Sistem Informasi

‹ Merupakan dasar dari proses dan model bisnis

Sistem Informasi ‹ Distribusi pengetahuan:
pengetahuan: suatu sistem komunikasi
antar personal.
Manajemen (SIM)
Adang Suhendra Input Data Proses
Output
(Informasi)

1 2

Teknologi Informasi (TI) dan

Data dan Informasi
Sistem Informasi (SI)
‹ Teknologi Informasi ‹ Data
– Bentuk teknologi untuk menangani – Aliran fakta dasar
informasi. ‹ Informasi
‹ Sistem Informasi – Interpretasi Data yang disajikan dengan
– Integrasi komponen pemrosesan, cara yang berarti
penyimpanan dan diseminasi informasi ‹ Informatika
dalam suatu organisasi
– Studi tentang informasi, sistem
– Studi interdisiplin suatu sistem untuk informasi dan teknologi informasi
menyediakan informasi pada suatu
organisasi.
3 4
 Contoh TI dan SI Sistem Informasi Manajemen
‹ Contoh TI ‹ SIM
– Perangkat Keras (PC, UNIX server, Router) – Studi sistem Informasi dengan fokus
– Perangkat Lunak (e-
(e-mail, Internet, Windows, pada penggunaan Informasi untuk
Word Processing)
– Consumer devices (mobile phone, token)
menejemen dan bisnis
‹ Contoh SI ‹ Pendekatan
– File systems, databases, e-
e-mail servers / – Teknis
clients
– Lingkungan
– e-commerce
– SAP (ERP). – Sociotechnical

5 6

Pentingnya SI Pentingnya SI
‹ Untuk
mempertahankan dan ‹ Mengantisipasi Perubahan:
mengembangkan suatu organisasi, – Ekonomi Global
memerlukan : – Masyarakat berbasis Pengetahuan atau
– Lokasi yang beragam (perlu networking, Informasi
Internet)
– Business enterprise
– Produk dan layanan baru
– Meningkatkan pekerjaan dan alur kerja: – Technology
‹ Efisiensi
‹ Biaya
‹ Etika dan isu sosisal

7 8
 SI dalam Organisasi SI pada Level Organisasi
‹ Level Operasional
KIND OF SYSTEM GROUPS SERVED
LEVEL STRATEGIS MENEJER SENIOR
– Aktifitas Dasar dan transaksi rutin
– Akurasi dan terkinian Data
‹ Level Pengetahuan (Knowledge)
LEVEL MENEJEMEN MENEJER MENENGAH
– Mendukung pengetahuan dan data
LEVEL PENGETAHUAN PENGETAHUAN &
pekerjaan
DATA PEKERJAAN
– Mengintegrasikan pengetahuan baru
kedalam bisnis
LEVEL OPERASIONAL MENEJER OPERATIONAL
– Otomasi Perkantoran
LAYANAN & KERJASAMA KEUANGAN AKUNTANSI KEPEGAWAIAN
MASYARAKAT 9 10

SI pada Level Organisasi Contoh

‹ Level Menejemen ‹ Level Operasional
– Pengawasan sec Periodik, pengambilan – Pembuatan KTP online, pelaporan pajak,
keputusan dan administrasi perizinan, absensi, penggajian,
– Mengetahui apakan kegiatan bisnis ‹ Level Pengetahuan
bekerja dengan baik. – Sistem perkantoran, persiapan dan
‹ Level Strategis manajemen dokumen kerja,
– Perencanaan strategis jangka panjang
(mis. 5 tahun);
– Informasi Internal dan eksternal.
11 12
 Contoh Tipe Sistem Informasi
‹ Level Menejemen ‹ Klasifikasi SI sec. Vertikal (Bottom-
– Pengambilan keputusan yang tidak rutin up):
(terkait dengan pertanyaan “bagaimana – Sistem Pemrosesan Transaksi (SPT)
jika” ) – Sistem Pengetahuan dalam Pekerjaan
– Memperoleh data dari sumber internal (SPP)
dan eksternal – Sistem Otomasi Perkantoran (SOP)
‹ Level Strategis – Sistem Informasi Menejemen (SIM)
– Pengembangan Produk layanan untuk 5 – Sistem Penunjang Keputusan (SPK)
thn ke depan, – Sistem Penunjang Eksekutif (SPE)
– Kebutuhan karyawan di 5 thn
mendatang. 13 14

