensgek is kapcsoldnak. Dntshozatali szempontbl a vllalatokat sokan egy piramishoz hasonltjk, amelynek az aljn jl strukturlt dntsi helyzetek vannak, a tetejn pedig rosszul vagy gyengn strukturltak. Vitathat, meny-nyire pontos, s mennyire ltalnosthat ez a kp a mai vilgban, de fogad-juk el! Az zleti intelligenciarendszerek s alkalmazsok fejldsnek rdekes krdse, hogy meddig tudnak felkapaszkodni ebben a piramisban, a dntsek mekkora krt tudjk strukturltt tenni, s mit tudnak kezdeni a nem struk-

43 YankelovichMeer (2006)


turltakkal. Minl strukturltabb egy dnts, annl inkbb automatizlhat, az automatizls pedig idvel feleslegess teszi a dntshozt, vagyis az zleti intelligencia fejldsvel llsok, munkahelyek tnnek el, ami statisztikai esz-kzkkel jl megfi gyelhet jelensg.44

Teljestmnymenedzsment

Az zleti intelligencia fejldsnek s terjedsnek egyik mozgatrugja az integrlt, szmtgppel tmogatott vllalati teljestmnymenedzsment irnti igny. Ezekben a rendszerekben, illetve a tmogatsukra szolgl informatikai alkalmazsokban az zleti intelligencia krbe tartoz tevkenysgek s alkal-mazsok (jelentskszts, adattrhzak, OLAP, adatbnyszat stb.) meghat-rozott szerepet jtszanak.

Ahogy fentebb mr kifejtettk, sok vllalatnl mr kiplt az operatv m-kdst tmogat infrastruktra: szmtgpes munkahelyeket hoztak ltre, tranzakcis rendszereket teleptettek, folyamataikat, dntseiket szmtgpes alkalmazsokkal tmogatjk, rendszereiket sszekapcsoljk ms szervezetek rendszereivel. Megvalsul az a modell, amit gy neveznk integrlt, kiter-jesztett, vals idej elektronikus vllalat. Az elektronizls, az automatizls fejldse a vals idej (real time) rendszerek fel mutat. Ezekben az alkalma-zott informatikai eszkzk a mindenkori vals (vagy idben ahhoz nagyon k-zeli) llapotot mutatjk, azt pldul, hogy ppen mennyi nyersanyag van a rak-trban, mennyi pnz van a szmln, mekkora az aktulis rendelsllomny, mennyit kltttek valamelyik technolgia fejlesztsre, mekkora eredmnyt produkltak az zletgak. A vllalat szakemberei teht folyamatosan nyomon kvethetik a vllalat s az egyes rszlegek teljestmnyt, valahogy gy, mint ahogy a sofr is az aut aktulis sebessgt ltja a mrrn.

Az informcikban gazdag, vals idej kp rendelkezsre llsa fontos fel-ttele a teljestmny menedzsmentjnek, de nem azonos azzal. A teljestmny-menedzsment tbbfle tevkenysgbl ll, amelyeknek elvileg zrt szablyozsi krr kell sszellniuk. A 8.1. brn lthat modellben a vllalati stratgia a ki-indulpont. A stratgit operacionalizlni kell, konkrt clokra kell lebontani. A clok megvalstsa rdekben befektetsi elktelezettsgeket kell vllalni, dntseket kell hozni, mindezeket tervekben kell megjelenteni. A terveket

44 Lsd errl pldul LevyMurnane (2004)


vgre kell hajtani, az eredmnyeket folyamatosan mrni kell, a mrsi eredm-nyeket jelentsek, eredmnyjelz tblk (lsd a kiegyenslyozott mutatszm-rendszerekrl szl 7. fejezetet), mszerfalak (dashboard) formjban el kell juttatni a dntshozkhoz. Az adatok egyszer sszegyjtse s tovbbtsa nem elegend: a vezetknek feladatukhoz, hatskrkhz kapcsold elem-zsekre van szksgk. Az elemzsek alapjn egyrszt beavatkozsi dntsek szletnek, msrszt azok eredmnyei visszacsatolhatk a stratgiaalkotshoz: a vllalat tanul tapasztalataibl s szksg szerint mdostja stratgijt.

