Pobierz artykuł PDF

POZYSKIWANIE WIEDZY MENEDERSKIEJ Z LOGISTYCZNYCH
BAZ DANYCH ZA POMOC TABEL PRZESTAWNYCH
MAREK MELANIUK
Streszczenie
Artykuł wprowadza w zagadnienie pozyskiwania wiedzy menedĪerskiej z baz danych logistycznych. W tym celu pokazano wybrane moĪliwoĞci zastosowania tabel
przestawnych bĊdących czĊĞcią arkuszy kalkulacyjnych. Dane zawarte w bazie logistycznej umoĪliwiły wykonanie analiz iloĞciowo-wartoĞciowych, strukturalnych, dynamiki zachowania siĊ systemu w czasie oraz analiz przestrzennych. Zwrócono teĪ
uwagĊ na wizualizacjĊ wyników analitycznych. Tabele przestawne powinny byü szerzej wykorzystywane zwłaszcza w sektorze MSP jako menedĪerskie narzĊdzie wspomagające podejmowanie decyzji biznesowych.
Słowa kluczowe: pozyskiwanie wiedzy, logistyczne bazy danych, tabele przestawne
1. Wprowadzenie
Od co najmniej kilkunastu lat szybko rozwija si nowa koncepcja w naukach o zarzdzaniu,
któr jest zarzdzanie wiedz. Trwaj w dalszym cigu spory odnonie koncepcji, zakresu, poj
i definicji tej dziedziny. [6,9] Znany jest powszechnie trójkt niematerialnych zasobów organizacji
obejmujcy dane, informacj, wiedz i mdro.
Jeeli przyjmiemy, e danymi s fakty, opisy, opinie o analizowanym obiekcie, to informacj
jest kontekst wykorzystania tych danych i wartociowanie faktów. Natomiast wiedza, któr posiada meneder o danym obiekcie gospodarczym jest umiejtnoci wykorzystania informacji do podejmowania racjonalnych, efektywnych i skutecznych decyzji wynikajcych z ustalonego celu
działania. Przy takim ujciu wiedzy spełnione s trzy zasadnicze postulaty, z którymi w praktyce
spotyka si kady meneder:
– umiejtno wykorzystania informacji (z podkreleniem na słowo umiejtno),
– podejmowanie decyzji (nie tylko racjonalnych i efektywnych, ale zwłaszcza skutecznych),
– działanie zgodnie z ustalonym celem (stopie jego spełnienia moe by zmienny w czasie).
Konkurencja na rynku midzy jednostkami gospodarczymi wymaga szybkiej reakcji na zmieniajce si preferencje klientów z uwzgldnieniem midzy innymi sezonowoci sprzeday. Std
wynika konieczno prowadzenia szczegółowych, wielokryterialnych analiz. W tym celu stosuje
si zintegrowane systemy informatyczne klasy ERP (Enterprise Resource Planning) oraz narzdzia
analityki biznesowej BI (Business Intelligence).
W przypadku mniejszych firm produkcyjnych wykorzystanie powyszych rozwiza, jakkolwiek zalecane, napotyka czsto na barier finansow biorc pod uwag koszt tych aplikacji. Std
te celem niniejszego opracowania jest przedstawienie moliwoci wykorzystania tabel przestawnych (pivot tables) jako narzdzia umoliwiajcego pozyskanie wiedzy menederskiej z logistycznych baz danych do wspomagania podejmowania decyzji.
105
Studies & Proceedings of Polish Association for Knowledge Management
Nr 53, 2011
Pokazany został sposób posługiwania si tabelami przestawnymi w celu wykonania czterech
rodzajów analiz:
– analiz ilociowo-wartociowych,
– analiz strukturalnych,
– dynamiki zjawisk gospodarczych,
– analiz przestrzennych.
Pominito zastosowanie metod statystycznych wykorzystywanych w eksploarcji danych (data
mining).
Szczególna uwaga została zwrócona na potrzeb oraz moliwoci wizualnej prezentacji wyników analitycznych.