Lapisan SI sec Vertikal Sistem Pemrosesan Transaksi

Sistem yang melakukan dan merekan transaksi rutin
SPK / SPE harian
Data Menejemen Sistem pada Level Operasional
Order tracking Kendali Mesin Keamanan Pembayaran Kompensasi
Penjualan

SIM
Pemrosesan Penjadualan Menejemen Kas Accounts Training dan
Order Produksi payable Pengembanga
Data Operasional n

Perpindahan dan Accounts Rekord

Kendali Material receivable kepegawaian

SPT / SPP / SOP

Penjualan Manufacturing Keuangan Akuntansi Kepegawaian
dan
Pemasaaran
15 16
 Sistem Pengetahuan Pekerjaan Sistem Otomasi Perkantoran
Sistem yang membantu pembuatan dan integrasi Sistem yang dirancang untuk meningkatkan
pengetahuan baru kedalam organisasi produktifitas data pekerjaan
Sistem pada Level Pengetahuan Sistem pada Level Pengetahuan
Engineering Graphics workstations Managerial
workstations workstations Pengolahan Kata Document imaging E-mail / electronic
calendars

17 18

Sistem Penunjang Keputusan

Sistem Informasi Menejemen
Sistem yang melayani perencanaan, kendali dan pengambilan Sistem yang menkombinasikan data, model dan
keputusan melalui laporan dan ringkasan yang rutin
peralatan analisis untuk keputusan yang tidak rutin
Sistem pada Level Menejemen System pada Level Menejemen
Menejemen Kendali Anggaran Investasi Analisis Analisis Penjadualan Analisis Biaya Analisis Analisis
Penjualan Inventory Tahunan Modal Relokasi Penjualan Produksi Harga/ke Biaya
Regional untungan Kontrak
Sales and Manufacturin Keuangan Akuntan Kepegawa Penjualan Manufacturin Keuangan Akuntan Kepegawa
Marketing g si ian dan g si ian
Pemasara
n

19 20
 Sistem Penunjang Eksekutir Keterhubungan
Sistem yang menunjang pengambilan keputusan
yang tidak rutin melalui model grafik lanjut dan
‹ SPT lebih kepada
komunikasi ESS
Sistem pada level strategis
menghasilkan data
Ramalan Rencana Ramalan Perencan Perencanaa ‹ Data eksternal
MIS DSS
tren
penjualan
operasional 5-
tahunan
anggaran 5-
tahunan
aan
Keuntung
n
Personalia
diperlukan pula
5-tahunan an untuk SIM, SPK
Penjualan Manufacturin Finance Akuntan Kepegawa
dan g si ian dan SPE KWS
Pemasara TPS
n OAS

21 22

Contoh Fungsionalitas SI Proses Bisnis

‹ Contoh Fungsional SI : ‹ Aktifitaspada area fungsi utama
– Penjualan dan Pemasaran bisnis yang digunakan untuk
– Manufacturing dan produksi mencapai tujuan bisnis.
– Keuangan dan Akuntansi
– Kepegawaian
– Kesehatan
– Kewilayahan
– Kependudukan

23 24
 Contoh Proses Bisnis Customer Relationship
Management (CRM)
‹ Penjualan dan Pemasaran
– Identifikasi pelanggan, penjualan ‹ Koordinasi semua proses bisnis yang
produk terkait dengan pelanggan (Customer)
‹ Manufacturing dan produksi ‹ Pelanggan merupakan aset jangka-
panjang :
– Assembling produk, pengedekan
– Sumber pendapatan
kualitas
– Hubungan baik dengan pelanggan memberikan
‹ Keuangan dan Akuntansi pendapatan jangka panjang yang lebih baik
– Pembayaran, ‹ Contoh:
‹ Kepegawaian – SAP, GoldMine,
GoldMine, Avaya
– Rekrutmen, training, mutasi, cuti
25 26

