ידע זה כוח, משפט אשר נאמר לפני שנים רבות ועדיין נשאר רלוונטי מתמיד. אך הדבר היחידי שהשתנה הוא הידע. הידע המקצועי או המידע שהכוח טמון בחובו התנפח לממדי ענק. כל ארגון צובר כמויות אדירות של מידע במהלך תהליכי העבודה שלו. למשל אלו יכולים להיות נתונים מצטברים של קמפיינים שונים לקידום מכירות אשר נעשו בעבר; רישום הפעולות של לקוחות הבנק ועוד. אלו הן רק דוגמאות לכמויות המידע הפנים ארגוני אך בהחלט ישנה חשיבות גם למידע המתקבל מבחוץ. לכל ארגון יש את תחום הפעילות שלו והמידע המיוחד שיכול לעזור לו – מידע מבחוץ יכול להיות הכל מנתוני מזג אוויר, טרנדים ומגמות ברשתות החברתיות ועד נתונים מהבורסה בזמן אמת.
המידע הרב יכול לשמש את הארגון ומנהליו לקבלת החלטות, הן ברמה האסטרטגית והן ברמת הביצוע היום יומי של העובדים התפעוליים בארגון. אך ישנה בעיה באיסוף הנתונים – לא חסר מידע בעולם הזה, הוא נמצא בכל מקום ובכל שנייה הולך ומצטבר עוד ועוד מידע. כאשר בכל שנייה מצטרפים מאות סרטים ליו טיוב, אלפי פוסטים בפייסבוק ואינספור תנועות של כסף בבורסה או בבנקים נראה שאיסוף המידע הפך לכמעט בלתי אפשרי. אך כמובן שבעזרת המחשבים ומערכות הבינה העסקית ניתן להתמודד עם המידע הזה בצורה מתוחכמת ולהפיק ממנו תועלת.
סדר עבודה באיסוף נתונים
אחת הבעיות באיסוף נתונים, בעיקר כאשר מדובר בנתונים המגיעים מחוץ לארגון היא העובדה שהם מפוזרים ואינם ערוכים בפורמט פשוט וקל לאיסוף. מערכות בינה עסקית מודרניות מתמודדות בהצלחה עם בעיה זו ומצליחות לאסוף את המידע, להצליבו ולנתחו בצורה המאפשרת בניית שאילתות המספקות ערך לארגון. על מנת להנות מהתייעלות עסקית במודל כזה יש לפנות לחברה המתמחה בבינה עסקית כגון DataCube הישראלית, שמלווה חברות ותאגידים גדולים בארץ ובעולם.
מערכות בינה עסקית עובדות בסדר הבא:
בחירת המידע – לכל ארגון יש את הצרכים שלו מבחינת המידע ויש להגדיר למערכת מהיכן לשאוב אתה המידע; מערכת הבינה העסקית של מיקרוספט יודעת לפעול באינטגרציה עם מקורות מידע שונים.
בניית מאגר הנתונים – בטרם מעבדים את המידע, על המערכת לבנות את מאגר הנתונים במאגר ייעודי איתו היא תוכל לעבוד.
ניתוח הנתונים – על המערכת לנתח את הנתונים ולהצליב נתונים ממקורות שונים ולמצוא דפוסים בעלי משמעות. זהו למעשה האתגר הגדול של המערכת איך לסווג ולארגן את הנתונים. המערכת עובדת בשיטות כמו ניתוח אשכולות, מודל רגרסיה בו מוצאים מודל המנבא את הנתונים, חוקי אסוציאציה המוצאים קשרים בין פריטים שונים ועוד שיטות ניתוח מתקדמות.
יצירת דוחות – לאחר שהמערכת ניתחה את המידע היא יכולה להציג אותו בצורה מסכמת אשר תיתן למנהלים את התמונה המלאה בצורה ברורה וקלה להבנה.
ישנה חשיבות גם לנושא הזמנים, המערכת אמורה לספק מידע אמין בזמן אמת. יש צורך במערכת המסוגלת לעבד את המידע בזמן קצר ולהציג את הדוחות. שימו לב שמערכות בינה מלאכותית עושות שימוש במידע פנימי וחיצוני, המידע הפנימי הוא זה המוזן על ידי העובדים בארגון; לצורך הדוגמה הפקת חשבונית ללקוח היא סוג של מידע פנימי המוזן אל תוך המערכת. השאיפה היא שגם התהליכים הפנימיים של הארגון יעשו בצורה יעילה עם המערכת על מנת להפחית את הזמן הנדרש להזנת הנתונים.
