Tipuri de spr. Conceptul general al sistemelor de sprijin pentru decizii (DSS).

Scopul scrierii acestui articol a fost să scurtă recenzie principiile construirii sistemelor inteligente de suport pentru decizii ( IDSS), rolul învățării automate, teoria jocurilor, modelarea clasică și exemplele de utilizare a acestora în DSS. Scopul articolului nu este de a foraj adânc în teoria grea a automatelor, a mașinilor de auto-învățare, precum și a instrumentelor BI.

Introducere

Există mai multe definiții IDSS, care, în general, gravitează în jurul aceleiași funcționalități. V vedere generala, IDSS este un astfel de sistem care îi ajută pe factorii de decizie (Decision Makers) în luarea acestor decizii, folosind instrumente de data mining, modelare și vizualizare, are o (G)UI prietenoasă, stabilă în calitate, interactivă și flexibilă în setări.

De ce avem nevoie de DSS:

1. Dificultate în luarea deciziilor
2. Necesitatea unei evaluări precise a diferitelor alternative
3. Nevoia de funcționalitate predictivă
4. Necesitatea unei intrări cu mai multe fire (pentru a lua o decizie, aveți nevoie de concluzii bazate pe date, opiniile experților, limitări cunoscute etc.)

Primul DSS (la vremea aceea încă fără I) a apărut din TPS (Transaction Processing Systems), la mijlocul anilor 60 - începutul anilor 70. Atunci aceste sisteme nu aveau nicio interactivitate, reprezentând, de fapt, suplimente peste RDBMS, cu unele (deloc grozave) funcționalități simulare numerica. Unul dintre primele sisteme poate fi numit DYNAMO, dezvoltat în profunzimile MIT și reprezentând un sistem de simulare a oricăror procese bazate pe tranzacții istorice. După intrarea pe piață a mainframe-urilor IBM 360, au început să apară sisteme comerciale condiționate, care au fost folosite în industria de apărare, servicii speciale și institute de cercetare.

De la începutul anilor 1980, putem vorbi deja despre formație subclasele DSS precum MIS (Management Information System), EIS (Executive Information System), GDSS (Group Decision Support Systems), ODSS (Organization Decision Support Systems), etc. De fapt, aceste sisteme erau cadre capabile să lucreze cu date la diferite niveluri ierarhice (de la individ la corporate), iar în interior s-a putut introduce orice fel de logică. Un exemplu este GADS (Gate Assignment Display System) dezvoltat de Texas Instruments pentru United Airlines, care a sprijinit luarea deciziilor în cadrul Operațiunilor pe teren - atribuirea porților, determinarea timpului optim de parcare etc.

La sfarsitul anilor 80 existau PSSPR(Avansat - Avansat), care a permis analiza „ce ar fi dacă” și a folosit instrumente de modelare mai avansate.

In cele din urma, de la mijlocul anilor 90 a început să apară şi IDSS, care s-au bazat pe instrumentele de statistică și învățare automată, teoria jocurilor și alte modelări complexe.

Diversitatea DSS

În prezent, există mai multe moduri clasificare DSS, vom descrie 3 populare:

După domeniul de aplicare

• Afaceri și management (prețuri, forță de muncă, produse, strategie etc.)
• Inginerie (design de produs, control de calitate...)
• Finanțe (împrumuturi și împrumuturi)
• Medicina (medicamente, tratamente, diagnostice)
• Mediu inconjurator

După raportul de date/model(metoda Stephen Alter)

• FDS (File Drawer Systems - sisteme pentru asigurarea accesului la datele necesare)
• DAS (Sisteme de analiză a datelor - sisteme pentru manipularea rapidă a datelor)
• AIS (Sisteme Informaționale de Analiză - sisteme de acces la date în funcție de tipul de soluție solicitată)
• AFM(e) (Modele (sisteme) contabile și financiare - sisteme pentru calcularea consecințelor financiare)
• RM(s) (Modele de reprezentare (sisteme) - sisteme de simulare, AnyLogic ca exemplu)
• OM(s) (Modele de optimizare (sisteme) - sisteme care rezolvă probleme de optimizare)
• SM(s) (Modele de sugestie (sisteme) - sisteme de inferență bazate pe reguli)

După tipul de instrument utilizat

• Model Driven - bazat pe modele clasice (modele liniare, modele de gestionare a stocurilor, de transport, financiare etc.)
• Bazat pe date - bazat pe date istorice
• Communication Driven - sisteme bazate pe luarea deciziilor în grup de către experți (sisteme pentru facilitarea schimbului de opinii și calcularea valorilor medii ale experților)
• Document Driven - în esență o stocare de documente indexată (adesea multidimensională).
• Cunoaștere condusă - brusc, bazată pe cunoștințe. Ce înseamnă atât cunoștințele expertului, cât și derivate din mașină

Vreau o carte de reclamații! DSS normal

În ciuda unei astfel de varietăți de opțiuni de clasificare, cerințele și atributele DSS se potrivesc bine în 4 segmente:

1. Calitate
2. Organizare
3. Restricții
4. Model

În diagrama de mai jos, vom arăta exact în ce cerințe și în ce segmente se încadrează:

Separat, remarcăm atribute atât de importante precum scalabilitatea (în abordarea agilă actuală, nu te poți descurca fără ea), capacitatea de a procesa date proaste, uzabilitate și interfață ușor de utilizat și resurse nesolicitante.

Arhitectura și proiectarea IDSS

Există mai multe abordări ale modului de a reprezenta arhitectural un DSS. Poate că cea mai bună descriere a diferenței de abordări este „cine este interesat de ce”. În ciuda varietății de abordări, se încearcă crearea unui fel de arhitectură unificată, cel puțin la nivel superior.

Într-adevăr, DSS poate fi împărțit în 4 straturi mari:

1. Interfață
2. Modelare
3. extragerea datelor
4. colectare de date

Și în aceste straturi poți înghesui orice fel de unelte.

În diagrama de mai jos vă prezint viziunea mea asupra arhitecturii, cu o descriere a funcționalității și exemple de instrumente:

Arhitectura este mai mult sau mai puțin clară, să trecem la proiectarea și construcția efectivă a DSS.

În principiu, nu există știință rachetă aici. La construirea unui IDSS, trebuie urmați următorii pași:

1. Analiza domeniului (de fapt, unde vom folosi IDSS-ul nostru)
2. Colectare de date
3. Analiza datelor
4. Alegerea modelelor
5. Analiza experta\interpretarea modelelor
6. Implementarea modelelor
7. Evaluarea IDSS
8. Implementarea IDSS
9. Colectarea feedback-ului ( în orice stadiu, de fapt)

Pe diagramă arată așa:

Există două moduri de a evalua IDSS. În primul rând, prin matricea de atribute, care este prezentată mai sus. În al doilea rând, conform listei de verificare a criteriilor, care poate fi orice și depinde de sarcina ta specifică. Ca exemplu de astfel de listă de verificare, aș da următoarele:

Subliniez că acest lucru este doar IMHO și puteți face o listă de verificare convenabilă pentru dvs.

Unde este învățarea automată și teoria jocurilor?

Da, aproape peste tot! Cel puțin în stratul de modelare.

Pe de o parte, există domenii clasice, să le numim „grele”, cum ar fi managementul lanțului de aprovizionare, producția, stocurile și așa mai departe. În domeniile grele, algoritmii noștri preferați pot aduce informații suplimentare modelelor clasice consacrate. Exemplu: analiza predictivă pentru defecțiunile echipamentelor (învățare automată) va funcționa excelent cu un fel de analiză FMEA (clasică).

Pe de altă parte, în domeniile „ușoare”, cum ar fi analiza clienților, predicția ratei, rambursările împrumuturilor, algoritmii de învățare automată vor fi în prim plan. Iar în punctaj, de exemplu, puteți combina clasicele cu NLP atunci când decideți dacă să acordați un împrumut pe baza unui pachet de documente (doar același DSS bazat pe documente).

Algoritmi clasici de învățare automată

Să presupunem că avem o sarcină: un manager de vânzări pentru produse din oțel trebuie să înțeleagă în etapa de primire a unei cereri de la un client ce calitate produse terminate va merge la depozit și va aplica unele acțiuni de control dacă calitatea este mai mică decât cea cerută.

Să o facem foarte simplu:

Pasul 0. Determinați variabila țintă (bine, de exemplu, conținutul de oxid de titan din produsul finit)
Pasul 1. Decideți asupra datelor (încărcare din SAP, Access și în general de oriunde putem ajunge)
Pasul 2. Colectarea funcțiilor\generarea altora noi
Pasul 3. Desenați procesul fluxului de date și lansați-l în producție
Pasul 4. Selectați și antrenați modelul, rulați-l pe server
Pasul 5. Definiți importanțele caracteristicilor
Pasul 6. Decideți cu privire la introducerea de date noi. Lăsați managerul nostru să le introducă, de exemplu, manual.
Pasul 7. Scriem o interfață web simplă pe genunchi, în care managerul introduce valorile caracteristicilor importante cu mânere, se rotește pe un server cu un model și calitatea prezisă a produsului este scuipată în aceeași interfață

Voila, IDSS la nivel de grădiniță este gata, îl poți folosi.

Algoritmi „simpli” similari sunt folosiți și de IBMîn Tivoli DSS, care vă permite să determinați starea supercalculatoarelor (Watson în primul rând): pe baza jurnalelor, sunt afișate informații despre performanța Watson, disponibilitatea resurselor, echilibrul cost vs profit, nevoile de întreținere etc.

Companie ABB oferă clienților săi DSS800 să analizeze funcționarea motoarelor electrice ale aceluiași ABB pe o linie de hârtie.

finlandeză Vaisala, un producător de senzori pentru Ministerul Finlandez al Transporturilor, folosește IDSS pentru a prezice când ar trebui aplicată dezghețarea pe drumuri pentru a evita accidentele.

Din nou finlandeză. Date preliminare oferă IDSS pentru HR, care ajută la luarea deciziilor privind adecvarea unui candidat pentru o poziție chiar și în etapa de selectare a unui CV.

La aeroportul din Dubai, un DSS operează în terminalul de marfă, ceea ce determină natura suspectă a mărfii. Sub capotă, algoritmi, bazați pe documentele de însoțire și pe datele introduse de vameși, evidențiază mărfurile suspecte: caracteristicile sunt țara de origine, informațiile de pe colet, informații specifice în câmpurile de declarație etc.

Mii dintre ei!

Rețele neuronale convenționale

Pe lângă ML simplu, Deep Learning se potrivește perfect în DSS.

Câteva exemple pot fi găsite în complexul militar-industrial, de exemplu, în TACDSS (Tactical Air Combat Decision Support System) american. Acolo, neuronii și algoritmii evolutivi se rotesc în interior care ajută la determinarea prietenului sau a dușmanului, la evaluarea probabilității de a lovi o salvă la un moment dat și alte sarcini.

Într-o lume puțin mai reală, luați în considerare acest exemplu: în segmentul B2B, trebuie să determinați dacă să acordați un împrumut unei organizații pe baza unui pachet de documente. În B2C operatorul te chinuiește cu întrebări la telefon, pune valorile caracteristicilor din sistemul său și anunță decizia algoritmului, în B2B este ceva mai complicat.

IDSS poate fi construit acolo după cum urmează: un potențial împrumutat aduce la birou un pachet de documente convenit în prealabil (bine, sau trimite scanări prin e-mail, cu semnături și sigilii, după cum era de așteptat), documentele sunt introduse în OCR, apoi transferate la Algoritmul NLP, care împarte cuvintele în caracteristici și le transmite către NN. Clientul este rugat să bea cafea (în cel mai bun caz), sau acolo a fost întocmit cardul acolo și să meargă să vină după prânz, timp în care totul va fi calculat și va fi afișat un zâmbet verde sau roșu pe ecranul operatorului. fată. Ei bine, sau galben, dacă pare ok, dar zeul informației are nevoie de mai multe informații.

Algoritmi similari sunt utilizați și în Ministerul Afacerilor Externe: un formular de cerere de viză + alte certificate sunt analizate direct la ambasadă/consulat, după care pe ecran este afișat unul din 3 emoticoane pentru angajat: verde (eliberarea vizei), galben (au întrebări), roșu (solicitant în lista de oprire). Dacă ați primit vreodată viză în SUA, atunci decizia pe care ți-o dă ofițerul consular este tocmai rezultatul algoritmului în legătură cu regulile, și nu opinia sa subiectivă personală despre tine :)

În domeniile grele sunt cunoscute și DSS-urile bazate pe neuroni, care determină locurile de acumulare a tamponului pe liniile de producție (vezi, de exemplu, Tsadiras AK, Papadopoulos CT, O'Kelly MEJ (2013) Un sistem de sprijin decizional bazat pe rețele neuronale artificiale pentru rezolvarea problemei de alocare a tamponului în linii de producție fiabile. Comput Ind Eng 66(4):1150–1162), Min-Max General Fuzzy Neural Networks (GFMMNN) pentru gruparea consumatorilor de apă ( Arsene CTC, Gabrys B, Al-Dabass D (2012) Sistem de sprijin pentru decizii pentru sistemele de distribuție a apei bazat pe rețele neuronale și teoria graficelor pentru detectarea scurgerilor. Expert Syst Appl 39(18):13214–13224) alte.

În general, este de remarcat faptul că NN-urile sunt cele mai potrivite pentru a lua decizii în condiții de incertitudine, de exemplu. condiţiile în care trăieşte adevărata afacere. Algoritmii de grupare se potrivesc bine.

Rețele bayesiene

Se întâmplă uneori ca datele noastre să fie eterogene în ceea ce privește tipurile de apariție. Să luăm un exemplu din medicină. Un pacient a venit la noi. Despre el știm câte ceva din chestionar (sex, vârstă, greutate, înălțime etc.) și anamneză (infarcte din trecut, de exemplu). Să numim aceste date statice. Și aflăm ceva despre el în procesul de examinare și tratament periodic (de câteva ori pe zi măsurăm temperatura, compoziția sângelui etc.). Numim această dinamică a datelor. Este clar că un DSS bun ar trebui să fie capabil să ia în considerare toate aceste date și să emită recomandări bazate pe caracterul complet al informațiilor.

Datele dinamice sunt actualizate în timp, respectiv, modelul modelului va fi după cum urmează: învăţare-soluţie-învăţare, care, în general, este similară cu munca unui medic: determinați aproximativ diagnosticul, picurați medicamentul, căutați reacția. Astfel, suntem în permanență într-o stare de incertitudine dacă tratamentul va funcționa sau nu. Și starea pacientului se schimbă dinamic. Acestea. trebuie să construim un DSS dinamic și, de asemenea, bazat pe cunoștințe.

În astfel de cazuri, Dynamic Bayesian Networks (DBN) - o generalizare a modelelor bazată pe filtre Kalman și Hidden Markov Models - ne va ajuta foarte mult.

Să împărțim datele despre pacient în statice și dinamice.

Dacă am construi o grilă bayesiană statică, atunci sarcina noastră ar fi să calculăm următoarea probabilitate:

,

Unde este nodul grilei noastre (partea de sus a graficului, de fapt), adică valoarea fiecărei variabile (sex, vârstă....), iar C este clasa prezisă (boală).

Grila statică arată astfel:

Dar nu este gheață. Starea pacientului se schimbă, timpul se scurge, este necesar să se decidă cum să-l trateze.

Pentru asta este DBS.

Mai întâi, în ziua internării pacientului, construim o grilă statică (ca în poza de mai sus). Apoi, în fiecare zi i construim o grilă bazată pe date care se schimbă dinamic:

În consecință, modelul agregat va lua următoarea formă:

Astfel, calculăm rezultatul după următoarea formulă:

Unde T- timpul cumulat de spitalizare, N- numărul de variabile la fiecare dintre pașii DBS.

Este necesar să introduceți acest model în DSS într-un mod ușor diferit - mai degrabă, aici este necesar să mergeți de la opus, mai întâi remediați acest model și apoi construi o interfață în jur. Adică, de fapt, am realizat un model dur, în interiorul căruia sunt elemente dinamice.

Teoria jocului

Teoria jocurilor, la rândul său, este mult mai potrivită pentru IDSS, creat pentru luarea deciziilor strategice. Să luăm un exemplu.

