مارا دنبال کنید : 

VARIANCE

توضیحات
این تابع واریانس یک مجموعه‌ای از اعداد را بر می‌گرداند.
دستور
تابع VARIANCE به صورت زیر نوشته می‌شود:
1
VARIANCE( expression )
.
مثال
مثالی از تابع VARIANCE را مشاهده می‌کنیم:
1
2
select VARIANCE(char_length)
from all_tab_columns;

برنامه و بودجه با داده کاوی

  • پایش و کنترل هزینه و برنامه
  • پیش‌بینی، تخمین و مدل‌سازی
  • پیشی‌بینی مالی برای بودجه‌بندی و برنامه‌ریزی
  • تخمین هزینه و دآرمد
  • مقایسه ارقام بودجه‌بندی شده با نتایج واقعی عملیات
بودجه‌بندی نیازمند برنامه‌ریزی و برنامه‌ریزی نیازمند پیش‌بینی و کنترل است. پس از بودجه‌بندی نیز برنامه طرح شده باید بودجه را با اقدامات واقعی مقایسه کند. برای بررسی بهره‌وری اجرای برنامه‌ها، نیاز به ارتباط برنامه با بودجه تعیین شده است؛ لذا لازم است تا با بودجه‌ریزی صحیح ارتباط مناسب و درستی بین برنامه‌های عملیاتی و بودجه تعیین شده برقرار ساخت. برای این منظور برنامه بودجه باید تحلیل شود. این کار نیازمند تخمین درست نیازمندی‌ها، منابع موجود و تخصیص آن‌ها است. در این جا، تحلیل کردن جریانات بودجه و عملیات کاری دشوار است و روش‌های داده کاوی با تحلیل سری‌های زمانی، پیش‌بینی جریان‌های هزینه و درآمد، عرضه و تقاضا و … قدرت تصمیم گیری مبتنی بر واقعیات را در اختیار مدیران قرار میدهد. روش های داده کاوی با ارائه نتایج احتمالی به مدیران سازمان کمک می کند تا بودجه ریزی سازمان را مبتنی بر پیش بینی انجام دهند و در هنگام اجرای عملیات نیز انحراف از مسیر برنامه ریزی شده به خوبی مشخص گردد. برای انجام اقدامات مبتنی بر داده کاوی، طراحی و پیاده سازی انبار داده جامع سازمانی امری ضروری است. راهکارهای ویونا برای تحلیل برنامه بودجه به شرح زیر خواهد بود:
  • رسیدن به یک بینش مالی با درک روندهای گذشته سازمان و پیش بینی روند آینده؛
  • سرعت دادن به تصمیم گیری و برنامه ریزی با مشاهده گزارش های تصویری و ساده؛
  • رصد و پایش اقدامات و عملیات در مسیر برنامه وضع شده؛
  • ارائه گزارش های مناسب مالی مبتنی بر بودجه بندی برای تمام سطوح درگیر در برنامه بودجه.

