Մարտավարական որոշումների աջակցության համակարգեր: Որոշումների աջակցման համակարգեր (DSS) DSS-ի ընդհանուր հայեցակարգ

Ներածություն

Ժամանակակից որոշումների աջակցման համակարգերը (DSS) համակարգեր են, որոնք առավել հարմարեցված են ամենօրյա կառավարման գործունեության խնդիրները լուծելու համար, դրանք գործիք են, որոնք նախատեսված են որոշում կայացնողներին օգնելու համար (DM): DSS-ի օգնությամբ կարելի է ընտրել որոշ չկառուցված և կիսակառույց խնդիրների լուծումներ, այդ թվում՝ բազմաչափ:

DSS-ը, որպես կանոն, բազմամասնագիտական ​​ուսումնասիրության արդյունք է, ներառյալ տվյալների բազաների տեսությունը, արհեստական ​​ինտելեկտը, ինտերակտիվ համակարգչային համակարգերը և մոդելավորման մեթոդները:

Ինչպես իրավացիորեն նշվեց, «... DSS-ի ստեղծման առաջին զարգացումներից ի վեր, DSS-ի հստակ սահմանում չի տրվել…»:

DSS-ի վաղ սահմանումները (1970-ականների սկզբին) արտացոլում էին հետևյալ երեք կետերը. (2) ինտերակտիվ ավտոմատացված (այսինքն՝ համակարգչային վրա հիմնված) համակարգեր. (3) տվյալների և մոդելների տարանջատում. Ահա DSS-ի սահմանումները. DSS-ը տվյալների և դատողությունների մշակման ընթացակարգերի մի շարք է, որոնք օգնում են ղեկավարին որոշումներ կայացնել՝ հիմնվելով մոդելների օգտագործման վրա:

DSS-ի ստեղծման պատմությունը

Մինչև անցյալ դարի 60-ականների կեսերը խոշոր տեղեկատվական համակարգերի (ՏՀ) ստեղծումը չափազանց թանկ էր, ուստի կառավարման առաջին տեղեկատվական համակարգերը (այսպես կոչված, կառավարման տեղեկատվական համակարգեր - MIS) ստեղծվեցին այս տարիներին միայն բավականին խոշոր ընկերություններում: . MIS-ը նախատեսված էր ղեկավարների համար պարբերական կառուցվածքային հաշվետվություններ պատրաստելու համար:

• 60-ականների վերջին հայտնվեց IS-ի նոր տեսակ՝ մոդելի վրա հիմնված DSS (Model-oriented Decision Support Systems - DSS) կամ կառավարման որոշումների համակարգեր (Management Decision Systems - MDS):

Ըստ DSS Keen PGW-ի ռահվիրաների՝ Scott Morton MS-ի (1978), որոշումների աջակցության հայեցակարգը մշակվել է «որոշումների կայացման ոլորտում տեսական հետազոտությունների և ինտերակտիվ համակարգչային համակարգերի ստեղծման տեխնիկական աշխատանքի հիման վրա։ «

• 1971 թվականին լույս է տեսել Սքոթ Մորթոնի գիրքը, որտեղ առաջին անգամ նկարագրվել են մաթեմատիկական մոդելների կիրառման վրա հիմնված DSS-ի ներդրման արդյունքները։

• 1974 - աշխատությունը սահմանում է կառավարման տեղեկատվական համակարգը՝ MIS (Management Information System). «MIS-ը մարդ-մեքենա ինտեգրված տեղեկատվական համակարգ է, որն աջակցում է կազմակերպության գործունեության, կառավարման և որոշումների կայացման գործառույթներին: Համակարգերն օգտագործում են համակարգչային տեխնիկա և ծրագրակազմ, կառավարման և որոշումների կայացման մոդելներ, ինչպես նաև տվյալների բազա:

• 1975 - J.D.C. Քիչ առաջարկեց DSS-ի նախագծման չափանիշները կառավարման մեջ:

• 1978 - Հրատարակվեց DSS-ի դասագիրք, որը սպառիչ կերպով նկարագրում է DSS-ի ստեղծման ասպեկտները՝ վերլուծություն, նախագծում, իրականացում, գնահատում և մշակում:

• 1980 - Լույս է տեսել Ս.

• 1981 - Բոնչեկը, Հոլսափլը և Ուինսթոնը գրքում ստեղծեցին DSS-ի նախագծման տեսական հիմքերը: Նրանք առանձնացրել են 4 անհրաժեշտ բաղադրիչ, որոնք բնորոշ են բոլոր DSS-ներին. 1) Լեզվի համակարգ (LS) - DSS-ը կարող է ստանալ բոլոր հաղորդագրությունները. 2) Ներկայացման համակարգ (PS) (DSSS-ը կարող է թողարկել իր սեփական հաղորդագրությունները); 3) Գիտելիքների համակարգ (KS) - DSS-ի վերաբերյալ բոլոր գիտելիքները պահպանվում են. 4) Խնդիրների մշակման համակարգ (PPS) - ծրագրային «մեխանիզմ», որը փորձում է ճանաչել և լուծել խնդիրը DSS-ի շահագործման ընթացքում:

• 1981 - R.Sprague-ը և E.Carlson-ը գրքում նկարագրեցին, թե ինչպես կարելի է գործնականում կառուցել DSS: Միևնույն ժամանակ, մշակվել է Գործադիր տեղեկատվական համակարգը (EIS)՝ համակարգչային համակարգ, որը նախատեսված է ընթացիկ համարժեք տեղեկատվություն տրամադրելու համար՝ աջակցելու կառավարչական որոշումների կայացմանը:

• 1990-ականներից ի վեր մշակվել են, այսպես կոչված, Տվյալների պահեստներ՝ տվյալների պահեստներ։

• Նոր հազարամյակի սկզբին ստեղծվեց վեբ վրա հիմնված DSS:

• 2005 թվականի հոկտեմբերի 27-ին Մոսկվայում «Տեղեկատվական և հեռաբժշկության տեխնոլոգիաները առողջապահության ոլորտում» միջազգային համաժողովում (ITTHC 2005), Ա. Պաստուխովը (Ռուսաստան) ներկայացրեց նոր դասի DSS - PSTM (Թոփ մենեջերների անձնական տեղեկատվական համակարգեր): PSTM-ի և գոյություն ունեցող DSS-ի հիմնական տարբերությունը որոշակի որոշում կայացնողի համար համակարգի կառուցումն է՝ տեղեկատվության նախնական տրամաբանական և վերլուծական մշակմամբ ավտոմատ ռեժիմով և տեղեկատվության ցուցադրմամբ մեկ էկրանին:

DSS դասակարգումներ

DSS-ի համար գոյություն ունի ոչ միայն մեկ ընդհանուր ընդունված սահմանում, այլև սպառիչ դասակարգում: Տարբեր հեղինակներ առաջարկում են տարբեր դասակարգումներ:

Օգտագործողի մակարդակում Haettenschwiler (1999) DSS-ը բաժանում է պասիվ, ակտիվ և համագործակցային DSS-ի: Պասիվ DSS-ը համակարգ է, որն օգնում է որոշումների կայացման գործընթացին, բայց չի կարող առաջարկ անել, թե ինչ որոշում կայացնել: Ակտիվ DSS-ը կարող է առաջարկել, թե որ լուծումը պետք է ընտրվի: Կոոպերատիվը թույլ է տալիս որոշում կայացնողին փոխել, լրացնել կամ բարելավել համակարգի կողմից առաջարկվող լուծումները, այնուհետև այդ փոփոխություններն ուղարկել համակարգ՝ ստուգման համար: Համակարգը փոխում, լրացնում կամ բարելավում է այս լուծումները և դրանք հետ ուղարկում օգտագործողին: Գործընթացը շարունակվում է մինչև համաձայնեցված որոշման կայացումը։

Կոնցեպտուալ մակարդակում Power (2003) տարբերակում է DSS-ը, որը առաջնորդվում է հաղորդագրություններով (Communication-Driven DSS), DSS-ը հիմնված է տվյալների (Data-Driven DSS), DSS-ի վրա հիմնված փաստաթղթերով (Document-Driven DSS), DSS-ը, որը առաջնորդվում է գիտելիքներով (Գիտելիք-): Առաջնորդվող DSS) և մոդելների կողմից առաջնորդվող DSS (Model-Driven DSS): Մոդելների վրա հիմնված DSS-ները հիմնականում բնութագրվում են մաթեմատիկական մոդելների հասանելիությամբ և մանիպուլյացիայով (վիճակագրական, ֆինանսական, օպտիմալացում, մոդելավորում): Նկատի ունեցեք, որ որոշ OLAP համակարգեր, որոնք թույլ են տալիս տվյալների բարդ վերլուծություն, կարող են դասակարգվել որպես հիբրիդային DSS, որոնք ապահովում են մոդելավորում, որոնում և տվյալների մշակում:

Կառավարվող հաղորդագրություններ (Հաղորդակցության վրա հիմնված DSS) (նախկինում խմբի DSS - GDSS) DSS-ն աջակցում է օգտատերերի խմբին, ովքեր աշխատում են ընդհանուր առաջադրանքի վրա:

Տվյալների վրա հիմնված DSS-ը կամ տվյալների վրա հիմնված DSS-ը հիմնականում կենտրոնացած են տվյալների հասանելիության և մանիպուլյացիայի վրա: DSS, փաստաթղթերի վրա հիմնված DSS, կառավարել, որոնել և շահարկել տարբեր ձևաչափերով սահմանված չկառուցված տեղեկատվությունը: Վերջապես, գիտելիքի վրա հիմնված DSS-ը (Knowledge-Driven DSS) ապահովում է խնդիրների լուծում փաստերի, կանոնների, ընթացակարգերի տեսքով:

Վրա տեխնիկական մակարդակ Power (1997) տարբերակում է ձեռնարկության լայնածավալ DSS-ը և Desktop DSS-ը: Ամբողջ ձեռնարկության DSS-ը միացված է խոշոր տեղեկատվական շտեմարաններին և սպասարկում է ձեռնարկության բազմաթիվ մենեջերների: Desktop DSS-ն է փոքր համակարգսպասարկում է միայն մեկ օգտագործողի համակարգիչը: Կան այլ դասակարգումներ (Alter, Holsapple and Whinston, Golden, Hevner and Power): Մենք միայն նշում ենք, որ իր ժամանակի համար Alter'a-ի գերազանց դասակարգումը, որը բոլոր DSS-ները բաժանում էր 7 դասերի, այժմ որոշ չափով հնացած է:

Կախված այն տվյալներից, որոնցով աշխատում են այս համակարգերը, DSS-ը պայմանականորեն կարելի է բաժանել գործառնական և ռազմավարական: Գործառնական DSS-ները նախագծված են անմիջապես արձագանքելու ընկերության ֆինանսական և բիզնես գործընթացների կառավարման ներկա իրավիճակի փոփոխություններին: Ռազմավարական DSS-ները կենտրոնացած են տարբեր աղբյուրներից հավաքված տարասեռ տեղեկատվության զգալի քանակի վերլուծության վրա: Այս DSS-ների ամենակարևոր նպատակն է գտնել ընկերության բիզնեսի զարգացման առավել ռացիոնալ տարբերակները՝ հաշվի առնելով տարբեր գործոնների ազդեցությունը, ինչպիսիք են ընկերության համար թիրախային շուկաների կոնյունկտուրան, փոփոխությունները: ֆինանսական շուկաներև կապիտալի շուկաները, օրենսդրության փոփոխությունները և այլն: Առաջին տիպի DSS կոչվում են Տեղեկատվական համակարգերՈւղեցույցներ (Գործադիր տեղեկատվական համակարգեր, ISR): Փաստորեն, դրանք ներկայացնում են հաշվետվությունների վերջնական փաթեթները, որոնք կառուցված են ձեռնարկության գործարքային տեղեկատվական համակարգի տվյալների հիման վրա, որոնք իդեալականորեն համարժեք կերպով արտացոլում են իրական ժամանակում արտադրական և ֆինանսական գործունեության հիմնական ասպեկտները: ISR-ն ունի հետևյալ հիմնական հատկանիշները.

• հաշվետվությունները, որպես կանոն, հիմնված են կազմակերպության ստանդարտ հարցումների վրա. վերջիններիս թիվը համեմատաբար փոքր է.
• ISR-ն ներկայացնում է հաշվետվություններ ամենահարմար ձևով, ներառյալ՝ աղյուսակների հետ միասին, բիզնես գրաֆիկա, մուլտիմեդիա հնարավորություններ և այլն;
• Որպես կանոն, WRI-ները կենտրոնացած են կոնկրետ ուղղահայաց շուկայի վրա, օրինակ՝ ֆինանսների, մարքեթինգի, ռեսուրսների կառավարում:

Երկրորդ տիպի DSS-ը ներառում է տվյալների բավական խորը ուսումնասիրություն, որոնք հատուկ ձևափոխված են, որպեսզի դրանք հարմար լինեն որոշումների կայացման գործընթացում: Այս մակարդակում DSS-ի անբաժանելի բաղադրիչն են որոշումների կանոնները, որոնք, հիմնվելով ագրեգացված տվյալների վրա, հնարավորություն են տալիս ընկերության ղեկավարներին հիմնավորել իրենց որոշումները, օգտագործել գործոններ: կայուն աճբիզնեսը և նվազեցնել ռիսկերը: Երկրորդ տիպի DSS-ն ակտիվորեն մշակվել է վերջերս։ Այս տեսակի տեխնոլոգիաները հիմնված են բազմաչափ ներկայացման և տվյալների վերլուծության սկզբունքների վրա (

DSS ճարտարապետությունը տարբեր հեղինակների կողմից ներկայացված է տարբեր ձևերով: Օրինակ բերենք. Մարակասը (1999) առաջարկել է ընդհանուր ճարտարապետություն, որը բաղկացած է 5 տարբեր մասերից՝ ա) տվյալների կառավարման համակարգ (DBMS), (բ) մոդելի կառավարման համակարգ (MBMS), (գ) գիտելիքի մեքենա (գիտելիքի շարժիչ (KE)), (դ) օգտատիրոջ միջերեսը և (ե) օգտատերը(ներ):

Նշումներ

տես նաեւ

• Որոշման տեսություն

Հղումներ

գրականություն

1. Larichev OI, Petrovsky AV Որոշումների աջակցության համակարգեր: Ներկա վիճակը և դրանց զարգացման հեռանկարները. // Գիտության և տեխնիկայի արդյունքներ. Սեր. Տեխնիկական կիբեռնետիկա. - Թ.21. M.: VINITI, 1987, էջ. 131-164, http://www.raai.org/library/papers/Larichev/Larichev_Petrovsky_1987.pdf
2. Saraev A. D., Shcherbina O. A. Համակարգի վերլուծություն և ժամանակակից Ինֆորմացիոն տեխնոլոգիա// Ղրիմի գիտությունների ակադեմիայի նյութեր. - Simferopol: SONAT, 2006. - S. 47-59, http://matmodelling.pbnet.ru/Statya_Saraev_Shcherbina.pdf
3. Alter S. L. Որոշումների աջակցության համակարգեր. ընթացիկ պրակտիկա և շարունակական մարտահրավերներ: Ռեդինգ, Մասս.: Ադիսոն-Ուեսլի հրատարակություն, 1980 թ.
4. Bonczek R.H., Holsapple C., Whinston A.B. Որոշումների աջակցման համակարգերի հիմունքները Նյու Յորք: Ակադեմիական մամուլ, 1981 թ.
5. Դեյվիս Գ. Կառավարման տեղեկատվական համակարգեր. հայեցակարգային հիմքեր, կառուցվածք և զարգացում: - Նյու Յորք: Մակգրո-Հիլ, 1974:
6. Druzzel M. J., Flynn R. R. Որոշումների աջակցման համակարգեր: Գրադարանային և տեղեկատվական գիտության հանրագիտարան. - A. Kent, Marcel Dekker, Inc., 1999 թ.
7. Էդվարդս Ջ.Ս. Կառավարման և կառավարման փորձագիտական ​​համակարգեր. Արդյո՞ք դրանք իսկապես տարբերվում են որոշումների աջակցման համակարգերից: // European Journal of Operation Research, 1992. - Vol. 61.-pp. 114-121 թթ.
8. Eom H., Lee S. Decision Support Systems Applications Research: A Bibliography (1971-1988) // Գործառնական հետազոտությունների եվրոպական ամսագիր, 1990 թ. - N 46. - pp. 333-342 թթ.
9. Finlay P. N. Ներկայացնելով որոշումների աջակցության համակարգերը: - Օքսֆորդ, Մեծ Բրիտանիա Քեմբրիջ, Մասաչուսեթս, NCC Blackwell: Blackwell Publishers, 1994:
10. Ginzberg M.I., Stohr E.A. Որոշումների աջակցման համակարգեր. հիմնախնդիրներ և հեռանկարներ // Որոշումների աջակցության գործընթացներ և գործիքներ / խմբ. կողմից Հ.Գ. Sol.. - Ամստերդամ: North-Holland Pub.Co, 1983 թ.
11. Գոլդեն Բ., Հևներ Ա., Փաուեր Դ.Ջ. Որոշումների ինսայթ համակարգեր. կրիտիկական գնահատում // Համակարգիչներ և օպերացիոն հետազոտություններ, 1986 թ. - v. 13. - N2/3. - էջ 287-300 թթ.
12. Haettenschwiler P. Neues anwenderfreundliches Konzept der Entscheidungs-unterstutzung. Gutes Entscheiden in Wirtschaft, Politik und Gesellschaft: Ցյուրիխ՝ Hochschulverlag AG, 1999. - S. 189-208.
13. Holsapple C.W., Whinston A.B. Որոշումների աջակցման համակարգեր. գիտելիքի վրա հիմնված մոտեցում: - Մինեապոլիս: West Publishing Co., 1996:
14. Keen P.G.W. Որոշումների աջակցման համակարգեր. հետազոտական ​​հեռանկար: Որոշումների աջակցման համակարգեր. խնդիրներ և մարտահրավերներ. G. Fick և R. H. Sprague: Օքսֆորդ; Նյու Յորք: Pergamon Press, 1980 թ.
15. Keen P.G.W. Որոշումների աջակցման համակարգեր. հաջորդ տասնամյակները // Որոշումների աջակցման համակարգեր, 1987. - v. 3.-pp. 253-265 թթ.
16. Keen P.G.W., Scott Morton M. S. Որոշումների աջակցության համակարգեր. կազմակերպչական հեռանկար: Ռեդինգ, Մասաչուսեթս. Ադիսոն-Ուեսլի փաբ. Co., 1978:
17. Փոքրիկ I.D.C. Մոդելներ և մենեջերներ. Որոշումների հաշվարկի հայեցակարգը // Կառավարման գիտություն, 1970. - v. 16. - N 8.
18. Marakas G. M. Որոշումների աջակցության համակարգերը քսանմեկերորդ դարում: Upper Saddle River, N.J.: Prentice Hall, 1999 թ.
19. Power D. J. «Ի՞նչ է DSS-ը»: // The On-Line Executive Journal for Data-Intensive Decision Support, 1997. - v. 1. - N3.
20. Power D. J. Վեբ վրա հիմնված և մոդելի վրա հիմնված որոշումների աջակցման համակարգեր. հասկացություններ և խնդիրներ: Ամերիկայի կոնֆերանս տեղեկատվական համակարգերի վերաբերյալ, Լոնգ Բիչ, Կալիֆորնիա, 2000 թ.
21. Power D.J. Որոշումների աջակցման համակարգերի համառոտ պատմություն: DSSResources.COM, Համաշխարհային ցանց, տարբերակ 2.8, մայիսի 31, 2003 թ.
22. Scott Morton M. S. Կառավարման որոշումների համակարգեր. Համակարգչային աջակցություն որոշումների կայացման համար: - Բոստոն: Հարվարդի համալսարան, 1971 թ.
23. Sprague R. H., Carlson E. D. Building Effective Decision Support Systems. - Englewood Cliffs, NJ: Prentice-Hall, 1982 թ.
24. Sprague R.H. Որոշումների աջակցման համակարգերի զարգացման շրջանակ // MIS Quarterly, 1980. - v. 4.-pp. 1-26։
25. Թիրաուֆ Ռ.Ջ. Արդյունավետ պլանավորման և վերահսկման համար որոշումների աջակցման համակարգեր: -Englewood Cliffs, N.J: Prentice Hall, Inc., 1982. - 536 p.

Վիքիմեդիա հիմնադրամ. 2010 թ.

Տեսեք, թե ինչ է «DSS»-ը այլ բառարաններում.

