برگزاری دوره های آموزشی در سازمان شما

هوش تجاری Business Intelligence

هوش تجاری
      

 

فهرست

لزوم هوش تجاری

کاربردها، ابزارها و تکنیک های پیاده سازی هوش تجاری

تعریف هوش تجاری (BI)

مقایسه تطبیقی جند تعاریف هوش تجاری

BI در عمل

اهداف BI

معماری و اجزاء BI

فهرست

 موضوعات مطرح در BI

On-Line Analytical Processing

On-Line Transaction Processing

Data Mining

Data Warehousing

Intelligent Decision Support System

Intelligent Agent

Supply Chain Management

Enterprise Resource Planning

 

 

 

 

فهرست

نقشه راه سیستم های هوش تجاری

ملاحظات نقشه راه سیستم های هوش تجاری

فروشندگان محصولات هوش تجاری

موقعیت فروشندگان BI در بازار

علل شکست برخی از سیستم های هوش تجاری

مراجع

 

 

 

 

بررسی دلایل نیاز به هوش تجاری

هوش تجاری

هوش تجاری

هوش تجاری

دلاِیل اقتصادی

دنبال نمودن اهداف کاراِیی سِیستم کاربردی

افزاِیش رقابت ها

تجارت الکترونِیکی

حماِیت از تصمِیم گِیری های سِیستم کاربردی

کثرت مشترِیان

نِیاز به آنالِیز عملِیّات سِیستم

صحّت و دقّت اطّلاعات حاصل از سِیستم

دسترسی به داده های بهنگام شده

کاهش هزِینه

رضاِیت کاربران نهاِیی در مقاِیسه با کالاهای مشابه

 

هوش تجاری

هوش تجاری

روش های استفاده از هوش تجاری

سایرتعاریف از هوش تجاری

عبارتست از بُعد وسِیعی از کاربردها و تکنولوژی برای جمع آوری داده و دانش جهت تولِید پرس و جو در راستای آنالِیز Enterprise برای اتخاذ تصمِیات تجاری دقِیق و هوشمند. [Paul Balacky & Richard Fayers, 2003]  

سایرتعاریف از هوش تجاری

ِیک هوش تجاری براساس ِیک معماری Enterprise تشکِیل شده و در قالب OLAP (پردازش تحلِیلی برخط)، به تحلِیل داده های تجاری و اتخاذ تصمِیمات دقِیق و هوشمند می پردازد. [Loshin David, 2003]

سایرتعاریف از هوش تجاری

هوش تجاری، نه بعنوان ِیک محصول و نه بعنوان ِیک سِیستم، بلکه بعنوان ِیک معماری موردنظر است که شامل مجموعه ای از برنامه های کاربردی و تحلِیلی است که به استناد پاِیگاه های داده عملِیاتی و تحلِیلی به اخذ و کمک به اخذ تصمِیم  برای فعالِیت های هوشمند تجاری می پردازند. ۲۰۰۵] , [Larissa T. Moss, Shaku Atre

مقایسه تطبیقی تعاریف هوش تجاری

BIاهداف

انتظار دارِیم که ِیک سِیستم BI، آنالِیز داده را به کمک آنالِیز آماری و بر مبنای ِیک پاِیگاه داده تحلِیلی مِیسّر سازد

معماری و اجزای هوش تجاری

هوش تجاری – چگونه؟ (ادامه)

 OLAP (On-Line Analytical Processing)

    OLAP (On-Line Analytical Processing) 

پردازش تحلیلی برخط (OLAP)

سرویس هایی که از پایگاه داده تحلیلی به منظور پاسخگویی سریع به پرسش های تحلیلی کاربران استفاده می کنند،

عبارت است از مجموعه ای از نرم افزارها برای

اکتشاف و تحلیل سریع داده های مبتنی بر یک شیوه چند بُعدی با چندین سطح از مجموع سازی (Aggregation) جهت

تسریع و آسان سازی تصمیم گیری 

 آسان شدن تصمیم گیری به دلیل

قابلیت هدایت تحلیل ها بدون نیاز به یک زبان پرس  و جوی اصلی یا فهم ساختار زیرین بانک اطلاعاتی حاصل می شود.    

