Бизнес-план
<<  Разработка бизнес-плана Интернет-компании Бизнес-план, как одна из основ создания фирмы  >>
Crm-решения в различных отраслях
Crm-решения в различных отраслях
Olap-технология
Olap-технология
Информационная проходка (data mining)
Информационная проходка (data mining)
Картинки из презентации «Технологии электронного бизнеса» к уроку экономики на тему «Бизнес-план»

Автор: Sokolova V.. Чтобы познакомиться с картинкой полного размера, нажмите на её эскиз. Чтобы можно было использовать все картинки для урока экономики, скачайте бесплатно презентацию «Технологии электронного бизнеса.ppt» со всеми картинками в zip-архиве размером 255 КБ.

Технологии электронного бизнеса

содержание презентации «Технологии электронного бизнеса.ppt»
Сл Текст Сл Текст
1Технологии электронного бизнеса. 12сопоставления и восприятия. Является
Соколова В. В. важным собирать, управлять и анализировать
2Эволюция бизнес-приоритетов. ИТ в данные, чтобы преобразовывать информацию,
электронной коммерции. Соколова В. В. для принятия стратегических деловых
3Управление взаимодействием с решений, и затем представлять информацию в
заказчиками (CRM). На протяжении последних совместное использование. В отличие от CRM
30 лет происходила эволюция и электронной коммерции, которые
бизнес-приоритетов в направлении базируются на одиночном клиенте, решение
увеличения роли клиента (покупателя) и BI, основано на всех клиентах с
повышении важности работы с клиентом, как использованием всех данных. Решения BI
составного элемента ведения бизнеса. Эра также позволяют: получать новые данные
массового производства закончилась (выводы) на основании обширных хранилищ
триумфом японских промышленных операционных (рабочих) и внешних данных;
концернов-гигантов в конце 70-х — начале использовать инновационные технологии для
80-х годов: остались на рынке те фирмы, поддержки потребностей бизнеса как в
которые предложили потребителям доступные настоящем, так и в будущем. ИТ в
товары по качеству и цене. Эра качества: электронной коммерции. Соколова В. В.
повысилась эффективность изготовление 13Сбор, управление и анализ обширного
высококачественной продукции, что стало количества данных; Преобразование данных в
важнейшим приоритетом практически каждого информацию для управления принятия
производителя. В развитых странах именно в стратегических бизнес решений;
этот период были детально изучены и Предоставление информации в совместное
успешно внедрены современные методы и использование во всей организации для
технологии. И здесь возник вопрос: на получения электронного бизнеса,
основе чего будет происходить конкуренция? управляемого информацией. Функции BI. ИТ в
Если основные показатели качества электронной коммерции. Соколова В. В.
достигнуты всеми участниками рынка, то на 14ОПЕРАТИВНЫЙ АНАЛИЗ ДАННЫХ (On-Line
основе чего потребитель будет принимать Analytical Processing) – информационная
свое решение о покупке? Теперь потребитель технология, которая предоставляет
желает приобретать не просто дешевую руководителям различного уровня
(результат эры массового производства) и возможность получения необходимой
высококачественную (результат эры информации для принятия управленческих,
качества) продукцию, но и удовлетворяющую финансовых и кадровых решений.
его специфическим требованиям, которые Аналитическая обработка информации (OLAP).
меняются с течением времени. Встает вопрос ИТ в электронной коммерции. Соколова В. В.
- как это сделать? Фактически идет речь об 15Olap-технология. Термин определяет
индивидуальных заказах. Как сохранить категорию приложений и технологий, которые
доступность продукции по цене и не обеспечивают сбор, хранение,
утратить высокий уровень качества? Эра манипулирование и анализ многомерных
потребителя: В последнее десятилетие данных. Анализируемая информация
предложение товаров и услуг превысило их представляется в виде многомерных кубов,
спрос, поэтому клиенты стали более где измерениями служат показатели
требовательными, а их влияние существенно исследуемого процесса, а в ячейках
возросло. Руководителям многих компаний содержатся агрегированные данные. ИТ в
постоянно приходится сталкиваться с электронной коммерции. Соколова В. В.
конкуренцией, ценовыми войнами и падением 16Примеры аналитической обработки
рентабельности. Дифференциация товара (OLAP). Бюджет; Бухгалтерские счета;
становится все более сложной задачей. Движение денежных средств; Заработная
Массовый маркетинг перестает быть плата; Использование помещений – анализ
эффективным. Снижение цен не приводит к загруженности учебных аудиторий, сдаваемых
ощутимому результату. Повышаются в аренду зданий и помещений, использования
требования клиентов к уровню качества залов для конференций и пр. Фактом
предоставляемых продуктов и услуг. Это все является количество часов, дней, месяцев.
требует смещение ориентации компаний от (Поля таблицы: время, категория помещения,
"продукто-ориентированных" помещение, категория потребителя,
концепций к потребитель, вид использования,
"клиенто-ориентированным“, когда количество). Потребление электроэнергии;