DSS- Հրդեհաշիջման աշխատանքների մասնագիտացված ձեռնարկություն ՓԲԸ http://www.sppr.ru/​ Մոսկվա, կազմակերպություն DSSS որոշումների աջակցման համակարգի կառավարման DSPS պրիզմատիկ սնդիկի կախազարդ լամպ ... Հապավումների և հապավումների բառարան

DSS RK- Կոմի Հանրապետություն կազմակերպության արդյունաբերողների, ձեռնարկատերերի և գործատուների միություն, Կոմի Հանրապետություն

Որոշումների աջակցման համակարգեր(DSS) համակարգչային համակարգեր են, գրեթե միշտ ինտերակտիվ, որոնք նախագծված են օգնելու մենեջերին (կամ ղեկավարին) որոշումներ կայացնելիս: DSS-ները ներառում են և՛ տվյալներ, և՛ մոդելներ, որոնք կօգնեն որոշում կայացնողին լուծել խնդիրները, հատկապես նրանք, որոնք վատ ձևակերպված են: Տվյալները հաճախ վերցվում են առցանց հարցումների մշակման համակարգից կամ տվյալների բազայից: Մոդելը կարող է լինել պարզ «շահույթի և վնասի» տեսակ՝ որոշ ենթադրություններով շահույթը հաշվարկելու համար, կամ բարդ օպտիմալացման մոդելի տեսակ՝ խանութում յուրաքանչյուր մեքենայի համար բեռը հաշվարկելու համար: DSS-ը և հաջորդ բաժիններում քննարկված համակարգերից շատերը միշտ չէ, որ արդարացված են ավանդական ծախս-օգուտ մոտեցմամբ. Այս համակարգերի համար օգուտներից շատերը ոչ նյութական են, ինչպիսիք են ավելի խորը որոշումներ կայացնելը և տվյալների ավելի լավ ըմբռնումը:

Բրինձ. Նկար 1.4-ը ցույց է տալիս, որ որոշումների աջակցման համակարգը պահանջում է երեք հիմնական բաղադրիչ՝ կառավարման մոդել, տվյալների կառավարում տվյալների հավաքագրման և ձեռքով մշակման համար, և երկխոսության կառավարում՝ հեշտացնելու օգտվողների մուտքը DSS: Օգտատերը փոխազդում է DSS-ի հետ օգտատիրոջ միջերեսի միջոցով՝ ընտրելով կոնկրետ մոդելը և տվյալների բազան օգտագործելու համար, այնուհետև DSS-ն արդյունքները ներկայացնում է օգտագործողին նույն ինտերֆեյսի միջոցով: Կառավարման մոդելը և տվյալների կառավարումը հիմնականում գործում են կուլիսների հետևում և տատանվում են աղյուսակի համեմատաբար պարզ ընդհանուր մոդելից մինչև մաթեմատիկական ծրագրավորման վրա հիմնված պլանավորման բարդ, բարդ մոդել:

Բրինձ. 1.4.Որոշումների աջակցման համակարգի բաղադրիչներ

DSS-ի չափազանց տարածված տեսակը ֆինանսական հաշվետվությունների գեներատորի տեսքով է: Օգտագործելով աղյուսակներ, ինչպիսիք են Lotus 1-2-3-ը կամ Microsoft Excel-ը, մոդելներ են ստեղծվում կազմակերպության կամ ֆինանսական վիճակի տարբեր տարրերը կանխատեսելու համար: Որպես տվյալներ օգտագործվում են կազմակերպության նախկին ֆինանսական հաշվետվությունները: Սկզբնական մոդելը ներառում է ծախսերի և եկամուտների կատեգորիաների ապագա միտումների վերաբերյալ տարբեր ենթադրություններ: Բազային մոդելի արդյունքները դիտարկելուց հետո մենեջերը անցկացնում է մի շարք «ինչ կլիներ, եթե» ուսումնասիրություններ՝ փոխելով մեկ կամ մի քանի ենթադրություններ՝ որոշելու դրանց ազդեցությունը սկզբնական վիճակի վրա: Օրինակ, մենեջերը կարող է ուսումնասիրել շահութաբերության վրա ազդեցությունը, եթե նոր արտադրանքի վաճառքը տարեկան աճի 10%-ով: Կամ մենեջերը կարող է ուսումնասիրել հումքի գների սպասվածից ավելի մեծ աճի ազդեցությունը, օրինակ՝ 7% տարեկան 4%-ի փոխարեն: Ֆինանսական հաշվետվությունների այս տեսակի գեներատորը պարզ, բայց հզոր DSS է ֆինանսական որոշումներ կայացնելու համար:

Տվյալների գործարքներն ուժի մեջ մտցնելու համար DSS-ի օրինակ է Կալիֆորնիայի քաղաքների կողմից օգտագործվող ոստիկանության աջակցության բյուջետավորման համակարգը: Այս համակարգը թույլ է տալիս ոստիկանության աշխատակցին տեսնել քարտեզը և ցուցադրել աշխարհագրական տարածքի տվյալները, ցույց տալ ոստիկանության զանգերի հնչերանգները, զանգերի տեսակները և զանգերի ժամերը: Համակարգի ինտերակտիվ գրաֆիկայի հնարավորությունը թույլ է տալիս սպային մանիպուլյացիայի ենթարկել քարտեզը, գոտին և տվյալները՝ արագ և հեշտությամբ առաջարկելու ոստիկանության ելքի այլընտրանքների տարբերակներ:

DSS-ի մեկ այլ օրինակ է թղթային խոշոր ընկերությունում ծավալների պլանավորման և արտադրության ինտերակտիվ համակարգ: Այս համակարգը օգտագործում է մանրամասն պատմական տվյալներ, կանխատեսող և պլանավորման մոդելներ՝ տարբեր պլանավորման ենթադրությունների ներքո ընկերության ընդհանուր կատարողականը համակարգչով ցուցադրելու համար: Մեծամասնությունը նավթային ընկերություններմշակել DSS՝ ներդրումային որոշումների կայացմանն աջակցելու համար: Այս համակարգը ներառում է տարբեր ֆինանսական պայմաններ և մոդելներ ապագա պլանների ստեղծման համար, որոնք կարող են ներկայացվել աղյուսակային կամ գրաֆիկական տեսքով:

Տրված DSS-ների բոլոր օրինակները կոչվում են հատուկ DSS-ներ: Դրանք իրական հավելվածներն են, որոնք օգնում են որոշումների կայացման գործընթացին: Ի հակադրություն, որոշումների աջակցման համակարգի գեներատորը համակարգ է, որն ապահովում է մի շարք հնարավորություններ՝ արագ և հեշտությամբ հատուկ DSS-ներ կառուցելու համար: DSS Generator-ը ծրագրային փաթեթ է, որը նախատեսված է մասնակի համակարգչային հիմունքներով աշխատելու համար: Մեր ֆինանսական հաշվետվության օրինակում Microsoft Excel-ը կամ Lotus 1-2-3-ը կարելի է համարել DSS գեներատորներ, մինչդեռ Excel կամ Lotus 1-2-3 մոդելները ընկերության մասնավոր մասնաճյուղի համար ֆինանսական հաշվետվություններ նախագծելու համար հատուկ DSS-ներ են:

DSS-ն ավելի մանրամասն քննարկվում է բաժնում: 2.2.

Ուղարկել ձեր լավ աշխատանքը գիտելիքների բազայում պարզ է: Օգտագործեք ստորև ներկայացված ձևը

Ուսանողները, ասպիրանտները, երիտասարդ գիտնականները, ովքեր օգտագործում են գիտելիքների բազան իրենց ուսումնառության և աշխատանքի մեջ, շատ շնորհակալ կլինեն ձեզ:

Նմանատիպ փաստաթղթեր

Գազավորված բետոնի արտադրության տեխնոլոգիական գործընթացի ուսումնասիրություն. Գազավորված բետոնի արտադրության տեխնոլոգիական գործընթացի վիճակի ախտորոշման գործընթացի մոդել «ինչպես կլինի»՝ հաշվի առնելով որոշումների աջակցման համակարգը։ DSS ինտերֆեյսի նախատիպավորում:

թեզ, ավելացվել է 17.06.2017թ


Ուսումնասիրելով այն նպատակը և հիմնական խնդիրները, որոնք լուծում է Ծրագրի փորձագետը` որոշումների աջակցման համակարգ (DSS), որը նախատեսված է նոր կամ գոյություն ունեցող ձեռնարկության համար ֆինանսական մոդել նախագծող ղեկավարների համար: Ծրագրային հավելվածներ, աշխատանքի փուլեր.

վերացական, ավելացվել է 19.05.2010թ


Ձեռնարկության գործունեությունը կառավարելու համար տեղեկատվական համակարգերի դասակարգում: Շուկայի վերլուծություն և Business Intelligence դասի համակարգերի բնութագրերը: DSS-ում օգտագործվող որոշումների կայացման մեթոդների դասակարգում. Բիզնես ինտելեկտի հարթակի ընտրություն, համեմատության չափանիշներ.

թեզ, ավելացվել է 27.09.2016թ


Որոշումների աջակցման համակարգերի դասակարգում. Մանրածախ վարկավորման ռիսկերի գնահատման մեթոդների համեմատական ​​վերլուծություն. Որոշումների աջակցման համակարգի կառուցվածքը, նախնական գիտելիքների բազայի ձևավորումը. Տեղեկատվական համակարգի տվյալների բազայի նախագծում:

թեզ, ավելացվել է 07/10/2017 թ


Որոշումների աջակցման համակարգերի հայեցակարգը: Analytica 2.0-ի շրջանակը: Քանակական մոդելավորման ծրագիր. Գրաֆիկական ինտերֆեյս մոդելի մշակման համար: Հիմնական մոդելավորման մեթոդներ. Ազդեցության դիագրամ և որոշման ծառ:

վերահսկողական աշխատանք, ավելացվել է 08.09.2011թ


Նոր արտադրանքի թողարկման վերաբերյալ որոշումների աջակցության խնդրի լուծման ալգորիթմական և ծրագրային ապահովման մշակում: Նոր արտադրանքի թողարկման վերաբերյալ որոշումների կայացմանն աջակցելու առաջադրանքի մաթեմատիկական աջակցություն, հիմնական մուտքային և ելքային տվյալները:

թեզ, ավելացվել է 03/08/2011 թ


Վարչական տեղեկատվական համակարգերի տեսակները՝ հաշվետվական համակարգեր, որոշումների աջակցման համակարգեր, ռազմավարական որոշումների աջակցության համակարգեր: Ցուցակների տեսակավորում և զտում Microsoft Excel-ում: Microsoft Access-ի տվյալների բազաների հետ աշխատելը:

թեստ, ավելացվել է 19/11/2009

Այս հոդվածը գրելու նպատակն էր հակիրճ ակնարկ անել որոշումների աջակցման խելացի համակարգերի կառուցման սկզբունքների վերաբերյալ ( IDSS), մեքենայական ուսուցման դերը, խաղերի տեսությունը, դասական մոդելավորումը և դրանց օգտագործման օրինակները DSS-ում։ Հոդվածի նպատակը ոչավտոմատների, ինքնաուսուցման մեքենաների, ինչպես նաև BI գործիքների ծանր տեսության խորացումն է:

Ներածություն

Կան մի քանի սահմանումներ IDSS, որոնք, ընդհանուր առմամբ, պտտվում են նույն ֆունկցիոնալության շուրջ։ Վ ընդհանուր տեսարան IDSS-ն այնպիսի համակարգ է, որն օգնում է որոշում կայացնողներին (Որոշումներ կայացնողներին) կայացնել հենց այս որոշումները՝ օգտագործելով տվյալների արդյունահանման, մոդելավորման և վիզուալիզացիայի գործիքներ, ունի բարեկամական (G)UI՝ կայուն որակով, ինտերակտիվ և ճկուն՝ պարամետրերում:

Ինչու՞ մեզ պետք է DSS:

1. Որոշումներ կայացնելու դժվարություն
2. Տարբեր այլընտրանքների ճշգրիտ գնահատման անհրաժեշտությունը
3. Կանխատեսող ֆունկցիոնալության անհրաժեշտությունը
4. Բազմաթելային մուտքագրման անհրաժեշտություն (որոշում կայացնելու համար անհրաժեշտ են եզրակացություններ՝ հիմնված տվյալների, փորձագիտական ​​կարծիքների, հայտնի սահմանափակումների և այլնի վրա):

Առաջին DSS-ը (այն ժամանակ դեռ առանց I-ի) աճեց TPS-ից (Գործարքների մշակման համակարգեր), 60-ականների կեսերին - 70-ականների սկզբին: Այնուհետև այս համակարգերը չունեին որևէ ինտերակտիվություն՝ իրականում ներկայացնելով հավելումներ RDBMS-ի վրա՝ թվային մոդելավորման որոշ (բոլորովին ոչ մեծ) ֆունկցիոնալությամբ։ Առաջին համակարգերից մեկը կարելի է անվանել DYNAMO, որը մշակվել է MIT-ի խորքերում և ներկայացնում է պատմական գործարքների վրա հիմնված ցանկացած գործընթացների մոդելավորման համակարգ: IBM 360 հիմնական սարքերի շուկա մտնելուց հետո սկսեցին հայտնվել պայմանական առևտրային համակարգեր, որոնք օգտագործվում էին պաշտպանական արդյունաբերության, հատուկ ծառայությունների և գիտահետազոտական ​​ինստիտուտներում։

1980-ականների սկզբից արդեն կարելի է խոսել կազմավորման մասին DSS ենթադասերինչպիսիք են MIS (Կառավարման տեղեկատվական համակարգ), EIS (Գործադիր տեղեկատվական համակարգ), GDSS (Group Decision Support Systems), ODSS (Organization Decision Support Systems) և այլն: Փաստորեն, այս համակարգերը շրջանակներ էին, որոնք կարող էին աշխատել տարբեր հիերարխիայի մակարդակների տվյալների հետ: (անհատից մինչև կորպորատիվ), իսկ ներսում հնարավոր էր ցանկացած տրամաբանություն մտցնել։ Օրինակ՝ GADS-ը (Gate Assignment Display System), որը մշակվել է Texas Instruments-ի կողմից United Airlines-ի համար, որն աջակցում էր դաշտային գործառնություններում որոշումների կայացմանը՝ դարպասների նշանակում, կայանման օպտիմալ ժամանակի որոշում և այլն:

80-ականների վերջին եղել են PSSPR(Ընդլայնված - Ընդլայնված), որը թույլ էր տալիս «ինչ-եթե» վերլուծությունը և օգտագործում էր ավելի առաջադեմ մոդելավորման գործիքներ։

Վերջապես, 90-ականների կեսերիցսկսեց երևալ և IDSS, որոնք հիմնված էին վիճակագրության և մեքենայական ուսուցման, խաղերի տեսության և այլ բարդ մոդելավորման գործիքների վրա։

DSS-ի բազմազանություն

Ներկայումս կան մի քանի ուղիներ դասակարգում DSS, մենք նկարագրելու ենք 3 հայտնիները.

Ըստ կիրառման տարածքի

• Բիզնես և կառավարում (գնագոյացում, աշխատուժ, ապրանքներ, ռազմավարություն և այլն)
• Ճարտարագիտական ​​(արտադրանքի դիզայն, որակի հսկողություն...)
• Ֆինանսներ (վարկեր և փոխառություններ)
• Բժշկություն (դեղորայք, բուժում, ախտորոշում)
• Շրջակա միջավայր

Ըստ տվյալների/մոդելի հարաբերակցության(Սթիվեն Ալտերի մեթոդ)

• FDS (File Drawer Systems - անհրաժեշտ տվյալներին հասանելիություն ապահովելու համակարգեր)
• DAS (Տվյալների վերլուծության համակարգեր - տվյալների արագ մանիպուլյացիայի համակարգեր)
• AIS (Analysis Information Systems - տվյալների հասանելիության համակարգեր՝ ըստ պահանջվող լուծման տեսակի)
• AFM(ներ) (Հաշվապահական և ֆինանսական մոդելներ (համակարգեր) - ֆինանսական հետևանքների հաշվարկման համակարգեր)
• RM(ներ) (ներկայացման մոդելներ (համակարգեր) - սիմուլյացիոն համակարգեր, AnyLogic որպես օրինակ)
• OM(ներ) (օպտիմալացման մոդելներ (համակարգեր) - համակարգեր, որոնք լուծում են օպտիմալացման խնդիրներ)
• SM(ներ) (Առաջարկության մոդելներ (համակարգեր) - կանոնների վրա հիմնված եզրակացության համակարգեր)

Ըստ օգտագործվող գործիքի տեսակի

• Model Driven – հիմնված է դասական մոդելների վրա (գծային մոդելներ, գույքագրման կառավարման մոդելներ, տրանսպորտ, ֆինանսական և այլն)
• Տվյալների վրա հիմնված - հիմնված պատմական տվյալների վրա
• Հաղորդակցման վրա հիմնված համակարգեր, որոնք հիմնված են փորձագետների կողմից խմբային որոշումների կայացման վրա (կարծիքների փոխանակման և միջին փորձագիտական ​​արժեքների հաշվարկման համակարգեր)
• Document Driven – ըստ էության ինդեքսավորված (հաճախ բազմաչափ) փաստաթղթերի պահեստավորում
• Գիտելիքի վրա հիմնված - հանկարծակի, գիտելիքների վրա հիմնված: Ի՞նչ է նշանակում ինչպես փորձագիտական, այնպես էլ մեքենայական գիտելիքները

Ես բողոքի գիրք եմ ուզում: նորմալ DSS

Չնայած դասակարգման տարբերակների նման բազմազանությանը, DSS-ի պահանջներն ու ատրիբուտները լավ տեղավորվում են 4 հատվածներում.

1. Որակ
2. Կազմակերպություն
3. Սահմանափակումներ
4. Մոդել

Ստորև բերված գծապատկերում մենք հստակ ցույց կտանք, թե որ պահանջները և որ հատվածներն են ընկնում.

Առանձին-առանձին, մենք նշում ենք այնպիսի կարևոր հատկանիշներ, ինչպիսիք են մասշտաբայնությունը (ներկայիս արագաշարժ մոտեցման դեպքում առանց դրա չեք կարող անել), վատ տվյալներ մշակելու ունակությունը, օգտագործելիությունը և օգտագործողի համար հարմար ինտերֆեյսը և անպահանջ ռեսուրսները:

IDSS-ի ճարտարապետություն և դիզայն

Կան մի քանի մոտեցումներ, թե ինչպես կարելի է ճարտարապետականորեն ներկայացնել DSS-ը: Մոտեցումների տարբերության լավագույն բնութագրումը թերևս այն է, թե «ով ինչի մեջ է»: Չնայած մոտեցումների բազմազանությանը, փորձեր են արվում ստեղծել ինչ-որ միասնական ճարտարապետություն, թեկուզ ամենաբարձր մակարդակով։

Իրոք, DSS-ը կարելի է բաժանել 4 մեծ շերտերի.

1. Ինտերֆեյս
2. Մոդելավորում
3. Տվյալների արդյունահանում
4. տվյալների հավաքագրումը

Եվ այս շերտերում դուք կարող եք խցկել ցանկացած տեսակի գործիքներ:

Ստորև բերված դիագրամում ես ներկայացնում եմ ճարտարապետության իմ տեսլականը՝ ֆունկցիոնալության նկարագրությամբ և գործիքների օրինակներով.

Ճարտարապետությունը քիչ թե շատ պարզ է, եկեք անցնենք DSS-ի նախագծմանը և իրական կառուցմանը:

Այստեղ սկզբունքորեն հրթիռային գիտություն չկա։ IDSS կառուցելիս պետք է հետևել հետևյալ քայլերին.

1. Դոմենի վերլուծություն (իրականում, որտեղ մենք կօգտագործենք մեր IDSS-ը)
2. Տվյալների հավաքագրումը
3. Տվյալների վերլուծություն
4. Մոդելի ընտրություն
5. Փորձագիտական ​​վերլուծություն/մոդելների մեկնաբանություն
6. Մոդելների ներդրում
7. IDSS գնահատում
8. IDSS-ի իրականացում
9. Հետադարձ կապի հավաքում ( ցանկացած փուլում, իրականում)

Դիագրամի վրա այն հետևյալն է.

IDSS-ի գնահատման երկու եղանակ կա. Նախ՝ ատրիբուտի մատրիցով, որը ներկայացված է վերևում։ Երկրորդ, ըստ չափանիշների ստուգաթերթի, որը կարող է լինել ցանկացած և կախված ձեր կոնկրետ առաջադրանքից: Որպես այդպիսի ստուգաթերթի օրինակ՝ ես կտայի հետևյալը.

