Pobierz artykuł PDF
Transkrypt
Pobierz artykuł PDF
ANALIZA EFEKTYWNO CI EKONOMICZNEJ ZASTOSOWANIA SYSTEMÓW KLASY BUSINESS INTELLIGENCE W SEKTORZE M P. PODSTAWY METODYCZNE MIROSŁAW DYCZKOWSKI Streszczenie Artykuł przedstawia podstawy metodyczne analizy efektywnoĞci ekonomicznej projektów i systemów klasy business intelligence (BI) dla sektora małych i Ğrednich przedsiĊbiorstw (MĝP). W czĊĞci początkowej wyróĪniono typy MĝP i wskazano te z nich, którym w pierwszej kolejnoĞci są dedykowane systemy BI, a takĪe sformułowano tezĊ, Īe aplikacje BI w MĝP musi cechowaü policzalna efektywnoĞü ekonomiczna. Aby osiągnąü ten cel konieczne jest systemowe, oparte na zweryfikowanych w praktyce metodach, badanie efektywnoĞci przedsiĊwziĊü BI. W pracy opisano takie metody, dokonując ich typologii, charakterystyki oraz analizując problemy związane z ich stosowaniem. Sformułowano teĪ regułĊ decyzyjną wyboru rozwiązania BI na bazie jego efektywnoĞci ekonomicznej oraz opisano narzĊdzia wspomagające ten proces. Słowa kluczowe: business intelligence, system BI, efektywno ekonomiczna zastosowa BI, metody analizy i oceny efektywnoci ekonomicznej Wprowadzenie Rozwój metod zarzdzania opartych na technologiach informacyjnych spowodował, e trudno sobie wyobrazi funkcjonowanie gospodarki bez sprawnych i skutecznych systemów informatycznych. Informatyka stała si jednym z głównych czynników rozwoju, dziki któremu jest moliwe tworzenie nowych form i sposobów obsługi działalnoci wewntrz firm i w ich otoczeniu, których egzemplifikacj s takie koncepcje biznesowe, jak: przedsibiorstwo czasu rzeczywistego, organizacja inteligentna czy firma 2.0. Wielodziedzinowe systemy transakcyjne działajce w trybie online s uzupełniane o zintegrowane z nimi aplikacje klasy business intelligence (SIK/EIS, Q&R, SWD/DSS itp.) [9, rozdz. 13]. Przy czym wszystkie te zaawansowane rozwizania, które kiedy były domen przede wszystkim firm duych, coraz czciej spotka mona równie w małych i rednich przedsibiorstwach (MP). I o ile w przypadku systemów transakcyjnych ich uyteczno w sektorze MP jest bezdyskusyjna, to w przypadku aplikacji BI – mimo coraz wikszej liczby udanych implementacji – cigle trwaj dyskusje zwizane z efektywnoci, w tym ekonomiczn, takich zastosowa. Zwłaszcza, e przedstawiane analizy opłacalnoci nie zawsze s poparte „twardymi” danymi o uzyskiwanych efektach zestawionych z ponoszonymi kosztami, a jedynie opieraj si na ocenach opisowych typu: procesy informacyjno-decyzyjne s obsługiwane „sprawniej”, menederowie s „lepiej poinformowani”, a wdroone rozwizanie jest „unikatowe” i „innowacyjne”. Celem niniejszego artykułu jest pokazanie, e efektywno zastosowa BI w sektorze MP mona mierzy, a w konsekwencji ni zarzdza. Wymaga to jednak uycia metod z jednej strony sprawdzonych w praktyce, z drugiej za dostosowanych do typu aplikacji (BI), jak i obszaru ich zastosowa (MP), których wyniki bd nie tylko zrozumiałe dla włacicieli przedsibiorstw czy kadr zarzdzajcej, ale dadz si odnie do innych ponoszonych nakładów inwestycyjnych czy kosztów działalnoci oraz uzyskiwanych korzyci, bdc podstaw racjonalnych decyzji biznesowych. Takie włanie metody s przedmiotem opisu i analizy w kolejnych czciach opracowania. 22 Studies & Proceedings of Polish Association for Knowledge Management Nr 78, 2016 Nim jednak przejdziemy do ich przegldu i szerszej charakterystyki, w nastpnym punkcie syntetycznie omówimy najwaniejsze problemy zastosowania systemów klasy BI w sektorze MP. 1. Sektor M P a zastosowania systemów klasy Business Intelligence Analizujc sektor MP w kontekcie stosowania w nim systemów klasy BI naley zwróci uwag na trzy istotne zagadnienia: 1) rol jak pełni on we współczesnych gospodarkach, w tym polskiej, 2) rodowisko informacyjno-decyzyjne, w którym działaj menederowie i/lub właciele małych i rednich firm, 3) wymagania, jakie powinny spełnia systemy BI dedykowane MP, uwzgldniajc m.in. problem ich opłacalnoci. Jeeli chodzi o zagadnienie pierwsze, to dostpne dane statystyczne i raporty analityczne pokazuj, e MP pełni wan ekonomicznie (por. np. ~50% udział w PKB) i społecznie (por. np. ~67% udział w zatrudnieniu) rol w gospodarce, zarówno polskiej, jak i unijnej (zob. np. opart na statystykach GUS/Eurostat publikacj PARP [15]). Z tego m.in. wzgldu s podane działania mogce poprawi warunki ich funkcjonowania, w