Тема 6. Информационно-аналитическая поддержка процессов разработки и принятия управленческих решений

 

6.1. СППР и современные информационные системы менеджмента

 

Основным объектом, основной категорией процесса управления является ин - формация. Хотя информация является общенаучной (философской) категорией, строгого понятия этого феномена нет. Понятие «информация», условно распре- деляется на следующие 4-е группы, каждая из которых опирается на:

· содержательное понимание;

· формализованные модели: мера разнообразия;

· теорию познания и отражения;

· учет связи информации со свойствами материи.

Сущность информации описывается в рамках двух концепций: атрибутивной и функциональной и содержится в ответе на вопрос о наличии информации в не- живой природе.

Первая концепция рассматривает информацию как атрибут, присущий всем уровням материи, в то время как вторая концепция связывает информацию только с самоуправляемыми и самоорганизующимися системами.

Информационный процесс - это реализация определенного информационного взаимодействия.

Взаимодействие - фундаментальная категория, отражающая процессы воздей- ствия различных объектов друг на друга.

Основными особенностями информационного взаимодействия являются сле- дующие:

· информация выступает в качестве объекта;

· взаимодействие осуществляется с помощью очень слабых сигналов;

· операции осуществляются со смыслами, образами, эмоциями;

· наличие памяти (интеллекта) у взаимодействующих объектов. Информационные технологии - это последовательности действий по преобра- зованию информационных ресурсов в информационные продукты. Различают инфраструктурные технологии, технологии работы с данными, технологии со- вместной работы, технологии бизнес-приложений, интернет-технологии и др. Информационные технологии реализуются в информационных системах, кото- рые можно описать с помощью функциональной структуры и информационно- го, технического (hardware), алгоритмического (brainware), программного (soft- ware), организационного (orgware) и кадрового обеспечений.

Первыми стали информационные системы, предназначенные для обработки электронных данных – СОД (Electronic Data Processing – EDP). К таким систе- мам относятся системы, реализующие контрольные (учетные) функции, напри- мер, бухгалтерские и банковские системы. СОД предназначены, как правило,

для решения задач учета и автоматизируют такие операции, как сбор, хране- ние, обработка, отображение и регистрация данных. Результаты работы такой системы представляются, как правило, в виде видеограмм и различных по фор- ме отчетов. Классическим примером такой системы является электронная бух- галтерия. Основной функцией СОД является сбор и обработка данных, кото- рые описывают работу фирмы в разные периоды времени. К обработке обычно относятся следующие операции: классификация; сортировка; вычисления; агре- гирование; хранение; отображение и регистрация данных. К отличительным особенностям СОД можно отнести: выполнение задач, регламентированных за- конодательными актами (бухгалтерские системы); решение только хорошо структурированных задач, с заранее известным алгоритмом их решения; авто- матизация рутинных расчетов с минимальным участием человека; использова- ние подробных (хорошо детализированных) данных с акцентом на хронологию событий. Таким образом, СОД предназначены для решения в хронологическом порядке хорошо структурированных задач путем обработки детализированных данных с использованием стандартных процедур. Основной целью СОД явля- ется автоматизация рутинных расчетов.

Дальнейшее развитие информационных технологий позволяет переместить ак- цент с автоматизации функций контроля (учета) на автоматизацию других функций управления. Сначала появляются, так называемые, информационные системы ( оперативного ) управления – ИСУ, которые автоматизируют операции по составлению управленческих отчетов. Затем появляются и системы под - держки принятия решений – СППР, которые облегчают решение слабо струк- турированных задач.

Информационные системы ( оперативного ) управления - ИСУ (Management In- formation System - MIS) предназначены для автоматизации таких функций, как: учет, регулирование и частично функции анализа. ИСУ используется при ре- шении менее структурированных задач по сравнению с СОД. ИСУ включает СОД и осуществляет поиск и обработку информации, поступающей из СОД и внешнего окружения. ИСУ обеспечивает возможность работы в запросно- ответном режиме с помощью системы управления базами данных (СУБД). Ре- зультатом работы ИСУ является информация, которая представлена в виде, удобном для принятия решений менеджером. ИСУ не является полностью ав- томатической системой. Она предназначена для использования на любом уров- не управления, где все решения принимает человек.

