Программные средства поддержки решений

Виды обеспечения информационных технологий

Математическое обеспечение состоит из алгоритмического и программного.

Алгоритмическое обеспечение - это совокупность математических методов, моделей и алгоритмов, используемых в системе для решения задач и обработки информации.

Программное обеспечение (ПО) подразделяется на системное и прикладное ПО. Системное ПО - это машинно-ориентированное ПО. Оно реализовано в виде операционной системы, сетевого ПО, сервисных программ и систем программирования. Прикладное ПО является проблемно-ориентированным и реализуются в виде комплексов программ решения конкретных задач.

Информационное обеспечение - это совокупность средств и методов построения информационной базы. Оно определяет способы и формы хранения и отображения информации в организации в виде данных, документов, графиков и сигналов.

Аппаратное обеспечение информационных систем состоит из средств: получения, преобразования, передачи и отображения информации, вычислительной техники, локального управления и регулирования.

Организационное и методическое обеспечение - это совокупность средств и методов организации производства и управления им в условиях внедрения информационной системы. Оно включает в себя методики проведения работ, требования к оформлению документов, должностные инструкции и т.д.

В настоящее время информационные технологии служат не только для хранения и извлечения хранящейся информации, но и направлены на добывание новых знаний.

Одним из широко используемых направлений информационных технологий в этой области – системы поддержки принятия решений.

Задача принятия решений осложняется тем, что специалисту приходится искать из множества допустимых решений наиболее приемлемое, сводящее к минимуму потери ресурсов (временных, трудовых, материальных и т.д.). Благодаря применению вычислительных систем повышается аналитичность обрабатываемых сведений, а также обеспечивается постепенный переход к автоматизации выработки оптимальных решений в процессе диалога пользователя с вычислительной системой.

Системы поддержки принятия решений (Decision Support System)

Систе́ма подде́ржки приня́тия реше́ний (СППР) (англ. Decision Support System, DSS) — компьютерная автоматизированная система, целью которой является помощь людям, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности. СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных.

Приведем определение СППР: СППР — совокупность процедур по обработке данных и суждений, помогающих в принятии решений, основанная на использовании моделей.

Для анализа и выработок предложений в СППР используются разные методы. Это могут быть: информационный поиск, интеллектуальный анализ данных, поиск знаний в базах данных, рассуждение на основе прецедентов, имитационное моделирование, эволюционные вычисления и генетические алгоритмы, нейронные сети, ситуационный анализ, когнитивное моделирование и др. Некоторые из этих методов были разработаны в рамках искусственного интеллекта. Если в основе работы СППР лежат методы искусственного интеллекта, то говорят об интеллектуальной СППР, или ИСППР.

Близкие к СППР классы систем — это экспертные системы и автоматизированные системы управления.

Современные системы поддержки принятия решения (СППР) представляют собой системы, максимально приспособленные к решению задач повседневной управленческой деятельности, являются инструментом, призванным оказать помощь лицам, принимающим решения (ЛПР). С помощью СППР может производиться выбор решений некоторых неструктурированных и слабоструктурированных задач, в том числе и многокритериальных.

В настоящее время нет общепринятого определения СППР, поскольку конструкция СППР существенно зависит от вида задач, для решения которых она разрабатывается, от доступных данных, информации и знаний, а также от пользователей системы. Можно привести, тем не менее, некоторые элементы и характеристики, общепризнанные, как части СППР:

СППР — в большинстве случаев — это интерактивная автоматизированная система, которая помогает пользователю (ЛПР) использовать данные и модели для идентификации и решения задач и принятия решений. Система должна обладать возможностью работать с интерактивными запросами с достаточно простым для изучения языком запросов.

Turban предложил список характеристик идеальной СППР. Идеальная СППР:

1) оперирует со слабоструктурированными решениями;

2) предназначена для ЛПР различного уровня;

3) может быть адаптирована для группового и индивидуального использования;

4) поддерживает как взаимозависимые, так и последовательные решения;

5) поддерживает 3 фазы процесса решения: интеллектуальную часть, проектирование 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 помощью компьютера, а не наоборот;

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

12) может быть легко построена, если может быть сформулирована логика конструкции СППР;

13) поддерживает моделирование;

14) позволяет использовать знания.