Շեշտում եմ, որ սա միայն IMHO-ն է, և դուք կարող եք կազմել ձեզ հարմար ստուգաթերթ։

Որտե՞ղ է մեքենայական ուսուցումը և խաղերի տեսությունը:

Այո, գրեթե ամենուր։ Գոնե մոդելավորման շերտում։

Մի կողմից կան դասական տիրույթներ, եկեք դրանք անվանենք «ծանր», ինչպիսիք են մատակարարման շղթայի կառավարումը, արտադրությունը, գույքագրումները և այլն։ Ծանր տիրույթներում մեր սիրելի ալգորիթմները կարող են լրացուցիչ պատկերացումներ բերել հաստատված դասական մոդելներին: Օրինակ՝ սարքավորումների խափանումների կանխատեսող վերլուծությունը (մեքենայի ուսուցում) հիանալի կաշխատի FMEA-ի որոշ տեսակի վերլուծության դեպքում (դասական):

Մյուս կողմից, «թեթև» տիրույթներում, ինչպիսիք են հաճախորդների վերլուծությունը, կանխատեսումը, վարկերի մարումները, մեքենայական ուսուցման ալգորիթմները կլինեն առաջին պլանում: Իսկ գնահատման մեջ, օրինակ, դուք կարող եք համատեղել դասականները NLP-ի հետ, երբ որոշում եք վարկ տրամադրել փաստաթղթերի փաթեթի հիման վրա (պարզապես նույն փաստաթուղթը հիմնված DSS):

Դասական մեքենայական ուսուցման ալգորիթմներ

Ենթադրենք, մենք ունենք խնդիր. պողպատե արտադրանքի վաճառքի մենեջերը հաճախորդից դիմում ստանալու փուլում պետք է հասկանա, թե ինչ որակի պատրաստի արտադրանքը կգնա պահեստ և կիրառի որոշակի վերահսկողական գործողություն, եթե որակը պահանջվողից ցածր է: .

Եկեք դա անենք շատ պարզ.

Քայլ 0. Որոշեք թիրախային փոփոխականը (լավ, օրինակ, պատրաստի արտադրանքի մեջ տիտանի օքսիդի պարունակությունը)
Քայլ 1. Որոշեք տվյալների վերաբերյալ (վերբեռնեք SAP-ից, Access-ից և ընդհանրապես ամենուր, որտեղ մենք կարող ենք հասնել)
Քայլ 2. Հատկանիշների հավաքում\նորերի ստեղծում
Քայլ 3. Նկարեք տվյալների հոսքի գործընթացը և գործարկեք այն արտադրության մեջ
Քայլ 4. Ընտրեք և վարժեցրեք մոդելը, գործարկեք այն սերվերի վրա
Քայլ 5. Սահմանել առանձնահատկությունների կարևորությունները
Քայլ 6. Որոշեք նոր տվյալների մուտքագրման մասին: Թող մեր մենեջերը մտնի դրանք, օրինակ, ձեռքով։
Քայլ 7. Մենք ծնկի վրա գրում ենք վեբ վրա հիմնված պարզ ինտերֆեյս, որտեղ մենեջերը բռնակներով մուտքագրում է կարևոր հատկանիշների արժեքները, այն պտտվում է մոդելով սերվերի վրա, և արտադրանքի կանխատեսված որակը դուրս է գրվում: նույն ինտերֆեյսը

Voila, մանկապարտեզի մակարդակի IDSS-ն պատրաստ է, կարող եք օգտվել։

Նմանատիպ «պարզ» ալգորիթմներ օգտագործվում են նաև IBMիր Tivoli DSS-ում, որը թույլ է տալիս որոշել ձեր սուպերհամակարգիչների վիճակը (առաջին հերթին՝ Ուոթսոնը). տեղեկամատյանների հիման վրա ցուցադրվում են տեղեկություններ Watson-ի կատարողականի մասին, կանխատեսվում են ռեսուրսների առկայությունը, ծախսերի և շահույթի հաշվեկշիռը, սպասարկման կարիքները և այլն:

Ընկերություն ABBառաջարկում է իր հաճախորդներին DSS800-ը վերլուծել նույն ABB-ի էլեկտրական շարժիչների աշխատանքը թղթային գծի վրա:

Ֆիններեն ՎայսալաՖինլանդիայի տրանսպորտի նախարարության սենսորների արտադրող ընկերությունն օգտագործում է IDSS՝ կանխատեսելու, թե երբ պետք է կիրառվի սառցազրկում ճանապարհներին՝ վթարներից խուսափելու համար:

Կրկին ֆիններեն. Foredataառաջարկում է IDSS HR-ի համար, որն օգնում է որոշումներ կայացնել պաշտոնի համար թեկնածուի համապատասխանության վերաբերյալ նույնիսկ ռեզյումե ընտրելու փուլում:

Դուբայի օդանավակայանում բեռների տերմինալում գործում է DSS, որը որոշում է բեռի կասկածելի բնույթը։ Կափարիչի տակ ալգորիթմները, որոնք հիմնված են ուղեկցող փաստաթղթերի և մաքսային ծառայողների մուտքագրած տվյալների վրա, ընդգծում են կասկածելի ապրանքները. առանձնահատկություններն են ծագման երկիրը, փաթեթի վերաբերյալ տեղեկությունները, հայտարարագրման դաշտերում հատուկ տեղեկությունները և այլն:

Հազարավոր նրանցից!

Պայմանական նյարդային ցանցեր

Բացի պարզ ML-ից, Deep Learning-ը հիանալի տեղավորվում է DSS-ում:

Որոշ օրինակներ կարելի է գտնել ռազմարդյունաբերական համալիրում, օրինակ՝ ամերիկյան TACDSS-ում (Տակտիկական օդային մարտական ​​որոշումների աջակցության համակարգ): Այնտեղ ներսում պտտվում են նեյրոններ և էվոլյուցիոն ալգորիթմներ, որոնք օգնում են որոշել ընկերոջը կամ թշնամուն, գնահատել տվյալ պահին սալվոյին հարվածելու հավանականությունը և այլ առաջադրանքներ:

Մի փոքր ավելի իրական աշխարհում, հաշվի առեք այս օրինակը. B2B հատվածում դուք պետք է որոշեք, թե արդյոք վարկ տրամադրել կազմակերպությանը փաստաթղթերի փաթեթի հիման վրա: Հենց B2C-ում է, որ օպերատորը ձեզ տանջում է հեռախոսով հարցերով, դնում է իր համակարգի գործառույթների արժեքները և հայտարարում ալգորիթմի որոշումը, B2B-ում դա մի փոքր ավելի բարդ է:

IDSS-ն այնտեղ կարող է կառուցվել հետևյալ կերպ. պոտենցիալ վարկառուն գրասենյակ է բերում փաստաթղթերի նախապես համաձայնեցված փաթեթը (լավ, կամ ուղարկում է սկանավորում էլեկտրոնային փոստով, ստորագրություններով և կնիքներով, ինչպես և սպասվում է), փաստաթղթերը սնվում են OCR, այնուհետև փոխանցվում են գրասենյակ: NLP ալգորիթմ, որը հետագայում բառերը բաժանում է հատկանիշների և դրանք սնուցում է NN: Հաճախորդին խնդրում են սուրճ խմել (լավագույն դեպքում), կամ հենց այնտեղ է կազմվել քարտը և գնալ ճաշից հետո գալ, որի ընթացքում ամեն ինչ կհաշվարկվի և օպերատորի էկրանին կցուցադրվի կանաչ կամ կարմիր սմայլիկ։ աղջիկ. Դե, կամ դեղին, եթե դա լավ է թվում, բայց տեղեկատվության աստվածին ավելի շատ տեղեկատվություն է պետք:

Նմանատիպ ալգորիթմներ օգտագործվում են նաև արտաքին գործերի նախարարությունում. վիզայի դիմումի ձևը + այլ վկայականները վերլուծվում են անմիջապես դեսպանատանը/հյուպատոսարանում, որից հետո աշխատակցի համար էկրանին ցուցադրվում է 3 էմոցիոններից մեկը՝ կանաչ (վիզան տրամադրել), դեղին (ունեն հարցեր), կարմիր (դիմողը կանգառների ցուցակում): Եթե ​​դուք երբևէ վիզա եք ստացել դեպի ԱՄՆ, ապա հյուպատոսական աշխատողի կողմից ձեզ տրված որոշումը հենց ալգորիթմի արդյունքն է կանոնների հետ կապված, և ոչ թե նրա անձնական սուբյեկտիվ կարծիքը ձեր մասին :)

Ծանր տիրույթներում հայտնի են նաև նեյրոնների վրա հիմնված DSS-ներ, որոնք որոշում են արտադրության գծերի վրա բուֆերային կուտակման վայրերը (տես, օրինակ. Tsadiras AK, Papadopoulos CT, O'Kelly MEJ (2013) Արհեստական ​​նեյրոնային ցանցի վրա հիմնված որոշումների աջակցման համակարգ՝ հուսալի արտադրական գծերում բուֆերային բաշխման խնդիրը լուծելու համար: Comput Ind Eng 66(4):1150–1162), Min-Max General Fuzzy Neural Networks (GFMMNN) ջրի սպառողների կլաստերավորման համար ( Arsene CTC, Gabrys B, Al-Dabass D (2012) Ջրի բաշխման համակարգերի որոշումների աջակցության համակարգ, որը հիմնված է նեյրոնային ցանցերի և գրաֆիկների տեսության վրա՝ արտահոսքի հայտնաբերման համար: Expert Syst Appl 39(18):13214–13224) այլ.

Ընդհանուր առմամբ, հարկ է նշել, որ NN-ները լավագույնս հարմար են անորոշության պայմաններում որոշումներ կայացնելու համար, այսինքն. պայմաններ, որոնցում ապրում է իրական բիզնեսը: Կլաստերավորման ալգորիթմները նույնպես լավ տեղավորվում են:

Բայեսյան ցանցեր

Երբեմն պատահում է, որ մեր տվյալները տարասեռ են առաջացման տեսակների առումով։ Օրինակ բերենք բժշկությունից. Մեզ մոտ մի հիվանդ եկավ։ Նրա մասին մենք ինչ-որ բան գիտենք հարցաշարից (սեռ, տարիք, քաշ, հասակ և այլն) և անամնեզից (օրինակ՝ անցյալի ինֆարկտ): Այս տվյալներն անվանենք ստատիկ: Իսկ նրա մասին ինչ-որ բան ենք իմանում պարբերական հետազոտության և բուժման ընթացքում (օրական մի քանի անգամ չափում ենք ջերմաստիճանը, արյան բաղադրությունը և այլն)։ Այս տվյալները մենք անվանում ենք դինամիկ: Հասկանալի է, որ լավ DSS-ը պետք է կարողանա հաշվի առնել այս բոլոր տվյալները և տալ առաջարկություններ՝ հիմնվելով տեղեկատվության ամբողջականության վրա:

Դինամիկ տվյալները ժամանակին թարմացվում են, համապատասխանաբար, մոդելի օրինաչափությունը կլինի հետևյալը. ուսուցում-լուծում-սովորում, որն ընդհանուր առմամբ նման է բժշկի աշխատանքին. կոպիտ որոշել ախտորոշումը, կաթել դեղը, փնտրել ռեակցիան։ Այսպիսով, մենք անընդհատ անորոշության մեջ ենք՝ բուժումը կաշխատի, թե ոչ։ Իսկ հիվանդի վիճակը դինամիկ կերպով փոխվում է։ Նրանք. մենք պետք է կառուցենք դինամիկ DSS, ինչպես նաև գիտելիքի վրա հիմնված:

Նման դեպքերում մեզ շատ կօգնի Dynamic Bayesian Networks-ը (DBN)՝ Կալմանի ֆիլտրերի և Թաքնված Մարկովի մոդելների վրա հիմնված մոդելների ընդհանրացում։

Հիվանդի վերաբերյալ տվյալները բաժանենք ստատիկ և դինամիկ:

Եթե ​​մենք կառուցեինք ստատիկ Բայեսյան ցանց, ապա մեր խնդիրը կլիներ հաշվարկել հետևյալ հավանականությունը.

,

Որտեղ է մեր ցանցի հանգույցը (գրաֆիկի վերին մասը, փաստորեն), այսինքն. յուրաքանչյուր փոփոխականի արժեքը (սեռ, տարիք...), իսկ C-ն կանխատեսված դասն է (հիվանդությունը):

Ստատիկ ցանցն ունի հետևյալ տեսքը.

Բայց դա սառույց չէ: Հիվանդի վիճակը փոխվում է, ժամանակը սպառվում է, պետք է որոշել, թե ինչպես վարվել նրա հետ։

Ահա թե ինչի համար է DBS-ը:

Նախ, հիվանդի ընդունման օրը մենք կառուցում ենք ստատիկ ցանց (ինչպես վերևի նկարում): Հետո՝ ամեն օր եսմենք կառուցում ենք ցանց՝ հիմնված դինամիկ փոփոխվող տվյալների վրա.

Համապատասխանաբար, ագրեգատային մոդելը կունենա հետևյալ ձևը.

Այսպիսով, մենք հաշվարկում ենք արդյունքը հետևյալ բանաձևով.

Որտեղ Տ- հոսպիտալացման կուտակային ժամանակը, Ն- DBS քայլերից յուրաքանչյուրում փոփոխականների քանակը:

Պետք է այս մոդելը մի փոքր այլ կերպ ներդնել DSS-ում, ավելի շուտ, այստեղ պետք է գնալ հակառակից, նախ շտկել այս մոդելը, այնուհետև. կառուցել ինտերֆեյս շուրջը. Այսինքն, իրականում մենք պատրաստել ենք կոշտ մոդել, որի ներսում կան դինամիկ տարրեր։

Խաղերի տեսություն

Խաղերի տեսությունը, իր հերթին, շատ ավելի հարմար է IDSS-ի համար, որը ստեղծված է ռազմավարական որոշումներ կայացնելու համար: Օրինակ բերենք.

Ենթադրենք, որ շուկայում կա օլիգոպոլիա (սակավաթիվ մրցակիցներ), կա որոշակի առաջատար, և սա (ավաղ) մեր ընկերությունը չէ։ Մենք պետք է օգնենք ղեկավարությանը որոշում կայացնել մեր արտադրանքի ծավալների վերաբերյալ. եթե մենք արտադրենք արտադրանք ծավալով, իսկ մեր մրցակիցը, մենք կգնա՞նք կարմիրի վրա, թե՞ ոչ: Պարզեցնելու համար եկեք վերցնենք օլիգոպոլիայի հատուկ դեպքը` դուոպոլիան (2 խաղացող): Մինչ դուք մտածում եք՝ RandomForest-ն այստեղ է կամ CatBoost-ը, ես կառաջարկեմ ձեզ օգտագործել դասականը՝ Stackelberg հավասարակշռությունը: Այս մոդելում ֆիրմաների վարքագիծը նկարագրվում է դինամիկ խաղի միջոցով՝ ամբողջական կատարյալ տեղեկատվությամբ, մինչդեռ խաղի առանձնահատկությունն առաջատար ֆիրմայի առկայությունն է, որը նախ սահմանում է ապրանքների թողարկման ծավալը, իսկ մնացած ֆիրմաները՝ իրենց հաշվարկներում առաջնորդվելով դրանով։
Մեր խնդիրը լուծելու համար մենք պարզապես պետք է հաշվարկենք այնպիսին, որը կլուծի հետևյալ ձևի օպտիմալացման խնդիրը.

Այն լուծելու համար (անակնկալ-անակնկալ!) պարզապես անհրաժեշտ է առաջին ածանցյալը հավասարեցնել զրոյի:

Միևնույն ժամանակ, նման մոդելի համար մենք պետք է իմանանք միայն շուկայում առաջարկը և ապրանքի արժեքը մեր մրցակցի կողմից, որից հետո մենք կառուցում ենք մոդել և համեմատում ստացվածը: քնրա հետ, որը մեր ղեկավարությունն ուզում է շուկա նետել։ Համաձայնեք, դա որոշ չափով ավելի հեշտ և արագ է, քան NN սղոցելը:

Նման մոդելների և դրանց վրա հիմնված DSS-ի համար Excel-ը նույնպես հարմար է։ Իհարկե, եթե մուտքային տվյալները պետք է հաշվարկվեն, ապա ավելի բարդ բան է պետք, բայց ոչ շատ։ Նույն Power BI-ն կարող է կարգավորել այն:

ML vs ToG ճակատամարտում հաղթող փնտրելը անիմաստ է: Խնդրի լուծման չափազանց տարբեր մոտեցումներ՝ իրենց պլյուսներով ու մինուսներով։

Ի՞նչ է հաջորդը:

IDSS-ի ներկայիս վիճակով, թվում է, թե հասկացել է, թե ուր գնալ հաջորդը:

Վերջերս տված հարցազրույցում Ջուդա Փերլը՝ նույն Բայեսյան ցանցերի ստեղծողը, մի հետաքրքիր կետ արեց. Մի փոքր վերաձեւակերպելու համար.

«Մեքենայական ուսուցման բոլոր փորձագետները, որ անում են հենց հիմա, տվյալների կորի տեղավորումն է: Հարմարեցումը աննշան, բարդ և տխուր չէ, բայց դեռ տեղին է»:

(կարդա)

Ամենայն հավանականությամբ, Վանգյու, 10 տարի հետո մենք կդադարեցնենք կոշտ կոդավորման մոդելները և փոխարենը կսկսենք համակարգիչներ վարժեցնել ամենուր՝ ստեղծված մոդելավորված միջավայրերում: Հավանաբար, IDSS-ի ներդրումը կգնա այս ճանապարհով՝ AI-ի և այլ skynet-ների ու WAPR-ների ճանապարհով:

Եթե ​​նայենք ավելի սերտ հեռանկարով, ապա IDSS-ի ապագան որոշումների ճկունության մեջ է: Առաջարկվող մեթոդներից ոչ մեկը (դասական մոդելներ, մեքենայական ուսուցում, DL, խաղերի տեսություն) ունիվերսալ չէ բոլոր առաջադրանքների արդյունավետության տեսանկյունից: Լավ DSS-ը պետք է միավորի այս բոլոր գործիքները + RPA-ն, մինչդեռ տարբեր մոդուլներ պետք է օգտագործվեն տարբեր առաջադրանքների համար և ունենան տարբեր ելքային միջերեսներ տարբեր օգտագործողների համար: Մի տեսակ կոկտեյլ՝ խառը, բայց ոչ մի կերպ ցնցված։

գրականություն

1. Մերկերտ, Մյուլլեր, Հաբլ, A Survey of the Application of Machine Learning in Decision Support Systems, Հոֆենհայմի համալսարան 2015 թ.
2. Տարիք, Ռաֆի,Խելացի որոշումների աջակցման համակարգեր - շրջանակ, Հնդկաստան, 2011 թ
3. Sanzhez i Marre, Gibert, Որոշումների աջակցման համակարգերի էվոլյուցիան, Կատալոնիայի համալսարան, 2012 թ
4. Լտիֆի, Տրաբելսի, Այեդ, Ալիմի, Բայեսյան ցանցերի վրա հիմնված որոշումների դինամիկ աջակցության համակարգ, Սֆաքսի համալսարան, Ինժեներների ազգային դպրոց (ENIS), 2012 թ.

