Ο ρόλος των κινήτρων

Παρά το γεγονός ότι έχει σημειωθεί σημαντική πρόοδος στις μεθοδολογίες ανάπτυξης λογισμικού, εξακολουθούν να παρατηρούνται αρκετές αποτυχίες στην εφαρμογή έργων λογισμικού . Mια συνεχής ροή αποτυχίες λογισμικού μπορεί να είναι ένας υπαινιγμός ότι υπάρχουν κίνδυνοι που δεν μπορούν να ξεπεραστούν από τις παραδοσιακές προσεγγίσεις για την ανάπτυξη λογισμικού.

Σε έρευνες που έχουν πραγματοποιηθεί προσδιορίστηκαν οι παραγόντες κινδύνου και έχουν αναπτυχθεί μέθοδοι για την αποφυγή τους, η ανάπτυξη λογισμικού όμως παραμένει ένα επικίνδυνο εγχείρημα αφού οι επιλογές γίνονται με ελλειπείς πληροφορίες.

Χρειάζεται να επικεντρωθούμε στη κάλυψη αυτού του ελλείματος, να συλλέξουμε πληροφορίες, να κατανοήσουμε τη διαδικασία ανάπτυξης λογισμικού και εφαρμόζοντας τις μεθοδολογίες ανάπτυξης λογισμικού να προσπαθήσουμε να μειώσουμε το κίνδυνο αρκετά για να αποφευχθεί η αποτυχία και να επιτύχουμε τη βελτίωση του.

Ένας βασικός παράγοντας είναι η συμπεριφορά των φορέων λήψης αποφάσεων και φαίνεται ότι τα κίνητρα των ατόμων που συμμετέχουν στην υλοποίηση του συστήματος μπορεί να έχει δραματικές επιπτώσεις για την επιτυχία του.

Παρουσιάζοντας μια καλύτερη μεθοδολογία ανάπτυξης λογισμικού σε μια τέτοια κατάσταση δεν θα μπορούσε πιθανώς να αλλάξει το αποτελέσμα αντίθετα μία αλλαγή στο σύστημα ανταμoιβών του προσωπικού θα μπορούσε να δημιουργήσει κίνητρα για την επιτυχία της υλοποίησης του νέου συστήματος με σημαντική επίδραση στην επιτυχία του.

Τα μέλη της ομάδας ανάπτυξης του λογισμικού καλούνται να πάρουν μια σειρά αποφάσεων, συμπεριλαμβανομένων των επιλογών της τεχνολογίας, των μεθόδων ανάπτυξης λογισμικού, τη χρήση των προτύπων/σεναρίων και την ένταξη των απαιτήσεων και των αναγκών.

Για να ληφθούν οι καλύτερες αποφάσεις χρειάζεται να δοθούν κίνητρα στα άτομα, να συνδεθούν το συμφέρον της επιχείρησης με το δικό τους συμφέρον και να πεισθούν ότι οι διαδικασίες θα βελτιωθούν και θα απλοποιηθούν μέσα από την ανάπτυξη και την εφαρμογή των καλύτερων μεθόδων.

Εάν τα άτομα δεν χρησιμοποιούν τις ικανότητές τους προς το συμφέρον της οργάνωσης, η αποτυχία του λογισμικού μπορεί να αναμένεται ακόμη και με καλά ανεπτυγμένες μεθοδολογίες. Εφαρμόζοντας σύγχρονες πρακτικές λογισμικού, καλή ανάλυση των απαιτήσεων και μέσα από μια εξελικτική διαδικασία οι κίνδυνοι μπορούν να μειωθούν και να επιτευχθούν οι επιθυμητοί στόχοι.

Ωστόσο, οι κίνδυνοι που προκαλούνται από την ανθρώπινη φύση χρειάζονται μια ιδιαίτερη προσέγγιση. Οι πληροφορίες οργανωτικού επιπέδου, διαμόρφωσης των καθηκόντων εργασίας και τεχνολογίας είναι σημαντικό να αναλυθούν και να ισορροπηθούν ώστε να ληφθούν οι πιο ικανοποιητικές αποφάσεις. Πηγές πληροφόρησης μπορούν να είναι οι επικεφαλής του σχεδίου εφαρμογής, αναλυτές, προγραμματιστές, οι τελικοί χρήστες και γενικότερα όσοι ασχολούνται με την ανάπτυξη του λογισμικού.Η διαφορετικότητα των προσεγγίσεων και της πληροφόρησης που αντλείται από κάθε ομάδα μπορεί να συμβάλει στην ολοκλήρωση της.

