سامانه ملی تجميع و گزارشگيری مديريتی فروش فرآورده های نفتی سطح کشور

در شرکت پخش فرآورده های نفتی ایران که بیش از ۲۰۰ منطقه و ناحیه در کل کشور داشت هیچ موقع آمار دقیق و درست و به موقعی از حجم و میزان فروش نفت به انواع مشتریان و که بیش از ۱۰۰،۰۰۰ مشتری بودند و انواع محصولات وجود نداشت همیشه بر مبنای اطلاعات تاریخ گذشته و ناهمگون تخمین زده می شدکه مدیران تصمیم به اجرای هوش تجاری گرفتند که در اولین گام اطلاعات از تمام مناطق بصورت مکانیزه و اتوماتیک و بصورت مستمر و روزانه جمع آوری و پاکسازی شد که تا همین مرحله امکان ارایه گزارشهای ماهیانه به وزیر فراهم گردید. سپس با ایجاد داشبوردهای متنوع برای مدیران امکان کنترل روندها بصورت روزانه فراهم گردید توانستند بر این اساس یک از مهمترین استراتژیهای تبین شده یعنی هدایت مشتریان برای پرداخت اینترنتی را جامع عمل بپوشانند البته لازم به ذکر است که اطلاعات جمع آوری شده محدود به اطلاعات داخلی نبودند و اطلاعات خارجی مثل جمعیت شهرها و ... نيٍز جمع آوری می شود

سازمان ثبت احوال کشور بعنوان مرجع قانونی اطلاعات هویتی دارای بزرگترین بانک اطلاعاتی کشور در حجم چند صد ترا بایت می باشد. این سازمان مرجع ارایه اطلاعات جمعیتی می باشد لذا سامانه ای برای گزارشگیری اجرا کرده بودند، اما این سامانه خیلی سنگین و کند بود، برخی مواقع نه تنها چندین ساعت تولید یک گزارش یک صفحه ای طول می کشید بلکه بقیه سیستمهای ثبت احوال که در کل کشور مجبور به پاسخگویی به مراجعین بودند نیز متوقف می شدند. اقدام به اجرای سیستم هوش تجاری شد که در علاوه بر ارایه گزارشهای سنگین در عرض چند ثانیه و امکان گزارشگیری در تمام ساعات روز (حتی ساعات پر ترافیک) باری برای سیستمهای دیگر بوجود نمی آورد .

با توجه به ارائه سامانه سبا در شبکه اختصاصی بانک سپه در شعب سراسر کشور و عدم امکان مراجعه ارباب رجوع به این سامانه ، پیگیری و تماس های تلفنی انجام گرفته این افراد با تیم پشتیبان سامانه در زمان های بروزرسانی که برای مدت کوتاهی سامانه از دسترس خارج می شد باعث تعجب بود ، لذا با پیگیری های انجام شده مشخص شد که کارمندان این شعب ارائه خدمات به برخی از مراجعه کنندگان را به بعد از راه اندازی دوباره سامانه موکول می کردند و این خود موجب وابستگی غیر مستقیم ارباب رجوع میشد.

در یک شرکت دارویی موضوع افزایش سهم بازار مطرح بود و هر کس ایده ای برای افزایش سهم بازار داشت ، اما مدیریت تصمیم به استفاده از روش استاندارد و علمی گرفت و بنابراین سیستم هوش تجاری به همراه اطلاعات رقبا (آمار وزارت بهداشت) اجرایی شد.

در وهله اول داروهای شرکت لیست شدند و سپس رقبای هر محصول استخراج شدند بعد تک تک رقبا در سالهای اخیر بررسی شدند که آیا تغییر خاصی در میزان فروششان داشته اند یا نه؟

سپس به بررسی شرکتهایی که تغییرات محسوسی داشتند پرداختیم که به نتیجه عجیبی دست یافتیم یک شرکت توزیع کننده از چنان روشهای توزیع و تبلیغ استفاده می کرد که محصولاتی که به آن شرکت سپرده می شد واقعا فروش فوق العاده ای داشتند که مدیریت تصمیم به استفاده از آن توزیع کننده برای برخی محصولات گرفت و دستور مذاکره دادند.

یک کارخانه در یک بازه ی زمانی دچار رکود شد و با کاهش فروش در آستانه ورشکستگی قرار گرفت.مدیر این کارخانه تصمیم به استفاده از BI برای تحلیل فروش کارخانه گرفت. ابتدا با بررسی آمار فروش دریافت که در فصل های بهار و تابستان می تواند سود داشته باشد اما پاییز و زمستان آنقدر ضرر زیاد است که سود فصول قبل را از بین می برد.

پس می توان در این فصل ها تولید را متوقف کرده و سود کرد اما آمار برای چند شهر که در پاییز و زمستان هم دارای هوای گرم هستند متفاوت بود و سود ده بودند.

بنابراین تولید در فصول سرد فقط محدود به این شهرها شد. در نتیجه به وسیله این سیستم می توان نیاز بازار و مشتری را تحلیل کرده و دقیقا" همان نیاز را برطرف کرد والبته این عمل با کاهش هزینه و سود بیشتر همراه خواهد بود