A vllalatok ma mr sokfle informatikai eszkzt hasznlnak e teljest-mnymenedzsment-modellhez tartoz tevkenysgek tmogatshoz. Az z-leti intelligencinak a 8.1. tblzatban felsorolt eszkzei elssorban a dntsek tmogatsnl, a mrsnl s az elemzsnl kapnak szerepet. Az egyes tev-kenysgekhez tartoz eszkzk tbbnyire klnbz idpontokban jelentek meg a vllalatoknl, amelyeket klnbz rszlegek eltr szempontok alapjn

8.1. bra Az integrlt teljestmnymenedzsment-rendszer modelljeForrs: Dresner (2007) 15.


vlasztottak ki. A teljestmnymenedzsment e szigetrendszerei kztt az embe-ri beavatkozsok jelentik az sszekt kapcsot: az ember kzvett, tolmcsol a klnbz alkalmazsok kztt, ami drga, idignyes, hibalehetsgekkel megtzdelt folyamat.

A teljestmnymenedzsment-alkalmazsok fejldsnek egyik alapvet irnya a szablyozsi ciklushoz tartoz eszkzk s alkalmazsok integrl-sa. A fejlesztk eltt olyan rendszer vzija lebeg, amely egyszerre integrlt s rugalmas, egysges kpet ad a vllalatrl, alkalmazkodik a vltoz krlm-nyekhez, kls s bels adatforrsok kezelsre egyarnt alkalmas, sok funk-cit s sok embert kpes kiszolglni, benne a szablyozsi kr tevkenysgei (tervezs, dnts, rtkels stb.) kztti kapcsolatok automatizltak. A meg-valsts nagyon nehz feladat, s nem csak technikai okokbl: az is krdses pldul, mennyire lehet egy vllalat llapott, teljestmnyt, teljestkpes-sgt mutatszmokkal kifejezni, ezeket a mutatszmokat, illetve a mgt-tk lv jelensget emberi felfogsra alkalmass tenni, s miknt lehet azokat kiegyenslyozni, vagyis egyenslyt teremteni az egyes (pldul a pnzgyi, humn, minsggyi) terletek sokszor ellentmond clfggvnyei kztt. A management by numbers, a zrt szablyozsi krk koncepcija mr a sz-mtgpek elterjedse eltt is ltezett, most az a krds, hogy napjainkban a modern informcitechnolgiai tmogatssal mi valsthat meg. A teljest-mnymenedzsment-rendszerek fejldse meghzza az annak rszeknt, ele-meknt megjelen zleti intelligencit is.

A teljestmnymenedzsment-rendszerekkel kapcsolatos elkpzelsek idn-knt sajtos ideolgiai sznezetben jelennek meg. A mr tbbszr hivatkozott Howard Dresner pldul informcis demokrcirl r, olyan rendszert rt-ve ez alatt, amelyben a vllalat minden alkalmazottja az informatikai rszleg segtsge, vezeti szrs s cenzra nlkl hozzfr minden, szmra szks-ges informcihoz.

Megfelelsi kvetelmnyek

Az elz szakaszban bemutattuk, hogy az zleti intelligencinak fontos szere-pe van a vllalati teljestmnymenedzsmentben. A teljestmnymenedzsment-rendszereket a vllalatok azrt ptik, mert a versenyben nlklzhetetlenek. Jelentsek, kimutatsok azonban ms vagy rszben ms cllal is kszlnek: az zleti vllalkozsoknak bizonyos szablyozi, felgyeleti elrsoknak is meg


kell felelnik. Ezek az elrsok is az zleti intelligencia fejldsnek, terje-dsnek mozgatrugi kz tartoznak, leginkbb a jelentskszts (reporting) tekintetben.