гораздо большее внимание уделяется методам Финансовая отчетность; ИТ в электронной
прямого маркетинга и пр. Создание тесных коммерции. Соколова В. В.
связей с покупателем позволяет поставщику 17Информационная проходка (data mining).
"закрепить" его за собой, Data mining — это процесс обнаружения в
преградить конкурентам вход на рынок, сырых данных ранее неизвестных,
уменьшить давление на цены и прибыль. нетривиальных, практически полезных и
Аналитическая компания Gartner Group доступных интерпретации знаний,
назвала это явление "эпохой необходимых для принятия решений в
клиента". ИТ в электронной коммерции. различных сферах человеческой
Соколова В. В. деятельности. ИТ в электронной коммерции.
4Общая стратегия решения задач Customer Соколова В. В.
Relationship Management (CRM). ИТ в 18Data Mining. Data Mining переводится
электронной коммерции. Соколова В. В. как “информационная проходка" или
5Задачи CRM. Привлечение новых "раскопка данных". Нередко рядом
заказчиков и расширение клиентской базы с Data Mining встречаются слова
путем внедрения инноваций как в "обнаружение знаний в базах
предлагаемые рынку продукцию и услуги, так данных" (knowledge discovery in
и в формирование новых отношений с databases) и "интеллектуальный анализ
заказчиками. Укрепление отношений с данных". Их можно считать синонимами
существующими заказчиками в целях Data Mining. Возникновение всех указанных
повышения интереса заказчиков к новым терминов связано с новым витком в развитии
электронным формам общения и средств и методов обработки данных. Цель
взаимодействия, повышающим удобство и Data Mining состоит в выявлении скрытых
уровень обслуживания заказчиков, а в правил и закономерностей в наборах данных.
результате способствующим росту Дело в том, что человеческий разум сам по
прибыльности бизнеса производителей. себе не приспособлен для восприятия
Удержание прибыльных заказчиков на больших массивов разнородной информации.
длительную перспективу путем формирования Человек к тому же не способен улавливать
и предложения новых и важных для заказчика более двух-трех взаимосвязей даже в
ценностей в результате применения небольших выборках. Но и традиционная
виртуальной компьютерной технологии, математическая статистика, долгое время
снижения на основе этого себестоимости претендовавшая на роль основного
продукции и услуг. Стратегические цели инструмента анализа данных, также нередко
реализуются с помощью функциональных пасует при решении задач из реальной
приложений CRM, охватывающих: МАРКЕТИНГ – сложной жизни. Она оперирует усредненными
повышение эффективности маркетинга и характеристиками выборки, которые часто
снижение маркетинговых затрат на основе являются фиктивными величинами (типа
электронного телемаркетинга, коммерческих средней температуры пациентов по больнице,
корпоративных порталов, управления средней высоты дома на улице, состоящей из
рекламными кампаниями, преобладания дворцов и хрущевок и т.п.). Поэтому методы
целевого персонализированного маркетинга математической статистики оказываются
над масс-маркетингом, интегрированного полезными главным образом для проверки
сбора и анализа информации о заказчиках и заранее сформулированных гипотез
их предпочтениях из разнообразных (verification-driven data mining).
источников ПРОДАЖИ – увеличение продаж на Современные технологии Data Mining
основе е-коммерции, прямых многоканальных (discovery-driven data mining)
продаж, кросс-продаж, прогресс-продаж, перелопачивают информацию с целью
электронных аукционов, электронных автоматического поиска шаблонов
торговых площадок СЕРВИС – использование (паттернов), характерных для каких-либо
для повышения уровня обслуживания клиентов фрагментов неоднородных многомерных
дистанционных электронных центров вызова, данных. В отличие от оперативной
интеграции разных служб сервиса, аналитической обработки данных (online
организации многоканальных и мобильных analytical processing, OLAP) в Data Mining
систем обслуживания ЛОЯЛЬНОСТЬ – бремя формулировки гипотез и выявления
сохранение и поддержка лояльности клиентов необычных (unexpected) шаблонов переложено
путем персонализации их требований, с человека на компьютер. ИТ в электронной
использования гибких систем скидок и коммерции. Соколова В. В.
поощрений, группирования продуктов и 19OLAP. Data Mining. Отличия OLAP и DM.
услуг. ИТ в электронной коммерции. Каковы средние показатели травматизма для
Соколова В. В. курящих и некурящих? Какие факторы лучше
6Crm-решения в различных отраслях. всего предсказывают несчастные случаи?
Влияние внедрения CRM-системы на Каковы средние размеры телефонных счетов
рентабельность продаж в различных отраслях существующих клиентов в сравнении со
(2004 г.) Пионерами внедрения решений счетами бывших клиентов (отказавшихся от
класса CRM на Западе становятся оптовые и услуг телефонной компании)? Какие
розничные торговцы, финансисты, характеристики отличают клиентов, которые,
страховщики, авиа перевозчики, связисты. по всей вероятности, собираются отказаться
Несколько позже к новой технологии от услуг телефонной компании? Какова
построения взаимоотношений с клиентами средняя величина ежедневных покупок по