tym take róne formy innowacji (zob. tzw. „Small Business Act” [21]). Trzeba jednak zauway, e cho sektor MP jest duym ilociowo i wartociowo oraz chłonnym rynkiem dla produktów i usług IT (jego wolumen to ponad 6 mld zł ze stał tendencj wzrostow), to jest to rynek specyficzny i niejednorodny. Z punktu widzenia omawianego w niniejszej pracy obszaru BI odmienne na przykład s potrzeby firm mikro (zatrudniajcych < 9 pracowników, którym wystarczaj na ogół rozwizania typu „Excel BI”), małych (10÷49 zatrudnionych, preferujcych przede wszystkim aplikacje analityczno-raportujce Q&R lub systemy BI dostpne w modelu SaaS/cloud) i rednich (50÷249 zatrudnionych, gdzie obserwuje si odejcie od „tradycyjnych” systemów BI w kierunku dwuwarstwowych aplikacji BI/ERP, a take korzysta z BI w modelu SaaS/cloud i oczekuje wdroe tzw. rozwiza „budetowych” BI). Drugie z wyrónionych zagadnie, wie si z faktem, e skuteczno i efektywno podejmowanych przez menederów decyzji zaley w duej mierze od monoci identyfikacji oraz analizy istotnych czynników wpływajcych na funkcjonowanie przedsibiorstwa. Najwiksze trudnoci w tym zakresie wystpuj włanie w MP. Menederowie tych przedsibiorstw nie maj na ogół dostpu do szerokiego spektrum informacji zarzdczych, ani nie dysponuj zespołami analityków w celu zbierania danych i ich interpretowania. Wikszoci firm sektora MP nie sta – ze wzgldów finansowych oraz kadrowych – na wsparcie przez wewntrznych czy zewntrznych konsultantów. Do tego funkcjonuj one w zdecydowanie bardziej niepewnym i ryzykownym otoczeniu biznesowym, a marginesy błdów decyzyjnych s czsto znacznie wsze. Kadra kierownicza MP w takich warunkach czsto działa intuicyjnie i w rezultacie jako podejmowanych decyzji jest zdecydowanie mniejsza (zob. m.in. [11] i [13]). Dodatkowo wielu menederom i włacicielom MP brakuje eksperckiej (a w czci przypadków nawet elementarnej) wiedzy dziedzinowej z obszaru ekonomii i finansów. Problemy te s szczególnie mocno odczuwalne w przedsibiorstwach zaliczanych do dwóch segmentów (szerzej na temat uytej segmentacji w [23]): tzw. firm szybkiego wzrostu (stanowi one 3÷7% ogółu MP) i czciowo tzw. firm tradycyjnych (33÷42% MP). Dlatego te – std trzecie z wyrónionych zagadnie – projektowanie dobrych rozwiza BI dla sektora MP wie si z przyjciem nastpujcych wymaga, które musz by bezwzgldnie spełnione: 23 Mirosław Dyczkowski Analiza efektywnoĞci ekonomicznej zastosowania systemów klasy business intelligence w sektorze MĝP. Podstawy metodyczne − maj to by systemy analityczno-informacyjne kierownictwa wspomagane wiedz dziedzinow, czyli tzw. SIK/EIS wspomagane wiedz (szerzej m.in. w [9, rozdz. 13]), − powinny one umoliwia globalne monitorowania sytuacji ekonomiczno-finansowej przedsibiorstwa, z uwzgldnieniem jego otoczenia gospodarczego, − przyjta architektura oraz zastosowane technologie powinny gwarantowa dalsze rozszerzenia funkcjonalnoci, zapewnia interoperacyjno oraz łatwo integracji w rodowisku MP, − uytkownicy powinni korzysta z interaktywnego, przyjaznego i wielomodalnego interfejsu, zgodnego z najlepszymi wzorcami wizualnej nawigacji i eksploracji danych (zob. [7] i [11]), − implementacja rozwiza powinna by take zgodna z obserwowanymi tendencjami i prognozami rozwoju systemów BI (chodzi m.in. o tendencje umownie okrelane przez analityków i badaczy mianem BI 2.0 i BI 3.0, szerzej opisane m.in. w [8] i [11]). Przykładem rozwizania, które uwzgldnia te wymaga jest system TETA BI z inteligentnym kokpitem menederskim InKoM, zrealizowany dziki dofinansowaniu przyznanemu przez Narodowe Centrum Bada i Rozwoju w pierwszym konkursie programu INNOTECH (cieka In-tech) w ramach umowy INNOTECH/IN1-K1/34/153437/NCBR/12 (szerokie opisy projektu i jego produktów s zawarte m.in. w [4], [5] i [11] oraz w powoływanych tam opracowaniach). Ostatnim, ale nie mniej wanym ni wczeniej wyrónione, wymaganiem jest wymóg opłacalnoci dostarczanych rozwiza BI. Aplikacje BI stosowane w MP musi cechowa policzalna efektywno ekonomiczna, gdy jest ona jednym z podstawowych kryteriów decyzyjnych o alokacji rodków inwestycyjnych, w tym take w obszarze IT. Wynika z tego bezporednio konieczno systemowego, opartego na zweryfikowanych w praktyce metodach, badania efektywnoci ekonomicznej przedsiwzi BI w MP, czemu jest powiecony kolejny punkt opracowania. 