Importance des systèmes d'aide à la gestion pour les entreprises

Importance des systèmes de support de gestion pour les entreprises!

Les systèmes d’aide à la gestion se concentrent sur les utilisations des ressources d’information par la direction. Ces systèmes fournissent des informations à gérer pour la planification et la prise de décision. Les informations fournies par ces systèmes sont basées à la fois sur les données internes et externes à l'aide de divers outils d'analyse de données.

Ils offrent également à l'utilisateur le choix de choisir parmi ces outils pour l'analyse de données. Ces systèmes répondent aux besoins en informations des gestionnaires des niveaux intermédiaire et supérieur de la hiérarchie managériale.

Il existe trois types de systèmes d’aide à la gestion, à savoir:

a) systèmes d'aide à la décision,

b) Systèmes d’information de la direction (support) et

c) Systèmes experts.

Systèmes d'aide à la décision:

Les systèmes d'aide à la décision (DSS) sont conçus pour soutenir le processus de prise de décision des gestionnaires afin d'améliorer leur efficacité et, partant, l'efficacité de l'entreprise. Ils reposent sur le principe que le jugement de la direction ne peut être remplacé par aucune solution informatique. Cependant, en offrant le support des données et des modèles, il est possible d’améliorer le processus de prise de décision même dans le cas de problèmes semi-structurés et non structurés.

L'objectif principal de DSS est d'étendre la capacité du processus de prise de décision d'un gestionnaire en prenant en charge les outils et les données mis à sa disposition sous son contrôle direct. DSS ne présuppose pas non plus d'exigences d'informations spécifiques ni d'outils prédéfinis pour l'analyse de différents types de décisions, ni n'impose de solutions au responsable.

Ainsi, le gestionnaire a la possibilité de décider des données d’entrée, de l’outil d’analyse, de la profondeur de l’analyse et de l’utilisation des résultats de l’Analyse pour la prise de décision. DSS offre aux utilisateurs un environnement interactif et permet ainsi au gestionnaire d’expérimenter des données et des modèles afin de développer la stratégie de prise de décision optimale dans une situation donnée.

Les systèmes DSS sont également décrits comme des systèmes d’information interactifs qui aident les gestionnaires à utiliser des modèles d’analyse de données pour résoudre des problèmes non structurés. DSS utilise des technologies qui peuvent être qualifiées de blocs de construction. Ils sont représentés à la figure 10.3.

Types et caractéristiques de DSS:

DSS peut être orienté données ou orienté modèle. Les systèmes DSS orientés données ont une plus grande entrée de récupération et d'analyse de données. Le système DSS orienté modèle dispose de fonctionnalités puissantes pour la simulation de scénarios de décision en estimant le résultat d’une action et en générant des suggestions. En fait, il est difficile de trouver un DSS exclusivement pour la récupération et l'analyse des données ou, simplement, pour la modélisation. En fait, la plupart des systèmes de règlement de sécurité contiennent une combinaison des deux types d’installations.

Les systèmes DSS présentent les caractéristiques suivantes qui les distinguent des autres types de systèmes d’information:

a) DSS ne vise aucun type particulier de décisions. Il a la flexibilité d'utilisation dans diverses situations de décision inattendues.

b) L’interface conviviale de DSS le distingue des autres types de systèmes d’information. Une fois que le responsable a utilisé un DSS pendant un certain temps, son utilisation irrégulière n’affecte pas la facilité d’utilisation.

c) Les générateurs de rapports et les facilités graphiques dans DSS fournissent de meilleurs moyens de représenter les informations générées par l'utilisation de modèles dans DSS. Ces installations ajoutent de la valeur à l’information.

d) DSS offre à tout utilisateur un contrôle complet sur le système. L'entrée, la méthode de traitement et la sortie sont contrôlés par l'utilisateur.

Avantages de DSS:

Un système d’information doit avoir sa propre justification pour être un candidat à considérer qui mérite d’être inclus dans le portefeuille d’applications d’une entreprise. Les justifications portent généralement sur les avantages liés à la génération d'informations destinées à faciliter la création de rapports externes et le processus de prise de décisions de gestion. L'avantage qu'un DSS peut offrir comprend:

une. L'évaluation d'un plus grand nombre de solutions de rechange, car les installations du SSD réduisent le temps et les efforts consacrés à la collecte et à l'analyse de données pour différentes solutions.

b. La modélisation et la prévision deviennent faciles pour les gestionnaires qui utilisent DSS, ce qui leur permet de mieux comprendre les processus opérationnels.

c. Utilité dans la communication intra-groupe et inter-groupe car elle permet d'expliquer aux autres comment on est arrivé à une conclusion particulière. La justification attribue la respectabilité aux conclusions et gagne le soutien des autres personnes de l'entreprise.

ré. Facilités pour une analyse plus rapide des données pour une prise de décision non structurée, améliorant ainsi la rapidité de réponse dans des situations de prise de décision inattendues.

e. Détection rapide des écarts et des exceptions. Les utilisateurs fréquents de DSS ont constaté que DSS leur permettait d’anticiper les résultats à l’aide d’un système de requête ad hoc efficace.