Παραδοσιακές προσεγγίσεις όσον αφορά τη διαχείριση των κινδύνων έχουν επικεντρωθεί στους ελέγχους και στις διαδικασίες που οδηγούν τα άτομα μακριά από επικίνδυνες καταστάσεις ή να τους καθοδηγήσει στη διαχείριση ριψοκίνδυνων επιλογών. Με τη μείωση του κινδύνου η πιθανότητα του σχεδίου βελτιώνεται. Ωστόσο ενδέχεται οι έλεγχοι να έχουν αρνητική επίδραση στα προσωπικά κίνητρα, μειώνοντας την κινητοποίηση και την ευθυγράμμιση των συμφερόντων των ατόμων με τους οργανωτικούς στόχους με αποτέλεσμα την αύξηση του κινδύνου στη λήψη αποφάσεων.

Η βελτίωση του συστήματος ανταμοιβής μπορεί να χρησιμοποιηθεί ώστε οι έλεγχοι που διενεργούνται να είναι αποτελεσματικοί καθώς η τάση για την ανάληψη κινδύνου επηρεάζεται από τις ωφέλειες που πιθανόν να προκύψουν από αυτήν. Χρειάζεται να παρουσιαστούν και να αναλυθούν τα καθήκοντα που προκύπτουν από τη συμμετοχή σε ένα τέτοιο σχέδιο όπως και το σχέδιο ανταμοιβών που θα εφαρμοστεί.

Read More

Λογιστική Ευφυΐα (Accounting Intelligence)

Μία εξειδικευμένη μορφή Eπιχειρηματικής Eυφυΐας που εστιάζει στη συλλογή πληροφοριών λογιστικής. Η εξαγωγή, η ανάλυση και παρουσίαση πληροφοριών λογιστικής επιτυγχάνεται μέσα από λογιστικές εφαρμογές και εφαρμογές ERP.

Η Λογιστική Ευφυΐα διαφέρει από την επιχειρηματική Ευφυΐα, καθώς η δεύτερη είναι ένα γενικότερο εργαλείο που μπορεί να εφαρμοστεί σε οποιαδήποτε εφαρμογή χρησιμοποιεί μια βάση δεδομένων. Μια εφαρμογή επιχειρηματική ευφυΐας περιλαμβάνει συνήθως μια δέσμη διαδικασιών για εξαγωγή δεδομένων από τη βάση δεδομένων και τη φύλαξή τους σε επεξεργασμένη μορφή. Το 75-80% του κόστους ανάπτυξης του συστήματος αφορά το σχεδιασμό και την ανάπτυξη διαδικαστιών.

Οι πληροφορίες στο πλαίσιο της Λογιστικής Ευφυΐας εξάγονται απευθείας από το ERP κατά τη στιγμή που εκτελείται ένα ερώτημα και δεν απαιτείται άλλη βάση δεδομένων.
Οι λογιστικές πληροφορίες ιεραρχούνται αυτόματα με βάση τις δομές και τις ιεραρχίες που ακολουθεί η επιχείρηση και απεικονίζουν με το ίδιο επίπεδο λεπτομέρειας την εικόνα της επιχείρησης.

Οι πληροφορίες λαμβάνονται σε πραγματικό χρόνο και τα δεδομένα μπορούν να ανανεωθούν αμέσως μετά από διορθώσεις ή νέες καταχωρήσεις. Συνήθως οι λογιστικές εφαρμογές είναι απλούστερες στην εγκατάσταση, την εφαρμογή και τη χρήση.

Οι έρευνες, οι αναφορές και οι εκθέσεις δημιουργούνται από τους τελικούς χρήστες και όχι από σχεδιαστές λογισμικού. Η διαχείριση επιχειρηματικών πόρων συγκεντρώνεται σε ένα σύστημα πληροφοριών και παρέχονται άμεσα ακριβείς και ασφαλείς πληροφορίες.

Τα βασικά μειονεκτήματα σε σχέση με την Επιχειρηματική Ευφυΐα είναι ότι η Λογιστική Ευφυΐα μπορεί να εφαρμοστεί μόνο σε συγκεκριμένα συστήματα και δεν είναι δυνατή η ενσωμάτωση άλλων δεδομένων εκτός του λογιστικού συστήματος.

Read More

Επιχειρηματική Ευφυΐα (Business Intelligence – BI)

Η Επιχειρηματική Ευφυΐα (Business Intelligence – BI) περιλαμβάνει ένα σύνολο από εφαρμογές και μεθοδολογίες ανάλυσης που σκοπό έχουν την ανάλυση και επεξεργασία δεδομένων που αφορούν τη λειτουργία των επιχειρήσεων.

Με τα μεγέθη να αυξάνονται συνεχώς και τη συσσώρευση τεράστιου όγκου πληροφοριών δημιουργείται η ανάγκη να εξερευνηθεί η γνώση που κρύβεται μέσα στα δεδομένα. Κρυμένες συσχετίσεις μεταξύ δεδομένων, αλληλουχίες γεγονότων, προβλέψεις για στόχους και πολλά άλλα χρειάζεται να αποκαλυφθούν.