Բարձրագույն մասնագիտական ​​կրթության դաշնային պետական ​​բյուջետային ուսումնական հաստատություն

«ՌՈՒՍԱԿԱՆ ԱԶԳԱՅԻՆ ՏՆՏԵՍՈՒԹՅԱՆ ԱԿԱԴԵՄԻԱ

ԵՎ ՀԱՆՐԱՅԻՆ ԾԱՌԱՅՈՒԹՅՈՒՆ

ՌՈՒՍԱՍՏԱՆԻ ԴԱՇՆՈՒԹՅԱՆ ՆԱԽԱԳԱՀԻ օրոք»

Հյուսիսարևմտյան կառավարման ինստիտուտ

Ֆակուլտետը` պետական ​​և քաղաքային կառավարում

Բաժին` ընդհանուր կառավարում և լոգիստիկա

Դասընթացի աշխատանք

«Որոշումների աջակցման համակարգեր»

3-րդ կուրսի ուսանող

Լրիվ դրույքով կրթություն

Ֆետիսկին Իվան Յուրիևիչ

Աշխատանքային մենեջեր

դոցենտ, բանասիրական գիտությունների թեկնածու

Միսին Նիկոլայ Վասիլևիչ

Սանկտ Պետերբուրգ 2015թ

Ներածություն

Գլուխ 1. Որոշումների ապահովման համակարգերի տեսական ասպեկտներն ու հասկացությունները

1 Որոշումների աջակցման համակարգի սահմանում, նրա գործառույթները

2 Որոշումների աջակցման համակարգերի կառուցվածքը

3 Տվյալների պահեստներ

4 OLAP տեխնոլոգիա

5 Տվյալների արդյունահանում

6 Որոշումների աջակցման համակարգերի դասակարգում

7 Դիմումներ

8 DSS շուկա

9 Որոշումների աջակցման համակարգի գնահատում (DSS)

Գլուխ 2 DSS-ի ներդրման պրակտիկան Ռուսաստանի Բանկի տարածքային մասնաճյուղերի օրինակով

1 Ուսումնասիրության նպատակների և խնդիրների ձևակերպում, ուսումնասիրվող օբյեկտի բնութագրերը

2 Ընդհանուր ակնարկ և աշխատանքի նկարագրություն

2.1 DSS-ի մշակում Ռուսաստանի Բանկի տարածքային մասնաճյուղերի գործունեությունը կառավարելու գործում

2.2 Ֆունկցիոնալ ենթահամակարգերի նկարագրություն

2.3 Տեխնիկական բնութագրերի մակարդակով DSS-ի մշակում, որն իրականացնում է մեթոդական և գործիքային լուծումներ

3 Սույն DSS-ի կիրառման եզրակացություններ և արդյունքներ

Եզրակացություն

Մատենագիտություն

Ներածություն

Շուկայական հարաբերությունների զարգացումը, կառավարման ապակենտրոնացումը, տեղեկատվության արագ հնացումը պայմանավորում են ժամանակակից առաջատարի նկատմամբ բարձր պահանջները: Կառավարման դրույթների իմացությունը և հմուտ օգտագործումը մեծապես հեշտացնում են ղեկավարի աշխատանքը, օգնում նրան առաջնահերթություն տալ և համակարգել աշխատանքը: Կազմակերպչական կառույցները ծառայում են որպես հիմք, որի վրա կառուցվում են կառավարման բոլոր գործողությունները:

Կազմակերպությունները ստեղծում են կառույցներ՝ իրենց ստորաբաժանումների և աշխատակիցների գործունեության համակարգումն ու վերահսկողությունն ապահովելու համար։ Կազմակերպությունների կառուցվածքները տարբերվում են միմյանցից բարդությամբ (այսինքն՝ գործունեության բաժանման աստիճանը տարբեր գործառույթների), ֆորմալիզացիան (այսինքն՝ նախապես սահմանված կանոնների և ընթացակարգերի կիրառման աստիճանը), կենտրոնացման և ապակենտրոնացման հարաբերակցությունը (այսինքն. , այն մակարդակները, որոնցում առկա են կառավարչական լուծումներ):

Կազմակերպություններում կառուցվածքային հարաբերությունները շատ հետազոտողների և ղեկավարների ուշադրության կենտրոնում են: Նպատակներին արդյունավետորեն հասնելու համար անհրաժեշտ է հասկանալ աշխատանքի կառուցվածքը, բաժինները և ֆունկցիոնալ ստորաբաժանումները: Աշխատանքի և մարդկանց կազմակերպումը մեծապես ազդում է աշխատողների վարքագծի վրա: Կառուցվածքային և վարքային հարաբերությունները, իրենց հերթին, օգնում են սահմանել կազմակերպության նպատակները, ազդել աշխատակիցների վերաբերմունքի և վարքագծի վրա: Կառուցվածքային մոտեցումը կիրառվում է կազմակերպություններում՝ ապահովելու գործունեության հիմնական տարրերը և նրանց միջև փոխհարաբերությունները: Այն ներառում է աշխատանքի բաժանման, վերահսկողության ծածկույթի, ապակենտրոնացման և գերատեսչությունների օգտագործում:

Ժամանակակից արտադրության և սոցիալական կառուցվածքի դինամիզմի համատեքստում կառավարումը պետք է լինի վիճակում շարունակական զարգացում, որին այսօր հնարավոր չէ հասնել առանց այս զարգացման ուղիներն ու հնարավորությունները ուսումնասիրելու, առանց այլընտրանքային ուղղություններ ընտրելու։ Կառավարման հետազոտությունն իրականացվում է ղեկավարների և անձնակազմի ամենօրյա գործունեության և մասնագիտացված վերլուծական խմբերի, լաբորատորիաների, բաժինների աշխատանքում: Կառավարման համակարգերի հետազոտության անհրաժեշտությունը թելադրված է խնդիրների բավականին մեծ շրջանակով, որոնց պետք է բախվեն շատ կազմակերպություններ: Սկսած ճիշտ որոշումայս խնդիրները կախված են այդ կազմակերպությունների հաջողություններից:

Կառավարման կազմակերպչական կառուցվածքը կառավարման առանցքային հասկացություններից է, որը սերտորեն կապված է նպատակների, գործառույթների, կառավարման գործընթացի, ղեկավարների աշխատանքի և նրանց միջև լիազորությունների բաշխման հետ: Այս կառույցի շրջանակներում ամբողջ կառավարման գործընթաց(տեղեկատվական հոսքերի տեղաշարժը և կառավարչական որոշումների ընդունումը), որին մասնակցում են բոլոր մակարդակների, կատեգորիաների և մասնագիտական ​​մասնագիտացումների ղեկավարները։ Կառույցը կարելի է համեմատել կառավարման համակարգի շենքի շրջանակի հետ, որը կառուցված է այնպես, որ դրանում տեղի ունեցող բոլոր գործընթացներն իրականացվեն ժամանակին և արդյունավետ:

Կազմակերպության կառուցվածքի, դրանց գործունեության առանձնահատկությունների տարբերությունները շատ էական հետք են թողնում կառավարման գործունեության վրա և որոշ դեպքերում որոշիչ ազդեցություն ունեն դրա վրա: Բացի այդ, առաջնորդի գործունեությունը, նրա հոգեբանական բնութագրերը կախված են ոչ միայն կազմակերպչական կառուցվածքի տեսակից, այլև այս կառույցում նրա հիերարխիկ տեղից, ինչը, ըստ էության, դարձնում է այս թեման: կուրսային աշխատանքամենաարդիականը:

Կազմակերպչական կառավարման կառույցների գիտականորեն հիմնավորված ձևավորումը տնտեսվարող սուբյեկտների հարմարվողականության ժամանակակից փուլի հրատապ խնդիրն է. շուկայական տնտեսություն. Ժամանակակից պայմաններում անհրաժեշտ է լայնորեն կիրառել համակարգված մոտեցման վրա հիմնված կառավարման կազմակերպության նախագծման սկզբունքներն ու մեթոդները:

ԱՅՍ ԴԱՍԸՆԹԱՑ ԱՇԽԱՏԱՆՔԻ ՆՊԱՏԱԿՆ Է ուսումնասիրել կազմակերպության կառավարման կառուցվածքում հիերարխիայի սկզբունքը:

Այս նպատակին հասնելու համար աշխատանքում սահմանված են հետևյալ խնդիրները.

կազմակերպչական կառույցների կառուցման էության և սկզբունքների, դրանց դասակարգման և պատմական զարգացման փուլերի ուսումնասիրություն.

կազմակերպչական կառույցների կառուցման էության և սկզբունքների ուսումնասիրություն.

կազմակերպչական փոփոխությունների ռազմավարության ձևավորում:

ՀԵՏԱԶՈՏՈՒԹՅԱՆ ՄԵԹՈԴՆԵՐԸ՝ վերլուծական, գրաֆիկական։

Այս աշխատությունը գրելու համար օգտագործվել են տեղական և արտասահմանյան հեղինակների գիտական ​​աշխատություններ և մշակումներ՝ նվիրված գործընթացների կառավարման խնդիրներին, կառավարման որոշումների աջակցման համակարգերի ստեղծմանը։ Թերթի մեջ օգտագործվում են ռուսական և արտասահմանյան մամուլում հրապարակված նյութեր, ինչպես նաև մասնագիտացված մասնագիտական ​​ինտերնետային կայքերում ներկայացված նյութեր:

Գլուխ 1. Որոշումների ապահովման համակարգերի տեսական ասպեկտներն ու հասկացությունները

1 Որոշումների աջակցման համակարգի սահմանում, նրա գործառույթները

Ակնհայտ է, որ քաղաքի զարգացման ռազմավարության ու մարտավարության վերաբերյալ կայացված որոշումները պետք է մանրակրկիտ մտածված ու հիմնավորված լինեն։ Սա հատկապես կարևոր է սոցիալ-տնտեսական համակարգերում, քանի որ ընդունված որոշումները վերաբերում են կենդանի մարդկանց, նրանց նյութական և հոգևոր վիճակին։ Սակայն մինչ օրս քաղաքապետի, քաղաքապետարանի, կոմիտեների կողմից որոշումների կայացումը հիմնված է ղեկավարների փորձի և ինտուիցիայի վրա: Բայց սոցիալ-տնտեսական համակարգերը բարդ են, և նրանց վարքագիծը դժվար է կանխատեսել՝ կապված հսկայական թվով ուղղակի և հետադարձ կապերի առկայության հետ, որոնք հաճախ առաջին հայացքից ակնհայտ չեն: Մարդկային ուղեղը չի կարողանում հաղթահարել այս հարթության խնդիրը, ուստի անհրաժեշտ է տեղեկատվություն և վերլուծական աջակցություն տրամադրել որոշումների կայացման համար: Վ վերջին տարիներըԿառավարչական աշխատանքի ավտոմատացման ոլորտում ձևավորվել և ակտիվորեն կիրառվում է նոր ուղղություն՝ որոշումների աջակցման համակարգեր։ Դրանք հաջողությամբ օգտագործվում են մի շարք ոլորտներում՝ հեռահաղորդակցության, ֆինանսների, առևտրի, արդյունաբերության, բժշկության և շատ այլ ոլորտներում:

Որոշումների աջակցման համակարգերի (DSS) հայեցակարգը ներառում է ամբողջ գիծըհիմնադրամներ, որոնք միավորված են ընդհանուր նպատակով՝ նպաստել կառավարման ռացիոնալ և արդյունավետ որոշումների ընդունմանը:

Որոշումների աջակցման համակարգը (DSS) համակարգչային ավտոմատացված համակարգ է, որի նպատակն է օգնել մարդկանց, ովքեր որոշումներ են կայացնում դժվար պայմաններում՝ առարկայական գործունեության ամբողջական և օբյեկտիվ վերլուծության համար: Այն ինտերակտիվ համակարգ է, որն օգտագործում է որոշումների կանոններ և տվյալների բազաներով համապատասխան մոդելներ, ինչպես նաև համակարգչային մոդելավորման ինտերակտիվ գործընթաց:

DSS-ն առաջացել է կառավարման տեղեկատվական համակարգերի և տվյալների բազայի կառավարման համակարգերի միաձուլման արդյունքում։ DSS-ը մարդ-մեքենա համակարգեր են, որոնք որոշում կայացնողներին թույլ են տալիս օգտագործել տվյալներ, գիտելիքներ, օբյեկտիվ և սուբյեկտիվ մոդելներ՝ չկառուցված և վատ ձևակերպված խնդիրները վերլուծելու և լուծելու համար:

Որոշումների կայացման գործընթացը ամենաօպտիմալ այլընտրանքի ստացումն ու ընտրությունն է՝ հաշվի առնելով բոլոր հետևանքների սխալ հաշվարկը։ Այլընտրանք ընտրելիս պետք է ընտրել այն մեկը, որն առավելապես համապատասխանում է նպատակին, բայց միևնույն ժամանակ պետք է հաշվի առնել մեծ թվով հակասական պահանջներ և, հետևաբար, գնահատել ընտրված լուծումը բազմաթիվ չափանիշներով:

Որոշումների աջակցման համակարգը նախատեսված է բարդ տեղեկատվական միջավայրում բազմաչափ որոշումներ կայացնելու համար: Միևնույն ժամանակ, բազմաչափանիշը հասկացվում է որպես այն փաստը, որ ընդունված որոշումների արդյունքները գնահատվում են ոչ թե մեկ, այլ միաժամանակ դիտարկվող բազմաթիվ ցուցանիշների (չափանիշների) ընդհանուրությամբ: Տեղեկատվության բարդությունը որոշվում է մեծ քանակությամբ տվյալների հաշվի առնելու անհրաժեշտությամբ, որոնց մշակումը գործնականում անհնար է առանց ժամանակակից համակարգչային տեխնոլոգիաների օգնության: Այս պայմաններում թիվը հնարավոր լուծումներ, որպես կանոն, շատ մեծ է, և դրանցից լավագույնների ընտրությունը «աչքով», առանց համապարփակ վերլուծության, կարող է հանգեցնել կոպիտ սխալների։

DSS-ը նաև հնարավորություն է տալիս հեշտացնել բիզնեսի ղեկավարների աշխատանքը և բարձրացնել դրա արդյունավետությունը։ Դրանք զգալիորեն արագացնում են բիզնեսում առկա խնդիրների լուծումը։ DSS-ն նպաստում է միջանձնային կապի հաստատմանը. Դրանց հիման վրա կարող է իրականացվել անձնակազմի վերապատրաստում և վերապատրաստում: Այս տեղեկատվական համակարգերը թույլ են տալիս մեծացնել վերահսկողությունը կազմակերպության գործունեության նկատմամբ: Լավ գործող DSS-ի առկայությունը մեծ առավելություններ է տալիս մրցակից կառույցների նկատմամբ: DSS-ի կողմից առաջադրված առաջարկների շնորհիվ բացվում են առօրյա և ոչ ստանդարտ խնդիրների լուծման նոր մոտեցումներ։

DSS-ը բնութագրվում է հետևյալ տարբերակիչ հատկանիշներով.

· կողմնորոշում դեպի վատ կառուցված (ֆորմալիզացված) առաջադրանքները, որոնք բնորոշ են հիմնականում կառավարման բարձր մակարդակներին.

· համատեղելու հնարավորությունը ավանդական մեթոդներհամակարգչային տվյալների հասանելիություն և մշակում մաթեմատիկական մոդելների և դրանց վրա հիմնված խնդիրների լուծման մեթոդների հնարավորություններով.

· կենտրոնանալ համակարգչի ոչ պրոֆեսիոնալ վերջնական օգտագործողի վրա՝ աշխատանքի ինտերակտիվ ռեժիմի օգտագործման միջոցով.

· բարձր հարմարվողականություն՝ ապահովելով հասանելի ապարատային և ծրագրային ապահովման առանձնահատկություններին, ինչպես նաև օգտագործողի պահանջներին հարմարվելու հնարավորություն:

Որոշումների աջակցման համակարգը լուծում է երկու հիմնական խնդիր.

.ընտրելով լավագույն լուծումը հնարավորների մի շարքից (օպտիմալացում);

2.հնարավոր լուծումների պատվիրում ըստ նախապատվության (վարկանիշի):

DSS-ում առաջարկների վերլուծության և մշակման համար օգտագործվում են տարբեր մեթոդներ: Դա կարող է լինել:

· տեղեկատվության որոնում,

· տվյալների մայնինգ,

· գիտելիքների որոնում տվյալների բազաներ,

· գործի վրա հիմնված պատճառաբանություն

· մոդելավորման մոդելավորում,

· էվոլյուցիոն հաշվողական և գենետիկական ալգորիթմներ,

· նեյրոնային ցանցեր,

· իրավիճակային վերլուծություն,

· ճանաչողական մոդելավորում և այլն:

Այս մեթոդներից մի քանիսը մշակվել են արհեստական ​​ինտելեկտի շրջանակներում։ Եթե ​​DSS-ի աշխատանքը հիմնված է արհեստական ​​ինտելեկտի մեթոդների վրա, ապա խոսվում է ինտելեկտուալ DSS-ի կամ IDSS-ի մասին։

DSS-ին մոտ համակարգերի դասերն են փորձագիտական ​​համակարգերը և ավտոմատացված կառավարման համակարգերը:

Համակարգը թույլ է տալիս լուծել գործառնական և ռազմավարական կառավարման խնդիրները՝ հիմնվելով ընկերության գործունեության վերաբերյալ հաշվապահական տվյալների վրա:

Որոշումների աջակցման համակարգը տվյալների վերլուծության, մոդելավորման, կանխատեսման և կառավարման որոշումների կայացման համար նախատեսված ծրագրային գործիքների մի շարք է, որը բաղկացած է կորպորացիայի սեփական մշակումներից և գնված ծրագրային արտադրանքներից (Oracle, IBM, Cognos):

Որոշումների աջակցման առաջին համակարգերի մշակման տեսական հետազոտությունները իրականացվել են Քարնեգիի տեխնոլոգիական ինստիտուտում 20-րդ դարի 50-ականների վերջին և 60-ականների սկզբին: Մասաչուսեթսի տեխնոլոգիական ինստիտուտի մասնագետների կողմից 60-ականներին հնարավոր եղավ համատեղել տեսությունը պրակտիկայի հետ։ XX դարի 80-ականների կեսերին և վերջերին սկսեցին հայտնվել այնպիսի համակարգեր, ինչպիսիք են EIS, GDSS, ODSS: 1987 թվականին Texas Instruments-ը մշակել է Gate Assignment Display System United Airlines-ի համար: Սա զգալիորեն նվազեցրեց թռիչքներից կորուստները և հարմարեցրեց տարբեր օդանավակայանների կառավարումը, սկսած O միջազգային օդանավակայանից Նապաստակ Չիկագոյում և վերջացրած Սթեփլթոնով Դենվերում, Կոլորադո: 90-ականներին DSS-ի հնարավորությունների շրջանակն ընդլայնվեց տվյալների պահեստների և OLAP գործիքների ներդրման շնորհիվ: Հաշվետվությունների նոր տեխնոլոգիաների ի հայտ գալը DSS-ն անփոխարինելի դարձրեց կառավարման մեջ:

1.2 DSS-ի կառուցվածքը

Եթե ​​խոսենք DSS-ի կառուցվածքի մասին, ապա կան չորս հիմնական բաղադրիչներ.

· Տեղեկատվական տվյալների պահեստներ. Տվյալների պահեստը որոշակի կառուցվածքի տվյալների բանկ է, որը պարունակում է տեղեկատվություն ընկերության արտադրության գործընթացի մասին պատմական համատեքստում: Պահեստի հիմնական նպատակն է ապահովել կամայական վերլուծական հարցումների արագ կատարումը: (Տվյալների պահեստների մասին ավելի շատ մանրամասներ քննարկվում են 1-ին գլխի 1.3 պարագրաֆում):

· Բազմաչափ տվյալների բազայի և վերլուծության գործիքներ OLAP (On-Line Analytical Processing) - ծառայությունը իրական ժամանակում մեծ քանակությամբ տվյալների վերլուծության գործիք է: (մանրամասն՝ 1-ին գլխի 1.4 կետում)

· Տվյալների արդյունահանման գործիքներ. Տվյալների մայնինգի գործիքների օգնությամբ դուք կարող եք խորը տվյալների մայնինգ իրականացնել: (Ավելի մանրամասն՝ 1-ին գլխի 1.5 պարագրաֆում):

DSS-ը հիմնված է փոխկապակցված մոդելների համալիրի վրա՝ համապատասխան տեղեկատվական աջակցությամբ հետազոտական, փորձագիտական ​​և խելացի համակարգերի համար, որոնք ներառում են կառավարման խնդիրների լուծման փորձ և ապահովում են փորձագետների թիմի մասնակցությունը ռացիոնալ որոշումների մշակման գործընթացում:

Ստորև նկար 1-ը ցույց է տալիս տեղեկատվական և վերլուծական որոշումների աջակցության ճարտարապետական ​​և տեխնոլոգիական սխեման.

Նկ.1 DSS-ի ճարտարապետական ​​և տեխնոլոգիական սխեման

Վերլուծական DSS համակարգերը թույլ են տալիս լուծել երեք հիմնական խնդիր.

.հաշվետվություն,

.իրական ժամանակի տեղեկատվության վերլուծություն (OLAP),

.տվյալների մայնինգ.

3 Տվյալների պահեստներ

Հասկանալի է, որ որոշումների կայացումը պետք է հիմնված լինի վերահսկողության օբյեկտի մասին իրական տվյալների վրա։ Նման տեղեկատվությունը սովորաբար պահվում է OLTP համակարգերի գործառնական տվյալների բազաներում: Սակայն այս գործառնական տվյալները պիտանի չեն վերլուծության նպատակների համար, քանի որ համախմբված տեղեկատվությունը հիմնականում անհրաժեշտ է վերլուծության և ռազմավարական որոշումներ կայացնելու համար: Բացի այդ, վերլուծության նպատակների համար անհրաժեշտ է կարողանալ արագ մանիպուլյացիայի ենթարկել տեղեկատվությունը, այն ներկայացնել տարբեր ասպեկտներով, կատարել տարբեր ժամանակավոր հարցումներ, ինչը դժվար է կիրառել գործառնական տվյալների վրա կատարողականի և տեխնոլոգիական բարդության պատճառով:

Այս խնդրի լուծումը առանձին տվյալների պահեստի (DW) ստեղծումն է, որը պարունակում է ագրեգացված տեղեկատվություն հարմար ձևով: Տվյալների պահեստ կառուցելու նպատակն է ինտեգրել, թարմացնել և ներդաշնակեցնել գործառնական տվյալները տարասեռ աղբյուրներից, որպեսզի ձևավորվի միասնական հետևողական տեսակետ հսկիչ օբյեկտի նկատմամբ որպես ամբողջություն: Միևնույն ժամանակ, տվյալների պահեստների հայեցակարգը հիմնված է գործարքների մշակման համար օգտագործվող տվյալների հավաքածուների և որոշումների աջակցման համակարգերում օգտագործվող տվյալների հավաքածուների առանձնացման անհրաժեշտության ճանաչման վրա: Նման տարանջատումը հնարավոր է տվյալների մշակման տարբեր համակարգերում (DPS) և արտաքին աղբյուրներում առանձնացված մանրամասն տվյալների ինտեգրման միջոցով մեկ պահպանման, դրանց համակարգման և, հնարավոր է, համախմբման միջոցով:

Պետք է նշել DSS տվյալների պահեստների հիմնական առավելությունները.