F. Analyse approfondie des données et, partant, utilisation plus efficace des ressources de données.

Applications de DSS:

DSS ont connu du succès dans les entreprises de taille moyenne à grande et dans les scénarios de décision nécessitant une analyse approfondie des données internes et externes. Le succès de DSS dépend dans une large mesure du soutien de la direction, de la régularité et de la durée d’utilisation, de la formation des responsables et de la diversité des situations de prise de décision.

Si le processus de gestion est simple et de nature répétitive, DSS peut ne pas être en mesure de justifier ses coûts. Les DSS appliqués aux décisions structurées ne font qu'ajouter aux coûts et à la confusion. Les SSD se sont avérés utiles dans les domaines de décision où la flexibilité des données et de la modélisation est nécessaire pour une meilleure prise de décision. Les domaines d'application typiques de DSS dans les fonctions de production et de financement des entreprises sont les suivants:

Production:

Analyse des achats, estimation et analyse des coûts, planification et ordonnancement de la production, décisions de fabrication ou d'achat, planification et contrôle des stocks, chargement de la main-d'œuvre, etc.

La finance:

Budgétisation des immobilisations, planification et analyse financières, planification fiscale, planification financière stratégique, budgétisation, gestion de la trésorerie et du fonds de roulement, analyse du financement par emprunt et par actions, gestion du risque de change, analyse du rendement financier, analyse de la variance, etc.

Les systèmes d’aide à la décision sont développés en utilisant un processus différent du processus de développement de système traditionnel, car ils sont supposés traiter des données internes et externes. Ils doivent être indépendants et interactifs.

Systèmes d'information exécutifs:

Les systèmes DSS sont conçus pour répondre aux besoins en information des gestionnaires des niveaux moyen à supérieur. Ils concernent le travail basé sur des règles consistant à modéliser et analyser des données afin de les rendre utiles dans la prise de décision.

Toutefois, au sommet de la hiérarchie, il est nécessaire de se concentrer davantage sur la présentation et la diffusion de l’information que sur la génération de celle-ci. Le top manager mérite un meilleur environnement pour l'accès à l'information que celui fourni par DSS.

Les cadres supérieurs ont besoin d'un accès rapide à des informations concises et à jour, actualisées et concises, ainsi que de rapports d'exception, ainsi que de fonctions permettant une analyse et des informations personnalisées. Les systèmes d’information conçus pour répondre aux besoins des cadres supérieurs sont appelés systèmes d’information de direction (Executive Information Systems, EIS) ou systèmes de soutien à la direction.

Ces systèmes agissent comme des systèmes d’information électroniques et offrent une grande souplesse d’utilisation. EIS utilise des informations internes et externes et offre un environnement d’exploitation interactif et convivial.

Applications de l'EIS:

Briefing exécutif:

EIS offre des informations actualisées sur différents aspects des intérêts du dirigeant. Le briefing est généralement lié à la performance de divers centres de profit et offre des rapports sur l’état des différentes activités de l’entreprise. Bien qu’un certain nombre de réunions d’information aient lieu dans DSS, les informations proviennent au fur et à mesure des demandes, à partir des bases de données.

Dans EIS, les informations sont automatiquement téléchargées périodiquement à partir de bases de données sous forme de rapports finis. Ce téléchargement automatique évite aux cadres de rester longtemps en contact les jours de forte charge de travail.

Analyse personnalisée:

EIS offre des fonctionnalités d'analyse des données à l'aide de modèles choisis par l'utilisateur. Des feuilles de calcul et des techniques statistiques sont disponibles dans EIS. La différence, ici, est que les EIS aident non seulement l’utilisateur dans l’analyse des données, mais également dans l’interprétation des résultats de l’analyse.

Rapport d'exceptions:

Le module de compte rendu d'exception est un composant important de EIS. EIS répond efficacement à cette exigence des dirigeants et prévient celui-ci des écarts importants par rapport aux régimes.

Ils permettent, à des degrés divers, de poursuivre les recherches sur les raisons des écarts et l’impact possible des opérations de sauvetage proposées. Cette capacité à examiner la question pour obtenir un peu plus que l’exception fait du SIE un outil très utile pour le pouvoir exécutif dans l’exercice efficace de ses fonctions.

Analyse basée sur un modèle:

EIS dispose d'installations pour l'analyse d'informations basée sur un modèle et cette fonctionnalité est commune à DSS. Cependant, l'analyse basée sur un modèle dans EIS est différente de celle dans DSS en ce sens que les données d'entrée dans EIS sont limitées et obtenues à la fois de sources internes et externes.

Il convient de noter que l’EIS n’est pas une collection isolée de rapports informatiques d’informations à l’intention des dirigeants. EIS est un ensemble d’outils intégrés et de technologies intégrés à l’ensemble de l’environnement informatique de l’entreprise.