Az elmlt vekben az zleti vilgban j, a korbbiaknl rszletesebb s szi-gorbb szmviteli s beszmolsi szablyok jelentek meg. Az USA szablyozi a dotkom-vlsg utni sorozatos vllalati botrnyokra (leginkbb az Enron sz-szeomlsra) a 2002. vi SarbanesOxley (SOX) trvnnyel reagltak, ami plusz-kvetelmnynek tekinthet a beszmolkszts egyb szablyai mellett. A tr-vny a tzsdn jegyzett cgektl nagyobb tlthatsgot s a jelentsek pontoss-grt val szemlyes vezeti felelssgvllalst kvetel meg. Az Eurpai Uni az egysges piacon mkd trsasgok szmra elrja, hogy jelentseiket az IFRS (International Financial Reporting Standards) beszmolksztsi elveinek meg-felelen ksztsk el s tegyk kzz. A szablyozsnak egyrszt az tlthatsg (transzparencia) a clja, msrszt a pnzgyi eredmnyek sszehasonlthatsga, ami klnsen fontos az Uni klnbz orszgaiban befektetknek. A SOX s az IFRS mell oda kell tennnk a Basel II elnevezs, a bankokra vonatkoz tr-vnyi keretszablyozst is, ami a pnzgyi szektor stabilitsnak vdelmt szol-glja, egyebek kztt a hitelkockzatok tfog felmrsnek bevezetse rvn.

A felsorolt elrsok hatkonysgrl, rvnyestsk kvetkezmnyeirl sokan vitatkoznak, de tmnk szempontjbl az a fontos, hogy ezek lteznek, a vllalatoknak pedig jra kellett gondolniuk, hogy miknt tervezik, mrik s jelentik teljestmnyket. A problma lnyege ugyanaz, mint amit az el-z pontban emltettnk: hogyan lehet megbzhat, egysges, teljes kpet kapni a vllalat llapotrl s teljestmnyrl. E feladat megoldsa klnsen nehz olyan szervezeteknl, amelyek sok, fldrajzilag sztszrt, klnbz orszgok-ban tevkenyked, klnbz tranzakcis rendszereket alkalmaz egysgbl llnak. Mg sok vllalatnak nincs egysges, az elrsoknak s az rintettek (vezetk, tulajdonosok, dntshozk) ignyeinek egyarnt megfelel jelents-ksztsi infrastruktrja. Ez a hinyossg tarts keresletet tmaszt az zleti intelligencia krbe tartoz megoldsok irnt.

Az zleti intelligencia piaca

Vizsgljuk meg most az zleti intelligencia piacnak keresleti s knlati ol-dalt. A tgabb zleti informatikai piacnak vannak olyan ltalnos jellemzi, trendjei, amelyek itt is megfi gyelhetk. Ilyennek tekinthet pldul a gyors


tmegcikkeseds, az rak cskkense, a kis- s kzpvllalati piac ersdse. A vllalati informatikai kiadsok nvekedsi teme a szzad elejn bekszn-ttt recesszit kveten jelentsen mrskldtt.45 ltalnos jelensg, hogy nvekv fi gyelmet kapnak azok a termkek s szolgltatsok, amelyek a ki-plt informatikai infrastruktra (a megvsrolt szoft ver- s hardvereszkzk, felptett hlzatok) jobb kihasznlst clozzk, vagyis az ptkezsrl egyre inkbb a felhasznlsra kerl t a hangsly. Az ide tartoz alkalmazsok pia-ca, kztk az zleti intelligenci, nagyobb nvekedsi mutatkat produkl az tlagosnl.