2. Przegld i ogólna charakterystyka metod badania i oceny efektywnoci ekonomicznej zastosowa systemów klasy Business Intelligence 2.1. Podstawy metodyczne Jak wskazano w poprzedniej czci opracowania jednym z istotniejszych wymaga, które musz spełnia rozwizania BI dla sektora MP jest wymóg opłacalnoci i wynikajca z niego konieczno – prowadzonej zwłaszcza w ujciu ex ante – oceny efektywnoci ekonomicznej systemów i/lub projektów BI (zob. m.in. [4], [5] i [22]). Ocena rozpatrywana z tej perspektywy obejmuje procesy identyfikacji, kwantyfikacji i analizy nakładów/kosztów, korzyci oraz ryzyka, zwizanych z tworzonymi, wdraanymi i uytkowanymi aplikacjami BI, które s wykonywane zarówno przez pracowników działów biznesowych, jak i słuby informatyczne. Wstpnej oceny efektywnoci powinno si dokona przed rozpoczciem projektu (a priori), kolejnych za – w celu weryfikacji wstpnych oszacowa i cigłej poprawy efektywnoci – po zakoczeniu wdroenia, a nastpnie przynajmniej po kadym roku uytkowania rozwiza BI. W literaturze przedmiotu mona znale opisy rónych podej metodycznych stosowanych w pomiarze i ocenie efektywnoci ekonomicznej przedsiwzi i/lub produktów informatycznych oraz liczne przykłady ich uycia (zob. m.in. polskojzyczne monografie [2], [3] i [12], które zawieraj kompleksowe opisy najwaniejszych znanych metod i technik analitycznych). Podobnie wiele firm konsultingowych, instytucji szkoleniowych czy te dostawców produktów i usług informatycznych udostpnia na swoich stronach WWW albo na specjalizowanych portalach wiedzy firmowe 24 Studies & Proceedings of Polish Association for Knowledge Management Nr 78, 2016 wyĪsze nakłady/koszty i wiĊkszy wpływ dzisiejsze nakłady/koszty i wpływ orientacja na ROI/CFROI/VOI Obszar poprawy efektywnoĞci IT osiągalne nakłady/koszty i wpływ niĪsze nakłady/koszty i ten sam wpływ niĪsze orientacja na TCO mniejszy niĪsze nakłady/koszty i wiĊkszy wpływ Wpływ na poprawĊ wyników obiektu redukcja kosztów IT wynikająca z usprawnieĔ technologicznych takie same nakłady/koszty i wiĊkszy wpływ wzrost wpływu wynikający z nowych projektów IT Nakłady i koszty wyĪsze metodyki badania efektywnoci, tematyczne encyklopedie wiedzy, materiały informacyjne i szkolenio-we, studia przypadków analiz efektywnoci konkretnych projektów i/lub prezentuje tzw. najlepsze praktyki w tym zakresie. Mnogo i rónorodno dostpnych ródeł jest zwizana z tym, e zarzdzanie efektywnoci IT, w tym jej ujciem ekonomicznym, jest zagadnieniem wielo-płaszczyznowym i moe by rozwaane z rónych, czsto zupełnie odmiennych perspektyw. W niniejszym opracowaniu zwrócimy uwag na dwie z nich, gdy stanowi one zdaniem autora dobry punkt wyjcia dla dalszych rozwaa szczegółowych. wiĊkszy Rysunek 1. MoĪliwe do realizacji strategie zarządzania efektywnoĞcią IT ródło: opracowanie własne na postawie [1] i [14]. Po pierwsze, mówic o zarzdzaniu efektywnoci powinnimy spojrze na sposoby budowania wartoci przedsibiorstw z wykorzystaniem IT. Na rys. 1 przedstawiono moliwe do realizacji strategie, pozwalajce poprawi efektywnoci IT, ujmowan jako relacja midzy pozytywnym wpływem technologii informatycznych na wyniki firmy, a nakładami i kosztami ponoszonymi na te technologie. Strategie te mona zgrupowa – z punktu widzenia celu opracowania – w dwie kategorie, które obejmuj działania: 1) zorientowane na ROI/CFROI/VOI, a wic na zwikszanie wartoci zwrotu z inwestycji IT drog osigania przyrostu efektów poprzez dodatni wpływ IT na wyniki biznesowe firmy, 2) zorientowane na TCO, a wic na obnienie pełnych nakładów inwestycyjnych i kosztów IT, przy zachowaniu lub nawet zwikszeniu poziomu efektów biznesowych. 25 Mirosław Dyczkowski Analiza efektywnoĞci ekonomicznej zastosowania systemów klasy business intelligence w sektorze MĝP. Podstawy metodyczne Drugim zagadnieniem, na które naley zwróci uwag, jest cisła współzaleno obu wyodrbnionych grup strategii zarzdzania efektywnoci oraz wiedza o tym, w jaki sposób okrelone kategorie rozwiza informatycznych, na które ponosimy bardzo niekiedy zrónicowane wydatki, dostarczaj wartoci składajcych si na potencjalne korzyci (szeroko ten problem jest omówiony np. w pracy [14]), a wic pozytywnie wpływajcych w efektywno. Jest oczywistym, e najlepiej – z punktu widzenia efektywnoci ekonomicznej inwestycji informatycznych – byłoby jednoczenie minimalizowa TCO i maksymalizowa efekty (mierzone przyrostem