Menu

Z dobro poslovno analitiko do boljših poslovnih odločitev

Kaj je potrebno za uspešno poslovno analitiko (BI)?

Partnersko podjetje ResEvo je v petek, 11. 9. 2020, v Bled Rose Hotel izvedlo skupno usposabljanje v sklopu projekta KOC MAT 2.0 na temo Učinkovita analitika (BI). Predavatelj Klemen Kovačič je sprva s teoretskega nato pa še s praktičnega vidika predstavil pomen in uporabo analitike v podjetjih.

Osnova analitike je določitev problema. Ko definiramo problem, potem ni težko izbrati orodja – vrste analitike, ki ga uporabimo. Najpogostejše težave, ki se lahko pri analitiki pojavijo, se nanašajo predvsem na pomanjkanje informacij ali preveliko število le-teh, ki se izkažejo za neuporabne, odločanje na podlagi intuicije ter napačno zastavljeni KPI. Analitika ni tehnološki temveč organizacijski in poslovni problem.


Osnova analitike je določitev problema. Ko definiramo problem, potem ni težko izbrati orodja – vrste analitike, ki ga uporabimo. Najpogostejše težave, ki se lahko pri analitiki pojavijo, se nanašajo predvsem na pomanjkanje informacij ali preveliko število le-teh, ki se izkažejo za neuporabne, odločanje na podlagi intuicije ter napačno zastavljeni KPI. Analitika ni tehnološki temveč organizacijski in poslovni problem.

Cilj analitike je izboljšati poslovne  odločitve, omogočiti podjetjem, da  bodo hitrejša v izvajanju svojih  procesov, natančnejša in bolj  konsistentna pri svojih odločitvah. Višja kot je stopnja zrelosti  analitike, večji učinek na rezultat ima.

Spoznali smo štiri različne vrste, stopnje analitike:

Deskriptivna analitika zajema zgolj podatke – kaj se je zgodilo, kaj se dogaja:

  • Uporaba periodičnih KPI
  • Poročilo o trajanju zastojev
  • Mesečna poročila izmeta

Gre za poročanje o podatkih, dejstvih, manjka kontekst. 

Diagnostična analitika se ukvarja z vzroki – dejstva razširimo na kontekst:

  • Power BI
  • Microstrategy
  • SAP

Pomaga nam odgovoriti, zakaj se je nekaj zgodilo.


Prediktivna analitika kot osnovo uporablja velike količine zbranih in preverjenih podatkov. Namesto človeške intuicije uporabimo računalniške algoritme. Za prediktivno analitiko je potrebne ogromno podatkovne organizacije in matematike, saj je potrebno ločiti med uporabnimi in neuporabnimi podatki. Ta vrsta analitike je uporabna pri:

  • Napovedi obrabe stroja, napovedi slabše kakovosti izdelkov
  • Napovedi odhoda zaposlenega
  • Napovedi odhoda kupca
  • Napovedi prodaje

Perskriptivna analitika je najvišja stopnja analitike. 

Daje odgovore, kaj moramo izpolniti, da bomo prišli do zastavljenega cilja. Strojna oprema določa, kaj je potrebno narediti. Analitika napreduje proti samostojnemu odločanju strojev. Če na primer na okenska senčila posveti sonce, se bodo samodejno spustila. Če ni hitrih odločitev, so lahko v času odločanja podatki že zastareli. Kot primer perskriptivne analitike smo si ogledali posnetek obrabe parne turbine. V Južni Kaliforniji so 15 let zbirali podatke delovanja 130 rotorjev. Za delovanje analitike so opravili 60.000 simulacij. S pomočjo digitalnega dvojčka lahko predvidimo poslovne rezultate, opozori nas na napake in predvidi stroške popravila. Z njegovo pomočjo lahko ublažimo negativne posledice. Predvidi priložnosti in kaj lahko s temi priložnostmi pridobimo.


Ključni izzivi pri uvajanju analitike so kultura podjetja, lastništvo podatkov, neustrezno upravljanje z zahtevami, neustrezno ravnanje z matičnimi podatki, neustrezno upravljanje metapodatkov ter kakovost podatkov.

Pri uvajanju sprememb, tudi na področju analitike, je potreben dober notranji marketing, saj se lahko v nasprotnem primeru zaposleni spremembam uprejo.

Predavatelj je ob koncu predstavil še aplicirane primere analitike podjetja ResEvo, kot sta organizacija dela v papirnici (pilotni projekt) ter strojni vid (kontrola izdelkov).

Anton Jaklič, sistemski inženir, SIJ Acroni, d.o.o.

Novi program Strokovnjak za digitalizacijo mi je dal zelo dober vpogled v nove tehnologije, ki prihajajo in se že uporabljajo. Informacije, ki sem jih pridobil, mi bodo koristile pri mojem delu.

Kar sem danes slišal in glede na naše podjetje, smo precej na začetku pri uvajanju analitskih metod, vidim pa na tem področju veliko priložnost za naprej. Čaka nas še veliko dela, imajo pa te tehnologije veliko uporabno vrednost.

V sklopu projekta KOC MAT 2.0 sem se udeleževal le skupnih usposabljanj, z ostalimi možnostmi usposabljanj do sedaj nisem bil seznanjen. Nad projektom sem navdušen in zainteresiran za vključitev v druga usposabljanja.

Žiga Veber, pomočnik direktorja proizvodnje, Magneti Ljubljana, d.d.

V novem programu Strokovnjak za digitalizacijo sta bili najbolj zanimivi, praktični in uporabni usposabljanji predstavnikov mariborske univerze – oba predavatelja, obe predavanji. 

Danes sem pričakoval še več prakse, ki je prevladala ob koncu predavanja. Na začetku je bilo res malo suhoparno, kot je predavatelj sam rekel. Predstavitev analitike že poznamo, kar nas bolj zanima, so rešitve, saj smo pri analitiki komaj na prvem koraku.



Ajda Gaberc, podatkovni analitik, Alcad, d.o.o.

Usposabljanje je bilo zelo zanimivo. Všeč mi je bilo, ker se je predavatelj osredotočal predvsem na praktične primere, ki jih je odlično povezal s teorijo.

Celoten program »Strokovnjak za digitalizacijo in avtomatizacijo procesov« mi je prinesel veliko dodatnega znanja in koristnih nasvetov, ki jih bom lahko uporabila na poslovnem področju. Sama sem mnenja, da je projekt KOC MAT zelo dobrodošel, kajti sama in moji sodelavci smo se udeležili tudi drugih usposabljanj, ki so bila izvedena v sklopu projekta KOC MAT.