 OLAP (ادامه)

سریع ترشدن تصمیم گیری نیز از این جهت است که مجموع داده ها برای درخواست های متداول از پیش محاسبه شده است و به اصطلاح داده ها، Pre-Aggregate شده اند،

بنابراین زمان محاسبه کاهش یافته و پاسخگویی به پرس وجوهای پیچیده تحلیلی به سرعت امکانپذیر خواهد بود.

پایگاه داده تحلیلی (DW) و پردازش تحلیلی بر خط (OLAP) از جمله عناصر ضروری در سیستم های تصمیم یار به شمار می آیند.

 

 OLTP (On-Line Transaction Processing)

 OLTP (On-Line Transaction Processing)

دادههای مورد استفاده در این تراکنشها دادههای بهروز، جاری و با جزئیات است : پردازش تراکنشها، مشتمل بر انجام عملیات روزانه مانند خرید و فروش و عملیات بانکی و مانند آن.

پایگاه های داده عملیاتی (DB)، منبع داده ای سیستم های OLTP هستند.

پایگاه های داده عملیاتی رایج شامل داده های بروز و جاری،  جهت انجام عملیات روزانه ثبت، حذف، بروزرسانی و مشاهده داده ها هستند.

داده کاوی (Data Mining)  –معماری چند لایه

   ( Data Mining ) داده کاوی

عبارت داده کاوی به فرآیند تحلیل نیمه خودکار پایگاه داده های بزرگ، به منظور یافتن الگوهای مناسب اطلاق می گردد.

همانند کشف دانش در هوش مصنوعی (که آنرا یادگیری ماشین هم می نامند )، یا تحلیل آماری، داده کاوی هم سعی در یافتن قوانین والگوها از داده ها دارد.

داده کاوی از این جهت که با حجم عظیم اطلاعاتی، که اغلب روی دیسک ذخیره شده است روبروست، با یادگیری ماشین و آمار متفاوت است.   

   داده کاو ی با کشف دانش در پایگاه های داده سر و کار دارد.

پایگاه داده تحلیلی

پایگاه داده تحلیلی (ادامه)

پایگاه داده تحلیلی (Data Warehouse)                              

 Data Warehouse (پایگاه داده تحلیلی)، مخزن داده ای متمرکز، جمع آوری شده از منابع اطلاعاتی مختلف و ناهمگن در یک محدوده وسیع زمانی است و برای پشتیبانی از سیستم های تصمیم یار(DSS) استفاده می شود.

DW از پایگاه های داده عملیاتی و یا سایر منابع داده ای توزیع شده سازمان ها و ارگان های متفاوت تهیه می شود.

پایگاه داده تحلیلی بستر مناسبی فراهم می آورد که داده ها به منظور پاسخگویی به پرسش های تحلیلی به صورت بایگانی شده، سر جمع شده و سازمان یافته، ذخیره شوند.

 پایگاه داده تحلیلی شامل داده هایی است که برای انجام تصمیم گیری ها و تحلیل ها مناسب است.        

 

پایگاه داده تحلیلی(ادامه)

پایگاه داده تحلیلی عبارت است از مخزن داده جمع آوری شده ای از منابع اطلاعاتی:

مختلف،

توزیع شده،

احتمالاً ناهمگون،

تحت یک ساختار چند بُعدی،

 بصورت یکپارچه،

 پاکسازی شده،

موضوع گرا،

 سرجمع شده،

 غیر قابل تغییر

 و در محدوده زمانی مشخص طولانی دردسترس بوده.

 

 

پایگاه داده تحلیلی(ادامه)

داده های موجود در پایگاه داده تحلیلی، غیر قابل تغییر، یعنی فقط خواندنی هستند و توسط کاربران قابل تغییر نیستند.