Să presupunem că există un oligopol pe piață (un număr mic de rivali), există un anumit lider, iar acesta (din păcate) nu este compania noastră. Trebuie să ajutăm conducerea să ia o decizie cu privire la volumele produselor noastre: dacă producem produse în volum, iar rivalul nostru -, vom intra în roșu sau nu? Pentru a simplifica, să luăm un caz special de oligopol - un duopol (2 jucători). În timp ce vă gândiți, RandomForest este aici sau CatBoost, vă voi sugera să utilizați echilibrul clasic - Stackelberg. În acest model, comportamentul firmelor este descris printr-un joc dinamic cu informații complete perfecte, în timp ce caracteristica jocului este prezența unei firme lider, care stabilește mai întâi volumul producției de bunuri, iar restul firmelor sunt ghidat în calculele lor de ea.
Pentru a ne rezolva problema, trebuie doar să calculăm astfel de , care va rezolva problema de optimizare de următoarea formă:

Pentru a o rezolva (surpriză-surpriză!) trebuie doar să echivalezi prima derivată cu zero.

În același timp, pentru un astfel de model, trebuie doar să cunoaștem oferta de pe piață și costul mărfurilor de la concurența noastră, după care construim un model și comparăm rezultatul. q cu cea pe care conducerea noastră vrea să o arunce pe piață. De acord, este oarecum mai ușor și mai rapid decât tăierea NN.

Pentru astfel de modele și DSS bazate pe acestea, Excel este de asemenea potrivit. Desigur, dacă datele de intrare trebuie calculate, atunci este nevoie de ceva mai complicat, dar nu mult. Același Power BI se poate descurca.

Căutarea unui câștigător în bătălia ML vs ToG este inutilă. Abordări prea diferite pentru rezolvarea problemei, cu plusurile și minusurile lor.

Ce urmeaza?

CU de ultimă oră IDSS pare să fi dat seama unde să meargă mai departe?

Într-un interviu recent, Judah Pearl, creatorul acelorași rețele bayesiene, a făcut un punct interesant. Pentru a reformula ușor,

„Toți experții în învățarea automată pe care le fac acum este să adapteze o curbă datelor. Potrivirea nu este banală, complicată și tristă, dar totuși potrivită. ”

(citit)

Cel mai probabil, wangyu, în 10 ani vom opri modelele de hard-coding și, în schimb, vom începe să antrenăm computere peste tot în mediile simulate create. Probabil, implementarea IDSS va merge pe această cale - pe calea AI și a altor skynet-uri și WAPR.

Dacă privim o perspectivă mai atentă, atunci viitorul IDSS constă în flexibilitatea deciziilor. Niciuna dintre metodele propuse (modele clasice, machine learning, DL, teoria jocurilor) nu este universală în ceea ce privește eficiența pentru toate sarcinile. Un DSS bun ar trebui să combine toate aceste instrumente + RPA, în timp ce diferite module ar trebui să fie utilizate sub sarcini diferiteși au interfețe de ieșire diferite pentru utilizatori diferiți. Un fel de cocktail, amestecat, dar deloc agitat.

Literatură

1. Merkert, Mueller, Hubl, Un studiu privind aplicarea învățării automate în sistemele de sprijinire a deciziilor, Universitatea din Hoffenheim 2015
2. Tariq, Rafi,Intelligent Decision Support Systems - A Framework, India, 2011
3. Sanzhez i Marre, Gibert, Evolution of Decision Support Systems, Universitatea din Catalunya, 2012
4. Ltifi, Trabelsi, Ayed, Alimi, Dynamic Decision Support System Based on Bayesian Networks, Universitatea din Sfax, Școala Națională de Ingineri (ENIS), 2012

Sisteme de sprijin pentru decizii(DSS) sunt sisteme informatice, aproape întotdeauna interactive, concepute pentru a ajuta un manager (sau supervizor) în luarea deciziilor. DSS-urile includ atât date, cât și modele pentru a ajuta decidentul să rezolve probleme, în special pe cele care sunt slab formalizate. Datele sunt adesea preluate dintr-un sistem de procesare a interogărilor online sau dintr-o bază de date. Modelul poate fi un tip simplu „profit și pierderi” pentru a calcula profitul în baza unor ipoteze, sau un tip complex de model de optimizare pentru a calcula sarcina pentru fiecare mașină din magazin. DSS și multe dintre sistemele discutate în secțiunile următoare nu sunt întotdeauna justificate de abordarea tradițională cost-beneficiu; pentru aceste sisteme, multe dintre beneficii sunt intangibile, cum ar fi luarea mai profundă a deciziilor și o mai bună înțelegere a datelor.

Orez. Figura 1.4 arată că un sistem de sprijinire a deciziilor necesită trei componente principale: un model de management, managementul datelor pentru colectarea și procesarea manuală a datelor și managementul dialogului pentru a facilita accesul utilizatorilor la DSS. Utilizatorul interacționează cu DSS prin interfața cu utilizatorul, selectând modelul și setul de date particular de utilizat, iar apoi DSS prezintă rezultatele utilizatorului prin aceeași interfață cu utilizatorul. Modelul de management și managementul datelor funcționează în mare măsură în spatele scenei și variază de la un model generic relativ simplu într-o foaie de calcul la un model de planificare complex, complex, bazat pe programare matematică.

Orez. 1.4. Componentele sistemului de sprijin pentru decizii

Un tip extrem de popular de DSS este sub forma unui generator de situații financiare. Folosind o foaie de calcul precum Lotus 1-2-3 sau Microsoft Excel, modelele sunt create pentru a prezice diferite elemente ale unei organizații sau starea financiara. Ca date sunt utilizate situațiile financiare anterioare ale organizației. Modelul inițial include diverse ipoteze despre tendințele viitoare în categoriile de cheltuieli și venituri. După ce a luat în considerare rezultatele modelului de bază, managerul realizează o serie de studii „ce ar fi dacă”, schimbând una sau mai multe ipoteze pentru a determina impactul acestora asupra stării inițiale. De exemplu, un manager ar putea analiza impactul asupra profitabilității dacă vânzările de produse noi au crescut cu 10% anual. Sau un manager ar putea investiga impactul unei creșteri mai mari decât se aștepta a prețului materiilor prime, cum ar fi 7% în loc de 4% anual. Acest tip de generator de situații financiare este un DSS simplu, dar puternic, pentru a ghida luarea deciziilor financiare.

Un exemplu de DSS pentru a pune în aplicare tranzacțiile de date este sistemul de bugetare a poliției, utilizat de orașele din California. Acest sistem permite ofițerului de poliție să vadă harta și să afișeze datele zonei geografice, afișează tonurile de apel ale poliției, tipurile de apeluri și orele de apel. Capacitatea grafică interactivă a sistemului permite ofițerului să manipuleze harta, zona și datele pentru a sugera rapid și ușor variante ale alternativelor de ieșire ale poliției.

Un alt exemplu de DSS este un sistem interactiv pentru planificarea volumului și producția într-o mare companie de hârtie. Acest sistem folosește date anterioare detaliate, modele predictive și de planificare pentru a juca pe computer indicatori generali companii sub diferite ipoteze de planificare. Majoritatea companiilor petroliere dezvoltă DSS pentru a sprijini luarea deciziilor privind investițiile de capital. Acest sistem include diverse condiții financiare și modele pentru crearea planurilor de viitor, care pot fi prezentate sub formă tabelară sau grafică.

Toate exemplele de DSS date sunt denumite DSS-uri specifice. Sunt aplicațiile reale care ajută în procesul de luare a deciziilor. În schimb, un generator de sistem de sprijin pentru decizii este un sistem care oferă un set de capabilități pentru a construi rapid și ușor anumite DSS. Generatorul DSS este un pachet software conceput să ruleze parțial pe computer. În exemplul nostru de situații financiare, Microsoft Excel sau Lotus 1-2-3 pot fi considerate generatoare de DSS, în timp ce modelele bazate pe Excel sau Lotus 1-2-3 pentru proiectarea situațiilor financiare pentru o sucursală privată a unei companii sunt DSS-uri specifice.

DSS este discutat mai detaliat în Sect. 2.2.

DSS a apărut în principal datorită eforturilor oamenilor de știință americani la sfârșitul anilor 1970 și începutul anilor 1980, care a fost în mare măsură facilitată de utilizarea pe scară largă a computerelor personale, a pachetelor standard de aplicații software, precum și a progreselor semnificative în crearea sistemelor de inteligență artificială (AI). .

Caracteristici distinctive ale SPPR.

DSS se caracterizează prin următoarele caracteristici distinctive.

Orientare către rezolvarea sarcinilor slab structurate (formalizate), tipice în special pentru niveluri înalte de management;

Posibilitate de combinare metode tradiționale accesul și prelucrarea datelor informatice cu capabilitățile modelelor matematice și metodelor de rezolvare a problemelor pe baza acestora;

Orientare către utilizatorul final neprofesionist al computerului prin utilizarea unui mod de operare interactiv;

Adaptabilitate ridicată, oferind capacitatea de adaptare la caracteristicile hardware-ului și software-ului disponibil, precum și la cerințele utilizatorului.

Locul DSS între sistemele informaționale. Modelul informațional al unei organizații poate fi gândit ca următorul model ierarhic, care include următoarele trei niveluri (vezi Figura 4.3):

Procesarea datelor,

Procesarea datelor,

A lua decizii.

Orez. 4.3. Ierarhizarea sistemelor informatice din companie

La primul nivel inferior se află SEOD. În ierarhia deciziilor de management, acest nivel corespunde nivelului de control al managementului care automatizează fluxul de lucru în organizație. Principalele caracteristici ale SOED sunt:

Prelucrarea datelor la nivel de control operațional,

Procesarea eficientă a tranzacțiilor comerciale efectuate de organizație,

Programarea și optimizarea performanței computerului,

Integrarea fișierelor care descriu sarcinile conexe,

Intocmirea de rapoarte pentru management.

La al doilea nivel mediu, corespunzător nivelului de control managerial, accentul este mutat pe procedurile de prelucrare a informaţiei efectuate de MIS. Această prelucrare se referă de obicei la planificarea activităților în domenii funcționale ale organizației precum marketing, producție, finanțe, contabilitate, personal. Principalele caracteristici ale IMS ar trebui luate în considerare:

Pregatirea informatiilor utile la nivelul managementului mediu,

Structurarea (ordonarea) fluxurilor de informații,

Integrarea (combinarea) datelor primite de la SEOD în domeniile funcționale ale afacerii (marketing IMS, producție MIS etc.),

Crearea unui sistem de interogare-răspuns și raportarea către conducere (de obicei folosind baze de date).

La al treilea cel mai înalt nivel de management, corespunzător planificării strategice, se formează cele mai importante decizii ale organizației. DSS utilizat la acest nivel (după cum va fi clar din cele ce urmează, DSS poate fi utilizat la orice nivel de management) au următoarele caracteristici:

Pregatirea de solutii pentru managementul superior,

Asigurarea unei înalte adaptabilitati la schimbări și viteza mare răspunsuri la solicitările utilizatorilor,

Oferirea de asistență în luarea deciziilor oricărui manager individual.

Managementul datelor în mediul SEDI se realizează în principal pentru a procesa operațiunile curente de afaceri desfășurate de firmă. Crearea IMS a fost asociată cu apariția SGBD, care a făcut posibilă organizarea modurilor de interogare, prelucrare a datelor și crearea diferitelor rapoarte de management. Cu toate acestea, principalul avantaj al creării unui SGBD a fost reducerea costurilor programării continue asociate cu funcționarea bazelor de date. Trebuie subliniat că cerințele impuse de utilizator asupra unor astfel de sisteme sunt relativ scăzute. Cerințele pentru DSS sunt mult mai serioase. Aceasta se referă la nevoia din ce în ce mai mare de date fiabile, inclusiv cele de natură probabilistică, precum și înăsprirea restricțiilor de timp asupra modului de interogare și utilizarea datelor care provin din surse necomputerizate. Respectarea unor astfel de cerințe asigură un schimb rapid de date între bazele de date incluse în DSS și o bază de date mare care stochează informații despre operațiunile firmei.

Așadar, SEOD și MIS fac posibilă satisfacerea nevoilor de informare ale utilizatorului prin accesul rapid la datele necesare și obținerea de rapoarte (construite cu diferite grade de prelucrare a datelor) care facilitează luarea deciziilor. În cazul DSS, este mai corect să vorbim despre capacitatea sistemului, împreună cu utilizatorul, de a crea informație nouă(adesea sub formă de alternative gata făcute) pentru luarea deciziilor.

Trebuie remarcat faptul că abordarea luată în considerare pentru stabilirea locului DSS în rândul IS poate fi oarecum înșelătoare pentru cititor. Astfel, poate părea că DSS poate fi utilizat doar la cele mai înalte niveluri de guvernare. De fapt, ele pot fi folosite pentru a ajuta la luarea deciziilor la orice nivel de management. În plus, deciziile luate la diferite niveluri de guvernare trebuie adesea coordonate. Prin urmare, o funcție importantă a DSS este coordonarea factorilor de decizie la diferite niveluri de guvernare, precum și în cadrul aceluiași nivel. Și, în sfârșit, cititorului i se poate părea că asistența în luarea deciziilor este singurul lucru de care managementul de nivel superior poate avea nevoie de la sistemele informaționale. Cu toate acestea, luarea deciziilor este doar una dintre funcțiile managerilor pentru care primesc asistență din partea sistemelor informaționale.

Rețineți, de asemenea, că termenul „sisteme informaționale de management” în sine este folosit în literatură într-un sens larg și restrâns. În sens larg, include orice tipuri de sisteme informatice considerate (SEOD, MIS, DSS etc.) utilizate în interesul managerilor. Într-un sens restrâns, acest termen înseamnă un tip de SI care produce rapoarte de management, i.e. ISU.

Structura DSS

Până acum, nu am atins structura DSS, considerând că este un fel de „cutie neagră”. Prima idee despre structura DSS poate fi trasă din luarea în considerare a Fig. 4.4.

Pe lângă utilizator, DSS include trei componente principale: un subsistem pentru procesarea și stocarea datelor, un subsistem pentru stocarea și utilizarea modelelor și un subsistem software. Acesta din urmă include un sistem de gestionare a bazelor de date (DBMS), un model de sistem de gestionare a bazelor de date (BMS) și un sistem de gestionare a dialogului utilizator-calculator (UDC).

subsistem de date. Subsistemul de prelucrare și stocare a datelor se caracterizează prin toate avantajele cunoscute ale construirii și utilizării bazelor de date. Cu toate acestea, utilizarea bazelor de date ca parte a DSS este caracterizată de anumite caracteristici (vezi Fig. 4.5). De exemplu,

Orez. 4.4. Structura DSS

Bazele de date DSS au un set mult mai mare de surse de date, inclusiv surse externe care sunt deosebit de importante pentru luarea deciziilor la niveluri înalte de management, precum și surse de date necomputerizate. O altă caracteristică este posibilitatea de „comprimare” preliminară a datelor care provin din surse multiple, prin procesarea lor comună preliminară prin procedee de agregare și filtrare.

Datele joacă un rol important în DSS. Ele pot fi utilizate direct de utilizator sau ca date inițiale pentru calcul folosind modele matematice.

Subsistemul de date DSS primește o parte din datele din sistemul pentru operațiunile de prelucrare efectuate de companie. Cu toate acestea, doar în cazuri rare, datele obținute la nivelul procesării tranzacțiilor comerciale sunt utile pentru DSS. Pentru a fi utilizabile, aceste date trebuie preprocesate. Există două posibilități pentru aceasta. Primul este de a utiliza SGBD-ul inclus în DSS pentru prelucrarea datelor privind operațiunile companiei. Al doilea este de a face procesare în afara DSS prin crearea unei baze de date speciale pentru aceasta. Este clar că a doua dintre aceste opțiuni este de preferat pentru firmele cu un număr mare de tranzacții comerciale.

CSI. 4.5. Structura subsistemului de date DSS

Datele prelucrate despre operațiunile companiei formează fișiere extractive, care sunt stocate în afara DSS pentru a îmbunătăți fiabilitatea și viteza de acces. Ideea creării unei baze de date speciale pentru procesarea tranzacțiilor companiei se bazează pe oportunitatea separării domeniului prelucrării automate a datelor electronice de domeniul unui utilizator final mai puțin calificat. În plus, utilizatorii finali ai DSS, care se așteaptă ca sistemul să răspundă rapid la solicitările lor, ar concura constant pentru timpul mașinii cu procesul de procesare a tranzacțiilor. Prin urmare, multe organizații care lucrează cu DSS utilizează un computer separat care operează în cadrul MIS central pentru a-și procesa tranzacțiile comerciale.