Do celów prezentacyjnych została wykorzystana transakcyjna baza danych Kosmetyki dotyczca sprzeday produkowanych wyrobów jednego z wytwórców kosmetyków. Cz nazw zmieniono ze wzgldu na obowizujc tajemnic handlow. Baza została wyeksportowana do formatu
arkusza kalkulacyjnego Excel. Baza Kosmetyki zawiera 1523 transakcje sprzeday kosmetyków
z lat 2007–2009. Analizy wykonano na podstawie wybranych 6 pól informacyjnych wchodzcych
w skład poszczególnych rekordów. Kilka pierwszych rekordów pokazuje Rysunek 1. Pola informacyjne bdce czciami składowymi rekordów zawieraj nastpujce dane:
– nazw dystrybutora (pole Dystrybutor),
– dat sprzeday (Data),
– nazw produktu (Produkt),
– liczb sprzedanych wyrobów (Ilo),
– warto sprzeday (Kwota)
– nazwy dziewiciu jednostek terytorialnych (miasta i gminy) w powiecie zgierskim (Miejsce).
Tak wic w bazie danych znalazły si pola informacyjne czterech typów:
– ilociowo-wartociowe (Ilo, Kwota),
– tekstowe (Dystrybutor, Produkt),
– pole typu daty (Data),
– jednostki lokalizacyjne (Miejsce).
Rysunek 1. Przykład kilku rekordów bazy danych Kosmetyki
ródło: Opracowanie własne.
106
Marek Melaniuk
Pozyskiwanie wiedzy menedĪerskiej z logistycznych baz danych za pomocą tabel przestawnych
2. Tabele przestawne
Koncepcj tabel przestawnych (pivot tables) przedstawił po raz pierwszy Pito Salas pracujc
w Lotus Advanced Technology Group. Konkretna aplikacja pojawiła si w aplikacji Lotus Improv.
Nastpnie Microsoft rozpoczł rozwija ide tabel przestawnych poczwszy od arkusza Excel 5.
W ostatniej wersji 2010 arkusza Excel produkt ten jest ju bardzo zaawansowanym narzdziem
analitycznym o wielu nowych funkcjonalnociach w porównaniu z wczeniejszymi wersjami. Nowe moliwoci wynikaj midzy innymi ze zwikszenia pojemnoci arkusza do ponad 17 miliardów komórek, co umoliwiło przetwarzanie bazy danych (ponad milion rekordów) w jednym arkuszu bez koniecznoci dokonywania konsolidacji.
Narzdzie tabeli przestawnej zostało umiejscowione chyba niezbyt szczliwie na karcie
Wstawianie znajdujcej si na wstce (Ribbon). [8] W wersjach 2003 i wczeniejszych pakietu
Excel tabele przestawne znajdowały si w menu rozwijanym Dane razem z innymi narzdziami
przetwarzania baz danych: sortowaniem, filtrowaniem, sumami czciowymi i innymi, dziki
czemu interfejs uytkownika był całkiem przyjazny i mona było łatwo odszuka wymagane funkcjonalnoci.
Odpowiednikiem tabeli przestawnej Excela w – zdobywajcym coraz wiksz popularno –
arkuszu Calc pakietu OpenOffice jest opcja Pilot danych. Dla wielu praktycznych zastosowa
zwłaszcza firm w sektorze MSP jest to całkiem wystarczajce narzdzie analityczne. Naley zaznaczy, e pakiet OpenOffice jest przykładem otwartego oprogramowania biurowego i w kadej
chwili moe zosta pobrana i zainstalowana jego bezpłatna aktualizacja.
Tabele przestawne przedstawiaj dane w postaci tabelarycznej, w której wiersze tabeli oznaczaj rekordy (zapisy) danych, natomiast pola informacyjne poszczególnych rekordów zapisywane
s w kolumnach tabeli. W celu łatwego przetwarzania pól, powinny one zosta nazwane zgodnie
z zawartoci tak, aby skrót nazwy jednoznacznie kojarzył si z danymi, które zawiera to pole informacyjne.