· Տեղեկատվության մեկ աղբյուր. ընկերությունը ստանում է հաստատված միասնական տեղեկատվական միջավայր, որի վրա կկառուցվեն բոլոր տեղեկատու և վերլուծական հավելվածները այն առարկայական տարածքում, որի համար կառուցված է պահեստը: Այս միջավայրը կունենա մեկ ինտերֆեյս, միասնական պահեստային կառուցվածքներ, ընդհանուր գրացուցակներ և այլ կորպորատիվ ստանդարտներ, որոնք կհեշտացնեն վերլուծական համակարգերի ստեղծումն ու աջակցությունը:

· Նաև տեղեկատվական տվյալների պահեստ նախագծելիս հատուկ ուշադրություն է դարձվում պահեստ մուտք գործող տեղեկատվության հավաստիությանը:

· Գործողություն. Տվյալների պահեստի ֆիզիկական կառուցվածքները հատուկ օպտիմիզացված են՝ ամբողջովին պատահական ընտրություն կատարելու համար, ինչը թույլ է տալիս ստեղծել իսկապես արագ հարցումների համակարգեր:

· Զարգացման արագությունը. պահեստի հատուկ տրամաբանական կազմակերպումը և առկա մասնագիտացված ծրագրակազմը թույլ են տալիս ստեղծել վերլուծական համակարգեր՝ նվազագույն ծրագրավորման ծախսերով:

· Ինտեգրում. տարբեր աղբյուրներից տվյալների ինտեգրումն արդեն արված է, ուստի անհրաժեշտ չէ ամեն անգամ տվյալների միացում կատարել մի քանի աղբյուրներից տեղեկատվություն պահանջող հարցումների համար: Ինտեգրումը վերաբերում է ոչ միայն տվյալների համատեղ ֆիզիկական պահպանմանը, այլև դրանց բովանդակային, համակարգված միավորմանը. մաքրում և հավասարեցում դրանց ձևավորման ընթացքում. համապատասխանությունը տեխնոլոգիական հատկանիշներին և այլն:

· Պատմականություն և կայունություն. OLTP համակարգերը գործում են արդիական տվյալներով, որոնց կիրառման և պահպանման ժամկետը սովորաբար չի գերազանցում ընթացիկ բիզնես շրջանի արժեքը (վեց ամսից մինչև մեկ տարի), մինչդեռ տեղեկատվական տվյալների պահեստը նպատակաուղղված է. տեղեկատվության երկարաժամկետ պահպանում 10-15 տարի: Կայունությունը նշանակում է, որ տվյալների պահեստում իրական տեղեկատվությունը չի թարմացվում կամ ջնջվում, այլ միայն հատուկ ձևով հարմարեցվում է բիզնեսի հատկանիշների փոփոխություններին: Այսպիսով, հնարավոր է դառնում իրականացնել տեղեկատվության պատմական վերլուծություն։

· Անկախություն. տեղեկատվության պահպանման տեղաբաշխումը զգալիորեն նվազեցնում է OLTP համակարգերի բեռը վերլուծական ծրագրերից, հետևաբար գոյություն ունեցող համակարգերի աշխատանքը չի վատթարանում, բայց գործնականում նկատվում է արձագանքման ժամանակի նվազում և բարելավված համակարգի հասանելիություն:

Այսպիսով, տվյալների պահեստը գործում է հետևյալ սցենարով. Տվյալ կանոնակարգի համաձայն՝ այն հավաքում է տվյալներ տարբեր աղբյուրներից՝ առցանց մշակման համակարգերի տվյալների բազաներից։ Պահպանումը աջակցում է ժամանակագրությանը. ընթացիկ տվյալների հետ մեկտեղ, պատմական տվյալները պահվում են՝ նշելով այն ժամանակի մասին, որին վերաբերում են: Արդյունքում, հսկողության օբյեկտի մասին անհրաժեշտ հասանելի տվյալները հավաքվում են մեկ տեղում, բերվում են մեկ ձևաչափի, համաձայնեցվում և որոշ դեպքերում համախմբվում են ընդհանրացման նվազագույն պահանջվող մակարդակին:

Իսկ տվյալների պահեստի հիման վրա արդեն հնարավոր է կազմել կառավարման հաշվետվություններ, վերլուծել տվյալները՝ օգտագործելով OLAP տեխնոլոգիաները և տվյալների մայնինգը (Data Mining):

DSS հաշվետվությունների ծառայությունն օգնում է կազմակերպությանը հաղթահարել բոլոր տեսակի տեղեկատվական հաշվետվությունների, վկայականների, փաստաթղթերի, ամփոփ հաշվետվությունների և այլնի ստեղծումը, հատկապես, երբ տրված հաշվետվությունների թիվը մեծ է, և հաշվետվությունների ձևերը հաճախ փոխվում են: DSS գործիքները, ավտոմատացնելով հաշվետվությունների թողարկումը, հնարավորություն են տալիս դրանց պահեստավորումը վերածել էլեկտրոնային ձևի և տարածել դրանք՝ կորպորատիվ ցանցընկերության աշխատակիցների միջև.

Խոշոր կորպորատիվ տվյալների պահեստների հետ մեկտեղ լայնորեն կիրառվում են նաև Data Marts-ը: Տվյալների մարթը փոքր մասնագիտացված պահեստ է որոշակի նեղ առարկայի համար, որը կենտրոնացած է մեկ բիզնես թեմայի հետ կապված տվյալների պահպանման վրա: Data mart նախագիծը պահանջում է ավելի քիչ ներդրումներ և ավարտվում է շատ կարճ ժամանակում: Կարող են լինել մի քանի այդպիսի տվյալների մարկեր, ասենք ընկերության հաշվապահական հաշվառման բաժնի համար եկամտի տվյալները և ընկերության մարքեթինգի բաժնի համար հաճախորդների տվյալների մարթ:

1.4 OLAP տեխնոլոգիաներ

OLAP համակարգի հետ շփվելով՝ օգտատերը կկարողանա կատարել տեղեկատվության ճկուն դիտում, ձեռք բերել կամայական տվյալների հատվածներ և կատարել վերլուծական գործողություններ՝ մանրամասնելու, կոնվուլյացիայի, ծայրից ծայր բաշխման, համեմատության ժամանակի ընթացքում: OLAP համակարգի հետ բոլոր աշխատանքները տեղի են ունենում առարկայական տարածքի առումով: Առցանց վերլուծական մշակման (OLAP) հայեցակարգը հիմնված է տվյալների բազմաչափ ներկայացման վրա:

OLAP տերմինը ներդրվել է E. F. Codd-ի կողմից 1993 թվականին: Իր հոդվածում նա դիտարկել է հարաբերական մոդելի թերությունները, առաջին հերթին՝ «տվյալները բազմակի չափումների առումով, այսինքն՝ կորպորատիվ վերլուծաբանների համար առավել հասկանալի կերպով միավորելու, դիտելու և վերլուծելու անկարողությունը» և սահմանել. Ընդհանուր պահանջներ OLAP համակարգերին, որոնք ընդլայնում են հարաբերական DBMS-ի ֆունկցիոնալությունը և ներառում են բազմաչափ վերլուծությունը որպես դրանց բնութագրիչներից մեկը:

Ըստ Քոդի, բազմաչափ հայեցակարգային տեսակետը կառավարման օբյեկտի վերաբերյալ ղեկավար անձնակազմի ամենաբնական տեսակետն է: Դա բազմակի հեռանկար է, որը բաղկացած է մի քանի անկախ չափերից, որոնց միջոցով կարելի է վերլուծել տվյալների որոշակի հավաքածուներ: Տվյալների բազմակի չափումների վրա միաժամանակյա վերլուծությունը սահմանվում է որպես բազմաչափ վերլուծություն: Յուրաքանչյուր հարթություն ներառում է տվյալների համախմբման ուղղություններ, որոնք բաղկացած են ընդհանրացման հաջորդական մակարդակներից, որտեղ յուրաքանչյուր բարձր մակարդակ համապատասխանում է համապատասխան չափման տվյալների համախմբման ավելի մեծ աստիճանի: Այսպիսով, Կապալառուի չափը կարող է որոշվել համախմբման ուղղությամբ, որը բաղկացած է «ձեռնարկություն - ստորաբաժանում - բաժին - աշխատող» ընդհանրացման մակարդակներից: «Ժամանակ» չափումը կարող է ներառել նույնիսկ համախմբման երկու ուղղություն՝ «տարի - եռամսյակ - ամիս - օր» և «շաբաթ - օր», քանի որ ժամանակի հաշվարկն ըստ ամիսների և շաբաթվա անհամատեղելի է: Այս դեպքում հնարավոր է դառնում չափումներից յուրաքանչյուրի համար կամայականորեն ընտրել տեղեկատվական մանրամասնության ցանկալի մակարդակը: Վայրէջքի (հորատման) գործողությունը համապատասխանում է համախմբման ավելի բարձր մակարդակներից դեպի ստորին շարժմանը. ընդհակառակը, բեռնաթափման (գլորելու) գործողությունը նշանակում է ավելի ցածր մակարդակներից ավելի բարձր մակարդակներ անցնել:

1.5 Տվյալների մշակում

DSS-ի նկատմամբ ամենամեծ հետաքրքրությունը տվյալների արդյունահանումն է, քանի որ այն թույլ է տալիս խնդրի առավել ամբողջական և խորը վերլուծություն, հնարավորություն է տալիս հայտնաբերել թաքնված հարաբերությունները և կայացնել առավել խելամիտ որոշում: Սարքավորումների և ծրագրային ապահովման զարգացման ժամանակակից մակարդակը հնարավորություն է տվել արդեն որոշ ժամանակով պահպանել գործառնական տեղեկատվության տվյալների բազաները կառավարման տարբեր մակարդակներում: Իրենց գործունեության ընթացքում արդյունաբերական ձեռնարկությունները, կորպորացիաները, գերատեսչական կառույցները, մարմինները պետական ​​իշխանությունիսկ տեղական ինքնակառավարման մարմինները մեծ քանակությամբ տվյալներ են կուտակել: Դրանք պարունակում են մեծ ներուժ օգտակար վերլուծական տեղեկատվության կորզման համար, որի հիման վրա կարող եք բացահայտել թաքնված միտումները, կառուցել զարգացման ռազմավարություն և գտնել նոր լուծումներ։

Տվյալների հանքարդյունաբերությունը, IAD (Data Mining) որոշումների աջակցման գործընթաց է, որը հիմնված է տվյալների մեջ թաքնված օրինաչափությունների (տեղեկատվական օրինաչափությունների) որոնման վրա: Միևնույն ժամանակ, կուտակված տեղեկատվությունը ինքնաբերաբար ընդհանրացվում է տեղեկատվության, որը կարող է բնութագրվել որպես գիտելիք:

Ընդհանուր առմամբ, IAD գործընթացը բաղկացած է երեք փուլից.

.օրինաչափությունների նույնականացում;

.օգտագործելով բացահայտված օրինաչափությունները անհայտ արժեքները կանխատեսելու համար (կանխատեսող մոդելավորում);

.բացառությունների վերլուծություն, որը նախատեսված է հայտնաբերված օրինաչափությունների անոմալիաները հայտնաբերելու և մեկնաբանելու համար:

Համակարգչային նոր տեխնոլոգիաները, որոնք ձևավորում են IAD-ն, փորձագիտական ​​և խելացի համակարգեր են, արհեստական ​​ինտելեկտի մեթոդներ, գիտելիքների բազաներ, տվյալների բազաներ, համակարգչային մոդելավորում, նեյրոնային ցանցեր, անորոշ համակարգեր: Ժամանակակից IAD տեխնոլոգիաները թույլ են տալիս ստեղծել նոր գիտելիքներ, բացահայտել թաքնված օրինաչափությունները, կանխատեսել համակարգերի ապագա վիճակը: Քաղաքի սոցիալ-տնտեսական զարգացման մոդելավորման հիմնական մեթոդը սիմուլյացիոն մեթոդն է, որը թույլ է տալիս ուսումնասիրել քաղաքային համակարգը՝ օգտագործելով փորձարարական մոտեցում: Սա հնարավորություն է տալիս մոդելի վրա խաղալ զարգացման տարբեր ռազմավարություններ, համեմատել այլընտրանքները, հաշվի առնել բազմաթիվ գործոնների ազդեցությունը, այդ թվում՝ անորոշության տարրերով:

Այս աշխատանքում կառուցված մոդելը պատկանում է համակարգերի այս դասին: Դրա հիման վրա ռազմավարական և մարտավարական մակարդակի տեղական ինքնակառավարման մարմինները հնարավորություն են ստանում վերլուծել բարդ սոցիալ-տնտեսական քաղաքային համակարգի զարգացման դինամիկան, բացահայտել հարաբերությունները, որոնք առաջին հայացքից ակնհայտ չեն, համեմատել տարբեր այլընտրանքներ, վերլուծել անոմալիաները և առավելագույնը քաղել: ողջամիտ որոշում։

Խոստումնալից է DSS-ում որոշումների կայացման համակցված մեթոդների օգտագործումը արհեստական ​​ինտելեկտի մեթոդների և համակարգչային մոդելավորման, տարբեր մոդելավորման և օպտիմալացման ընթացակարգերի, որոշումների կայացման փորձագիտական ​​ընթացակարգերի հետ համատեղ:

1.6 DSS դասակարգումներ

Գոյություն ունեն երեք տեսակի DSS, որոնք հիմնված են օգտագործողի հետ փոխգործակցության վրա.

· Պասիվները օգնում են որոշումների կայացման գործընթացին, բայց չեն կարող կոնկրետ առաջարկ ներկայացնել.

· ակտիվ մասնակիցները անմիջականորեն ներգրավված են ճիշտ լուծման մշակման մեջ.

· կոոպերատիվները ներառում են DSS-ի փոխազդեցությունը օգտագործողի հետ: Համակարգի կողմից ներկայացված առաջարկը կարող է վերջնական տեսքի բերվել, կատարելագործվել և այնուհետ հետ ուղարկել համակարգ՝ ստուգման համար: Դրանից հետո առաջարկը կրկին ներկայացվում է օգտատիրոջը, և այդպես շարունակ, մինչև նա հաստատի որոշումը։

Ըստ աջակցության մեթոդի՝ առանձնանում են.

· մոդելի վրա հիմնված DSS, օգտագործել վիճակագրական, ֆինանսական կամ այլ մոդելներ իրենց աշխատանքում.

· Հաղորդակցության վրա հիմնված DSS-ն աջակցում է երկու կամ ավելի օգտվողների աշխատանքին, որոնք ներգրավված են ընդհանուր առաջադրանքում.

· Տվյալների վրա հիմնված DSS-ը հասանելի է կազմակերպության ժամանակային շարքերին: Նրանք իրենց աշխատանքում օգտագործում են ոչ միայն ներքին, այլև արտաքին տվյալներ.

· Փաստաթղթերի վրա հիմնված DSS-ը շահարկում է տարբեր էլեկտրոնային ձևաչափերում պարունակվող չկառուցված տեղեկատվությունը.

· Գիտելիքի վրա հիմնված DSS-ն ապահովում է խնդիրների մասնագիտացված, փաստերի վրա հիմնված լուծումներ:

Ըստ օգտագործման տարածքի՝ առանձնանում են.

· Համակարգի լայն շրջանակ - աշխատել մեծ պահեստային համակարգերի հետ և օգտագործվում են բազմաթիվ օգտվողների կողմից:

Ըստ ճարտարապետության և շահագործման սկզբունքի՝ առանձնանում են.

· Ֆունկցիոնալ DSS.

Դրանք ամենապարզն են ճարտարապետական ​​առումով։ Դրանք տարածված են այն կազմակերպություններում, որոնք գլոբալ նպատակներ չեն դնում և ունեն տեղեկատվական տեխնոլոգիաների զարգացման ցածր մակարդակ: Ֆունկցիոնալ DSS-ի տարբերակիչ առանձնահատկությունն այն է, որ օպերացիոն համակարգերի ֆայլերում պարունակվող տվյալները վերլուծվում են: Նման DSS-ի առավելություններն են կոմպակտությունը՝ մեկ հարթակի օգտագործման շնորհիվ և արդյունավետությունը՝ տվյալների մասնագիտացված համակարգ վերաբեռնելու անհրաժեշտության բացակայության պատճառով: Թերություններից կարելի է նշել հետևյալը. համակարգի միջոցով լուծված խնդիրների շրջանակի նեղացում, դրանց մաքրման փուլի բացակայության պատճառով տվյալների որակի անկում, բեռի ավելացում։ օպերացիոն համակարգդադարեցման հնարավորությամբ։

· DSS՝ օգտագործելով անկախ տվյալների մարկեր:

Դրանք օգտագործվում են մի քանի գերատեսչություններ ունեցող խոշոր կազմակերպություններում, ներառյալ տեղեկատվական տեխնոլոգիաների բաժինները: Յուրաքանչյուր կոնկրետ տվյալների մարթ ստեղծվել է կոնկրետ խնդիրներ լուծելու համար և կենտրոնացած է օգտատերերի որոշակի շրջանակի վրա: Սա զգալիորեն բարելավում է համակարգի աշխատանքը: Նման կառույցների իրականացումը բավականին պարզ է. Բացասական կետերից կարելի է նշել, որ տվյալները բազմիցս մուտքագրվում են տարբեր ցուցափեղկերի մեջ, ուստի դրանք կարող են կրկնօրինակվել: Սա մեծացնում է տեղեկատվության պահպանման արժեքը և բարդացնում միավորման ընթացակարգը: Տվյալների մարթերի համալրումը բավականին դժվար է այն պատճառով, որ դուք պետք է օգտագործեք բազմաթիվ աղբյուրներ: Կազմակերպության բիզնեսի վերաբերյալ մեկ պատկեր չկա՝ պայմանավորված տվյալների վերջնական համախմբված չլինելու պատճառով։

· DSS՝ հիմնված երկաստիճան տվյալների պահեստի վրա:

Օգտագործված է խոշոր ընկերություններորի տվյալները համախմբված են մեկ միասնական համակարգի մեջ: Տվյալ դեպքում տեղեկատվության մշակման սահմանումները և մեթոդները միասնական են: Նման DSS-ի բնականոն գործունեությունը ապահովելու համար պահանջվում է մասնագիտացված թիմ հատկացնել, որը կսպասարկի այն: Նման DSS ճարտարապետությունը զուրկ է նախորդի թերություններից, բայց այն չունի անհատական ​​օգտատերերի խմբերի համար տվյալների կառուցվածքի, ինչպես նաև տեղեկատվության հասանելիությունը սահմանափակելու հնարավորություն: Դուք կարող եք զգալ համակարգի աշխատանքի հետ կապված խնդիրներ:

· DSS՝ հիմնված եռաստիճան տվյալների պահեստի վրա:

Նման DSS-ները օգտագործում են տվյալների պահեստ, որտեղից ձևավորվում են տվյալների մարկեր, որոնք օգտագործվում են նմանատիպ խնդիրներ լուծող օգտատերերի խմբերի կողմից: Այսպիսով, մուտքն ապահովվում է ինչպես կոնկրետ կառուցվածքային տվյալների, այնպես էլ միասնական համախմբված տեղեկատվության: Տվյալների մարթերի համալրումը պարզեցված է՝ օգտագործելով վավերացված և մաքրված տվյալները մեկ աղբյուրից:

Կա կորպորատիվ տվյալների մոդել: Նման DSS-ն առանձնանում է երաշխավորված կատարողականությամբ: Բայց կա տվյալների ավելորդություն, ինչը հանգեցնում է պահեստավորման պահանջների ավելացման: Բացի այդ, անհրաժեշտ է համակարգել նման ճարտարապետությունը պոտենցիալ տարբեր պահանջներով տարբեր ոլորտների հետ:

Կախված համակարգի ինտերֆեյսի ֆունկցիոնալ բովանդակությունից, առանձնանում են DSS-ի երկու հիմնական տեսակ՝ EIS և DSS (Կատարման տեղեկատվական համակարգ)՝ ձեռնարկության կառավարման տեղեկատվական համակարգեր: Այս համակարգերը ուղղված են անպատրաստ օգտատերերին, ունեն պարզեցված ինտերֆեյս, առաջարկվող առանձնահատկությունների հիմնական հավաքածու և տեղեկատվության ներկայացման ֆիքսված ձևեր: EIS-համակարգերը գծում են ընկերության բիզնեսի կատարողականի ցուցանիշների ներկա վիճակի և դրանց զարգացման միտումների ընդհանուր տեսողական պատկերը՝ խնդրո առարկա տեղեկատվությունը խոշոր ընկերության օբյեկտների մակարդակին խորացնելու հնարավորությամբ: EIS համակարգեր - իրական եկամուտ, որը տեսնում է ընկերության ղեկավարությունը DSS տեխնոլոգիաների ներդրումից: (Desicion Support System) 7 - տվյալների վերլուծության և հետազոտման լիարժեք համակարգեր, որոնք նախատեսված են վերապատրաստված օգտվողների համար, ովքեր գիտելիք ունեն թե թեմայի վերաբերյալ: հետազոտությունների և համակարգչային գրագիտության առումով։ Սովորաբար, DSS համակարգերի ներդրման համար (եթե տվյալներն առկա են), բավական է տեղադրել և կարգավորել մասնագիտացված ծրագրակազմը լուծումներ մատակարարողների կողմից OLAP համակարգերի և տվյալների արդյունահանման համար:

Համակարգերի նման բաժանումը երկու տեսակի չի նշանակում, որ DSS-ի կառուցումը միշտ ներառում է այդ տեսակներից միայն մեկի իրականացումը: EIS-ը և DSS-ը կարող են աշխատել զուգահեռաբար՝ կիսելով ընդհանուր տվյալներ և/կամ ծառայություններ՝ տրամադրելով դրանց ֆունկցիոնալությունը ինչպես բարձրագույն ղեկավարությանը, այնպես էլ ընկերությունների վերլուծական բաժիններին:

1.7 Դիմումներ

Հեռահաղորդակցություն

Հեռահաղորդակցման ընկերությունները օգտագործում են DSS՝ պատրաստելու և կայացնելու որոշումների մի շարք, որոնք ուղղված են իրենց հաճախորդներին պահպանելուն և նվազագույնի հասցնելու նրանց արտահոսքը դեպի այլ ընկերություններ: DSS-ը թույլ է տալիս ընկերություններին ավելի արդյունավետ իրականացնել իրենց մարքեթինգային ծրագրերը, իրականացնել իրենց ծառայությունների ավելի գրավիչ հաշվարկ:

Զանգերի բնութագրիչներով գրառումների վերլուծությունը թույլ է տալիս բացահայտել նմանատիպ վարքագծի ձևեր ունեցող հաճախորդների կատեգորիաները՝ որոշակի կատեգորիայի հաճախորդներ ներգրավելու ձեր մոտեցումը տարբերակելու համար:

Կան հաճախորդների կատեգորիաներ, որոնք անընդհատ փոխում են մատակարարներին՝ ի պատասխան որոշակի գովազդային արշավների: DSS-ը թույլ է տալիս բացահայտել «կայուն» հաճախորդների առավել բնորոշ հատկանիշները, այսինքն. հաճախորդներ, ովքեր երկար ժամանակ հավատարիմ են մնում մեկ ընկերությանը՝ հնարավորություն տալով կենտրոնացնել իրենց մարքեթինգային քաղաքականությունը հաճախորդների այս կատեգորիայի պահպանման վրա:

Բանկային գործ

DSS-ն օգտագործվում է բանկային գործունեության տարբեր ասպեկտները ավելի լավ վերահսկելու համար, ինչպիսիք են վարկային քարտերի սպասարկումը, վարկերը, ներդրումները և այլն, ինչը կարող է զգալիորեն բարելավել աշխատանքի արդյունավետությունը:

Խարդախության դեպքերի բացահայտում, վարկավորման ռիսկերի գնահատում, հաճախորդների փոփոխությունների կանխատեսում - DSS-ի շրջանակը և տվյալների արդյունահանման մեթոդները: Հաճախորդների դասակարգումը, նմանատիպ կարիքներ ունեցող հաճախորդների խմբերի բաշխումը թույլ է տալիս նպատակաուղղված մարքեթինգային քաղաքականություն վարել՝ որոշակի կատեգորիայի հաճախորդներին մատուցելով ծառայությունների ավելի գրավիչ փաթեթներ:

Ապահովագրություն

DSS հավելվածների մի շարք ապահովագրական բիզնեսկարելի է անվանել դասական՝ դա խարդախության հնարավոր դեպքերի բացահայտումն է, ռիսկերի վերլուծությունը, հաճախորդների դասակարգումը։

Ապահովագրական պահանջներում որոշակի կարծրատիպերի հայտնաբերումը, մեծ չափերի դեպքում, կարող է հետագայում նվազեցնել խարդախության դեպքերը:

Վերլուծելով ապահովագրական պարտավորությունների գծով վճարումների դեպքերի բնորոշ հատկանիշները. Ապահովագրական ընկերություններկարող է նվազեցնել իրենց կորուստները: Ստացված տվյալները կհանգեցնեն, օրինակ, զեղչային համակարգի վերանայմանը այն հաճախորդների համար, որոնք պատկանում են նշված բնութագրերին:

Հաճախորդների դասակարգումը հնարավորություն է տալիս բացահայտել հաճախորդների առավել շահավետ կատեգորիաները, որպեսզի ավելի ճշգրիտ թիրախավորվի ծառայությունների առկա փաթեթը և ներդնի նոր ծառայություններ:

Մանրածախ

Առևտրային ընկերություններն օգտագործում են DSS տեխնոլոգիաները՝ լուծելու այնպիսի խնդիրներ, ինչպիսիք են գնումների և պահեստավորման պլանավորումը, համատեղ գնումների վերլուծությունը և ժամանակի ընթացքում վարքագծի ձևերի որոնումը:

Գնումների քանակի և որոշակի ժամանակահատվածում պահեստում ապրանքների առկայության վերաբերյալ տվյալների վերլուծությունը թույլ է տալիս պլանավորել ապրանքների գնում, օրինակ՝ ի պատասխան ապրանքների պահանջարկի սեզոնային տատանումների:

Հաճախ ապրանք գնելիս գնորդը դրա հետ մեկ այլ ապրանք է ձեռք բերում։ Նման ապրանքների խմբերի նույնականացումը թույլ է տալիս, օրինակ, դրանք տեղադրել հարակից դարակներում՝ դրանց համատեղ գնման հավանականությունը մեծացնելու նպատակով։

Ժամանակին վարքագծի օրինաչափությունների որոնումը տալիս է «Եթե այսօր գնորդը գնել է մեկ ապրանք, ապա որքա՞ն ժամանակից հետո կգնի մեկ այլ ապրանք» հարցին։ Օրինակ, տեսախցիկ գնելիս հաճախորդը, ամենայն հավանականությամբ, մոտ ապագայում կգնի ֆիլմեր, մշակի և տպագրի ծառայություններ:

Բժշկությունը

Բժշկական ախտորոշումներ կատարելու բազմաթիվ փորձագիտական ​​համակարգեր կան: Դրանք կառուցված են հիմնականում տարբեր հիվանդությունների տարբեր ախտանիշների համակցությունները նկարագրող կանոնների հիման վրա։ Նման կանոնների օգնությամբ նրանք ոչ միայն սովորում են, թե ինչով է հիվանդ հիվանդը, այլեւ ինչպես վարվել նրա հետ։ Կանոնները օգնում են ընտրել դեղորայքի միջոցները, որոշել ցուցումները՝ հակացուցումները, նավարկել բուժման ընթացակարգերը, պայմաններ ստեղծել ամենաարդյունավետ բուժման համար, կանխատեսել բուժման նշանակված կուրսի արդյունքները և այլն: Տվյալների արդյունահանման տեխնոլոգիաները հնարավորություն են տալիս հայտնաբերել օրինաչափությունները: բժշկական տվյալների մեջ, որոնք կազմում են այս կանոնների հիմքը:

Մոլեկուլային գենետիկա և գենետիկական ճարտարագիտություն

Փորձարարական տվյալների օրինաչափությունների հայտնաբերման ամենասուր և միևնույն ժամանակ պարզ խնդիրը մոլեկուլային գենետիկայի և գենետիկական ճարտարագիտության մեջ է: Այստեղ այն ձևակերպվում է որպես այսպես կոչված մարկերների սահմանում, որոնք հասկացվում են որպես գենետիկ կոդեր, որոնք վերահսկում են կենդանի օրգանիզմի որոշ ֆենոտիպիկ առանձնահատկություններ։ Նման ծածկագրերը կարող են պարունակել հարյուրավոր, հազարավոր կամ ավելի հարակից տարրեր:

Խոշոր միջոցներ են հատկացվում գենետիկական հետազոտությունների զարգացմանը։ Վերջերս առանձնահատուկ հետաքրքրություն է նկատվում այս ոլորտում Տվյալների արդյունահանման մեթոդների կիրառման նկատմամբ: Հայտնի է, որ մի քանի խոշոր ընկերություններ մասնագիտացած են մարդու և բույսերի գենոմների վերծանման այս մեթոդների կիրառման մեջ:

Կիրառական քիմիա

Տվյալների արդյունահանման մեթոդները լայնորեն կիրառվում են կիրառական քիմիայում (օրգանական և անօրգանական): Այստեղ հաճախ հարց է առաջանում պարզել դրանց հատկությունները որոշող որոշ միացությունների քիմիական կառուցվածքի առանձնահատկությունները։ Այս առաջադրանքը հատկապես արդիական է բարդ քիմիական միացությունների վերլուծության ժամանակ, որոնց նկարագրությունը ներառում է հարյուրավոր և հազարավոր կառուցվածքային տարրեր և դրանց կապերը։

1.8 DSS շուկա

DSS շուկայում ընկերությունները առաջարկում են ծառայությունների հետևյալ տեսակները որոշումների աջակցման համակարգերի ստեղծման համար.

· Պիլոտային նախագծերի իրականացում DSS համակարգերում` Հաճախորդի ղեկավարությանը վերլուծական հավելվածների բարձրորակ ներուժը ցուցադրելու նպատակով:

· Հաճախորդի հետ միասին լիարժեք ֆունկցիոնալ DSS համակարգերի ստեղծում, ներառյալ տվյալների պահեստը և Business Intelligence գործիքները:

· Տվյալների պահեստի ճարտարապետության նախագծում, ներառյալ պահեստավորման կառույցները և կառավարման գործընթացները:

· Ընտրված առարկայի համար «տվյալների մարտերի» ստեղծում:

· OLAP և Business Intelligence գործիքների տեղադրում և կարգավորում; դրանց հարմարեցումը հաճախորդի պահանջներին:

· Գործիքների վերլուծություն Վիճակագրական վերլուծությունև «տվյալների մայնինգ»՝ Հաճախորդի ճարտարապետության և կարիքների համար ծրագրային ապահովման արտադրանք ընտրելու համար:

· Ինտեգրում DSS համակարգերՀաճախորդի կորպորատիվ ինտրանետներին, պահեստի օգտագործողների միջև վերլուծական փաստաթղթերի էլեկտրոնային փոխանակման ավտոմատացում:

· Գործադիր տեղեկատվական համակարգերի (EIS) մշակում պահանջվող ֆունկցիոնալության համար:

· Տվյալների բազաների ինտեգրման ծառայություններ մեկ տեղեկատվության պահպանման միջավայրում

· Հաճախորդի մասնագետների վերապատրաստում տվյալների պահեստավորման և վերլուծական համակարգերի տեխնոլոգիաների, ինչպես նաև անհրաժեշտ ծրագրային արտադրանքների հետ աշխատելու համար:

· Հաճախորդին խորհրդատվական ծառայությունների մատուցում տվյալների պահեստների և վերլուծական համակարգերի նախագծման և շահագործման բոլոր փուլերում:

· DSS-ի շահագործումն ապահովող հաշվողական ենթակառուցվածքի ստեղծման/արդիականացման համալիր նախագծեր. ցանկացած մասշտաբի լուծումներ՝ տեղական համակարգերից մինչև ձեռնարկության/կոնցեռնի/արդյունաբերության մասշտաբի համակարգեր:

1.9 Որոշումների աջակցման համակարգի գնահատում (DMSS)

DSS-ի գնահատման չափանիշներ. Համակարգը պետք է արդյունավետ կառավարի եկամուտը և ռիսկը շուկայական ցանկացած պայմաններում՝ առաջացնելով շուկա մուտքի և ելքի արդյունավետ ազդանշաններ: Միևնույն ժամանակ, գործարքների հաճախականությունը պետք է լինի չափավոր՝ հաշվի առնելով գործարքի ծախսերը, միջնորդավճարները, սփրեդի կորուստները և այլն: Շինարարության բարդությունը չպետք է վախեցնի: Նրանցից շատերը, ովքեր մերժում են թվային մեթոդները հօգուտ իրենց «ինտուիցիայի», ի վերջո միջինից ցածր արդյունքներ են ունենում:

Համակարգի գնահատման մեջ, բնականաբար, կարևոր հատկանիշը ընդհանուր (վերջնական) շահույթն է: Գործառնական բարձր ծախսերի դեպքում կարևոր է դառնում մեկ գործառնական շահույթի նման բնութագրիչը: Որոշումների ճշգրտությունը (տոկոս), որը հաշվարկվում է որպես շահութաբեր գործառնությունների քանակի հարաբերակցություն գործառնությունների ընդհանուր թվին, շատ թրեյդերների համար հայտնի բնութագիր է, թեև դրա կարևորությունը գերագնահատված է: Փաստն այն է, որ շատ արդյունավետ համակարգեր ավելի հաճախ են սխալ որոշումներ կայացնում, քան ճիշտը, մինչդեռ շատ ոչ եկամտաբեր (կամ գրեթե ոչ շահութաբեր) համակարգեր ավելի հաճախ են ճիշտ որոշումներ կայացնում:

Առավելագույն կորուստներ սեփական միջոցներըհամակարգի կողմից կիրառվող ռազմավարությունների ռիսկայնությունը չափելու կարևոր բնութագիր են: Պարբերաբար մեծ կորուստների ենթակա համակարգերը չեն կարող պիտանի համարվել, նույնիսկ եթե, ի վերջո, դրանք բավարար զուտ շահույթ են տալիս։ Միևնույն ժամանակ, առավելագույն կորուստները նշանակում են ոչ միայն անշահավետ գործառնությունների հաջորդականությունից առաջացած կորուստների ամենամեծ քանակությունը, այլ դիտարկվող ժամանակահատվածում կապիտալի առավելագույն նվազումը: Նման անկման ժամանակ պարտվող գործարքների հաջորդականությունը կարող է ընդհատվել առանձին շահութաբեր գործարքներով, որոնք ի վիճակի չեն փոխել համակարգի անարդյունավետության շրջանի ընդհանուր անշահավետ բնույթը։ Համակարգի հիմնական կատարողական բնութագիրը հաշվարկվում է որպես համակարգի առավելագույն անարդյունավետության ժամանակահատվածում ընդհանուր շահույթի հարաբերակցություն կապիտալի կորստի չափին և սովորաբար կոչվում է ռիսկ/հատուցում հարաբերակցություն: Գոյություն ունեն նաև համակարգի արդյունավետության բազմաթիվ այլ գնահատականներ, երբեմն բավականին բարդ, որոնք պահանջում են մեծ քանակությամբ վիճակագրական հաշվարկներ, բայց շատ դեպքերում վերը նշված պարզ բնութագրերը բավարար են: Հարկ է նշել, որ համակարգը գնահատելիս կարելի է օգտագործել պորտֆելի կառավարման դասական տեսության կողմից առաջարկվող չափանիշները։

Համակարգի օպտիմիզացումը բաղկացած է ցուցիչի լավագույն բանաձևը գտնելուց՝ լավագույնը երկար ժամանակ հավաքագրված տվյալների միջոցով առավելագույն և (կամ) կայուն շահույթ ստանալու առումով: Այս օպտիմալացումն ինքնին հակասական է։ Նրա քննադատները անմիջապես կմատնանշեն, որ ապագա գները կարող են այլ կերպ վարվել, քան նախկինում: Նման օպտիմալացման կողմնակիցները պետք է համոզված լինեն որոշակի օրինաչափությունների առկայության, գների վարքագծի կայունության մեջ, որը չի փոխվում կամ փոքր-ինչ փոխվում է ժամանակի ընթացքում:

Այն փաստի արդյունավետությունը ստուգելու համար, որ տեխնիկական վերլուծության մեջ օգտագործվող կանոնները ապագայում տալիս են կայուն շահույթ՝ ինքնին հաշվարկված լինելով անցյալի տվյալներից, օգտագործվում է հետևյալ պարզ փորձարկման մեթոդը (այսպես կոչված, կույր մոդելավորում): Նախ, որոշման կանոնը օպտիմիզացված է անցյալի տվյալների վրա, այնուհետև այն փորձարկվում է ավելի ուշ (վերջին) տվյալների վրա: Այսպիսով, դուք կարող եք որոշել, թե որքան լավ կարող եք ընդհանուր առմամբ կանխատեսել ապագան անցյալի տվյալների հիման վրա՝ օգտագործելով տվյալ կանոնը: Եթե ​​օպտիմալ պարամետրերով ցուցիչը լավ է աշխատում ավելի վերջին տվյալների վրա, կարելի է հուսալ, որ ապագայում այն ​​լավ կաշխատի:

Համակարգի պարամետրերը վերագնահատելիս պետք է անցնել նոր համակարգի միայն այն դեպքում, եթե ստացված «բարելավումը» վիճակագրորեն նշանակալի է։

Ռոբերտ Պելլետիերը խորհուրդ է տալիս սահմանափակել պարամետրերի քանակը որոշման կանոններ կառուցելիս, քանի որ դրանց ավելացումը մեծացնում է համակարգի ազատության աստիճանների թիվը: Բացի այդ, նրանց միջև կարող են լինել կապեր, այսինքն՝ դրանք կարող են վիճակագրորեն կախված լինել, ինչը սովորաբար երևում է նրանց խաչաձև հարաբերակցության գործակիցից: Պելլետիեն կարծում է, որ լավ համակարգը պետք է պարունակի ոչ ավելի, քան 2-5 պարամետր։

Ցուցանիշը ստուգելու համար նմուշը պետք է բավականաչափ մեծ լինի, որպեսզի ընտրված ժամանակահատվածի համար լինի առնվազն 30 ազդանշան: Այս դեպքում ժամանակաշրջանը պետք է ներառի ամբողջական երկար (ցածր հաճախականությամբ) ցիկլերի ամբողջ թիվ՝ վաճառքի կամ գնումների ուղղությամբ շեղումների ազդեցությունը սահմանափակելու համար: Այսպես, օրինակ, հայտնի 4-ի համար ամառային ցիկլֆոնդային շուկայի վերլուծությունը պետք է կատարվի առնվազն 8 տարվա տվյալների հիման վրա:

կազմակերպության բանկի ինտելեկտուալ տվյալներ

Գլուխ 2

1 Ուսումնասիրության նպատակների և խնդիրների ձևակերպում, ուսումնասիրվող օբյեկտի բնութագրերը

Ներկայումս Կենտրոնական բանկՌուսաստանի Դաշնության (այսուհետ՝ Ռուսաստանի Բանկ) հիմնական կարգավորողն է բանկային համակարգՌուսաստանը և շատ առումներով նրա կայունության և տնտեսության կայունության երաշխավորն է։ Ռուսաստանի Բանկի համակարգն ունի համալիր կազմակերպչական կառուցվածքը- կենտրոնական գրասենյակը (այսուհետ՝ ՏԱ), տարածքային գրասենյակները (այսուհետ՝ ՏՀ), և ունի ավելի քան 80 հազար աշխատող. Իր հերթին, տարածքային հաստատությունները իրենց ենթակայության տակ ունեն կանխիկացման կենտրոնների և այլ ստորաբաժանումների ցանց, որոնք ապահովում են ՏԿ-ի գործունեությունը: Բարդ կազմակերպչական կառուցվածքի առկայությունը որոշում է Ռուսաստանի Բանկի կառավարման համակարգի բարդությունը, որն ընդգրկում է երկու մակարդակ: - TC և CA. Ներկայումս Ռուսաստանի Բանկի համար կարևոր են հետևյալ հիմնական խնդիրները՝ ծախսերի ընդհանուր կրճատում, տարածքային հաստատությունների գործունեության ստանդարտացում և տարածքային հաստատությունների կառավարման համակարգի կատարելագործում:

Այս խնդիրների կատարման հիմնական գործիք է համարվում կառավարման գործընթացային մոտեցումը, որի իրականացումը սկսվել է Ռուսաստանի Բանկում 2002 թվականին: Գործընթացային մոտեցումը ճկուն և արդյունավետ կառավարման համակարգ կառուցելու գերակշռող մոտեցումն է, որը լայն տարածում է գտել աշխարհում վերջին 10-15 տարիների ընթացքում։ Գործընթացային մոտեցումը ենթադրում է գործունեության նպատակների և ռազմավարության հստակ ձևակերպում, գործունեության նկարագրություն փոխկապակցված գործընթացների մի շարք ձևով, որոնք ունեն կոնկրետ արդյունքներ արդյունքի վրա, պատասխանատվության հստակ բաշխում գործընթացի բոլոր մասնակիցների միջև:

Ինչպես ցույց է տալիս համաշխարհային պրակտիկա, գործընթացի մոտեցման արդյունավետ կիրառումը մեծապես որոշվում է տեղեկատվական-հաշվողական համակարգի առկայությամբ, որը ստեղծում և ապահովում է որոշումների կայացման համար անհրաժեշտ տեղեկատվություն: Նման համակարգի օգնությամբ, Ռուսաստանի Բանկի տեխնիկական բնութագրերի մակարդակով, հնարավոր կլիներ նկարագրել և վերահսկել գործընթացների կատարումը, գնահատել դրանց արժեքը, հաշվարկել իրական բեռը, իրականացնել արդյունավետության ողջամիտ գնահատում: գործընթացների, աշխատակիցների, գերատեսչությունների և այլն: Ռուսաստանի Բանկի CA-ի մակարդակով համակարգը հնարավորություն կտա համեմատել աշխատանքի ընթացքում կուտակված տարբեր ցուցանիշների տեխնիկական բնութագրերը, ստանդարտացնել տեխնիկական բնութագրերը, նկարագրել գործընթացի ստանդարտները, դրանք կրկնել տեխնիկական բնութագրերում և լուծել մի շարք: այլ առաջադրանքներից:

Վերոհիշյալ բոլորը որոշում են այս գլխի թեմայի արդիականությունը, որը նվիրված է Ռուսաստանի Բանկի տարածքային հիմնարկների գործունեության կառավարման ոլորտում որոշումների աջակցման համակարգի ստեղծման մեթոդաբանական, մաթեմատիկական և ծրագրային-գործիքային մոտեցումների մշակմանը: գործընթացի մոտեցման վերաբերյալ (այսուհետ՝ Համակարգ, DSS «Գործընթացների կառավարում»):

Այս աշխատանքի նպատակն է մշակել համապարփակ մեթոդաբանական, մաթեմատիկական, տեղեկատվական, ծրագրային և գործիքային աջակցություն Ռուսաստանի Բանկի տարածքային հիմնարկների գործունեության կառավարման խնդիրներում որոշումների աջակցման համակարգի համար, ներառյալ տեխնիկական բնութագրերի մակարդակը և կենտրոնական գրասենյակ.