وظیفه اصلی و مهمترین کاربرد پایگاه های داده تحلیلی انجام پردازش های تحلیلی برخط (OLAP) می باشد.

متناظر این عمل در پایگاه های داده عملیاتی، انجام و پاسخگویی به تراکنش های کاربران است که پردازش های تراکنشی برخط ((OLTP نامیده می شود. 

قبل از پایگاه داده تحلیلی،  Repository داریم که جزئی ازBI  است.

اولین وظیفه DW در معماری BI عبارتست از سازماندهی Repository دانش و Repository داده که از منابع مختلف بدست می آید.

 به این معنی که ذخیره سازی، اعتبارسنجی، تأیید و امکان دسترسی آسان به آن را فراهم می سازد. برای این کار توصیه می شود، ابتدا به ساخت Data Mart اقدام گردد.     

خصوصیات پایگاه داده تحلیلی

خصوصیات پایگاه داده تحلیلی عبارت است از :

یکپارچه: پالایش، سازگار نمودن، همسان سازی و یکپارچه نمودن دادههای استخراج شده از منابع دادهای مختلف و احتمالا ناهمگون (مثلا سازگاری قوانین نامگذاری)

موضوع گرا: سازمان یافته پیرامون موضوعی خاص، مانند محصول، مشتری و یا کالا

 سرجمع شده: داده های آن تحلیلی بوده و برای تصمیم گیریها ناسب می باشند.

 غیر قابل تغییر:عدم وجود عملیات به روزرسانی (تراکنشی) و به کارگیری نوسازی برای به هنگام سازی (عدم نیاز به پردازش تراکنشها، مکانیزمهای ترمیم، و کنترل همزمانی )

در محدوده زمانی مشخص طولانی: محدوده زمانی به مراتب طولانیترنسبت به سیستمهای  عملیاتی و وجود صریح یا ضمنی عنصر زمان در هر ساختار کلیدی

بسیار حجیم: با توجه به اینکه محدوده زمانی وسیعی را پوشش می دهند، بسیار حجیم می باشند.

 

 

سیستم تصمیمیار هوشمند (IDSS)

سیستم تصمیمیار هوشمند (IDSS)

 

Intelligent Decision Support System

سیستم های تصمیم یار، سیستم هاییِ هستند که به مدیران درامر تصمیم گیر ی کمک می کنند.

برای این منظور از تکنیک هایی مانند داده کاوی و سرویس هایی مانند  OLAP کمک می گیرند.

پایگاه داده تحلیلی (DW) و پردازش تحلیلی بر خط (OLAP) از جمله عناصر ضروری در سیستم های تصمیم یار به شمار می آیند.

سیستم های تصمیم یار هوشمند، سیستم های تصمیم یاری هستند که مبتنی بر تکنیک های هوشمند اند. 

اجزای سیستم تصمیم یار هوشمند زیر سیستم مدیریت داده

اجزای سیستم تصمیم یار هوشمند – زیر سیستم مدیریت مدل

 

اجزای سیستم تصمیم یار هوشمند – زیر سیستم رابط کاربر

چگونگی بکارگیری سیستم تصمیمیار در تصمیمگیری

 

Intelligent Agent

 

 Intelligent Agent (ادامه)

عامل (Agent)  نرم افزاری است که عمل می کند و  قادر به تأثیر گذاری  بر محیط است به طوری که منجر به فعالیت و یا تغییرحالت می شود. همانند یک فعالیت شیمیایی، فیزیکی و یا بیولوژیکی .

 عامل ابزاری هوشمند برای رسیدن به هدف است .

عامل خودمختار است و به تنهایی قادر به تصمیم گیری است.

عامل عبارت است از موجودیتی که واکنش دارد و به طور خودمختار کنش انجام می دهد.

