بخشی از مقاله
چکیده
در شرایط خودمیزبانی همیشه این ترس بوده است که هوش تجارینهایتاً با وضعیت بحران منابع مواجه شود. رایانش ابری همراه هوش تجاری پتانسیل این را دارد که هوش تجاری را تبدیل به هوش برای هر فردی نماید و همچنین تصمیم سازها را آماده کند که قادر به پیش بینی و تصمیم گیری برای افزایش کارایی می باشند تا از مصرف کننده اطلاعات به تولیدکننده اطلاعات بتوان رسید.
کاربران برای تصمیم گیری در پیاده سازی هوش تجاری ابری باید مطمئن باشند که تمام نیازهای تجاری را می دانند و سپس بهترین فراهم کننده را انتخاب نمایند. این تحقیق به بررسی بازار هوش تجاری ابری در حال حاضر می پردازد و یک تحلیل مقایسه ای بین رهبران هوش تجاری ابری را نمایش می دهد، همچنین این رهبران در لایه های سه گانه هوش تجاری در ابر بررسی می شوند تا برای پاسخ دهی به سؤالات کلیدی در خصوص انتخاب برترین سرویس دهنده در سیستم ابری با توجه به نیاز های کاربران در بکارگیری هوش تجاری استفاده نمود.
1 -مقدمه
اطلاعات یک منبع استراتژی است و تصمیمات سیستمی باید براساس حجم وسیعی از اطلاعات با توجه به تنوع زیادی که در منابع داخلی و خارجی، ساخت یافته و ناساخت یافته وجود دارد، در زمان واقعی گرفته شوند.
هدف نهایی در ابر از میان برداشتن هزینه ها و کمک به کاربران در تجارت اصلی است تا تمرکز بر تکنیکها و مشکلات در فناوری اطلاعات و ارتباطات. رایانش ابری مدلی است برای فراهم کردن دسترسی آسان براساس تقاضای کاربر از طریق شبکه به مجموعهای از منابع رایانشی قابل تغییر و پیکربندی - مثل: شبکه ها، سرورها، فضای ذخیره سازی، برنامه های کاربردی و سرویس ها - که این دسترسی بتواند با کمترین نیاز به مدیریت منابع و یا بدون نیاز به دخالت مستقیم فراهم کننده، سرویس به سرعت فراهم شده یا آزاد - رها - گردد.
رایانش ابری پتانسیل کمک به هوش تجاری در راستای سریع تر شدن، انعطاف پذیرتری بیشتر و واکنش پذیرتر شدن نسبت به تغییر نیازهای تجاری را دارد. نادیده گرفتن این واقعیت که رایانش ابری انقلابی در حوزه فناوری اطلاعات به وجود آورده و محدوده وسیعی از اهداف را برای بخش های تجاری گشوده است سخت است. با توجه به کاربرد رایانش ابری، این نکته باید یادآوری شود که ابر به طور قابلملاحظه ای هم در راحتی، سرعت، انعطاف پذیری فناوری اطلاعات در زمینه حجم های محاسباتی و هم در دسترس بودن به صورت عمومی، تأثیر گذار است و نیز اینکه مقیاس پذیری داده ها و روند رو به رشد آنها به بخش های تجاری، محدوده وسیعی از اهداف را اعطا کرده است که شامل مدل های پیش بینی، ارزیابی، ارزش گذاری، گزارش گیری، ارتباطات و ردیابی می باشد
هوش تجاری فقط تکنولوژی یا روش نیست بلکه یک دستاورد مدیریتی قوی است که دانش، کارایی، تصمیمات کارا و مفید را برای استفاده انتقال می دهد. ابزار هوش تجاری منافعی از قبیل کاهش پراکندگی اطلاعات، محدوده بزرگی برای ارتباط بین کاربران، دسترسی آسان به اطلاعات، اطلاعات آنلاین، تنوع و انعطاف در بکارگیری واقعیت ها، مفید بودن در پردازشات مربوط به تصمیم ساز ها را در خود دارند.