Supply Chain Management

(SCM)
‹ Koordinasi semua bisnis proses yang
terkait dengan proses pembelian,
pembuatan dan pemindahan produk
‹ Integrasi penyuplai dan distributor dalam
suatu proses tunggal
– Dapat mengurangi waktu dan usaha serta
biaya inventori
– Products on demand: suppliers dapat
mengirim produk langsung ke pelanggan
‹ Contoh:
– SAP, CSC, PeopleSoft
Enterprise Systems (ES)
‹ SI pada organisasi yang mengintegrasikan
kunci proses bisnis untuk memfasilitasi
aliran informasi
‹ Dikenal juga sebagai Sistem Enterprise
Resource Planning (ERP)
‹ Mengintegrasikan enam tipe SI
– Meningkatkan ketersediaan informasi dan
menghilangkan duplikasi dan kesalahan yang
terkait
– Meningkatkan efisiensi dan pengurangan biaya

27 28
 Contoh Sistem Enterprise Nilai Bisnis SI
‹ CRM dan SCM ‹ Nilai berdasarkan biaya dan
‹ Menjalankan bagaimana proses keuntungan :
bisnis dapat dijalnakan dengan baik – Modal: awal dan periodik:
oleh suatu Si terintegrasi ‹ Peralatan,
Peralatan, pesonal dan training
– Pengurangan biaya:
‹ Melibatkan hubungan ke organisasi
‹ Pengurangan jumlah staff
eksternal melalui suatu Jaringan
– Keuntungan Intangible :
‹ Peningkatan di bisnis

29 30

Realisasi Nilai Contoh Biaya

‹ Penilaian implementasi SI ‹ Hardware / software
– Model Financial dan non-financial – Pembelian
– Perawatan
– Keuntungan yang Tangible dan
intangible ‹ Layanan
– Konsultasi
‹ Keuntungan dapat langsung ke – Training
pelanggan
‹ Personal
– Pengurungan biaya sehingga penurunan – Kontrak
harga untuk meningkatkan daya saing – Training
‹ Keuntungan mungkin tidak dapat – Gaji / tunjangan
direalisasikan apabila SI
terimplemesi denga sangat lemah 31 32
 Contoh Keuntungan Tangible Contoh keuntungan Intangible
‹ Peningkatan produktivitas ‹ Peningkatan penggunaan asset;
‹ Penurunan biaya operasi
pengendalian sumber daya, perencanaan
‹ Meningkatkan fleksibilitas
‹ Pengurangan tekanan pekerjaan
‹ Meningkatkan pembelajaran
‹ Penurunan biaya computer
‹ Pencapaian kebutuhan legal
‹ Penurunan biaya supplier
‹ Peningkatan kontribusi pegawai, kepuasan
‹ Penurunan biaya pegawai pekerjaan, pengambilan keputusan dan
‹ Mengurangi pertumbunan pengeluaran operasional
‹ Pengurangan biaya fasilitas ‹ Kepuasan pelanggan
‹ Citra yang lebih baik

33 34

Arsitekrut SI Arsitektur TI
Customer Supplier Customer Supplier
Sales & Marketing
Production
System
Customer Supply Scheduling
Sales Relationship Marketing Production Chain System
Purchase Order
Management Management Processing System
Sales
Order Customers
Purchase
Processing
Order Stock
Suppliers System
Processing Stock Control
Customers Suppliers
Sales System
Order Stock
Processing Control
Stock Procurement
Distribution Accounting
System System
Distribution Accounting
Personnel Payroll
Human System System Finance
Resource Payroll
Management
Finance

Employees Employees
35 36
 Peningkatan Pengambilan
Sistem Penunjang Keputusan
Keputusan Menejemen
‹ Sistem
pada level menejemen yang
melakukan:
– Kombinasi Data
– Tool Analisis
– Model
‹ Menunjang pengambilan keputusan
yang bersifat semi-structured dan
tidak terstruktur

37 38

SIM atau SPK? Tipe SPK

‹ SIM: ‹ Model-driven
– Laporan Rutin (periodik)
periodik) – Menggunakan modelu untuk melakukan
– Membantu dalam pengendalian suatu analisis “apa yang terjadi jika”
organisasi
– Biasanya berdiri sendiri
‹ SPK:
– In-house atau departmental
– Tidak rutin
– Menunjang respon sec fleksibel dan cepat – Lebih kuat pada teori ataupun model
– Data bersifat Semi-
Semi-structured atau tidak
terstruktur

39 40
 Tipe SPK Contoh Data-driven
‹ Data-driven ‹ Kontras
– Analisis data dalam jumlah besar – Berapa banyak produk yang dikirim
– Data diperoleh dari Sistem Pemerosesan pada bulan Juli?
Transaksi dalam suatu gudang data ‹ Dibandingkan
(data warehouses) – Membandingkan penjualan produk
– Menggunakan terhadap rencana penjualan setiap
‹ On-
On-lineAnalytical Processing (OLAP) kuartal dan daerah pemasaran pada two
‹ Data mining tahun lalu ?