هوش تجاری، مدیریت دانش و داده کاوی

دستیابی به بهترین درجه از همفکری و ملاحظات مربوطه که قابلیت مطرح شدن را داشته باشند یا منجر به تاخیر پیشرفت به سوی یک هدف می گردند که این یکی از اهداف مدیریت دانش می باشد. حمایت از تصمیم گیری راهبردی، رشد تجارت و نظارت بر رقبای سازمان به عنوان هدف اجرای هوش تجاری شناخته می شوند. بدون شک، سباهت های قطعی بین مدیریت دانش و همچنین هوش تجاری وجود دارد. به طور کلی، تمرکز مدیریت دانش بر ادراک (شناخت) است. این مقوله همچنین بر اهمیت نواوری دانش تاکید داشته و میزان نظام یافتگی ان را بررسی می کند. به همین ترتیب، هوش تجاری در وهله اول بر تکنولوژی و دیتا تمرکز دارد، که تاثیر کاربردی ان در حقیقت ارتباط تنگاتنگی با مهارت های کاربر به عنوان افرادی دارد که معمولا از تحلیل کمّی تخصص فنی برای حل مسائل تجاری با کمک سیستم هوش تجاری در ارتباط می باشد. تفاوت های اساسی نیز وجود دارد، در حالی که هر دو مفهوم هوش تجاری و مدیریت دانش دارای اهداف مشابهی در سطوح بالا می باشند. این تفاوت ها را باید در نحوه بکارگیری آن ها به منظور دستیابی به اهداف مشاهده کرد. در حالی که ارزش هوش تجاری و محصولات آن، یعنی همان تحلیل فرصت را می توان در کارایی آ« به عنوان یک ابزار تصمیم گیری مشاهده نمود، ارزش مدیریت دانش در قابلیت سازمان برای شناسایی، تحصیل و استفاده مجدد از دانش بوده که بهترین حالت آن را می توان در بهترین روش ها مشاهده کرد به نحوی که می تواند منجر به صرفه‏جوئی در زمان، تلاش و منابع یک سازمان گردد. تفاوت دیگر بین مدیریت دانش و هوش تجاری شدت آن هاست. هوش تجاری به طور تدریجی از طریق سیستم های خدمات مبادلاتی توسعه یافته است، همانند سیستم های ادارۀ اطلاعات، سیستم های مدیریت اطلاعات و سیستم های پشتیبانی از تصمیمات. مدیریت دانش در واقع همان روش ها و ایده های مدیریتی در دوره توسعۀ اقتصاد علمی می باشد. این مقوله تاکید دارد که دانش پر اهمیت ترین منبع و سرمایه راهبردی بوده، مزیت رقابتی شرکت ها بر خلق دانش، انتشار و کاربرد ان اتکا دارد. هوش تجاری اغلب با منابع دیتا در ارتباط است. از ان جا که هدف آن مرتب نمودن و ساختار بخشیدن به منابع اطلاعاتی می باشد، کل فرایند هوش تجاری نسبتا بسته و مستقل می باشد. هوش تجاری همچنین بر تلفیق و ادغام ریخت شناسی بیرونی اطلاعات تمرکز دارد. از طرف دیگر، سیستم مدیریت دانش با منابع دانش در ارتباط است، اشتراک دانش و نوآوری نیز اهداف اولیه ان به شمار می روند. برای سازمان، در حالی که هوش تجاری به مدیریت اطلاعات عینی در عالم واقع می پردازد، سیستم مدیریت دانش به دنبال اقدامات فراگیر و دانش فردی است. در نهایت، تفاوت بین هوش تجاری و مدیریت دانش در تکنولوژی اصلی است. تکنولوژی اصلی مدیریت دانش همچنین در مدیریت اسناد، علوم مهندسی گروه افزار ها، متن کاوی، تکنولوژی بازیابی، پرتال های دانش مشاغل و مواردی از این قبیل وجود دارد، از طرف دیگر، هوش تجاری معانی بیشتری را به تحلیل داده ها افزوده و تکنولوژی های اصلی ان متشکل از انبار داده، پردازش تحلیلی آنلاین، داده کاوی و پرتال های مشاغل می باشد. اما داده کاوی: داده‌کاوی به مفهوم استخراج اطلاعات نهان و یا الگوها و روابط مشخص در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ است. هدف نهایی داده کاوی، استخراج دانش معتبر و سودمند از پایگاه‌های دادگان عظیم است. از این رو، داده کاوی ممکن است نقشی فعال برای ایجاد دانش داشته باشد. دانشی که می‌تواند، برای بهبود تصمیم‌گیری‌ها استفاده شود. چه موقع و كجا داده‌كاوي نياز است؟
  • مسئله ای پيچيده و ناساخت يافته و يا نيمه ساخت يافته وجود داشته باشد.
  • داده‌های مرتبط وجود داشته باشند و به آنها دسترسی داشت.
  • داده ها در يكجا مجتمع شده و انباره داده ها ايجاد شود.
  • توانايی كامپيوترها امكان استفاده از نرم افزارهای مرتبط با داده كاوی را به ما بدهند.
  • مديران نياز به استفاده از دانش استخراج شده از داده ها را حس كرده باشند.