Pe lângă datele privind operațiunile firmei, sunt necesare și alte date interne pentru funcționarea DSS. Deci, de exemplu, sunt necesare estimări ale managerilor angajați în domeniile marketing, finanțe, producție, date despre mișcarea personalului, date de inginerie etc.. Aceste date trebuie colectate, introduse și menținute în timp util.

Importante, mai ales pentru suportul decizional la nivelurile superioare ale managementului, sunt datele din surse externe. Datele externe necesare ar trebui să includă date despre concurenți, economiile naționale și globale. Spre deosebire de datele interne, datele externe pot fi adesea achiziționate de la organizații specializate în colectarea datelor.

În prezent, se studiază pe larg problema includerii unei alte surse de date în DSS - documente care includ înregistrări, scrisori, contracte, comenzi etc. Dacă conținutul acestor documente este înregistrat în memorie (de exemplu, pe un disc video) și apoi procesat conform unor caracteristici cheie (furnizori, consumatori, date, tipuri de servicii etc.), DSS va primi o nouă sursă puternică de informație.

Subsistemul de date, care face parte din DSS, ar trebui să aibă următoarele capabilități:

Compilarea combinațiilor de date obținute din diverse surse prin utilizarea procedurilor de agregare și filtrare;

Adăugarea sau excluderea rapidă a uneia sau alteia surse de date;

Construirea unei structuri logice de date în ceea ce privește utilizatorul;

Utilizarea și manipularea datelor informale pentru a testa experimental alternativele de lucru ale utilizatorului;

Gestionarea datelor folosind o gamă largă de funcții de management oferite de SGBD;

Asigurarea independenței logice complete a bazei de date incluse în subsistemul de date DSS față de alte baze de date operaționale care operează în cadrul companiei.

Subsistem model. Pe lângă furnizarea de acces la date, DSS oferă acces utilizatorilor la modele de luare a deciziilor. Acest lucru se realizează prin introducerea modelelor adecvate în IS și utilizarea unei baze de date în acesta ca mecanism de integrare a modelelor și de comunicare între ele (vezi Fig. 4.6).

DSS rezultat va combina avantajele SEOD și MIS în ceea ce privește prelucrarea datelor și generarea de rapoarte de management cu avantajele cercetării operaționale și econometriei în ceea ce privește modelarea matematică a situațiilor și găsirea unei soluții.

Procesul de creare a modelelor ar trebui să fie flexibil. Ar trebui să includă un limbaj special de modelare, un set de blocuri software individuale și module care implementează componente individuale ale diferitelor modele, precum și un set de funcții de control.

Utilizarea modelelor asigură capacitatea DSS de a efectua analize. Modelele, folosind o interpretare matematică a problemei, cu ajutorul anumitor algoritmi, contribuie la găsirea de informații utile pentru luarea deciziilor corecte. De exemplu, modelul programare liniară face posibilă determinarea celor mai avantajoase program de producție producerea mai multor tipuri de produse sub anumite constrângeri asupra resurselor.

Utilizarea modelelor ca parte a sistemelor informaționale a început cu utilizarea metodelor și metodelor statistice analiză financiară, care au fost implementate prin comenzi ale limbajelor algoritmice convenționale. Ulterior, au fost create limbaje speciale care fac posibilă modelarea situațiilor precum „ce ar fi dacă?” sau „cum se face?” Astfel de limbaje, create special pentru construirea de modele, fac posibilă construirea unor modele de un anumit tip care oferi o soluție cu o modificare flexibilă a variabilelor.

În prezent, există multe tipuri de modele și modalități de clasificare a acestora, de exemplu, după scopul utilizării, domeniul de aplicare a posibilelor aplicații, modul în care sunt evaluate variabilele etc.

Scopul creării modelelor este fie optimizarea, fie descrierea unui obiect sau proces. Modelele de optimizare sunt asociate cu găsirea punctelor minime sau maxime ale unor indicatori. De exemplu, managerii doresc adesea să știe ce acțiunile lor conduc la maximizarea profitului (minimizarea costurilor). Modelele de optimizare oferă astfel de informații. Modelele descriptive descriu comportamentul unui sistem și nu sunt destinate în scopuri de management (optimizare).

Deși majoritatea sistemelor sunt de natură stocastică (adică starea lor nu poate fi prezisă cu o certitudine absolută), majoritatea modelelor matematice sunt construite ca deterministe. Modelele deterministe evaluează variabilele cu un singur număr (spre deosebire de modelele stocastice care evaluează variabilele cu parametri multipli). Modelele deterministe sunt mai populare decât modelele stocastice deoarece sunt mai puțin costisitoare și dificile și mai ușor de construit și utilizat. În plus, de multe ori cu ajutorul lor este posibil să se obțină suficiente informații pentru a-l ajuta pe decident.

Din punct de vedere al sferei de aplicații posibile, modelele sunt împărțite în modele specializate, destinate utilizării cu un singur sistem, și modele universale, destinate utilizării cu mai multe sisteme. Primele dintre acestea sunt mai scumpe, sunt de obicei folosite pentru a descrie sisteme unice și sunt mai precise decât a doua.

Baza modelului. Modelele din DSS formează o bază de model care include modele strategice, tactice și operaționale, precum și un set de blocuri model, module și proceduri utilizate ca elemente pentru construirea modelelor (vezi Fig. 4.6). Fiecare tip de model are propriile sale caracteristici unice.

Modelele strategice sunt utilizate la cele mai înalte niveluri de management pentru a stabili obiectivele organizației, cantitatea de resurse necesare atingerii acestora, precum și politica de achiziție și utilizare a acestor resurse. Ele pot fi utile și pentru alegerea opțiunilor pentru localizarea întreprinderilor, prezicerea politicilor concurenților și așa mai departe. Modelele strategice sunt caracterizate printr-o arie semnificativă de acoperire, multe variabile și prezentarea datelor într-o formă agregată comprimată. Adesea, aceste date se bazează pe surse externe și pot fi subiective. Orizontul de planificare în modelele strategice este de obicei măsurat în ani. Aceste modele sunt de obicei deterministe, descriptive, specializate pentru utilizare într-o anumită firmă.

Modelele tactice sunt folosite de managerii de nivel mediu pentru a aloca și controla utilizarea resurselor disponibile. Printre domeniile posibile de utilizare a acestora ar trebui să fie indicate: planificarea financiară, cerințele de planificare pentru angajați, planificarea creșterii vânzărilor, schemele de construcție pentru întreprinderi. Aceste modele sunt de obicei aplicabile numai părților individuale ale firmei (de exemplu, sistemului de producție și distribuție) și pot include, de asemenea, agregate. Orizontul de timp acoperit de modelele tactice se întinde între o lună și doi ani. Datele din surse externe pot fi, de asemenea, necesare aici, dar accentul principal în implementarea acestor modele ar trebui să fie acordat datelor interne ale firmei. De obicei, modelele tactice sunt implementate ca deterministe, de optimizare și universale.

Modelele operaționale sunt utilizate la niveluri inferioare de management pentru a sprijini luarea deciziilor operaționale cu un orizont măsurat în zile și săptămâni. Aplicațiile posibile ale acestor modele includ introducerea calculelor de creanțe și creditare, calendar planificarea productiei, managementul stocurilor etc. Modelele operaționale folosesc de obicei date intracompanie pentru calculele lor. Ele tind să fie deterministe, optimizatoare și generice (adică pot fi utilizate de diferite organizații).

Pe lângă modelele strategice, tactice și operaționale, baza modelelor DSS include un set de blocuri model, module și proceduri. Aceasta poate include proceduri de programare liniară, analiza statistică a seriilor de timp, analiza de regresie etc. - de la cele mai simple proceduri la pachete de aplicații complexe. Blocurile de modele, modulele și procedurile pot fi utilizate atât individual, independent pentru a ajuta utilizatorii DSS, cât și într-un mod complex, în combinație, pentru a construi și întreține modele.

Sistem de management al interfeței. Eficacitatea și flexibilitatea DSS în rezolvarea anumitor probleme depind în mare măsură de caracteristicile interfeței utilizate. Interfața include sistem software controlul dialogului (CUD), computerul și utilizatorul însuși.

Limbajul utilizatorului - acestea sunt acțiunile pe care utilizatorul le efectuează în raport cu sistemul folosind capacitățile tastaturii, creioane electronice de scriere pe ecran, joystick, mouse, comenzi vocale etc. Cea mai simplă formă a limbajului de acțiune este crearea de forme de documente de intrare și de ieșire. După ce a primit formularul de introducere (document), utilizatorul îl completează cu datele necesare și îl introduce în computer. DSS efectuează analiza necesară și emite rezultatele sub forma unui document de ieșire al formei stabilite.

A crescut semnificativ pentru În ultima vreme popularitatea interfeței vizuale dezvoltate de compania americană „Apple Mackintosh”, care se bazează pe utilizarea unui dispozitiv special „mouse”. Folosind acest dispozitiv, utilizatorul selectează obiectele și acțiunile care îi sunt prezentate pe ecran sub formă de imagini, realizând astfel limbajul acțiunilor.

Controlul unui computer cu vocea umană este cea mai simplă și, prin urmare, cea mai dorită formă de limbaj de acțiune. Nu a fost încă suficient de dezvoltat și, prin urmare, nu este foarte popular în DSS. Evoluțiile existente necesită restricții serioase din partea utilizatorului (un set limitat de cuvinte și expresii; un dispozitiv special care ține cont de caracteristicile vocii utilizatorului; controlul ar trebui să fie sub forma unor comenzi discrete și nu sub forma unei vorbiri fluide obișnuite ). Tehnologia acestei abordări este intens îmbunătățită și, în viitorul apropiat, ne putem aștepta la apariția unui nou DSS avansat folosind introducerea de informații prin vorbire.

Limba mesajelor este ceea ce vede utilizatorul pe ecran (caractere, grafică, culoare), datele primite pe imprimantă, ieșirea audio și așa mai departe. Multă vreme, singura implementare a unui limbaj de mesaj a fost un raport tipărit sau afișat (sau alt mesaj solicitat). Acum i s-a alăturat o nouă posibilitate de prezentare a datelor de ieșire - grafica computerizată. Face posibilă crearea de grafice color în trei dimensiuni pe ecran și hârtie. Utilizarea graficii pe computer, care crește semnificativ vizibilitatea și interpretabilitatea datelor de ieșire, devine din ce în ce mai populară în DSS.

În ultimii ani, a apărut o nouă direcție care dezvoltă grafica pe computer - animația. Animația este deosebit de eficientă pentru interpretarea rezultatelor DSS asociate modelării sisteme fizice si obiecte. Deci, de exemplu, un DSS conceput pentru a deservi clienții dintr-o bancă, folosind modele de desene animate, poate vizualiza efectiv diverse opțiuni de organizare a serviciului în funcție de fluxul de vizitatori, lungimea admisă a cozii, numărul de puncte de service etc.

În următorii ani, ar trebui să ne așteptăm la utilizarea vocii umane ca limbaj al mesajelor DSS. Ca exemplu posibil, se poate indica utilizarea acestui formular în activitatea DSS în domeniul finanțelor, unde, în procesul de generare a rapoartelor de urgență, motivele exclusivității unei anumite poziții sunt explicate prin voce.

Cunoștințele utilizatorului sunt ceea ce utilizatorul trebuie să știe atunci când lucrează cu sistemul. Aceasta include nu numai planul de acțiune care se află în capul utilizatorului, ci și manuale, instrucțiuni și date de referință emise de computer atunci când comanda este pentru ajutor. Instrucțiunile și datele de referință emise de sistem la cererea utilizatorului nu sunt de obicei standard, dar depind de locul în contextul soluționării problemei în care se află utilizatorul DSS. Cu alte cuvinte, ajutorul este specializat în ceea ce privește situația.

Așa-numitele fișiere batch care conțin instrucțiuni programate pentru ca sistemul să execute proceduri standard pot fi de mare ajutor utilizatorului DSS. Astfel de fișiere sunt activate prin apăsarea unei singure taste și nu necesită cunoașterea limbajului de comandă de la utilizator. Un exemplu sunt procedurile de comparare a stării planificate și reale a producției (valori în depozit, volume de producție, încasări de numerar etc.) care sunt efectuate în mod constant în cadrul locului de muncă automatizat.

În cazul unei lipse clare de cunoștințe a utilizatorului despre un anumit domeniu și DSS în sine, acesta din urmă poate fi utilizat ca simulatoare sub îndrumarea utilizatorilor cu experiență sau a experților în domeniul studiat.

Îmbunătățirea interfeței DSS este determinată de progresul în dezvoltarea fiecăreia dintre cele trei componente indicate.

O măsură importantă a eficacității interfeței utilizate este forma aleasă de dialog între utilizator și sistem. În prezent, cele mai comune forme de dialog sunt: ​​modul provocare-răspuns, modul comandă, modul meniu și modul blank-fill în expresiile furnizate de computer. Fiecare formular, în funcție de tipul sarcinii, de caracteristicile utilizatorului și de decizia care se ia, poate avea propriile avantaje și dezavantaje.

Interfața DSS ar trebui să aibă următoarele capacități:

Manipularea diverselor forme de dialog, modificându-le în procesul de decizie la alegerea utilizatorului;

Transferați date către sistem în diferite moduri;

Primește date de la diverse dispozitive ale sistemului în diverse formate;

Mențineți în mod flexibil (oferiți asistență la cerere, sugerați) cunoștințele utilizatorului.

Cerințe operaționale pentru DSS din punctul de vedere al utilizatorului.

Primele trei dintre următoarele cerințe sunt legate de tipul de problemă pe care o rezolvă decidentul. Restul sunt legate de tipul de asistență acordată acestuia.

1. DSS ar trebui să ofere asistență în luarea deciziilor și să fie deosebit de eficient în rezolvarea problemelor nestructurate și slab structurate. Aceasta se referă la sarcini în care utilizarea SEOD, MIS și a modelelor de cercetare operațională de obicei nu a dat rezultate.

2. DSS ar trebui să ofere asistență în luarea deciziilor de către manageri la toate nivelurile, precum și în coordonarea deciziilor care necesită participarea mai multor niveluri de conducere.

3. DSS ar trebui să ofere asistență în luarea deciziilor atât individuale, cât și colective. Aceasta se referă la decizii în care responsabilitatea este împărțită între mai mulți manageri sau în cadrul unui grup de angajați.

4. DSS ar trebui să ofere asistență în toate etapele procesului de luare a deciziilor. După cum se va arăta mai jos, dacă în etapele de studiu a problemei și de colectare a datelor, DSS oferă doar asistență suplimentară (contribuția principală este adusă de utilizarea MIS), atunci în toate etapele ulterioare (cu excepția etapei de luare a deciziilor). ), asistența oferită de DSS este predominantă.

5. DSS, asistând în luarea diferitelor decizii, nu poate depinde de niciuna dintre ele.

6. Utilizarea DSS ar trebui să fie ușoară. Acest lucru este asigurat de adaptabilitatea ridicată a sistemului în raport cu tipul de sarcini, caracteristicile mediului organizațional și utilizator, precum și o interfață prietenoasă.

Grup DSS

Tot ce s-a spus mai sus despre DSS a fost legat în primul rând de susținerea deciziilor individuale. Cu toate acestea, managerul rareori ia decizia singur. Consilii de administrație, consilii științifice și tehnice, echipe de designeri, comitete de probleme - aceasta nu este o listă completă de exemple de abordare colectivă a procesului decizional. Group DSS (GDSS) sunt sisteme informatice interactive concepute pentru a oferi sprijin grupurilor de lucrători în rezolvarea problemelor slab structurate.

Luarea deciziilor de grup este mai complexă decât luarea deciziilor individuale, deoarece implică nevoia de a reconcilia diferite puncte de vedere individuale. Prin urmare, sarcina principală a SSPPR este de a îmbunătăți comunicarea în echipa de lucru. Comunicarea îmbunătățită are ca rezultat economii de timp de muncă, care pot fi folosite pentru a aprofunda o anumită problemă și pentru a dezvolta mai multe alternative posibile pentru a o rezolva. Evaluarea mai multor alternative contribuie la alegerea unei decizii mai informate.

Importanța luării deciziilor de grup, pe de o parte, viciile cronice ale comunicării de grup (vezi capitolul 2) și capacitatea limitată de a le face, pe de altă parte, au condus la crearea unei tehnologii informaționale speciale care să susțină deciziile de grup.

