သင့်လုပ်ငန်းရဲ့ အချက်အလက်တွေကို ဘယ်လိုလွယ်ကူစွာ ခွဲခြမ်းစိတ်ဖြာမလဲ။

အသေးစား၊ အလတ်စား လုပ်ငန်းဖြစ်နေရင်တောင်မှ လုပ်ငန်းပိုင်းဆိုင်ရာ ဆုံးဖြတ်ချက်တွေကို ပိုပြီးကောင်းမွန်လာစေဖို့ ဆန်းစစ် သုံးသပ်စရာ အချက်အလက်တွေဟာ ရှိနေနိုင်ပါတယ်။ ယနေ့အချိန်မှာ Business Intelligence (BI) ဆိုတာဟာ အဖွဲ့အစည်းကြီးတွေနဲ့ နာမည်ကြီးလုပ်ငန်းတွေအတွက်သာ မဟုတ်တော့ပဲ အချက်အလက်စမ်းစစ်သုံးသပ်ဖို့ရာမှာ အသင့် အသုံးပြုနိုင်တဲ့ Solution တစ်ခု ဖြစ်လာပါပြီ ။

အရင်အချိန်တွေတုန်းကတော့ အချက်အလက်တွေကို Graph ဖြင့် ထုတ်ယူပုံဖော်နိုင်ဖို့ရာအတွက် Excel Spreadsheets တွေကနေ အချက်အလက်တွေကို ကိုယ်တိုင်ကိုယ်ကျ ဆွဲထုတ်ရယူမှုတွေ၊ တွက်ချက်မှုတွေ ပြုလုပ်ခဲ့ရပါတယ်။ အချို့သော လုပ်ငန်းစီမံခန့်ခွဲသူတွေမှာသာ အဆိုပါ အရည်အချင်းမျိုးရှိတာဖြစ်ပြီး၊ အသေးစားလုပ်ငန်းအများစုမှာတော့ အချက်အလက် ဆန်းစစ် သုံးသပ်သူ (သို့မဟုတ်) Data Scientists ဆိုတာ မရှိကြပါဘူး။

ယနေ့ခေတ်မှာတော့ အချက်အလက်တွေကို အလိုအလျောက် ဆွဲထုတ်ရယူပြီး ခွဲခြမ်းစိတ်ဖြာနိုင်တဲ့ အပြင် ခိုင်မာသေချာတဲ့ ဆုံးဖြတ်ချက်တွေ ချမှတ်နိုင်ဖို့အတွက်ပါ မြင်သာတဲ့ Format (Graph, Bar Chart, etc.) ပုံဖော်ပေးနိုင်ပြီး အလွယ်တစ်ကူ အသုံးပြုနိုင်တဲ့ drag-and-drop tools တွေရှိလာခဲ့ပါပြီ။ ဒါပေမယ့် လုပ်ငန်းပိုင်ရှင်တွေ၊ စီမံခန့်ခွဲသူတွေအနေနဲ့ကတော့ ခေတ်ပေါ် BI Tools ကို အသုံးပြုပြီး မှန်ကန်တိကျတဲ့ ကောက်ချက်တစ်ခုကို ဆွဲနိုင်ဖို့အတွက် ဘယ်လို အချက်အလက် မျိုးတွေကို ဆွဲထုတ်ပြီး သုံးသပ်ရမလဲဆိုတာကို နားလည်သိရှိနိုင်ဖို့ လိုအပ်နေတုန်းပါ။ အဆင့်တိုင်းမှာရှိတဲ့ လေ့ကျင့်ပေး ထားတဲ့ ဝန်ထမ်း (သို့မဟုတ်) ခွဲခြမ်းစိတ်ဖြာနိုင်တဲ့ အရည်အချင်းရှိသူတွေဟာ မတူးဖော်ရသေးတဲ့ အရင်းအမြစ်တွေကို အချက်အလက်တွေကနေ တစ်ဆင့် ဘယ်လိုရယူမလဲ ဆိုတဲ့ ထိုးထွင်းသိမြင်နိုင်စွမ်း ရှိကြပါတယ်။