عاملهای هوشمند بایستی قادر به انجام کارها در دنیای واقعی باشند به طوری که اعمال هدفداری را انجام دهند و نیز بایستی قادر به زندگی و عمل در دنیای واقعی باشند

 

ویژگی های عامل ها

ویژگی های عامل ها (ادامه)

ویژگی های عامل ها (ادامه)

Supply Chain

Supply Chain: حرکت منابع تجاری (مواد و اطلاعات و سرویسها ) از مواد خام واز طریق کارخانجات و انبارها تا مشتریان نهایی.

همچنین شامل سازمانها وفرآیندهایی است که این محصولات، اطلاعت و سرویسها را تولید و تحویل مشتریان نهایی می دهند. 

Supply Chain شامل فعالیتهای متعددی ازجمله خرید و فروش و تدارکات و حمل و نقل و اداره و کنترل مواد خام و برنامه ریزی و کنترل تولید و انبار و کنترل لیست اموال و توزیع و تحویل و…

Supply Chain Management

سیستم های SCM شامل:

مدیریت اموال (Inventory management)

مدیریت حمل و نقل (Shipping managemen)

خرید مفید و کارا (Efficient purchasing)

CRM (Collaboration along chain)

همکاری در طول چرخه  (Reduce number of intermediaries)

 

برای پیاده سازی SCM مناسب از ابزارهای زیر استفاده می کنیم:

MRP:تولید+ خرید+ انبارداری

MRP2: تولید+ خرید+ انبارداری+ حقوق+ دستمزد+ مالی

ERP: Enterprise همه فعالیتهای زنجیره در رابطه با

 

Enterprise Resource Planning

Enterprise Resource Planning

Enterprise Resource Planning

Enterprise Resource Planning

ERP را می توان به عنوان نرم افزار یکپارچه ای تعریف نمود که دارای اجزا و یا ماژولهایی برای

برنامه ریزی،

تولید،

فروش،

بازاریابی،

توزیع،

حسابداری،

مدیریت منابع انسانی،

مدیریت پروژه،

مدیریت موجودی،

مدیریت خدمات و نگهداری و تعمیرات،

مدیریت حمل و نقل و بازرگانی الکترونیک است.

 

معماری و ساختار ERP بگونه ای است که یکپارچگی و جامعیت اطلاعات سطح سازمان را فراهم نموده و جریانی روان از اطلاعات بین بخشهای مختلف سازمان فراهم می آورد

Enterprise Resource Planning

چطور ERP باعث بهبود عملکرد سازمان میشود؟

 

از طریق بهبود روشی که سازمان سفارشهای مشتری را دریافت کرده آنها را پردازش مینماید.

ERP سفارش مشتری را میگیرد و مسیری نرمافزاری برای تکمیل این فرم سفارش و طی شدن مراحل مختلف آن به صورت اتوماتیک فراهم میکند.

این رویای ERP است، ولی واقعیت کمی خشنتر است.

 

 

مشکل اصلی

 

مردم دوست ندارند تغییر کنند، و ERP از آنها میخواند روش کارشان را عوض کنند.

خود نرمافزار اهمیت بسیار کمتری از صورت گرفتن تغییرات در روند کار سازمان دارد.

اگر نرمافزاری تهیه و نصب کنید، بدون آنکه تغییری در روند کار افراد سازمان خود ایجاد نمایید، ممکن است هیچیک از مزایای ERP را بدست نیاورید، و حتی برعکس، ممکن است نرمافزار جدید باعث کندتر شدن کار آنها شود.

Enterprise Resource Planning

پنج دلیل اصلی برای استفاده از ERP ها وجود دارد:
یکپارچه کردن اطلاعات مالی
یکپارچه کردن اطلاعات سفارش مشتری
استاندارد کردن و سرعت دادن به فرآیند تولید
کاهش اسناد کاغذی
استاندارد کردن اطلاعات منابع انسانی

ماژول ها

مدیریت خرید

این ماژول به خرید به صورت JIT کمک کرده و سازمان ها را قادر می سازد که از انباشته شدن کالا ها در انبارهایشان جلوگیری شود.

