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