Система поддержки принятия решений - СППР (Decision Support System – DSS) представляет собой вид информационной системы, предназначенной для помощи менеджеру при решении плохо структурированных задач, возникаю- щих в процессе принятия решений. Она предназначена для автоматизации та- ких функций, как: учет, регулирование, анализ и частично функции планирова- ния. Отличительными особенностями такой системы является: возможность сочетания традиционных методов решения с методами математического моде- лирования; высокая адаптивность используемых моделей и методов; наличие человеко-машинного интерфейса, ориентированного на непрофессионального пользователя. Место СППР среди информационных систем можно определить,

 

построив информационную модель предприятия, которая будет включать сле- дующие три уровня: уровень обработки данных (СОД); уровень обработки опе- ративной информации (ИСУ); уровень принятия решений (СППР). Таким обра- зом, СППР включает в себя СОД и ИСУ, предназначена для решения плохо структурированных задач, имеет развитый человеко-машинный интерфейс и строится на основе экспертных систем.

Дальнейшее развитие информационных систем, используемых для автоматиза- ции процессов разработки управленческих решений, идет по пути моделирова- ния процессов человеческого мышления, который получил название искусст- венный интеллект. Важнейшим приложением искусственного интеллекта стали экспертные системы, представляющие собой новый класс компьютерных ин- формационных систем, основанных на обработке знаний.

Экспертные системы (ЭС) представляют собой раздел искусственного интел- лекта и используются в СППР для повышения производительности и качества принимаемых решений. Экспертная система в СППР реализует следующие функции: распознавание сложившейся ситуации, ее анализ, постановку диагно- за и формулирование ближайших целей для возвращения на желаемую траек- торию развития предприятия; построение путей достижения сформулирован- ных целей с учетом резервов предприятия; пополнение Базы Знаний; обеспече- ние дружественного интерфейса.

Экспертные системы (ЭС), используемые в менеджменте для поддержки про- цессов принятия решений, состоят из блоков, представленных на рис.6.1-1, и включают: базы знаний и данных; блок логических выводов; блок объяснений; блок ввода и корректировки данных; блок приобретения знаний; блок проведе- ния расчетов; пользовательский интерфейс.

Рис.6.1-1. Структура экспертной системы поддержки принятия решения

 

Базы знаний строятся на основе моделей, с помощью которых отражают знания эксперта о предметной области, способы анализа поступающих фактов и мето- ды вывода, т.е. порождения новых знаний на основе имеющихся и вновь посту- пивших. Наиболее распространенными являются следующие виды моделей: ло- гические, продукционные, фреймовые и семантические сети.

 

 

Логические модели базируются на представлении знаний и системе логики пре- дикатов первого порядка. Вывод новых знаний осуществляется на основании силлогизмов. Правила формальной логики постепенно расширяются, прибли- жаясь к "человеческой" логике. Последняя характеризуется нечеткостью. В свя- зи с этим появляются модальная, многозначная, немонотонная, псевдофизиче- ская и другие виды логики.

Продукционные модели представляют знания в форме предикатов первого по- рядка, а правила манипулирования ими - с помощью конструкций "ЕСЛИ - ТО". Фреймовое представление знаний отражает систематизированную в виде еди- ной теории психологическую модель памяти человека. Основной элемент моде - ли - фрейм отражает структуру данных для описания концептуальных (поня- тийных) объектов. Информация, относящаяся к одному фрейму, содержится в слоте. Все фреймы взаимосвязаны и образуют единую систему, в которой объе- динены факты (описательные знания) и правила манипулирования ими.

Семантическая сеть - граф, узлы которого соответствуют понятиям или объек- там. Логические выводы базируются на прямом или обратном рассуждениях.

Прямые рассуждения, ведутся от данных к цели рассуждения, а обратные - от цели к данным. Обратные рассуждения базируются на графе И/ИЛИ, связы- вающем в единое целое факты и заключения. Оценка этого графа и есть логи- ческий вывод. При этом оцениваются лишь те части графа, которые имеют от- ношение к заключению.

