همزمان با رواج رایانه‌های شخصی، مطمئناً به دلیل پیشرفت‌های اخیر فناوری، استفاده از هوش تجاری در قرن بیست و یکم افزایش یافته است. با این حال، ریشه‌های هوش تجاری به قرن نوزدهم باز می‌گردد. در این مقاله، ما قصد داریم تاریخچه هوش تجاری را در قرن‌های 19 و 20، تا به امروز بررسی کنیم.
تاریخچه هوش تجاری و تکامل آن
هوش تجاری مورد استفاده در جنگ جهانی دوم
استفاده متفقین از رمزنگاری در طول جنگ جهانی دوم نمونه‌ای عالی از ابزارها و اصول هوش تجاری است که در محیطی بسیار متفاوت به کار گرفته شده است. متفقین مجبور بودند حجم زیادی از ارتباطات آلمانی را جمع آوری کرده; آن ارتباطات رمزگذاری شده را از نظر روند بررسی کرده و سپس اطلاعات مفیدی را در این روندها بیابند.
تلاش مداوم آنها سرانجام منجر به شکستن رمز “Enigma” آلمان‌ها شد.
IBM گام‌های فنی بر می‌دارد
یکی از اولین هارد دیسک‌ها، کارت پانچ شده جدول بود
جهش بزرگ بعدی در تاریخ هوش تجاری با توسعه هارد دیسک انجام شد. هارد دیسک‌هایی که امروزه شناخته می‌شوند توسط IBM اختراع شد و اجازه ذخیره حجم وسیعی از داده ها را داد. این نوآوری فنی پایه و اساس هوش تجاری مدرن بود. بدون نمایش داده‌های دیجیتالی، استفاده از ابزارهای هوش تجاری که شبیه به ابزارهای مدرن است; کار سختی است. IBM همچنان در تاریخ هوش تجاری پیشرو خواهد بود.
به عنوان مثال، در سال 1958، یک مقاله مجله کلیدی A Business Intelligence System ، توسط کارمند IBM ، هانس پیتر لون، منتشر شد. این مقاله آینده نگری و چشم انداز قابل توجهی را در مورد اینکه هوش تجاری در سال‌های آینده چگونه خواهد بود، نشان داد. این مقاله به چالش‌هایی که سازمان ها به دلیل حجم زیاد اطلاعاتی که برای تصمیم گیری و استفاده از آنها برای تصمیم گیری دارند، پرداخته بود.
لون همچنین با ارائه طرح راه حل‌هایی که می‌تواند به شرکت ها در استفاده موثرتر از داده ها کمک کند، مهارت فنی خود را نشان داد. فناوری‌های ذکر شده در مقاله توسط IBM برای ایجاد برخی از اولین سیستم‌های هوش تجاری واقعی استفاده شد. به همین دلیل، از هانس پیتر لوهن به عنوان “پدر هوش تجاری” یاد می‌شود.
آنچه واقعاً قابل توجه است این است که هانس چندین روند پیشرفته فعلی هوش تجاری را پیش بینی کرد و تا آنجا پیش رفت که توانایی یادگیری سیستم‌های اطلاعاتی را بر اساس علایق کاربران را نیز پیش بینی کرد. به عبارت دیگر، یادگیری ماشین در دهه 1950 توسط سوپراستار IBM پیش بینی شد!
1970 سیلوهای داده (داده‌های پراکنده)
دهه 1970 دوره ای بود که نام‌های بزرگی مانند SAP شروع به استفاده از هوش تجاری برای مشتریان بزرگ خود کردند. آنها به شرکت‌ها کمک کردند داده‌های خود را در پایگاه‌های داده قرار دهند و بر اساس آن داده ها گزارش ایجاد کنند.
با این حال، این پایگاه داده‌ها اغلب به دلیل تک بعدی بودن، جدا از هم بودند و انعطاف پذیری استفاده از آنها محدود بود. داده‌هایی که به روشی خاص در یک پایگاه داده وارد می‌شوند، برای ورود به پایگاه داده ای دیگر به روش کاملاً متفاوتی نیاز داشت.
به عنوان مثال، در ایالات ایالات متحده، یک پایگاه داده ممکن است از حروف اول مانند “OH ، NJ ، NY” استفاده کند. در حالی که پایگاه دیگر از نام کامل “اوهایو، نیوجرسی، نیویورک” استفاده می‌کند. پایگاه داده‌ای که برای خواندن ایالت‌های ایالات متحده به عنوان حروف اول تنظیم شده است، درصورت وارد شدن نام کامل نمی‌تواند از آن داده ها استفاده کند. این دست از مشکلات در سیستم‌های BI باعث می‌شد پایگاه داده‌ها برای “مکالمه متقابل” با یکدیگر با چالش‌هایی همراه باشند.
با این حال، بدون این مراحل اساسی، نوآوری‌های دهه 1980 و فراتر از آن امکان پذیر نبود.