обращаются представители таких отраслей, украденной и не украденной кредитной
как фармацевтика, медицина, образование. карточке? Какие схемы покупок характерны
ИТ в электронной коммерции. Соколова В. В. для мошенничества с кредитными карточками?
7Закупки и снабжение производства ИТ в электронной коммерции. Соколова В. В.
Управление складами Управление логистикой, 20Примеры бизнес-приложений DM.
оптимизация транспортных операций Сбыт, Розничная торговля анализ покупательской
работа с дистрибьюторами. Операционные корзины исследование временных шаблонов
задачи Supply Chain Management (SCM). ИТ в создание прогнозирующих моделей.
электронной коммерции. Соколова В. В. Банковское дело выявление мошенничества с
8Решения по управлению логистическими кредитными карточками сегментация клиентов
цепочками. Закупки и снабжение прогнозирование изменений клиентуры.
производства. Для ведения бизнеса Страхование выявление мошенничества
большинству предприятий постоянно разработка продуктов анализ риска. ИТ в
требуются различные материалы и ресурсы, электронной коммерции. Соколова В. В.
используемые непосредственно в процессе 21Розничная торговля. Предприятия
производства и опосредованно - для розничной торговли сегодня собирают
организации основной деятельности, начиная подробную информацию о каждой отдельной
канцелярскими товарами и заканчивая покупке, используя кредитные карточки с
оргтехникой. На этом поле система SCM маркой магазина и компьютеризованные
должна решать задачи взаимодействия с системы контроля. Вот типичные задачи,
поставщиками: их поиск, оформление которые можно решать с помощью Data Mining
заказов, взаиморасчеты и т. п. Причем эти в сфере розничной торговли: Анализ
задачи могут решаться при помощи покупательской корзины (анализ сходства) –
специальных АСУ снабжения (e-procurement) предназначен для выявления товаров,
и электронных торговых площадок: чаще которые покупатели стремятся приобретать
всего на стороне закупщика устанавливается вместе. Знание покупательской корзины
специальное программное обеспечение, необходимо для улучшения рекламы,
позволяющее подключаться к площадке и выработки стратегии создания запасов
формировать заказы (иногда достаточно товаров и способов их раскладки в торговых
стандартного web-обозревателя). залах. Исследование временных шаблонов –
Аналогичную схему применяют продавцы - они помогает торговым предприятиям принимать
публикуют свои предложения, а также ведут решения о создании товарных запасов. Оно
переговоры с покупателями в рамках дает ответы на вопросы типа "Если
установленных правил. Как правило, сегодня покупатель приобрел видеокамеру,
снабженческие электронные площадки то через какое время он вероятнее всего
строятся по отраслевому купит новые батарейки и пленку?"
("вертикальному") принципу. Создание прогнозирующих моделей – дает
Впрочем, не редкость и многоотраслевые возможность торговым предприятиям узнавать
площадки. Показательный пример здесь - характер потребностей различных категорий
отечественная торговая площадка клиентов с определенным поведением,
Faktura.ru: на базе стандартных решений и например, покупающих товары известных
технологий любая компания может создать дизайнеров или посещающих распродажи. Эти
здесь свою частную, закрытую торговую знания нужны для разработки точно
площадку. Система SCM должна предоставлять направленных, экономичных мероприятий по
достаточно мощный аналитический модуль, продвижению товаров. ИТ в электронной
который позволял бы закупщику определять коммерции. Соколова В. В.
фактические потребности - что и в каких 22Банковское дело. Достижения технологии
объемах следует закупать для обеспечения Data Mining используются в банковском деле
производственного процесса. Такие выводы в для решения следующих распространенных
идеальном случае делаются на основе задач: Выявление мошенничества с
прогноза уровня спроса на готовую кредитными карточками – Путем анализа
продукцию (интеграция с CRM) и - прошлых транзакций, которые впоследствии
информации о загруженности оказались мошенническими, банк способен
производственных мощностей (интеграция с выявить некоторые стереотипы такого
ERP). Основываясь на таких данных, система мошенничества. Например, можно установить,
SCM обеспечивает осуществление закупок при что одним из предупреждающих сигналов
минимуме административного участия со служат многочисленные транзакции в
стороны менеджера. ИТ в электронной магазинах бытовой электроники в течение
коммерции. Соколова В. В. короткого периода времени. Полученное
9Управление складами. Здесь полноценная знание банк может использовать в своих
система SCM позволяет накапливать и действующих системах, не разрешая
отражать данные о размещении товара на подтверждение транзакции, совпадающей со
каждом складе, фактически контролировать стереотипом мошенничества, без
все складские процессы: ожидание приемки, предварительной беседы с покупателем.
подготовку склада, а в процессе хранения Сегментация клиентов – Разбивая клиентов
помогает учитывать особенности как самого на различные категории, банки могут