On peut noter que EIS prend en charge tous les utilisateurs et pas nécessairement les cadres supérieurs de l'entreprise. Tous ceux qui aident les cadres supérieurs doivent avoir accès à EIS, qui doit répondre aux besoins d’information de toutes ces personnes.

DSS et EIS:

Certaines des installations EIS se trouvent également dans DSS et, de ce fait, la distinction est parfois floue. Le chevauchement ne peut être exclu dans de tels systèmes. La figure 10.4 présente les types de support d'informations fournis par ces deux systèmes à un responsable.

Avantages de l'EIS:

EIS offre les avantages suivants aux entreprises:

a) Support d'information pour les décisions stratégiques:

EIS aide les dirigeants à s'appuyer davantage sur des faits que sur l'intuition et le jugement professionnel pour prendre leurs décisions stratégiques.

b) Changer le focus:

Les questions fréquemment posées par un haut dirigeant concernant un ensemble de facteurs de réussite critiques ont une incidence sur les priorités des personnes occupant des postes de direction inférieurs. Ainsi, il est plus facile pour un dirigeant utilisant EIS de transmettre le message aux responsables fonctionnels concernant la nécessité de maintenir des normes de qualité, en posant souvent des questions à EIS concernant la qualité des produits. Les requêtes de l'exécutif peuvent définir l'orientation des activités de l'entreprise et modifier ainsi les priorités de celle-ci.

On dit que les EIS sont l’un des systèmes d’information importants qui offrent aux cadres supérieurs l’occasion de se faire une idée réelle de l’utilité des systèmes d’information dans la prise de décisions stratégiques.

Un tel système dans une entreprise est également susceptible de favoriser la compréhension entre la direction et les professionnels de l'informatique et d'améliorer la communication entre ces acteurs importants du développement de l'infrastructure informatique.

Une EIS réussie peut apporter visibilité et crédibilité à l'ensemble des systèmes d'information et faciliter la mise en œuvre d'autres systèmes d'information dans l'entreprise.

Facteurs critiques de succès dans la mise en œuvre de l'EIE:

EIS a pour objectif de fournir aux principaux dirigeants des informations de première main sur les avantages potentiels des systèmes d’information dans l’entreprise. Par conséquent, il est nécessaire de veiller à ce que le système EIS, une fois planifié, soit mis en œuvre avec succès.

Les problèmes de mise en œuvre dans EIS peuvent être nombreux mais quelques-uns des plus courants sont les suivants:

a) Difficulté dans la spécification du système:

Les utilisateurs cibles du système EIS ne sont pas clairs quant à leurs exigences spécifiques en matière d’information et n’ont pas le temps de définir les spécifications du système d’information. Les utilisateurs méritent donc quelques options à tester avant de pouvoir spécifier les services qu’ils exigent. Le prototypage est considéré comme une meilleure stratégie pour la conception des EIS.

b) Gros volumes de données:

Les fonctionnalités de requête ad hoc exigent l’accès à un grand volume de données. La satisfaction de telles requêtes peut nécessiter l’utilisation d’outils statistiques qui traitent des données en vrac avant que celles-ci ne puissent répondre aux besoins en informations de la requête. Cela peut prendre du temps et la réponse du système peut être lente.

Il est donc essentiel d’anticiper les problèmes généraux sur lesquels les requêtes sont susceptibles de porter et les informations relatives à ces problèmes peuvent être régulièrement générées et stockées séparément pour un accès à EIS.

c) Résistance des niveaux inférieurs:

Les SIE risquent également de rencontrer des résistances de la part des employés à presque tous les niveaux, et davantage des responsables aux niveaux inférieurs de Java. C’est parce que le chef a maintenant accès aux informations les plus récentes sur le fonctionnement quotidien de chaque département avant même que les chefs de département ne l’aient comprise et comprise. Rochartat a anticipe les implications sérieuses d'un tel accès aux bases de données sur les nouvelles politiques de propriété des données parmi les gestionnaires. Cependant, un gestionnaire de base de données peut résoudre ce problème en manipulant avec soin le bouton de distribution des données.

d) styles de gestion:

Il serait difficile de mettre en œuvre le système EIS dans le cas d'entreprises ayant une culture peu favorable aux technologies de l'information. Certains cadres supérieurs ne sont pas favorables à l’utilisation des technologies de l’information dans la prise de décision. Ils ont davantage confiance en leur jugement professionnel et souhaitent laisser l'analyse des données à leurs subordonnés ou aux experts du domaine qui les aident.

Ce problème est assez grave. Par conséquent, les EIS dans de tels environnements visent les plus hautes positions. Leur portée est limitée aux services pour lesquels on sait que le taux de réussite est très élevé. Une fois que la confiance dans les TI et les EIS est générée, les EIS peuvent s’ajouter à davantage de services.

e) Augmentation de la taille et du coût:

Si le responsable trouve un EIS utile, il s'attend à ce que ses subordonnés l'utilisent également. Ceux qui ne l'utilisent pas trouvent qu'il est très difficile de répondre aux attentes de leur patron en ce qui concerne la prise de conscience de l'environnement commercial. Ainsi, l'EIS est surchargé et les coûts augmentent fortement car le nombre d'utilisateurs doit croître dans des proportions géométriques.