O mare parte din această tehnologie este implementată prin sisteme de automatizare de birou (CAO)1, îmbunătățind comunicarea dintre angajați. SPSS poate fi specializat (adaptat pentru a rezolva un singur tip de problemă) sau universal (conceput pentru a rezolva o gamă largă de probleme). Multe SPSS conțin un mecanism software încorporat care împiedică dezvoltarea unor tendințe negative în comunicarea de grup (apariția unor situații de conflict, gândire de grup etc.).

Structura SPSS. SPSS include hardware și software, precum și proceduri și personal (vezi Fig. 4.7).

Orez. 4.7. Structura unui sistem de sprijin decizional de grup

Aceste componente oferă membrilor grupului comunicare și alt sprijin atunci când discută probleme. În timp ce lucrează cu sistemul, membrii echipei au acces constant la baza de date, baza de date de modele și diverse aplicații. Managerul grupului este responsabil pentru selectarea procedurilor necesare pentru funcționarea grupului. Managerul grupului și membrii acestuia au posibilitatea de a intra într-un dialog.

Suport tehnic. SPSS utilizează de obicei una dintre următoarele configurații hardware:

1. Singurul computer. În acest caz, toți participanții se adună în jurul unui singur computer și răspund pe rând la întrebările care apar pe ecranul monitorului până când se primește o soluție. Utilizarea acestei configurații este utilă doar în scopuri educaționale.

2. Rețea de calculatoare sau terminale. Fiecare participant se află la propriul computer sau terminal, având posibilitatea de a conduce un dialog cu procesorul central al sistemului.

3. Camera de decizie. În centrul acestei configurații GDSS se află aplicația CAO1 numită conferință pe computer și descrisă în secțiunea 4.4. Camera de decizie include o rețea locală de calculatoare cu un server care rulează managerul de sistem. De asemenea, este echipat cu un ecran comun care vă permite să afișați tuturor membrilor grupului informațiile necesare (individuale și agregate).

Software. Software-ul GSPPR include o bază de date, o bază de date de modele și programe pentru aplicații speciale. Oferă posibilitatea de lucru individual și de grup a utilizatorilor, precum și menținerea procedurilor de luare a deciziilor în grup. Deci, în ceea ce privește munca în grup, software-ul GSPPR permite

Efectuează însumarea numerică și grafică a propunerilor și a rezultatelor votării membrilor grupului;

Calculați ponderea alternativelor de decizie, faceți o înregistrare anonimă a propunerilor primite, alegeți un lider de grup, construiți proceduri pentru construirea consensului, preveniți dezvoltarea tendințelor negative în comunicarea de grup;

Transferați text și date numerice între membrii grupului, între membrii grupului și managerul grupului și, de asemenea, între membrii grupului și CPU GPSS.

Personal. Această componentă a GDSS include toți membrii grupului și un administrator care este prezent la fiecare întâlnire a grupului și este responsabil pentru hardware-ul sistemului și gestionarea modificării procedurilor de discuție.

Vă rog. Procedurile sunt o componentă necesară a GDSS, prin care se asigură scopul schimbului de opinii, obiectivitatea ajungerii la consens și utilizarea eficientă a software-ului și hardware-ului sistemului.

Suport oferit de SPSS. Pentru a analiza activitatea SDSS, vom evidenția trei niveluri de instrumente de suport oferite de aceste sisteme:

Nivelul 1. Suport de comunicare

Nivelul 2. Sprijin decizional

Nivelul 3. Suport pentru regulile jocului

Nivelul 1. Suport de comunicare. La acest nivel, SPSS, folosind capabilitățile CAO și programele speciale, poate oferi următoarele tipuri de suport:

Transfer de mesaje între membrii grupului prin e-mail;

Formarea unui ecran comun vizibil pentru toți membrii grupului și accesibil din fiecare loc de muncă;

Posibilitatea introducerii anonime de idei (sugestii) și evaluarea lor anonimă (clasament);

Emiterea pe un ecran comun (sau monitorul fiecărui loc de muncă) a tuturor informațiilor de ieșire care sunt rezultatul discuției (lista inițială și finală de propuneri, rezultatele votului etc.);

Formarea agendei de discuție.

Nivelul 2. Sprijin decizional. La acest nivel, SPSS, folosind instrumente software pentru modelare și analiza deciziei, poate oferi următoarele tipuri de suport:

Planificare și modelare financiară;

Utilizarea arborilor de decizie;

Utilizarea modelelor probabilistice;

Utilizarea modelelor de alocare a resurselor.

Nivelul 3. Suport pentru regulile jocului. La acest nivel, SPSS folosește un software special pentru a respecta regulile stabilite pentru desfășurarea procedurilor de grup (de exemplu, stabilirea ordinii discursurilor și a regulilor de vot, acceptarea întrebărilor în momentul de față etc.).

unu) . Înainte de întâlnire, liderul grupului se întâlnește cu facilitatorul grupului pentru a planifica munca grupului, a selecta software-ul și a stabili agenda.

2). Munca grupului începe cu faptul că liderul său oferă grupului o întrebare sau o problemă de rezolvat.

3). Apoi, participanții își introduc răspunsurile de la tastatură, care sunt puse la dispoziția tuturor. După ce participanții s-au familiarizat cu toate propunerile făcute, ei comentează asupra lor (pozitive sau negative).

4) . Facilitatorul, folosind programul de generalizare a propunerilor, caută în propunerile depuse termeni, subiecte și idei comune și creează mai multe propuneri generalizate din acestea cu comentarii care sunt comunicate tuturor participanților.

5) . Liderul inițiază o discuție pe propoziții generalizate (verbale sau electronice). În această etapă, cu ajutorul unor programe speciale, are loc ierarhizarea (prioritizarea) propunerilor în discuție.

6). Pentru primele cinci sau zece propuneri, începe o nouă discuție pentru a le rafina și a le evalua în continuare.

7). Procesul (elaborarea propunerilor, generalizarea și clasarea acestora) se repetă sau se încheie cu un vot final. Această etapă folosește un program special numit „comentar final”, care produce un comentariu asupra propozițiilor generalizate selectate.

CONSTRUCȚIA ȘI UTILIZAREA DSS PENTRU PLANIFICAREA FINANCIARĂ

Exemplul descris se bazează pe evenimente reale care au avut loc într-una dintre băncile vestice.

La sfârșitul următorului exercițiu financiar, banca, constatând o scădere semnificativă a profiturilor, s-a simțit în pericol. Analiza situației apărute a depășit sfera activității manageriale obișnuite.

Deși această bancă s-a numărat printre primele, una dintre primele care a introdus carduri de credit și un sistem de contabilitate computerizat, implementarea politicii de credit în ea a fost încă realizată manual.

S-a decis crearea unui nou sistem informatic planificare financiara, care efectuează analize și previziuni, precum și realizează rapoarte pe baza utilizării datelor din sistemul de prelucrare a operațiunilor contabile deja existente în bancă. Totodată, analiza a vizat acoperirea dinamicii modificărilor principalelor indicatori care evaluează raportul dintre activele proprii ale băncii și fondurile împrumutate. Prognoza trebuia efectuată pentru două orizonturi constante: 12 luni și 5 ani.

Sistemul de planificare financiară (FPS) a fost utilizat în următoarele trei domenii:

La începutul fiecărei luni a fost emis un raport privind activitatea băncii pe luna precedentă;

Pe parcursul fiecărei luni - să rezolve probleme curente speciale și să elaboreze planuri strategice;

La sfârșitul fiecărui an calendaristic - să elaboreze documentele bugetare anuale.

După cum este ușor de observat, spre deosebire de calculele contabile care existau deja în banca IS (care era un EDMS centralizat), SFS nou creat este un DSS care păstrează astfel de funcții standard ale acestor sisteme precum

Acces la date în orice moment;

Suport pentru deciziile luate prin emiterea de rapoarte periodice de management;

Utilizarea modelelor matematice de prognoză pentru evaluarea alternativelor și strategiilor;

Asigurarea posibilității de a lucra în mod dialog (posibilitatea de a schimba obiectivele și restricțiile atunci când condițiile și circumstanțele de pe piețele financiare se schimbă).

Date. În fiecare lună, datele obținute sunt înregistrate în baze de date care conțin informații retrospective pentru ultimii trei ani lunar și pentru șapte ani și jumătate trimestrial. În plus, bazele de date conțin informațiile de prognoză primite pentru următoarele 12 perioade lunare.

Rapoarte și analize. În fiecare lună, sistemul de planificare financiară produce un set complet de documente financiare, inclusiv un bilanț, declarație de venit și rapoarte privind principalele performanta comerciala. Datele lunare obţinute sunt comparate cu rezultatele prognozate, bugetul şi cu date similare obţinute în anul precedent. În plus, sistemul emite rapoarte periodice privind aspectele deosebit de stresante (critice) ale activităților băncii, de exemplu, un raport privind raportul dintre rate și volumele plăților dobânzilor.

Prognoza. Toate rapoartele enumerate pot fi emise de sistem pentru fiecare dintre următoarele 12 luni. Variabilele explicative pentru aceste rapoarte pot fi introduse direct de utilizatori sau generate automat din motive strategice. Dacă este necesar, aici pot fi utilizate modele de optimizare care se află în baza de date a modelelor de sistem. Prognoza este „rulată”, acoperind constant următoarele 12 luni, cu o reevaluare constantă a datelor la începutul fiecărei luni.

Avantaje. Introducerea SFP a dus la o creștere a profitabilității băncii datorită următorilor factori:

Construirea unui mecanism de gestionare a celor mai importanți indicatori ai bilanțului, inclusiv lichiditatea și raportul dintre capitalul propriu și capitalul împrumutat;

Crearea unei baze de coordonare a procesului decizional la nivel de planificare strategică;

Crearea capacității managementului superior de a răspunde rapid la schimbarea reglementărilor, a condițiilor de piață și a activității intra-bancare

circumstanțe;

Reducerea costurilor de creare a rapoartelor periodice de management

Întrebări pentru autoexaminare

1. Descrieți situația care a determinat conducerea băncii să creeze SFP.

2. Ce beneficii a oferit introducerea SFP?

3. Descrieți componentele SFP, justificând ce tip de IS îi aparține.

3). DSS are capacitatea de a gestiona dialogul dintre utilizator și sistem, precum și de a gestiona datele și modelele.

Instituția de învățământ de învățământ profesional superior bugetar de stat federal

„ACADEMIA RUSĂ A ECONOMIEI NAȚIONALE

SI SERVICIUL PUBLIC

sub președintele FEDERAȚIA RUSĂ”

Northwestern Institute of Management

Facultate: Administrație de stat și municipală

Departament: Management General si Logistica

Lucru de curs

„Sisteme de sprijin pentru decizii”

student anul 3

Învățământ cu normă întreagă

Fetiskin Ivan Iurievici

Manager de lucru

Conferențiar, Candidat la Științe Filologice

Misin Nikolai Vasilievici

Sankt Petersburg 2015

Introducere

Capitolul 1. Aspecte teoretice și concepte ale sistemelor de sprijinire a deciziei

1 Definirea unui sistem suport decizional, funcțiile acestuia

2 Structura sistemelor de sprijinire a deciziei

3 Depozite de date

4 tehnologii OLAP

5 Inteligent analiza datelor

6 Clasificări ale sistemelor de sprijinire a deciziei

7 Aplicații

8 piata DSS

9 Evaluarea sistemului de sprijin pentru decizii (DSS)

Capitolul 2 Practica implementării DSS pe exemplul sucursalelor teritoriale ale Băncii Rusiei

1 Formularea scopurilor și obiectivelor studiului, caracteristici ale obiectului studiat

2 Prezentare generală și descriere a postului

2.1 Dezvoltarea unui DSS în gestionarea activităților sucursalelor teritoriale ale Băncii Rusiei

2.2 Descrierea subsistemelor funcționale

2.3 Elaborarea unui DSS la nivelul specificațiilor tehnice care implementează soluții metodologice și instrumentale

3 Concluzii și rezultate ale aplicării prezentului DSS

Concluzie

Bibliografie

Introducere

Dezvoltarea relațiilor de piață, descentralizarea managementului, învechirea rapidă a informațiilor determină cerințele ridicate la adresa liderului modern. Cunoașterea și utilizarea abil a prevederilor managementului facilitează foarte mult munca șefului, îl ajută să prioritizeze și să sistematizeze munca. Structurile organizaționale servesc ca bază pe care sunt construite toate activitățile de management.

Organizațiile creează structuri pentru a asigura coordonarea și controlul activităților unităților și angajaților lor. Structurile organizațiilor diferă între ele în complexitate (adică, gradul de împărțire a activităților în diverse funcții), formalizare (adică, gradul în care sunt utilizate regulile și procedurile prestabilite), raportul dintre centralizare și descentralizare (adică , nivelurile la care soluțiile manageriale).

Relațiile structurale din organizații sunt în centrul atenției multor cercetători și manageri. Pentru a atinge în mod eficient obiectivele, este necesar să înțelegem structura muncii, departamentele și unitățile funcționale. Organizarea muncii și a oamenilor influențează în mare măsură comportamentul lucrătorilor. Relațiile structurale și comportamentale, la rândul lor, ajută la stabilirea obiectivelor organizației, influențează atitudinile și comportamentul angajaților. Abordarea structurală se aplică în organizații pentru a asigura elementele de bază ale activităților și relațiile dintre acestea. Ea implică utilizarea diviziunii muncii, acoperirea controlului, descentralizarea și departamentalizarea.

În contextul dinamismului producţiei moderne şi al structurii sociale, managementul trebuie să fie într-o stare de dezvoltare continuă, care astăzi nu se poate realiza fără a explora căile și posibilitățile acestei dezvoltări, fără a alege direcții alternative. Cercetarea managerială se desfășoară în activitățile zilnice ale managerilor și personalului și în activitatea grupurilor analitice de specialitate, laboratoarelor, departamentelor. Necesitatea cercetării sistemelor de management este dictată de o gamă destul de mare de probleme cu care se confruntă multe organizații. Succesul acestor organizații depinde de soluționarea corectă a acestor probleme.

Structura organizatorică a managementului este unul dintre conceptele cheie ale managementului, strâns legat de obiectivele, funcțiile, procesul de management, munca managerilor și repartizarea puterilor între aceștia. În cadrul acestei structuri se desfășoară întregul proces de management (mișcarea fluxurilor de informații și adoptarea deciziilor manageriale), la care participă manageri de toate nivelurile, categoriile și specializările profesionale. Structura poate fi comparată cu cadrul clădirii sistemului de management, construit pentru a se asigura că toate procesele care au loc în ea sunt efectuate în timp util și cu o calitate înaltă.

Diferențele în structura organizației, în caracteristicile funcționării lor, lasă o amprentă foarte semnificativă asupra activitate managerială, iar în unele cazuri au o influență decisivă asupra acesteia. În plus, activitățile liderului, caracteristicile sale psihologice depind nu numai de tipul structurii organizaționale, ci și de locul său ierarhic în această structură, ceea ce, de fapt, face ca tema acestui curs să fie cea mai relevantă.

Formarea fundamentată științific a structurilor de management organizațional este o sarcină urgentă scena modernă adaptarea entităţilor economice la o economie de piaţă. În condiții moderne, este necesar să se utilizeze pe scară largă principiile și metodele de proiectare a unei organizații de management bazate pe o abordare sistematică.

SCOPUL LUCRĂRII ACESTUI CURS este de a studia principiul ierarhiei în structura de conducere a organizației.

Pentru a atinge acest obiectiv, în lucrare sunt definite următoarele sarcini:

studiul esenței și principiilor construirii structurilor organizaționale, clasificarea acestora și etapele dezvoltării istorice;

studiul esenței și principiilor construirii structurilor organizaționale;

construirea unei strategii de schimbare organizațională.

METODE DE CERCETARE: analitice, grafice.

Pentru a scrie această lucrare, s-au folosit lucrări științifice și dezvoltări ale autorilor autohtoni și străini dedicate problemelor managementului proceselor, crearea de sisteme de sprijinire a deciziilor de management. Lucrarea folosește materiale publicate în presa rusă și străină, precum și cele prezentate pe site-uri de internet profesionale specializate.