فرهنگ سیلیویی
و MDM

کارشناس کنترل پروژه به مدیر بخش امنیت زنگ میزند، “سلام…به من گفتند که در مورد امنیت سیستم های فناوری اطلاعات بانک، اعم از نرم افزار و سخت افزار کمی اطلاعات بگیرم، تا در سند فناوری اطلاعات سازمان وراد کنیم”

مدیر بخش امنیت: “ببخشید من به شما نمی تونم اطلاعات بدم، سرمون هم خیلی شلوغ هست، یک نامه رسمی بزنید تا بررسی کنیم …”

بعد از نامه رسمی، کمترین حد ممکن اطلاعات به قسمت مربوطه داده شد. قسمت امنیت هم سعی می کند از کانال‌های غیر متعارف و دور زدن وارد داستان شود و … .

این داستان، یک داستان عادی در سازمان‌ها و شرکت‌ها و حتی استارتاپ‌هایی است که در حال بزرگ شدن هستند. به این عارضه، فرهنگ یا ذهنیت سیلو گفته می شود. در ساختار سازمانی، بخش های مختلف بر اساس عملکرد یا ماموریت از هم جدا می شوند، مثلا بخش انبار، IT، امنیت و … . سوال ساده برای تشخیص فرهنگ سیلو:

“آیا گردش اطلاعات در شرکت شما به راحتی انجام می شود؟

آیا همه به راحتی حاضر می شوند فقط برای پیشرفت کار، فرای بخش یا واحد خودشان با دیگر واحدها کار کنند و اطلاعات خود را به اشتراک بگذارند؟”

علت اینکه اسم این فرهنگ را سیلو گذاشته اند این است که همانند سیلوی گندم، یک مخزن اطلاعات کاملا بسته ای ایجاد می شود که هدف آن محفوظ نگه داشتن اطلاعات از دیگران است.

در دهه‌های گذشته بسیاری از سازمان‌ها، سیستم‌های عملیاتی متنوعی در فرهنگ سازمانی سیلویی ساخته‌اند. بدین معنا که در سطوح مختلف سازمان یا بین دپارتمان‌ها و گرو‌ه‌های مختلف یک سازمان، این ذهنیت وجود دارد که نمی‌خواهند اطلاعات یا دانش خود را با دیگر بخش‌های همان سازمان به اشتراک بگذارند. ذهنیت سیلویی اغلب با ایجاد “جنگ‌‌های اطلاعاتی تدافعی” منجر به کاهش کارآیی و رشد بیشتر فرهنگ سیلویی می‌شود. بنا به دلایلی مانند غرور پوچ و بازی قدرت در سازمان، ذهنیت سیلویی تلاش می‌کند بخش خاصی از عملکرد یا نیازهای سازمان را برآورده کند و اغلب توجه کمی به داده‌های مهم مورد نیاز سازمان دارد.

فقدان توجه به این موضوع شرکت را به محلی تبدیل می‌کند که اطلاعات اصلی سازمان مانند؛ مشتری، محصول/خدمت، دارایی‌ها، فروش و … در سیستم‌های مختلف پراکنده می‌شوند. این امر باعث به وجود آمدن دیدگاه‌های متعدد و افت کیفیت اطلاعات می‌گردد، همچنین مانعی برای راه‌اندازی سیستم‌های هوش تجاری و تحلیلی در سازمان است، سیستم‌هایی که باعث تصمیم‌گیری بهتر و سریع‌تر می‌شوند. به طور خلاصه سازمان بویی از مدیریت داده‌های اصلی نبرده است.