هوش تجاری کاربردی – Nielsen Data Marts
یکی از اولین کاربردهای واقعی BI از Nielsen ارائه شد. نیلسن شرکتی است که رتبه‌های نیلسن را تولید می‌کند، که میزان سنجش تعداد افراد تماشای یک برنامه تلویزیونی خاص در هر زمان را تعیین می‌کند.
در دهه 70 ، آنها با IRI همکاری کردند تا به خرده فروشان Data Mart (بازار داده) دارای ابعاد مختلف ارائه دهند. این بازار داده به تجار کمک کرد تا روند فروش و تجزیه و تحلیل خرده فروشی را مشاهده کنند; که در غیر این صورت ممکن بود این اطلاعات را از دست بدهند.
دهه 1980 – داده‌ها از طریق انبارهای داده متحد می‌شوند
در تاریخچه هوش تجاری، دهه 1980 به عنوان زمانی شناخته می‌شود که داده‌های بزرگ شاهد تغییرات بزرگی بودند.
افرادی مانند بیل اینمون (“پدر ذخیره سازی داده”) و رالف کیمبال راه را برای سازماندهی داده‌ها به انبارهای داده که می‌تواند برای دسترسی و مدیریت داده‌ها در یک مکان استفاده شود، هموار کردند.
بیشتر بدانید: انبار داده چیست؟
با این حال، انبارهای داده هنوز چالش‌های خود را داشتند. اغلب دارای ماهیت بسیار فنی بودند و به یک کارمند فناوری اطلاعات (گران قیمت) که به طور خاص به یک پلتفرم هوش تجاری اختصاص داده شده بود، نیاز داشتند تا گزارش‌ها را اجرا کنند. یک کاربر تجاری معمولی امیدی به استفاده از این فناوری نداشت.
علاوه بر این، به دلیل چالش‌های مهندسی پرسیدن سوالات و محدودیت‌های پردازش رایانه‌ها در آن زمان; گزارش‌ها اغلب زمان زیادی طول می‌کشد تا اجرا شود.
در حالی که هوش تجاری از زمانی که کمدها به سادگی از کاغذها پر شده بودند; راه زیادی را طی کرده بود، اما هنوز راه درازی در پیش داشت.
هوش تجاری کاربردی – گزارشات نوار سبز
در اواخر دهه 1970 و 1980 ، یکی از اولین اشکال کاربردی هوش تجاری مورد استفاده قرار گرفت (گزارش نوار سبز). این گزارشات برای مواردی مانند موجودی اقلام سهام، فهرست دارایی‌ها و بدهی‌های یک شرکت یا انجام حقوق و دستمزد مورد استفاده قرار گرفت.
نام “گزارش نوار سبز” از نوارهای نمادین که کاغذ را متضاد می‌کند، گرفته شده است.
این گزارشات تابعی از فناوری جدید BI بود – سیستم‌های پشتیبانی تصمیم (DSS).
سیستم‌های پشتیبانی تصمیم گیری سیستم‌های ذخیره و مدیریت اطلاعات بودند که به طور مرتب گزارش‌هایی را برای شاخص‌های کلیدی عملکرد (KPI) و همچنین ایجاد گزارش‌های سفارشی برای پرس و جوهای جدید یا KPIهایی که ممکن است در حال اجرا داشته باشید به شما ارائه می‌کردند.
دهه 1990 – هوش تجاری 1
در تاریخچه هوش تجاری از دهه 1990 به عنوان عصر “هوش تجاری 1” یاد می‌شود.
در این دوره هوش تجاری سرعت گرفت و از یک منطقه بسیار خاص به منطقه‌ای تبدیل شد که بیشتر در دنیای تجارت شناخته می‌شد. شرکت‌های بیشتری برای ارائه ابزار BI شروع به کار کردند.
با این حال، جنبه فناوری هوش تجاری هنوز کاملاً خام بود. راه حل‌های BI در دهه 90 بسیار گران بود. علاوه بر این، پرسیدن سوالات BI ممکن بود هفته‌ها – حتی ماه‌ها طول بکشد. هنگامی که یک سوال “مهندسی” شد، می‌توانید به سرعت پاسخ را بیاموزید، اما فقط برای آن سوال.
این سیستم‌ها خیلی انعطاف پذیر نبودند و تنها بزرگترین شرکت‌ها می‌توانستند بودجه این راه حل‌ها را تامین کنند. از آنجا که راه اندازی سوالات بسیار طول کشید، شرکت‌ها هنگام استفاده از BI ناگزیر بر KPIهای اصلی خود و نه چیز دیگری تمرکز کردند. این اتفاق امروزه قابل تصور نیست; زیرا می‌دانیم که تنها با پرسیدن سوالات مناسب و تجزیه و تحلیل داده‌ها، اطلاعات ارزشمند به دست خواهید آورد.
هوش تجاری کاربردی – مکعب OLAP
OLAP مخفف OnLine Analytical Processing است و این مکعب‌های OLAP پیش زمینه سیستم‌های تجزیه و تحلیل زمان واقعی مدرن بودند.