با هوش تجاری می تواناطلاعات فروشِ با قاعده و سیاست های هوش تجاری برای نیازهای خاص مشتریان را دارا بود چنانچه که مشتری جدید جذب کرد و یا مشتریان قدیمی را با محصولات با ارزش جدید نگه داشت. البته هوش تجاری بازگشت روی سرمایه گذاری را ضمانت نمی کند زیرا هر تجارتی با راه حل های هوش تجاری موفق نشده است اما یک هوش تجاری یکپارچه و کافی می تواند برتری رقابتی لازم برای موفقیت کاربران را فراهم کند.
هوش تجاری یک روشِ پیشرفته برای استخراج، تبدیل، مدیریت و تحلیل داده های بزرگ از بین مدل های ریاضی است که اطلاعات و دانش را برای کمک و تصمیم گیری در شرایط پیچیده جمع آوری می کند و با جمع آوری و تبدیل اطلاعات به تصمیمات یک عملکرد موفق را خارج می کند. عناصر هوش تجاری انبار داده ها، داده کاوی و سیستم های پشتیبان تصمیم می باشند. از هوش تجاری برای تصمیم گیری بهینه که منجر به کاهش هزینه و دسته بندی اهداف جدید می شود، استفاده می کنند.
2 -پیشینه پژوهش
بخش اصلی تکنولوژی فناوری اطلاعات که شامل سرمایه گذاری وسیعی در سال 2015 بوده است مربوط به رایانش ابری و تحلیل های تجاری است. رایانش ابری و هوش تجاری قسمتی از هسته واسط تکنولوژی برای تجارت دیجیتال هستند که توسط گروه گارتنر به " سلسله نیرو ها" 1 نامگذاری شده اند. همچنین این واسط روش ارتباط تجارت با مشتریان را اصلاح می کند، که شامل تغییر در همکاری بین پرسنل و شرکای تجاری می شود و سرعت تجاری را بهبود می بخشد.
هوش تجاری برای نظارت بر عملکرد پروسه های تجاری به وسیله نمایش دقیق و آنالیز داده های چندبعدیِ حاصل از تراکنش توزیع شده مربوط به تمام سیستم های پردازشی، به کار می رود. تحلیل گران با استفاده از داشبورد های فعال شده پردازش تحلیلی آنلاین و سیستم های گزارشی ترجیح می دهند تا داده های مالی را با داده های کاربردی - از مردم و پروسهها - برای شناسایی ناکارایی ها و کاهش آنها به طریق بازسازی استراتژیکی پروسه های تجاری و چارچوب ها، ترسیم کنند
لایه زیر ساخت بعنوان سرویس که لایه اصلی است و شامل زیر ساختِ فیزیکی از قبیل سرورها، دیسک های ذخیره سازی و تأسیسات می باشد، سرویس های رایانش بعنوان سرویس2، منبع بعنوان سرویس3، پایگاه-داده بعنوان سرویس 4 مطرح می شوند - شکل شماره یک - .
در لایه واسط بعنوان سرویس، که سیستم عملیاتی برای نرم افزار ها را خود دارد، سرویس های زبانهای برنامه نویسی و سرورهای وب قرار دارند که به توسعه دهندگان اجازه تولید و اجرای راه حل های نرم افزاری را می دهد. در لایه نرم افزار بعنوان سرویس، که نرم افزار های مخصوص توسعه در اینترنت را در خود دارد، سرویس های پرداخت - ماهانه یا سالانه - در ازای استفاده از نرم افزار های خاص در ابر را در خود دارند مانند ابزار گوگل،سِیلزفورس .
