E-business / BI + Flashcards
E-business
Inkl. e-commerce + dækker over interne processer som produktion, lagerstyring, risikohåndtering, økonomi, Knowledge management og HR.
Man en forbruger eller virksomhed bruger elektroniske midler. fx til: - automatisering af processer - levere information - forbedre kundeservice - online adgang - fx webshop
E-commerce
Udadgående processer - eksterne aktører
- kunder, leverandører, partere
fx. salg, marketing, ordrehåndtering, levering og kunderservice
Hvordan kan e-business skabe muligheder både for virksomheden og forbrugerne?
+ konsekvenser/resultat
Muligheder for virksomheden:
- Øge konkurrenceevnen
- Opfange viden om kunders præferencer
- Lavere omkostninger pga. automatiskering
- SoMe
Muligheder for forbrugerne
- 24/7 adgang til produkter
- opløser geografiske grænser
Konsekvenser
- Muliggør innovation
- Øger rækkevidde til kunderne
- fjerne adgangsbarriere - let at starte op, gennemsigtighed.
Digitaliseringsgrad
Bricks & Mortar: Kun fysiske butikker
Bricks & Clicks: Både fysisk og online (først når man kan købe online)
Pure Play: Kun online
Ved ændringer fra en til en anden ændres det organisatoriske strategi især (også de andre to)
Forskellige e-business forretningsmodeller (6)
Online detailhandel = Mulighed for at købe produkter/service online
Informediary = Tilbyder samlet og analyseret informationer. Cookies, Momondo, hotels.com
Content providers = Tilbyder informationsindhold. Lidt mere bearbejdet. Trustpilot, børsen
Exchange/e-marked = Online torv for sælgere og købere
Online community = SoMe, kommunikationsplatform. Nytte højere desto flere brugere.
E-business (infrastructure provider) = Tilbyder e-business værktøjer, fx PayPal
Vurdering af information
Systematisk vurdering af kvaliteten og værdien af givne informationer
- bruges til at minimere usikkerhed
Info-overload = Skal behandle mere information end man har kapacitet til. Løsning: filtrer det vigtigste
Wang & Strong’s 4 dimensioner
EVT. TEGN
For meget info = dårlig info
Kontekstuel = Relavant, komplet, aktuel? Den info der er til rådighed
Indre kvalitet = Selve indholdet. Korrekt, troværdigt, objektivt?
Præsentation = Er informationen til rådighed? Hvordan?
Tilgængelighed = Er det let at tilgå? Kan det tilgås fra alle platforme?
Mål er så høj kval som muligt
Knowledge management
Skabe, fange, kodificere og overføre viden på tværs af organisationen for at skabe værdi.
Samle al viden i virksomheden for at kunne udvikle systemer bedst muligt og gøre det lettere at dele viden på tværs.
Fordele:
- Bedre problemløsning
- Bedre udnyttelse af intellektuelle ressourcer
- Forbedre kundeservice - standardiserede processer
- Bedre beslutningstagning
Personlig Knowledge management
TEGN
- Skabe = SECI model
- Fange = Kval/kvant metoder til at indsamle data
- Kodificere = Konvertere tavs til eksplicit
- Lagre = Opbevaring
- Hente = Søgefunktion
- Overføre = Så det er klar til brug
- Anvende = Bruge det
Mål er at sikre at den rette information er tilgængelig for de rette personer.
Hvilken viden er der brug for og hvordan finder man den og organisere den?
Videnskabelsesmodellen - SECI
TEGN
Tavs viden = Tacit, svær at dele, subjektiv, erfaringer, know-how
Eksplicit viden = Let at udtrykke, manualer/bøger, know-that
Cyklisk model
- Socialisering (T-T): Skabes ved at efterligne/observere - kan ikke skrives ned.
- Eksternalisering (T-E): Fra hoved til papir - taler om det, bruger kollektiv reflektion - lav model. Fx begreber
- Kombination (E-E): Tjeklister, modeller, opskrifter. Undervejs kan man ændre noget = ny viden. Slides + bog = ny viden (noter)
- Internalisering (E-T): Øver noget eksplicit så meget at det bliver tavs. Ligger i hukommelsen. Teoriprøve.
Business Intelligence
TEGN
Samling af processer og teknologier, som fanger, lagre og koordinere data så det er muligt at tilgå.
- Kan supplere beslutninger
DATA WAREHOUSE
Gruppering af data - alt data både intern og ekstern. + redundant data.
Bruges til at forudsige.
- Transaktionelle databaser nederst - fx ERP, data lagret her inden det kommer i data warehouse.
- Data warehouse
- Make sense of data - mennesker stiller de rigtige spørgsmål - dataet anvendes. Visualisering, data mining.
Data Mining
Analyse metode:
Bruges til at opfange mønstre i data gennem software med formål at forudsige.
Kan være med til at skabe ét billede af kunderne/grupperne = Customer Profiling
Hvilke behov har de og forudsige deres adfærd.
EVT TEGN - Eksisterende data - Data mining - Model - Ny data = Forudsigelse