در گذشته، کاربران IT تنها کسانی بودند که می‌توانستند به پایگاه‌های داده دسترسی داشته باشند. مکعب‌های OLAP به کاربران تجاری این امکان را می‌دهد تا از پایگاه داده با استفاده از زبان انگلیسی و نه خط فرمان استفاده کنند.
بیشتر بدانید: پایگاه داده چیست؟
همچنین سریعتر از سیلوهای داده بودند. زیرا آنها فقط داده‌ها را تجزیه و تحلیل (خوانده) می‌کردند و داده‌های جدیدی ایجاد نمی‌کردند. استفاده از این مکعب‌های OLAP در اواخر دهه 1990 پس از توسعه زبان MDX توسط مایکروسافت برای تعامل با آنها آغاز شد.
تاریخچه اطلاعات هوش تجاری – ظهور رایانه شخصی
رایانه‌های شخصی و اینترنت تا حدود 1995 مورد استفاده گسترده قرار نگرفتند.
این زمانی بود که مایکروسافت ویندوز 95 (اولین نسخه کاربر پسند ویندوز) را منتشر کرد. اینتل پردازنده Pentium Pro را روانه بازار کرد. فروش رایانه‌های شخصی از سال 1994 تا 2001 افزایش یافت. فروش رایانه‌های شخصی از حدود 20،000،000 دستگاه در سال به تقریبا 140،000،000 دستگاه در سال 2000 رسید.(که 700 درصد افزایش داشت.)
اواسط تا اواخر دهه 1990 زمانی بود که مردم عادی می‌توانستند از اینترنت برای اهداف خود در زمینه تفریح و نه فقط تجارت استفاده کنند. این اتفاق تغییر آینده راه‌حل‌های هوش تجاری را تحت تأثیر قرار داد و شروع گرایش به سمت نرم افزار تجزیه و تحلیل داده‌های کاربر پسندتر را مشخص کرد.
دهه 2000 – هوش تجاری 2 و فراتر از آن
به دلیل افزایش تصاعدی قدرت پردازشی و افزایش تقاضا برای راه حل‌های بصری تجاری; شاهد افزایش سریع انعطاف پذیری و سهولت استفاده از سیستم عامل‌های BI بوده‌ایم.
به عنوان مثال، در دهه 2000 اولین نرم افزار هوشمندی تجاری cloud BI مشاهده شد. این نرم افزار شرکت‌های کوچکتر را قادر می‌سازد تا از BI استفاده کنند. زیرا نیازی به استفاده از راه حل سازمانی گران قیمت با هزینه‌های هنگفت راه اندازی اولیه ندارند.
یکی دیگر از قابلیت‌های جدید پردازش زمان واقعی از طریق چارچوب‌هایی مانند Hadoop بود. در گذشته، پایگاه‌های داده باید به صورت “دسته‌ای” به روز می‌شدند، که زمان تاخیر قابل توجهی را شامل می‌شد. پردازش زمان واقعی اجازه می‌دهد تا اطلاعات کاملاً به روز در تصمیم گیری‌های تجاری مورد استفاده قرار گیرد.
سرانجام، سیستم عامل‌های BI به عنوان نرم افزار تجزیه و تحلیل سلف سرویس ارائه شد. این راه حل‌ها به یک کاربر غیر فنی و غیر حرفه ای اجازه می‌دهد تا به جای کد نویسی به طور مستقیم از طریق رابط کاربری گزارش‌ها و داده‌ها را تولید کند.
همه این نوآوری‌ها بر اساس نیاز بازار ایجاد شده است. ظهور شبکه‌های اجتماعی، افزایش استفاده از اینترنت، تلفن‌های هوشمند و به طور کلی داده‌ها; باعث افزایش سریع داده ها در جهان شد.
BI کاربردی – داشبوردهای تعاملی
داشبورد تعاملی کسب و کار یکی از پیشرفت‌های اخیر است. آنها به کاربران تجاری اجازه می‌دهند نمای خود را در مورد داشبورد “در حال اجرا”، در زمان واقعی سفارشی کنند.
فرض کنید یک مدیر فروش می‌خواهد روند کلی این سه ماهه را ببیند. آنها می‌توانند به یک نمای داشبورد نگاه کنند که میانگین نرخ بسته شدن، طول چرخه فروش و غیره را نشان می‌دهد. با این حال، اگر می‌خواهند به جزئیات دقیق‌تری دست یابند; می‌توانند بر روی داشبورد تعاملی خود کلیک کرده و ببینند که اعضای فروش در چه سطحی عملکرد دارند.
تاریخچه هوش تجاری نسبتاً جدید است، اما روز به روز شتاب می‌گیرد و متراکم تر می‌شود. BI به ما این امکان را می‌دهد که در میان آینده ای نامعلوم بهترین تصمیمات را بگیریم. سفر BI خود را با خیال راحت با موسسه آموزش همکاران سیستم آغاز کنید..
گردآورنده: عرفان ستایشی
منبع: DataPine