Блок логических выводов предназначен для извлечения знаний из введенной в систему информации и должен быть рассчитан для работы с ненадежными дан- ными. Он использует нечеткую логику, коэффициенты уверенности, байесов- скую логику, меры доверия и т.д. Этот блок является главным, так как с его по- мощью пользователь генерирует альтернативы и вырабатывает решение. Здесь реализуются алгоритмы факторного анализа показателей, результаты которого используются для постановки диагноза. Очевидно, что количество диагнозов может быть велико, поэтому используют иерархические способы их описания, что позволяет снизить их сложность на несколько порядков и облегчить про- цесс выбора решения.

Блок объяснений показывает весь путь, которым система пришла к тому или иному выводу. В ЭС, основанных на правилах, объяснения получают путем прослеживания шагов рассуждения, которые привели к данному выводу.

База данных, Блок проведения расчетов и Блок ввода / вывода и корректировки данных являются отличительной чертой, присущей только ЭС поддержки про- цессов принятия решений. Их наличие продиктовано большим объемом и же- сткостью требований к точности расчетов, необходимых для принятия решений по управлению именно экономическими системами. В базе данных находятся плановые, фактические, расчетные, отчетные и другие показатели. Если эти блоки входят в соответствующие ИСУ и СОД как составляющие их части, то в ЭС они не рассматриваются.

Блок приобретения знаний, в конечном счете, отвечает за самообучение экс- пертной системы и, следовательно, за надежность и точность выдаваемых ре- комендаций. Извлечение и формализация знаний, которыми обладает эксперт, -

 

достаточно сложный процесс, который изучает такой раздел науки, как инже- нерия знаний. Здесь эти вопросы мы рассматривать не будем. Лишь отметим, что в настоящее время приобретение знаний экспертной системой сводится к вводу вербализованных знаний эксперта с помощью соответствующего пользо- вательского интерфейса. Рассмотрим место СППР в корпоративной информа- ционной системе управления предприятия.

Корпоративные ( интегрированные ) информационные системы. В каждой ор- ганизации имеются различные уровни управления, на которых циркулируют специфичные информационные потоки. Для обработки информации использу- ются различные информационные технологии, которые реализуются с помо- щью соответствующих информационных систем, имеющих собственные назва- ния.

Корпоративные (интегрированные) информационные системы (КИС) управле- ния в каждой организации можно описывать: по уровням управления (рис.6.1-2 а), по базовым функциям (рис.6.1-2 б) и по операциям обработки информации (рис.6.1-2 в).

а) б)

в) Рис.6.1-2. Стратификация КИС по уровням управления (а), базовым функциям (б) и операциям обработки информации (в).

 

 

Стратегические информационные системы – СИС корпоративного типа (En- terprise Strategic System - ESS) предназначены для оказания помощи высшему руководству компании (Top Managers) в процессе поддержки принятия страте- гических решений. ESS учитывают долгосрочные изменения, происходящие в окружающей среде и деловом окружении предприятия, интегрируют в себе знания и данные всех информационных систем предприятия и строятся, как правило, на базе систем искусственного интеллекта (экспертных систем – ЭС). Их назначение – приводить в соответствие изменения в условиях эксплуатации с существующей организационной возможностью.

Аналитические системы или чаще Система управления знаниями – СУЗ (Knowledge Management System – KWS) - это набор повторяемых на регулярной основе управленческих процедур, призванных повысить эффективность сбора, хранения, распространения и использования ценной информации с точки зре- ния компании.

Классическое управление знаниями включает в себя следующие пять фунда- ментальных процессов: создание (результатом является новое знание); поиск (поиск и представление неявных знаний в явной форме, что делает возможным сбор индивидуальных знаний для коллективного использования); системати - зация или организация (классификация и категоризация знаний с целью их по- следующего целенаправленного извлечения; поддержание целостности данных за счет реализации соответствующих процессов); доступ (действия, с помощью которых знания посылаются или запрашиваются конкретным пользователем); использование (применение знаний в работе, принятии решений и реализации возможностей).