Business Intelligence (BI) ကို ဘယ်လို အသုံးပြုရမလဲ။

Business Intelligence (BI) ကို ဘယ်လိုအရာမှန်းမသိပေမယ့် ကျွန်တော်တို့ အားလုံးအတွက်တော့ အသုံးပြုဖူးပြီးသား ရင်းနှီးပြီးသား ဖြစ်နေပါလိမ့်မယ်။ ဥပမာ ပြောရရင် Ecommerce ရဲ့ တိုးတက်လာမှုတစ်ခုဖြစ်တဲ့ တစ်ချိန်တည်းမှာ တစ်ခြား စျေးဝယ်သူတွေ ဘာတွေဝယ်ယူကြလဲဆိုတာကို အခြေခံပြီး ဆက်နွယ်မှုရှိနေတဲ့ ကုန်ပစ္စည်းတွေကို အကြံပြုပေးတာမျိုး (သို့မဟုတ်) အလားတူ ကုန်ပစ္စည်းတွေကို ဝယ်ယူဖို့အတွက် တိုက်တွန်းတာမျိုးစတာတွေပါ။

Business Intelligence ကို ဘယ်လိုအသုံးပြုရမလဲ ဆိုတာနဲ့ Data Science ၊ Predictive Analytics တွေရဲ့ အစွမ်းကို နား လည်ဖို့ရာအတွက် YouTube မှာ Videos တွေ အများကြီးရှိနေပါတယ်။ ဒါတွေကို အသုံးပြုပြီး ပိုမို ကောင်းမွန်တဲ့ ဆုံးဖြတ် ချက်တွေနဲ့ သင့်လုပ်ငန်းကို ချဲ့ထွင်လိုက်ပါ။

Business Intelligence – အဓိပ္ပာယ် ဖွင့်ဆိုချက်။

ကျယ်ပြန့်များပြားလှတဲ့ အချက်အလက်တွေနဲ့ ခွဲခြမ်းစိတ်ဖြာမှုတွေ ပေါင်းစည်းရာကနေရရှိလာတဲ့ ရလာဒ်တွေကို ဆုံးဖြတ် ချက် ချနိုင်တဲ့ အခြေအနေတစ်ခု ဖြစ်လာစေဖို့ရာ Business Intelligence က လုပ်ဆောင်ပေးပါတယ်။ အချုပ်အနေနဲ့ ပြောရရင်တော့ အရောင်းနဲ့ အမြတ်ငွေကို တိုးတက်လာစေဖို့ နဲ့ ကုန်ကျမှုတွေကို လျှော့ချဖို့ရာ Business Intelligence ကို အသုံးပြုခြင်းအားဖြင့် ဖြစ်လာစေနိုင်ပါတယ် ။ Google Analytics ကို အသုံးပြုပြီး ဆုံးဖြတ်ချက်ချနိုင်တဲ့ ကောက်ချက်တွေဆွဲခြင်းဟာလဲ Business Intelligence ရဲ့ ဥပမာ တစ်ခုပဲ ဖြစ်ပါတယ်။ ယနေ့ခေတ် SMB တွေအနေနဲ့ Hyper Business Intelligence လိုမျိုး စာအုပ်တွေကနေတစ်ဆင့် အကြံပြုချက်ပေါင်းများစွာကို အသုံးပြုပြီး ဆောင်ရွက်လို့ရနိုင်တာတွေ အများကြီးရှိနေတဲ့အပြင် ၄င်းတို့ရဲ့ လက်ရှိ အချက် အလက်တွေကို ခွဲခြမ်းစိတ်ဖြာဖို့ရာမှာလဲ Tools အသစ်အဆန်းတွေ အများကြီးရှိနေပါတယ်။