شکل شماره یک : معماری هوش تجاری ابری
با توجه به جدول شماره یک ، هوش تجاری ابری در مدل های عمومی، خصوصی و دورگه می تواند ارائه شود. فراهم کنندگان مدل عمومی مانند آمازون اِی دابلیو اِس، مایکروسافت و گوگل هستند که این مدل در مقیاس اقتصادی نسبت به حجیم شدن اندازه تجهیزات ابری سود زیادی دارد و در بکارگیری منابع مشترک قابلیت بالایی دارد. مدل خصوصی شامل دو مدل است که یکی در تأسیسات خود سازمان قرار دارد و دیگری مدلی که توسط فراهم کنندگان خصوصی ارائه می شود. در مدل انجمنی یک فرم دورگه از ابر خصوصی است که برای گروه خاصی از کاربران کاربرد دارد. هدف اصلی مدل انجمنی بکارگیری خواص ابر عمومی در کنار خصوصی بودن، امنیت و سیاست موجود در ابر خصوصی برای سازمان ها می باشد
جدول شماره یک : مدل های ابری
هدف از بررسی تأثیرات چند کاربره، کاهش تعداد ماشین های مورد نیاز برای افزایش کارایی در مرحله نرم افزار و اطلاعات در جست و جو می باشد. برای رسیدن به این سیستم باید نیاز های منبعی را درک کرد و اینکه چگونه آنها را با هم مخلوط کرده و چگونه از سرریز برای بهبود سخت افزاری بهره برد. هدف از مقیاس پذیری ارتجاعی، حمایت از مقیاس های داده ای در حرکت به سمت خروجی در زمان پاسخ گویی به پردازش های جست وجو است، که از بین چندین گره برای رسیدن به خروجی بالاتر مجزا می شوند. هدف حریم خصوصی، افزایش اعتماد کاربران است، اگر کاربران تمام داده ها را بخواهند رمز گشایی کنند در این زمان است که حریم خصوصی به سرعت کاهش می یابد
امروزه مصرف کنندگان با استفاده از ابزار هوش تجاری می توانند تحلیل داده ها را شروع کنند و در اندازه خاص منتظر گزارش گیری های پیچیده فناوری اطلاعات باشند. که این ابزار شامل صفحه گسترده، ابزار های پرس و جو و گزارش، پردازش تحلیلی آنلاین، داشبورد دیجیتال، داده کاوی، انبار داده، تصمیمات مهندسی، پردازش کاوش، مدیریت کارایی تجاری، سیستم اطلاعات محلی می باشند.
رایانش ابری برای رسیدن به توان خودش، باید مشکلات زیادی را از دو بعد دیدگاهی فراهم کنندگان و مصرف کنندگان تکنولوژی، پشت سر بگذارد. در ادامه بر اساس جدول شماره دو به بررسی شرایط برای انتقال هوش تجاری به ابر پرداخته شده است
جدول شماره دو : نمونه هایی از سرویس دهندگان در بعضی نرم افزار ها برای انتقال به ابر ممکن است مناسب نباشند اما ممکن است برای تبادل با دیگر نرم افزار های ابری مورد نیاز باشند، مدیریت این تبادلات چالش های قرار دادی و تکنولوژی را برای کاربران به وجود خواهد آورد، نرم افزار های ابری هنوز دسترس پذیری و یا کیفیت سرویس مورد نیاز کاربران را که از فراهم کنندگان فناوری اطلاعات خودشان دریافت می کنند را گارانتی نکرده اند.
عدم گارانتی به دلیل مشکلاتی از قبیل از دست دادن اطلاعات به خاطر نقص های سخت افزاری و نرم افزاری و یا حملات تروریستی و سایبری می باشد. همچنین مشکل دیگر بخاطر پهنای باند محدود نرم افزارهای مربوط به داده ها می باشد و همچنین عمر کوتاه کامپیوتر های مجازی با توجه به شرایط فناوری اطلاعات است. در رایانش تجاری سنتی ذینفعان شامل فراهم کنندگان - کسانی که با فروش، نصب، گواهی ها، مشاوره و نگهداری درگیر هستند - و مصرف کنندگان - کسانی که استفاده کننده، شخصی، نگهداری و ارتقا سیستم درگیر هستند - می باشند اما در رایانش ابری به مصرف کنندگان، فراهم کنندگان، فعالان، تعدیل کنندگان تقسیم می شوند.
برای مثال می توان از چند روش زیر برای بکارگیری هوش تجاری در ابر با توجه به سرویس آمازون استفاده کرد : داده ها را با استفاده از رد شیفت آمازون در ابر قرار داد و همچنین یک سرویس دهنده هوش تجاری در نرم افزار بعنوان سرویس را انتخاب کرد - محیط کاملا ابری - .