3. Analizy ilociowo-wartociowe
Wykorzystanie tabel przestawnych, jako narzdzia analitycznego umoliwia bardzo szybkie
wykonanie wymaganych analiz statystycznych oraz wizualne przedstawienie wyników umoliwiajce monitorowanie kluczowych czynników sukcesu. Na Rysunku 2. Raport numeryczny i graficzny pokazuje wartoci sprzedanych produktów. Najczciej, jako wizualny sposób prezentacji
wielkoci danych stosuje si wykres kolumnowy. Wykonanie obu raportów trwa – przy pewnej
wprawie – zaledwie kilkanacie sekund. Nieco wicej czasu moe zajmowa odpowiednie dostosowanie wykresu graficznego: ustalenie innych – anieli standardowe – kolorów tła i obiektów,
dołczenie odpowiednich opisów itp., czyli dostosowanie raportu graficznego do istniejcych wymaga w firmie.
107
Studies & Proceedings of Polish Association for Knowledge Management
Nr 53, 2011
Rysunek 2. WartoĞci sprzedanych kosmetyków. Raport numeryczny oraz jego wizualizacja
na wykresie kolumnowym
ródło: Opracowanie własne.
Innym rodzajem wizualnej prezentacji danych s – od wersji 2007 arkusza Excel – paski danych (karta Formatowanie warunkowe – Paski danych). Słu one do szybkiej prezentacji danych i
zmieniaj formaty komórek w zalenoci od ich zawartoci. W wersji 2010 Excel’a paski danych
nie s cieniowane oraz s inaczej skalowane ni w wersji 2007 (Rysunek 3.)
Rysunek 3. Liczby sprzedanych wyrobów według dystrybutorów. Prezentacje graficzne w postaci
pasków danych w arkuszach Excel 2007 i 2010
ródło: Opracowanie własne.
Naley zaznaczy, e w Excel’u 2007 paski danych nieprawidłowo zachowuj si w przypadku zer lub liczb ujemnych, poniewa nie znikaj zupełnie, ale jedynie malej do ok. 10% długoci
komórki. Znikaj jedynie w komórkach pustych lub zawierajcych tekst.
W praktyce menederskiej istotna jest równie analiza odchyle od planów produkcji lub
sprzeday wyrobów.
Na Rysunku 4. pokazane s odchylenia od ilociowego planu sprzeday kosmetyków wynoszcego 8927 sztuk dla kadego dystrybutora. W Excelu – od wersji 2007 – wielkoci odchyle
108
Marek Melaniuk
Pozyskiwanie wiedzy menedĪerskiej z logistycznych baz danych za pomocą tabel przestawnych
mona przedstawi w sposób graficzny wykorzystujc do tego celu midzy innymi zestawy kilkunastu ikon (karta Formatowanie warunkowe – Zestawy ikon). S to graficzne zestawy strzałek,
wiartek, flag, sygnalizacji ulicznej, ocen i inne.
Rysunek 4. Ikony graficzne w postaci strzałek oraz üwiartek pokazujące wielkoĞci odchyleĔ od planu
sprzedaĪy przez poszczególnych dystrybutorów
ródło: Opracowanie własne.
4. Analizy strukturalne
Analizy strukturalne s istotnym narzdziem wspomagajcym podjcie decyzji przez kadego
menedera. Pokazuj one udziały procentowe poszczególnych elementów w ramach danego zjawiska. Na rysunku 5. przedstawiona jest struktura ilociowa sprzeday wyrobów w zalenoci od
dystrybutorów.
Rysunek 5. Struktura iloĞciowa sprzedaĪy produktów według dystrybutorów
109
Studies & Proceedings of Polish Association for Knowledge Management
Nr 53, 2011
ródło: Opracowanie własne.