Исполнительные информационные системы (Executive Support System)

Исполнительные информационные системы (Executive Support System - ESS) появились в 80-х годах. Ключевая концепция исполнительной информационной системы состоит в том, что такая система поставляет интерактивную совокупность текущей информации относительно конъюнктур рынка, формирует легкий доступ для старших руководителей и других менеджеров без помощи посредников. ESS использует современную графику, связь и методы хранения данных, обеспечивая исполнителям легкий интерактивный доступ к текущей информации относительно состояния организации.

Первоначально большинство ESS создавалось только для самих высших руководителей в фирме, но сейчас круг пользователей в большинстве компаний расширен, чтобы охватить все уровни управления. ESS использует данные, которые были отфильтрованы и обличены в итоге в форму, полезную для руководителей организации. Кроме того, много эффективных ESS включают качественные данные типа информации о конкурентоспособности, оценки и прогнозы.

Интеллектуальный анализ данных (Data Mining)

Data Mining переводится как "добыча" или "раскопка данных". Нередко рядом с Data Mining встречаются слова "обнаружение знаний в базах данных" (knowledge discovery in databases) и "интеллектуальный анализ данных". Их можно считать синонимами Data Mining. Возникновение всех указанных терминов связано с новым витком в развитии средств и методов обработки данных.

До начала 90-х годов, казалось, не было особой нужды переосмысливать ситуацию в этой области. Все шло своим чередом в рамках направления, называемого прикладной статистикой.

В связи с совершенствованием технологий записи и хранения данных на людей обрушились колоссальные потоки информационной руды в самых различных областях. Деятельность любого предприятия (коммерческого, производственного, медицинского, научного и т.д.) теперь сопровождается регистрацией и записью всех подробностей его деятельности. Что делать с этой информацией? Стало ясно, что без продуктивной переработки потоки сырых данных образуют никому не нужную свалку.

Специфика современных требований к такой переработке следующие:

- данные имеют неограниченный объем;

- данные являются разнородными (количественными, качественными, текстовыми);

- результаты должны быть конкретны и понятны;

- инструменты для обработки сырых данных должны быть просты в использовании.

Традиционная математическая статистика, долгое время претендовавшая на роль основного инструмента анализа данных, не решает этих проблем. Главная причина — концепция усреднения по выборке, приводящая к операциям над фиктивными величинами (типа средней температуры пациентов по больнице и т.п.). Методы математической статистики оказались полезными главным образом для проверки заранее сформулированных гипотез (verification-driven data mining) и для “грубого” разведочного анализа, составляющего основу оперативной аналитической обработки данных (online analytical processing, OLAP).

В основу современной технологии Data Mining (discovery-driven data mining) положена концепция шаблонов (паттернов), отражающих фрагменты многоаспектных взаимоотношений в данных.

Эти шаблоны представляют собой закономерности, свойственные подвыборкам данных, которые могут быть компактно выражены в понятной человеку форме. Поиск шаблонов производится методами, не ограниченными рамками априорных предположений о структуре выборке и виде распределений значений анализируемых показателей. Примеры заданий на такой поиск при использовании Data Mining приведены в таблице.

OLAP	Data Mining
Каковы средние показатели травматизма для курящих и некурящих?	Встречаются ли точные шаблоны в описаниях людей, подверженных повышенному травматизму?
Каковы средние размеры телефонных счетов существующих клиентов в сравнении со счетами бывших клиентов (отказавшихся от услуг телефонной компании)?	Имеются ли характерные портреты клиентов, которые, по всей вероятности, собираются отказаться от услуг телефонной компании?
Какова средняя величина ежедневных покупок по украденной и не украденной кредитной карточке?	Существуют ли стереотипные схемы покупок для случаев мошенничества с кредитными карточками?

Важное положение Data Mining — нетривиальность разыскиваемых шаблонов. Это означает, что найденные шаблоны должны отражать неочевидные, неожиданные (unexpected) регулярности в данных, составляющие так называемые скрытые знания (hidden knowledge). К обществу пришло понимание, что сырые данные (raw data) содержат глубинный пласт знаний, при грамотной раскопке которого могут быть обнаружены настоящие самородки

В целом технологию Data Mining достаточно точно определяет Григорий Пиатецкий-Шапиро — один из основателей этого направления:

Data Mining — это процесс обнаружения в сырых данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности.

Дата добавления: 2014-01-15