Analytics 3.0 – ကျွန်တော်တို့ရဲ့ အနာဂတ်။

စီးပွားရေးလုပ်ငန်းတွေဟာ အရင်က အသုံးပြုကြတဲ့ Analytics Platform တွေနဲ့ ကန့်သတ်ထားလို့မရတော့ပါဘူး။ Datapine လိုမျိုး All-In-One Data Visualization Software တွေဟာ Internal ရော၊ External ကပါ စတဲ့ အရင်းအမြစ် ပေါင်းများစွာကနေ အချက်အလက်တွေကို ဆွဲထုတ်ရယူနိုင်တဲ့အပြင် Drag and Drop နည်းပညာကိုပါ အသုံးပြုနိုင်ပြီး အသုံးပြုသူတွေကို အကျိုးသက်ရောက်မှုရှိတဲ့ Dashboards တွေကို အလွယ်တစ်ကူ ဖန်တီးခွင့်ပေးနိုင်ပါတယ်။

စီးပွားရေးလုပ်ငန်းများအနေနဲ့ Business Intelligence (BI) နဲ့ပတ်သတ်တဲ့ အတွေ့အကြုံတွေကို အသုံးပြုသူတွေထံ လိုသလို ပုံဖော်နိုင်ခြင်းအားဖြင့် Analytics 3.0 ကို သက်သေပြခဲ့ပါပြီ။ အချိန်နဲ့ တစ်ပြေးညီ စောင့်ကြည့်လေ့လာခြင်းဟာ အသုံးပြု သူတွေအနေနဲ့ သူတို့ရဲ့ လုပ်ငန်းအပေါ် တိတိကျကျ ခြုံငုံသုံးသပ်နိုင်ဖို့ လိုအပ်တဲ့ အချက်အလက်တွေကို ပေးစွမ်းနိုင်ပြီး ပုံဖော်ထားတဲ့ ရလာဒ်တွေ (Graph, Bar Chart, etc) ကို အချိန်မရွေး တိုက်ရိုက်ပြသပေးနိုင်သလို ၊ email report အနေနဲ့ လဲ ပုံမှန် ပို့ပေးခိုင်းလို့ ရနိုင်ပါသေးတယ်။ အချက်အလက်တွေကို ကွန်ပျူတာ၊ မိုဘိုင်းဖုန်း၊ Tablet  တွေကနေတစ်ဆင့် အချိန်မရွေး ရယူသုံးစွဲနိုင်မှာပဲ ဖြစ်ပါတယ်။

နေရာမရွေး အသုံးပြုနိုင်ခြင်း၊ သက်ရောက်တုန့်ပြန်မှုရှိတဲ့ Dashboard တွေအပြင် အလွယ်တကူ အသုံးပြုစေနိုင်တဲ့ နည်းပညာ စတာတွေဟာ Business Intelligence ကို လုပ်ငန်းတိုင်းအတွက် အသုံးဝင်စေတဲ့ အကြောင်းအချက်တွေပဲ ဖြစ် ပါတယ်။ ဘယ်လို အသုံးပြုရလဲဆိုတာကို ဥပမာတစ်ခုအနေနဲ့ ပြောရမယ်ဆိုရင်တော့ ခွဲခြမ်းစိတ်ဖြာထားတဲ့ အချက်အလက် တွေ နဲ့ ရောင်းချထားတဲ့ အရောင်းအချက်အလက်တွေကို ဆွဲထုတ်ပြီး BI Tool ကနေတင်ဆင့် လုပ်ငန်းတွင်းရောင်းအား မှ ပြင်ပ ကြော်ငြာအသုံးစရိတ်အထိ နှိုင်းယှဉ်ပြီး ROI ကို တွက်ချက်တိုင်းတာမျိုးပါ ။