Capitolul 1. Aspecte teoretice și concepte ale sistemelor de sprijinire a deciziei

1 Definirea unui sistem suport decizional, funcțiile acestuia

Este evident că deciziile luate cu privire la strategia și tactica de dezvoltare a orașului trebuie să fie atent gândite și justificate. Acest lucru este deosebit de important în sistemele socio-economice, deoarece deciziile luate privesc oamenii vii, condiția lor materială și spirituală. Cu toate acestea, până în prezent, luarea deciziilor de către primar, administrația orașului, comitete se bazează pe experiența și intuiția liderilor. Dar sistemele socio-economice sunt complexe și comportamentul lor este greu de prezis din cauza prezenței unui număr mare de directă și părere adesea nu este evident la prima vedere. Creierul uman este incapabil să facă față unei sarcini de această dimensiune, așa că este necesar să se ofere informații și suport analitic pentru luarea deciziilor. În ultimii ani, s-a format și este utilizată activ o nouă direcție în domeniul automatizării muncii manageriale - sisteme de sprijinire a deciziei. Sunt utilizate cu succes într-o varietate de industrii: telecomunicații, finanțe, comerț, industrie, medicină și multe altele.

Conceptul de sisteme de sprijinire a deciziilor (DSS) include o serie de instrumente combinate Tel comun- să promoveze adoptarea unor decizii de management raționale și eficiente.

Un sistem de susținere a deciziilor (DSS) este un sistem informatic automat, al cărui scop este de a ajuta persoanele care iau decizii în condiții dificile pentru o analiză completă și obiectivă a activității subiectului. Este un sistem interactiv care utilizează reguli de decizie și modele corespunzătoare cu baze de date, precum și un proces interactiv de simulare pe computer.

DSS a apărut ca urmare a fuziunii sistemelor informaționale de management și sistemelor de management al bazelor de date. DSS sunt sisteme om-mașină care permit factorilor de decizie să utilizeze date, cunoștințe, modele obiective și subiective pentru a analiza și rezolva probleme nestructurate și slab formalizate.

Procesul de luare a deciziei este primirea și selectarea celei mai optime alternative, ținând cont de calcularea greșită a tuturor consecințelor. Atunci când alegem alternative, trebuie să o alegem pe cea care îndeplinește cel mai pe deplin obiectivul, dar în același timp trebuie să țină cont de un număr mare de cerințe contradictorii și, prin urmare, să evaluăm soluția aleasă după mai multe criterii.

Sistemul de suport decizional este conceput pentru a sprijini deciziile multicriteriale într-un mediu informatic complex. Totodată, multicriteria este înțeleasă ca fiind faptul că rezultatele deciziilor luate sunt evaluate nu de unul, ci de totalitatea mai multor indicatori (criterii) luați în considerare simultan. Complexitatea informației este determinată de necesitatea de a lua în considerare o cantitate mare de date, a căror prelucrare este practic imposibilă fără ajutorul tehnologiei computerizate moderne. În aceste condiții, numărul solutii posibile, de regulă, este foarte mare, iar alegerea celor mai buni dintre ei „prin ochi”, fără o analiză cuprinzătoare, poate duce la erori grave.

De asemenea, DSS face posibilă facilitarea muncii liderilor de afaceri și creșterea eficienței acesteia. Ele accelerează semnificativ soluționarea problemelor în afaceri. DSS contribuie la stabilirea contactului interpersonal. Pe baza acestora, se poate efectua instruirea și instruirea personalului. Aceste sisteme informatice vă permit să creșteți controlul asupra activităților organizației. Prezența unui DSS care funcționează bine oferă mari avantaje față de structurile concurente. Datorită propunerilor prezentate de DSS, se deschid noi abordări pentru rezolvarea sarcinilor de zi cu zi și nestandardizate.

DSS se caracterizează prin următoarele caracteristici distinctive:

· orientare către rezolvarea sarcinilor slab structurate (formalizate), tipice în special pentru niveluri înalte de management;

· posibilitatea de a combina metodele tradiționale de accesare și prelucrare a datelor informatice cu capacitățile modelelor matematice și metodelor de rezolvare a problemelor pe baza acestora;

· concentrarea pe utilizatorul final neprofesionist al unui computer prin utilizarea unui mod de operare interactiv;

· adaptabilitate ridicată, oferind capacitatea de adaptare la caracteristicile hardware-ului și software-ului disponibil, precum și la cerințele utilizatorului.

Sistemul de suport decizional rezolvă două sarcini principale:

.alegere cea mai bună soluție din setul de posibile (optimizare);

2.ordonarea posibilelor soluţii după preferinţă (clasare).

Pentru analiza și dezvoltarea propunerilor în DSS sunt utilizate diferite metode. Poate fi:

· cautare de informatii,

· extragerea datelor,

· căutarea cunoștințelor în baze de date,

· raționament bazat pe caz

· simulare modelare,

· algoritmi de calcul evolutiv și genetici,

· rețele neuronale,

· analiza situațională,

· modelarea cognitivă etc.

Unele dintre aceste metode au fost dezvoltate în cadrul inteligenței artificiale. Dacă activitatea DSS se bazează pe metode de inteligență artificială, atunci se vorbește de un DSS intelectual sau IDSS.

Clasele de sisteme apropiate de DSS sunt sisteme expert și sisteme de control automatizate.

Sistemul vă permite să rezolvați problemele de management operațional și strategic pe baza datelor contabile privind activitățile companiei.

Sistemul de asistență pentru decizii este un set de instrumente software pentru analiza datelor, modelare, prognoză și luarea deciziilor de management, constând din dezvoltări proprii ale corporației și produse software achiziționate (Oracle, IBM, Cognos).

Cercetările teoretice în dezvoltarea primelor sisteme de suport a deciziei au fost efectuate la Institutul de Tehnologie Carnegie la sfârșitul anilor 50 și începutul anilor 60 ai secolului XX. A fost posibilă combinarea teoriei cu practica de către specialiștii de la Massachusetts Institute of Technology în anii '60. La mijlocul și sfârșitul anilor 80 ai secolului XX, au început să apară sisteme precum EIS, GDSS, ODSS. În 1987, Texas Instruments a dezvoltat sistemul de afișare a atribuirii porților pentru United Airlines. Acest lucru a redus foarte mult pierderile de la zboruri și a ajustat gestionarea diferitelor aeroporturi, de la Aeroportul Internațional O Hare în Chicago și se termină cu Stapleton în Denver, Colorado. În anii 90, domeniul de aplicare al capabilităților DSS sa extins datorită introducerii depozitelor de date și a instrumentelor OLAP. Apariția noilor tehnologii de raportare a făcut ca DSS să fie indispensabil în management.

1.2 Structura DSS

Dacă vorbim despre structura DSS, atunci există patru componente principale:

· Depozite de date informaționale. Un depozit de date este o bancă de date cu o anumită structură, care conține informații despre proces de fabricație companii într-un context istoric. Scopul principal al depozitului este de a oferi execuția rapidă a interogărilor analitice arbitrare. (Mai multe detalii despre depozitele de date sunt discutate în paragraful 1.3 al capitolului 1.)

· Baza de date multidimensionala si instrumente de analiza OLAP (On-Line Analytical Processing) - serviciul este un instrument de analiza a unor cantitati mari de date in timp real. (detaliat în paragraful 1.4 al capitolului 1)

· Instrumente de extragere a datelor. Cu ajutorul instrumentelor de extragere a datelor, puteți efectua extragerea profundă a datelor. (Mai multe detalii în paragraful 1.5 al capitolului 1.)

DSS se bazează pe un complex de modele interconectate cu suport informațional adecvat pentru cercetare, sisteme experte și inteligente care includ experiență în rezolvarea problemelor de management și asigură participarea unei echipe de experți la procesul de elaborare a deciziilor raționale.

Figura 1 de mai jos prezintă schema arhitecturală și tehnologică a informației și a suportului decizional analitic:

Fig.1 Schema arhitecturală și tehnologică a DSS

Sistemele analitice DSS permit rezolvarea a trei sarcini principale:

.raportare,

.analiza informațiilor în timp real (OLAP),

.extragerea datelor.

3 Depozite de date

Este clar că luarea deciziilor ar trebui să se bazeze pe date reale despre obiectul de control. Astfel de informații sunt de obicei stocate în bazele de date operaționale ale sistemelor OLTP. Dar aceste date operaționale nu sunt potrivite pentru scopurile analizei, deoarece informațiile agregate sunt necesare în principal pentru analiză și luarea deciziilor strategice. În plus, în scopuri de analiză, este necesar să se poată manipula rapid informațiile, să le prezinte sub diverse aspecte, să îi facă diverse solicitări ad-hoc, ceea ce este greu de implementat pe datele operaționale din cauza performanței și complexității tehnologice.

Soluția la această problemă este crearea unui depozit de date separat (DW) care să conțină informatii agregateîntr-un mod convenabil. Scopul construirii unui depozit de date este acela de a integra, actualiza și armoniza datele operaționale din surse eterogene pentru a forma o singură vedere consecventă asupra obiectului de control în ansamblu. În același timp, conceptul de depozite de date se bazează pe recunoașterea necesității de a separa seturile de date utilizate pentru prelucrarea tranzacțională și seturile de date utilizate în sistemele de suport decizional. O astfel de separare este posibilă prin integrarea datelor detaliate separate în diverse sisteme de procesare a datelor (DPS) și surse externe într-o singură stocare, coordonarea și, eventual, agregarea acestora.

Principalele avantaje ale depozitelor de date DSS trebuie remarcate:

· O sursă unică de informații: compania primește un mediu de informații unic verificat pe care vor fi construite toate aplicațiile de referință și analitice în domeniul subiectului pentru care este construit depozitul. Acest mediu va avea o interfață unică, structuri de stocare unificate, directoare comune și alte standarde corporative, care vor facilita crearea și suportul sistemelor analitice.

· De asemenea, la proiectarea unui depozit de date informaționale, se acordă o atenție deosebită fiabilității informațiilor care intră în depozit.

· Performanță: Structurile fizice ale depozitului de date sunt optimizate special pentru a efectua selecții complet aleatorii, ceea ce vă permite să construiți sisteme de interogare foarte rapide.

· Viteza de dezvoltare: organizarea logică specifică a depozitului și software-ul specializat existent vă permit să creați sisteme analitice cu costuri minime de programare.

· Integrare: integrarea datelor din diferite surse este deja realizată, deci nu este necesară efectuarea unei conexiuni de date de fiecare dată pentru interogări care necesită informații din mai multe surse. Integrarea se referă nu numai la stocarea fizică comună a datelor, ci și la asocierea lor substanțială, coordonată; curățarea și alinierea în timpul formării lor; conformitatea cu caracteristicile tehnologice etc.

· Istoricitate și stabilitate: sistemele OLTP funcționează cu date actualizate, a căror perioadă de aplicare și stocare, de obicei, nu depășește valoarea perioadei curente de afaceri (șase luni până la un an), în timp ce depozitul de date de informații este destinat stocarea pe termen lung a informațiilor timp de 10-15 ani. Stabilitatea înseamnă că informațiile reale din depozitul de date nu sunt actualizate sau șterse, ci doar adaptate într-un mod special la schimbările în atributele afacerii. Astfel, devine posibilă efectuarea unei analize istorice a informațiilor.

· Independență: alocarea stocării informațiilor reduce semnificativ încărcarea sistemelor OLTP din aplicațiile analitice, astfel performanța sistemelor existente nu se deteriorează, dar în practică există o scădere a timpului de răspuns și o disponibilitate îmbunătățită a sistemului.

Astfel, depozitul de date funcționează conform următorului scenariu. Potrivit unui regulament dat, colectează date din diverse surse - baze de date ale sistemelor de procesare online. Stocarea acceptă cronologia: împreună cu datele curente, datele istorice sunt stocate cu indicarea orei la care se referă. Ca urmare, datele necesare disponibile despre obiectul de control sunt colectate într-un singur loc, aduse într-un singur format, agreate și, în unele cazuri, agregate la nivelul minim necesar de generalizare.

Și pe baza depozitului de date, este deja posibilă întocmirea de rapoarte pentru management, analiza datelor folosind tehnologii OLAP și data mining (Data Mining).

Serviciul de raportare DSS ajută organizația să facă față realizării de tot felul de rapoarte de informare, certificate, documente, declarații de sinteză etc., mai ales atunci când numărul de rapoarte emise este mare și formele de rapoarte se schimbă adesea. Instrumentele DSS, prin automatizarea eliberării rapoartelor, fac posibilă convertirea stocării acestora în formă electronică și distribuirea lor în rețeaua corporativă între angajații companiei.

Alături de marile depozite de date corporative, Data Marts sunt, de asemenea, utilizate pe scară largă. Un data mart este o mică stocare specializată pentru o anumită zonă îngustă, axată pe stocarea datelor legate de un subiect de afaceri. Un proiect de data mart necesită mai puține investiții și este finalizat într-un timp foarte scurt. Pot exista mai multe astfel de marturi de date, de exemplu un magazin de date privind veniturile pentru departamentul de contabilitate al unei companii și un magazin de date pentru clienți pentru departamentul de marketing al unei companii.

1.4 Tehnologii OLAP

Interacționând cu sistemul OLAP, utilizatorul va putea efectua vizualizarea flexibilă a informațiilor, obținerea de secțiuni de date arbitrare și efectuarea operațiunilor analitice de detaliere, convoluție, distribuție end-to-end, comparare în timp. Toate lucrările cu sistemul OLAP au loc în ceea ce privește domeniul de studiu. Conceptul de procesare analitică online (OLAP) se bazează pe o reprezentare multidimensională a datelor.

Termenul OLAP a fost introdus de E. F. Codd în 1993. În articolul său, el a luat în considerare deficiențele modelului relațional, în primul rând incapacitatea de a „combina, vizualiza și analiza datele în termeni de dimensiuni multiple, adică în cel mai înțeles mod pentru analiștii corporativi”, și a definit Cerințe generale la sistemele OLAP care extind funcționalitatea SGBD relațional și includ analiza multidimensională ca una dintre caracteristicile lor.

Potrivit lui Codd, o viziune conceptuală multidimensională este cea mai naturală viziune a personalului de conducere asupra obiectului managementului. Este o perspectivă multiplă, constând din mai multe dimensiuni independente de-a lungul cărora pot fi analizate anumite seturi de date. Analiza simultană pe mai multe dimensiuni ale datelor este definită ca analiză multivariată. Fiecare dimensiune include direcții de consolidare a datelor, constând dintr-o serie de niveluri succesive de generalizare, unde fiecărui nivel superior îi corespunde un grad mai mare de agregare a datelor pentru dimensiunea corespunzătoare. Astfel, dimensiunea Antreprenor poate fi determinată de direcția de consolidare, constând din nivelurile de generalizare „întreprindere – subdiviziune – departament – ​​angajat”. Dimensiunea „Timp” poate include chiar și două direcții de consolidare – „an – trimestru – lună – zi” și „săptămână – zi”, deoarece numărul de timp pe lună și săptămână este incompatibil. În acest caz, devine posibil să se selecteze în mod arbitrar nivelul dorit de detaliu al informațiilor pentru fiecare dintre măsurători. Operația de coborâre (drill down) corespunde mișcării de la nivelurile superioare de consolidare la cele inferioare; dimpotrivă, operațiunea de ridicare (rulare) înseamnă trecerea de la nivelurile inferioare la cele superioare.

1.5 Exploatarea datelor

Cel mai mare interes în DSS este data mining-ul, deoarece permite cea mai completă și mai aprofundată analiză a problemei, face posibilă detectarea relațiilor ascunse și luarea celei mai rezonabile decizii. Nivelul actual de dezvoltare a hardware-ului și instrumente software de ceva timp a făcut posibilă menținerea bazelor de date cu informații operaționale la diferite niveluri de guvernare. În cursul activităților lor, întreprinderi industriale, corporații, structuri departamentale, organisme puterea statului iar administrațiile locale au acumulat cantități mari de date. Acestea conțin un potențial mare de extragere a informațiilor analitice utile, pe baza cărora puteți identifica tendințele ascunse, puteți construi o strategie de dezvoltare și puteți găsi soluții noi.

Miningul de date, IAD (Data Mining) este un proces de sprijinire a deciziei bazat pe căutarea de modele ascunse (modeluri de informații) în date. În același timp, informația acumulată este generalizată automat la informații care pot fi caracterizate ca cunoștințe.

În general, procesul IAD constă din trei etape:

.identificarea tiparelor;

.utilizarea modelelor revelate pentru a prezice valori necunoscute (modelare predictivă);

.analiza excepțiilor, menită să identifice și să interpreteze anomaliile în tiparele găsite.