Ainsi, la mise en œuvre de l'EIS doit être entreprise avec beaucoup de soin. Il est conseillé de choisir un moment opportun pour la mise en œuvre. Les gens résistent davantage aux changements quand tout va bien et sont plus disposés à essayer quelque chose de nouveau en cas de crise.

Par conséquent, le moment le plus opportun de la mise en œuvre du SIE est le moment où les personnes recherchent de nouvelles solutions à leurs problèmes. L'installation pilote est considérée comme la stratégie d'installation la plus appropriée pour EIS. Une approche sélective est préférable dans les premières étapes de la conception EIS et de nouveaux services sont ajoutés dans EIS uniquement après le succès du modèle initial. La participation et le soutien des utilisateurs sont essentiels à la réussite de la mise en œuvre d’EIS.

Systèmes experts:

La complexité et le dynamisme croissants de l'environnement commercial émergent nécessitent une plus grande interaction des gestionnaires fonctionnels avec les experts afin d'obtenir des conseils opportuns. Ces experts seraient non seulement en train de filtrer des informations parmi de vastes gisements d’informations diverses, mais ils utiliseraient également leur expertise pour offrir des conseils.

Traditionnellement, l’expertise disponible dans une organisation a fourni une base importante pour atteindre, améliorer et maintenir sa position concurrentielle. Toutes choses étant égales par ailleurs, les entreprises sans expertise comparable sont désavantagées.

Les experts humains risquent de ne pas être en mesure de faire face aux nouveaux défis, compte tenu des contraintes de temps et de la complexité du nouvel environnement. En outre, il peut ne pas y avoir d'uniformité et de cohérence des conseils pour une situation de décision donnée sur une période donnée.

Cela est dû à l’incapacité évidente des êtres humains à saisir en permanence l’impact de diverses variables de décision. Le syndrome de fatigue de l'information et les limites des experts humains dans un environnement commercial en mutation ont entraîné une popularité croissante des systèmes experts en gestion (BES).

Ces systèmes simulent l'activité humaine et continuent de capturer et de systématiser les connaissances de l'entreprise, étendant les capacités de prise de décision d'experts humains coûteux et rares, afin que d'autres puissent utiliser leurs expériences de décision. Ils offrent l'avantage de la flexibilité dans la capture et la représentation d'informations de types différents sous des formes diverses.

Un système expert en affaires reçoit un problème de l'utilisateur, identifie ses exigences en matière de données, analyse les données pertinentes par rapport aux règles de décision (contenues dans un système de connaissances). Une fois le problème résolu, le système, via son moteur d'inférence, signale la solution à l'utilisateur et est également en mesure d'expliquer son raisonnement pour parvenir à cette solution.

Un système d’experts commerciaux peut contribuer à l’efficacité de la gestion en fournissant des conseils. Ses solutions / conseils sont toujours cohérents, uniformes, approfondis et méthodiques. Il fonctionne comme un solutionneur de problèmes standardisé. Le système d’experts commerciaux est en mesure d’expliquer le raisonnement qu’il utilise pour résoudre un problème.

Un utilisateur peut étudier les raisons et est libre d'accepter, de modifier ou de rejeter la solution. Contrairement à d'autres systèmes experts dans le domaine de la médecine, de l'ingénierie, etc., l'objectif du système d'expert métier n'est pas de remplacer l'évaluation réalisée par un ou plusieurs experts humains par un programme informatique.

L'objectif est plutôt d'acquérir l'expertise de l'expert humain et de la rendre disponible sous une forme normalisée à un ou plusieurs experts humains et à d'autres personnes de l'organisation. Ils élaborent des stratégies pour utiliser les connaissances dans les domaines d'application afin de développer des solutions plausibles aux problèmes.

Les domaines d'application typiques des systèmes experts en entreprise sont les suivants:

je. Prendre ou acheter des décisions

ii. Décisions de lancement de nouveaux produits

iii. Détermination des limites de crédit

iv. Développement de produits

v. Conseil en investissement

vi. Évaluation des performances

vii. Systèmes d'incitation

viii. Requête client

ix. Évaluations de projets

X. Calendrier de production

xi. Décisions de routage

Éléments constitutifs des systèmes experts métier:

Bien que la méthodologie du système expert ait été développée au cours des deux dernières décennies, elle n’en est encore qu’à ses balbutiements du point de vue du chef d’entreprise. Il n’existe donc pas de modèle standard pour un système d’experts commerciaux. Holsapple identifie trois composants de base de BES, à savoir l'interface utilisateur, le moteur d'inférence et le système de connaissances. Les relations entre ces composants sont représentées à la figure 10.5.

