ประเภทของปลาสวาย ระบบสนับสนุนการตัดสินใจ (DSS) แนวคิดทั่วไปของ DSS

จุดประสงค์ในการเขียนบทความนี้คือเพื่อ รีวิวสั้นๆหลักการสร้างระบบสนับสนุนการตัดสินใจอย่างชาญฉลาด ( IDSS) บทบาทของแมชชีนเลิร์นนิง ทฤษฎีเกม การสร้างแบบจำลองคลาสสิก และตัวอย่างการใช้งานใน DSS วัตถุประสงค์ของบทความ ไม่คือการเจาะลึกลงไปในทฤษฎีหนักของออโตมาตะ เครื่องจักรที่เรียนรู้ด้วยตนเอง ตลอดจนเครื่องมือ BI

บทนำ

มีคำจำกัดความหลายประการ IDSSซึ่งโดยทั่วไปแล้วจะหมุนไปรอบ ๆ ฟังก์ชันการทำงานเดียวกัน ใน ปริทัศน์ IDSS เป็นระบบดังกล่าวที่ช่วยผู้มีอำนาจตัดสินใจ (ผู้มีอำนาจตัดสินใจ) ในการตัดสินใจเหล่านี้ โดยใช้การทำเหมืองข้อมูล เครื่องมือสร้างแบบจำลองและการแสดงภาพ มี UI ที่เป็นมิตร (G) คุณภาพมีเสถียรภาพ โต้ตอบได้และการตั้งค่าที่ยืดหยุ่น

ทำไมเราต้อง DSS:

1. ความยากลำบากในการตัดสินใจ
2. ความจำเป็นในการประเมินทางเลือกต่างๆ ที่ถูกต้องแม่นยำ
3. ความต้องการฟังก์ชันคาดการณ์
4. ความจำเป็นในการป้อนข้อมูลแบบมัลติเธรด (ในการตัดสินใจคุณต้องได้ข้อสรุปตามข้อมูล ความคิดเห็นของผู้เชี่ยวชาญ, ข้อจำกัดที่ทราบ ฯลฯ)

DSS แรก (ในขณะนั้นยังไม่มี I) เติบโตจาก TPS (ระบบประมวลผลธุรกรรม) ในช่วงกลางทศวรรษที่ 60 - ต้นทศวรรษ 70 จากนั้นระบบเหล่านี้ก็ไม่มีการโต้ตอบใด ๆ อันที่จริงแล้วเป็นส่วนเสริมเหนือ RDBMS โดยมีฟังก์ชันการทำงานบางอย่าง (ไม่ได้ยอดเยี่ยมเลย) การจำลองเชิงตัวเลข. หนึ่งในระบบแรกๆ เรียกว่า DYNAMO ซึ่งพัฒนาขึ้นในระดับความลึกของ MIT และเป็นตัวแทนของระบบสำหรับการจำลองกระบวนการใดๆ ตามธุรกรรมในอดีต หลังจากที่เมนเฟรมของ IBM 360 เข้าสู่ตลาด ระบบการค้าแบบมีเงื่อนไขก็เริ่มปรากฏขึ้น ซึ่งใช้ในอุตสาหกรรมการป้องกันประเทศ บริการพิเศษ และสถาบันวิจัย

ตั้งแต่ต้นทศวรรษ 1980 เราสามารถพูดคุยเกี่ยวกับการก่อตัวได้แล้ว คลาสย่อย DSSเช่น MIS (Management Information System), EIS (Executive Information System), GDSS (Group Decision Support Systems), ODSS (Organization Decision Support Systems) เป็นต้น อันที่จริงระบบเหล่านี้เป็นเฟรมเวิร์กที่สามารถทำงานกับข้อมูลในลำดับชั้นต่างๆ (จากบุคคลสู่องค์กร) และภายในก็เป็นไปได้ที่จะแนะนำตรรกะแบบใดก็ได้ ตัวอย่างคือระบบ GADS (Gate Assignment Display System) ที่พัฒนาโดย Texas Instruments สำหรับ United Airlines ซึ่งสนับสนุนการตัดสินใจในการปฏิบัติงานภาคสนาม เช่น การกำหนดประตู การกำหนดเวลาจอดรถที่เหมาะสม เป็นต้น

ในช่วงปลายยุค 80 มี PSSPR(ขั้นสูง - ขั้นสูง) ซึ่งอนุญาตให้ทำการวิเคราะห์แบบ "what-if" และใช้เครื่องมือสร้างแบบจำลองขั้นสูงขึ้น

ในที่สุด, ตั้งแต่กลางยุค 90เริ่มปรากฏและ IDSSซึ่งอิงจากเครื่องมือทางสถิติและการเรียนรู้ของเครื่อง ทฤษฎีเกม และการสร้างแบบจำลองที่ซับซ้อนอื่นๆ

ความหลากหลายของDSS

ปัจจุบันมีหลายวิธี การจำแนกประเภท DSS เราจะอธิบาย 3 รายการยอดนิยม:

ตามพื้นที่สมัคร

• ธุรกิจและการจัดการ (ราคา พนักงาน ผลิตภัณฑ์ กลยุทธ์ ฯลฯ)
• วิศวกรรมศาสตร์ (ออกแบบผลิตภัณฑ์ ควบคุมคุณภาพ...)
• การเงิน (การให้ยืมและเงินกู้)
• ยา (ยา การรักษา การวินิจฉัย)
• สิ่งแวดล้อม

โดย data\model ratio(วิธีสตีเฟน อัลเตอร์)

• FDS (File Drawer Systems - ระบบสำหรับให้การเข้าถึงข้อมูลที่จำเป็น)
• DAS (ระบบวิเคราะห์ข้อมูล - ระบบสำหรับการจัดการข้อมูลอย่างรวดเร็ว)
• AIS (ระบบข้อมูลวิเคราะห์ - ระบบการเข้าถึงข้อมูลตามประเภทของโซลูชันที่ต้องการ)
• AFM (s) (การบัญชีและแบบจำลองทางการเงิน (ระบบ) - ระบบสำหรับการคำนวณผลกระทบทางการเงิน)
• RM(s) (แบบจำลองการเป็นตัวแทน (ระบบ) - ระบบจำลอง, AnyLogic เป็นตัวอย่าง)
• OM (s) (แบบจำลองการเพิ่มประสิทธิภาพ (ระบบ) - ระบบที่แก้ปัญหาการปรับให้เหมาะสม)
• SM (s) (แบบจำลองข้อเสนอแนะ (ระบบ) - ระบบการอนุมานตามกฎ)

ตามประเภทของเครื่องมือที่ใช้

• Model Driven - อิงตามโมเดลคลาสสิก (โมเดลเชิงเส้น โมเดลการจัดการสินค้าคงคลัง การขนส่ง การเงิน ฯลฯ)
• ขับเคลื่อนด้วยข้อมูล - อิงจากข้อมูลในอดีต
• Communication Driven - ระบบที่ใช้การตัดสินใจแบบกลุ่มโดยผู้เชี่ยวชาญ (ระบบอำนวยความสะดวกในการแลกเปลี่ยนความคิดเห็นและคำนวณค่าผู้เชี่ยวชาญโดยเฉลี่ย)
• Document Driven - โดยพื้นฐานแล้วการจัดเก็บเอกสารที่จัดทำดัชนี (มักจะหลายมิติ)
• ขับเคลื่อนความรู้ - อยู่บนพื้นฐานของความรู้ ความรู้ของทั้งผู้เชี่ยวชาญและเครื่องจักรคืออะไร

อยากได้หนังสือร้องเรียน! DSS ปกติ

แม้จะมีตัวเลือกการจัดหมวดหมู่ที่หลากหลาย แต่ข้อกำหนดและคุณลักษณะของ DSS ก็เข้ากันได้ดีใน 4 ส่วน:

1. คุณภาพ
2. องค์กร
3. ข้อ จำกัด
4. แบบอย่าง

ในแผนภาพด้านล่าง เราจะแสดงให้เห็นอย่างชัดเจนว่าข้อกำหนดใดและส่วนใดบ้างที่เข้าข่าย:

แยกจากกัน เราสังเกตคุณลักษณะที่สำคัญเช่น ความสามารถในการปรับขนาดได้ (ในแนวทางที่คล่องตัวในปัจจุบัน คุณไม่สามารถทำได้หากไม่มี) ความสามารถในการประมวลผลข้อมูลที่ไม่ดี การใช้งานและอินเทอร์เฟซที่เป็นมิตรต่อผู้ใช้ และทรัพยากรที่ไม่ต้องการมาก

สถาปัตยกรรมและการออกแบบ IDSS

มีหลายวิธีในการนำเสนอ DSS ทางสถาปัตยกรรม บางทีคำอธิบายที่ดีที่สุดเกี่ยวกับความแตกต่างในแนวทางก็คือ "ใครอยู่ในอะไรมาก" แม้จะมีวิธีการที่หลากหลาย แต่ก็มีความพยายามในการสร้างสถาปัตยกรรมแบบครบวงจรบางประเภท อย่างน้อยก็ในระดับบนสุด

อันที่จริง DSS สามารถแบ่งออกเป็น 4 ชั้นขนาดใหญ่:

1. อินเตอร์เฟซ
2. การสร้างแบบจำลอง
3. การขุดข้อมูล
4. การเก็บรวบรวมข้อมูล

และในเลเยอร์เหล่านี้ คุณสามารถยัดเยียดเครื่องมือประเภทใดก็ได้

ในแผนภาพด้านล่าง ฉันนำเสนอวิสัยทัศน์ของฉันเกี่ยวกับสถาปัตยกรรม พร้อมคำอธิบายเกี่ยวกับฟังก์ชันการทำงานและตัวอย่างเครื่องมือ:

สถาปัตยกรรมมีความชัดเจนไม่มากก็น้อย ไปที่การออกแบบและการก่อสร้างจริงของ DSS

โดยหลักการแล้ว ไม่มีวิทยาศาสตร์จรวดอยู่ที่นี่ เมื่อสร้าง IDSS ต้องปฏิบัติตามขั้นตอนต่อไปนี้:

1. การวิเคราะห์โดเมน (อันที่จริง เราจะใช้ IDSS ของเราที่ใด)
2. การเก็บรวบรวมข้อมูล
3. การวิเคราะห์ข้อมูล
4. ทางเลือกของรุ่น
5. การวิเคราะห์โดยผู้เชี่ยวชาญ\การตีความแบบจำลอง
6. การดำเนินการของแบบจำลอง
7. การประเมิน IDSS
8. การดำเนินการของ IDSS
9. การรวบรวมข้อเสนอแนะ ( ในขั้นตอนใด, ในความเป็นจริง)

บนไดอะแกรมดูเหมือนว่านี้:

มีสองวิธีในการประเมิน IDSS ประการแรกโดยเมทริกซ์แอตทริบิวต์ซึ่งแสดงไว้ข้างต้น ประการที่สอง ตามรายการตรวจสอบเกณฑ์ ซึ่งสามารถเป็นอะไรก็ได้และขึ้นอยู่กับงานเฉพาะของคุณ ตัวอย่างของรายการตรวจสอบดังกล่าว ฉันจะให้สิ่งต่อไปนี้:

ฉันเน้นว่านี่เป็นเพียง IMHO และคุณสามารถสร้างรายการตรวจสอบที่สะดวกสำหรับตัวคุณเองได้

การเรียนรู้ของเครื่องและทฤษฎีเกมอยู่ที่ไหน

ใช่เกือบทุกที่! อย่างน้อยก็ในเลเยอร์การสร้างแบบจำลอง

ในอีกด้านหนึ่ง มีโดเมนแบบคลาสสิก ให้เรียกว่า "หนัก" เช่น การจัดการห่วงโซ่อุปทาน การผลิต สินค้าคงคลัง และอื่นๆ ในโดเมนจำนวนมาก อัลกอริทึมที่เราโปรดปรานสามารถนำข้อมูลเชิงลึกเพิ่มเติมมาสู่โมเดลคลาสสิกที่สร้างขึ้นได้ ตัวอย่าง: การวิเคราะห์เชิงคาดการณ์สำหรับความล้มเหลวของอุปกรณ์ (แมชชีนเลิร์นนิง) จะทำงานได้ดีกับการวิเคราะห์ FMEA (คลาสสิก) บางประเภท

ในทางกลับกัน ในโดเมน "เบา" เช่น การวิเคราะห์ลูกค้า การคาดการณ์การเลิกรา การชำระคืนเงินกู้ อัลกอริธึมการเรียนรู้ของเครื่องจะอยู่เบื้องหน้า และในการให้คะแนน ตัวอย่างเช่น คุณสามารถรวมคลาสสิกกับ NLP เมื่อตัดสินใจว่าจะออกเงินกู้ตามแพ็คเกจของเอกสารหรือไม่ (เป็นเพียง DSS ที่ขับเคลื่อนด้วยเอกสารเดียวกัน)