Noile tehnologii informatice care formează IAD sunt sisteme experte și inteligente, metode de inteligență artificială, baze de cunoștințe, baze de date, modelare computerizată, rețele neuronale, sisteme fuzzy. Tehnologii moderne IAD vă permite să creați noi cunoștințe, dezvăluind tipare ascunse, prezicând starea viitoare a sistemelor. Principala metodă de modelare a dezvoltării socio-economice a orașului este metoda simulării, care vă permite să explorați sistemul orașului folosind o abordare experimentală. Acest lucru face posibilă jucarea diferitelor strategii de dezvoltare asupra modelului, compararea alternativelor, luarea în considerare a influenței multor factori, inclusiv a celor cu elemente de incertitudine.

Modelul construit în această lucrare aparține acestei clase de sisteme. Pe baza acesteia, administrațiile locale de nivel strategic și tactic au ocazia de a analiza dinamica dezvoltării unui sistem urban socio-economic complex, de a identifica relații care nu sunt evidente la prima vedere, de a compara diverse alternative, de a analiza anomaliile și de a profita la maximum. decizie rezonabilă.

Este promițătoare utilizarea metodelor combinate de luare a deciziilor în DSS în combinație cu metode de inteligență artificială și modelare pe computer, diverse proceduri de simulare și optimizare, luare a deciziilor în combinație cu proceduri expert.

1.6 Clasificări DSS

Există trei tipuri de DSS bazate pe interacțiunea cu utilizatorul:

· cei pasivi ajută în procesul decizional, dar nu pot face o propunere specifică;

· participanții activi sunt direct implicați în dezvoltarea soluției potrivite;

· cele cooperante implică interacțiunea DSS cu utilizatorul. Propunerea prezentată de sistem poate fi finalizată, îmbunătățită și apoi trimisă înapoi în sistem pentru verificare. După aceea, propunerea este din nou prezentată utilizatorului și așa mai departe până când acesta aprobă decizia.

După metoda de sprijin, există:

· DSS bazat pe model, utilizează accesul la modele statistice, financiare sau de altă natură în activitatea lor;

· DSS bazat pe comunicații sprijină munca a doi sau mai mulți utilizatori implicați într-o sarcină comună;

· DSS bazat pe date au acces la seria temporală a organizației. Ei folosesc în munca lor nu numai date interne, ci și externe;

· DSS orientat spre document manipulează informații nestructurate conținute în diferite formate electronice;

· DSS bazat pe cunoștințe oferă soluții specializate, bazate pe fapte, la probleme.

După domeniul de utilizare, există:

· La nivel de sistem - funcționează cu sisteme mari de stocare și sunt utilizate de mulți utilizatori.

Conform arhitecturii și principiului de funcționare, există:

· DSS funcțional.

Sunt cele mai simple din punct de vedere al arhitecturii. Sunt frecvente în organizațiile care nu își stabilesc obiective globale și au un nivel scăzut de dezvoltare a tehnologiei informației. O caracteristică distinctivă a DSS funcțional este că datele conținute în fișierele sistemelor de operare sunt analizate. Avantajele unui astfel de DSS sunt compactitatea datorită utilizării unei singure platforme și eficiența datorită absenței necesității de a reîncărca datele într-un sistem specializat. Printre deficiențe, se pot remarca următoarele: o restrângere a gamei de probleme rezolvate cu ajutorul sistemului, o scădere a calității datelor din cauza lipsei unei etape pentru curățarea acestora, o creștere a încărcării sistem de operare cu potenţial de încetare.

· DSS folosind magazine independente de date.

Sunt utilizate în organizații mari cu mai multe departamente, inclusiv departamente de tehnologie a informației. Fiecare data mart specific este creat pentru a rezolva probleme specifice și este concentrat pe o gamă specifică de utilizatori. Acest lucru îmbunătățește considerabil performanța sistemului. Implementarea unor astfel de structuri este destul de simplă. Dintre punctele negative, se poate observa că datele sunt introduse în mod repetat în diferite vitrine, astfel încât acestea pot fi duplicate. Acest lucru crește costul stocării informațiilor și complică procedura de unificare. Popularea magazinelor de date este destul de dificilă din cauza faptului că trebuie să utilizați mai multe surse. Nu există o imagine unică a afacerii organizației, datorită faptului că nu există o consolidare finală a datelor.

· DSS bazat pe un depozit de date pe două niveluri.

Folosit in companii mari, ale căror date sunt consolidate în sistem unic. Definițiile și metodele de prelucrare a informațiilor în acest caz sunt unificate. Pentru a asigura funcționarea normală a unui astfel de DSS, este necesară alocarea unei echipe specializate care să-l deservească. O astfel de arhitectură DSS este lipsită de deficiențele celei anterioare, dar nu are capacitatea de a structura date pentru grupuri individuale de utilizatori, precum și de a restricționa accesul la informații. Este posibil să întâmpinați probleme de performanță a sistemului.

· DSS bazat pe un depozit de date pe trei niveluri.

Astfel de DSS folosesc un depozit de date, din care se formează magazine de date care sunt utilizate de grupuri de utilizatori care rezolvă probleme similare. Astfel, accesul este asigurat atât la date structurate specifice, cât și la o singură informație consolidată. Popularea magazinelor de date este simplificată prin utilizarea datelor validate și curățate dintr-o singură sursă.

Există un model de date corporative. Astfel de DSS se disting prin performanță garantată. Dar există redundanță de date, ceea ce duce la creșterea cerințelor de stocare. În plus, este necesar să se coordoneze o astfel de arhitectură cu o varietate de zone cu cerințe potențial diferite.

În funcție de conținutul funcțional al interfeței sistemului, există două tipuri principale de DSS: EIS și DSS.(Execution Information System) - sisteme informatice pentru managementul întreprinderii. Aceste sisteme sunt destinate utilizatorilor nepregătiți, au o interfață simplificată, un set de bază de caracteristici oferite și forme fixe de prezentare a informațiilor. Sistemele EIS realizează o imagine vizuală generală a stării actuale a indicatorilor de performanță în afaceri ai companiei și a tendințelor lor de dezvoltare, cu posibilitatea aprofundării informațiilor în cauză la nivelul facilităților mari ale companiei. EIS-sisteme - rentabilitatea reală pe care managementul companiei îl vede din introducerea tehnologiilor DSS (Desicion Support System) 7 - sisteme complete de analiză și cercetare a datelor, concepute pentru utilizatorii instruiți și care au cunoștințe atât în ​​ceea ce privește domeniul de cercetare și în ceea ce privește cunoștințele informatice. De obicei, pentru a implementa sisteme DSS (dacă sunt disponibile date), este suficient să instalați și să configurați software specializat de la furnizorii de soluții pentru sisteme OLAP și Data Mining.

O astfel de împărțire a sistemelor în două tipuri nu înseamnă că construcția unui DSS implică întotdeauna implementarea doar a unuia dintre aceste tipuri. EIS și DSS pot funcționa în paralel, împărtășind date și/sau servicii comune, oferind funcționalitatea lor atât managementului superior, cât și departamentelor analitice ale companiilor.

1.7 Aplicații

Telecomunicatii

Companiile de telecomunicații folosesc DSS pentru a pregăti și a lua un set de decizii menite să-și păstreze clienții și să minimizeze fluxul acestora către alte companii. DSS permite companiilor să-și desfășoare programele de marketing mai eficient, să efectueze facturarea mai atractivă a serviciilor lor.

Analiza înregistrărilor cu caracteristicile apelurilor vă permite să identificați categorii de clienți cu modele de comportament similare pentru a vă diferenția abordarea de a atrage clienți dintr-o anumită categorie.

Există categorii de clienți care își schimbă constant furnizorii ca răspuns la anumite campanii de publicitate. DSS fac posibilă identificarea celor mai multe caracteristici clienți „stabili”, adică. clienții care rămân fideli unei companii pentru o lungă perioadă de timp, făcând posibilă concentrarea politicii lor de marketing pe păstrarea acestei categorii particulare de clienți.

Bancar

DSS sunt utilizate pentru a monitoriza mai bine diferitele aspecte ale serviciilor bancare, cum ar fi deservirea cardurilor de credit, împrumuturi, investiții și așa mai departe, ceea ce poate îmbunătăți semnificativ eficiența muncii.

Identificarea cazurilor de fraudă, evaluarea riscului de creditare, prognozarea schimbărilor în clientelă - domeniul de aplicare al DSS și metodele de extragere a datelor. Clasificarea clienților, alocarea unor grupuri de clienți cu nevoi similare permite o politică de marketing țintită, oferind seturi de servicii mai atractive unei anumite categorii de clienți.

Asigurare

Setul de aplicații DSS în domeniul asigurărilor poate fi numit clasic - este identificarea cazurilor potențiale de fraudă, analiza riscului, clasificarea clienților.

Detectarea anumitor stereotipuri în daunele de asigurări, în cazul sumelor mari, poate reduce numărul cazurilor de fraudă în viitor.

Analizarea trăsăturilor caracteristice ale cazurilor de plăți în cadrul obligațiilor de asigurare, Firme de asigurari le pot reduce pierderile. Datele obținute vor duce, de exemplu, la o revizuire a sistemului de reduceri pentru clienții care se încadrează în caracteristicile identificate.

Clasificarea clienților face posibilă identificarea celor mai profitabile categorii de clienți pentru a viza mai precis setul de servicii existent și a introduce noi servicii.

Cu amănuntul

Companiile comerciale folosesc tehnologiile DSS pentru a rezolva probleme precum planificarea achizițiilor și stocării, analiză achiziții comune, caută modele de comportament în timp.

Analiza datelor privind numărul de achiziții și disponibilitatea bunurilor în stoc într-o anumită perioadă de timp vă permite să planificați achiziția de bunuri, de exemplu, ca răspuns la fluctuațiile sezoniere ale cererii de bunuri.

Adesea, atunci când cumpără un produs, cumpărătorul achiziționează un alt produs împreună cu acesta. Identificarea grupurilor de astfel de bunuri permite, de exemplu, plasarea acestora pe rafturi adiacente pentru a crește probabilitatea achiziției lor în comun.

Căutarea în timp a modelelor de comportament oferă un răspuns la întrebarea „Dacă astăzi cumpărătorul a cumpărat un produs, atunci după ce timp va cumpăra alt produs?”. De exemplu, atunci când cumpără o cameră, un client este probabil să cumpere filme, să dezvolte și să imprime servicii în viitorul apropiat.

Medicamentul

Există multe sisteme expert pentru a face diagnostice medicale. Ele sunt construite în principal pe baza unor reguli care descriu combinații de diferite simptome ale diferitelor boli. Cu ajutorul unor astfel de reguli, ei învață nu numai cu ce este bolnav pacientul, ci și cum să-l trateze. Regulile ajută la alegerea mijloacelor de medicație, la determinarea indicațiilor - contraindicații, la navigarea prin procedurile de tratament, la crearea condițiilor pentru cel mai eficient tratament, la prezicerea rezultatelor cursului prescris de tratament etc. Tehnologiile Data Mining fac posibilă detectarea tiparelor. în datele medicale care stau la baza acestor reguli.

Genetica moleculară și inginerie genetică

Poate că sarcina cea mai acută și în același timp clară de descoperire a regularităților în datele experimentale este în genetica moleculară și ingineria genetică. Aici este formulat ca o definiție a așa-numiților markeri, care sunt înțeleși ca coduri genetice care controlează anumite caracteristici fenotipice ale unui organism viu. Astfel de coduri pot conține sute, mii sau mai multe articole conexe.

Sunt alocate fonduri mari pentru dezvoltarea cercetării genetice. Recent, a existat un interes deosebit pentru aplicarea metodelor Data Mining în acest domeniu. Se știe că mai multe firme mari sunt specializate în aplicarea acestor metode pentru descifrarea genomului uman și al plantelor.

Chimie aplicată

Metodele de extragere a datelor sunt utilizate pe scară largă în chimia aplicată (organică și anorganică). Aici se pune adesea întrebarea de a elucida caracteristicile structurii chimice a anumitor compuși care determină proprietățile acestora. Această sarcină este deosebit de relevantă în analiza compușilor chimici complecși, a căror descriere include sute și mii de elemente structurale și legăturile lor.

1.8 Piața DSS

Pe piata DSS, companiile ofera urmatoarele tipuri de servicii pentru crearea de sisteme de suport decizional:

· Implementarea proiectelor pilot pe sisteme DSS pentru a demonstra conducerii Clientului potentialul calitativ al aplicatiilor analitice.

· Crearea împreună cu Clientul a sistemelor DSS complet funcționale, inclusiv a unui depozit de date și instrumente de Business Intelligence.

· Proiectarea arhitecturii depozitului de date, inclusiv structurile de stocare și procesele de management.

· Crearea de „matunzi de date” pentru domeniul selectat.

· Instalarea și configurarea instrumentelor OLAP și Business Intelligence; adaptarea acestora la cerintele Clientului.

· Analiza instrumentelor de analiză statistică și „data mining” pentru selectarea produselor software pentru arhitectura și nevoile Clientului.

· Integrarea sistemelor DSS în intranet-urile corporative ale Clientului, automatizarea schimbului electronic de documente analitice între utilizatorii de stocare.

· Dezvoltarea Sistemelor Informaționale Executive (EIS) pentru funcționalitatea necesară.

· Servicii pentru integrarea bazelor de date într-un singur mediu de stocare a informațiilor

· Instruirea specialiștilor Clientului în tehnologiile de depozitare a datelor și sisteme analitice, precum și în lucrul cu produsele software necesare.

· Furnizarea de servicii de consultanță Clientului în toate etapele de proiectare și exploatare a depozitelor de date și a sistemelor analitice.

· Proiecte complexe de creare/modernizare a infrastructurii de calcul care asigură funcționarea DSS: soluții de orice scară, de la sisteme locale până la sisteme de dimensiunea unei întreprinderi/preocupări/industrie.

1.9 Evaluarea sistemului de sprijin pentru decizii (DMSS)

Criterii de evaluare a DSS. Sistemul trebuie să gestioneze eficient veniturile și riscurile în orice condiții de piață, generând semnale eficiente de intrare și ieșire pe piață. În același timp, frecvența tranzacțiilor ar trebui să fie moderată, ținând cont de costurile de tranzacție, comisioane, pierderi pe spread etc. Complexitatea construcției nu trebuie să fie intimidantă. Majoritatea celor care resping metodele numerice în favoarea „intuiției” lor ajung să obțină rezultate sub medie.

Caracteristica naturală importantă în evaluarea sistemului este profitul total (final). Cu costuri de operare ridicate, o caracteristică precum profitul pe operațiune devine importantă. Precizia deciziilor (procent), calculată ca raport dintre numărul de operațiuni profitabile și numărul total de operațiuni, este o caracteristică populară pentru mulți comercianți, deși importanța sa este supraestimată. Cert este că multe sisteme eficiente iau decizii greșite mai des decât cele corecte, în timp ce multe sisteme neprofitabile (sau aproape neprofitabile) iau decizii corecte mai des.

Pierderea maximă a fondurilor proprii este o caracteristică importantă pentru măsurarea riscului strategiilor utilizate de sistem. Sistemele supuse unor pierderi mari periodice nu pot fi considerate utilizabile, chiar dacă, în final, dau un profit net suficient. În același timp, pierderile maxime înseamnă nu doar cea mai mare cantitate de pierderi dintr-o succesiune de operațiuni neprofitabile, ci și scăderea maximă a capitalului în perioada analizată. În timpul unui astfel de declin, succesiunea tranzacțiilor în pierdere poate fi întreruptă de tranzacții profitabile separate care nu sunt capabile să modifice natura generală neprofitabilă a perioadei de ineficiență a sistemului. Principala caracteristică de performanță a sistemului este calculată ca raportul dintre profitul total și valoarea pierderii de capital în perioada de maximă ineficiență a sistemului și se numește de obicei raportul risc/recompensă. Există și multe alte evaluări ale eficacității sistemului, uneori destul de complexe, care necesită o cantitate mare de calcule statistice, dar în majoritatea cazurilor caracteristicile simple de mai sus sunt suficiente. De remarcat că la evaluarea sistemului, puteți utiliza criteriile recomandate de teoria clasică managementul portofoliului.

Optimizarea sistemului consta in gasirea celei mai bune formule pentru indicator - cea mai buna in ceea ce priveste obtinerea profitului maxim si/sau stabil cu ajutorul acestuia din datele colectate pe o perioada indelungata de timp. Această optimizare este în sine contradictorie. Criticii săi vor sublinia imediat că prețurile viitoare se pot comporta diferit decât în ​​trecut. Susținătorii unei astfel de optimizări trebuie să fie convinși de existența anumitor modele, de stabilitate în comportamentul prețurilor care nu se modifică sau se modifică ușor în timp.