41 42

Komponen SPK OLAP

‹ AnalisisDynamic multi-dimensional
Data Data
Transaksi
Basis Data
SPK Eksternal terhadap data enterprise
‹ Informasi adhoc (just-in-time)

‹ Informasi dengan Variasi yang luas

Sistem Aplikasi SPK:
User
Model ‹ Transformasi dari data dasar:
Tool OLAP
Interface
Tool Data Mining – Refleksikan dimensi ‘nyata’ institusi
(perusahaan)

User

43 44
 OLAP Data Mining
‹ Data: ‹ Cara mendapatkan informasi
– Loading – bulk dan operasional,
operasional, internal dan
eksternal
tersembunyi dengan teknik modern
– Aggregat ‹ Menggunakan:
‹ Pemrosesan: – Analisis Statistik
– Aplikasi model bisnis dan statistik
– Neural networks
‹ Querying:
– Fuzzy logic
– Complex
– Drill-
Drill-down berdasarkan hierarki – Genetic Algorithms
– Ad-
Ad-hoc – Rule-based systems

45 46

Data Mining Data Mining

‹ Asosiasi ‹ Sequences
– Jumlah hubungan pada suatu kejadian – Kejadian sepanjang waktu
‹ Contoh ‹ Contoh
– Pembelian Supermarket – Pembelian Rumah
– Analisis Tingkat Pendapatan Penduduk – Pemantauan Penyakit Terbesar
terhadap Pendapatan Daerah – Pendapatan Daerah per Tahun

47 48
 Data Mining Data Mining
‹ Klasifikasi ‹ Clustering
– Penklasifikasian item – Pembentukan cluster pada berdasarkan
‹ Contoh
kelompok
– Tingkat Usia Penduduk ‹ Contoh

– Jenis Perusahaan/Industri – Detail penduduk

– Operator Mobile phone – Partisi data kedalam kelompok
– Pengelompokkan 10 jenis penyakit demografi ataupun tingkat pendapatan
terbesar

49 50

Data Mining Contoh SPK

‹ Peramalan ‹ Supply Chain Management
– Menggunakan data yang ada untuk – Siapa, apa, kapan dan dimana?
meramal nilai kedepan. – Pembelian, manufacture dan distribusi
‹ Contoh ‹ Customer Relationship Management
– Meramalkan tingkat pendapatan – Harga
penduduk 5-tahun kedepan – Retensi Pelanggan
– Aliran pendapatan daerah yang baru

51 52
 Contoh SPK Contoh
‹ Skenario Bisnis Pertanyaan Analisis
– Analisis Sensitifitas parameter bisnis 1. Siapa pelanggan 1. Menggunakan
– Analisis Biaya/Keuntungan (Cost / terbanyak? analisis statistik utk
benefit analysis) 2. Apakah mereka
tinggal dekat
25% pelanggan
tetap.
Warehouse Data Pelanggan
‹ Geographic Information Systems dengan perusahaan? •Legacy data 2. Mendapatkan

(GIS)
3. Bagaimana •Website transactions korelasi antara
melakukan •Call centre data tempat tinggal dan
– Menampilkan informasi geografik segmentasi •External data tingkat penjualan.
pelanggan? 3. Verifikasi segmen
– Demografi, penduduk, kejahatan, 4. Bagaimana pelanggan baru
potensi wilayah memper? 4. Query database
pada informasi per
segmen pelanggan
53 54