อัลกอริธึมการเรียนรู้ของเครื่องแบบคลาสสิก

สมมติว่าเรามีงาน: ผู้จัดการฝ่ายขายผลิตภัณฑ์เหล็กต้องเข้าใจในขั้นตอนการรับใบสมัครจากลูกค้าว่าคุณภาพเป็นอย่างไร ผลิตภัณฑ์สำเร็จรูปจะไปที่คลังสินค้าและใช้มาตรการควบคุมหากคุณภาพต่ำกว่าที่กำหนด

มาทำกันง่ายๆ กันเถอะ:

ขั้นตอนที่ 0 กำหนดตัวแปรเป้าหมาย (เช่น เนื้อหาของไททาเนียมออกไซด์ในผลิตภัณฑ์สำเร็จรูป)
ขั้นตอนที่ 1 ตัดสินใจเกี่ยวกับข้อมูล (อัปโหลดจาก SAP, Access และโดยทั่วไปจากทุกที่ที่เราสามารถเข้าถึงได้)
ขั้นตอนที่ 2 รวบรวมคุณสมบัติ\สร้างใหม่
ขั้นตอนที่ 3 วาดกระบวนการโฟลว์ข้อมูลและเปิดใช้งานในการผลิต
ขั้นตอนที่ 4. เลือกและฝึกโมเดล รันบนเซิร์ฟเวอร์
ขั้นตอนที่ 5. กำหนด คุณสมบัติที่สำคัญ
ขั้นตอนที่ 6 ตัดสินใจป้อนข้อมูลใหม่ ให้ผู้จัดการของเราป้อน ตัวอย่างเช่น ด้วยมือ
ขั้นตอนที่ 7 เราเขียนอินเทอร์เฟซบนเว็บอย่างง่ายบนหัวเข่าซึ่งผู้จัดการป้อนค่าของคุณสมบัติที่สำคัญพร้อมที่จับ หมุนบนเซิร์ฟเวอร์ด้วยแบบจำลอง และคุณภาพของผลิตภัณฑ์ที่คาดการณ์ไว้จะถูกระบายลงใน อินเทอร์เฟซเดียวกัน

Voila IDSS ระดับอนุบาลพร้อมแล้วคุณใช้งานได้

อัลกอริทึม "ง่าย" ที่คล้ายกันนี้ยังถูกใช้โดย IBMใน Tivoli DSS ซึ่งอนุญาตให้คุณกำหนดสถานะของซูเปอร์คอมพิวเตอร์ของคุณ (Watson เป็นอันดับแรก): ตามบันทึก ข้อมูลเกี่ยวกับประสิทธิภาพของ Watson จะแสดงขึ้น ความพร้อมใช้งานของทรัพยากร ต้นทุนเทียบกับยอดกำไร ความต้องการในการบำรุงรักษา ฯลฯ จะถูกคาดการณ์

บริษัท ABBนำเสนอ DSS800 ให้กับลูกค้าเพื่อวิเคราะห์การทำงานของมอเตอร์ไฟฟ้าของ ABB เดียวกันบนสายกระดาษ

ภาษาฟินแลนด์ ไวศาลาผู้ผลิตเซ็นเซอร์ของกระทรวงคมนาคมของฟินแลนด์ใช้ IDSS เพื่อคาดการณ์ว่าเมื่อใดควรใช้การขจัดน้ำแข็งบนถนนเพื่อหลีกเลี่ยงอุบัติเหตุ

ฟินนิชอีกแล้ว Foredataเสนอ IDSS สำหรับ HR ซึ่งช่วยในการตัดสินใจเกี่ยวกับความเหมาะสมของผู้สมัครสำหรับตำแหน่งแม้ในขั้นตอนการเลือกประวัติย่อ

ที่สนามบินดูไบ DSS ดำเนินการในคลังสินค้า ซึ่งกำหนดลักษณะที่น่าสงสัยของสินค้า ภายใต้ประทุน อัลกอริธึม ตามเอกสารประกอบและข้อมูลที่ป้อนโดยเจ้าหน้าที่ศุลกากร เน้นย้ำถึงสินค้าที่น่าสงสัย: คุณลักษณะคือประเทศต้นทาง ข้อมูลเกี่ยวกับบรรจุภัณฑ์ ข้อมูลเฉพาะในช่องประกาศ ฯลฯ

หลายพันคน!

โครงข่ายประสาทธรรมดา

นอกจาก ML ธรรมดาแล้ว Deep Learning ยังเข้ากับ DSS ได้อย่างลงตัวอีกด้วย

ตัวอย่างบางส่วนสามารถพบได้ในศูนย์รวมการทหารและอุตสาหกรรม เช่น American TACDSS (Tactical Air Combat Decision Support System) ที่นั่น เซลล์ประสาทและอัลกอริธึมวิวัฒนาการกำลังหมุนอยู่ภายใน ช่วยในการระบุเพื่อนหรือศัตรู ในการประเมินความน่าจะเป็นที่จะเกิดการระดมยิงในช่วงเวลาที่กำหนด และงานอื่นๆ

ในโลกแห่งความเป็นจริง ให้พิจารณาตัวอย่างนี้: ในส่วน B2B คุณต้องพิจารณาว่าจะออกเงินกู้ให้กับองค์กรตามแพ็คเกจของเอกสารหรือไม่ มันอยู่ใน B2C ที่โอเปอเรเตอร์ทรมานคุณด้วยคำถามทางโทรศัพท์ใส่ค่าของคุณสมบัติในระบบของเขาและประกาศการตัดสินใจของอัลกอริทึมใน B2B มันค่อนข้างซับซ้อนกว่า

IDSS สามารถสร้างได้ดังนี้: ผู้ยืมที่มีศักยภาพนำแพ็คเกจเอกสารที่ตกลงล่วงหน้าไปที่สำนักงาน (หรือส่งสแกนทางอีเมลพร้อมลายเซ็นและตราประทับตามที่คาดไว้) เอกสารจะถูกป้อนเข้าสู่ OCR จากนั้นโอนไปยัง อัลกอริธึม NLP ซึ่งแบ่งคำออกเป็นคุณสมบัติเพิ่มเติมและป้อนเข้าสู่ NN ลูกค้าถูกขอให้ดื่มกาแฟ (อย่างดีที่สุด) หรือนั่นคือที่ที่ออกบัตรและไปที่นั่นหลังอาหารกลางวัน ในช่วงเวลานั้นทุกอย่างจะถูกคำนวณและแสดงรอยยิ้มสีเขียวหรือสีแดงบนหน้าจอของหญิงสาวผู้ปฏิบัติงาน อืม หรือสีเหลือง ถ้าดูเหมือนโอเค แต่เทพเจ้าแห่งข้อมูลต้องการข้อมูลเพิ่มเติม

กระทรวงการต่างประเทศยังใช้อัลกอริทึมที่คล้ายกัน: แบบฟอร์มการสมัครวีซ่า + ใบรับรองอื่น ๆ จะถูกวิเคราะห์โดยตรงที่สถานทูต / สถานกงสุลหลังจากนั้นจะแสดงอีโมติคอนหนึ่งใน 3 ตัวบนหน้าจอสำหรับพนักงาน: สีเขียว (ออกวีซ่า) สีเหลือง (มีคำถาม), สีแดง (ผู้สมัครในรายการหยุด ) หากคุณเคยได้รับวีซ่าไปสหรัฐอเมริกา การตัดสินของเจ้าหน้าที่กงสุลนั้นเป็นผลมาจากอัลกอริทึมที่สอดคล้องกับกฎเกณฑ์อย่างแม่นยำ ไม่ใช่ความคิดเห็นส่วนตัวเกี่ยวกับคุณ :)

ในโดเมนหนัก ยังรู้จัก DSS ที่อิงตามเซลล์ประสาท ซึ่งกำหนดตำแหน่งของบัฟเฟอร์สะสมในสายการผลิต (ดู ตัวอย่างเช่น Tsadiras AK, Papadopoulos CT, O'Kelly MEJ (2013) ระบบสนับสนุนการตัดสินใจบนเครือข่ายประสาทเทียมสำหรับการแก้ปัญหาการจัดสรรบัฟเฟอร์ในสายการผลิตที่เชื่อถือได้ Comput Ind Eng 66(4):1150–1162), Min-Max General Fuzzy Neural Networks (GFMMNN) สำหรับการจัดกลุ่มผู้ใช้น้ำ ( Arsene CTC, Gabrys B, Al-Dabass D (2012) ระบบสนับสนุนการตัดสินใจสำหรับระบบการจ่ายน้ำตามโครงข่ายประสาทเทียมและทฤษฎีกราฟสำหรับการตรวจจับการรั่วไหล ผู้เชี่ยวชาญ Syst Appl 39(18):13214–13224) และคนอื่น ๆ.

โดยทั่วไป เป็นที่น่าสังเกตว่า NN เหมาะสมที่สุดสำหรับการตัดสินใจภายใต้ความไม่แน่นอน เช่น เงื่อนไขที่ธุรกิจจริงอาศัยอยู่ อัลกอริธึมการจัดกลุ่มก็เข้ากันได้ดีเช่นกัน

เครือข่ายเบย์เซียน

บางครั้งข้อมูลของเราไม่เหมือนกันในแง่ของประเภทการเกิดขึ้น ลองมาดูตัวอย่างจากยากัน ผู้ป่วยมาหาเรา เรารู้บางอย่างเกี่ยวกับเขาจากแบบสอบถาม (เพศ อายุ น้ำหนัก ส่วนสูง ฯลฯ) และประวัติ (เช่น หัวใจวายในอดีต) มาเรียกข้อมูลนี้ว่าคงที่ และเราเรียนรู้บางอย่างเกี่ยวกับเขาในกระบวนการตรวจและรักษาเป็นระยะ (เราวัดอุณหภูมิ องค์ประกอบของเลือด ฯลฯ วันละหลายครั้ง) เราเรียกข้อมูลนี้ว่าไดนามิก เป็นที่ชัดเจนว่า DSS ที่ดีควรคำนึงถึงข้อมูลเหล่านี้ทั้งหมดและออกคำแนะนำตามความครบถ้วนของข้อมูล

ข้อมูลไดนามิกได้รับการอัปเดตตามเวลาตามลำดับ รูปแบบของโมเดลจะเป็นดังนี้: การเรียนรู้การแก้ปัญหาการเรียนรู้ซึ่งโดยทั่วไปแล้วคล้ายกับงานของแพทย์: วินิจฉัยคร่าวๆ หยดยา มองหาปฏิกิริยา ดังนั้นเราจึงอยู่ในสภาวะที่ไม่แน่นอนอยู่เสมอว่าการรักษาจะได้ผลหรือไม่ และสภาพของผู้ป่วยเปลี่ยนแปลงไปแบบไดนามิก เหล่านั้น. เราจำเป็นต้องสร้าง DSS แบบไดนามิกและขับเคลื่อนด้วยความรู้

ในกรณีเช่นนี้ Dynamic Bayesian Networks (DBN) ซึ่งเป็นลักษณะทั่วไปของแบบจำลองตามตัวกรองของคาลมานและแบบจำลองมาร์กอฟที่ซ่อนอยู่ จะช่วยเราได้มาก

มาแบ่งข้อมูลของผู้ป่วยเป็นแบบคงที่และไดนามิก

หากเรากำลังสร้างตาราง Bayesian แบบคงที่ งานของเราคือการคำนวณความน่าจะเป็นต่อไปนี้:

,

โหนดของกริดของเราอยู่ที่ไหน (อันที่จริงแล้วด้านบนของกราฟ) เช่น ค่าของตัวแปรแต่ละตัว (เพศ อายุ....) และ C คือระดับที่คาดการณ์ไว้ (ความเจ็บป่วย)

กริดแบบคงที่มีลักษณะดังนี้:

แต่มันไม่ใช่น้ำแข็ง สภาพของผู้ป่วยกำลังเปลี่ยนไป เวลากำลังจะหมดลง จำเป็นต้องตัดสินใจว่าจะรักษาเขาอย่างไร

นี่คือสิ่งที่ DBS มีไว้เพื่อ

ขั้นแรก ในวันที่ผู้ป่วยเข้ารับการรักษา เราสร้างกริดแบบคงที่ (ดังภาพด้านบน) แล้วทุกวัน ฉันเราสร้างกริดตามข้อมูลที่เปลี่ยนแปลงแบบไดนามิก:

ดังนั้น โมเดลรวมจะมีรูปแบบดังต่อไปนี้:

ดังนั้นเราจึงคำนวณผลลัพธ์ตามสูตรต่อไปนี้:

ที่ไหน ตู่- เวลาสะสมของการรักษาในโรงพยาบาล นู๋- จำนวนตัวแปรในแต่ละขั้นตอนของ DBS

จำเป็นต้องแนะนำโมเดลนี้ใน DSS ด้วยวิธีที่แตกต่างออกไปเล็กน้อย - ค่อนข้างจำเป็นต้องไปจากฝั่งตรงข้าม แก้ไขโมเดลนี้ก่อนแล้วจึงค่อย สร้างอินเทอร์เฟซรอบ ๆ. นั่นคือ แท้จริงแล้ว เราได้สร้างแบบจำลองแบบแข็ง ซึ่งภายในมีองค์ประกอบแบบไดนามิก

ทฤษฎีเกม

ในทางกลับกัน ทฤษฎีเกมนั้นเหมาะสมกว่ามากสำหรับ IDSS ซึ่งสร้างขึ้นสำหรับการตัดสินใจเชิงกลยุทธ์ ลองมาดูตัวอย่างกัน

สมมติว่ามีผู้ขายน้อยรายในตลาด (คู่แข่งจำนวนน้อย) มีผู้นำบางคน และนี่ (อนิจจา) ไม่ใช่บริษัทของเรา เราจำเป็นต้องช่วยฝ่ายบริหารในการตัดสินใจเกี่ยวกับปริมาณผลิตภัณฑ์ของเรา: หากเราผลิตผลิตภัณฑ์ในปริมาณมากและคู่แข่งของเรา - เราจะอยู่ในสีแดงหรือไม่? เพื่อให้เข้าใจง่ายขึ้น ลองใช้กรณีพิเศษของผู้ขายน้อยราย - duopoly (ผู้เล่น 2 คน) ขณะที่คุณกำลังคิด RandomForest อยู่ที่นี่หรือ CatBoost ฉันจะแนะนำให้คุณใช้คลาสสิก - สมดุล Stackelberg ในรูปแบบนี้ พฤติกรรมของบริษัทอธิบายโดยเกมไดนามิกที่มีข้อมูลครบถ้วนสมบูรณ์ ในขณะที่คุณสมบัติของเกมคือการมีอยู่ของบริษัทชั้นนำซึ่งกำหนดปริมาณของสินค้าออกก่อน และบริษัทอื่น ๆ คือ นำทางในการคำนวณของพวกเขาโดยมัน
เพื่อแก้ปัญหาของเรา เราแค่ต้องคำนวณ ดังกล่าว ซึ่งจะแก้ปัญหาการปรับให้เหมาะสมของแบบฟอร์มต่อไปนี้:

ในการแก้ (เซอร์ไพรส์-เซอร์ไพรส์!) คุณแค่ต้องหาอนุพันธ์อันดับแรกเทียบกับศูนย์

ในขณะเดียวกัน สำหรับโมเดลดังกล่าว เราเพียงแค่ต้องรู้ข้อเสนอในตลาดและราคาต่อผลิตภัณฑ์จากคู่แข่งของเรา จากนั้นจึงสร้างแบบจำลองและเปรียบเทียบผลลัพธ์ qกับสิ่งที่ผู้บริหารของเราต้องการนำเสนอสู่ตลาด เห็นด้วยค่อนข้างง่ายและเร็วกว่าการเลื่อย NN

สำหรับโมเดลดังกล่าวและ DSS ที่อิงตามนั้น Excel ก็เหมาะสมเช่นกัน แน่นอนว่าหากจำเป็นต้องคำนวณข้อมูลที่ป้อนเข้าก็จำเป็นต้องมีบางสิ่งที่ซับซ้อนกว่านั้น แต่ไม่มากนัก Power BI เดียวกันสามารถจัดการได้

การมองหาผู้ชนะในการต่อสู้ของ ML vs ToG นั้นไร้จุดหมาย แนวทางในการแก้ปัญหาต่างกันเกินไป ทั้งข้อดีและข้อเสีย

อะไรต่อไป?

จาก ความทันสมัย IDSS ดูเหมือนจะคิดออกแล้วว่าจะไปไหนต่อ?

ในการให้สัมภาษณ์เมื่อเร็วๆ นี้ Judah Pearl ผู้สร้างเครือข่าย Bayesian เหล่านั้นได้กล่าวถึงประเด็นที่น่าสนใจ เรียบเรียงใหม่เล็กน้อยว่า

“ผู้เชี่ยวชาญด้านแมชชีนเลิร์นนิงทุกคนกำลังทำอยู่ในตอนนี้ กำลังปรับให้เข้ากับข้อมูล ความพอดีไม่ใช่เรื่องเล็กน้อย ซับซ้อนและน่าเบื่อ แต่ก็ยังเหมาะสม”

(อ่าน)

เป็นไปได้มากที่สุด หวังหยู่ ใน 10 ปี เราจะหยุดโมเดลฮาร์ดโค้ด และเริ่มสอนคอมพิวเตอร์ทุกที่ในสภาพแวดล้อมจำลองที่สร้างขึ้นแทน อาจเป็นไปได้ว่าการนำ IDSS ไปใช้จะเป็นไปตามเส้นทางนี้ - ตามเส้นทางของ AI และ skynets และ WAPR อื่นๆ

หากเรามองในมุมที่ใกล้กว่า อนาคตของ IDSS จะอยู่ที่ความยืดหยุ่นในการตัดสินใจ ไม่มีวิธีการใดที่เสนอ (แบบจำลองคลาสสิก การเรียนรู้ของเครื่อง DL ทฤษฎีเกม) ที่เป็นสากลในแง่ของประสิทธิภาพสำหรับงานทั้งหมด DSS ที่ดีควรรวมเครื่องมือเหล่านี้ทั้งหมด + RPA ในขณะที่โมดูลต่างๆ ควรใช้ภายใต้ งานต่าง ๆและมีอินเทอร์เฟซเอาต์พุตที่แตกต่างกันสำหรับผู้ใช้ที่แตกต่างกัน ค็อกเทลแบบผสม แต่ไม่เขย่า

วรรณกรรม

1. Merkert, Mueller, Hubl, A Survey of the Application of Machine Learning in Decision Support Systems, University of Hoffenheim 2015
2. ทาริก ราฟี,ระบบสนับสนุนการตัดสินใจอย่างชาญฉลาด - A Framework, India, 2011
3. ซานเซซ อี มาร์เร, Gibert, Evolution of Decision Support Systems, University of Catalunya, 2555
4. Ltifi, Trabelsi, อาย, อาลิมิ, ระบบสนับสนุนการตัดสินใจแบบไดนามิกจาก Bayesian Networks, University of Sfax, National School of Engineers (ENIS), 2012

ระบบสนับสนุนการตัดสินใจ(DSS) เป็นระบบคอมพิวเตอร์ที่โต้ตอบได้เกือบตลอดเวลา ซึ่งออกแบบมาเพื่อช่วยผู้จัดการ (หรือหัวหน้างาน) ในการตัดสินใจ DSS มีทั้งข้อมูลและแบบจำลองเพื่อช่วยผู้มีอำนาจตัดสินใจในการแก้ปัญหา โดยเฉพาะอย่างยิ่งปัญหาที่ไม่เป็นระเบียบ ข้อมูลมักจะถูกดึงมาจากระบบประมวลผลแบบสอบถามออนไลน์หรือฐานข้อมูล แบบจำลองอาจเป็นประเภท "กำไรขาดทุน" อย่างง่ายในการคำนวณกำไรภายใต้สมมติฐานบางประการ หรือประเภทแบบจำลองการปรับให้เหมาะสมที่ซับซ้อนเพื่อคำนวณโหลดสำหรับเครื่องจักรแต่ละเครื่องในร้านค้า DSS และระบบต่างๆ ที่กล่าวถึงในหัวข้อต่อไปนี้ไม่ได้ถูกปรับให้เหมาะสมเสมอไปโดยวิธีต้นทุนและผลประโยชน์แบบเดิม สำหรับระบบเหล่านี้ ประโยชน์มากมายที่จับต้องไม่ได้ เช่น การตัดสินใจที่ลึกซึ้งยิ่งขึ้นและความเข้าใจในข้อมูลที่ดีขึ้น

ข้าว. รูปที่ 1.4 แสดงให้เห็นว่าระบบสนับสนุนการตัดสินใจต้องการองค์ประกอบหลักสามส่วน: โมเดลการจัดการ การจัดการข้อมูลเพื่อรวบรวมและประมวลผลข้อมูลด้วยตนเอง และการจัดการการสนทนาเพื่ออำนวยความสะดวกในการเข้าถึง DSS ของผู้ใช้ ผู้ใช้โต้ตอบกับ DSS ผ่านอินเทอร์เฟซผู้ใช้ เลือกโมเดลและชุดข้อมูลที่ต้องการใช้ จากนั้น DSS จะแสดงผลลัพธ์แก่ผู้ใช้ผ่านอินเทอร์เฟซผู้ใช้เดียวกัน รูปแบบการจัดการและการจัดการข้อมูลทำงานอยู่เบื้องหลังเป็นส่วนใหญ่ และมีตั้งแต่แบบจำลองทั่วไปที่ค่อนข้างง่ายในสเปรดชีตไปจนถึงแบบจำลองการวางแผนที่ซับซ้อนและซับซ้อนโดยอิงจากการเขียนโปรแกรมทางคณิตศาสตร์

ข้าว. 1.4.ส่วนประกอบของระบบสนับสนุนการตัดสินใจ

DSS ประเภทที่ได้รับความนิยมอย่างมากอยู่ในรูปแบบของเครื่องมือสร้างงบการเงิน การใช้สเปรดชีตเช่น Lotus 1-2-3 หรือ Microsoft Excel แบบจำลองจะถูกสร้างขึ้นเพื่อทำนายองค์ประกอบต่างๆขององค์กรหรือ ฐานะการเงิน. งบการเงินก่อนหน้าขององค์กรใช้เป็นข้อมูล โมเดลเริ่มต้นประกอบด้วยสมมติฐานต่างๆ เกี่ยวกับแนวโน้มในอนาคตในหมวดรายจ่ายและรายได้ หลังจากพิจารณาผลลัพธ์ของแบบจำลองพื้นฐานแล้ว ผู้จัดการดำเนินการชุดของการศึกษา "จะเกิดอะไรขึ้นถ้า" โดยเปลี่ยนสมมติฐานหนึ่งข้อขึ้นไปเพื่อกำหนดผลกระทบต่อสถานะเริ่มต้น ตัวอย่างเช่น ผู้จัดการอาจตรวจสอบผลกระทบต่อการทำกำไรหากยอดขายผลิตภัณฑ์ใหม่เพิ่มขึ้น 10% ต่อปี หรือผู้จัดการอาจตรวจสอบผลกระทบของราคาวัตถุดิบที่เพิ่มขึ้นมากกว่าที่คาดไว้ เช่น 7% แทนที่จะเป็น 4% ต่อปี เครื่องมือสร้างงบการเงินประเภทนี้คือ DSS ที่เรียบง่ายแต่ทรงพลังเพื่อเป็นแนวทางในการตัดสินใจทางการเงิน

ตัวอย่างของ DSS ที่จะนำธุรกรรมข้อมูลไปใช้จริงคือระบบการจัดทำงบประมาณการขยายงานของตำรวจที่ใช้ในเมืองต่างๆ ในแคลิฟอร์เนีย ระบบนี้อนุญาตให้เจ้าหน้าที่ตำรวจดูแผนที่และแสดงข้อมูลพื้นที่ทางภูมิศาสตร์ แสดงเสียงเรียกตำรวจ ประเภทการโทร และเวลาโทร ความสามารถด้านกราฟิกเชิงโต้ตอบของระบบช่วยให้เจ้าหน้าที่จัดการแผนที่ โซน และข้อมูล เพื่อเสนอแนะทางเลือกในการออกจากตำรวจได้อย่างรวดเร็วและง่ายดาย

อีกตัวอย่างหนึ่งของ DSS คือระบบโต้ตอบสำหรับการวางแผนปริมาณและการผลิตในบริษัทกระดาษขนาดใหญ่ ระบบนี้ใช้ข้อมูลก่อนหน้าโดยละเอียด แบบจำลองการคาดการณ์และการวางแผนเพื่อเล่นบนคอมพิวเตอร์ ตัวชี้วัดทั่วไปบริษัทภายใต้สมมติฐานการวางแผนที่แตกต่างกัน บริษัทน้ำมันส่วนใหญ่กำลังพัฒนา DSS เพื่อรองรับการตัดสินใจลงทุน ระบบนี้รวมถึงเงื่อนไขทางการเงินและแบบจำลองต่างๆ สำหรับการสร้างแผนในอนาคต ซึ่งสามารถนำเสนอในรูปแบบตารางหรือกราฟิก

ตัวอย่างทั้งหมดของ DSS ที่ระบุจะเรียกว่า DSS เฉพาะ เป็นแอปพลิเคชันจริงที่ช่วยในกระบวนการตัดสินใจ ในทางตรงกันข้าม ตัวสร้างระบบสนับสนุนการตัดสินใจคือระบบที่ให้ชุดความสามารถเพื่อสร้าง DSS เฉพาะอย่างรวดเร็วและง่ายดาย DSS Generator เป็นแพ็คเกจซอฟต์แวร์ที่ออกแบบมาเพื่อทำงานบนพื้นฐานคอมพิวเตอร์เพียงบางส่วน ในตัวอย่างงบการเงินของเรา Microsoft Excel หรือ Lotus 1-2-3 ถือเป็นตัวสร้าง DSS ในขณะที่แบบจำลอง Excel หรือ Lotus 1-2-3 สำหรับการออกแบบงบการเงินสำหรับสาขาส่วนตัวของบริษัทนั้นเป็น DSS เฉพาะ

DSS ถูกกล่าวถึงในรายละเอียดเพิ่มเติมใน Sect 2.2.