Наиболее популярными направлениями при внедрении системы управления знаниями являются: формирование лучших практик компании; повышение эф- фективности обучения; сбор идей и информации для создания новых товаров; формирование библиотеки выполненных работ, для минимизации повторов и нерационального расходования времени; оптимизация информационных пото- ков предприятия; сокращение уровней управления и повышение эффективно- сти деятельности управляющей структуры; создание новых знаний и подходов; формирование базы знаний для регулярного пересмотра стратегии компании и т.д.

Информационные системы управления - ИСУ (Management Information System - MIS) ориентированы на тактический уровень управления: среднесрочное пла- нирование, анализ и организацию работ в течение нескольких недель (месяцев), например анализ и планирование поставок, сбыта, составление производствен- ных программ. Для данного класса задач характерны регламентированность (периодическая повторяемость) формирования результирующих документов и четко определенный алгоритм решения задач, например свод заказов для фор- мирования производственной программы и определение потребности в ком- плектующих деталях и материалах на основе спецификации изделий. Решение подобных задач предназначено для руководителей различных служб предпри- ятий (отделов материально-технического снабжения и сбыта, цехов и т.д.). За- дачи решаются на основе накопленной базы оперативных данных.

 

Системы обработки ( электронных ) данных - СОД (Electronic Data Processing - EDP) предназначены для учета и оперативного регулирования хозяйственных операций, подготовки стандартных документов для внешней среды (счетов, на- кладных, платежных поручений). Горизонт оперативного управления хозяйст- венными процессами составляет от одного до несколько дней и реализует реги- страцию и обработку событий, например оформление и мониторинг выполне- ния заказов, приход и расход материальных ценностей на складе, ведение табе- ля учета рабочего времени и т.д. Эти задачи имеют итеративный, регулярный характер, выполняются непосредственными исполнителями хозяйственных процессов (рабочими, кладовщиками, администраторами и т.д.) и связаны с оформлением и пересылкой документов в соответствии с четко определенными алгоритмами. Результаты выполнения хозяйственных операций через экранные формы вводятся в базу данных.

Информационная система, которая включает первые три типа перечисленных выше информационных систем, называется стратегической информационной системой - СИС. В зависимости от охвата функций и уровней управления раз- личают корпоративные (интегрированные) и локальные ИС.

Корпоративная (интегрированная) информационная система (КИС) автомати- зирует все функции управления на всех уровнях управления, является много- пользовательской и функционирует в распределенной вычислительной сети. Локальная информационная система (ЛИС) автоматизирует отдельные функ- ции управления на отдельных уровнях управления и может быть однопользова- тельской, функционирующей в отдельных подразделениях системы управле- ния.

Системы поддержки принятия решений.

Системы поддержки принятия решений - СППР (Decision Support System - DSS) используются в основном на верхнем уровне управления (руководства фирм, предприятий, организаций), имеющего стратегическое долгосрочное значение в течение года или нескольких лет. К таким задачам относятся фор- мирование стратегических целей, планирование привлечения ресурсов, источ- ников финансирования, выбор места размещения предприятий и т.д. Реже зада- чи класса СППР решаются на тактическом уровне, например при выборе по- ставщиков или заключении контрактов с клиентами. Задачи СППР имеют, как правило, нерегулярный характер. Для задач СППР свойственны недостаточ- ность имеющейся информации, ее противоречивость и нечеткость, преоблада- ние качественных оценок целей и ограничений, слабая формализуемость алго- ритмов решения. В качестве инструментов обобщения чаще всего используют- ся средства составления аналитических отчетов произвольной формы, методы статистического анализа, экспертных оценок и систем, математического и ими- тационного моделирования. При этом используются базы обобщенной инфор- мации, информационные хранилища, базы знаний о правилах и моделях приня- тия решений.

Характеристики СППР.