склада, так и - характеристики товара. сделать свою маркетинговую политику более
Наконец, возможна интеграция модулей, целенаправленной и результативной,
позволяющих информировать каждого предлагая различные виды услуг разным
работника склада о его задачах (возможно, группам клиентов. Например, банк может
с применением радиоканала передачи данных предлагать одну совместную (affinity)
и КПК или других мобильных терминалов). карточку клиентам, которые часто
Управление логистикой, оптимизация путешествуют, и другую – клиентам, которые
транспортных операций. Эта стандартная всегда вовремя оплачивают свои счета за
подсистема SCM позволяет рассчитывать покупки по кредитным карточкам.
стоимость перевозки различным транспортом, Сегментацию полезно также использовать для
агрегирует таможенные затраты и данные о определения, какие конкретно отделения с
погрузочно-разгрузочных работах, наибольшей вероятностью получат прибыль от
отслеживает сроки перевозок. Одна из задач отдельных рекламных акций. Прогнозирование
системы - мгновенно выдать менеджеру по изменений клиентуры – Data Mining помогает
запросу, например, информацию о том, где банкам строить прогнозные модели ценности
находится товар и каковы сроки его своих клиентов, и соответственным образом
доставки. Сбыт, работа с дистрибьюторами. обслуживать каждую категорию. Для этого
Здесь в составе комплекса SCM могут так банк выясняет характер потребностей своих
же, как и в случае с организацией сегодняшних прибыльных клиентов и с
снабжения, использоваться специальные помощью методов Data Mining определяет
электронные торговые площадки для работы с общие черты, которыми они обладали
дистрибьюторами, где размещаются заказы и несколько лет назад. Затем он выявляет
происходят взаиморасчеты. Кроме того клиентов, имеющих эти черты сегодня,
система может обеспечивать индивидуальный считая их вероятными прибыльными клиентами
контроль за деятельностью каждого в ближайшем будущем. Банк может включить
дистрибьютора, а также мониторинг его указанных клиентов в целевые программы
прибыльности и надежности. С другой удерживания клиентов, например, предлагая
стороны и сами дистрибьюторы могут специальные сделки или вводя штрафные
использовать такого рода системы. ИТ в санкции за отказ от дальнейших услуг. ИТ в
электронной коммерции. Соколова В. В. электронной коммерции. Соколова В. В.
10уменьшение стоимости и времени 23Страхование. Страховые компании в
обработки заказа от 20% до 40%; сокращение течение многих лет накапливают большие
времени выхода на рынок от 15% до 30%; объемы данных. Здесь большое поле
сокращение закупочных издержек от 5% до деятельности для методов Data Mining:
15%; уменьшение складских запасов от 20% Выявление мошенничества – Страховые
до 40%; сокращение производственных затрат компании могут снизить уровень
от 5% до 15%; увеличение прибыли от 5% до мошенничества, отыскивая определенные
15%. Источник: AMR Research, Forrester стереотипы в заявлениях о выплате
Research. Статистика внедрения страхового возмещения, характеризующих
e-SCM-технологий. ИТ в электронной взаимоотношения между юристами, врачами и
коммерции. Соколова В. В. заявителями в случаях, когда требуемая
11Определение Business Intelligent. сумма достаточно высока, например при
Business intelligence (BI) – процесс возмещении ущерба; Разработка продуктов –
преобразования данных в информацию, и Data Mining даст возможность выявить
далее преобразование этой информации в наиболее выгодные комбинации категорий
знания. Business intelligence (BI) – это клиентов, вариантов полисов и их покрытия.
сбор, управление, и анализ обширного Знание таких комбинаций необходимо для
количества данных для получения разработки новых продуктов и более точной
представления о том, как управлять "настройки" существующих
стратегическими деловыми решениями и продуктов для продажи в будущем; Анализ
поддерживать операционные процессы с риска – Путем выявления сочетаний
новыми функциями. ИТ в электронной факторов, связанных с оплаченными
коммерции. Соколова В. В. заявлениями, страховщики могут уменьшить
12Интеллектуальное обеспечение бизнеса свои потери по обязательствам. Известен
(BI). Цель BI решений в преобразовании случай, когда в США крупная страховая
данных в полезную информацию, такую как компания проверила заявления, по которым
представление клиента, приобретение были выплачены значительные суммы за
особенностей, доходность продукции и последние два года. При этом обнаружилось,
конкурентоспособный анализ. BI что суммы, выплаченные по заявлениям
представляет собой преобразование людей, состоящих в браке, вдвое превышает
информации в форму, которая является суммы по заявлениям одиноких людей.
заключительной, основанной на фактах и Компания отреагировала на это новое знание
дающей основание для выводов. Это может пересмотром своей общей политики
заключать в себе анализ больших объемов предоставления скидок семейным клиентам.
данных для неожиданного, но ценного ИТ в электронной коммерции. Соколова В. В.
Технологии электронного бизнеса.ppt
http://900igr.net/kartinka/ekonomika/tekhnologii-elektronnogo-biznesa-249640.html
cсылка на страницу