DSS ส่วนใหญ่เกิดขึ้นจากความพยายามของนักวิทยาศาสตร์ชาวอเมริกันในช่วงปลายทศวรรษ 1970 และต้นทศวรรษ 1980 ซึ่งส่วนใหญ่อำนวยความสะดวกโดยการใช้คอมพิวเตอร์ส่วนบุคคลอย่างแพร่หลาย แพ็คเกจซอฟต์แวร์แอปพลิเคชันมาตรฐาน ตลอดจนความก้าวหน้าที่สำคัญในการสร้างระบบปัญญาประดิษฐ์ (AI) .

คุณสมบัติที่โดดเด่นของ SPPR

DSS มีลักษณะเฉพาะด้วยคุณลักษณะที่โดดเด่นดังต่อไปนี้

การปฐมนิเทศเพื่อแก้ไขปัญหาที่มีโครงสร้างไม่ดี (มีรูปแบบ) โดยทั่วไปสำหรับผู้บริหารระดับสูง

ความเป็นไปได้ของการรวมกัน วิธีการดั้งเดิมการเข้าถึงและประมวลผลข้อมูลคอมพิวเตอร์ด้วยความสามารถของแบบจำลองทางคณิตศาสตร์และวิธีแก้ปัญหา

การปฐมนิเทศไปยังผู้ใช้คอมพิวเตอร์ปลายทางที่ไม่เป็นมืออาชีพผ่านการใช้โหมดการทำงานแบบโต้ตอบ

ความสามารถในการปรับตัวสูง ให้ความสามารถในการปรับให้เข้ากับคุณสมบัติของฮาร์ดแวร์และซอฟต์แวร์ที่มีอยู่ตลอดจนความต้องการของผู้ใช้

ตำแหน่งของ DSS ในระบบสารสนเทศ โมเดลข้อมูลขององค์กรสามารถคิดได้ว่าเป็นแบบจำลองลำดับชั้น ซึ่งรวมถึงสามระดับต่อไปนี้ (ดูรูปที่ 4.3):

การประมวลผลข้อมูล

การประมวลผลข้อมูล

การตัดสินใจ.

ข้าว. 4.3. ลำดับชั้นของระบบสารสนเทศในบริษัท

ที่ระดับต่ำสุดแรกคือ SEOD ในลำดับชั้นของการตัดสินใจของฝ่ายบริหาร ระดับนี้สอดคล้องกับระดับของการควบคุมการจัดการที่ทำให้เวิร์กโฟลว์ในองค์กรเป็นไปโดยอัตโนมัติ ลักษณะสำคัญของ SOED คือ:

การประมวลผลข้อมูลที่ระดับการควบคุมการปฏิบัติงาน

การประมวลผลธุรกรรมเชิงพาณิชย์อย่างมีประสิทธิภาพที่ดำเนินการโดยองค์กร

การจัดตารางเวลาและเพิ่มประสิทธิภาพการทำงานของคอมพิวเตอร์

การรวมไฟล์อธิบายงานที่เกี่ยวข้อง

รวบรวมรายงานสำหรับผู้บริหาร

ที่ระดับกลางที่สอง ซึ่งสอดคล้องกับระดับการควบคุมการจัดการ การเน้นจะเปลี่ยนไปที่ขั้นตอนการประมวลผลข้อมูลที่ดำเนินการโดย MIS การประมวลผลนี้มักจะหมายถึงการวางแผนกิจกรรมในด้านการทำงานขององค์กร เช่น การตลาด การผลิต การเงิน การบัญชี บุคลากร ควรพิจารณาคุณสมบัติหลักของ IMS:

การจัดเตรียมข้อมูลที่เป็นประโยชน์ในระดับผู้บริหารระดับกลาง

โครงสร้าง (การสั่งซื้อ) กระแสข้อมูล

การบูรณาการ (การรวมกัน) ของข้อมูลที่ได้รับจาก SEOD ในด้านการทำงานของธุรกิจ (การตลาด IMS, การผลิต MIS เป็นต้น)

การสร้างระบบการตอบกลับแบบสอบถามและการรายงานไปยังผู้บริหาร (โดยปกติใช้ฐานข้อมูล)

ที่ระดับสูงสุดอันดับสามของการจัดการซึ่งสอดคล้องกับการวางแผนเชิงกลยุทธ์ การตัดสินใจที่สำคัญที่สุดขององค์กรจะเกิดขึ้น DSS ที่ใช้ในระดับนี้ (ดังจะชัดเจนจากสิ่งต่อไปนี้ DSS สามารถใช้ที่ระดับการจัดการใด ๆ ) มีลักษณะดังต่อไปนี้:

การเตรียมโซลูชั่นสำหรับผู้บริหารระดับสูง

สร้างความมั่นใจในการปรับตัวสูงต่อการเปลี่ยนแปลงและ ความเร็วสูงตอบสนองต่อคำขอของผู้ใช้

ให้ความช่วยเหลือในการตัดสินใจแก่ผู้จัดการแต่ละคน

การจัดการข้อมูลในสภาพแวดล้อม SEDI ดำเนินการเพื่อประมวลผลการดำเนินธุรกิจในปัจจุบันที่ดำเนินการโดยบริษัทเป็นหลัก การสร้าง IMS เกี่ยวข้องกับการถือกำเนิดของ DBMS ซึ่งทำให้สามารถจัดระเบียบรูปแบบการสืบค้น การประมวลผลข้อมูล และการสร้างรายงานการจัดการต่างๆ อย่างไรก็ตาม ข้อได้เปรียบหลักของการสร้าง DBMS คือการลดต้นทุนของการเขียนโปรแกรมต่อเนื่องที่เกี่ยวข้องกับการทำงานของฐานข้อมูล ควรสังเกตว่าข้อกำหนดที่กำหนดโดยผู้ใช้ในระบบดังกล่าวค่อนข้างต่ำ ข้อกำหนดสำหรับ DSS นั้นจริงจังกว่ามาก สิ่งนี้เกี่ยวข้องกับความต้องการที่เพิ่มขึ้นสำหรับข้อมูลที่เชื่อถือได้ ซึ่งรวมถึงข้อมูลที่มีความน่าจะเป็น เช่นเดียวกับการจำกัดเวลาในโหมดการสืบค้นและการใช้ข้อมูลที่มาจากแหล่งที่ไม่ใช่คอมพิวเตอร์ การปฏิบัติตามข้อกำหนดดังกล่าวช่วยให้เกิดการแลกเปลี่ยนข้อมูลอย่างรวดเร็วระหว่างฐานข้อมูลที่รวมอยู่ใน DSS และฐานข้อมูลขนาดใหญ่ที่เก็บข้อมูลเกี่ยวกับการดำเนินงานของบริษัท

ดังนั้น SEOD และ MIS ทำให้สามารถตอบสนองความต้องการข้อมูลของผู้ใช้ผ่านการเข้าถึงข้อมูลที่จำเป็นและรับรายงานอย่างรวดเร็ว (สร้างด้วยระดับการประมวลผลข้อมูลที่แตกต่างกัน) ที่อำนวยความสะดวกในการตัดสินใจ ในกรณีของ DSS พูดเกี่ยวกับความสามารถของระบบร่วมกับผู้ใช้ ในการสร้าง . ได้ถูกต้องกว่า ข้อมูลใหม่(มักอยู่ในรูปแบบของทางเลือกสำเร็จรูป) เพื่อประกอบการตัดสินใจ

ควรสังเกตว่าแนวทางการพิจารณาเพื่อสร้างตำแหน่งของ DSS ในกลุ่ม IS อาจทำให้ผู้อ่านเข้าใจผิดได้ ดังนั้น จึงอาจดูเหมือนว่า DSS จะใช้ได้เฉพาะในระดับสูงสุดของรัฐบาลเท่านั้น อันที่จริงสามารถใช้เพื่อช่วยในการตัดสินใจในทุกระดับของการจัดการ นอกจากนี้ การตัดสินใจในระดับต่างๆ ของรัฐบาลมักจะต้องได้รับความร่วมมือ ดังนั้น หน้าที่สำคัญของ DSS คือการประสานงานของผู้มีอำนาจตัดสินใจในระดับการจัดการต่างๆ รวมทั้งในระดับเดียวกัน และสุดท้ายดูเหมือนว่าผู้อ่านที่ช่วยในการตัดสินใจเป็นสิ่งเดียวที่ผู้บริหารระดับสูงอาจต้องการจากระบบสารสนเทศ อย่างไรก็ตาม การตัดสินใจเป็นเพียงหนึ่งในหน้าที่ของผู้จัดการที่พวกเขาได้รับความช่วยเหลือจากระบบสารสนเทศ

โปรดสังเกตด้วยว่าคำว่า "ระบบข้อมูลการจัดการ" นั้นถูกใช้ในวรรณคดีในความหมายที่กว้างและแคบ ในความหมายกว้าง จะรวมถึงระบบคอมพิวเตอร์ทุกประเภท (SEOD, ISU, DSS เป็นต้น) ที่ใช้เพื่อผลประโยชน์ของผู้จัดการ ในความหมายที่แคบ คำนี้หมายถึงประเภทของ IS ที่สร้างรายงานการจัดการ กล่าวคือ ไอเอสยู

โครงสร้างของDSS

จนถึงขณะนี้ เรายังไม่ได้แตะต้องโครงสร้างของ DSS โดยพิจารณาว่าเป็น "กล่องดำ" บางประเภท แนวคิดแรกเกี่ยวกับโครงสร้างของ DSS สามารถดึงมาจากการพิจารณาในรูปที่ 4.4.

นอกเหนือจากผู้ใช้แล้ว DSS ยังมีองค์ประกอบหลักสามส่วน ได้แก่ ระบบย่อยสำหรับการประมวลผลและจัดเก็บข้อมูล ระบบย่อยสำหรับการจัดเก็บและใช้แบบจำลอง และระบบย่อยของซอฟต์แวร์ หลังรวมถึงระบบการจัดการฐานข้อมูล (DBMS) ระบบการจัดการฐานข้อมูลแบบจำลอง (BMS) และระบบการจัดการบทสนทนาระหว่างผู้ใช้กับคอมพิวเตอร์ (UDC)

ระบบย่อยข้อมูล ระบบย่อยการประมวลผลและการจัดเก็บข้อมูลมีลักษณะเฉพาะด้วยข้อดีที่ทราบทั้งหมดในการสร้างและการใช้ฐานข้อมูล อย่างไรก็ตาม การใช้ฐานข้อมูลเป็นส่วนหนึ่งของ DSS มีลักษณะเฉพาะ (ดูรูปที่ 4.5) ตัวอย่างเช่น,

ข้าว. 4.4. โครงสร้างของDSS

ฐานข้อมูล DSS มีชุดแหล่งข้อมูลขนาดใหญ่กว่ามาก รวมถึงแหล่งข้อมูลภายนอกที่มีความสำคัญเป็นพิเศษสำหรับการตัดสินใจในระดับการจัดการระดับสูง ตลอดจนแหล่งข้อมูลที่ไม่ใช่คอมพิวเตอร์ คุณลักษณะอีกประการหนึ่งคือความเป็นไปได้ของ "การบีบอัด" เบื้องต้นของข้อมูลที่มาจากหลายแหล่ง ผ่านการประมวลผลร่วมกันเบื้องต้นโดยกระบวนการรวมและการกรอง

ข้อมูลมีบทบาทสำคัญใน DSS ผู้ใช้สามารถใช้โดยตรงหรือใช้เป็นข้อมูลเริ่มต้นสำหรับการคำนวณโดยใช้แบบจำลองทางคณิตศาสตร์