Un utilisateur pose un problème avant que le serveur BES utilise l'interface utilisateur. Le moteur d'inférence essaie de comprendre le problème, de le structurer de manière à ce que le système de connaissances puisse être utilisé pour le résoudre. Ensuite, il utilise le système de connaissances pour rechercher des solutions au problème.

Le système de connaissances comprend une expertise de raisonnement stockée et est traité par le moteur d'inférence pour rechercher des solutions au problème. Le système de connaissances peut comprendre des outils de représentation des connaissances tels que des ensembles de règles, des bases de données, des feuilles de calcul, des structures orientées cadres, des bases de cas, des réseaux sémantiques, des textes, des graphiques, etc. Le moteur d'inférence peut interagir avec les utilisateurs pour obtenir plus de détails concernant la prise de décision. environnement.

Options d'achat:

Un système d'expert métier est un système complexe qui nécessite un engagement à long terme de la part d'une entreprise pour pouvoir livrer des marchandises. En raison de la dynamique des affaires, l'utilité des BES peut être réduite en raison de changements dans l'environnement des affaires.

Certains BES peuvent devenir obsolètes même au cours de la phase de développement s'ils ne sont pas planifiés correctement. Il est essentiel de connaître les options d’achat, de manière à réduire les délais et les coûts de développement et à maintenir un équilibre entre flexibilité et efficacité dans le système.

En gros, il existe trois options d’achat pour BES:

a) Acquérir un système entièrement développé:

Un certain nombre de BES prêts à l'emploi sont disponibles pour différents types de problèmes identifiés dans la liste des applications de BES mentionnées plus haut. Ces solutions prêtes à l'emploi possèdent les trois composants entièrement développés et sont prêtes à l'emploi. Ils ont l'avantage d'être économiques, bien testés et d'une mise en œuvre plus rapide, mais ils ne conviennent pas dans de nombreuses situations de décision.

b) Acquérir une coquille d'intelligence artificielle:

Le shell d'intelligence artificielle se compose d'un gestionnaire de jeux de règles et d'un moteur d'inférence. Le gestionnaire de jeux de règles dispose de l'expertise représentée par divers outils de représentation des connaissances. Une fois que l'expertise est représentée, l'ensemble de règles est testé sur les informations passées et, une fois qu'il est correct, l'environnement devient utilisable à l'aide du moteur d'inférence.

Cette option donne à un responsable la possibilité de définir ses propres ensembles de règles et de rendre opérationnel un système BES personnalisé sur une courte période. Cependant, ces coques disponibles sur le marché ont leurs propres domaines d'applications pour lesquels ils conviennent le mieux.

c) Système construit sur mesure:

Si les deux premières options semblent irréalisables ou sont considérées comme souhaitables en raison du caractère unique du problème, vous pouvez opter pour un système BES personnalisé. Elles coûtent plus cher et prennent plus de temps, mais sont très utiles dans des types de prise de décision uniques ou spécifiques.

Avantages des systèmes experts:

Les BES coûtent cher en argent et en temps. Il est donc nécessaire de connaître les avantages de BES pour pouvoir effectuer une analyse coûts-avantages avant de se lancer dans l’acquisition de BES.

Voici les avantages potentiels des BES:

a) Codage de l'expertise:

L'avantage important du système expert en affaires est qu'il aide à formaliser / codifier la capacité de raisonnement d'une organisation. Dans le processus de développement de BES, des tentatives sont faites pour représenter une expertise sous forme de règles, de cadres, de cas, de textes et de graphiques.

Cela conduit à une compilation des connaissances concernant l'expertise jusqu'ici fermement défendue par les experts. Un tel réservoir d’expertise peut servir de base à une meilleure formation des experts humains au sein de l’organisation, en plus de permettre une meilleure prise de décision.

b) Meilleure compréhension du processus métier:

Cela améliore la compréhension du processus de prise de décision qui peut à son tour conduire à une amélioration du processus. Au cours du processus de développement, les méthodes de prise de décision existantes sont identifiées et revues. Cela aide à améliorer le processus de prise de décision. L'interaction fréquente d'experts avec BES est un processus d'apprentissage formidable qui permet d'améliorer mutuellement les capacités de résolution de problèmes de chacun.

c) Disponibilité de l'expertise en temps opportun:

BES est en mesure de fournir une expertise lorsqu'un expert humain n'est pas disponible. Ces systèmes n'ont pas de problèmes de disponibilité qui sont assez fréquents chez les experts humains. Les BES sont à la disposition des utilisateurs pour des consultations à des heures indéterminées, n’ont pas d’engagement préalable, ne partent pas en congé pour une raison ou une autre et ne démissionnent pas de l’entreprise pour rejoindre un concurrent.

d) Réplication facile:

Le coût marginal de la réplication d'un BES est insignifiant. Une fois qu'un BES a réussi à un endroit, il peut être répliqué à d'autres endroits ayant des environnements décisionnels similaires, sans perte de temps ni d'opportunités.

e) élimine les demandes de consultation de routine:

BES peut aider un expert humain à réduire sa charge de travail en dirigeant le type habituel de demandes de consultation vers BES. Cela permet à l'expert humain de se concentrer sur des problèmes plus complexes qui ne sont pas résolus par BES.

f) cohérence:

BES offre des conseils cohérents et uniformes sur les problèmes. Leurs conseils ne négligent pas d’ignorer certains facteurs, d’oublier certaines étapes, de biais personnels ou de problèmes de tempérament.

g) ligne de logique:

BES propose une ligne de logique utilisée avec la solution. Cela permet au gestionnaire d’examiner de manière critique les solutions et de déterminer si le raisonnement utilisé est valable ou non. Cela aide le responsable à comprendre les forces et les faiblesses de la solution et à appliquer son jugement professionnel pour prendre des décisions.

h) applications stratégiques:

Les avantages de BES aident à différencier les produits et les services et à réduire les coûts. Ils aident également à développer des marchés de niche où les concurrents ne disposant pas de tels systèmes risquent de ne pas être efficaces. Ainsi, les BES peuvent fournir un avantage stratégique à une entreprise.

Facteurs critiques de succès dans la mise en œuvre de BES:

Les critiques des BES fournissent de nombreuses raisons pour expliquer le caractère impraticable de BES. Les critiques dans la plupart des cas ne sont pas sans fondement. Il est essentiel que les problèmes liés au développement et à la mise en œuvre soient anticipés et que les précautions nécessaires soient prises pour assurer le succès de BES.

Les facteurs suivants peuvent être pris en compte à cet égard:

a) Rentabilité:

La plupart des BES sont très coûteux et il est parfois économique de faire appel à des experts humains. Il est nécessaire de maintenir le coût du BES faible pour s'assurer que le coût est justifié par les avantages potentiels. Les deux premières options d'achat aident à maintenir le coût du BES à des niveaux inférieurs.

b) Portée sélective:

Le BES plus ambitieux peut nécessiter une plus longue durée du processus de développement et des coûts élevés. On se souviendra que toutes les décisions n'offrent pas le même taux de retour sur investissement dans BES.

Il faut être sélectif en incluant des applications dans BES et un BES complet, nécessitant peut-être une grande expertise des systèmes d’information. Les technologies de l'intelligence artificielle évoluent encore et il pourrait être économiquement viable d'élargir la portée du BES.

c) Convivialité:

Les BES sont des systèmes très complexes dotés de techniques puissantes d'analyse de données. Ils nécessitent beaucoup de formation avant de pouvoir être utilisés efficacement. Il est donc nécessaire d’avoir une interface utilisateur plus conviviale et des structures de menu plus explicites et non ambiguës.

d) Environnement multi-utilisateur:

La plupart des BES sont des systèmes autonomes. Cependant, souvent, l’expertise décisionnelle est le résultat d’une activité collective ou en groupe. BES ayant un environnement multi-utilisateur aura probablement plus de succès que des systèmes autonomes.

Ce qu'un manager doit savoir sur BES:

BES utilise de multiples outils d’ingénierie de la connaissance, dont beaucoup peuvent échapper à la compréhension d’un responsable fonctionnel ordinaire. Cependant, en tant qu'utilisateur du BES, un responsable n'a pas besoin de connaître les détails techniques du système de connaissances.

Ce qu'il a besoin de savoir concernant BES, c'est:

je. Les possibilités d'application de BES dans ses activités professionnelles et le potentiel relatif de chaque application en matière de formalisation des connaissances.

ii. Technologies BES de base et leurs domaines d'application préférés.

iii. Faisabilité de l'utilisation d'une coque à intelligence artificielle.

iv. Rôle de BES dans le soutien des personnes dans leurs activités.

v. Faisabilité technique et économique du BES.

Les avantages potentiels de BES sont assez fascinants. Peut-être est-il nécessaire de développer des outils rentables pour construire le BES et de permettre aux experts du domaine de participer de manière volontaire au processus de développement de nature évolutive.

Limitations des systèmes experts métier:

Les BES ont prouvé leurs avantages potentiels dans de nombreuses applications et bon nombre d’entre elles ont connu beaucoup de succès. Cependant, il y a quelques limitations des BES. Ces limitations sont dues aux hypothèses formulées par les BES concernant:

je. La disponibilité d'un expert humain volontaire du domaine, capable d'articuler les connaissances et ayant fait ses preuves dans la prise de décisions efficaces. De tels experts sont rarement disponibles, en particulier dans les nouveaux domaines où les connaissances évoluent également.

ii. L'environnement décisionnel est simple, bien structuré et ne doit pas être modifié fréquemment. En réalité, la prise de décision se déroule dans un environnement complexe, dynamique et multidimensionnel. Par conséquent, l'articulation des connaissances est très difficile.

Les BES manquent de la flexibilité nécessaire à la lumière de la dynamique des affaires. Un environnement décisionnel multidimensionnel rend la prise de décision en groupe essentielle. Il devient de plus en plus difficile de trouver un expert qui comprend toutes les dimensions des problèmes de l'entreprise. On peut se rappeler que les BES conviennent bien à un type limité d’applications et non à un remplacement total des experts humains.