SI dan Keputusan Kelompok dalam SPK

‹ Informasi pada SPK menggunakan model: ‹ Kelompokpersonal pengambil
– Keputusan berbasis pada pasangan informasi keputusan secara bersamaan
dengan model;
– Kerjasama untuk suatu masalah
‹ Penunjang pengambilan keputusan – tidak
membuat keputusan ‹ Sistem
Inteeraksi untuk
memfasilitasi solusi terhadap
masalah tidak terstruktur oleh
kelompok pengabil keputusan

55 56
 Group Decision-support
Software
Systems
‹ Dukungan untuk: ‹ Electronic questionnaires
– Rapat yang fleksibel – Pre-meeting
– Rapat berbasis Web atau video ‹ Electronic brainstorming tools
conferencing – Simultaneous and anonymous
– Groupware ‹ Idea organisers
– Organising ideas
‹ Questionnaire tools
– Support for meeting chair

57 58

Electronic Meetings Electronic Meetings

‹ Electronic Meeting Systems (EMS) ‹ Disediakan oleh
– Sistem otomasi perkantoran (office portal)
– Peserta menggunakan workstations
– Sistem Voting
yang terhubung dengan jaringan
– Pengumpulan Ide
– Pemimpin Meeting melalui console ‹ Menyedian
– File server – Kerahasiaan
– Proyeksi console – Anonymity
– Simultaneous submission
– Mungkin dari lokasi yang berbeda
‹ Membantu dalam pemecahan beberapa
masalah rapat (waktu, tempat)

59 60
 Sistem Penujang Eksekutif
‹ Sistem informasi level strategis
untuk menunjang pengambilan
keputusan yang tidak terstruktur
‹ Dirancang untuk mudah digunakan
‹ Sesuai keinginan
‹ Sumber Data Internal dan Eksternal
61
Pengaturan Data Sistem Informasi
63
Keuntungan SPE
‹ Fleksibilitas
– Bukan solusi model yang spesifik
‹ Data terkini dan akurat
‹ Analisis Trend
– Analisis, pembandingan dan highlight
– Dulu dilakukan oleh staf lain
– Mengurangi keraguan
62
ORGANISASI FILE SECARA
SEQUENTIAL VS. DIRECT
‹ SEQUENTIAL: Tape; mengikuti
urutan pengaksesan secara fisik
(Dewasa ini jarang digunakan)
‹ DIRECT: Disk oriented; diakses
secara langsung berdasarkan
alamat/index
64
 DATABASE MANAGEMENT SYSTEM
STRUCTURED QUERY LANGUAGE (SQL)
(DBMS)
‹ Perangkat Lunak untuk membuat
dan merawat data
‹ Bahasa untuk memanipulasi data
untuk relational Database
‹ Aplikasi Bisnis dapat mengekstrak
‹ Terdiri dari 2 jenis:
Data melalui beragam bahasa
– Data Definition Language (create
pemrograman.
database, create table, grand, invoke,
drop)
– Data Manipulation Language (DML):
select, update, delete
65 66

Menampilkan Data (View) Model Data Relasional

‹ Data Dalam Format Table
‹ PHYSICAL VIEW: Dimana data secara fisik?
fisik? ‹ Relasi: TABLE
–DRIVE, DISK, SURFACE, TRACK, SECTOR
‹ Tuple: ROW (RECORD) dalam TABLE
(BLOCK), RECORD
‹ Field: COLUMN (ATTRIBUTE) dalam
–TAPE, BLOCK, RECORD NUMBER (KEY)
TABLE
‹ LOGICAL VIEW: Data apa yang diperlukan oleh
aplikasi ?
–SUCCESSION OF FACTS NEEDED BY Jam Upah TOTAL
APPLICATION Andi 40.50 100,000.00 4,050,000.00
–NAME, TYPE, LENGTH OF FIELD Achmad 38.00 80,000.00 3,040,000.00
Budi 42.70 90,000.00 3,843,000.00
67 68
 TIPE ATAU RELASI HIERARCHICAL DATA MODEL
ONE-
ONE-TO-
TO-ONE: STUDENT ID

CLASS ROOT Pegawai

ONE-
ONE-TO-
TO-MANY:
STUDENT STUDENT STUDENT
A B C FIRST Kompensasi Penugasan Tunjangan
CHILD
CLASS CLASS
MANY-
MANY-TO-
TO-MANY:
1 2 2nd
Ratings Gaji Pensiun Asuransi Keseha
CHILD
tan