ระบบย่อยข้อมูล DSS รับข้อมูลบางส่วนจากระบบสำหรับการประมวลผลการดำเนินการที่ดำเนินการโดยบริษัท อย่างไรก็ตาม ข้อมูลที่ได้รับในระดับการประมวลผลธุรกรรมเชิงพาณิชย์จะมีประโยชน์สำหรับ DSS ในบางกรณีซึ่งเกิดขึ้นไม่บ่อยนักเท่านั้น ข้อมูลนี้ต้องได้รับการประมวลผลล่วงหน้าจึงจะใช้งานได้ มีความเป็นไปได้สองประการสำหรับสิ่งนี้ อย่างแรกคือการใช้ DBMS ที่รวมอยู่ใน DSS เพื่อประมวลผลข้อมูลเกี่ยวกับการดำเนินงานของบริษัท ประการที่สองคือการประมวลผลภายนอก DSS โดยการสร้างฐานข้อมูลพิเศษสำหรับสิ่งนี้ เป็นที่ชัดเจนว่าทางเลือกที่สองของตัวเลือกเหล่านี้เหมาะสำหรับบริษัทที่มีธุรกรรมทางการค้าจำนวนมาก

ไอทูซี 4.5. โครงสร้างของระบบย่อยข้อมูล DSS

ข้อมูลที่ประมวลผลเกี่ยวกับการดำเนินงานของบริษัทก่อให้เกิดไฟล์ที่แยกออกมา ซึ่งจัดเก็บไว้ภายนอก DSS เพื่อปรับปรุงความน่าเชื่อถือและความเร็วในการเข้าถึง แนวคิดในการสร้างฐานข้อมูลพิเศษสำหรับการประมวลผลธุรกรรมของ บริษัท นั้นขึ้นอยู่กับความได้เปรียบของการแยกฟิลด์การประมวลผลข้อมูลอิเล็กทรอนิกส์อัตโนมัติออกจากฟิลด์ของผู้ใช้ปลายทางที่มีคุณสมบัติน้อยกว่า นอกจากนี้ ผู้ใช้ปลายทางของ DSS ซึ่งคาดหวังว่าระบบจะตอบสนองต่อคำขอของพวกเขาอย่างรวดเร็ว จะแข่งขันกันเพื่อแย่งชิงเวลาของเครื่องด้วยกระบวนการประมวลผลธุรกรรมอย่างต่อเนื่อง ดังนั้น หลายองค์กรที่ทำงานกับ DSS จึงใช้คอมพิวเตอร์แยกต่างหากที่ทำงานภายใน MIS ส่วนกลางเพื่อประมวลผลธุรกรรมทางธุรกิจของตน

นอกเหนือจากข้อมูลเกี่ยวกับการดำเนินงานของบริษัท ข้อมูลภายในอื่น ๆ จำเป็นสำหรับการดำเนินงานของ DSS ตัวอย่างเช่น จำเป็นต้องมีการประมาณการของผู้จัดการที่ทำงานในด้านการตลาด การเงิน การผลิต ข้อมูลการเคลื่อนไหวของบุคลากร ข้อมูลทางวิศวกรรม ฯลฯ ข้อมูลเหล่านี้ต้องถูกรวบรวม ป้อน และบำรุงรักษาในเวลาที่เหมาะสม

สิ่งสำคัญ โดยเฉพาะอย่างยิ่งสำหรับการสนับสนุนการตัดสินใจในระดับผู้บริหารระดับสูง คือข้อมูลจากแหล่งภายนอก ข้อมูลภายนอกที่จำเป็นควรรวมถึงข้อมูลเกี่ยวกับคู่แข่ง เศรษฐกิจระดับประเทศและระดับโลก ข้อมูลภายนอกมักจะซื้อได้จากองค์กรที่เชี่ยวชาญในการรวบรวมข้อมูลต่างจากข้อมูลภายใน

ปัจจุบันปัญหาการรวมแหล่งข้อมูลอื่นใน DSS กำลังอยู่ระหว่างการศึกษาอย่างกว้างขวาง - เอกสารที่ประกอบด้วยบันทึก จดหมาย สัญญา คำสั่ง ฯลฯ หากเนื้อหาของเอกสารเหล่านี้ถูกบันทึกในหน่วยความจำ (เช่น บนดิสก์วิดีโอ) แล้วประมวลผลตามลักษณะสำคัญบางประการ (ซัพพลายเออร์ ผู้บริโภค วันที่ ประเภทของบริการ ฯลฯ) DSS จะได้รับแหล่งใหม่ที่ทรงพลังของ ข้อมูล.

ระบบย่อยข้อมูล ซึ่งเป็นส่วนหนึ่งของ DSS ควรมีความสามารถดังต่อไปนี้:

การรวบรวมข้อมูลที่รวบรวมได้จากแหล่งต่างๆ ผ่านการใช้ขั้นตอนการรวมและการกรอง

การเพิ่มหรือยกเว้นแหล่งข้อมูลอย่างใดอย่างหนึ่งอย่างรวดเร็ว

การสร้างโครงสร้างข้อมูลเชิงตรรกะในแง่ของผู้ใช้

การใช้และจัดการข้อมูลที่ไม่เป็นทางการเพื่อทดสอบทางเลือกการทำงานของผู้ใช้ในการทดลอง

การจัดการข้อมูลโดยใช้ฟังก์ชันการจัดการที่หลากหลายซึ่งจัดทำโดย DBMS

สร้างความเป็นอิสระทางตรรกะที่สมบูรณ์ของฐานข้อมูลที่รวมอยู่ในระบบย่อยข้อมูล DSS จากฐานข้อมูลปฏิบัติการอื่น ๆ ที่ทำงานภายในบริษัท

ระบบย่อยของโมเดล นอกเหนือจากการให้การเข้าถึงข้อมูลแล้ว DSS ยังให้ผู้ใช้เข้าถึงโมเดลการตัดสินใจได้อีกด้วย ซึ่งทำได้โดยการแนะนำแบบจำลองที่เหมาะสมใน IS และใช้ฐานข้อมูลในนั้นเพื่อเป็นกลไกในการรวมแบบจำลองและการสื่อสารระหว่างกัน (ดูรูปที่ 4.6)

DSS ที่เป็นผลลัพธ์จะรวมข้อดีของ SEOD และ MIS ในด้านการประมวลผลข้อมูลและการสร้างรายงานการจัดการ เข้ากับข้อดีของการวิจัยการดำเนินงานและเศรษฐมิติในแง่ของการสร้างแบบจำลองทางคณิตศาสตร์ของสถานการณ์และการค้นหาแนวทางแก้ไข

กระบวนการสร้างแบบจำลองควรมีความยืดหยุ่น ควรมีภาษาการสร้างแบบจำลองพิเศษ ชุดของบล็อกซอฟต์แวร์และโมดูลแต่ละรายการที่ใช้ส่วนประกอบแต่ละอย่างของรุ่นต่างๆ ตลอดจนชุดของฟังก์ชันการควบคุม

การใช้แบบจำลองช่วยรับรองความสามารถของ DSS ในการวิเคราะห์ ตัวแบบใช้การตีความปัญหาทางคณิตศาสตร์โดยใช้อัลกอริธึมบางอย่างช่วยในการค้นหาข้อมูลที่เป็นประโยชน์สำหรับการตัดสินใจที่ถูกต้อง ตัวอย่างเช่น รุ่น การเขียนโปรแกรมเชิงเส้นทำให้สามารถกำหนดความได้เปรียบได้มากที่สุด โปรแกรมการผลิตการผลิตผลิตภัณฑ์หลายประเภทภายใต้ข้อจำกัดด้านทรัพยากรที่กำหนด

การใช้แบบจำลองเป็นส่วนหนึ่งของระบบสารสนเทศเริ่มต้นด้วยการใช้วิธีการและวิธีทางสถิติ การวิเคราะห์ทางการเงินซึ่งถูกนำไปใช้โดยคำสั่งของภาษาอัลกอริธึมทั่วไป ต่อมาได้มีการสร้างภาษาพิเศษขึ้นที่ทำให้สามารถสร้างแบบจำลองสถานการณ์เช่น "ถ้า?" หรือ "ทำอย่างไร" ภาษาดังกล่าวสร้างขึ้นเฉพาะสำหรับแบบจำลองอาคารทำให้สามารถสร้างแบบจำลองบางประเภทที่ ให้การแก้ปัญหาด้วยการเปลี่ยนแปลงตัวแปรที่ยืดหยุ่น

ปัจจุบันมีโมเดลหลายประเภทและหลายวิธีในการจำแนกประเภท เช่น ตามวัตถุประสงค์การใช้งาน ขอบเขตการใช้งานที่เป็นไปได้ วิธีการประเมินตัวแปร เป็นต้น

วัตถุประสงค์ของการสร้างแบบจำลองคือการเพิ่มประสิทธิภาพหรือคำอธิบายของวัตถุหรือกระบวนการบางอย่าง โมเดลการปรับให้เหมาะสมนั้นสัมพันธ์กับการค้นหาจุดต่ำสุดหรือสูงสุดของตัวบ่งชี้บางตัว ตัวอย่างเช่น ผู้จัดการมักต้องการทราบว่าการกระทำของตนนำไปสู่การเพิ่มผลกำไรสูงสุดอย่างไร (การลดต้นทุน) โมเดลการเพิ่มประสิทธิภาพให้ข้อมูลดังกล่าว แบบจำลองเชิงพรรณนาอธิบายพฤติกรรมของระบบบางระบบ และไม่ได้มีวัตถุประสงค์เพื่อการจัดการ (การเพิ่มประสิทธิภาพ)

แม้ว่าระบบส่วนใหญ่จะสุ่มตัวอย่าง (กล่าวคือ สถานะของระบบนั้นไม่สามารถคาดเดาได้อย่างแม่นยำ) แบบจำลองทางคณิตศาสตร์ส่วนใหญ่ถูกสร้างขึ้นเพื่อกำหนดขึ้นเอง ตัวแบบเชิงกำหนดจะประเมินตัวแปรด้วยตัวเลขเดียว (ตรงข้ามกับตัวแบบสุ่มที่ประเมินตัวแปรด้วยพารามิเตอร์หลายตัว) โมเดลที่กำหนดขึ้นได้เป็นที่นิยมมากกว่าโมเดลสุ่ม เนื่องจากมีราคาไม่แพงและยาก และง่ายต่อการสร้างและใช้งาน นอกจากนี้ บ่อยครั้งด้วยความช่วยเหลือของพวกเขา เป็นไปได้ที่จะได้รับข้อมูลที่เพียงพอเพื่อช่วยผู้ตัดสินใจ

จากมุมมองของขอบเขตของการใช้งานที่เป็นไปได้ โมเดลต่างๆ จะถูกแบ่งออกเป็นโมเดลเฉพาะทาง มีไว้สำหรับใช้กับระบบเดียวเท่านั้น และโมเดลสากล สำหรับใช้กับหลายระบบ ตัวแรกมีราคาแพงกว่า มักใช้เพื่ออธิบายระบบที่ไม่ซ้ำกันและมีความแม่นยำมากกว่าระบบที่สอง

ฐานรุ่น. แบบจำลองใน DSS จะสร้างฐานแบบจำลองที่ประกอบด้วยแบบจำลองเชิงกลยุทธ์ ยุทธวิธี และการปฏิบัติงาน ตลอดจนชุดของบล็อกแบบจำลอง โมดูล และขั้นตอนที่ใช้เป็นองค์ประกอบสำหรับแบบจำลองอาคาร (ดูรูปที่ 4.6) โมเดลแต่ละประเภทมีลักษณะเฉพาะของตัวเอง

แบบจำลองเชิงกลยุทธ์ถูกนำมาใช้ในระดับสูงสุดของการจัดการเพื่อกำหนดเป้าหมายขององค์กร ปริมาณทรัพยากรที่จำเป็นในการบรรลุเป้าหมาย ตลอดจนนโยบายในการได้มาและการใช้ทรัพยากรเหล่านี้ นอกจากนี้ยังมีประโยชน์ในการเลือกตัวเลือกสำหรับการค้นหาองค์กร คาดการณ์นโยบายของคู่แข่ง และอื่นๆ แบบจำลองเชิงกลยุทธ์มีลักษณะเฉพาะด้วยความครอบคลุมที่มีนัยสำคัญ ตัวแปรจำนวนมาก และการนำเสนอข้อมูลในรูปแบบรวมที่บีบอัด ข้อมูลเหล่านี้มักอิงจากแหล่งข้อมูลภายนอกและอาจอิงตามอัตวิสัย ขอบเขตการวางแผนในแบบจำลองเชิงกลยุทธ์มักจะวัดเป็นปี แบบจำลองเหล่านี้มักจะกำหนดขึ้น พรรณนา เฉพาะสำหรับการใช้งานในบริษัทใดบริษัทหนึ่งโดยเฉพาะ