wartoci takich wskaników jak ROI/CFROI/VOI). Wynika z tego, e powinno si stosowa takie podejcia do zarzdzania efektywnoci, które pozwalaj na łczne rozpatrywanie obu grup strategii. Jednym z takich podej jest Value IT, które jest szerzej omówione w punkcie 3.1 opracowania i którego modyfikacja nazwana roboczo Value BI powinna przyczyni si do skutecznejszego badania i oceny efektywnoci ekonomicznej zastosowa rozwiza BI, take w sektorze MP. 2.2. Typologia i syntetyczny przegld najwaniejszych metod Jak wskazano w poprzednim punkcie, istnieje wiele szczegółowych metodyk oceny efektywnoci ekonomicznej przedsiwzi informatycznych (w tym z obszaru BI), dlatego – w ramach ich syntetycznego przegldu – konieczna jest ich typologia, któr przedstawiono w tabela 1. Naley zaznaczy, e nie obejmuje ona wszystkich opisanych w literaturze i/lub uywanych w praktyce metod analitycznych i zarzdczych, a tylko porzdkuje te z nich, które s albo przedmiotem dyskusji w niniejszym artykule, albo maj w stosunku do nich charakter uzupełniajcy lub rozszerzajcy. Tabela 1. Typologia wybranych metod oceny efektywnoĞci ekonomicznej przedsiĊwziĊü IT Grupa/podgrupa metod oceny efektywnoci Metody zorientowane Kwantyfikujce koszty bezporednie na racjonalizacj kosz- Kwantyfikujce koszty porednie tów Kwantyfikujce koszty odłoone w czasie Metody zorientowane Kwantyfikujce efekty automatyzacji na racjonalizacj efek- Kwantyfikujce efekty informacyjne tów (korzyci) Kwantyfikujce efekty transformacyjne Kwantyfikujce zdyskontowane przeMetody kosztowo- pływy pienine netto i ich rozkład w efektowe (pełnego ra- czasie (CF+, CF-, NCF) Kwantyfikujce całkowity wpływ ekonochunku miczny IT na przedsibiorstwo/instytucj ekonomicznego) Metody skoringowe (punktowe) Metody uzupełniajce i/lub rozszerzajce badanie i ocen Metody strategicznego i operacyjnego zarzdzania efektywnoci (strategicznego i operacyjnego controllingu IT) Metody poredniej analizy ryzyka Reprezentatywny przykład TCO ROI/CFROI/VOI Analiza kosztów i korzyci (AKK/CBA) z pomiarem wartoci NPV, IRR, MIRR, PP i B/C Metoda pełnego wpływu ekonomicznego (TEI), Value IT Ekonomika informacji (IE) Informatyczna zrównowaona karta wyników (ITSC) Metoda wartoci wypracowanej (EVA/EVM) Analiza wraliwoci Analiza scenariuszowa ródło: opracowanie własne na podstawie [2], [3], [12] i [19]. Zaprezentowane w tab. 1 grupowanie (typologia) oraz wyrónione przykłady metod szczegółowych wymagaj krótkiego komentarza. 26 Studies & Proceedings of Polish Association for Knowledge Management Nr 78, 2016 Po pierwsze, naley podkreli, e w odniesieniu do przedsiwzi BI realizowanych w sektorze MP – ze wzgldu na rekomendacje i wymagania studiów wykonalnoci projektów dofinansowywanych ze rodków publicznych (fundusze wsparcie, programy unijne, krajowe i regionalne itp.) – podstaw systemowej oceny efektywnoci powinna by zdaniem autora metoda analizy kosztów i korzyci (AKK/CBA), która bazuje na zdyskontowanych przepływach pieninych. AKK/CBA stosuje znane i powszechnie zalecane szczegółowe mierniki i wskaniki, takie jak IRR (wewntrzna stopa zwrotu), MIRR (zmodyfikowana wewntrzna stopa zwrotu), NPV (bieca warto netto), ROI/CFROI (stopa i/lub wielko zwrotu z inwestycji, prosta albo oparta na pełnych przepływach pieninych) i VOI (warto z inwestycji). W praktyce metoda AKK/CBA jest uzupełniana analizami i symulacjami kosztowymi (TCO), w których stosuje si kalkulatory TCO/ROI. Szerokie opisy samej metody, stosowanych przez ni mierników i wskaników oraz przykłady jej uycia w przedsiwziciach informatycznych s dostpne m.in. w pracach [6], [17] i [19]. Po drugie, od strony proceduralnej oraz z perspektywy strategicznej metoda AKK/CBA powinna działa zgodnie z podejciem Value IT, którego schematy oraz formuły obliczeniowe s odpowiednie zarówno do wyliczania ROI/CFROI/VOI, jak i składowych TCO, a dodatkowo pozwalaj obj analiz efekty trudne do wyceny pieninej. Z tego wzgldu w kolejnym punkcie szerzej zostanie omówione to podejcie, a nastpnie zarysowana bdzie jego modyfikacja – roboczo nazwana Value BI – która dostosowuje je do oceny efektywnoci zastosowa BI. 3. Value BI jako modyfikacja podejcia Value IT zorientowana na badanie i ocen efektywnoci ekonomicznej zastosowa BI w sektorze M P 3.1. Załoenia Value BI Badanie i ocena efektywnoci ekonomicznej zastosowa BI w sektorze MP moe – zdaniem