정보시스템의 종류: MIS, TPS, DSS, 피라미드 다이어그램
⚡ 스마트 요약
정보 시스템의 유형은 조직의 운영, 전술 및 전략 수준과 연관됩니다. 피라미드 다이어그램은 트랜잭션 처리 시스템, 경영 정보 시스템, 의사 결정 지원 시스템, 인공지능 및 온라인 분석 처리 시스템을 각 관리 계층에 매핑합니다.
일반적인 조직은 운영, 중간, 상위 계층으로 나뉩니다. 각 계층 사용자의 정보 요구 사항은 서로 다릅니다. 따라서 조직 내 각 계층을 지원하는 다양한 정보 시스템이 존재합니다.
이 튜토리얼에서는 다양한 유형의 정보 시스템, 정보 시스템을 사용하는 조직 수준, 그리고 특정 정보 시스템의 특징에 대해 살펴보겠습니다.
조직 수준 및 정보 요구 사항의 피라미드 다이어그램
각 조직 수준을 이해하는 것은 해당 수준에서 업무를 수행하는 사용자에게 필요한 정보를 이해하는 데 필수적입니다.
다음 다이어그램은 일반적인 조직의 다양한 수준을 보여줍니다.
Opera관리 수준
운영 수준은 조직의 일상적인 비즈니스 거래를 수행하는 것과 관련이 있습니다.
이 관리 수준의 사용자에는 판매 시점 계산원, 은행원, 병원 간호사, 고객 관리 직원 등이 포함됩니다.
이 단계의 사용자들은 구조화된 의사결정을 내립니다. 즉, 의사결정을 내릴 때 지침이 되는 명확한 규칙을 가지고 있다는 뜻입니다.
예를 들어, 매장에서 신용 판매를 하고 대출 한도가 정해진 신용 정책을 가지고 있다면, 판매원은 시스템에 있는 최신 신용 정보만을 바탕으로 고객에게 신용을 제공할지 여부를 결정하면 됩니다.
전술적 관리 수준
이 조직 계층은 중간 관리자, 부서장, 감독자 등이 주를 이룹니다. 이 계층의 사용자는 일반적으로 운영 관리 계층 사용자의 활동을 감독합니다.
전술적 사용자는 반구조화된 결정을 내립니다. 결정은 부분적으로 정해진 지침과 판단에 기초하여 이루어집니다. 예를 들어, 전술적 관리자는 고객의 신용 한도 및 지불 내역을 확인하고 특정 고객에 대한 신용 한도를 높이기 위해 예외를 만들기로 결정할 수 있습니다. 결정은 전술적 관리자가 기존 정보를 사용하여 조직에 이익이 되는 지불 내역과 허용된 증가율을 식별해야 한다는 점에서 부분적으로 구조화되어 있습니다.
전략적 관리 수준
이는 조직의 최고위급입니다. 이 수준의 사용자는 구조화되지 않은 결정을 내립니다. 고위 관리자는 조직의 장기 계획에 관심을 갖고 있습니다. 그들은 구조화되지 않은 결정을 내릴 때 전술 관리자의 정보와 외부 데이터를 사용하여 지침을 제공합니다.
트랜잭션 처리 시스템(TPS)
거래 처리 시스템은 조직의 일상적인 비즈니스 거래를 기록하는 데 사용됩니다. 이러한 시스템은 운영 관리 수준의 사용자들이 사용합니다. 거래 처리 시스템의 주요 목적은 다음과 같은 일상적인 질문에 답하는 것입니다.
- 오늘 프린터가 몇 대나 팔렸나요?
- 우리가 보유하고 있는 재고는 얼마나 됩니까?
- John Doe의 미결제 금액은 얼마입니까?
TPS 시스템은 일상적인 비즈니스 거래를 기록함으로써 위의 질문에 대한 답을 적시에 제공합니다.
- 운영 관리자가 내리는 결정은 일상적이고 매우 체계적입니다.
- 거래 처리 시스템에서 생성되는 정보는 매우 상세합니다.
예를 들어, 대출을 제공하는 은행은 대출 신청자가 재직 중인 회사와 은행 간에 양해각서(MoU)를 체결할 것을 요구합니다. 고용주가 은행과 양해각서를 체결한 경우, 신청자가 대출을 신청하면 담당 직원은 제출된 서류를 검토하기만 하면 됩니다. 요건을 충족하면 대출 신청 서류가 처리되고, 충족하지 못하면 신청자는 실무 담당자와 상담하여 양해각서 체결 가능성을 논의하도록 안내받습니다.
거래 처리 시스템의 예는 다음과 같습니다.
- Point of Sale 시스템 – 일일 판매량을 기록합니다.
- 급여 시스템 - 직원 급여 처리, 대출 관리 등
- 재고 관리 시스템 – 키ping trac재고 수준의 k.
- 항공사 예약 시스템 - 항공편 예약 관리.
경영정보시스템(MIS)
경영 정보 시스템 (MIS) 전술 관리자는 조직의 현재 성과 상태를 모니터링하는 데 사용됩니다. 트랜잭션 처리 시스템의 출력은 관리 정보 시스템의 입력으로 사용됩니다.