En conséquence, les BES perdent leur popularité. Ils sont considérés comme adaptés à un type d'applications limité. Les nouveaux outils d'intelligence artificielle, tels que les réseaux de neurones, la logique floue, le raisonnement basé sur des cas, etc., sont ajoutés aux moteurs d'inférence pour les rendre plus adaptés aux besoins changeants des entreprises.

Côte à côte, des tentatives ont été faites pour utiliser les outils d’intelligence artificielle afin de développer des logiciels complémentaires afin de remplir des fonctions limitées. Ces add-ons sont appelés agents intelligents.

Agents intelligents:

Les agents intelligents sont des composants logiciels qui exécutent une partie du processus à l'aide d'une base de connaissances. Ils travaillent généralement avec des systèmes d’information partagés et fonctionnent de manière semi-autonome.

Ces programmes communiquent avec les utilisateurs et les bases d'informations pour effectuer des tâches autonomes. Ces programmes sont intégrés dans différentes applications pour améliorer les services d’analyse d’informations du système d’information. Ces agents sont utilisés pour diverses applications telles que:

a) Systèmes de détection et d'alarme:

Les agents intelligents sont utilisés pour établir un système de détection des exceptions dans les bases de données, les systèmes de communication, etc. et émettre les alarmes nécessaires aux utilisateurs concernés. La «gestion par exception» trouverait une nouvelle dimension dans les activités de gestion lorsque de tels agents intelligents commenceraient à fournir des informations.

b) Moteurs de recherche d'information:

Des agents intelligents sont également en cours de développement pour fonctionner en tant que moteurs de recherche d'informations permettant de répondre aux requêtes provenant de différents types d'utilisateurs. Par exemple, un ministère peut recevoir chaque jour un certain nombre de demandes d’informations. Les agents intelligents peuvent interpréter les demandes et extraire les informations de la base de données et envoyer la réponse sous la forme appropriée à l'utilisateur.

De même, des agents intelligents pourraient ajouter de la valeur au système d’information des chemins de fer en gérant correctement les demandes de renseignements des voyageurs concernant diverses opérations. Un agent intelligent relie Internet, le réseau interne et les CD-ROM afin de filtrer et de fournir des informations personnalisées. Une version plus petite de ce moteur de recherche est déjà disponible dans LOTUS-NOTES.

c) Applications de bureau:

Lorsque la disponibilité des agents intelligents devient courante sur les PC, ils agissent en tant que gestionnaires de réunions personnels, bibliothécaires personnels, conseillers financiers personnels, etc. Ces agents organisent automatiquement les contacts téléphoniques avec les clients, fixent les rendez-vous et sonnent des alarmes pour s'assurer que le rendez-vous n'est pas respecté. ignoré par inadvertance.

Ces agents chercheraient des articles sur des sujets d’intérêt dans des magazines Internet et collecteraient des informations provenant d’autres sources, y compris des bibliothèques électroniques et des CD-ROM, afin de fournir des informations que l’on obtient aujourd'hui avec l’aide des secrétaires.

Nouveaux outils d'analyse de l'information:

Les agents intelligents utilisent divers outils d'analyse d'informations. Ces outils non seulement filtrent les informations d'un tas de données, mais les diffusent également de manière significative. Parmi ces outils, les plus importants sont l'exploration de données, la cartographie de données, la visualisation de données, les réseaux de neurones, etc.

a) Data mining:

L'exploration de données consiste à examiner un grand volume de données afin de détecter des tendances et des schémas, en établissant des relations croisées entre divers facteurs pouvant jusqu'à présent rester cachés dans la masse de données. Cela implique des techniques de forage pour décomposer les chiffres de niveau supérieur en chiffres de niveau inférieur.

Les «feux de circulation» fournissent des signaux d'alerte lorsque des exceptions sont rencontrées. L'exploration de données trouve ses applications partout où il existe des relations complexes et subtiles entre des produits ou services individuels qui sont difficiles à identifier, mais qui ont des implications importantes pour les revenus et la rentabilité. Une caractéristique notable de l’exploration de données est qu’elle analyse l’ensemble des données disponibles au lieu de prélever des échantillons pour analyse. La figure 10.6 illustre le processus d’exploration de données.

L'exploration de données a fait ses débuts dans la vente au détail de produits de base, ce qui était plutôt naturel. Cependant, il a également des applications dans d'autres activités commerciales. Cela peut aider les gestionnaires à établir des relations entre divers facteurs influençant différentes variables de décision.

L'exploration de données en tant que technique en est encore à ses balbutiements. Cela est très prometteur, notamment parce qu'il peut aider à identifier les opportunités et permettre aux gestionnaires de réagir rapidement aux opportunités actuelles et aux dangers imminents.

b) Cartographie des données:

Les outils de cartographie des données fournissent une vue graphique des informations superposées sur une carte d'une zone géographique ou d'un territoire. Ils peuvent fournir une vue plus rapide de la répartition géographique / concentration de la demande pour les produits, ainsi que des préférences, des attentes et des sentiments du client.