Predictive and Prescriptive Analytics

နိုင်ငံတစ်ကာ ခွဲခြမ်းစိတ်ဖြာမှုဆိုင်ရာ အဖွဲ့အစည်းရဲ့ အဆိုအရ –

ခွဲခြမ်းစိတ်ဖြာခြင်းဆိုတဲ့ကိစ္စမှာ ပုံစံသုံးမျိုးရှိနေပြီး ပထမပုံစံကတော့ ပုံဖော်ခြင်း (ပြီးခဲ့တဲ့အကြောင်းအရာများနှင့် ပတ် သတ်တဲ့ အစီရင်ခံစာတွေဖြစ်ပြီး)၊ ဒုတိယပုံစံကတော့ ကြိုတင်ခန့်မှန်းခြင်း (ဖြစ်ပျက်ပြီးခဲ့တဲ့ အကြောင်းအရာတွေကို အခြေ ခံပြီး နောက်ဖြစ်လာနိုင်ခြေရှိတာတွေကို ခန့်မှန်းခြင်း) နဲ့ တတိယပုံစံအနေနဲ့ကတော့ စံနမူနာထားဆောင်ရွက်ခြင်း (အ ကောင်းဆုံး အပြုအမူတွေနဲ့ လုပ်ရပ်တွေကို သတ်မှတ် အသုံးပြုမယ့်ပုံစံ တည်ဆောက်ခြင်း) တို့ပဲ ဖြစ်ပါတယ်။ Analytics 3.0 မှာတော့ ဒီ အပိုင်းသုံးပိုင်းစလုံး ပါဝင်တယ်ဆိုပေမယ့် တတိယပုံစံ (စံနမူနာထားဆောင်ရွက်ခြင်း) ကို အထူးအလေး ပေးထားပါတယ်။

ဒီခွဲခြမ်းစိတ်ဖြာမှုဆိုင်ရာ လုပ်ထုံးတွေအနေနဲ့ အနာဂတ်မှာဖြစ်လာမယ့် အဖြစ်အပျက်တွေအထိ သိမြင်နိုင်စွမ်းတွေ၊ ဘယ်လို ဆုံးဖြတ်ဆောင်ရွက်မှုတွေကို ပြုလုပ်သင့်တယ်ဆိုတဲ့ ထောက်ခံမှုတွေနဲ့ လက်တွေ့ကျတဲ့ လုပ်ငန်းပိုင်းဆိုင်ရာဆုံးဖြတ်ချက် တွေအထိ ပေးစွမ်းနိုင်မှာပဲဖြစ်ပါတယ်။

Big Data ကို သိမြင်ခြင်း – Business Intelligence ရဲ့ သမိုင်းကြောင်း။

Harvard Business Review ရဲ့ Analytics 3.0 နဲ့ ပတ်သတ်တဲ့ သုံးသပ်မှုတစ်ခုမှာတော့ အချက်အလက်တွေနဲ့ ခွဲခြမ်း စိတ်ဖြာခြင်းဆိုင်ရာ သမိုင်းကြောင်းရဲ့ ပိုပြီးအသေးစိတ်ကျတဲ့ သတင်းအချက်အလက်တွေပါဝင်ပါတယ်။ လုပ်ငန်းရှင်တွေ အနေနဲဲ့ သိနားလည်ထားသင့်တဲ့ အသုံးအနှုန်းနဲ့ ဆိုလိုရင်း အကျဉ်းချုပ်လေးကို တင်ပြပေးလိုက်ပါတယ် ။

Business Intelligence – Analytics 1.0 – The 1950s။

၁၉၅၀ ခုနှစ် ကာလတွေတုန်းက Tool တွေဟာ အချက်အလက်တွေကို စုစည်းဖို့နဲ့ အပြောင်းအလဲ ရေစီးကြောင်းတွေ၊ ပုံစံတွေကို ခွဲခြားသတ်မှတ်ဖို့ Design ရေးဆွဲထားတာမျိုး ဖြစ်ပါတယ်။ အဆိုပါ Tool တွေဟာ လုပ်ငန်းတာဝန်တွေကို လူတွေ ပြုမူနိုင်တာထက်ပိုပြီး မြန်မြန် ဆန်ဆန်ပြီးမြောက်စေနိုင်စွမ်းရှိပါတယ်။ ဒီ အစောပိုင်းကာလတွေမှာ Business Intelligence ရဲ့ အချက်အလက် ခွဲခြမ်းစိတ်ဖြာခြင်းကိုတော့ Analytics 1.0 လို့ ယေဘုယျအားဖြင့် ရည်ညွှန်းထားပါတယ် ။ အဲ့ဒီအချိန်တုန်းက Business Analytics tool တွေရဲ့ အများစုကတော့ ကျစ်လျစ်ပြီး စနစ်ကျတဲ့ အတွင်းပိုင်း အချက် အ လက် အရင်းအမြစ်တွေသာ ဖြစ်ခဲ့ပါတယ်။ အစီရင်ခံမှု လုပ်ဆောင်နိုင်စွမ်းမှာလဲ အကန့်အသတ်ရှိတဲ့အပြင် Batch Processing Operations တွေကို ဆောင်ရွက်ရာမှာလဲ လပေါင်းများစွာ ကြာနိုင်တဲ့ အနေအထားပါ။ Big Data ရှိမလာခင် အချိန်တုန်းကတော့ အချက်အလက်တွေကို ခွဲခြမ်းစိတ်ဖြာရတာထက် အချက်အလက်တွေကို စုစည်းပြီး ပြင်ဆင်ရတဲ့ အချိန်က ပိုပြီးကြာမြင့်ခဲ့ပါတယ်။ အစောပိုင်းခေတ်ဟာ နှစ်ငါးဆယ်ခန့် ကြာမြင့်ခဲ့ပြီးနောက် Big Data အတွက် ရောင်နီသမ်း လာခဲ့ပြီလို့ဆိုုရမှာပါ။