Согласно E. Turban2, СППР обладает следующими четырьмя основными харак- теристиками:

1. СППР использует и данные, и модели;

2. СППР предназначены для помощи менеджерам в принятии решений для слабоструктурированных и неструктурированных задач;

3. Они поддерживают, а не заменяют, выработку решений менеджерами;

4. Цель СППР — улучшение эффективности решений.

E. Turban предложил список характеристик идеальной СППР (которая имеет мало общих элементов с определением, приведенным выше). Идеальная СППР:

1. оперирует со слабоструктурированными решениями;

2. предназначена для ЛПР различного уровня;

3. может быть адаптирована для группового и индивидуального использо- вания;

4. поддерживает как взаимозависимые, так и последовательные решения;

5. поддерживает 3 фазы процесса решения: интеллектуальную часть, про- ектирование и выбор;

6. поддерживает разнообразные стили и методы решения, что может быть полезно при решении задачи группой ЛПР;

7. является гибкой и адаптируется к изменениям как организации, так и ее окружения;

8. проста в использовании и модификации;

9. улучшает эффективность процесса принятия решений;

10. позволяет человеку управлять процессом принятия решений с помо- щью компьютера, а не наоборот;

11. поддерживает эволюционное использование и легко адаптируется к изменяющимся требованиям;

12. может быть легко построена, если может быть сформулирована логи- ка конструкции СППР;

13. поддерживает моделирование;

14. позволяет использовать знания.

Классификации СППР

Для СППР отсутствует не только единое общепринятое определение, но и ис- черпывающая классификация. Разные авторы предлагают разные классифика- ции. На уровне пользователя P. Haettenschwiler3(1999) делит СППР на пассив- ные, активные и кооперативные СППР. Пассивной СППР называется система, которая помогает процессу принятия решения, но не может вынести предложе- ние, какое решение принять. Активная СППР может сделать предложение, ка- кое решение следует выбрать.

Кооперативная позволяет ЛПР изменять, пополнять или улучшать решения, предлагаемые системой, посылая затем эти изменения в систему для проверки.

 

 

2 Turban, E. Decision support and expert systems: management support systems. -Englewood Cliffs, N.J.: Prentice Hall, 1995. — 887 p.

 

 

Haettenschwiler P. Neues anwenderfreundliches Konzept der Entscheidungs-unterstutzung. Gutes Entscheiden in

Wirtschaft, Politik und Gesellschaft. Zurich: Hochschulverlag AG, 1999. — S. 189—208.

 

Система изменяет, пополняет или улучшает эти решения и посылает их опять пользователю. Процесс продолжается до получения согласованного решения. На концептуальном уровне D.J. Power4(2003) отличает:

1. СППР, управляемые сообщениями (Communication-Driven DSS, ранее груп- повая СППР — GDSS), поддерживает группу пользователей, работающих над выполнением общей задачи.

2. СППР, управляемые данными (Data-Driven DSS) или СППР, ориентирован- ные на работу с данными (Data-oriented DSS) в основном ориентируются на доступ и манипуляции с данными.

3. СППР, управляемые документами (Document-Driven DSS), управляют, осу- ществляют поиск и манипулируют неструктурированной информацией, задан- ной в различных форматах.

4. СППР, управляемые знаниями (Knowledge-Driven DSS), обеспечивают реше- ние задач в виде фактов, правил, процедур.

5. СППР, управляемые моделями (Model-Driven DSS), характеризуются в ос- новном доступом и манипуляциями с математическими моделями (статистиче- скими, финансовыми, оптимизационными, имитационными).

6. Отметим, что некоторые OLAP-системы, позволяющие осуществлять слож- ный анализ данных, могут быть отнесены к гибридным СППР, которые обеспе- чивают моделирование, поиск и обработку данных.

На техническом уровне D. Power5(1997) различает СППР всего предприятия и настольную СППР. СППР всего предприятия подключена к большим хранили-

щам информации и обслуживает многих менеджеров предприятия. Настольная СППР — это малая система, обслуживающая лишь один компьютер пользова- теля. Существуют и другие классификации (Alter6, Holsapple и Whinston7, Golden, Hevner и Power8). Отметим лишь, что превосходная для своего времени классификация Alter‘a, которая разбивала все СППР на 7 классов, в настоящее время несколько устарела.