Rysunek powyszy zawiera dwa rodzaje wykresów zawierajcych t sam informacj: wykres
kołowy oraz słupkowy. Który z tych wykresów jest bardziej podany? Kilka wskazówek w tej
sprawie znajduje si na stronie internetowej http://skuteczneraporty.pl.
Mianowicie, wykres kołowy jest najczciej naduywanym typem wykresu. Wykres ten nieefektywnie przedstawia dane, poniewa ludzkie oko nie jest w stanie porówna któw wycinków
poprawnie. Kty ostre s widziane jako mniejsze ni w rzeczywistoci, podczas gdy kty rozwarte
jako wiksze. Nie da si te utworzy efektywnego wizualnie porównania midzy kilkoma wykresami kołowymi. Zmusza si te odbiorc, eby krył wzrokiem midzy legend, aktualnymi wartociami a samym wykresem tak, aby połczy postrzegane informacje w cało. Naley te zauway, e w przypadku niewielkich rónic midzy wycinkami koła reprezentujcymi udział procentowy, wzrokowo bardzo trudno jest dostrzec jakkolwiek rónic midzy nimi.
Znacznie skuteczniejszymi w odbiorze anieli wykresy kołowe s wykresy słupkowe, co pokazuje Rysunek 4. Dlatego te w portalu skuteczneraporty.pl [10] wykresy kołowe zostały zaliczone do tych, które raczej naley unika. Nie naley te jednoznacznie potpia wykresów kołowych, tylko stosowa je w taki sposób, eby meneder na podstawie ich analizy mógł podj trafne decyzje, tym bardziej, e jedn z zasadniczych zalet wykresów kołowych jest moliwo automatycznego wyliczenia udziałów procentowych (struktury zjawisk gospodarczych) bez koniecznoci ich uprzedniego obliczania w arkuszu.
5. Analiza dynamiki zjawisk w czasie
W logistyce sprzeday produktów jednym z istotnych czynników jest atrybut czasu. W tym
przypadku szczególnej wagi nabiera dynamika zachowania si systemu w czasie. Dla wikszej
liczby danych liczbowych analiza takich danych jest do kłopotliwa. Łatwiejsze zobrazowanie
przynosi odpowiedni wykres graficzny. Na Rysunku 6. przedstawiony jest numeryczny raport
sprzeday ilociowej kosmetyków według kolejnych miesicy – wykonany za pomoc tabeli przestawnej – oraz odpowiednik graficzny tego raportu w postaci wykresu liniowego.
Rysunek 6. Dynamika iloĞciowa sprzedanych wyrobów według miesiĊcy.
Dane numeryczne i odpowiadający im wykres liniowy
ródło: Opracowanie własne.
111
Marek Melaniuk
Pozyskiwanie wiedzy menedĪerskiej z logistycznych baz danych za pomocą tabel przestawnych
Czy dynamik zjawisk mona przedstawi za pomoc wykresów kolumnowych lub słupkowych? W zasadzie mona i w wielu przypadkach wykresy takie s stosowane. Jednak głównym
celem prezentacji danych na wykresach kolumnowych jest przede wszystkim pokazanie wielkoci
zjawisk, poniewa im wiksza jest kolumna lub dłuszy słupek, tym jest wiksza warto danego
obiektu. Natomiast zasadniczym celem wykresu liniowego jest pokazanie zmiennoci w czasie,
dynamiki zachowania si, wzrostów lub spadków sprzeday produktów w poszczególnych momentach czasowych (np. w miesicach) a mniejsz uwag przywizuje si do samych wartoci.
W celu łatwiejszego uchwycenia zmian w czasie, na wykresach liniowych naley dokona odpowiedniego przeskalowania osi pionowej w ten sposób, aby nie zaczynała si ona od wartoci zerowej, tylko od najmniejszej, która na Rysunku 6. wynosi 4500 (sprzeda we wrzeniu wynosi
dokładnie 4632 opakowania kosmetyków). Pusty obszar wykresu midzy zerem a wartoci 4500
nie przynosi w praktyce adnej informacji.