Big Data မွေးဖွားလာခြင်း (Analytics 2.0, 2000 ခုနစ် ၊ နစ်လည်ပိုင်း)။

၂၀၀၀ ခုနှစ် နှစ်လည်ပိုင်းလောက်မှာတော့ အင်တာနက်ဆိုတဲ့အရာနဲ့အတူ ယနေ့ခေတ်ရဲ့ လူမှုကွန်ယက်တွေဖြစ်တဲ့ Facebook နဲ့ Google တို့ မွေးဖွားလာခဲ့ပါတယ်။ Google နဲ့ Facebook နှစ်ခုစလုံးဟာ အချက်အလက်တွေကို စုဆောင်းမယ့် နည်းလမ်းအသစ်တွေနဲ့ အချက်အလက်အသစ်တွေကို ခွဲခြမ်းစိတ်ဖြာဖို့ရာ ကမ်းလှမ်းခဲ့ပါတယ်။ ဒါပေမယ့် Big Data ဆိုတဲ့ ဝေါဟာရာဟာ ၂၀၁၀ မတိုင်ခင်အထိ လူသိ အရမ်းမများခဲ့ပါဘူး။ ဒီ သတင်းအချက်အလက် အသစ်အရ ရှေးယခင်တုန်းက သေးငယ်တဲ့ အချက်အလက်တွေထက်စာရင်တော့ အများကြီးကွာခြားမှု ရှိလိမ့်မယ်ဆိုတာကတော့ အသေအချာပါပဲ။

Big Data Vs Small Data – ကွာခြားချက်က ဘာများလဲ။

ပြောရမယ်ဆိုရင်တော့ Small Data၊ Big Data တွေကနေ ရလာတဲ့ ကုမ္ပဏီတစ်ခုရဲ့ ကိုယ်ပိုင်စာရင်းဇာယားတွေနဲ့ ရုံးတွင်းပိုင်း လုပ်ငန်းဆောင်ရွက်မှုတွေဟာ ကွန်ယက်တွေ၊ အများပြည်သူကတွေစီကနေ အချက်အလက်ရယူတဲ့ စီမံကိန်း တွေနဲ့ အရင်းအမြစ်တွေစတဲ့ ပြင်ပကလာတဲ့ အချက်အလက်တွေကနေတစ်ဆင့် ရေးဆွဲထားတာပါ။ Human Genome Project ကတော့ Big Data နဲ့ ပတ်သတ်တဲ့ ဥပမာတစ်ခုပဲ ဖြစ်ပါတယ်။ ဒီ အချက်အလက်စုဆောင်းမှု နည်းလမ်းအသစ်ဟာ Analytics 2.0 ရဲ့ အရိပ်လက္ခဏာတစ်ခုပဲ ဖြစ်ပါတယ်။