Технологии электронного бизнеса

другие презентации на тему «Технологии электронного бизнеса»

«Бизнес-планирование» - «Бизнес-планирование» для небольшого бизнеса. Отличия от похожих систем для бюджетирования и управленческого учета: ООО «Василиса». Управление платежами – «беззвонковая», «безбумажная технология». План-факт анализ: пример БДР. Дополнительные отчеты - Финансовый анализ. Концепция программы «Бизнес-планирование».

«Развитие малого бизнеса» - На кого ориентирована программа повышения квалификации: 3. Часть игровых имитаций (федеральный тренажер). Схема финансирования: 4. Работа над проектом для программ «Развитие» (или бизнес-планом для программ «Создание»). Цель программы повышения квалификации «Развитие малого бизнеса»: Основные характеристики:

«Контролируемость бизнеса» - Брать комиссию с клиентов. Тендеры. Помните про затраты, приносящие доход. Отказ от процесса. Торговая точка (розница). Снизить прочие издержки. Доля в результате. Бизнес-процессы. Делайте выводы из неудач! Как добиться прозрачности и контролируемости бизнеса. Нехватка персонала. Вовлеченность персонала.

«Разделы бизнес-плана» - Рынок и маркетинг являются решающими факторами для всех компаний. 4. Производственный план. - штатного расписания и должностных инструкций. 3. потребности в административных и производственных помещениях. Расчет прибылей (убытков); Разделы бизнес-плана*. Структура бизнес-плана. 3. Организационный план включает описание:

«Электронный бизнес» - Программы обучения в области электронного бизнеса (Российские программы). Государственный университет - Высшая школа экономики. Магистерская программа разработана в рамках Инновационной образовательной программы ГУ-ВШЭ. Электронный бизнес – актуальное направление подготовки магистров. Зарубежные научные и практические конференции по тематике электронного бизнеса.

«Создание бизнеса» - Почему государству важно поддерживать создание малого бизнеса. Риски для бизнеса. Коммерческие факторы. Роль бизнес-сообщества в снижении рисков при создании малого бизнеса. Коррупционные «ловушки». Институциональные факторы. Административные факторы. Высокий уровень коррупции административные барьеры деформация конкурентной среды высокое налоговое бремя проблемы доступа к инфраструктуре и ресурсам.

Бизнес-план

12 презентаций о бизнес-плане
Урок

Экономика

125 тем
Картинки
900igr.net > Презентации по экономике > Бизнес-план > Технологии электронного бизнеса