ผู้จัดการระดับกลางใช้แบบจำลองทางยุทธวิธีในการจัดสรรและควบคุมการใช้ทรัพยากรที่มีอยู่ ควรระบุพื้นที่ที่เป็นไปได้ในการใช้งาน: การวางแผนทางการเงิน ข้อกำหนดในการวางแผนสำหรับพนักงาน การวางแผนเพื่อเพิ่มยอดขาย แผนผังรูปแบบอาคารสำหรับองค์กร โมเดลเหล่านี้มักจะใช้ได้กับแต่ละส่วนของบริษัทเท่านั้น (เช่น กับระบบการผลิตและการจัดจำหน่าย) และอาจรวมถึงมวลรวมด้วย กรอบเวลาที่ครอบคลุมโดยแบบจำลองยุทธวิธีอยู่ระหว่างหนึ่งเดือนถึงสองปี ข้อมูลจากแหล่งภายนอกอาจจำเป็นที่นี่ แต่จุดเน้นหลักในการใช้แบบจำลองเหล่านี้ควรให้ความสำคัญกับข้อมูลภายในของบริษัท โดยปกติแล้ว โมเดลยุทธวิธีจะถูกนำไปใช้เป็นตัวกำหนด การปรับให้เหมาะสม และเป็นสากล

แบบจำลองการดำเนินงานจะใช้ในระดับการจัดการที่ต่ำกว่าเพื่อสนับสนุนการตัดสินใจในการปฏิบัติงานโดยมีขอบเขตที่วัดเป็นวันและสัปดาห์ การใช้งานที่เป็นไปได้ของแบบจำลองเหล่านี้รวมถึงการแนะนำการคำนวณบัญชีลูกหนี้และเครดิต, ปฏิทิน การวางแผนการผลิต, การจัดการสินค้าคงคลัง ฯลฯ แบบจำลองการดำเนินงานมักจะใช้ข้อมูลภายในบริษัทสำหรับการคำนวณ มีแนวโน้มที่จะกำหนดขึ้น เพิ่มประสิทธิภาพ และทั่วไป (กล่าวคือ สามารถใช้โดยองค์กรต่างๆ)

นอกจากโมเดลเชิงกลยุทธ์ ยุทธวิธี และการปฏิบัติงานแล้ว พื้นฐานของโมเดล DSS ยังประกอบด้วยชุดของโมเดลบล็อก โมดูล และขั้นตอนการทำงาน ซึ่งอาจรวมถึงขั้นตอนสำหรับโปรแกรมเชิงเส้น การวิเคราะห์เชิงสถิติของอนุกรมเวลา การวิเคราะห์การถดถอย ฯลฯ - จากขั้นตอนที่ง่ายที่สุดไปจนถึงแพ็คเกจแอปพลิเคชันที่ซับซ้อน โมเดลบล็อค โมดูล และโพรซีเดอร์สามารถใช้ได้ทั้งแบบแยกส่วนโดยอิสระเพื่อช่วยเหลือผู้ใช้ DSS และในการสร้างและบำรุงรักษาโมเดลที่ซับซ้อนร่วมกัน

ระบบการจัดการอินเทอร์เฟซ ประสิทธิภาพและความยืดหยุ่นของ DSS ในการแก้ปัญหาบางอย่างขึ้นอยู่กับลักษณะของอินเทอร์เฟซที่ใช้เป็นส่วนใหญ่ อินเทอร์เฟซรวมถึง ระบบซอฟต์แวร์การควบคุมการสนทนา (CUD) คอมพิวเตอร์และผู้ใช้เอง

ภาษาของผู้ใช้ - นี่คือการกระทำที่ผู้ใช้ดำเนินการเกี่ยวกับระบบโดยใช้ความสามารถของแป้นพิมพ์ ดินสออิเล็กทรอนิกส์ที่เขียนบนหน้าจอ จอยสติ๊ก เมาส์ คำสั่งเสียง ฯลฯ รูปแบบที่ง่ายที่สุดของภาษาการดำเนินการคือการสร้างรูปแบบของเอกสารอินพุตและเอาต์พุต เมื่อได้รับแบบฟอร์มป้อนข้อมูล (เอกสาร) ผู้ใช้จะกรอกข้อมูลที่จำเป็นและป้อนลงในคอมพิวเตอร์ DSS ดำเนินการวิเคราะห์ที่จำเป็นและออกผลลัพธ์ในรูปแบบของเอกสารผลลัพธ์ของแบบฟอร์มที่กำหนด

เพิ่มขึ้นอย่างมากสำหรับ เมื่อเร็ว ๆ นี้ความนิยมของอินเทอร์เฟซภาพที่พัฒนาโดย บริษัท อเมริกัน "Apple Mackintosh" ซึ่งขึ้นอยู่กับการใช้อุปกรณ์ "เมาส์" พิเศษ เมื่อใช้อุปกรณ์นี้ ผู้ใช้จะเลือกวัตถุและการกระทำที่แสดงต่อเขาบนหน้าจอในรูปแบบของรูปภาพ ซึ่งจะทำให้เข้าใจถึงภาษาของการกระทำ

การควบคุมคอมพิวเตอร์ด้วยเสียงของมนุษย์นั้นง่ายที่สุดและด้วยเหตุนี้จึงเป็นรูปแบบการกระทำที่เป็นที่ต้องการมากที่สุด ยังไม่ได้รับการพัฒนาอย่างเพียงพอ ดังนั้นจึงไม่เป็นที่นิยมอย่างมากใน DSS การพัฒนาที่มีอยู่จำเป็นต้องมีข้อจำกัดที่ร้ายแรงจากผู้ใช้ (ชุดของคำและสำนวนที่จำกัด อุปกรณ์พิเศษที่คำนึงถึงลักษณะของเสียงของผู้ใช้ การควบคุมควรอยู่ในรูปแบบคำสั่งแยกกัน และไม่อยู่ในรูปของคำพูดเรียบๆ ธรรมดา ). เทคโนโลยีของแนวทางนี้กำลังได้รับการปรับปรุงอย่างเข้มข้น และในอนาคตอันใกล้นี้ เราสามารถคาดหวังการปรากฏตัวของ DSS ขั้นสูงใหม่โดยใช้การป้อนข้อมูลด้วยคำพูดของข้อมูล

ภาษาของข้อความคือสิ่งที่ผู้ใช้เห็นบนหน้าจอแสดงผล (อักขระ กราฟิก สี) ข้อมูลที่ได้รับบนเครื่องพิมพ์ เอาต์พุตเสียง และอื่นๆ เป็นเวลานาน การใช้งานภาษาข้อความเพียงอย่างเดียวคือรายงานที่พิมพ์หรือแสดงผล (หรือข้อความที่จำเป็นอื่นๆ) ตอนนี้ได้เข้าร่วมด้วยความเป็นไปได้ใหม่ในการนำเสนอข้อมูลออก - คอมพิวเตอร์กราฟิก ทำให้สามารถสร้างกราฟิกสีแบบสามมิติบนหน้าจอและกระดาษได้ การใช้คอมพิวเตอร์กราฟิกซึ่งเพิ่มการมองเห็นและความสามารถในการตีความข้อมูลเอาต์พุตได้อย่างมาก กำลังเป็นที่นิยมมากขึ้นเรื่อยๆ ใน DSS

ในช่วงไม่กี่ปีที่ผ่านมา มีทิศทางใหม่ที่พัฒนาคอมพิวเตอร์กราฟิก - แอนิเมชั่น แอนิเมชันมีประสิทธิภาพโดยเฉพาะอย่างยิ่งสำหรับการตีความเอาต์พุต DSS ที่เกี่ยวข้องกับการสร้างแบบจำลอง ระบบกายภาพและวัตถุ ตัวอย่างเช่น DSS ที่ออกแบบมาเพื่อให้บริการลูกค้าในธนาคาร ด้วยความช่วยเหลือของโมเดลการ์ตูน สามารถดูตัวเลือกต่างๆ สำหรับการจัดบริการได้ตามความเป็นจริง ขึ้นอยู่กับการไหลของผู้เข้าชม ความยาวคิวที่อนุญาต จำนวนจุดบริการ ฯลฯ

ในอีกไม่กี่ปีข้างหน้า เราควรคาดหวังว่าการใช้เสียงของมนุษย์เป็นภาษาของข้อความ DSS จากตัวอย่างที่เป็นไปได้ เราสามารถชี้ให้เห็นถึงการใช้แบบฟอร์มนี้ในการทำงานของ DSS ในด้านการเงิน ซึ่งในกระบวนการสร้างรายงานฉุกเฉิน สาเหตุของการผูกขาดของตำแหน่งใดตำแหน่งหนึ่งจะอธิบายด้วยเสียง

ความรู้ของผู้ใช้คือสิ่งที่ผู้ใช้ต้องรู้เมื่อทำงานกับระบบ ซึ่งรวมถึงไม่เพียงแต่แผนปฏิบัติการที่อยู่ในหัวของผู้ใช้เท่านั้น แต่ยังรวมถึงตำราเรียน คำแนะนำ และข้อมูลอ้างอิงที่ออกโดยคอมพิวเตอร์เมื่อมีคำสั่งเพื่อขอความช่วยเหลือ คำแนะนำและข้อมูลอ้างอิงที่ออกโดยระบบตามคำขอของผู้ใช้มักจะไม่ใช่มาตรฐาน แต่ขึ้นอยู่กับสถานที่ในบริบทของการแก้ปัญหาที่ผู้ใช้ DSS ตั้งอยู่ กล่าวอีกนัยหนึ่ง ความช่วยเหลือเป็นผู้เชี่ยวชาญในแง่ของสถานการณ์

ไฟล์แบตช์ที่เรียกว่ามีคำสั่งโปรแกรมสำหรับระบบเพื่อดำเนินการตามขั้นตอนมาตรฐานสามารถช่วยผู้ใช้ DSS ได้มาก ไฟล์ดังกล่าวเปิดใช้งานโดยการกดปุ่มเดียวและไม่ต้องการความรู้ภาษาคำสั่งจากผู้ใช้ ตัวอย่างคือขั้นตอนในการเปรียบเทียบสถานะการผลิตที่วางแผนไว้และตามจริง (มูลค่าในคลังสินค้า ปริมาณการผลิต การรับเงินสด ฯลฯ) ที่ดำเนินการอย่างต่อเนื่องภายในกรอบการทำงานของสถานที่ทำงานอัตโนมัติ

ในกรณีที่ผู้ใช้ไม่มีความรู้ที่ชัดเจนเกี่ยวกับสาขาวิชาที่กำหนดและ DSS เอง สามารถใช้หลังนี้เป็นเครื่องมือจำลองภายใต้การแนะนำของผู้ใช้ที่มีประสบการณ์หรือผู้เชี่ยวชาญในสาขาที่ศึกษา

การปรับปรุงอินเทอร์เฟซ DSS พิจารณาจากความคืบหน้าในการพัฒนาส่วนประกอบทั้งสามที่ระบุ

การวัดประสิทธิภาพที่สำคัญของอินเทอร์เฟซที่ใช้คือรูปแบบการสนทนาที่เลือกระหว่างผู้ใช้และระบบ ในปัจจุบัน รูปแบบการสนทนาที่พบบ่อยที่สุดคือ: โหมดตอบคำถาม โหมดคำสั่ง โหมดเมนู และโหมดเติมช่องว่างในนิพจน์ที่คอมพิวเตอร์จัดหา แต่ละรูปแบบ ขึ้นอยู่กับประเภทของงาน ลักษณะของผู้ใช้ และการตัดสินใจ อาจมีข้อดีและข้อเสียของตัวเอง

อินเทอร์เฟซ DSS ควรมีความสามารถดังต่อไปนี้:

จัดการรูปแบบต่างๆ ของบทสนทนา เปลี่ยนแปลงในกระบวนการตัดสินใจตามที่ผู้ใช้เลือก

ถ่ายโอนข้อมูลไปยังระบบในรูปแบบต่างๆ

รับข้อมูลจากอุปกรณ์ต่างๆ ของระบบในรูปแบบต่างๆ

รักษาความยืดหยุ่น (ให้ความช่วยเหลือเมื่อมีการร้องขอ แนะนำ) ความรู้ของผู้ใช้

ข้อกำหนดด้านการปฏิบัติงานสำหรับ DSS จากมุมมองของผู้ใช้

ข้อกำหนดสามข้อแรกของต่อไปนี้เกี่ยวข้องกับประเภทของปัญหาที่ผู้ตัดสินใจแก้ไข ส่วนที่เหลือเกี่ยวข้องกับประเภทของความช่วยเหลือที่มอบให้เขา

1. DSS ควรให้ความช่วยเหลือในการตัดสินใจและมีประสิทธิภาพโดยเฉพาะอย่างยิ่งในการแก้ปัญหางานที่ไม่มีโครงสร้างและงานที่มีโครงสร้างไม่ดี นี่หมายถึงงานที่การใช้ SEOD, MIS และแบบจำลองการวิจัยการดำเนินงานมักไม่ให้ผลลัพธ์

2. DSS ควรให้ความช่วยเหลือในการตัดสินใจของผู้จัดการทุกระดับ รวมถึงการประสานงานในการตัดสินใจที่ต้องการการมีส่วนร่วมของผู้บริหารหลายระดับ