STUDENT STUDENT STUDENT

A B C
69 70

NETWORK DATA MODEL OTHER SYSTEMS

‹ VARIATION OF HIERARCHICAL ‹ LEGACY SYSTEM: older system
MODEL
‹ OBJECT - ORIENTED DBMS: stores
‹ USEFUL FOR MANY-TO-MANY
data & procedures as objects
RELATIONSHIPS
‹ OBJECT - RELATIONAL DBMS: hybrid

NETWORK NETWORK
1 2

NETWORK NETWORK NETWORK

A B C
71 72
 ELEMENTS OF DATABASE
ENVIRONMENT DISTRIBUTED DATABASES

‹ PARTITIONED: remote CPUs

DATA DATABASE (connected to host) have files
ADMINISTRATION TECHNOLOGY &
MANAGEMENT
unique to that site, e.g., records
on local customers
DATABASE
MANAGEMENT
SYSTEM
‹ DUPLICATE: each remote CPU has
DATA
PLANNING &
USERS
copies of common files, e.g.,
MODELING
METHODOLOGY layouts for standard reports and
forms
73 74

DATABASE IMPLEMENTATION DATABASE TRENDS

1. ORGANIZATIONAL OBSTACLES: ‹ MULTIDIMENSIONAL DATA

Challenges existing power ANALYSIS: 3D (or higher) groupings
structure, requires organizational to store complex data
restructure
2. COST / BENEFIT ‹ HYPERMEDIA: Nodes contain text,
CONSIDERATIONS: Large initial graphics, sound, video, programs.
costs, delayed benefits, tangible, organizes data as nodes.
intangible
75 76
 DATABASE TRENDS DATABASE TRENDS
Multidimensional Data Model
‹ DATA WAREHOUSE: Organization’s
electronic library stores
consolidated current & historic
data for management reporting &
analysis
‹ ON-LINE ANALYTICAL
PROCESSING (OLAP): Tools for
multi- dimensional data analysis

77 78

COMPONENTS OF DATA WAREHOUSE DATABASE TRENDS

OPERATIONAL,
HISTORICAL DATA
DATA WAREHOUSE ‹ DATA MART: Small data
EXTRACT, DATA warehouse for special function,
INTERNAL TRANSFORM ACCESS &
ANALYSIS e.g., Focused marketing based on
DATA
SOURCES customer info
QUERIES &
REPORTS
INFORMATION

‹ DATAMINING: Tools for finding

DIRECTORY OLAP
DATA MINING
EXTERNAL
DATA hidden patterns, relationships, for
SOURCES predicting trends

79 80
 DATABASE TRENDS
LINKING DATABASES TO THE WEB:
‹ WEB USER CONNECTS TO VENDOR
DATABASE
‹ SPECIAL SOFTWARE CONVERTS
HTML TO SQL
‹ SQL FINDS DATA, SERVER
CONVERTS RESULT TO HTML
81
KNOWLEDGE MANAGEMENT IN THE
ORGANIZATION
KNOWLEDGE MANAGEMENT:
SYSTEMATICALLY & ACTIVELY
MANAGING AND LEVERAGING
STORES OF KNOWLEDGE IN AN
ORGANIZATION
83
MANAGING
KNOWLEDGE:
KNOWLEDGE WORK
AND ARTIFICIAL
INTELLIGENCE
82
KNOWLEDGE MANAGEMENT IN THE
ORGANIZATION
KNOWLEDGE MANAGEMENT:
Organizational learning mechanisms
Processes to create, gather, store,
maintain, disseminate knowledge
CHIEF KNOWLEDGE OFFICER (CKO)
DIGITAL FIRM: Substantial use of
info technology enhances ability to
sense, respond to environment
84
KNOWLEDGE MANAGEMENT IN THE INFORMATION AND KNOWLEDGE
ORGANIZATION WORK SYSTEMS

KNOWLEDGE MANAGEMENT:
INFORMATION WORK: Work consists primarily of
Office Automation Systems (OAS) creating, processing information
Knowledge Work Systems (KWS)
Group Collaboration Systems (GCS) DATA WORKERS: People who process & disseminate
organization’s paperwork
Artificial Intelligence Applications (AI)
KNOWLEDGE WORKERS: People who design
products or services or create new knowledge for
organization