امروزه سازمان‌ها از MDM به منظور ایجاد داد‌ه‌های طلایی کمک می‌گیرند. MDM  با در نظر گرفتن منابع و سلسله مراتب سازمان و ماهیت داده‌های اصلی کسب‌وکار، این داده‌ها را در یک مخزن اصلی متمرکز می‌کند. از این طریق داده‌های مورد نیاز برای سیستم‌های عملیاتی و تحلیلی در سراسر سازمان انتقال می‌یابد.

مدیریت داده های اصلی (MDM) و ویونا

MDM چارچوبی از فرآیندها و فناوری‌هایی را فراهم می‌کند که منجر به ایجاد داده‌های معتبر، قابل اعتماد، پایدار، دقیق و مطمئن می‌شود؛ به بیان دیگر «تنها نسخه حقیقت» را نشان می‌دهد.

در سازمان داده‌های حیاتی در میان ده ها سیستم تقسیم شده‌اند. هر واحد سعی بر مدیریت و ذخیره داده‌ها به صورت جداگانه را دارند؛ لذا داده‌های حیاتی پس از گذر از سامانه‌ها و رسیدن به سیستم مقصد، به طوری بدی ارائه یا تفسیر می‌شوند.

ایجاد و حفظ داده‌های تمیز، پایدار و چابک رابطه‌ای بهتر میان سازمان و مشتری ایجاد کرده و منجر به تصمیم‌گیری بهتر و سریع‌تر می‌شود. از این طریق سازمان‌ها‌ با تحلیل داده‌های سازمانی، افزایش بهره‌وری، نوآوری، انطباق با مقررات، بهبود تصمیم‌گیری در ادغام و مالکیت و… شروع به بهبود فرآیندها کرده‌اند.

برای رسیدن به این عظمت، کسب و کار و فناوری اطلاعات نیاز به همکاری و ایجاد چارچوب حاکمیت دارند. این دو باید بر سر قوانین و تعاریف فرآیندها به توافق برسند، مناسبترین ابزارها و چارچوب‌های فناوری را بشناسند و با ایجاد توافق جمعی در سراسر عالیت ها و بخش‌های سازمان، به سمت مدیریت تغییر رهسپار شوند.

 
پیشنهاد خدمات MDM ویونا

– ارزیابی بلوغ MDM با توجه به فرآیندهای کسب‌وکار و فناوری‌های مربوط به MDM، کیفیت داده‌ها، ادغام داده‌ها و مدیریت داده‌ها

– دید جامع به مشتری، محصول، خدمت، شرکا، واحدهای زیرمجموعه و … برای تصمیم‌گیری مطمئن با گزارش‌های صحیح و بموقع

-توسعه رابط کاربری سفارشی برای مدیریت داده ها، جریان های فرایند کسب و کار، مدیریت مداوم اطلاعات اصلی

-همروندی با هوش تجاری و سیستم‌های عملیاتی با حفظ جامعیت داده‌ها به صورت Real Time

-نقشه راه MDM شامل مدیریت، نظارت، انتخاب ابزار، توسعه، پیاده سازی و نگهداری است

-پیوستگی با سیستم‌ها و پایگاه‌های داده جدیدی که در آینده به سازمان اضافه می‌شوند.

-طراحی چارچوب معماری برای اخذ رکوردهای طلایی

-پیاده سازی سلسله مراتب پیچیده و روابط

-مدیریت تغییر در واحد های کسب و کار

-حفظ حاکمیت بر روی داده‌های سازمان

-اصلاح و بهبود عملکرد

-خدمات پشتیبانی

چرا ویونا؟!

رهبری تفکر بر روندهای در حال ظهور، مشکلات سازمان و ارائه راه‌حل‌ها با استفاده از MDM

ارائه راه‌حل‌های متنوع بر اساس تجارب خاص و منحصربه‌فرد در طی پروژه‌های متنوع

ارائه راه‌حل مناسب برای کاهش زمان پروژه‌ها و صرفه‌جویی در هزینه‌ها

داشتن تخصص در زمینه‌های متنوع مدیریت فناوری اطلاعات

مدیریت تغییر در سازمان‌ برای اجرای نرم‌تر پروژه‌ها