W celu uchwycenia ogólnych tendencji i trendów w zakresie kształtowania si czynników
produkcyjnych i finansowych przedsibiorstwa, w wersji 2010 arkusza kalkulacyjnego Excel jest
moliwo ich przedstawienia za pomoc miniwykresów zwanych Wykresami przebiegu w czasie
znajdujcych si na karcie Wstawianie. Jest to praktyczna realizacja idei Edwarda Tufte, guru
w zakresie infografiki. [2,3] Miniwykresy (sparklines, spark oznacza iskierk) mieszcz si tylko w
jednej komórce arkusza i nie maj opisanych osi pionowych ani poziomych. Mog wystpowa
one w postaci wykresów: liniowego, kolumnowego i zysk-strata (win-loss).
Rysunek 7. Miniwykresy (sparklines) dynamiki iloĞciowej sprzedawanych kosmetyków
w postaci wykresu kolumnowego i liniowego
ródło: Opracowanie własne.
Na Rysunku7. pokazane s (w powikszeniu) wykresy: kolumnowy i liniowy dynamiki liczby
sprzedanych kosmetyków w kolejnych miesicach. S to te same dane ródłowe, na podstawie
których został wykonany wykres liniowy zamieszczony na Rysunku 6. Wyranie widoczne s
trendy wznoszce i opadajce dynamiki sprzeday, analogiczne do zmian przedstawionych na Rysunku 6. Oczywicie miniwykresy mona w pełni formatowa zmieniajc kolory, style, typy, pokazywa punkty najwysze i najnisze itp.
Natomiast przykład miniwykresu dla wartoci ujemnych i dodatnich (znajdujcych si na Rysunku 4) pokazuje Rysunek 8. Jest to miniwykres typu zysk-strata, na którym wartoci dodatnie
pokazuj kolumny czarne, natomiast ujemne zaznaczone s kolorem szarym.
112
Studies & Proceedings of Polish Association for Knowledge Management
Nr 53, 2011
Rysunek 8. Miniwykres typu zysk-stata dla liczb dodatnich i ujemnych
ródło: Opracowanie własne.
Ciekawym rozwizaniem, wartym do wykorzystania w wizualnej analizie danych jest zastosowanie skali kolorów do kalendarza sprzeday wyrobów. Przedstawia to Rysunek 9.
Rysunek 9. Zastosowanie skali kolorów do przedstawienia sprzedaĪy kosmetyków
ródło: Opracowanie własne.
W powyszym przypadku, w skali dwubarwnej typu czarny-biały, wartoci skrajne, czyli
najwiksze i najmniejsze przyjmuj odpowiednio kolory czarne i białe, natomiast wartoci porednie przyjmuj róne odcienie szaroci. Rysunek byłby znacznie bardziej czytelny, gdyby zastosowa inn skal kolorów, na przykład ółty-czerwony. Druk czarno-biały powoduje, e wizualizacja rysunku wiele traci ze swojej pogldowoci.
6. Analizy przestrzenne
Oprócz atrybutu czasu, logistyczne bazy danych zawieraj pola informacyjne dotyczce kierunków sprzeday lub miejsc zakupu, czyli s to atrybuty przestrzenne. Do analizy tego typu danych stosuje si przede wszystkim systemy geoinformacyjne.
Systemy Informacji Geograficznej (GIS, Geographic Information System) słu zbieraniu,
przetwarzaniu i wizualizacji danych na mapach wektorowych. Dziki graficznej prezentacji cyfrowych danych s one dla uytkowników bardziej zrozumiałe i łatwiejsze w odbiorze.
W przypadku mniejszych firm, zwłaszcza z sektora MSP oraz jednostek o w miar stałych
kierunkach sprzeday, mona – zamiast dokonywa zakupu systemów profesjonalnych – samodzielnie wykona kontur mapy danego terytorium oraz poszczególne obszary administracyjne odpowiednio pokolorowa. Otrzymany szablon mona wielokrotnie wykorzysta w rónych okresach czasu pokazujc dokonujce si zmiany.