A 8.2. tblzatban kt, egyrszt a Saugatuck Technology, msrszt a Gartner Group ltal vgzett piaci felmrs eredmnyeit lthatjuk a vllalati informa-tikai beruhzsoknl rvnyesl prioritsokrl. Az ilyen felmrsi eredm-nyek rtkelsnl tancsos vatosan eljrni, mindazonltal szembetl, hogy mindkt listn az zleti intelligencia ll az els helyen.

8.2. tblzat 2007. vi beruhzsi prioritsok informatikai vezetk vlemnye alapjn

Rang A Saugatuck Technology felmrse A Gartner Group felmrse46

1 zleti intelligencia zleti intelligencia alkalmazsok

2 ERP szoftver/upgrade Vllalati alkalmazsok (ERP, CRM stb.)

3 Adattrhz Rgi alkalmazsok modernizlsa

4 j, testreszabott alkalmazsok Hlzatpts, hang- s adatkommunikci

5 Portlok, egyttmkdsi szoftverek Szerverek s trolsi technolgik (virtualizci)

6 Biztonsgi szoftverek Biztonsgi technolgik

7 Hlzat/upgrade Szolgltatsorientlt architektrk

8 Alkalmazs integrci Technikai infrastruktra menedzsmentje

9 DBMS SW/upgrade Dokumentummenedzsment

10 zleti folyamatok menedzsmentje Egyttmkdsi technolgik

Forrs: Saugatuck Technology, 2007. janur; Gartner Group, 2007. februr

Az zleti intelligencia piaca ltalban gyorsabban n az informatikai piac t-lagnl. A Gartner Group pldul 2006-ban az eurpai intelligenciapiacon h-rom orszgcsoportot klnbztetett meg az egy lakosra jut BI-kiadsok alap-

45 2007 jliusban, az egyik legnagyobb informatikai piacelemz cg, az IDC 4%-os nvekedst jsolt 2008-ra az USA technolgiai piacn, ami a vilgpiac nagyjbl egyharmadt kpviseli. Bulkeley (2008) 6.

46 A Gartner Group 2006. s 2008. vi felmrseiben is az zleti intelligencia ll az els helyen.


jn. Az elst vgtzknak neveztk (idetartozott Svdorszg, Dnia, Svjc, az Egyeslt Kirlysg, Hollandia, Finnorszg s Belgium), ahol ez a mutat 6 s 9 dollr kztt mozgott. A msodik csoportot kvetknek hvtk (Francia-orszg, Norvgia, Nmetorszg, Ausztria) 3 s 6 dollr kztti rtkkel, mg az zleti intelligencira lakosonknt 3 dollrnl kevesebbet klt harmadik cso-port fogja ssze a lemaradkat (Olaszorszg, rorszg, Spanyolorszg, Portu-glia, Grgorszg, Kelet-Eurpa).

A Gartner-elemzs szerint a vgtz orszgok rendelkeznek a legret-tebb s legdinamikusabb szoft verpiaccal Eurpban, nluk a legnagyobb az n. IT-penetrci, vagyis az informatikai eszkzk elterjedtsge. E csoport vllalkozsai jellemzen elsknt vezetik be az j technolgikat, gy k jelen-tik a BI-fejlesztsek elsdleges piact Eurpban. Azt is fi gyelembe kell venni, hogy nluk a legnagyobb az egy lakosra jut nagyvllalatok szma, amelyekre inkbb jellemz az zleti intelligencia alkalmazsa.

Az eurpai gazdasg zmt a kvetk adjk. Ebben a csoportban a vllalkozsok az elbbieknl pragmatikusabbak, kevsb kockzatvllalk. Szoft vervsrlsok tekintetben a vrjuk meg s megltjuk megkzeltst alkalmazzk, s a tapasztalatok alapjn nagyjbl flves fzisksssel k-vetik a vgtzkat. A kvetk piacnak nagy rszt termszetesen Fran-ciaorszg s Nmetorszg adja, ahol a nemzeti piacokon helyi vllalkozsok dominlnak.