Pentru a testa eficacitatea faptului că regulile utilizate în analiza tehnică dau un profit stabil în viitor, fiind ele însele calculate din date trecute, se folosește următoarea metodă simplă de testare (așa-numita modelare oarbă). În primul rând, regula de decizie este optimizată pe datele anterioare, iar apoi este testată pe datele ulterioare (recente). În acest fel, puteți determina cât de bine puteți prezice în general viitorul din datele din trecut folosind o anumită regulă. Dacă un indicator cu parametri optimi are rezultate bune pe date mai recente, se poate spera că va funcționa bine în viitor.

Când reevaluați parametrii sistemului, ar trebui să treceți la sistem nou numai dacă „îmbunătăţirea” rezultată este semnificativă statistic.

Robert Pelletier recomandă limitarea numărului de parametri la construirea regulilor de decizie, deoarece creșterea acestora crește numărul de grade de libertate ale sistemului. În plus, pot exista conexiuni între ele, adică se pot dovedi a fi dependente statistic, ceea ce se vede de obicei din coeficientul lor de corelație încrucișată. Pelletier consideră că un sistem bun nu trebuie să conțină mai mult de 2-5 parametri.

Eșantionul pentru verificarea indicatorului trebuie să fie suficient de mare, astfel încât să existe cel puțin 30 de semnale pentru perioada selectată. În acest caz, perioada ar trebui să includă un număr întreg de cicluri lungi (de frecvență joasă) pentru a limita impactul distorsiunilor în direcția vânzărilor sau achizițiilor. Deci, de exemplu, pentru un ciclu cunoscut de 4 ani al pieței de valori, analiza ar trebui efectuată pe date de cel puțin 8 ani.

date intelectuale ale băncii organizaționale

capitolul 2

1 Formularea scopurilor și obiectivelor studiului, caracteristici ale obiectului studiat

În prezent Banca centrala Federația Rusă(denumită în continuare Banca Rusiei) este principalul organism de reglementare al sistemului bancar rus și, în multe privințe, este garantul stabilității și stabilității economice a acestuia. Sistemul Băncii Rusiei are un complex structura organizationala- sediul central (denumit în continuare AT), oficiile teritoriale (denumite în continuare TU), și are peste 80 de mii de angajați. La rândul lor, instituțiile teritoriale au în subordinea lor o rețea de centre de decontare numerar și alte divizii care asigură activitățile TU.Prezența unei structuri organizatorice complexe determină complexitatea sistemului de management al Băncii Rusiei, care acoperă două niveluri - TU și CA. În prezent, următoarele sarcini principale sunt relevante pentru Banca Rusiei: o reducere generală a costurilor, standardizarea activităților instituțiilor teritoriale și îmbunătățirea sistemului de management al instituțiilor teritoriale.

Abordarea procesuală a managementului este considerată principalul instrument pentru îndeplinirea acestor sarcini, a căror implementare a fost începută în Banca Rusiei în 2002. Abordarea procesului este abordarea predominantă pentru construirea unui sistem de management flexibil și eficient, care a devenit larg răspândit în lume în ultimii 10-15 ani. Abordarea procesual presupune o formulare clară a scopurilor și strategiei activității, o descriere a activității sub forma unui set de procese interconectate care au rezultate specifice la ieșire, o distribuție clară a responsabilităților între toți participanții la procese.

După cum arată practica mondiala, aplicarea eficientă a abordării proceselor este în mare măsură determinată de prezența unui sistem informatic-calculator care generează și furnizează informațiile necesare pentru luarea deciziilor. Cu ajutorul unui astfel de sistem la nivelul specificațiilor tehnice ale Băncii Rusiei, ar fi posibil să se descrie și să controleze execuția proceselor, să se evalueze costul acestora, să se calculeze sarcina reală, să se efectueze o evaluare rezonabilă a eficacității procese, angajați, departamente etc. La nivelul publicului țintă al Băncii Rusiei, sistemul ar face posibilă compararea specificațiilor pentru diverși indicatori acumulați în cursul activității, standardizarea specificațiilor, descrierea standardelor de proces, replicarea acestora în specificații și rezolvarea unui număr de alte sarcini.

Toate cele de mai sus determină relevanța subiectului acestui capitol, dedicat dezvoltării abordărilor metodologice, matematice și software-instrumentale pentru crearea unui sistem de suport decizional în domeniul gestionării activităților instituțiilor teritoriale ale Băncii Rusiei bazate pe privind abordarea procesului (denumit în continuare Sistem, DSS „Managementul proceselor”).

Scopul acestei lucrări este de a dezvolta un suport metodologic, matematic, informațional, software și instrumental cuprinzător pentru un sistem de suport decizional în sarcinile de gestionare a activităților instituțiilor teritoriale ale Băncii Rusiei, inclusiv nivelul specificațiilor tehnice și al birou central.

2 Prezentare generală și descriere a postului

2.1 Dezvoltare concept nou DSS în gestionarea activităților sucursalelor teritoriale ale Băncii Rusiei

A fost analizat specificul Băncii Rusiei, care constă în prezența unei structuri organizatorice complexe, a unui sistem vertical pe două niveluri de gestionare a instituțiilor teritoriale, o reglementare clară a activităților bazată pe un cadru de reglementare la scară largă, complexitatea documentului management, caracteristici de management financiar, informatizare și cerințe de securitate. securitatea informatiei. Ca urmare, s-a constatat că produsele existente nu sunt pe deplin adecvate pentru rezolvarea problemelor de gestionare a sucursalelor teritoriale ale Băncii Rusiei.

Studiul specificului Băncii Rusiei și analiza principalelor sarcini în gestionarea activității instituțiilor tehnice au făcut posibilă formularea următoarelor principii conceptuale pentru construirea unui DSS:

) Structură pe două niveluri. DSS dezvoltat ar trebui să funcționeze la două niveluri - TU (regional) și CA (federal). La nivel regional, DSS sprijină gestionarea activităților specificațiilor tehnice pe baza unei abordări procesuale; la nivel federal se colectează informații despre activitățile din toate specificațiile tehnice, stocarea și analiza centralizată a acestor informații, clasificarea specificațiilor tehnice, și formarea standardelor;

) Managementul ciclului complet bazat pe abordarea procesului. Pentru îmbunătățirea eficientă și continuă a activităților, o caracteristică importantă a DSS este de a oferi un ciclu complet de management bazat pe o abordare a procesului, care implică implementarea iterativă a procedurilor de descriere a proceselor, monitorizarea și controlul execuției, analiza proceselor și reinginerie.

Luând în considerare structura pe două niveluri a sistemului, ciclul de control este prezentat în următoarea formă (Fig. 2):

Orez. 2. Ciclul de suport al managementului în DSS

)Integrarea abordărilor și tehnologiilor. Pentru a rezolva cât mai eficient problemele de îmbunătățire a activităților organizațiilor tehnice în DSS-ul creat, este necesară integrarea abordărilor și tehnologiilor de management al proceselor de afaceri (BPMS), managementului performanței (CPM) și business intelligence (BI). Aceste abordări ar trebui implementate pe baza unor principii arhitecturale unificate și să funcționeze în cadrul unei infrastructuri informatice, software și tehnologice unificate;

)Susținerea standardelor este necesară pentru a rezolva problemele de standardizare a activităților UT. La nivel federal - dezvoltarea, depanarea, analiza standardelor de proces etc.; la nivel regional - „impunerea” de standarde asupra proceselor existente;

)Integrarea proceselor în depozitul de date. Sistemele de clasă BPMS sunt tranzacționale și nu necesită un depozit de date. În Banca Rusiei, se cere nu numai organizarea managementului proceselor, ci și asigurarea analizei lor cuprinzătoare - dinamică, comparativă, structurală etc. Prin urmare, informațiile despre activități ar trebui să fie acumulate în depozitele de date ale fiecărei instituții tehnice, parte din datele vor fi transferate la nivel federal (la un depozit centralizat);

)Dezvoltarea bazei metodologice de analiză. Pentru o rezolvare mai completă și eficientă a problemelor de analiză a informațiilor despre activitățile specificațiilor tehnice, este necesară dezvoltarea unei baze metodologice și instrumentale în următoarele domenii: calculul costului proceselor, evaluarea duratei proceselor, analiză. a structurii organizatorice, managementul performanței;

)Interacțiunea cu TPK. DSS ar trebui să interacționeze cu sistemele software standard (TPC) care operează în instituțiile teritoriale. Interacțiunea este organizată cu scopul de a: obținerea de date inițiale (de exemplu, date privind costurile specificațiilor tehnice); obținerea de informații de reglementare și de referință actualizate; obţinerea de date privind execuţia proceselor. Luând în considerare aceste principii, a fost elaborat un model conceptual al sistemului, care acoperă nivelurile federal și regional de guvernare (Fig. 3):

Orez. 3. Modelul conceptual al DSS în gestionarea activităților sucursalelor teritoriale ale Băncii Rusiei

Modelul conceptual prezentat corespunde cel mai pe deplin soluției sarcinilor de management ale Băncii Rusiei și include următoarele componente:

· Sisteme la nivel regional (în fiecare instituție teritorială). DSS la nivel regional este replicabil și oferă funcționalități comune tuturor specificațiilor tehnice. Informațiile despre activitățile TS sunt acumulate într-un depozit de date, peste care funcționează instrumentele analitice BI.

· Sistem la nivel federal (în biroul central). DSS la nivel federal este o componentă integratoare care implică stocarea și procesarea centralizată a informațiilor despre activitățile tuturor specificațiilor tehnice și capabilităților funcționale care sunt diferite de sistemul la nivel regional. Sistemul la nivel federal generează date (standarde de proces, reglementări etc.) care sunt replicate în DSS la nivel regional.

· Sursele externe de informare furnizează în principal date DSS la nivel regional, ele includ diverse sisteme software care funcționează în instituțiile teritoriale. Sursele externe pot fi considerate componente externe ale DSS.

Întrucât sistemul la nivel federal se bazează în mare parte pe date transmise de la sisteme la nivel regional, este în primul rând necesar să se dezvolte suport informativ, matematic și instrumental pentru sistemul la nivel regional ca bază pentru un DSS integral al Băncii Rusiei. În același timp, trebuie menționat că metodele și instrumentele dezvoltate vor fi utilizate în construcția sistemului la nivel federal. Pe parcursul studiului a fost elaborată structura DSS la nivel regional (Fig. 4), luând în considerare amploarea specificațiilor tehnice, varietatea funcțiilor și proceselor efectuate, factorii practicii de management consacrate și caracteristicile automatizării actuale.

Orez. 4. Structura DSS la nivel regional al Băncii Rusiei

2.2.2 Descrierea subsistemelor funcționale

Sistemul include subsisteme funcționale care asigură interfețe cu utilizatorul și implementează funcții de afaceri și subsisteme tehnologice care asigură funcționarea subsistemelor funcționale bazate pe mecanisme unificate de gestionare a datelor și metadate centralizate. Toate subsistemele funcționează sub controlul subsistemului de administrare și securitate a informațiilor, care asigură un nivel adecvat de protecție a datelor împotriva accesului neautorizat, în conformitate cu cerințele Băncii Rusiei. În cursul studiului, ținând cont de specificul Băncii Rusiei, au fost dezvoltate și justificate cerințele de informare și suport instrumental al subsistemelor funcționale.

Subsistemul de descriere a procesului este destinat unei descriere formală a activităților sub forma unui set de procese interconectate, ținând cont de caracteristicile Băncii Rusiei. Pentru modelarea proceselor din sistem au fost utilizate standardele IDEF0 și IDEF3, completate cu o serie de structuri suplimentare: operațiuni de control, tranziții de retur, legături către alte procese, procese auxiliare, puncte de început și de sfârșit ale procesului. La formarea unui model de informații pentru descrierea proceselor TS, au fost luate în considerare specificul Băncii Rusiei și cerințele standardelor, precum și următoarele principii:

· Suportul pentru versiuni implică menținerea unei cronologii a tuturor modificărilor din descrierea procesului (modificările la obiecte sunt înregistrate ca versiuni sortate după dată). Datorită acestui fapt, se poate obține un model al activității de specificații tehnice de la orice dată;

· Suportul pentru modelarea modificărilor este oferit prin menținerea versiunilor temporare ale obiectelor care pot fi aprobate sau revocate după cum este necesar;

· Personalizarea modelelor de proces presupune extinderea setului de atribute ale modelului de proces, introducerea de noi obiecte și legarea acestora cu cele existente.

Ținând cont de principiile și caracteristicile enunțate, pe parcursul studiului a fost elaborat un model informațional al proceselor și obiectelor din mediul lor (Fig. 5).

Orez. 5. Interrelaţionarea principalelor obiecte ale mediului de proces.

Pe baza modelului informațional generat, subsistemul de descriere a procesului permite rezolvarea următoarelor sarcini principale:

· formarea unui model holistic formalizat al activității UT;

· menținerea la zi a informațiilor despre activități;

· generarea de rapoarte și certificate privind documentarea activităților UT.

Subsistemul de control al execuției proceselor asigură executarea proceselor formalizate, direcționarea sarcinilor între executanți în conformitate cu descrierea, monitorizarea respectării termenelor limită și a eficienței performanței, transformarea datelor privind execuția proceselor din surse externe într-un singur format unificat.0

În urma studiului, a fost elaborat ciclul de viață al proceselor și operațiilor (Fig. 6), care, împreună cu notarea descrierii proceselor, oferă soluția următoarelor sarcini:

· organizarea executiei proceselor;

· monitorizarea si gestionarea executiei proceselor;

· organizarea controlului asupra executării proceselor în punctele critice;

· formarea de rapoarte analitice pentru managerii de diferite niveluri de specificații tehnice (șefi de sectoare, departamente, departamente, management de vârf).

Orez. 6. Ciclu de viață executarea procesului

Subsistemul costului procesului este conceput pentru a calcula caracteristicile costului proceselor și a le analiza în diferite secțiuni, oferă instrumente pentru o analiză detaliată a caracteristicilor costurilor proceselor, echilibrare, analiză comparativă, diverse opțiuni calcul.

Subsistemul de analiză a activității implementează suport pentru analiza activităților UT în diverse aspecte - eficiență, costuri, personal, procese etc., în timp ce colectează și structurează date din surse externe și alte subsisteme. Subsistemul analitic este construit pe baza metodologiei CPM, ținând cont de sarcinile Băncii Rusiei și oferă un set de aplicații și instrumente analitice pentru rezolvarea următoarelor sarcini:

.Managementul sistemului de scopuri strategice, obiective și indicatori (ținând cont de țintele stabilite la nivel federal de Banca Rusiei);

.Sprijin pentru luarea deciziilor în domeniul managementului personalului și al structurii organizatorice a UT;

.Monitorizarea si analiza indicatorilor de performanta.

Sistemul de scopuri strategice, obiective și indicatori este un sistem de balanced scorecards (BSC) și indicatori cheie de performanță care pot fi stabiliți pentru procese, departamente, angajați etc. Toate scopurile, obiectivele și indicatorii sunt de natură cronologică. Sursa de date pentru BSC este depozitul de date. Valorile țintă ale indicatorilor pot fi stabilite prin mai multe scenarii, pentru a evalua gradul de realizare a scopurilor și obiectivelor, indicatorilor li se pot atribui factori de ponderare. Pe baza unei comparații a valorilor țintă și reale, se efectuează monitorizarea și analiza atingerii obiectivelor.

Suportul decizional în managementul personalului include aplicații analitice pentru analiza structurii organizaționale, analiza personalului în ceea ce privește disciplina performanței, indicatorii cheie de performanță și performanță ai proceselor, echilibrarea și repartizarea responsabilităților funcționale.

Monitorizarea și analiza indicatorilor de performanță se realizează folosind instrumente BI bazate pe depozit, oferind în același timp capacitatea de a compara indicatori eterogene și diverse tipuri de analiză (dinamică, structurală, comparativă, cluster, clasament etc.).

2.2.3 Elaborarea unui DSS la nivelul specificațiilor tehnice care implementează soluții metodologice și instrumentale

În timpul dezvoltării DSS, a fost efectuată analiza cerințelor pentru construirea sistemului, a fost dezvoltată structura logică și fizică a datelor, au fost fundamentate principiile de bază ale construirii sistemului și sarcinile de alegere a tehnologiilor informaționale pentru implementarea sistemului. au fost rezolvate.

Structura sistemului include subsisteme funcționale care implementează logica de afaceri și interfața cu utilizatorul și subsisteme tehnologice care asigură funcționarea subsistemelor funcționale bazate pe mecanisme unificate de gestionare a datelor și metadate centralizate.