3. DSS ควรให้ความช่วยเหลือในการตัดสินใจทั้งส่วนบุคคลและส่วนรวม หมายถึงการตัดสินใจที่แบ่งความรับผิดชอบระหว่างผู้จัดการหลายคนหรือภายในกลุ่มพนักงาน

4. DSS ควรให้ความช่วยเหลือในทุกขั้นตอนของกระบวนการตัดสินใจ ดังที่แสดงด้านล่าง หากอยู่ในขั้นตอนของการศึกษาปัญหาและการรวบรวมข้อมูล DSS จะให้ความช่วยเหลือเพิ่มเติมเท่านั้น (ความช่วยเหลือหลักมาจากการใช้ MIS) จากนั้นจะเข้าสู่ขั้นตอนถัดไปทั้งหมด (ยกเว้นขั้นตอนการตัดสินใจ ) ความช่วยเหลือจาก DSS นั้นสำคัญกว่า

5. DSS ช่วยในการตัดสินใจต่างๆ ไม่สามารถพึ่งพาสิ่งใดๆ ได้

6. การใช้ DSS ควรเป็นเรื่องง่าย สิ่งนี้ทำให้มั่นใจได้ด้วยความสามารถในการปรับตัวสูงของระบบที่สัมพันธ์กับประเภทของงาน ลักษณะของสภาพแวดล้อมองค์กรและผู้ใช้ รวมถึงอินเทอร์เฟซที่เป็นมิตร

กลุ่มDSS

ทุกสิ่งที่กล่าวข้างต้นเกี่ยวกับ DSS นั้นเกี่ยวข้องกับการสนับสนุนการตัดสินใจของแต่ละคนเป็นหลัก อย่างไรก็ตาม ผู้จัดการไม่ค่อยตัดสินใจคนเดียว คณะกรรมการบริหาร สภาวิทยาศาสตร์และเทคนิค ทีมนักออกแบบ คณะกรรมการปัญหา - นี่ไม่ใช่รายการทั้งหมดของตัวอย่างแนวทางร่วมในการตัดสินใจ Group DSS (GDSS) เป็นระบบคอมพิวเตอร์เชิงโต้ตอบที่ออกแบบมาเพื่อให้การสนับสนุนกลุ่มคนงานในการแก้ปัญหาที่มีโครงสร้างไม่ดี

การตัดสินใจแบบกลุ่มนั้นซับซ้อนกว่าการตัดสินใจของแต่ละคน เพราะมันเกี่ยวข้องกับความจำเป็นในการกระทบยอดมุมมองของแต่ละบุคคล ดังนั้นงานหลักของ SSPPR คือการปรับปรุงการสื่อสารในทีมงาน การสื่อสารที่ดีขึ้นส่งผลให้ประหยัดเวลาในการทำงาน ซึ่งสามารถใช้เพื่อเจาะลึกปัญหาที่กำหนดและพัฒนาทางเลือกอื่นที่เป็นไปได้ในการแก้ปัญหา การประเมินทางเลือกอื่นๆ มีส่วนช่วยในการตัดสินใจเลือกอย่างมีข้อมูลมากขึ้น

ด้านหนึ่งความสำคัญของการตัดสินใจแบบกลุ่ม ความชั่วร้ายเรื้อรังของการสื่อสารแบบกลุ่ม (ดูบทที่ 2) และความสามารถที่จำกัดในการจัดการกับพวกเขา ในทางกลับกัน นำไปสู่การสร้างเทคโนโลยีสารสนเทศพิเศษเพื่อสนับสนุนการตัดสินใจของกลุ่ม

เทคโนโลยีนี้ส่วนใหญ่ใช้งานผ่าน Office Automation Systems (CAO) 1 ซึ่งช่วยปรับปรุงการสื่อสารระหว่างพนักงาน SPSS สามารถเชี่ยวชาญ (ปรับให้เข้ากับการแก้ปัญหาประเภทเดียวเท่านั้น) หรือสากล (ออกแบบมาเพื่อแก้ปัญหาที่หลากหลาย) SPSS จำนวนมากมีกลไกซอฟต์แวร์ในตัวที่ป้องกันการพัฒนาแนวโน้มเชิงลบในการสื่อสารแบบกลุ่ม (การเกิดขึ้นของสถานการณ์ความขัดแย้ง การคิดแบบกลุ่ม ฯลฯ)

โครงสร้างสปสช. SPSS ประกอบด้วยฮาร์ดแวร์และซอฟต์แวร์ ตลอดจนขั้นตอนและบุคลากร (ดูรูปที่ 4.7)

ข้าว. 4.7. โครงสร้างระบบสนับสนุนการตัดสินใจแบบกลุ่ม

ส่วนประกอบเหล่านี้ช่วยให้สมาชิกในกลุ่มได้รับการสื่อสารและการสนับสนุนอื่นๆ เมื่อพูดคุยถึงประเด็นต่างๆ ในขณะที่ทำงานกับระบบ สมาชิกในทีมสามารถเข้าถึงฐานข้อมูล ฐานข้อมูลของแบบจำลอง และแอปพลิเคชันต่างๆ ได้อย่างต่อเนื่อง ผู้จัดการกลุ่มมีหน้าที่เลือกขั้นตอนที่จำเป็นสำหรับการดำเนินงานของกลุ่ม ผู้จัดการกลุ่มและสมาชิกมีโอกาสเข้าร่วมการเจรจา

การสนับสนุนทางเทคนิค. SPSS มักจะใช้การกำหนดค่าฮาร์ดแวร์อย่างใดอย่างหนึ่งต่อไปนี้:

1. คอมพิวเตอร์เครื่องเดียว ในกรณีนี้ ผู้เข้าร่วมทั้งหมดจะรวมตัวกันในคอมพิวเตอร์เครื่องเดียวและผลัดกันตอบคำถามที่ปรากฏบนหน้าจอมอนิเตอร์จนกว่าจะได้รับคำตอบ การใช้การกำหนดค่านี้มีประโยชน์เพื่อการศึกษาเท่านั้น

2. เครือข่ายคอมพิวเตอร์หรือเทอร์มินัล ผู้เข้าร่วมแต่ละคนอยู่ที่คอมพิวเตอร์หรือเทอร์มินัลของตนเอง โดยมีโอกาสที่จะสนทนากับโปรเซสเซอร์กลางของระบบ

3. ห้องตัดสินใจ หัวใจสำคัญของการกำหนดค่า GDSS นี้คือแอปพลิเคชัน CAO1 ที่เรียกว่าการประชุมทางคอมพิวเตอร์ และอธิบายไว้ในหัวข้อ 4.4 ห้องตัดสินใจประกอบด้วยเครือข่ายคอมพิวเตอร์ในพื้นที่ที่มีเซิร์ฟเวอร์ที่เรียกใช้ตัวจัดการระบบ นอกจากนี้ยังมีหน้าจอทั่วไปที่ให้คุณแสดงข้อมูลที่จำเป็นแก่สมาชิกทุกคนในกลุ่ม (แบบรายบุคคลและแบบรวม)

ซอฟต์แวร์. ซอฟต์แวร์ GSPPR ประกอบด้วยฐานข้อมูล ฐานข้อมูลของแบบจำลอง และโปรแกรมสำหรับแอปพลิเคชันพิเศษ ให้ความเป็นไปได้ในการทำงานส่วนบุคคลและกลุ่มของผู้ใช้ตลอดจนการรักษาขั้นตอนการตัดสินใจแบบกลุ่ม ดังนั้น ในแง่ของการทำงานเป็นกลุ่ม ซอฟต์แวร์ GSPPR อนุญาต

ดำเนินการสรุปข้อเสนอที่เป็นตัวเลขและกราฟิกและผลการลงคะแนนของสมาชิกกลุ่ม

คำนวณน้ำหนักของทางเลือกในการตัดสินใจ ทำบันทึกข้อเสนอที่ไม่เปิดเผยชื่อที่ได้รับ เลือกหัวหน้ากลุ่ม สร้างขั้นตอนการสร้างฉันทามติ ป้องกันการพัฒนาของแนวโน้มเชิงลบในการสื่อสารกลุ่ม

ถ่ายโอนข้อมูลข้อความและตัวเลขระหว่างสมาชิกกลุ่ม ระหว่างสมาชิกกลุ่มและผู้จัดการกลุ่ม และระหว่างสมาชิกกลุ่มกับ GPSS CPU

พนักงาน. ส่วนประกอบของ GDSS นี้รวมถึงสมาชิกทุกคนในกลุ่มและสจ๊วตที่เข้าร่วมการประชุมของกลุ่มแต่ละครั้ง และรับผิดชอบด้านฮาร์ดแวร์ของระบบและจัดการการเปลี่ยนแปลงในกระบวนการอภิปราย

โปรด. ขั้นตอนต่างๆ เป็นองค์ประกอบที่จำเป็นของ GDSS โดยผ่านจุดประสงค์ของการแลกเปลี่ยนความคิดเห็น ความเป็นกลางในการเข้าถึงฉันทามติ และการใช้ซอฟต์แวร์และฮาร์ดแวร์ของระบบอย่างมีประสิทธิภาพ

สนับสนุนโดย SPSS เพื่อวิเคราะห์งานของ SDSS เราจะแยกแยะเครื่องมือสนับสนุนสามระดับที่ระบบเหล่านี้จัดเตรียมให้:

ระดับ 1 การสนับสนุนด้านการสื่อสาร

ระดับ 2 สนับสนุนการตัดสินใจ

ระดับ 3 รองรับกฎของเกม

ระดับ 1 การสนับสนุนด้านการสื่อสาร ในระดับนี้ SPSS โดยใช้ความสามารถของ CAO และโปรแกรมพิเศษ สามารถให้การสนับสนุนประเภทต่อไปนี้:

การถ่ายโอนข้อความระหว่างสมาชิกกลุ่มโดยใช้อีเมล

การก่อตัวของหน้าจอทั่วไปที่สมาชิกทุกคนในกลุ่มมองเห็นและสามารถเข้าถึงได้จากที่ทำงานแต่ละแห่ง

ความเป็นไปได้ของการป้อนข้อมูลที่ไม่ระบุชื่อของความคิด (ข้อเสนอแนะ) และการประเมินโดยไม่ระบุชื่อ (อันดับ);

การออกบนหน้าจอร่วมกัน (หรือการตรวจสอบของสถานที่ทำงานแต่ละแห่ง) ของข้อมูลผลลัพธ์ทั้งหมดที่เป็นผลมาจากการอภิปราย (รายการเริ่มต้นและสุดท้ายของข้อเสนอ ผลการลงคะแนน ฯลฯ);

การจัดทำวาระเพื่ออภิปราย

ระดับ 2 สนับสนุนการตัดสินใจ ในระดับนี้ SPSS ซึ่งใช้เครื่องมือซอฟต์แวร์สำหรับการสร้างแบบจำลองและการวิเคราะห์การตัดสินใจ สามารถให้การสนับสนุนประเภทต่อไปนี้:

การวางแผนและการสร้างแบบจำลองทางการเงิน

การใช้แผนผังการตัดสินใจ

การใช้ตัวแบบความน่าจะเป็น

การใช้แบบจำลองการจัดสรรทรัพยากร

ระดับ 3 รองรับกฎของเกม ในระดับนี้ SPSS ใช้ซอฟต์แวร์พิเศษเพื่อปฏิบัติตามกฎที่กำหนดไว้สำหรับการดำเนินการตามขั้นตอนแบบกลุ่ม (เช่น การกำหนดลำดับการกล่าวสุนทรพจน์และกฎการลงคะแนน การยอมรับคำถามในขณะนั้น เป็นต้น)

หนึ่ง) . ก่อนการประชุม หัวหน้ากลุ่มจะพบกับผู้อำนวยความสะดวกกลุ่มเพื่อวางแผนงานของกลุ่ม เลือกซอฟต์แวร์ และกำหนดวาระการประชุม

2). งานของกลุ่มเริ่มต้นด้วยข้อเท็จจริงที่ว่าผู้นำเสนอคำถามหรือปัญหาให้กลุ่มแก้ไข

3). จากนั้น ผู้เข้าร่วมจะป้อนคำตอบจากแป้นพิมพ์ ซึ่งทุกคนสามารถเข้าถึงได้ หลังจากที่ผู้เข้าร่วมทำความคุ้นเคยกับข้อเสนอทั้งหมดแล้ว พวกเขาให้ความเห็นเกี่ยวกับข้อเสนอนั้น (บวกหรือลบ)

4) . ผู้อำนวยความสะดวกใช้โปรแกรมสรุปข้อเสนอ ค้นหาข้อเสนอที่ส่งมาเพื่อหาคำศัพท์ หัวข้อ และแนวคิดทั่วไป และสร้างข้อเสนอทั่วไปหลายรายการจากข้อเสนอเหล่านั้นพร้อมความคิดเห็นที่จะสื่อสารกับผู้เข้าร่วมทุกคน