MIS 시스템은 일상적인 알고리즘을 사용하여 입력값을 분석합니다. 즉, 결과를 집계, 비교 및 요약하여 전술 관리자가 향후 성과를 모니터링, 제어 및 예측하는 데 사용하는 보고서를 생성합니다.
예를 들어, POS 시스템의 입력 데이터를 활용하여 판매 실적이 좋은 제품과 그렇지 않은 제품의 추세를 분석할 수 있습니다. 이러한 정보를 바탕으로 향후 재고 주문을 조정할 수 있는데, 즉 판매 실적이 좋은 제품의 주문량을 늘리고 판매 실적이 부진한 제품의 주문량을 줄일 수 있습니다.
경영정보시스템의 예는 다음과 같습니다.
- 영업 관리 시스템 – 이들은 POS 시스템으로부터 입력을 받습니다.
- 예산 시스템 – 단기 및 장기적으로 조직 내에서 지출되는 금액에 대한 개요를 제공합니다.
- 인적 자원 관리 시스템 – 직원의 전반적인 복지, 직원 이직률 등
전술 관리자는 반정형화된 의사 결정을 담당합니다. MIS 시스템은 정형화된 의사 결정을 내리는 데 필요한 정보를 제공하며, 전술 관리자는 자신의 경험을 바탕으로 판단을 내립니다. 예를 들어, 1분기 매출을 기준으로 2분기에 얼마나 많은 상품이나 재고를 주문해야 할지 예측하는 것입니다.
의사결정 지원 시스템(DSS)
의사 결정 지원 시스템 고위 경영진이 비일상적인 결정을 내리는 데 사용됩니다. 의사결정 지원 시스템은 내부 시스템(거래 처리 시스템 및 관리 정보 시스템)과 외부 시스템의 입력을 사용합니다.
의사결정 지원 시스템의 주요 목표는 특수하고 빈번하게 변화하는 문제에 대한 해결책을 제공하는 것입니다. 의사결정 지원 시스템은 다음과 같은 질문에 답합니다.
- 공장의 생산량을 두 배로 늘리면 직원들의 업무 성과에 어떤 영향이 있을까요?
- 새로운 경쟁자가 시장에 진입한다면 우리 매출은 어떻게 될까요?
의사결정 지원 시스템은 정교한 수학적 모델과 통계적 기법(확률, 예측 모델링 등)을 사용하여 해결책을 제시하며, 매우 상호작용적입니다.
의사결정 지원 시스템의 예는 다음과 같습니다.
- 재무 계획 시스템 재무 계획 시스템은 관리자가 목표 달성을 위한 다양한 대안을 평가할 수 있도록 지원합니다. 궁극적인 목표는 최적의 달성 방법을 찾는 것입니다. 예를 들어, 기업의 순이익은 총매출액에서 (원가 + 경비)를 뺀 값으로 계산됩니다. 재무 계획 시스템을 활용하면 최고 경영진은 "만약 ~라면"이라는 질문을 던지고 총매출액, 원가 등의 값을 조정하여 순이익에 미치는 영향을 분석하고 최적의 방법을 찾을 수 있습니다.
- 은행 대출 관리 시스템 – 대출 신청자의 신용을 확인하고 대출금 회수 가능성을 예측하는 데 사용됩니다.
비즈니스에서의 인공지능 기술
인공 지능 시스템은 인간의 전문 지식을 모방하여 대규모 데이터 세트의 패턴을 식별합니다. 다음과 같은 회사 Amazon, 페이스북, 그리고 Google등은 인공지능 기술을 사용하여 사용자에게 가장 관련성이 높은 데이터를 식별합니다.
페이스북을 예로 들어보겠습니다. 페이스북은 보통 여러분이 알거나 함께 학교를 다녔을 만한 사람들을 매우 정확하게 예측합니다. 페이스북은 여러분이 제공하는 데이터, 친구들이 제공하는 데이터를 활용하여 여러분이 알 만한 사람들을 예측하는 것입니다.
Amazon 인공지능 기술도 활용하여 현재 구매하고 있는 제품을 기반으로 구매해야 할 제품을 추천합니다.
Google 또한 사용 인공 지능 사용자의 상호작용을 기반으로 가장 관련성 높은 검색 결과를 제공하기 위해 Google 그리고 당신의 위치.
이러한 기술들은 해당 기업들이 고객에게 가치를 제공할 수 있게 해줌으로써 매우 성공적이 되는 데 크게 기여했습니다.
온라인 분석 처리(OLAP)
온라인 분석 처리(올랩)은 다차원 데이터를 쿼리 및 분석하고 다차원을 사용하여 다양한 방식으로 볼 수 있는 정보를 생성하는 데 사용됩니다.
한 회사가 노트북, 데스크탑, 컴퓨터 등을 판매한다고 가정해 보겠습니다. 모바일 기기. 이들은 A, B, C, D의 네 가지 분기로 나뉩니다. OLAP를 사용하면 모든 지역에서 각 제품의 총 판매량을 확인하고 실제 판매량과 예상 판매량을 비교할 수 있습니다.
제품, 판매량, 판매액 등 각각의 정보는 서로 다른 차원을 나타냅니다.
OLAP 시스템의 주요 목적은 사용되는 데이터 세트의 크기에 관계없이 가능한 한 최단 시간 내에 임시 쿼리에 대한 답변을 제공하는 것입니다.