Pentru implementarea sistemului au fost alese următoarele tehnologii informaționale:

· ca bază pentru stocarea informațiilor - sistemul de management al bazei de date relaționale Oracle versiunea 9i;

· ca mediu de dezvoltare software și instrumente - complexul analitic „Prognoz-5”, axat pe dezvoltarea sistemelor informaționale și analitice și a sistemelor de sprijinire a deciziilor în diverse domenii ale economiei;

· pentru dezvoltarea componentelor web - mediul integrat Microsoft Visual Studio 2005 și platforma ASP.NET.

În timpul creării DSS, se dezvoltă un set de soluții software și tehnologice bazate pe principii arhitecturale unificate pentru cea mai optimă și fiabilă funcționare. La dezvoltarea procedurilor de gestionare a unei baze de date complexe, inclusiv a segmentelor tranzacționale și analitice, au fost dezvoltate și aplicate următoarele soluții:

· Asigurând consistența datelor segmentelor tranzacționale și analitice ale bazei de date, pentru aceasta a fost dezvoltat un sistem de clase interconectate, axat pe utilizarea unui nucleu unificat de procesare a tranzacțiilor, care se bazează pe utilizarea metadatelor Oracle DBMS. La nivel de tabel, controlul integrității datelor este asigurat de instrumentele DBMS pentru a îmbunătăți fiabilitatea funcționării (Fig. 7):

Orez. 7. Schema de gestionare a consistenței datelor DSS.

· Suport pentru versiunea obiectelor, menținând în același timp controlul integrității la nivel DBMS. Pentru a face acest lucru, fiecare obiect este stocat în două tabele: un tabel cu obiecte și un tabel cu versiuni de obiecte;

· Scalabilitatea bazei de date la nivel de atribute și obiecte cu control al integrității. Pentru atribute suplimentare, integritatea este controlată la nivelul declanșatorului; atunci când se creează obiecte noi în tabele, declanșatoarele unificate de control al integrității sunt create automat;

· Optimizarea extragerii si scrierii in baza de date cu cantitati mari de date. După crearea structurii fizice, s-au indexat, pentru tabelele depozitului de date, s-au folosit instrumentele de formare a Partițiilor SGBD-ului Oracle.

Sursele de date pentru completarea inițială a DSS și actualizarea ulterioară pot fi date din sistemele software standard operate în TU: Sisteme de activitate în fermă (IEA), Sisteme de management al documentelor, Sisteme de automatizare etc. DSS vă permite să descărcați descrieri de proces din fișierele MS Word și Excel, ceea ce este important pentru instituțiile teritoriale care au proiecte de modele de proces „pe hârtie”.

DSS dezvoltat este utilizat în modul industrial în Banca Națională a Republicii Bashkortostan la peste 300 de locuri de muncă ale managerilor și specialiștilor pentru a descrie procese, a organiza și monitoriza execuția proceselor, a justifica schimbările în structura organizațională și a analiza activitățile. În sistem sunt descrise aproximativ 980 de procese, aproximativ 730 dintre ele sunt aprobate, aproximativ 200 de procese sunt lansate în mod regulat în mod industrial.

2.3Concluzii și rezultate ale aplicării prezentului DSS

Au fost obținute următoarele rezultate și concluzii principale:

Pe baza constatărilor, este prezentat conceptul de sistem integrat de suport decizional în managementul activităților TS, axat pe integrarea abordărilor BPMS, BI și CPM, în care metodele și algoritmii dezvoltați de autor sunt construiti pe baza baza unui singur mediu informaţional şi instrumental. Conceptul combină atât metode noi, cât și cele cunoscute anterior pentru monitorizarea și analizarea activităților instituțiilor tehnice bazate pe o abordare procesuală, adaptată specificului Băncii Rusiei.

A fost creat și testat un sistem de suport decizional în specificațiile tehnice specifice Băncii Rusiei în domeniul gestionării activităților unei instituții teritoriale la nivel regional. Utilizarea DSS în specificațiile tehnice face posibilă creșterea gestionabilității activităților bazate pe o abordare procesuală, îmbunătățirea sistemului de control intern, optimizarea structurii organizaționale existente și formarea unui depozit bazat pe indicatori de performanță.

Ca urmare a implementării sistemului, s-au obținut următoarele rezultate (după cum urmează din rapoartele către conducerea Băncii Rusiei):

· sistem îmbunătățit de control intern al activităților;

· tehnologiile de emitere și tranzacții cu numerar au fost îmbunătățite și costurile cu forța de muncă au fost reduse (până la 10% pentru unele tranzacții);

· centralizarea funcțiilor îndeplinite de Centrele de Decontare și Cash (13 funcții în 9 procese);

· compartimentul de circulatie numerar a fost transformat in doua compartimente independente;

· posturi redistribuite între departamentele din cadrul departamentului de securitate și protecție a informațiilor;

· s-a efectuat reducerea personalului din compartimentul economic și operațional; sunt în curs de pregătire propuneri pentru optimizarea fluxului de lucru.

Concluzie

Până în prezent, nu există un lider recunoscut în producția de software pentru construirea de sisteme DSS. Niciuna dintre companii nu produce o soluție gata făcută, care se numește „out of the box”, potrivită pentru utilizare directă în procesul de producție al clientului. Crearea unui DSS include întotdeauna etapele de analiză a datelor și proceselor de afaceri ale clientului, proiectarea structurilor de stocare ținând cont de nevoile și procesele tehnologice ale acestuia.

Având în vedere cantitatea de resurse financiare și de altă natură implicate, complexitatea și natura în mai multe etape a proiectelor pentru construirea de sisteme DSS, costul ridicat al erorilor de proiectare este evident. Greșelile în selecția software-ului pot duce la costuri financiare, ca să nu mai vorbim de creșterea timpului de proiect. Erorile de proiectare a structurii datelor pot duce atât la performanțe inacceptabile, cât și la costul timpului petrecut pentru reîncărcarea datelor, care uneori ajunge la câteva zile. Prin urmare, având o înțelegere profundă a arhitecturii depozitelor de date, este necesară evitarea oricăror greșeli, ceea ce presupune o reducere semnificativă a timpului de execuție a proiectului și oportunitatea de a profita la maximum de implementarea DSS.

De remarcat separat că problemele de luare a deciziilor, și anume, DSS sunt slab dezvoltate în țara noastră și sunt puțin utilizate în practică. Utilizarea unor programe precum cel descris aici nu este doar foarte simplă, ci și destul de eficientă și nu necesită cunoștințe și investiții speciale.

Câteva zeci de companii diferite produc produse capabile să rezolve anumite probleme care apar în procesul de proiectare și operare a sistemelor DSS. Aceasta include DBMS, instrumente pentru descărcarea / transformarea / încărcarea datelor, instrumente pentru analiză OLAP și multe altele.

Autoanaliza pieței, studiul a cel puțin câtorva dintre aceste instrumente nu este o sarcină ușoară și consumatoare de timp.

Deci, în această lucrare, ne-am familiarizat cu sistemele de sprijinire a deciziilor.

În introducere este fundamentată relevanța acestui subiect, sunt prezentate scopul și obiectivele studiului, caracteristici generale munca, a fost identificat subiectul studiului.

Primul capitol furnizează aspecte teoretice și concepte ale sistemelor de suport decizional, oferă o clasificare detaliată a tipurilor de DSS și inițial a dezvăluit funcțiile acestora. Tot în acest capitol, ne-am familiarizat cu istoria creării sistemelor de suport, am analizat mai detaliat structura DSS și elementele sale principale. Sunt date trăsături distinctive sisteme de suport decizional, precum și domeniile și domeniile în care acestea pot fi aplicate.

A fost identificată o metodologie de sprijinire a deciziei, ceea ce ne permite să concluzionăm că aplicarea acesteia face posibilă:

· formalizarea procesului de găsire a unei soluții pe baza datelor disponibile (procesul de generare a opțiunilor de soluție);

· să ierarhească criteriile și să ofere evaluări bazate pe criterii ale parametrilor fizici care afectează problema rezolvată (capacitatea de a evalua soluțiile);

· să utilizeze proceduri de coordonare formalizate în luarea deciziilor colective;

· să utilizeze proceduri formale pentru prezicerea consecințelor deciziilor luate;

· alegeți opțiunea care duce la soluția optimă a problemei.

De aici rezultă că ne-am familiarizat cu lucrurile de bază și cu partea teoretică despre sistemele de sprijinire a deciziilor.

Al doilea capitol prezintă implementarea practică a DSS în domeniul gestionării activităților organizației pe baza abordării procesuale (pe exemplul oficiilor teritoriale ale Băncii Rusiei). Este propus conceptul de construire a unui DSS „Managementul activităților instituțiilor teritoriale ale Băncii Rusiei”. A fost dezvoltat și fundamentat un model conceptual al DSS, structura funcțională și cerințele pentru componentele principale. Este propus un set de metode și instrumente pentru a sprijini luarea deciziilor în managementul TS, ținând cont de specificul Băncii Rusiei. Au fost elaborate și fundamentate cerințele pentru informarea și suportul analitic al sistemului, ținând cont de sarcinile urgente de gestionare a sucursalelor teritoriale ale Băncii Rusiei. Sunt prezentate rezultatele introducerii acestui sistem bazat pe rapoarte către conducerea Băncii Rusiei.

Astfel, am aflat cum sunt aplicate în practică aceste sisteme de suport decizional – în cazul nostru, în sectorul bancar.

Utilizarea DSS este promițătoare chiar și numai pentru că orice decizie de management este subiectivă, bazată pe politica companiei, reflectă obiectivele principale ale organizației și, cel mai important, nu este neapărat adevărată. Toate acestea conduc la necesitatea oficializării procesului de luare a deciziilor și a atrage instrumente de sprijin pentru a reduce riscul de a lua o decizie greșită. Acesta din urmă crește odată cu acumularea de informații de prelucrat. Acest lucru se întâmplă deoarece o persoană fie nu este capabilă să proceseze toate informațiile necesare pentru a lua o decizie pe cont propriu, fie nu este capabilă să o facă într-un interval de timp în care sarcina este încă relevantă.

Bibliografie

1.Vesnin, V.R. Management: Manual - ed. a 4-a, revăzută. și suplimentare - M.: TK Velby, 2009. - 342 p.

2.Gercikova, I.N. Procesul de luare și implementare a deciziilor manageriale / I.N. Gercikova // Management în Rusia și în străinătate, 2013. Nr. 12. - 130 p.

.Goncharov, V. I. Management: tutorial/ V. I. Goncharov. - Minsk: Școala Modernă, 2010. - 255 p.

.Drobyshev, A.V. Metode de luare a deciziilor. metodele Delphi și ELECTRA. - Instrucțiuni La munca de laborator la cursul „Sisteme de suport pentru decizii”. - MGIEM. Comp.: I.E.Safonova,., K.Yu.Mishin, S.V.Tsyganov: M., MGIEM, 2008. - 26 p.

.Evlanov, A. G. Teoria și practica luării deciziilor. - M.: Economie, 2010. - 212 p.

.Korotkov, E. M. Management: un manual pentru licență / E. M. Korotkov. Moscova: Yurait, 2012.- 85 p.

.Krivko, O.B. Tehnologia de informație. Moscova: SOMINTEK. 2011. - 179 p.

.Lafta, J. K. Eficiența managementului organizației. - M.: Literatură de afaceri rusă, 2009. - 320 p.

.Lafta, J. K. Eficiența managementului organizației. - M.: Literatură de afaceri rusă, 2011. - 320 p.

.Makarov, S.F. Manager la serviciu. - M.: FINPRESS, 2009. - 155 p.

.Meskon, M. Fundamentals of Management: Textbook / M. Meskon, M. Albert, F. Hedouri; M., 2012. - 387 p.

.Pankrukhina, A.P. Teoria controlului: manual / [Yu. P. Alekseev și alții]; sub redacția generală a: A. L. Gaponenko, A. P. Pankrukhina. - Moscova: Editura RAGS, 2010.- 213 p.

.Pirozhkov, V.A. Cu privire la implementarea abordării procesuale a managementului sub forma unui sistem suport de decizie „Managementul activităților organizației” [Text] / V.A. Pirozhkov // Buletinul Universității Tambov. Ser.: Științe umaniste. - 2008. - Emisiune. 11. - 489 p.

.Polușkin, O.A. Management strategic: note de curs. - M.: EKSMO, 2007. - 138 p.

autorităţi regionale // Reforme în Rusia şi probleme

.Romașcenko, V.N. Luarea deciziilor: situații și sfaturi. - Kiev, 2012. - 154 p.

16.Rumyantseva Z.P. Managementul organizației: un manual. - M.: INFRA-M, 2005. - 432 p.

.Saraev, A. D., Shcherbina O. A. Analiză de sistem și tehnologii informaționale moderne // Proceedings of the Crimean Academy of Sciences. - Simferopol: SONAT, 2009. - 136 p.

.Safonova, I.E. Metode de luare a deciziilor. Modificarea metodei Delphi și a metodei de analiză a ierarhiilor. - Ghid pentru lucrul de laborator la cursul „Sisteme de suport pentru decizii”. - MGIEM. Comp.:. 18. I. E. Safonova, A. V. Drobyshev, K. Yu. Mishin, S. V. Tsyganov: M., MGIEM, 2007. - 20 p.

.Safonova, I.E. Metode de luare a deciziilor. Metoda și metodele distanței minime MaxiMin și MaxiMax. - Ghid pentru lucrul de laborator la cursul „Sisteme de suport pentru decizii”. - MGIEM. Comp.:, 18. I.E. Safonova A.V. Drobyshev, K.Yu. Mishin, S.V. Tsyganov: M., 2007. - 19 p.

.Terelyansky, P.V. Sisteme de sprijin pentru decizii. Experiență de proiectare: monografie / P.V. Terelyansky; VolgGTU.- Volgograd, 2009. -127 p.

.Chernyakhovskaya L.R. Sprijin decizional în managementul strategic al întreprinderii bazat pe ingineria cunoașterii / L. R. Chernyakhovskaya et al. Ufa: Academia de Științe a Republicii Belarus, Gilem, 2010. - 128 p.

Trimiteți-vă munca bună în baza de cunoștințe este simplu. Utilizați formularul de mai jos

Studenții, studenții absolvenți, tinerii oameni de știință care folosesc baza de cunoștințe în studiile și munca lor vă vor fi foarte recunoscători.

Documente similare

Studiu proces tehnologic pentru producerea betonului celular. Modelul „cum va fi” al procesului de diagnosticare a stării procesului tehnologic de producere a betonului celular, ținând cont de sistemul de sprijinire a deciziei. Prototiparea interfeței DSS.

teză, adăugată 17.06.2017


Studierea scopului și sarcinilor principale pe care Project Expert le rezolvă - un sistem de suport decizional (DSS) conceput pentru managerii care proiectează un model financiar pentru o întreprindere nouă sau existentă. Aplicații software, etape de lucru.

rezumat, adăugat 19.05.2010


Clasificarea sistemelor informatice pentru conducerea activitatilor unei intreprinderi. Analiza pieței și caracteristicile sistemelor de clasă Business Intelligence. Clasificarea metodelor decizionale utilizate în DSS. Alegerea unei platforme de business intelligence, criterii de comparare.

teză, adăugată 27.09.2016


Clasificarea sistemelor de sprijinire a deciziei. Analiza comparativa metode de evaluare a riscului de creditare cu amănuntul. Structura sistemului de suport decizional, formarea bazei de cunoștințe inițiale. Proiectarea unei baze de date a sistemului informatic.

teză, adăugată 07.10.2017


Conceptul de sisteme de sprijinire a deciziei. Domeniul de aplicare al Analytica 2.0. Software de modelare cantitativă. Interfață grafică pentru dezvoltarea modelului. Metode de modelare de bază. Diagrama impactului și arborele de decizie.

lucrare de control, adaugat 09.08.2011


Dezvoltare algoritmică și software pentru rezolvarea problemei suportului decizional privind lansarea de noi produse. Sprijinul matematic al sarcinii de sprijinire a luării deciziilor cu privire la lansarea de noi produse, principalele date de intrare și de ieșire.

teză, adăugată 03.08.2011


Tipuri de sisteme informatice administrative: sisteme de raportare, sisteme de suport decizional, sisteme de sprijin decizional strategic. Sortarea și filtrarea listelor în Microsoft Excel. Lucrul cu baze de date în Microsoft Access.

test, adaugat 19.11.2009