A lemaradk esetben a legkisebb az egy fre jut BI-klts. Ezen orsz-gok jelents kis- s kzpvllalati bzissal rendelkeznek, amelyekre eddig nem volt jellemz az zleti intelligencia tfog alkalmazsa. Az elemzs szerint klnsen Kelet-Eurpban sok vllalkozs mg az informatikai infrast-ruktra alapjainak leraksnl tart.

A 2006-os felmrs szerint a vgtz rgi BI-piacnak nvekedse 14%-os, mg a kvetk s a lemaradk 11%-os. rdekes, hogy a fejlettebb r-gi nvekszik gyorsabban rett piacoknl ez fordtva szokott lenni. A magya-rzat erre valsznleg az, hogy az intelligenciaeszkzkre val klts egyfajta ciklikussgot mutat. A Gartner Group legfrissebb felmrsei szerint 2011-ig mr csak 7-8% vi piaci nvekeds vrhat.

Br az elzekben vzolt Gartner-felmrs Kelet-Eurpt egyben kezeli, az IDC 2007-ben publiklt, a magyarorszgi informatikai szolgltatsok piact bemutat, ttekint elemzse alapjn megprblhatjuk haznkat kiemelni eb-bl a kpbl. Az IDC a hazai zleti intelligenciapiac nagysgt 8,1 millird

/ColorImageDict > /JPEG2000ColorACSImageDict > /JPEG2000ColorImageDict > /AntiAliasGrayImages false /CropGrayImages true /GrayImageMinResolution 300 /GrayImageMinResolutionPolicy /OK /DownsampleGrayImages true /GrayImageDownsampleType /Bicubic /GrayImageResolution 300 /GrayImageDepth -1 /GrayImageMinDownsampleDepth 2 /GrayImageDownsampleThreshold 1.50000 /EncodeGrayImages true /GrayImageFilter /DCTEncode /AutoFilterGrayImages true /GrayImageAutoFilterStrategy /JPEG /GrayACSImageDict > /GrayImageDict > /JPEG2000GrayACSImageDict > /JPEG2000GrayImageDict > /AntiAliasMonoImages false /CropMonoImages true /MonoImageMinResolution 1200 /MonoImageMinResolutionPolicy /OK /DownsampleMonoImages true /MonoImageDownsampleType /Bicubic /MonoImageResolution 1200 /MonoImageDepth -1 /MonoImageDownsampleThreshold 1.50000 /EncodeMonoImages true /MonoImageFilter /CCITTFaxEncode /MonoImageDict > /AllowPSXObjects false /CheckCompliance [ /None ] /PDFX1aCheck false /PDFX3Check false /PDFXCompliantPDFOnly false /PDFXNoTrimBoxError true /PDFXTrimBoxToMediaBoxOffset [ 0.00000 0.00000 0.00000 0.00000 ] /PDFXSetBleedBoxToMediaBox true /PDFXBleedBoxToTrimBoxOffset [ 0.00000 0.00000 0.00000 0.00000 ] /PDFXOutputIntentProfile (None) /PDFXOutputConditionIdentifier () /PDFXOutputCondition () /PDFXRegistryName () /PDFXTrapped /False

/CreateJDFFile false /Description > /Namespace [ (Adobe) (Common) (1.0) ] /OtherNamespaces [ > /FormElements false /GenerateStructure false /IncludeBookmarks false /IncludeHyperlinks false /IncludeInteractive false /IncludeLayers false /IncludeProfiles false /MultimediaHandling /UseObjectSettings /Namespace [ (Adobe) (CreativeSuite) (2.0) ] /PDFXOutputIntentProfileSelector /DocumentCMYK /PreserveEditing true /UntaggedCMYKHandling /LeaveUntagged /UntaggedRGBHandling /UseDocumentProfile /UseDocumentBleed false >> ]>> setdistillerparams> setpagedevice

jo uzleti elvarasok

Documents