Αυτό επιτάγχεται με τη χρησιμοποίηση μεθόδων οι οποίες αναλύουν τα δεδομένα σε μια πολύ μεγάλη βάση δεδομένων έτσι ώστε να βοηθούν στην λήψη επιχειρηματικών αποφάσεων. Πρόκειται για στατιστικούς κανόνες ή μεθόδους τεχνητής νοημοσύνης και αναλυτικές μεθόδους που βοηθούν στην εξαγωγή συμπερασμάτων. Μερικές από αυτές τις μεθόδους είναι οι Κανόνες Συσχετισμού (Association rules), Ανάλυση Αλληλουχίας (Sequence analysis), Ταξινόμηση (Classification), Ομαδοποίηση (Clustering) και Πρόβλεψη (Forecasting).

Τα λειτουργικά δεδομένα μετατρέπονται σε συνεπείς, αξιόπιστες πληροφορίες για τη παραγωγή αναφορών και διαδικασιών ανάλυσης. Παρέχεται πρόσβαση σε πληροφορίες και εμπλουτίζονται οι δυνατότητες των στελεχών για την αξιοποίησή τους. Αποκαλύπτονται οι επιδράσεις των διαφόρων διαδικασιών της οργάνωσης και της επιρροής που ασκούν στην επιχείρηση, αντιμετωπίζονται πιθανές δυσλειτουργίες στην ομαλή λειτουργία του οργανισμού και εντοπίζονται και αξιοποιούνται οι παρουσιαζόμενες ευκαιρίες. Ενισχύονται οι σχέσεις με τους συνεργάτες και τους πελάτες, μειώνεται το κόστος εργασιών και βελτιώνεται η ποιότητα κερδίζοντας έτσι ένα σημαντικό ανταγωνιστικό πλεονέκτημα στην αγορά.

Τα συστήματα Επιχειρηματική Ευφυΐα (Business Intelligence – BI) ονομάζονται και Συστήματα Στήριξης Αποφάσεων (Decision Support Systems - DSS). Παραδείγματα εφαρμογών οι οποίες βοηθούν στην καλύτερη διαχείριση πληροφοριών και αποτελούν δομικούς λίθους των μεθόδων που χρησιμοποιούνται είναι οι εφαρμογές εξόρυξης δεδομένων (data mining), εξόρυξης κειμένων (text mining), εργαλεία αναφορών (reporting tools) και On Line Analytical Processing (OLAP) .

Μία επιχείρηση χρειάζεται να διαχειρίζεται τα δεδομένα της σαν περιουσιακά στοιχεία, να ενσωματώνει τη μεγιστοποίηση της ποιότητας τους στις παραμέτρους απόδοσης και να συμπεριλαμβάνει στους στόχους της τη βελτιστοποίηση της Επιχειρηματικής Ευφυΐας.

Read More

Τα δεδομένα δεν είναι γνώση!

Η βάση δεδομένων μίας επιχείρησης περιέχει πληθώρα πληροφοριών, που δυστυχώς σε πολλές περιπτώσεις δεν παρέχουν τη δυνατότητα στους υπεύθυνους λήψης αποφάσεων να λαμβάνουν τα κρίσιμα δεδομένα της επιχείρησης ακριβώς όταν τα χρειάζονται. Ως εκ τούτου, είναι πάρα πολλές οι αποφάσεις που βασίζονται σε εικασίες, και όχι σε γεγονότα. Πολλές ευκαιρίες χάνονται ή δεν παρατηρούνται καθόλου.

Εργαζόμαστε σε μια περίοδο που η συλλογή δεδομένων γίνεται με μηδενικό βαθμό δυσκολίας και έχει ενσωματωθεί στη καθημερινή λειτουργία της επιχείρησης. Παραδόξως, ο σχεδιασμός της συλλογής δεδομένων, παρουσιάζεται αποδυναμωμένος με μια φαινομενική πεποίθηση ότι η εξέλιξη του λογισμικού μπορεί να καλύψει τις τυχόν ελλείψεις του.

Χρειάζεται να δώσουμε έμφαση στο σχεδιασμό της διαδικασίας συγκέντρωσης, μοντελοποίησης και μετατροπής δεδομένων με στόχο την ανάδειξη χρήσιμων πληροφοριών, γεγονός που υποδηλώνει συμπεράσματα, και υποστήριξη της λήψης αποφάσεων.

Τα δεδομένα δεν είναι γνώση! Η ακολουθία από τα δεδομένα στη γνώση είναι: από τα δεδομένα σε πληροφορίες, από τις πληροφορίες σε πραγματικά περιστατικά - γεγονότα, και τέλος από τα γεγονότα στη Γνώση.

Τα δεδομένα είναι η πρώτη ύλη προς επεξεργασία, συνδέονται με γεγονότα, εγγραφές. Πληροφόρηση είναι η επικοινωνία της γνώσης. Είναι επεξεργασμένα δεδομένα με τέτοιο τρόπο ούτως ώστε να έχουν νόημα για τον παραλήπτη. Η γνώση είναι αυτό που ξέρουμε καλά.

Read More