В зависимости от данных, с которыми эти системы работают, СППР условно можно разделить на оперативные и стратегические.

Оперативные СППР предназначены для немедленного реагирования на изме- нения текущей ситуации в управлении финансово-хозяйственными процессами компании.

Стратегические СППР ориентированы на анализ значительных объемов раз- нородной информации, собираемых из различных источников. Важнейшей це- лью этих СППР является поиск наиболее рациональных вариантов развития

 

Power D.J. A Brief History of Decision Support Systems. DSSResources.COM, World Wide Web,

бизнеса компании с учетом влияния различных факторов, таких как конъюнк- тура целевых для компании рынков, изменения финансовых рынков и рынков капиталов, изменения в законодательстве и др.

СППР первого типа получили название Информационных Систем Руководства (Executive Information Systems - EIS). По сути, они представляют собой конеч- ные наборы отчетов, построенных на основании данных из транзакционной информационной системы предприятия, в идеале адекватно отражающих в ре- жиме реального времени основные аспекты производственной и финансовой деятельности. Для EIS характерны следующие основные черты:

· отчеты, как правило, базируются на стандартных для организации запро- сах; число последних относительно невелико;

· ИСР представляет отчеты в максимально удобном виде, включающем, наряду с таблицами, деловую графику, мультимедийные возможности и т. п.;

· как правило, ИСР ориентированы на конкретный вертикальный рынок, например финансы, маркетинг, управление ресурсами.

СППР второго типа предполагают достаточно глубокую проработку данных, специально преобразованных так, чтобы их было удобно использовать в ходе процесса принятия решений. Неотъемлемым компонентом СППР этого уровня являются правила принятия решений, которые на основе агрегированных дан- ных дают возможность менеджерам компании обосновывать свои решения, ис- пользовать факторы устойчивого роста бизнеса компании и снижать риски.

СППР второго типа в последнее время активно развиваются. Технологии этого типа строятся на принципах многомерного представления и анализа данных (OLAP).

При создании СППР можно использовать Web-технологии. В настоящее время СППР на основе Web-технологий для ряда компаний являются синонимами СППР предприятия.

Методы поддержки принятия управленческих решений на основе ИТ.

Для поддержки принятия решений c помощью информационных технологий, включая анализ и выработку альтернатив, в СППР используются следующие методы:

1) информационный поиск;

2) интеллектуальный анализ данных;

3) извлечение (поиск) знаний в базах данных;

4) рассуждение на основе прецедентов;

5) имитационное моделирование;

6) генетические алгоритмы;

 

http://DSSResources.COM/history/dsshistory.html, version 2.8, May 31, 2003.

7) искусственные нейронные сети;

Power D. J. «What is a DSS?» // The On-Line Executive Journal for Data-Intensive Decision Support, 1997. — v. 1. —

N3.

Alter S. L. Decision support systems: current practice and continuing challenges. Reading, Mass.: Addison-Wesley

8) методы искусственного интеллекта.

Информационный поиск (ИП) (англ. Information retrieval) — процесс поиска не -

 

Pub., 1980.

структурированной документальной информации и наука об этом поиске9.

Holsapple C.W., Whinston A.B. Decision Support Systems: A Knowledge-based Approach. — Minneapolis: West Pub-

lishing Co., 1996.

Golden B., Hevner A., Power D.J. Decision Insight Systems: A Critical Evaluation // Computers and Operations Re- search, 1986. — v. 13. — N2/3. — p. 287—300.

http://ru.wikipedia.org/

 

Термин «информационный поиск» был впервые введён Кельвином Муром в 1948. Процесс поиска включает последовательность операций, направленных на сбор, обработку и предоставление необходимой информации заинтересован- ным лицам. В общем случае поиск информации состоит из четырех этапов:

1. определение (уточнение) информационной потребности и формулировка информационного запроса;

2. определение совокупности возможных держателей информационных массивов (источников);

3. извлечение информации из выявленных информационных массивов;

4. ознакомление с полученной информацией и оценка результатов поиска. Различают: полнотекстовый поиск — поиск по всему содержимому документа; поиск по метаданным — это поиск по неким атрибутам документа, поддержи- ваемым системой (название документа, дата создания, размер, автор и т. д.); по - иск по изображению — поиск по содержанию изображения.