2 Ընդհանուր ակնարկ և աշխատանքի նկարագրություն

2.1 Զարգացում նոր հայեցակարգ DSS Ռուսաստանի Բանկի տարածքային մասնաճյուղերի գործունեությունը կառավարելու գործում

Վերլուծվել է Ռուսաստանի Բանկի առանձնահատկությունը, որը բաղկացած է բարդ կազմակերպչական կառուցվածքի, տարածքային հաստատությունների կառավարման ուղղահայաց երկաստիճան համակարգի, լայնածավալ կարգավորող բազայի վրա հիմնված գործունեության հստակ կարգավորման, փաստաթղթի բարդության առկայությունից: հոսք, առանձնահատկություններ ֆինանսական կառավարում, տեղեկատվականացման և անվտանգության պահանջներ տեղեկատվական անվտանգություն. Արդյունքում պարզվել է, որ առկա պրոդուկտները լիովին պիտանի չեն Ռուսաստանի Բանկի տարածքային մասնաճյուղերի կառավարման խնդիրները լուծելու համար։

Ռուսաստանի Բանկի առանձնահատկությունների ուսումնասիրությունը և տեխնիկական հաստատությունների գործունեության կառավարման հիմնական խնդիրների վերլուծությունը հնարավորություն են տվել ձևակերպել DSS-ի կառուցման հետևյալ հայեցակարգային սկզբունքները.

) Երկաստիճան կառուցվածք. Մշակված DSS-ը պետք է գործի երկու մակարդակով՝ TU (տարածաշրջանային) և CA (դաշնային): Տարածաշրջանային մակարդակում DSS-ն աջակցում է տեխնիկական բնութագրերի գործունեության կառավարմանը՝ հիմնված գործընթացային մոտեցման վրա, դաշնային մակարդակում տեղեկատվությունը հավաքվում է բոլոր տեխնիկական բնութագրերից գործողությունների, կենտրոնացված պահպանման և վերլուծության, տեխնիկական բնութագրերի դասակարգման, և ստանդարտների ձևավորում;

) Ամբողջական ցիկլի կառավարում` հիմնված գործընթացի մոտեցման վրա: Արդյունավետ և շարունակական բարելավում DSS-ի կարևոր հատկանիշը կառավարման ամբողջական ցիկլ ապահովելն է՝ հիմնված գործընթացային մոտեցման վրա, որը ներառում է գործընթացների նկարագրման, կատարման մոնիտորինգի և վերահսկման, գործընթացների վերլուծության և վերաճարտարագիտության ընթացակարգերի կրկնվող իրականացում:

Հաշվի առնելով համակարգի երկաստիճան կառուցվածքը՝ կառավարման ցիկլը ներկայացված է հետևյալ ձևով (նկ. 2).

Բրինձ. 2. Կառավարման աջակցության ցիկլը DSS-ում

)Մոտեցումների և տեխնոլոգիաների ինտեգրում. Ստեղծված DSS-ում տեխնիկական կազմակերպությունների գործունեության բարելավման խնդիրները առավել արդյունավետ լուծելու համար անհրաժեշտ է ինտեգրել բիզնես գործընթացների կառավարման (BPMS), կատարողականի կառավարման (CPM) և բիզնեսի հետախուզության (BI) մոտեցումներն ու տեխնոլոգիաները: Այս մոտեցումները պետք է իրականացվեն միասնական ճարտարապետական ​​սկզբունքների հիման վրա և գործեն միասնական տեղեկատվական, ծրագրային և տեխնոլոգիական ենթակառուցվածքի շրջանակներում.

)Ստանդարտների աջակցությունն անհրաժեշտ է Ամ-ի գործունեության ստանդարտացման խնդիրները լուծելու համար: Դաշնային մակարդակում - մշակում, վրիպազերծում, գործընթացի ստանդարտների վերլուծություն և այլն; տարածաշրջանային մակարդակում - ստանդարտների «պարտադրում» առկա գործընթացների վրա.

)Գործընթացների ինտեգրում տվյալների պահեստում: BPMS դասի համակարգերը գործարքային են և չեն պահանջում տվյալների պահեստ: Ռուսաստանի Բանկում պահանջվում է ոչ միայն կազմակերպել գործընթացների կառավարում, այլ նաև ապահովել դրանց համապարփակ վերլուծությունը՝ դինամիկ, համեմատական, կառուցվածքային և այլն: Հետևաբար, գործունեության մասին տեղեկատվությունը պետք է կուտակվի յուրաքանչյուր տեխնիկական հաստատության տվյալների պահեստներում, որը մաս է կազմում: տվյալները կտեղափոխվեն դաշնային մակարդակ (կենտրոնացված պահեստ);

)Վերլուծության մեթոդաբանական բազայի մշակում. Տեխնիկական բնութագրերի գործունեության մասին տեղեկատվության վերլուծության խնդիրների առավել ամբողջական և արդյունավետ լուծման համար անհրաժեշտ է մշակել մեթոդաբանական և գործիքային բազա հետևյալ ոլորտներում. գործընթացների արժեքի հաշվարկ, գործընթացների տևողության գնահատում, վերլուծություն: կազմակերպչական կառուցվածքի, կատարողականի կառավարում;

)Փոխազդեցություն TPK-ի հետ: DSS-ը պետք է փոխազդի տարածքային հաստատություններում գործող ստանդարտ ծրագրային համակարգերի (TPC) հետ: Փոխազդեցությունը կազմակերպվում է` նպատակ ունենալով. ստանալ նախնական տվյալներ (օրինակ՝ տեխնիկական բնութագրերի ծախսերի վերաբերյալ տվյալներ). արդի կարգավորող և տեղեկատու տեղեկատվության ստացում. գործընթացների կատարման վերաբերյալ տվյալների ստացում. Այս սկզբունքները հաշվի առնելով՝ մշակվել է համակարգի հայեցակարգային մոդել՝ ընդգրկելով կառավարման դաշնային և տարածաշրջանային մակարդակները (նկ. 3).

Բրինձ. 3. DSS-ի հայեցակարգային մոդելը Ռուսաստանի Բանկի տարածքային մասնաճյուղերի գործունեության կառավարման մեջ

Ներկայացված հայեցակարգային մոդելը առավելագույնս համապատասխանում է Ռուսաստանի Բանկի կառավարման խնդիրների լուծմանը և ներառում է հետևյալ բաղադրիչները.

· Տարածաշրջանային մակարդակի համակարգեր (յուրաքանչյուր տարածքային հաստատությունում): Տարածաշրջանային մակարդակում DSS-ը կրկնօրինակելի է և ապահովում է ընդհանուր տեխնիկական բնութագրեր բոլորի համար ֆունկցիոնալությունը. TS-ի գործունեության մասին տեղեկատվությունը կուտակվում է տվյալների պահեստում, որի վրա գործում են վերլուծական BI գործիքները:

· Դաշնային մակարդակի համակարգ (կենտրոնական գրասենյակում): Դաշնային մակարդակի DSS-ը ինտեգրվող բաղադրիչ է, որը ներառում է տեղեկատվության կենտրոնացված պահպանում և մշակում բոլոր տեխնիկական բնութագրերի և ֆունկցիոնալ հնարավորությունների մասին, որոնք տարբերվում են տարածաշրջանային մակարդակի համակարգից: Դաշնային մակարդակի համակարգը ստեղծում է տվյալներ (գործընթացի ստանդարտներ, կանոնակարգեր և այլն), որոնք կրկնօրինակվում են տարածաշրջանային մակարդակի DSS-ում:

· Տեղեկատվության արտաքին աղբյուրները հիմնականում ապահովում են DSS տվյալներ մարզային մակարդակում, դրանք ներառում են տարածքային հաստատություններում գործող տարբեր ծրագրային համակարգեր։ Արտաքին աղբյուրները կարելի է համարել որպես DSS-ի արտաքին բաղադրիչներ:

Քանի որ դաշնային մակարդակի համակարգը հիմնականում հիմնված է տարածաշրջանային մակարդակի համակարգերից փոխանցված տվյալների վրա, առաջին հերթին անհրաժեշտ է մշակել տեղեկատվական, մաթեմատիկական և գործիքային աջակցություն տարածաշրջանային մակարդակի համակարգի համար՝ որպես Ռուսաստանի Բանկի ինտեգրալ DSS-ի հիմք: Միաժամանակ պետք է նշել, որ մշակված մեթոդներն ու գործիքները կկիրառվեն դաշնային մակարդակի համակարգի կառուցման ժամանակ։ Ուսումնասիրության ընթացքում մշակվել է տարածաշրջանային մակարդակով DSS-ի կառուցվածքը (նկ. 4)՝ հաշվի առնելով տեխնիկական բնութագրերի մասշտաբը, կատարվող գործառույթների և գործընթացների բազմազանությունը, հաստատված կառավարման պրակտիկայի գործոնները և ընթացիկ ավտոմատացման առանձնահատկությունները.

Բրինձ. 4. DSS-ի կառուցվածքը Ռուսաստանի Բանկի տարածաշրջանային մակարդակում

2.2.2 Ֆունկցիոնալ ենթահամակարգերի նկարագրությունը

Համակարգը ներառում է ֆունկցիոնալ ենթահամակարգեր, որոնք ապահովում են օգտատիրոջ միջերեսներ և իրականացնում բիզնես գործառույթներ, և տեխնոլոգիական ենթահամակարգեր, որոնք ապահովում են ֆունկցիոնալ ենթահամակարգերի աշխատանքը՝ հիմնված տվյալների կառավարման միասնական մեխանիզմների և կենտրոնացված մետատվյալների վրա: Բոլոր ենթահամակարգերը գործում են վարչակազմի և տեղեկատվական անվտանգության ենթահամակարգի հսկողության ներքո, որն ապահովում է տվյալների պաշտպանության պատշաճ մակարդակը չարտոնված մուտքից՝ Ռուսաստանի Բանկի պահանջներին համապատասխան: Ուսումնասիրության ընթացքում, հաշվի առնելով Ռուսաստանի Բանկի առանձնահատկությունները, մշակվել և հիմնավորվել են ֆունկցիոնալ ենթահամակարգերի տեղեկատվական և գործիքային աջակցության պահանջները:

Գործընթացի նկարագրության ենթահամակարգը նախատեսված է գործունեության պաշտոնական նկարագրության համար՝ փոխկապակցված գործընթացների մի շարքի տեսքով՝ հաշվի առնելով Ռուսաստանի Բանկի առանձնահատկությունները: Համակարգում գործընթացները մոդելավորելու համար օգտագործվել են IDEF0 և IDEF3 ստանդարտները, որոնք լրացվել են մի շարք լրացուցիչ կառուցվածքներով՝ վերահսկման գործողություններ, վերադարձի անցումներ, այլ գործընթացների հղումներ, օժանդակ գործընթացներ, գործընթացի մեկնարկի և ավարտի կետեր: TS գործընթացները նկարագրելու համար տեղեկատվական մոդել կազմելիս հաշվի են առնվել Ռուսաստանի Բանկի առանձնահատկությունները և ստանդարտների պահանջները, ինչպես նաև հետևյալ սկզբունքները.

· Տարբերակման աջակցությունը ենթադրում է գործընթացի նկարագրության բոլոր փոփոխությունների ժամանակագրության պահպանում (օբյեկտների փոփոխությունները գրանցվում են ըստ ամսաթվի տեսակավորված տարբերակների): Դրա շնորհիվ հնարավոր է ցանկացած ամսաթվի դրությամբ ձեռք բերել տեխնիկական բնութագրերի գործունեության մոդել.

· Փոփոխությունների մոդելավորման աջակցությունը տրամադրվում է՝ պահպանելով օբյեկտների ժամանակավոր տարբերակները, որոնք կարող են հաստատվել կամ չեղարկվել ըստ անհրաժեշտության.

· Գործընթացի մոդելների հարմարեցումը ներառում է գործընթացի մոդելի ատրիբուտների շարքի ընդլայնում, նոր օբյեկտների ներմուծում և դրանք գոյություն ունեցողների հետ կապում:

Հաշվի առնելով նշված սկզբունքներն ու առանձնահատկությունները՝ ուսումնասիրության ընթացքում մշակվել է դրանց միջավայրի գործընթացների և օբյեկտների տեղեկատվական մոդել (նկ. 5):

Բրինձ. 5. Գործընթացային միջավայրի հիմնական օբյեկտների փոխկապակցվածությունը.

Ստեղծված տեղեկատվական մոդելի հիման վրա գործընթացի նկարագրության ենթահամակարգը թույլ է տալիս լուծել հետևյալ հիմնական խնդիրները.

· Ամ-ի գործունեության ամբողջական ֆորմալացված մոդելի ձևավորում.

· գործունեության մասին տեղեկատվության թարմացում;

· Ամ-ի գործունեության փաստագրման վերաբերյալ հաշվետվությունների և հավաստագրերի ստեղծում:

Գործընթացի կատարման վերահսկման ենթահամակարգն ապահովում է պաշտոնականացված գործընթացների կատարումը, կատարողների միջև առաջադրանքների երթուղին` համաձայն նկարագրության, մոնիտորինգի կատարումը ժամկետների և կատարման արդյունավետության, արտաքին աղբյուրներից գործընթացների կատարման մասին տվյալների վերափոխումը միասնական միասնական ձևաչափի:

Ուսումնասիրության արդյունքում մշակվել է գործընթացների և գործառնությունների կյանքի ցիկլը (նկ. 6), որը գործընթացների նկարագրության նշումի հետ միասին տալիս է հետևյալ առաջադրանքների լուծումը.

· գործընթացների կատարման կազմակերպում;

· գործընթացների կատարման մոնիտորինգ և կառավարում;

· կրիտիկական կետերում գործընթացների իրականացման նկատմամբ վերահսկողության կազմակերպում.

· մենեջերների համար վերլուծական հաշվետվությունների ձևավորում տարբեր մակարդակներում TU (սեկտորների, գերատեսչությունների, գերատեսչությունների ղեկավարներ, բարձրագույն ղեկավարություն):

Բրինձ. 6. Գործընթացի կատարման կյանքի ցիկլը

Գործընթացի ծախսերի ենթահամակարգը նախատեսված է գործընթացների ծախսերի բնութագրերը հաշվարկելու և դրանք տարբեր բաժիններում վերլուծելու համար, ապահովում է գործիքներ գործընթացների ծախսերի բնութագրերի մանրամասն վերլուծության, հավասարակշռման, համեմատական ​​վերլուծություն, իրականացնելով տարբեր հաշվարկային տարբերակներ։

Գործունեության վերլուծության ենթահամակարգը աջակցություն է ցուցաբերում Ամ-ի գործունեության վերլուծությանը տարբեր ասպեկտներով՝ արդյունավետություն, ծախսեր, անձնակազմ, գործընթացներ և այլն՝ արտաքին աղբյուրներից և այլ ենթահամակարգերից տվյալներ հավաքելով և կառուցվածքով: Վերլուծական ենթահամակարգը կառուցված է CPM մեթոդաբանության հիման վրա՝ հաշվի առնելով Ռուսաստանի Բանկի խնդիրները և տրամադրում է վերլուծական հավելվածների և գործիքների մի շարք հետևյալ խնդիրների լուծման համար.

.Ռազմավարական նպատակների, խնդիրների և ցուցանիշների համակարգի կառավարում (հաշվի առնելով Ռուսաստանի Բանկի կողմից դաշնային մակարդակով սահմանված թիրախները).

.Ամ-ի անձնակազմի կառավարման և կազմակերպչական կառուցվածքի վերաբերյալ որոշումների կայացման աջակցություն.

.կատարողականի ցուցանիշների մոնիտորինգ և վերլուծություն:

Ռազմավարական նպատակների, նպատակների և ցուցանիշների համակարգը հավասարակշռված գնահատականների (BSC) և հիմնական կատարողականի ցուցանիշների համակարգ է, որը կարող է սահմանվել գործընթացների, գերատեսչությունների, աշխատակիցների և այլնի համար: Բոլոր նպատակները, խնդիրները և ցուցանիշները ժամանակագրական բնույթ ունեն: BSC-ի տվյալների աղբյուրը տվյալների պահեստն է: Ցուցանիշների թիրախային արժեքները կարող են սահմանվել մի քանի սցենարներով, նպատակներին և խնդիրներին հասնելու աստիճանը գնահատելու համար, ցուցանիշներին կարող են նշանակվել կշռող գործոններ: Թիրախային և փաստացի արժեքների համեմատության հիման վրա իրականացվում է նպատակների իրագործման մոնիտորինգ և վերլուծություն:

Անձնակազմի կառավարման հարցում որոշումների աջակցությունը ներառում է կազմակերպչական կառուցվածքի վերլուծության վերլուծական կիրառություններ, անձնակազմի վերլուծություն կատարողականի կարգապահության, կատարողականի և գործընթացների հիմնական կատարողականի ցուցանիշների, ֆունկցիոնալ պարտականությունների հավասարակշռման և բաշխման առումով:

Կատարողականի ցուցանիշների մոնիտորինգն ու վերլուծությունն իրականացվում է պահեստի վրա հիմնված BI գործիքների միջոցով՝ միաժամանակ հնարավորություն տալով համեմատել տարասեռ ցուցանիշները և վերլուծության տարբեր տեսակները (դինամիկ, կառուցվածքային, համեմատական, կլաստերային, վարկանիշային և այլն):

2.2.3 Տեխնիկական բնութագրերի մակարդակով DSS-ի մշակում, որն իրականացնում է մեթոդական և գործիքային լուծումներ.