برخی از قابلیت های این ماژول:

مدیریت تامین کنندگان

مدیریت قراردادها

مدیریت قیمتها و تخفیفات

مدیریت مناقصات و پیشنهادات

ردیابی اسناد خرید و رسید ها و مدارک

مدیریت انبار

یکی از مهمترین فرایندهای یک سازمان تولیدی، فرایند مدیریت انبار میباشد. بهینهسازی این فرایند سهم زیادی در کاهش خواب سرمایه انبارش شده و به دنبال آن کاهش قیمت تمام شده کالا دارد.

برخی از قابلیت های این ماژول:

نگهداری تاریخچه میزان مصرف اقلام

تعریف نوع تعاملات انباری (انواع رسید و حواله)

ثبت رسید دریافت

مدیریت تولید

بخش تولید به عنوان یکی از مهمترین بخشهای هر شرکت تولیدی میتواند با بهرهگیری مناسب از فناوری اطلاعات و ارتباطات گامهای بلندی در خصوص برنامهریزی و مدیریت تولید بردارد که نمونه بارز آن استقرار سیستمهای مدیریت تولید میباشد.

برخی از قابلیت های این ماژول:

ارسال درخواست

دریافت دستورالعمل و مدارک فنی و نقشه ها

ثبت درخواست تعمیر

ثبت رسید محصول نهایی

مدیریت فروش

مؤلفه فروش در هر سازمانی که در جهت درآمدزایی فعالیت میکند یکی از مهمترین مؤلفههاست. در حقیقت مدیریت فروش و مدیریت ارتباط با مشتری پل ارتباطی شرکت با مشتریان میباشد.

برخی از قابلیت های این ماژول:

تغییر آسان قیمتها و امکان اعمال محدودیت برتغییرات

تعریف انواع سفارش محصول

داشتن روال قیمتگذاری برای سفارشات استاندارد

قیمتگذاری خودکار و یا دستی

مدیریت مالی

از آنجا که کلیه فرآیندها در یک سازمان تولیدی به گونه ای با فرایند مالی در ارتباط هستند و تصمیمگیریهای مدیریتی و راهبردی به سیستم مالی سازمان مربوط می شود میتوان گفت ماژول مالی یکی از مهمترین و اساسی ترین ماژولهای ERP بوده و کلیه فعالیتهای یک سازمان متاثر از فعالیت این ماژول است.

برخی از قابلیت های این ماژول:

تعریف انواع حسابها و مدیریت آنها

تعریف و صدور انواع اسناد و رسیدها

ثبت اسناد حسابداری

مدیریت منابع انسانی

نیروی انسانی در حال حاضر مهمترین دارایی و سرمایه هر سازمانی محسوب میگردد، از این رو نیاز به مدیریت هدفمند این سرمایههای ارزشمند بیش از پیش در سازمانها احساس میگردد. فنآوری اطلاعات یکی از ابزارهایی است که کمک شایان ذکری در این زمینه نموده است.

برخی از قابلیت های این ماژول:

تعریف نیازهای آموزشی مشاغل و کد گذاری آنها

مشخص کردن نیازهای آموزشی پرسنل بر اساس کد شغل مربوطه (با توجه به وضعیت آخرین حکم و نتایج حاصل از عملکرد)

تعریف مخازن سؤال برای دورههای آموزشی

مدیریت کیفیت

امروزه استقرار سیستمهای مدیریت کیفیت بدون بهرهگیری کارآمد از ابزارهای فناوری اطلاعات و ارتباطات امری دشوار است.بنابراین مدیریت کیفیت به عنوان یکی از فرایندهای مهم سازمان، میتواند با بهرهگیری از امکانات ماژول مدیریت کیفیت ERP به صورت بهینه اجرا شود.