Ils peuvent également aider à identifier les facteurs locaux qui influencent le comportement du marché à différents moments. Ces outils de cartographie peuvent s'avérer très utiles pour améliorer la compréhension d'informations volumineuses, car il a été constaté qu'une grande partie des données stockées sont de nature géographique.

Cependant, les outils de cartographie doivent être enrichis avec plus de détails concernant les caractéristiques de chaque zone géographique et les similitudes associées des zones voisines.

c) Outils de visualisation de données:

Ces outils visent principalement à représenter des données à l'aide de visuels en trois dimensions. Ces visuels peuvent être des histogrammes sur lesquels vous pouvez naviguer pour obtenir plus de détails sur ses données de composant, à l'aide de tout périphérique de pointage tel que la souris.

Le visuel peut prendre des formes plus imaginatives, telles que des boules sphériques de tailles et de couleurs variables ou toute autre forme pouvant être directement liée au sujet traité ou au comportement des données. Les outils de visualisation de données permettent de résumer les données de manière à ce que les utilisateurs prennent moins de temps pour visualiser la situation.

Cela aide à se concentrer sur la partie actuellement pertinente des données et permet à l'utilisateur d'explorer davantage si cela l'intéresse. Les techniques de visualisation des données devraient également aider à la simulation, à l’analyse de sensibilité et à la réponse aux questions du type «Et si».

Pour avoir un aperçu de leurs applications en gestion financière, prenons un exemple d'analyse de ratio classique pour mesurer la performance d'une entreprise. Ratio, lorsqu'il est utilisé avec précaution, peut beaucoup contribuer à donner un aperçu de la situation.

Cependant, un grand nombre de ratios relatifs à une entreprise avec des interprétations variées par rapport aux ratios sectoriels et nationaux serait trop lourd et empêcherait la compréhension de relations complexes. Les techniques de visualisation peuvent aider à les mettre dans la bonne perspective.

Un visuel tridimensionnel indiquant les valeurs sous forme de billes / boîtes colorées et les composants / valeurs de niveau inférieur contenus dans les billes plus grandes représentant des valeurs de niveau élevé peut aider à une meilleure compréhension des relations et à une comparaison avec les normes industrielles et nationales correspondantes. Par exemple, le rendement d’une société bancaire sur des actifs performants peut être calculé et affiché avec les valeurs concernées du coût des fonds;

Taux d'intérêt du marché; taxe d'intérêt / autres taxes; Composition de l'actif; et le risque financier ainsi que les ratios sectoriels sous la forme de tableaux bidimensionnels ou d'un tableau de ratios. Alternativement, le ratio de l'entreprise est représenté par une balle sur un moniteur couleur, ainsi que le ratio de l'industrie en termes de couleurs distinctives et de tailles proportionnées. En frappant à l'aide d'une souris sur chaque balle, l'utilisateur peut ouvrir la balle pour donner cinq balles supplémentaires.

Chacune de ces boules représente l'un des facteurs énumérés ci-dessus. La taille de ces billes est associée à leur importance relative dans la détermination de la valeur du rendement des actifs performants, tant pour la société que pour le secteur.

d) Algorithmes génétiques et réseaux de neurones:

Les algorithmes génétiques sont également reconnus comme des outils efficaces pour l’analyse de données financières. Ces outils établissent des règles de décision et des modèles à partir des données passées et aident à émettre diverses hypothèses. Avec la disponibilité d'outils avancés de statistiques floues et d'installations informatiques à haute vitesse, les algorithmes génétiques trouvent maintenant de nouvelles applications dans la modélisation financière.

Les réseaux de neurones tentent d'imiter les cerveaux humains avec la force supplémentaire de la précision arithmétique dans le traitement de données volumineuses à l'aide d'algorithmes complexes. Lorsqu'ils sont confrontés à des données pertinentes, ces réseaux extraient des modèles de données et développent des modèles, les testent, prévoient les événements futurs et tirent des enseignements des erreurs.

Ces agents intelligents ont le potentiel nécessaire pour permettre aux gestionnaires d’anticiper plus rapidement les changements de l’environnement commercial afin de pouvoir modifier leurs stratégies bien à l’avenir. De cette manière, ils aident à améliorer la capacité d'adaptation des processus métier.

La plupart de ces outils essaient d'analyser les informations en temps réel et le scénario le plus récent est donc présenté au gestionnaire sans trop d'analyses techniques.

Les géants du logiciel tels qu'Oracle, Cognos et Comshare ont commencé à proposer des agents intelligents sous forme de modules complémentaires avec leurs produits d'application traditionnels. Certains des autres offrent des outils logiciels indépendants pour la gestion des données, la modélisation et la présentation de l'information. Cependant, à l'heure actuelle, ces outils sont très simples et sous leur forme primitive.