85 86

KNOWLEDGE MANAGEMENT & MAJOR ROLES OF

INFORMATION TECHNOLOGY OFFICES
SHARE DISTRIBUTE ‹ COORDINATE WORK OF LOCAL
PROFESSIONALS AND INFORMATION
KNOWLEDGE KNOWLEDGE
NETWORKS PROCESSORS

GROUP OFFICE WORKERS

COLLABORATION AUTOMATION

‹ COORDINATE WORK ACROSS

SYSTEMS SYSTEMS

LEVELS AND FUNCTIONS

‹ COUPLE ORGANIZATION TO
ARTIFICIAL KNOWLEDGE
INTELLIGENCE WORK
DATABASES SOFTWARE
EXTERNAL ENVIRONMENT
SYSTEMS SYSTEMS

CAPTURE,
CODIFY CREATE
KNOWLEDGE KNOWLEDGE

87 88
OFFICE AUTOMATION SYSTEMS
OFFICE AUTOMATION SYSTEMS
MANAGING DOCUMENTS: SCHEDULING:

‹ CREATION FOR INDIVIDUALS & GROUPS:

‹ STORAGE
‹ ELECTRONIC CALENDARS
‹ RETRIEVAL
‹ GROUPWARE
‹ DISSEMINATION
‹ INTRANETS
‹ TECHNOLOGY: Word processing,
desktop publishing, document
imaging, Web publishing, work flow
managers 89 90

OFFICE AUTOMATION SYSTEMS OFFICE AUTOMATION SYSTEMS

COMMUNICATING: MANAGING DATA:

INITIATING, RECEIVING, MANAGING: EMPLOYEES, CUSTOMERS, VENDORS:

‹ VOICE

‹ DIGITAL ‹ DESKTOP DATABASES

‹ DOCUMENTS ‹ SPREADSHEETS

‹ TECHNOLOGY: E-mail, voice mail, digital ‹ USER-FRIENDLY INTERFACES TO

answering systems, GroupWare, MAINFRAME DATABASES
intranets

91 92
 CREATE KNOWLEDGE
OFFICE AUTOMATION SYSTEMS KNOWLEDGE WORK SYSTEMS:
MANAGING DATA:

‹ DOCUMENT IMAGING SYSTEMS: Systems

convert documents, images into digital form INFORMATION SYSTEMS THAT
(e.g.: optical character recognition; microfiche) AID KNOWLEDGE WORKERS TO
‹ JUKEBOX: Storage & retrieving device for CD- CD- CREATE AND INTEGRATE NEW
ROMs & other optical disks
KNOWLEDGE IN AN
‹ INDEX SERVER: Imaging system to store /
retrieve document ORGANIZATION

93 94

CREATE KNOWLEDGE
KNOWLEDGE WORKERS: CREATE KNOWLEDGE
KNOWLEDGE SYSTEMS:
‹ KEEP ORGANIZATION UP-TO-DATE ‹ CAD/CAM: Computer Aided
IN KNOWLEDGE: Technology; Design/Computer Aided Manufacturing:
science; thought; the arts Provides precise control over industrial
design, manufacturing
‹ INTERNAL CONSULTANTS IN
THEIR AREAS
‹ VIRTUAL REALITY: Interactive software
‹ CHANGE AGENTS: Evaluating; creates photorealistic simulations of real
initiating; promoting change; world objects (Virtual Reality Modeling
projects Language: VRML -
http://www.web3d.org/x3d.html)
95 96
 CREATE KNOWLEDGE SHARE KNOWLEDGE
KNOWLEDGE SYSTEMS: GROUP COLLABORATION SYSTEMS:
‹ INVESTMENT WORKSTATIONS:
High-end PCs used in finance to analyze ‹ GROUPWARE: Allows interactive
trading situations, facilitate portfolio collaboration, approval of documents
management ‹ INTRANETS: Good for relatively stable
information in central repository
‹ TEAMWARE: Group collaborative
software to customize team efforts (eg
Sharepoint)