برخی از قابلیت های این ماژول:

گزارش عیوب

تعداد مرجوعیها

شکایات مشتریان

گزارش بازرسی بر حسب تامین کننده، ایستگاه، محصول، قطعه، شرکت

امکانات دیگر

مدیریت تماس ها

مدیریت ایمیل ها

مدیریت حمل و نقل

کنترل پروژه

بانکداری

نقشه راه هوش تجاری

برای برنامه های کاربردی هوش تجاری با نیازمندی های خاص از جمله استفاده از داده های غیر ساخت یافته مثلاً کاوش در متن و محتوا و صوت و… نیاز به گسترش فعالیت ها و نقش ها در قالب گام های تولید مناسب است

نقشه راه هوش تجاری اساساً یک راهنمای چرخه حیات پروژه برای ایجاد برنامه های کاربردی تصمیم یارهوش تجاری با استفاده از داده های ساخت یافته است.

                  

 

نقشه راه تولید یک پروژه هوش تجاری

این نقشه ۱۶ گام برای ساخت یک پروژه هوش تجاری را بر طبق همان ۶ مرحله انجام هر پروژه مهندسی که قبلاً ذکر شد، به شرح زیر بیان می کند:

مرحله هدف و منظور:

گام ۱: ارزیابی وضعیت تجاری،

مرحله طرح ریزی:

گام ۲: ارزیابی زیر ساخت Enterprise،          

گام ۳: طرح ریزی پروژه،

مرحله تحلیل تجاری:

گام ۴: تعریف نیازمندی های پروژه،

گام ۵: تحلیل داده،

گام ۶: نمونه سازی برنامه کاربردی، 

گام ۷: تحلیل مخزن فراداده،

 

مرحله طراحی:

گام ۸: طراحی پایگاه داده،

گام ۹: طراحی ETL (استخراج/تبدیل/بارگذاری)

گام ۱۰: طراحی مخزن فراداده،

مرحله ساخت:

گام ۱۱: تولید ETL،

گام ۱۲: تولید برنامه کاربردی،

گام ۱۳: داده کاوی،

گام ۱۴: تولید مخزن فراداده،

مرحله نصب و استقرار:

گام ۱۵: پیاده سازی،

گام ۱۶: ارزیابی نسخه.

 

 

ارزیابی وضعیت تجاری

در این گام، مشکل یا موقعیت تجاری تعریف می  شود و یک راه حل تجاری پیشنهاد می شود. هر نسخه برنامه کاربردی هوش تجاری باید توجیه اقتصادی داشته باشد و به طور واضح  باید فواید آن راه حل بیان شود. 

 

ارزیابی زیر ساخت Enterprise

ازآنجائیکه برنامه های کاربردی BI، برخاسته از تراکنش های بین سازمانی هستند، یک زیر ساخت Enterprise باید برای پشتیبانی از آنها ایجاد شود. بعضی از مؤلفه های زیرساخت ممکن است قبل از آغاز پروژه BI در محل  موجود باشند. سایر مؤلفه ها نیز باید بعنوان قسمتی از پروژه ، بمرور زمان ساخته شوند.

یک زیر ساخت Enterprise دو مؤلفه دارد:

  • *زیرساخت تکنیکی: که شامل سخت افزار، نرم افزار، میان افزار، سیستم مدیریت پایگاه داده، سیستم عامل، مؤلفه های شبکه، انبارهای فراداده و…
  • * زیرساخت غیرتکنیکی: که شامل استانداردهای فراداده، استانداردهای نامگذاری داده، متدولوژی ها، رویه های تست، فرآیندهای کنترل تغییر و…  

طرح ریزی پروژه (Planning)

پروژه های تصمیم یار BI بسیار پویا هستند، تغییرات در دامنه، کارکنان، بودجه، تکنولوژی، تأثیر بسزایی در موفقیت یک پروژه دارند، بنابر این طرح ریزی پروژه باید با جزئیات کامل انجام شود وپیشرفت واقعی کار باید بطور دقیق مشاهده و گزارش شود.    