autora – bazowa na podejciu znanym w literaturze jako Value IT [20], gdy – jak zaznaczono w poprzedniej czci opracowania – proponowane w nim formuły umoliwiaj zarówno obliczenie ROI/CFROI/VOI oraz wskaników stosowanych w metodzie CBA, jak i składowych TCO. W podejciu tym przyjto, e aby okreli efektywno przedsiwzi IT i bdcych ich wynikiem produktów, trzeba najpierw wyznaczy tzw. efekt netto IT (E0) uzyskiwany w danym momencie przez obiekt gospodarczy, posługujc si nastpujc reguł: E0 = korzyĞci – koszty procesów biznesowych – koszty IT Nastpnie, aby okreli efekt netto IT osignity dziki konkretnemu przedsiwziciu i/lub systemowi informatycznemu (E1), naley dokona identycznego pomiaru po dostarczeniu i wdroeniu jego produktów i/lub usług. Efektywno obliczamy jako rónic E1 – E0, przy czym moemy mie do czynienia m.in. z nastpujcymi typowymi sytuacjami: − scenariuszem minimalizacji kosztów IT, z którym mamy do czynienia, gdy celem danego przedsiwzicia informatycznego jest obnienie nakładów/kosztów ponoszonych na IT (np. poprzez ich optymalizacj opart na metodzie TCO), przy zachowaniu tego samego poziomu kosztów obsługi procesów biznesowych i uzyskiwanych korzyci, a wic: E1 = korzyĞci – koszty procesów biznesowych – ↓ koszty IT − scenariuszem minimalizacji kosztów procesów biznesowych, w którym dane przedsiwzicie informatyczne powoduje wprawdzie wzrost kosztów IT (przez poniesione nakłady inwestycyjne i/lub zwikszone koszty uytkowania systemów), ale jednoczenie jego wynikiem jest znacznie wiksza redukcja kosztów obsługi procesów biznesowych (w wyniku wystpienia 27 Mirosław Dyczkowski Analiza efektywnoĞci ekonomicznej zastosowania systemów klasy business intelligence w sektorze MĝP. Podstawy metodyczne tzw. efektów automatyzacji), przy zachowaniu tego samego poziomu korzyci, a wic: E1 = korzyĞci – ↓↓ koszty procesów biznesowych – ↑ koszty IT − scenariuszem maksymalizacji korzyci, o którym mówimy, gdy dane przedsiwzicie informatyczne powoduje – podobnie jak w poprzedniej sytuacji – zwikszenie kosztów IT, ale jednoczenie jego wynikiem jest znacznie wikszy wzrost korzyci (w wyniku wystpienia przede wszystkim tzw. efektów informacyjnych i transformacyjnych), przy zachowaniu tego samego poziomu kosztów obsługi procesów biznesowych, a wic: E1 = ↑↑ korzyĞci – koszty procesów biznesowych – ↑ koszty IT Dostosowujc podejcie Value IT do badania i oceny efektywnoci ekonomicznej zastosowa systemów klasy BI, a wic tworzc jego wersj dedykowan obszarowi business intelligence, nazwan roboczo przez autora Value BI – nie zmieniajc przy tym istoty obliczania efektywnoci E1 – E0 – naley podane wczeniej scenariusze zmodyfikowa w nastpujcy sposób: (a) formuła wyznaczania efektu netto BI: E0 = korzyĞci z BI – koszty procesów informacyjno-decyzyjnych – koszty BI (b) formuła wyznaczania efektu netto scenariusza minimalizacji TCO dla BI: E1 = korzyĞci z BI – koszty procesów informacyjno-decyzyjnych – ↓ koszty BI (c) formuła wyznaczania efektu netto scenariusza minimalizacji kosztów procesów informacyjno-decyzyjnych: E1 = korzyĞci z BI – ↓↓ koszty procesów informacyjno-decyzyjnych – ↑ koszty BI (d) formuła wyznaczania efektu netto scenariusza maksymalizacji korzyci z BI: E1 = ↑↑ korzyci z BI – koszty procesów informacyjno-decyzyjnych – ↑ koszty BI O ile strona nakładowo-kosztowa w takim rachunku jest przejrzysta i wzgldnie łatwa w identyfikacji i kwantyfikacji, to znacznie bardziej złoone jest identyfikowanie i kwantyfikowanie korzyci bdcych wynikiem zastosowa systemów klasy BI, zwłaszcza w sektorze MP. Wynika to przede wszystkim z ograniczonej liczby wdroe systemów klasy BI w MP oraz z braku odpowiedniej liczby reprezentatywnych studiów przypadków dla wdroe, które zakoczyły si sukcesem (a wic mogcych słuy jako wzorce tzw. najlepszych praktyk a opisujce je dane efektywnociowe mog by wtedy traktowane jako dane referencyjne) albo porak (a wic bdcych ródłem wiedzy o tzw. kluczowych czynnikach poraki). Wikszo dostpnych analiz i studiów przypadków z obszaru BI dotyczy bowiem obiektów rednich, duych i wielkich. Szczególnie istotne jest to w przypadku, gdy analiza jest prowadzona w ujciu ex ante, a wic dla scenariuszy typu „to-be”. Aby estymacja wartoci planowanych efektów i/lub utraconych korzyci (opportunity costs) była wiarygodna, ich kalkulacja powinna opiera si na repozytoriach zawierajcych dane efektywnociowe z wielu zastosowa systemów klasy BI w sektorze MP oraz na danych porównawczych kluczowych wskaników efektywnoci (KPI – Key Performance Indicators) charakteryzujcych wspomagane procesy informacyjno-decyzyjne. Szerzej na ten temat w kolejnym punkcie. 