W logistycznej bazie danych, której fragment pokazuje Rysunek 1., pole informacyjne Miejsce zawiera nazwy gmin powiatu zgierskiego. Gminy te stanowi kierunki sprzeday produktów.
Wykorzystujc narzdzie tabel przestawnych, niezwykle szybko (w czasie nie wikszym ni kilkanacie sekund) otrzymany został raport (Rysunek 10) pokazujcy warto sprzeday kosmetyków do kadej z dziewiciu gmin.
113
Marek Melaniuk
Pozyskiwanie wiedzy menedĪerskiej z logistycznych baz danych za pomocą tabel przestawnych
Rysunek 10. WartoĞü sprzedanych wyrobów w układzie przestrzennym
ródło: Opracowanie własne.
Wykonanie takiej mapy dokonuje si w 5 krokach:
1. Przygotowanie raportu numerycznego (Rysunek 10).
2. Ze strony Urzdu Marszałkowskiego Województwa Łódzkiego została została skopiowana
oryginalna mapa powiatu zgierskiego (na Rysunku 11 mapa ta jest pokazana w znacznym pomniejszeniu) i wklejona do arkusza kalkulacyjnego. W celu łatwiejszego wykonania konturów
mapy, obszar arkusza powinien zosta powikszony (np. do 200%.)
Rysunek 11. Mapa jednostek administracyjnych powiatu zgierskiego
Strona internetowa Urzdu Marszałkowskiego Województwa Łódzkiego,
http://www.archiwum.lodzkie.pl/lodzkie/wojewodztwo/mapa/zgierskig.html.
3. Wykorzystujc narzdzie Wstawianie – Kształty – Linie – Dowolny kształt, wykonany został – za pomoc myszki – kontur kadej z gmin wchodzcej w skład powiatu.
4. Biorc pod uwag otrzymane wartoci za pomoc tabeli przestawnej (Rysunek 10), utworzono szereg rozdzielczy składajcy si z piciu przedziałów, kady o jednakowej wartoci 10000
ródło:
114
Studies & Proceedings of Polish Association for Knowledge Management
Nr 53, 2011
zł. i przyporzdkowano kolory dla poszczególnych przedziałów (Legenda na Rysunku 12).
5. Ustalonymi kolorami kadego z przedziałów zostały pokolorowane kontury gmin (Narzdzia główne – Kolor wypełnienia) w zalenoci od wartoci sprzeday zawartej w zadanym przedziale. Na Rysunku 12. pokazana jest wykonana mapa.
Na niewypełniony szablon mapy mona oczywicie nanosi dowolne dane oraz kolorowa go tworzc w ten sposób kolejne mapy wizualizacji danych przestrzennych.
Mapa na Rysunku 12. została pokolorowana – ze wzgldów edycyjnych – kolorami od czarnego (wysoka warto) do jasnoszarego (niska warto). Znacznie wicej efektów poznawczych
dostarczaj inne kolory, na przykład takie, jakie s powszechnie stosowane na mapach synoptycznych.
Rysunek 12. WartoĞü sprzedaĪy kosmetyków do poszczególnych gmin powiatu zgierskiego
ródło: Opracowanie własne.
115
Marek Melaniuk
Pozyskiwanie wiedzy menedĪerskiej z logistycznych baz danych za pomocą tabel przestawnych
7. Podsumowanie
Wychodzc z okrelenia wiedzy – któr jest umiejtno wykorzystania informacji do
podejmowania decyzji – pokazano sposób zastosowania narzdzia tabel przestawnych do pozyskania
wiedzy z przykładowej logistycznej bazy danych. Oczywicie, tabele przestawne maj znacznie
wicej moliwoci analitycznych anieli pokazano w niniejszym artykule (np. filtr Fragmentatora
jest nowym narzdziem w wersji 2010 arkusza Excel).
Tabele przestawne w dalszym cigu nie s zbyt popularne jako narzdzie umoliwiajce szybkie
wykonanie raportów na podstawie istniejcej firmowej bazy danych pomimo, e na polskim rynku
wydawniczym ju mona spotka kilka znaczcych, wartociowych pozycji [4,5,7] z tej dziedziny.