اجرای موازی نقشه راه ساخت یک پروژه  BI

هر پروژه تصمیم یارBI، حداقل در سه مجموعه وظایف موازی که بعد از تعریف نیازمندی های پروژه و قبل از پیاده سازی است اجرا می شوند.

 

 

                                                   

ملاحظات نقشه راه سیستم های هوش تجاری

شناخت کیفیت داده،

شناخت عدم کیفیت داده،

تصحیح داده ها،

اشتراک گذاری داده ها،

داده به منزله سرمایه تلقی شود،

تولید داده از داده های موجود (یادگیری+ استنتاج)،

استفاده از استانداردها،

کوچک و محدودنمودن محدوده سیستم ها.

 

فروشندگان محصولات هوش تجاری

 Actuate (Demo

IBM Cognos  (Demo

Information Builders (Demo

Microsoft،

Microstrategy،

Oracle،

Panaroma Software،

Qlik Tech،

SAP Business Objects،

SAP (Demo

SAS Institute ،

TIBCO Spotfire،

تحلیل فارستر از موقعیت فروشندگان BI در بازار

موقعیت فروشندگان BI در بازار (ادامه)

پیشروان بازار:

IBM Cognos ،  SAP Business Objects ، Oracle و SAS

تعقیب کنندگان:

SAP، Information Builders، MicroStrategy، Microsoft و Actuate

مدعیان:

Panaroma Software وQlikTech

 

علل شکست پروژه های هوش تجاری

علل شکست پروژه های هوش تجاری مربوط به مدیریت

علل شکست پروژه های هوش تجاری  مربوط به رویکردها

علل شکست پروژه های هوش تجاری  مربوط به  استانداردها

علل شکست پروژه های هوش تجاری  مربوط به کاربر

علل شکست پروژه های هوش تجاری  مربوط به  قوانین و برنامه ها

علل شکست پروژه های هوش تجاری  مربوط به فروشندگان و پیمانکاران

علل شکست پروژه های هوش تجاری  مربوط به منابع

علل شکست پروژه های هوش تجاری  مربوط به داده و اطلاعات

 علل شکست پروژه های هوش تجاری  مربوط به طراحی و پیاده سازی

 علل شکست پروژه های هوش تجاری  مربوط به ارزیابی

 علل شکست پروژه های هوش تجاری  مربوط به ابزار

 سایر علل شکست پروژه های هوش تجاری

 

 

 

درباره مشاور فروش و بازاریابی

علی خویه مدرس دانشگاه، سخنران، مشاور، محقق و مجری سیستم هاو برنامه های بازاریابی، ارتباطات، تبلیغات، خلاقیت، تجارت و فروش – با بیش از 18 سال تجربه اجرایی، مولف و مترجم 12 کتاب مرجع، کاربردی و تخصصی، عضو انجمن های ملی و بین المللی، مجری و مشاور بیش از ۲۰۰ پروژه مختلف در سراسر کشور،دارای سابقه بیش از ۳۵۰۰۰۰ نفر ساعت دوره ها و کارگاه های آموزشی و کاربردی و اجرایی به سازمانها شرکت ها و موسسات ملی و بین المللی و همکاری های مختلف اجرایی و تخصصی با برندهای معتبر و مشهور بین المللی، مشاور ارشد مدیران عامل مطرح و برندهای معتبر، با ارایه بیش از ۱۰۰ ها عنوان مقاله تخصصی، سخنرانی در بیش از صد سمینار مختلف و سخنران برتر ده ها سمینار، مهمان و کارشناس برخی از برنامه های صدا و سیما، عضو هیات تحریریه نشریات مختلف و مشاور مدیران عامل مطرح و برتر شرکت ها و سازمان های ملی و بین المللی …….

پاسخی بنویسید

ایمیل شما منتشر نمی شود.

x

این مطلب را نیز بخوانید

مشاوره های بازرگانی ۱

مشاوره های بازرگانی وب سایت اتاق بازرگانی تهران سئوال مشاوره پاسخ مشاوره ...