28 Studies & Proceedings of Polish Association for Knowledge Management Nr 78, 2016 3.2. Procedura analityczna, reguła decyzyjna i narzdzia wspomagajce Po przedstawieniu w poprzedniej czci opracowania wybranych podstaw metodycznych zarzdzania efektywnoci ekonomiczn zastosowa BI w MP moemy przej do opisu instrumentalizacji procesu analitycznego. Zdaniem autora, dopiero wówczas, gdy proces ten bdzie odpowiednio wspomagany, a narzdzia wspierajce zrozumiałe i dostpne, pomiar i ocena efektywnoci stan si „codziennoci” takich przedsiwzi. W zwizku z tym, e w niniejszej pracy koncentrujemy si na analizach AKK/CBA z uwzgldnieniem TCO i ROI/CFROI/VOI przedmiotem dalszego opisu bdzie ten proces, co schematycznie prezentuje rys. 2. 1. Identyfikacja oraz kwantyfikacja pełnych nakładów i kosztów rozwiązania BI 2. Identyfikacja oraz kwantyfikacja pełnych efektów ekonomicznych rozwiązania BI 3. Kalkulacja oraz ocena efektywnoĞci ekonomicznej (NPV, IRR/MIRR, PP i B/C) 4. Wybór wskaĨników efektywnoĞci (KPI) do oceny korzyĞci trudnych do wyceny pieniĊĪnej 5. Okresowa ocena zmiany korzyĞci trudnych do wyceny pieniĊĪnej (na bazie wybranych KPI) 6. Ocena rozszerzona o czynniki zmiennoĞci i ryzyka (analizy wraĪliwoĞci oraz scenariuszowa) 7. Kompleksowa ocena pełnego wpływu rozwiązania BI na MĝP i jego efektywnoĞci ekonomicznej Rysunek 2. Schemat procesu analizy efektywnoĞci ekonomicznej zastosowaĔ BI w MĝP ródło: opracowanie własne. Przedstawiony na rysunku schemat wymaga krótkiego komentarza. Po pierwsze, opiera si on na zaproponowanym wczeniej podejciu Value BI. Naley przypomnie, e opisujc to podejcie podkrelono, e strona nakładowo-kosztowa w tym rachunku jest przejrzysta i wzgldnie łatwa w identyfikacji i kwantyfikacji. Jest to prawd w przypadku analiz ex ante wyłcznie wtedy, gdy uywamy adekwatnych do charakterystyk przedsiwzi struktur TCO oraz dysponujemy niezbdnymi danymi (historycznymi albo porównawczymi z podobnych projektów). Dlatego warto takie dane gromadzi i/lub wymaga od potencjalnych dostawców rozwiza BI budetowania swoich ofert zgodnie z wymagan w konkretnej analizie struktur nakładów/kosztów bezporednich, porednich oraz odłoonych w czasie. Po drugie, jak parokrotnie ju podkrelano, znacznie bardziej złoone i obarczone wikszym rozrzutem oszacowa jest identyfikowanie i kwantyfikowanie korzyci bdcych wynikiem zastosowa systemów BI. Dotyczy to zwłaszcza sytuacji, gdy analiza jest prowadzona w ujciu ex ante, a wic dla scenariusza typu „to-be”. Dlatego te oprócz gromadzenia – podobnie jak w przypadku nakładów/kosztów – odpowiednich danych historycznych i porównawczych o uzyskanych wymiernych efektach i/lub utraconych korzyciach, naley rozszerzy proces badania o analiz kluczowych wskaników efektywnoci (KPI), charakteryzujcych wspomagane procesy analityczne i informacyjno-decyzyjne. Modelowanie oczekiwanych wartoci KPI na bazie danych porównawczych 29 Mirosław Dyczkowski Analiza efektywnoĞci ekonomicznej zastosowania systemów klasy business intelligence w sektorze MĝP. Podstawy metodyczne pozwala w sposób poredni wiarygodnie estymowa moliwe do osignicia przyrosty produktywnoci (redukcje kosztów, zmiany wskaników wydajnoci czy poprawy jakoci informacji decyzyjnych), co jest niezwykle istotne dla systemów klasy BI. Jeeli dodatkowo podczas wdroenia, a nastpnie nadzoru powdroeniowego mamy dostp do rzeczywistych danych produkcyjnych implementowanych rozwiza, to mona przyj załoenie, e zmiana monitorowanych KPI odzwierciedla jako i efektywno wdroonych systemów. Współczynniki zmiany KPI wzgldnie łatwo jest nastpnie przełoy na konkretne wielkoci finansowe, gdy kady z nich jest skojarzony z okrelonymi obiektami kosztowymi i/lub przychodami. W celu poprawy jakoci wyników modelowania KPI mona uzupełni ten proces o analizy wraliwoci (what-if) i scenariuszow typu OBP (scenariusze optymistyczny, bazowy i pesymistyczny), które pozwalaj uwzgldni czynniki zmiennoci i ryzyka, bdce nieodłcznymi atrybutami zastosowa rozwiza BI. Po trzecie, wanym elementem kadego procesu oceny jest uywana w nim