К методами информационного относятся: адресный поиск - процесс поиска до- кументов по чисто формальным признакам, указанным в запросе; семантиче - ский поиск - процесс поиска документов по их содержанию; документальный поиск - процесс поиска в хранилище информационно-поисковой системы пер- вичных документов или в базе данных вторичных документов, соответствую- щих запросу пользователя; фактографический поиск - процесс поиска фактов, соответствующих информационному запросу.

Интеллектуальный анализ данных (англ. Data Mining) — выявление скрытых закономерностей или взаимосвязей между переменными в больших массивах необработанных данных. Подразделяется на задачи классификации, моделиро- вания и прогнозирования и другие. Термин «Data Mining» введен Григорием Пятецким-Шапиро в 1989 году. Задачи, решаемые Data Mining: классификация; кластеризация; сокращение описания; ассоциация; прогнозирование; анализ от- клонений; визуализация.

Извлечение ( поиск ) знаний в базах данных (Knowledge Discovery in Databases – KDD) - процесс обнаружения полезных знаний в базах данных. Эти знания мо- гут быть представлены в виде закономерностей, правил, прогнозов, связей ме- жду элементами данных и др. Главным инструментом поиска знаний в процес- се KDD являются аналитические технологии Data Mining, реализующие задачи классификации, кластеризации, регрессии, прогнозирования, предсказания и т.д. KDD включает последовательность операций, необходимых для поддержки аналитического процесса. К ним относятся: консолидация данных; подготовка анализируемых выборок данных (в том числе, обучающих); очистка данных от факторов, мешающих их корректному анализу; трансформация – оптимизация данных для решения определенной задачи; анализ данных; интерпретация и ви- зуализация результатов анализа, их применение в бизнес-приложениях.

Рассуждение на основе прецедентов (Case-Based Reasoning). Прецедент - слу- чай, имевший место ранее и служащий примером или оправданием для после- дующих случаев подобного рода. Вывод на основе прецедентов (CBR – Case- Based Reasoning) является подходом, позволяющим решить новую задачу, ис- пользуя или адаптируя решение уже известной задачи. Как правило, такие ме-

тоды рассуждений включают в себя четыре основных этапа, образующие так называемый цикл рассуждения на основе прецедентов или CBR-цикл. Сущест- вует целый ряд методов извлечения прецедентов и их модификаций: метод ближайшего соседа (NN – Nearest Neighbor); метод извлечения прецедентов на основе деревьев решений; метод извлечения прецедентов на основе знаний; ме- тод извлечения с учетом применимости прецедентов. Помимо рассмотренных методов для извлечения прецедентов могут успешно применяться и другие ме- тоды (например, аппарат искусственных нейронных сетей).

Имитационное моделирование — это метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и задан- ного их множества. При этом результаты будут определяться случайным харак- тером процессов. По этим данным можно получить достаточно устойчивую статистику.

Различают следующие виды имитационного моделирования: агентное модели - рование – относительно новое (1990е-2000е гг.) направление в имитационном моделировании, которое используется для исследования децентрализованных систем; дискретно - событийное моделирование – подход к моделированию, предлагающий абстрагироваться от непрерывной природы событий и рассмат- ривать только основные события моделируемой системы, такие как: «ожида- ние», «обработка заказа», «движение с грузом», «разгрузка» и другие; систем - ная динамика – парадигма моделирования, где для исследуемой системы стро- ятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. Популярные системы имитационного мо- делирования: AnyLogic; Arena; eM-Plant; Powersim; GPSS.