97 98

CAPABILITIES OF
GROUPWARE ARTIFICIAL INTELLIGENCE (AI) SYSTEMS:
AI: COMPUTER-BASED SYSTEMS WITH
‹ PUBLISHING, REPLICATION ABILITIES TO LEARN LANGUAGE,
‹ DISCUSSION TRACKING ACCOMPLISH TASKS, USE PERCEPTUAL
APPARATUS, EMULATE HUMAN
‹ DOCUMENT MANAGEMENT EXPERTISE & DECISION MAKING
‹ WORK-FLOW MANAGEMENT (Laudon & Laudon)
OR:THE STUDY OF COMOUTATIONS THAT
‹ SECURITY
MAKE IT POSSIBLE TO PERCEIVE,
‹ PORTABILITY REASON AND ACT (Winston, Patrick,
Artificial Intelligence 3rd Ed)
‹ APPLICATION DEVELOPMENT

99 100
 BUSINESS
INTERESTS IN AI
AI FAMILY

ARTIFICIAL ‹ PRESERVE EXPERTISE

‹ CREATE KNOWLEDGE BASE
INTELLIGENCE

NATURAL
ROBOTICS
PERCEPTIVE EXPERT INTELLIGENT ‹ MECHANISM NOT SUBJECT TO
LANGUAGE SYSTEMS SYSTEMS MACHINES
FEELINGS, FATIGUE, WORRY,
CRISIS
‹ ELIMINATE ROUTINE /
UNSATISFYING JOBS
101
‹ ENHANCE KNOWLEDGE BASE 102

EXPERT EXPERT SYSTEMS

SYSTEMS
KNOWLEDGE BASE: Model of Human
KNOWLEDGE - INTENSIVE ‹
Knowledge
CAPTURES HUMAN EXPERTISE ‹ RULE - BASED EXPERT SYSTEM : AI
IN LIMITED DOMAINS OF system based on IF - THEN statements
KNOWLEDGE (Bifurcation); Rule Base: Collection of
IF - THEN knowledge
‹ KNOWLEDGE FRAMES: Knowledge
organizes in chunks based on shared
relationships
103 104
 EXPERT SYSTEMS EXPERT SYSTEMS
EXAMPLES:

‹ AI SHELL: Programming environment of ‹ MYCIN: Meningitis diagnosis

expert system
‹ INFERENCE ENGINE: Search through
rule base
– FORWARD CHAINING: Uses input;
searches rules for answer
– BACKWARD CHAINING: Begins with
hypothesis, seeks information until
hypothesis accepted or rejected
105
system
‹ XCON: Computer hardware
cofiguration
‹ BLUE CROSS BLUE SHIELD:
Automated medical underwriting
system
‹ COUNTRYWIDE FUNDING CORP.:
Loan underwriting expert system
106

‹ UNITED NATIONS: Employee

CASE - BASED
EXPERT SYSTEMS REASON (CBR)
LIMITATIONS:
‹ Often reduced to problems of AI USES DATABASE OF CASES:
classification ‹ USER DESCRIBES PROBLEM

‹ Can be large, lengthy, expensive ‹ SYSTEM SEARCHES DATABASE

‹ Maintaining knowledge base critical

FOR SIMILAR CASES
‹ SYSTEM ASKS MORE QUESTIONS
‹ Many managers unwilling to trust
such systems ‹ FINDS CLOSEST FIT

‹ ‘Idiot savants’ ‹ MODIFIED AS REQUIRED

107 108
 OTHER APPROACHES
OTHER APPROACHES ‹ NEURAL NETWORKS: Software
attempts to emulate brain
processes
NEURAL NETS ‹ FUZZY LOGIC: Tolerates ambiguity
FUZZY LOGIC using nonspecific MEMBERSHIP
GENETIC ALGORITHMS FUNCTIONS
‹ GENETIC ALGORITHMS: Use
INTELLIGENT AGENTS
models of organisms to promote
evolution of solution
‹ HYBRID AI SYSTEMS:
109 Combinations 110

INTELLIGENT
AGENT
PROGRAM WITH BUILT-IN, LEARNED
KNOWLEDGE BASE TO DO
SPECIFIC, REPETITIVE,
PREDICTABLE TASKS FOR:
‹ INDIVIDUAL

‹ BUSINESS PROCESS

‹ SOFTWARE APPLICATION

111 112