Naley te zauway, e około 90% potrzeb w zakresie analizy baz danych dla celów wspomagania
podejmowania decyzji menederskich zwłaszcza w sektorze MSP mog włanie zapewni włanie
tabele przestawne.
W chwili obecnej, informacje otrzymane z tabel przestawnych w połczeniu z odpowiednimi
wykresami graficznymi s coraz czciej wykorzystywane do budowy kokpitów menederskich,
zwanych te pulpitami nawigacyjnymi (dashboards). Jest to o tyle obiecujcy kierunek szybkiego
rozwoju systemów informatycznych, e na jednym ekranie przedstawione s główne wskaniki
funkcjonowania jednostki produkcyjnej, handlowej, usługowej lub jednostki administracyjnej. Za
pomoc tych wielkoci, traktowanych jako kluczowe wskaniki wydajnoci (Key Performance
Indicators) funkcjonujcego przedsibiorstwa, menederowie maj moliwo monitorowania
działalnoci całej firmy w czasie rzeczywistym i podejmowania szybkich reakcji w przypadku
zaistnienia zagroe.
Bibliografia
[1] Abdulezer L., Excel Praktyczne zastosowania w biznesie, Helion, 2005
[2] Alexander M., Excel 2007 Dashboards and Reports for Dummies, Wiley Publishing Inc.,
2008.
[3] Few
S.,
Dashboard
Design
for
Real-Time
Situation
Awareness,
www.perceptualedge.comarticlesWhitepapersDashboard_Design.pdf.
[4] Harts D., Office 2007 Business Intelligence. Raporty, analizy i pomiary na komputerze PC,
APN PROMISE, Warszawa 2008.
[5] Jelen B., Alexander M., Tabele przestawne, Mikom, Warszawa 2006.
[6] Kisielnicki J., Zarządzanie wiedzą we współczesnych organizacjach, w: Zarzdzanie wiedz
w systemach informacyjnych, (red.) Abramowicz W., Nowicki A., Owoc M., Wyd.
Akademii Ekonomicznej, Wrocław 2004.
[7] McFedries P., Excel Tabele i wykresy przestawne, Helion 2007.
[8] Melaniuk M., Tabele przestawne narzĊdziem analizy procesów społecznych, w: Zeszyty
Naukowe Nr 576 Studia Informatica Nr 24, Uniwersytet Szczeciski, Szczecin 2009
[9] Porbska-Mic T., NarzĊdzia wspomagające zarządzanie wiedzą o kliencie, w: Pozyskiwanie
wiedzy i zarzdzanie wiedz, (red) Nycz M., Owoc M., Prace Naukowe AE we Wrocławiu
Nr 1121, Akademia Ekonomiczna, Wrocław 2006.
[10] Wykresy, których naleĪy unikaü – materiał z portalu: http://skuteczneraporty.pl/index.php
/2010/09/15/wykresy-ktorych-nalezy-unikac/.
116
Studies & Proceedings of Polish Association for Knowledge Management
Nr 53, 2011
MANAGERIAL KNOWLEDGE ACQUISITION FROM LOGISTIC DATABASES
BY MEANS OF PIVOT TABLES
Summary
This article describes the problem of managerial knowledge acquisition from
logistic databases. There is shown the pivot tables in order to make analyses: quantity analyses, structural and dynamic analyses and spatial analyses. Also some chosen
possibilities of the visual data analysis were introduced. Pivot tables should be widely applied as a tool of making decisions by manager mainly in SME sector.
Keywords: knowledge aquisition, logistic databases, pivot tables
Marek Melaniuk
Katedra Informatyki Ekonomicznej
Wydział Ekonomiczno-Socjologiczny
Uniwersytet Łódzki w Łodzi
ul. Rewolucji 1905 r. nr 37, 91-066 Łód
e-mail: [email protected]