DSS-ի մշակման ընթացքում իրականացվել է համակարգի կառուցման պահանջների վերլուծություն, մշակվել է տվյալների տրամաբանական և ֆիզիկական կառուցվածքը, հիմնավորվել են համակարգի կառուցման հիմնական սկզբունքները և համակարգի ներդրման համար տեղեկատվական տեխնոլոգիաների ընտրության խնդիրները։ լուծվել են։

Համակարգի կառուցվածքը ներառում է ֆունկցիոնալ ենթահամակարգեր, որոնք իրականացնում են բիզնես տրամաբանությունը և օգտատիրոջ միջերեսը, և տեխնոլոգիական ենթահամակարգեր, որոնք ապահովում են ֆունկցիոնալ ենթահամակարգերի աշխատանքը՝ հիմնված տվյալների կառավարման միասնական մեխանիզմների և կենտրոնացված մետատվյալների վրա:

Համակարգի ներդրման համար ընտրվել են հետևյալ տեղեկատվական տեխնոլոգիաները.

· որպես տեղեկատվության պահպանման հիմք՝ Oracle-ի հարաբերական տվյալների բազայի կառավարման համակարգի տարբերակը 9i;

· որպես ծրագրային ապահովման և գործիքների մշակման միջավայր՝ «Prognoz-5» վերլուծական համալիրը, որը կենտրոնացած է տնտեսության տարբեր ոլորտներում տեղեկատվական և վերլուծական համակարգերի և որոշումների աջակցման համակարգերի զարգացման վրա.

· վեբ բաղադրիչների մշակման համար՝ Microsoft Visual Studio 2005 ինտեգրված միջավայրը և ASP.NET հարթակը:

DSS-ի ստեղծման ընթացքում մշակվում է ծրագրային և տեխնոլոգիական լուծումների մի շարք՝ հիմնված ճարտարապետական ​​միասնական սկզբունքների վրա՝ առավել օպտիմալ և հուսալի շահագործման համար: Բարդ տվյալների բազայի կառավարման ընթացակարգեր մշակելիս՝ ներառյալ գործարքային և վերլուծական հատվածները, մշակվել և կիրառվել են հետևյալ լուծումները.

· Ապահովելով տվյալների բազայի գործարքային և վերլուծական հատվածների տվյալների հետևողականությունը, դրա համար մշակվել է փոխկապակցված դասերի համակարգ, որը կենտրոնացած է գործարքների մշակման միասնական միջուկի օգտագործման վրա, որը հիմնված է Oracle DBMS մետատվյալների օգտագործման վրա: Սեղանի մակարդակում տվյալների ամբողջականության վերահսկումը տրամադրվում է DBMS գործիքների միջոցով՝ բարելավելու աշխատանքի հուսալիությունը (նկ. 7):

Բրինձ. 7. DSS տվյալների հետևողականության կառավարման սխեմա:

· Աջակցություն օբյեկտների տարբերակմանը՝ միաժամանակ պահպանելով ամբողջականության վերահսկումը DBMS մակարդակում: Դա անելու համար յուրաքանչյուր օբյեկտ պահվում է երկու աղյուսակում՝ օբյեկտների աղյուսակ և օբյեկտների տարբերակների աղյուսակ;

· Տվյալների բազայի մասշտաբայնությունը ատրիբուտների և օբյեկտների մակարդակում ամբողջականության վերահսկմամբ: Լրացուցիչ ատրիբուտների համար ամբողջականությունը վերահսկվում է ձգանման մակարդակում, աղյուսակներում նոր օբյեկտներ ստեղծելիս ավտոմատ կերպով ստեղծվում են ամբողջականության կառավարման միասնական գործարկիչներ.

· Տվյալների մեծ քանակով արդյունահանման և տվյալների բազայում գրելու օպտիմիզացում: Ֆիզիկական կառուցվածքի ստեղծումից հետո այն ինդեքսավորվել է, տվյալների պահեստի աղյուսակների համար օգտագործվել են Oracle DBMS-ի Partitions ձևավորման գործիքները։

DSS-ի սկզբնական լրացման և հետագա թարմացման համար տվյալների աղբյուրները կարող են լինել ՏՀ-ում գործող ստանդարտ ծրագրային համակարգերի տվյալները՝ ֆերմայում գործունեության համակարգեր (IEA), Փաստաթղթերի կառավարման համակարգեր, ավտոմատացման համակարգեր և այլն: DSS-ը թույլ է տալիս. ներբեռնեք գործընթացների նկարագրությունները MS Word և Excel ֆայլերից, որոնք կարևոր են տարածքային հաստատությունների համար, որոնք ունեն գործընթացի մոդելների նախագծեր «թղթի վրա»:

Մշակված DSS-ն օգտագործվում է արդյունաբերական ռեժիմով Բաշկորտոստանի Հանրապետության Ազգային բանկում մենեջերների և մասնագետների ավելի քան 300 աշխատատեղերում՝ գործընթացները նկարագրելու, գործընթացների կատարումը կազմակերպելու և վերահսկելու, կազմակերպչական կառուցվածքի փոփոխությունները հիմնավորելու և գործունեությունը վերլուծելու համար: Համակարգում նկարագրված է մոտ 980 պրոցես, որոնցից մոտ 730-ը հաստատված է, մոտ 200 գործընթաց պարբերաբար գործարկվում է արդյունաբերական ռեժիմով։

2.3Սույն DSS-ի կիրառման եզրակացությունները և արդյունքները

Ստացվել են հետևյալ հիմնական արդյունքներն ու եզրակացությունները.

Արդյունքների հիման վրա ներկայացվում է TS գործունեության կառավարման մեջ որոշումների աջակցման ինտեգրված համակարգի հայեցակարգը, որը կենտրոնացած է BPMS, BI և CPM մոտեցումների ինտեգրման վրա, որոնցում հեղինակի կողմից մշակված մեթոդներն ու ալգորիթմները կառուցված են. միասնական տեղեկատվական և գործիքային միջավայրի հիմք: Հայեցակարգը միավորում է ինչպես նոր, այնպես էլ նախկինում հայտնի մեթոդները տեխնիկական հաստատությունների գործունեության մոնիտորինգի և վերլուծության համար՝ հիմնված գործընթացային մոտեցման վրա՝ հարմարեցված Ռուսաստանի Բանկի առանձնահատկություններին:

Որոշումների աջակցման համակարգ է ստեղծվել և փորձարկվել է Ռուսաստանի Բանկի հատուկ տեխնիկական բնութագրերում՝ տարածաշրջանային մակարդակով տարածքային հաստատության գործունեության կառավարման ոլորտում: Տեխնիկական բնութագրերում DSS-ի օգտագործումը հնարավորություն է տալիս բարձրացնել գործունեության կառավարելիությունը՝ հիմնված գործընթացային մոտեցման վրա, բարելավել ներքին հսկողության համակարգը, օպտիմալացնել գոյություն ունեցող կազմակերպչական կառուցվածքը և ձևավորել պահեստ՝ հիմնված կատարողականի ցուցանիշների վրա:

Համակարգի ներդրման արդյունքում ձեռք են բերվել հետևյալ արդյունքները (որպես հետևում են Ռուսաստանի Բանկի ղեկավարությանը ներկայացված հաշվետվություններից).

· գործունեության ներքին վերահսկողության բարելավված համակարգ.

· Բարելավվել են թողարկման և կանխիկ գործարքների տեխնոլոգիաները, իսկ աշխատուժի ծախսերը կրճատվել են (որոշ գործարքների դեպքում մինչև 10%).

· Հաշվարկային և դրամարկղային կենտրոնների կողմից իրականացվող գործառույթների կենտրոնացումը (13 գործառույթ 9 գործընթացներում).

· կանխիկի կառավարում դրամական շրջանառությունվերածվել է երկու անկախ բաժանմունքների.

· Անվտանգության և տեղեկատվության պաշտպանության վարչության ստորաբաժանումների միջև պաշտոնների վերաբաշխում.

· իրականացվել է տնտեսական և գործառնական վարչության անձնակազմի կրճատում. նախապատրաստվում են առաջարկներ՝ աշխատանքի ընթացքը օպտիմալացնելու համար։

Եզրակացություն

Մինչ օրս DSS համակարգեր կառուցելու համար ծրագրային ապահովման արտադրության ճանաչված առաջատար չկա: Ընկերություններից և ոչ մեկը չի արտադրում պատրաստի լուծում, որը կոչվում է «արտադրանքից դուրս», որը հարմար է հաճախորդի արտադրական գործընթացում անմիջական օգտագործման համար։ DSS-ի ստեղծումը միշտ ներառում է հաճախորդի տվյալների և բիզնես գործընթացների վերլուծության, պահեստավորման կառույցների նախագծման փուլերը՝ հաշվի առնելով նրա կարիքները և տեխնոլոգիական գործընթացները:

Հաշվի առնելով ներգրավված ֆինանսական և այլ ռեսուրսների քանակը, DSS համակարգերի կառուցման նախագծերի բարդությունն ու բազմաստիճան բնույթը, նախագծային սխալների բարձր արժեքը ակնհայտ է: Ծրագրաշարի ընտրության սխալները կարող են հանգեցնել ֆինանսական ծախսեր, էլ չեմ խոսում ծրագրի կատարման ժամանակի ավելացման մասին։ Տվյալների կառուցվածքի նախագծման սխալները կարող են հանգեցնել ինչպես անընդունելի կատարման, այնպես էլ տվյալների վերաբեռնման վրա ծախսվող ժամանակի, որը երբեմն հասնում է մի քանի օրվա: Ուստի, խորը պատկերացում ունենալով տվյալների պահեստների ճարտարապետության մասին, անհրաժեշտ է խուսափել սխալներից, ինչը ենթադրում է նախագծի կատարման ժամանակի զգալի կրճատում և DSS-ի ներդրումից առավելագույն օգուտ քաղելու հնարավորություն:

Առանձին-առանձին պետք է նշել, որ որոշումների կայացման խնդիրները, այն է՝ DSS-ը մեզ մոտ թույլ է զարգացած և գործնականում քիչ է կիրառվում։ Այնպիսի ծրագրերի օգտագործումը, ինչպիսին այստեղ նկարագրվածն է, ոչ միայն շատ պարզ է, այլև բավականին արդյունավետ և չի պահանջում հատուկ գիտելիքներ և ներդրումներ:

Մի քանի տասնյակ տարբեր ընկերություններ արտադրում են ապրանքներ, որոնք կարող են լուծել որոշակի խնդիրներ, որոնք առաջանում են DSS համակարգերի նախագծման և շահագործման գործընթացում: Սա ներառում է DBMS, տվյալների բեռնաթափման / փոխակերպման / բեռնման գործիքներ, OLAP վերլուծության գործիքներ և շատ ավելին:

Շուկայի ինքնավերլուծությունը, այդ գործիքներից գոնե մի քանիսի ուսումնասիրությունը հեշտ և ժամանակատար խնդիր չէ:

Այսպիսով, այս աշխատանքում մենք ծանոթացանք որոշումների աջակցման համակարգերին։

Ներածությունում հիմնավորվում է այս թեմայի արդիականությունը, տրվում է ուսումնասիրության նպատակն ու խնդիրները, տրվում է աշխատանքի ընդհանուր բնութագիրը, բացահայտվում է ուսումնասիրության առարկան։

Առաջին գլխում ներկայացված են որոշումների աջակցման համակարգերի տեսական ասպեկտներն ու հասկացությունները, տրամադրվում է DSS-ի տեսակների մանրամասն դասակարգում և սկզբնական շրջանում բացահայտված դրանց գործառույթները: Նաև այս գլխում մենք ծանոթացանք օժանդակ համակարգերի ստեղծման պատմությանը, ավելի մանրամասն վերլուծեցինք DSS-ի կառուցվածքը և դրա հիմնական տարրերը: Տրված են որոշումների աջակցման համակարգերի տարբերակիչ առանձնահատկությունները, ինչպես նաև այն ոլորտներն ու ոլորտները, որտեղ դրանք կարող են կիրառվել:

Հայտնաբերվել է որոշումների աջակցության մեթոդաբանություն, որը թույլ է տալիս եզրակացնել, որ դրա կիրառումը հնարավորություն է տալիս.

· պաշտոնականացնել առկա տվյալների հիման վրա լուծում գտնելու գործընթացը (լուծման տարբերակների ստեղծման գործընթացը);

· դասակարգել չափանիշները և տալ չափանիշների վրա հիմնված ֆիզիկական պարամետրերի գնահատումներ, որոնք ազդում են լուծվող խնդրի վրա (լուծումները գնահատելու կարողություն).

· կատարելիս օգտագործել հաստատման պաշտոնական ընթացակարգեր կոլեկտիվ որոշումներ;

· օգտագործել պաշտոնական ընթացակարգեր՝ կայացված որոշումների հետևանքները կանխատեսելու համար.

· ընտրել այն տարբերակը, որը հանգեցնում է խնդրի օպտիմալ լուծմանը:

Այստեղից հետևում է, որ մենք ծանոթացել ենք որոշումների աջակցման համակարգերի հիմնական բաներին և տեսական մասին։

Երկրորդ գլխում ներկայացված է DSS-ի գործնական իրականացումը կազմակերպության գործունեության կառավարման ոլորտում գործընթացային մոտեցման հիման վրա (Ռուսաստանի Բանկի տարածքային գրասենյակների օրինակով): Առաջարկվում է «Ռուսաստանի բանկի տարածքային հիմնարկների գործունեության կառավարում» DSS-ի կառուցման հայեցակարգը։ Մշակվել և հիմնավորվել է DSS-ի հայեցակարգային մոդելը, ֆունկցիոնալ կառուցվածքը և հիմնական բաղադրիչներին ներկայացվող պահանջները: Առաջարկվում է մի շարք մեթոդներ և գործիքներ, որոնք աջակցում են որոշումների կայացմանը TS-ի կառավարման մեջ՝ հաշվի առնելով Ռուսաստանի Բանկի առանձնահատկությունները: Մշակվել և հիմնավորվել են համակարգի տեղեկատվական և վերլուծական աջակցության պահանջները՝ հաշվի առնելով Ռուսաստանի Բանկի տարածքային մասնաճյուղերի կառավարման հրատապ խնդիրները։ Տրված են Ռուսաստանի Բանկի ղեկավարությանը ներկայացված հաշվետվությունների հիման վրա այս համակարգի ներդրման արդյունքները:

Այսպիսով, մենք պարզեցինք, թե ինչպես են այս որոշումների աջակցման համակարգերը կիրառվում գործնականում՝ մեր դեպքում՝ բանկային ոլորտում։

DSS-ի օգտագործումը խոստումնալից է միայն այն պատճառով, որ կառավարման ցանկացած որոշում սուբյեկտիվ է, հիմնված է ընկերության քաղաքականության վրա, արտացոլում է կազմակերպության հիմնական նպատակները և, ամենակարևորը, պարտադիր չէ, որ ճիշտ լինի: Այս ամենը հանգեցնում է որոշումների կայացման գործընթացի պաշտոնականացման և աջակցող գործիքներ ներգրավելու անհրաժեշտությանը` նվազեցնելու սխալ որոշում կայացնելու ռիսկը: Վերջինս աճում է մշակման ենթակա տեղեկատվության կուտակման հետ։ Դա տեղի է ունենում այն ​​պատճառով, որ անձը կա՛մ չի կարողանում ինքնուրույն մշակել բոլոր անհրաժեշտ տեղեկությունները՝ որոշում կայացնելու համար, կա՛մ չի կարողանում դա անել այն ժամանակաշրջանում, երբ առաջադրանքը դեռ տեղին է:

Մատենագիտություն

1.Վեսնինը, Վ.Ռ. Կառավարում. Դասագիրք - 4-րդ հրտ., Վերանայված. և լրացուցիչ - Մ.: TK Velby, 2009. - 342 p.

2.Գերչիկովա, Ի.Ն. Կառավարչական որոշումների կայացման և իրականացման գործընթացը / I.N. Գերչիկովա // Կառավարում Ռուսաստանում և արտասահմանում, 2013 թ. No 12. - 130 p.

.Գոնչարով, V. I. Կառավարում. ուսուցողական/ V. I. Goncharov. - Մինսկ: Ժամանակակից դպրոց, 2010. - 255 p.

.Դրոբիշև, Ա.Վ. Որոշումների կայացման մեթոդներ. Դելֆի և ELECTRA մեթոդներ. - «Որոշումների աջակցման համակարգեր» դասընթացի լաբորատոր աշխատանքի ուղեցույցներ. - MGIEM. Կոմպ.՝ I.E.Safonova,., K.Yu.Mishin, S.V.Tsyganov: M., MGIEM, 2008. - 26 p.

.Էվլանով, Ա.Գ. Որոշումների կայացման տեսություն և պրակտիկա. - Մ.: Տնտեսագիտություն, 2010. - 212 էջ.

.Կորոտկով, E. M. Կառավարում: Դասագիրք բակալավրիատի համար / E. M. Korotkov. Մոսկվա: Յուրաիտ, 2012.- 85 էջ.

.Կրիվկոն, Օ.Բ. Ինֆորմացիոն տեխնոլոգիա. Մոսկվա: SOMINTEK. 2011. - 179 էջ.

.Lafta, J. K. Կազմակերպության կառավարման արդյունավետություն. - Մ.: Ռուսական բիզնես գրականություն, 2009. - 320 էջ.

.Lafta, J. K. Կազմակերպության կառավարման արդյունավետություն. - Մ.: Ռուսական բիզնես գրականություն, 2011. - 320 էջ.

.Մակարով, Ս.Ֆ. Մենեջեր աշխատավայրում. - M.: FINPRESS, 2009. - 155 p.

.Meskon, M. Կառավարման հիմունքներ. Դասագիրք / M. Meskon, M. Albert, F. Hedouri; Մ., 2012. - 387 էջ.

.Պանկրուխինա, A.P. Վերահսկողության տեսություն. դասագիրք / [Յու. Պ. Ալեքսեև և այլք]; գլխավոր խմբագրությամբ՝ A. L. Gaponenko, A. P. Pankrukhina: - Մոսկվա: ՌԱԳՍ-ի հրատարակչություն, 2010.- 213 էջ.

.Պիրոժկով, Վ.Ա. «Կազմակերպության գործունեության կառավարում» որոշումների աջակցման համակարգի ձևով կառավարման գործընթացային մոտեցման իրականացման մասին [Տեքստ] / Վ.Ա. Պիրոժկով // Տամբովի համալսարանի տեղեկագիր. Սեր.՝ Հումանիտար գիտություններ. - 2008. - Համար. 11. - 489 էջ.

.Պոլուշկին, Օ.Ա. Ռազմավարական կառավարում: դասախոսության նշումներ. - M.: EKSMO, 2007. - 138 p.

տարածաշրջանային իշխանությունները // Բարեփոխումներ Ռուսաստանում և խնդիրներ

.Ռոմաշչենկոն, Վ.Ն. Որոշումների կայացում. իրավիճակներ և խորհուրդներ: - Կիև, 2012. - 154 էջ.

16.Ռումյանցևա Զ.Պ. Կազմակերպության կառավարում. Դասագիրք. - M.: INFRA-M, 2005. - 432 p.

.Saraev, A. D., Shcherbina O. A. Համակարգի վերլուծություն և ժամանակակից տեղեկատվական տեխնոլոգիաներ // Ղրիմի գիտությունների ակադեմիայի նյութեր. - Simferopol: SONAT, 2009. - 136 p.

.Սաֆոնովա, Ի.Է. Որոշումների կայացման մեթոդներ. Դելֆի մեթոդի ձևափոխում և հիերարխիաների վերլուծության մեթոդ: - «Որոշումների աջակցման համակարգեր» դասընթացի լաբորատոր աշխատանքի ուղեցույցներ. - MGIEM. Համ.:. 18. I. E. Safonova, A. V. Drobyshev, K. Yu. Mishin, S. V. Tsyganov: M., MGIEM, 2007. - 20 p.

.Սաֆոնովա, Ի.Է. Որոշումների կայացման մեթոդներ. Նվազագույն հեռավորության մեթոդ և մեթոդներ MaxiMin և MaxiMax: - «Որոշումների աջակցման համակարգեր» դասընթացի լաբորատոր աշխատանքի ուղեցույցներ. - MGIEM. Համ.:, 18. Ի.Է.Սաֆոնովա Ա.Վ.Դրոբիշև, Կ.Յու.Միշին, Ս.Վ.Ցիգանով: Մ., 2007. - 19 էջ.

.Տերելյանսկի, Պ.Վ. Որոշումների աջակցման համակարգեր: Դիզայնի փորձ՝ մենագրություն / Պ.Վ. Տերելյանսկի; VolgGTU - Վոլգոգրադ, 2009. -127 էջ.

.Չեռնյախովսկայա Լ.Ռ. Գիտելիքի ճարտարագիտության վրա հիմնված ռազմավարական ձեռնարկությունների կառավարման որոշումների աջակցություն / L. R. Chernyakhovskaya et al. Ufa: Բելառուսի Հանրապետության Գիտությունների ակադեմիա, Գիլեմ, 2010 թ. - 128 p.