Генетический алгоритм (англ. genetic algorithm) — это эвристический алго- ритм поиска, используемый для решения задач оптимизации и моделирования путем последовательного подбора, комбинирования и вариации искомых пара- метров с использованием механизмов, напоминающих биологическую эволю- цию. Является разновидностью эволюционных вычислений (англ. evolutionary computation). Отличительной особенностью генетического алгоритма является акцент на использование оператора «скрещивания», который производит опе- рацию рекомбинации решений-кандидатов, роль которой аналогична роли скрещивания в живой природе. Генетические алгоритмы служат, главным обра- зом, для поиска решений в очень больших, сложных пространствах поиска.

Искусственные нейронные сети (ИНС) — математические модели, а также их программные или аппаратные реализации, построенные по принципу организа- ции и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, про- текающих в мозге при мышлении, и при попытке смоделировать эти процессы. Первой такой моделью мозга был перцептрон. Впоследствии эти модели стали использовать в практических целях, как правило, в задачах прогнозирования. С точки зрения машинного обучения, нейронная сеть представляет собой частный случай методов распознавания образов, дискриминантного анализа, методов

 

кластеризации и т. п. С математической точки зрения обучение нейронных се- тей, это многопараметрическая задача нелинейной оптимизации. С точки зре- ния кибернетики, нейронная сеть используется в задачах адаптивного управле- ния и как алгоритмы для робототехники. С точки зрения развития вычисли - тельной техники и программирования, нейронная сеть — способ решения про- блемы эффективного параллелизма. А с точки зрения искусственного интел - лекта, ИНС является основой философского течения коннективизма и основ- ным направлением в структурном подходе по изучению возможности построе- ния (моделирования) естественного интеллекта с помощью компьютерных ал- горитмов.

Искусственный интеллект (ИИ) (англ. Artificial intelligence, AI) — это наука и разработка интеллектуальных машин и систем, особенно интеллектуальных компьютерных программ, направленных на то, чтобы понять человеческий ин- теллект. При этом используемые методы не обязаны быть биологически прав- доподобны. Но проблема состоит в том, что неизвестно какие вычислительные процедуры мы хотим называть интеллектуальным. А так как мы понимаем только некоторые механизмы интеллекта, то под интеллектом в пределах этой науки мы понимаем только вычислительную часть способности достигнуть це- лей в мире. Если в основе работы СППР лежат методы искусственного интел- лекта, то говорят об интеллектуальной СППР, или ИСППР.

Архитектура СППР

Архитектура СППР представляется разными авторами по-разному. Приведем пример. G.M. Marakas10 (1999) предложил обобщенную архитектуру, состоя- щую из 5 различных частей:

(a) система управления данными (the data management system — DBMS),

(b) система управления моделями (the model management system — MBMS),

(c) машина знаний (the knowledge engine (KE)),

(d) интерфейс пользователя (the user interface),

(e) пользователи (the user).

На сегодняшний день можно выделить четыре наиболее популярных типа ар- хитектур СППР:

1. Функциональная СППР.

2. Независимые витрины данных.

3. Двухуровневое хранилище данных.

4. Трехуровневое хранилище данных.

Функциональная СППР (Рис.6.2-3) является наиболее простой с архитектурной точки зрения. Такие системы часто встречаются на практике, в особенности в организациях с невысоким уровнем аналитической культуры и недостаточно развитой информационной инфраструктурой.

Характерной чертой функциональной СППР является то, что анализ осуществ- ляется с использованием данных из оперативных систем.

 

 

 

Преимущества: быстрое внедрение за счет отсутствия этапа перегрузки данных в специализированную систему; минимальные затраты за счет использования одной платформы.

Рис. 6.2-3. Функциональная СППР

 

Недостатки: единственный источник данных, потенциально сужающий круг вопросов, на которые может ответить система; оперативные системы характе- ризуются очень низким качеством данных с точки зрения их роли в поддержке принятия стратегических решений. В силу отсутствия этапа очистки данных, данные функциональной СППР, как правило, обладают невысоким качеством; большая нагрузка на оперативную систему. Сложные запросы могут привести к остановке работы оперативной системы, что весьма нежелательно

СППР с использованием независимых витрин данных. Независимые витрины данных (Рис.6.2-4) часто появляются в организации исторически и встречаются в крупных организациях с большим количеством независимых подразделений, зачастую имеющих свои собственные отделы информац