Analytics 2.0

Big Data ရောက်ရှိလာချိန်မှာတော့၊ အသစ်အသစ်သော လုပ်ငန်းစဉ်တွေရဲ့ တိုးတက်မှုတွေနဲ့ နည်းပညာတွေဟာ ကုမ္ပဏီ ရဲ့ စုဆောင်းထားတဲ့ အချက်အလက်တွေကို ထိုးထွင်းသိမြင်မှုမှတစ်ဆင့် အမြတ်အစွန်းအဖြစ် ပြောင်းလဲစေဖို့ရာ ရှေးဦးစွာ အထောက်အပံပေးခဲ့ပါတယ်။ Analytics 2.0 ကာလအတွင်းက အချက်အလက် ခွဲခြမ်းစိတ်ဖြာခြင်းဆိုတာ သတင်းအချက် အလက်နဲ့ နည်းပညာပိုင်းအတွက် သင့်တော်သလို ခွဲခြမ်းစိတ်ဖြာမှုအပိုင်းအတွက်လဲ သင့်တော်တဲ့အရာတစ်ခုဖြစ်ပါတယ်။ ဒီလို လုပ်ဆောင်နိုင်စွမ်း တွေရှိနေခြင်းဟာ နောက်ပေါ်လာမယ့် Analytics 3.0 အတောအတွင်းမှာ နည်းပညာ တိုးတက် ပြောင်းလဲမှုတွေအတွက် ကြိုတင်ပြင်ဆင်ထားခဲ့တာလို့တောင်ပြောနိုင်ပါတယ်။

Analytics 3.0

Analytics 3.0 ကတော့ အနာဂတ် Business Intelligence ကိုသွားမယ့် လမ်းကြောင်းရဲ့ အရင်းအမြစ်တွေထဲက တစ်ခုလို့ ဆိုနိုင်ပါတယ်။ Business Intelligence ရဲ့ အဆုံးသတ် ရည်မှန်းချက်ကတော့ ဝန်ထမ်းတွေနဲ့ လုပ်ငန်းပိုင်ရှင်တွေကို ပိုပြီး ကောင်းမွန်တဲ့ ဆုံးဖြတ်ချက်ကို ချမှတ်နိုင်စေမယ့် အချက်အလက်တွေကို ပေးစွမ်းခြင်းအားဖြင့် ကုမ္ပဏီတွေရဲ့ စွမ်းဆောင် ရည် အဆင့်အတန်းကို တိုးတက်စေဖို့ဖြစ်ပြီး အချက်အလက်တွေကို ခွဲခြမ်းစိတ်ဖြာစေနိုင်ဖို့ပဲ ဖြစ်ပါတယ်။

Business Intelligence ဟာ SMB တွေကို ဘယ်လို အကျိုးရိစေမာလဲ။

SAP အနေနဲ့ Business Intelligence ဟာ မည်သည့် size မျိုးမဆိုရှိတဲ့ လုပ်ငန်းတွေအပေါ် ဘယ်လို အကျိုးသက်ရောက် မှု ရှိစေသလဲဆိုတဲ့ အခမဲ့ white paper ကို ကမ်းလှမ်းခဲ့ပါတယ်။ BI ဟာ သုတေသန ဆိုင်ရာခွဲခြမ်းစိတ်ဖြာမှုကို အကူအညီ ပေးနိုင်ပြီး Manager နဲ့ အခြားသော ဝန်ထမ်းတွေဟာ Management အနေနဲ့ ဆုံးဖြတ်ချက်တွေကို မြန်မြန်ဆန်ဆန် ချ မှတ်နိုင်ဖို့ကို ဆောင်ရွက်ပေးစေနိုင်ပါတယ်။ ဒီအချက်ဟာ အရောင်းဌာနနဲ့ ဝန်ထမ်းတွေကို အများပြည်သူနဲ့ တိုက်ရိုက်  ဆက်ဆံရာမှာ သူတို့တွေပေးတဲ့ Recommendations တွေနဲ့ ပတ်သတ်ပြီး ဥပမာကောင်းကောင်း ပေးနိုင်ဖို့ကို လုပ်ဆောင် ပေးနိုင်အကျိုးရစေမှာပဲ ဖြစ်ပါတယ်။

Stay tune to this page!

#SAP #ERP #Vanguard_Myanmar # SAP_Myanmar #Local_Partner #SAP_Gold_Partner