reguła decyzyjna. Podobnie jest w przypadku kompleksowej oceny efektywnoci ekonomicznej zastosowa BI w MP. Wydaje si, e tworzc j mona skorzysta z propozycji zawartych w pracy [16], które obrazuje schematycznie rys. 3. Rysunek 3. Reguła decyzyjna oceny efektywnoĞci ekonomicznej zastosowaĔ BI w MĝP ródło: opracowanie własne na podstawie [16]. Po czwarte, majc niezbdne dane mona proces analityczny przynajmniej czciowo zautomatyzowa, tworzc odpowiednie rodowisko wspomagajce, znane w literaturze przedmiotu i praktyce zastosowa jako kalkulatory TCO/ROI/VOI. Reprezentatywnym przykładem takiego narzdzia ukierunkowanego na omawian klas aplikacji jest TDWI Business Intelligence ROI Calculator (www.tdwi.org). 4. Podsumowanie Ograniczone ramy artykułu nie pozwoliły na pełn analiz złoonego problemu oceny efektywnoci ekonomicznej zastosowa systemów klasy BI w sektorze MP. Autor zdaje sobie doskonale spraw, i pominł albo potraktował „po macoszemu” takie m.in. zagadnienia jak: 1) szersz analiz dostpnych ródeł danych referencyjnych dla kwantyfikacji nakładów i kosztów przedsiwzi BI oraz efektów (korzyci) uzyskiwanych dziki zastosowaniu systemów BI, w tym w sektorze MP, wic odsyła do takich m.in. prac jak [6], [16], [18] i [22], 30 Studies & Proceedings of Polish Association for Knowledge Management Nr 78, 2016 2) analiz kluczowych wskaników efektywnoci (KPI), które mog by uyte w proponowanym podejciu Value BI do kwantyfikacji korzyci trudnych do wyceny pieninej (czci korzyci porednio wymiernych oraz korzyci nieprzewidywalnych i niematerialnych) oraz algorytmiki ich przekształcania w wartoci pienine stosowane w rachunkach AKK/CBA, wic odsyła do pracy [10], a take do [4] i [5] oraz powoływanych tam opracowa, 3) identyfikacj i szersze omówienie krytycznych czynników sukcesu/poraki przedsiwzi BI, w tym realizowanych w sektorze MP, wic odsyła do pracy [13]. Powysze problemy bd przedmiotem dalszych szczegółowych bada oraz tematem przyszłych opracowa autora. Bibliografia [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] Benson R., Bugnitz T., Walton W., From Business Strategy to IT Action. Right Decision for the Better Bottom Line, John Wiley & Sons, New Jersey 2004. Cypryjaski J., Metodyczne podstawy ekonomicznej oceny inwestycji informatycznych przedsiĊbiorstw, Wydawnictwo Naukowe Uniwersytetu Szczeciskiego, seria „Rozprawy i studia”, tom 669, Szczecin 2007. Dudycz H., Dyczkowski M., EfektywnoĞü przedsiĊwziĊü informatycznych. Podstawy metodyczne pomiaru i przykłady zastosowaĔ, Wydawnictwo Akademii Ekonomicznej, Wrocław 2006. Dyczkowski M., Korczak J., Dudycz H., Multi-criteria Evaluation of the Intelligent Dashboard for SME Managers based on Scorecard Framework, [w:] Proceedings of the 2014 Federated Conference on Computer Science and Information Systems. Annals of Computer Science and Information Systems, vol. 2, M. Ganzha, L. Maciaszek, M. Paprzycki, (eds), Polskie Towarzystwo Informatyczne, Warsaw, Institute of Electrical and Electronics Engineers, New York City 2014, s. 1147–1155. Dyczkowski M., Korczak J., Dudycz H., Wielokryterialna ewaluacja systemu klasy BI dla MĝP oparta na podejĞciu BI Scorecard Framework, [w:] Problemy wykorzystania systemów informatycznych zarzdzania w gospodarce, Problemy Zarzadzania, vol. 13, nr 2 (52), t. 1., Wydawnictwo Naukowe Wydziału Zarzdzania Uniwersytetu Warszawskiego, Warszawa 2015, s. 136–149. Hoevar B., Jakli J., Assessing benefits of business intelligence systems – A case study, Management, vol. 15/2010, no 1, s. 87–119. Howson C., Successful Business Intelligence: Secrets to Making BI a Killer Application, McGraw-Hill, New York 2008. Howson C., Successful Business Intelligence, Second Edition: Unlock the Value of BI & Big Data, McGraw-Hill Education, New York 2013. Informatyka ekonomiczna. CzĊĞü II. Informatyzacja obiektu gospodarczego, red. J. Korczak, M. Dyczkowski, B. Łukasik-Makowska, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, Wrocław 2013. King E., Key Metrics for Determing ROI for Business Intelligence Implementations, Noetix and Unisphere Research, August 2007, http://noetix.comdownloadresearchNoetix_200707_ ROIforBI.pdf, Dostp: [2016.04.29]. Korczak J., Dudycz H., Dyczkowski M., Intelligent Dashboard for SME Managers. Architecture and functions. [in:] Proceedings of the Federated Conference on Computer 31 Mirosław Dyczkowski Analiza efektywnoĞci ekonomicznej zastosowania systemów klasy business intelligence w sektorze MĝP. Podstawy metodyczne [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] Science and Information Systems FedCSIS 2012. M. Ganzha, L. Maciaszek, M. Paprzycki, (eds.), Polskie Towarzystwo Informatyczne, IEEE Computer Society Press, Warsaw, Los Alamitos, CA 2012, pp. 1003–1007. Lech P., Metodyka ekonomicznej oceny przedsiĊwziĊü informatycznych wspomagających zarządzanie organizacją, Wydawnictwo Uniwersytetu Gdaskiego, Gdask 2007. Olszak C., Ziemba E., Critical Success Factors for Implementing Business Intelligence Systems in Small and Medium Enterprises on the Example of Upper Silesia, Poland, Interdisciplinary Journal of Information, Knowledge & Management, vol. 7/2012, s. 129– 150. Orzechowski R., Budowanie wartoĞci przedsiĊbiorstwa z wykorzystanie IT, Oficyna Wydawnicza Szkoły Głównej Handlowej w Warszawie, Warszawa 2008. Raport o stanie sektora małych i Ğrednich przedsiĊbiorstw w Polsce w latach 2013–2014, Polska Agencja Rozwoju Przedsibiorczoci, Warszawa 2015. Ritacco M., Carver A., WartoĞü biznesowa Business Intelligence. Platforma pomiaru korzyĞci wynikających z zastosowania rozwiązania Business Intelligence, SAP AG, Business Objects S.A. 2009, http://www.sap.pl/sapbusinessobjects, Dostp: [2013.05.04]. Rogowski W., Rachunek efektywnoĞci inwestycji, Oficyna a Wolters Kluwer business, Kraków 2008. Rogowski W., Tomaszewski M., Identyfikacja i wycena korzyĞci w projektach w obszarze IT, Zeszyty Naukowe Uniwersytetu Szczeciskiego nr 639/2011, Finanse, Rynki Finansowe, Ubezpieczenia nr 37, Szczecin, s. 299–311. Stus A., Wybrane metody oceny efektów inwestycji w IT, Studia i Materiały, nr 10/2010, Polskie Stowarzyszenie Zarzdzania Wiedz, http://www.pszw.edu.pl/images/publikacje/ t029_pszw_2010_stus_–_wybrane_metody_oceny_efektow_inwestycji_w_it.pdf, Dostp: [2016.04.29]. Syska E., ROI w czasach kryzysu, CIO: Magazyn Dyrektorów IT, wydanie 06/2009, http://cio.cxo.pl/artykuly/druk/347261/ROI.w.czasach.kryzysu.html, (dostp: 2011.02.27). “Think Small First”. A “Small Business Act” for Europe, 2008, Communication from the Commission of the European Communities COM(2008) 394 final, 25 June 2008, Brussels, http://www.socialeconomy.eu.org/spip.php?article531/COM-2008-0394-FIN-EN-TXT, Dostp: [2014.03.28]. Whittemore B., The Business Intelligence ROI Challenge: Putting It All Together, Business Intelligence Best Practices, http://www.bi-bestpractices.com/view/4782, Dostp: [2015.10.14]. Zadura-Lichota P., Małe i Ğrednie przedsiĊbiorstwa w Polsce na podstawie analiz PARP, Departament Rozwoju Przedsibiorczoci i Innowacyjnoci PARP, Warszawa, 14.03.2013, http://www.leasing.org.pl/files/uploaded/kongres/2013-03-15%20Stan%20sektora%20MSP %20w%20Polsce.pdf, Dostp: [2016.04.29]. 32 Studies & Proceedings of Polish Association for Knowledge Management Nr 78, 2016 THE ANALYSIS OF ECONOMIC EFFECTIVENESS FOR BUSINESS INTELLIGENCE SYSTEMS APPLICATION IN SME/SMB SECTOR. METHODOLOGICAL BACKGROUND Summary The paper presents methodological background to the analysis of the economic effectiveness of business intelligence (BI) projects and systems for small and mediumsized enterprises/businesses (SME/SMB) sector. The opening part identifies different types of SME/SMB and points out those to which BI systems are dedicated in the first place. It also advances the thesis that BI applications for SME/SMB must be characterized by a calculable economic effectiveness. In order to attain that goal it is necessary to examine the effectiveness of BI projects in a systemic way, using methods which have proved to be successful in practice. The paper discusses such methods, providing their typology, characteristics and analyzing problems connected with their application. It also proposes a decision rule for economic effectiveness-based BI solution choice and describes tools which may be used to support the process. Keywords: business intelligence, BI systems, economic effectiveness for BI applications, methods of economic effectiveness analysis and evaluation Mirosław Dyczkowski Instytut Informatyki Ekonomicznej Katedra Technologii Informacyjnych Wydział Zarzdzania, Informatyki i Finansów Uniwersytet Ekonomiczny we Wrocławiu e-mail: [email protected] 33