ห้า) . ผู้นำเริ่มการสนทนาเกี่ยวกับประโยคทั่วไป (ด้วยวาจาหรืออิเล็กทรอนิกส์) ในขั้นตอนนี้ ด้วยความช่วยเหลือของโปรแกรมพิเศษ การจัดลำดับ (การจัดลำดับความสำคัญ) ของข้อเสนอภายใต้การสนทนาจะเกิดขึ้น

6). สำหรับข้อเสนอห้าหรือสิบอันดับแรก การสนทนาใหม่จะเริ่มปรับแต่งและประเมินเพิ่มเติม

7). กระบวนการ (การพัฒนาข้อเสนอ ลักษณะทั่วไป และการจัดอันดับ) ทำซ้ำหรือสิ้นสุดด้วยการลงคะแนนเสียงขั้นสุดท้าย ขั้นตอนนี้ใช้โปรแกรมพิเศษที่เรียกว่า “ความคิดเห็นสุดท้าย” ซึ่งสร้างความคิดเห็นเกี่ยวกับประโยคทั่วไปที่เลือก

การก่อสร้างและการใช้ DSS เพื่อการวางแผนทางการเงิน

ตัวอย่างที่อธิบายนี้อิงจากเหตุการณ์จริงที่เกิดขึ้นในธนาคารแห่งหนึ่งในฝั่งตะวันตก

ในตอนท้ายของปีการเงินถัดไป ธนาคารพบว่ากำไรลดลงอย่างมีนัยสำคัญ รู้สึกว่าตัวเองกำลังตกอยู่ในอันตราย การวิเคราะห์สถานการณ์ที่เกิดขึ้นนั้นเกินขอบเขตของกิจกรรมการจัดการทั่วไป

แม้ว่าธนาคารแห่งนี้จะเป็นหนึ่งในธนาคารชั้นนำ ซึ่งเป็นหนึ่งในบริษัทแรกๆ ที่แนะนำบัตรเครดิตและระบบบัญชีด้วยคอมพิวเตอร์ แต่การดำเนินการตามนโยบายสินเชื่อก็ยังคงดำเนินการด้วยตนเอง

ได้ตัดสินใจสร้างระบบคอมพิวเตอร์ใหม่ การวางแผนทางการเงินซึ่งทำการวิเคราะห์และคาดการณ์ ตลอดจนสร้างรายงานตามการใช้ข้อมูลจากระบบเพื่อประมวลผลการดำเนินการทางบัญชีที่มีอยู่แล้วในธนาคาร ในเวลาเดียวกัน การวิเคราะห์เกี่ยวข้องกับความครอบคลุมของการเปลี่ยนแปลงของตัวบ่งชี้หลักที่ประเมินอัตราส่วนของสินทรัพย์ของธนาคารและเงินทุนที่ยืมมา การคาดการณ์ควรจะดำเนินการในสองขอบเขตอันไกลโพ้นคงที่: 12 เดือนและ 5 ปี

ระบบการวางแผนทางการเงิน (FPS) ถูกนำมาใช้ในสามด้านต่อไปนี้:

ทุกต้นเดือนมีการออกรายงานกิจกรรมของธนาคารในเดือนก่อนหน้า

ในแต่ละเดือน - เพื่อแก้ปัญหาพิเศษในปัจจุบันและพัฒนาแผนกลยุทธ์

ทุกสิ้นปีปฏิทิน - เพื่อจัดทำเอกสารงบประมาณประจำปี

เนื่องจากเห็นได้ง่าย ตรงกันข้ามกับการคำนวณทางบัญชีที่มีอยู่แล้วในธนาคาร IS (ซึ่งเป็น EDMS แบบรวมศูนย์) SFS ที่สร้างขึ้นใหม่คือ DSS ที่คงไว้ซึ่งฟังก์ชันมาตรฐานต่างๆ ของระบบเหล่านี้ไว้

เข้าถึงข้อมูลได้ตลอดเวลา

สนับสนุนการตัดสินใจโดยการออกรายงานการจัดการเป็นระยะ

การใช้แบบจำลองการพยากรณ์ทางคณิตศาสตร์เพื่อประเมินทางเลือกและกลยุทธ์

รับรองความเป็นไปได้ในการทำงานในโหมดสนทนา (ความเป็นไปได้ในการเปลี่ยนเป้าหมายและข้อจำกัดเมื่อเงื่อนไขและสถานการณ์ในตลาดการเงินเปลี่ยนแปลง)

ข้อมูล. ในแต่ละเดือน ข้อมูลที่ได้รับจะถูกบันทึกในฐานข้อมูลที่มีข้อมูลย้อนหลังในช่วงสามปีที่ผ่านมาเป็นรายเดือน และเป็นเวลาเจ็ดปีครึ่งเป็นรายไตรมาส นอกจากนี้ ฐานข้อมูลยังมีข้อมูลการคาดการณ์ที่ได้รับสำหรับรอบระยะเวลา 12 เดือนถัดไป

รายงานและการวิเคราะห์ ทุกเดือน ระบบการวางแผนทางการเงินจะจัดทำเอกสารทางการเงินทั้งชุด ซึ่งรวมถึงงบดุล งบกำไรขาดทุน และรายงานในสาขาวิชาเอก ประสิทธิภาพเชิงพาณิชย์. ข้อมูลรายเดือนที่ได้รับจะถูกนำไปเปรียบเทียบกับผลการคาดการณ์ งบประมาณ และข้อมูลที่คล้ายกันที่ได้รับในปีที่แล้ว นอกจากนี้ ระบบยังออกรายงานเป็นระยะเกี่ยวกับกิจกรรมของธนาคารในด้านที่กดดัน (วิกฤต) โดยเฉพาะอย่างยิ่ง เช่น รายงานเกี่ยวกับอัตราส่วนของอัตราและปริมาณการจ่ายดอกเบี้ย

การพยากรณ์ ระบบสามารถออกรายงานที่ระบุไว้ทั้งหมดในแต่ละ 12 เดือนถัดไป ผู้ใช้สามารถป้อนตัวแปรอธิบายสำหรับรายงานเหล่านี้ได้โดยตรงหรือสร้างขึ้นโดยอัตโนมัติด้วยเหตุผลเชิงกลยุทธ์ หากจำเป็น สามารถใช้โมเดลการปรับให้เหมาะสมที่อยู่ในฐานข้อมูลของโมเดลระบบได้ที่นี่ การคาดการณ์เป็นแบบ "ต่อเนื่อง" ซึ่งครอบคลุมอย่างต่อเนื่องตลอด 12 เดือนข้างหน้า โดยมีการประเมินข้อมูลใหม่อย่างต่อเนื่องทุกต้นเดือน

ข้อดี. การแนะนำ SFP นำไปสู่การเพิ่มความสามารถในการทำกำไรของธนาคารเนื่องจากปัจจัยดังต่อไปนี้:

การสร้างกลไกในการจัดการตัวบ่งชี้ที่สำคัญที่สุดของงบดุล รวมถึงสภาพคล่องและอัตราส่วนของทุนและทุนที่ยืมมา

การสร้างฐานสำหรับการประสานงานกระบวนการตัดสินใจในระดับการวางแผนเชิงกลยุทธ์

สร้างความสามารถให้ผู้บริหารระดับสูงตอบสนองต่อการเปลี่ยนแปลงกฎระเบียบ สภาวะตลาด และภายในธนาคารได้อย่างรวดเร็ว

สถานการณ์;

ลดต้นทุนในการสร้างรายงานการจัดการเป็นระยะ

คำถามสำหรับการตรวจสอบตนเอง

1. อธิบายสถานการณ์ที่กระตุ้นให้ฝ่ายบริหารของธนาคารจัดทำ SFP

2. การแนะนำ SFP ให้ประโยชน์อะไรบ้าง?

3. อธิบายองค์ประกอบของ SFP โดยให้เหตุผลว่า IS เป็นของประเภทใด

3). DSS มีความสามารถในการจัดการบทสนทนาระหว่างผู้ใช้กับระบบ ตลอดจนจัดการข้อมูลและแบบจำลอง

สถาบันการศึกษางบประมาณของรัฐบาลกลางเพื่อการศึกษาระดับอุดมศึกษา

"สถาบันรัสเซียแห่งเศรษฐกิจแห่งชาติ

และการบริการสาธารณะ

ภายใต้ประธานาธิบดีแห่งสหพันธรัฐรัสเซีย"

Northwestern Institute of Management

คณะ: การบริหารรัฐและเทศบาล

แผนก: การจัดการทั่วไปและโลจิสติกส์

หลักสูตรการทำงาน

"ระบบสนับสนุนการตัดสินใจ"

นักศึกษาชั้นปีที่ 3

การศึกษาเต็มเวลา

Fetiskin Ivan Yurievich

ผู้จัดการงาน

รองศาสตราจารย์ ผู้สมัครสาขาวิชาอักษรศาสตร์

Mysin Nikolay Vasilievich

เซนต์ปีเตอร์สเบิร์ก 2015

บทนำ

บทที่ 1 ลักษณะทางทฤษฎีและแนวคิดของระบบสนับสนุนการตัดสินใจ

1 คำจำกัดความของระบบสนับสนุนการตัดสินใจ หน้าที่ของระบบ

2 โครงสร้างระบบสนับสนุนการตัดสินใจ

3 ที่เก็บข้อมูล

4 เทคโนโลยี OLAP

5 อัจฉริยะ การวิเคราะห์ข้อมูล

6 การจำแนกประเภทของระบบสนับสนุนการตัดสินใจ

7 แอปพลิเคชั่น

8 ตลาด DSS

9 การประเมินระบบสนับสนุนการตัดสินใจ (DSS)

บทที่ 2 การฝึกปฏิบัติของ DSS ในตัวอย่างสาขาอาณาเขตของธนาคารแห่งรัสเซีย

1 การกำหนดเป้าหมายและวัตถุประสงค์ของการศึกษา ลักษณะของวัตถุที่กำลังศึกษา

2 ภาพรวมทั่วไปและลักษณะงาน

2.1 การพัฒนา DSS ในการจัดการกิจกรรมของสาขาอาณาเขตของธนาคารแห่งรัสเซีย

2.2 คำอธิบายของระบบย่อยการทำงาน

2.3 การพัฒนา DSS ที่ระดับของข้อกำหนดทางเทคนิคที่ใช้วิธีการแก้ปัญหาและเครื่องมือ

3 ข้อสรุปและผลการใช้ DSS . นี้

บทสรุป

บรรณานุกรม

บทนำ

การพัฒนาความสัมพันธ์ทางการตลาด การกระจายอำนาจของการจัดการ ความล้าสมัยอย่างรวดเร็วของข้อมูลเป็นตัวกำหนดความต้องการที่สูงของผู้นำยุคใหม่ ความรู้และความชำนาญในการใช้บทบัญญัติของการจัดการช่วยอำนวยความสะดวกในการทำงานของหัวหน้าอย่างมากช่วยให้เขาจัดลำดับความสำคัญและจัดระบบงาน โครงสร้างองค์กรทำหน้าที่เป็นพื้นฐานในการสร้างกิจกรรมการจัดการทั้งหมด

องค์กรสร้างโครงสร้างเพื่อให้แน่ใจว่ามีการประสานงานและควบคุมกิจกรรมของหน่วยงานและพนักงาน โครงสร้างขององค์กรแตกต่างกันในความซับซ้อน (เช่น ระดับของการแบ่งกิจกรรมออกเป็นหน้าที่ต่างๆ) การทำให้เป็นทางการ (เช่น ระดับที่ใช้กฎและขั้นตอนที่กำหนดไว้ล่วงหน้า) อัตราส่วนของการรวมศูนย์และการกระจายอำนาจ (เช่น ระดับที่การแก้ปัญหาการจัดการ)

ความสัมพันธ์เชิงโครงสร้างในองค์กรเป็นจุดสนใจของนักวิจัยและผู้จัดการหลายคน เพื่อให้บรรลุเป้าหมายอย่างมีประสิทธิภาพ จำเป็นต้องเข้าใจโครงสร้างของงาน แผนก และหน่วยงาน การจัดระเบียบงานและผู้คนส่วนใหญ่มีอิทธิพลต่อพฤติกรรมของผู้ปฏิบัติงาน ในทางกลับกันความสัมพันธ์เชิงโครงสร้างและพฤติกรรมช่วยกำหนดเป้าหมายขององค์กร มีอิทธิพลต่อทัศนคติและพฤติกรรมของพนักงาน แนวทางเชิงโครงสร้างถูกนำไปใช้ในองค์กรเพื่อให้แน่ใจว่าองค์ประกอบพื้นฐานของกิจกรรมและความสัมพันธ์ระหว่างกัน มันเกี่ยวข้องกับการใช้การแบ่งงาน ครอบคลุมการควบคุม การกระจายอำนาจ และการแบ่งแผนก

ในบริบทของพลวัตของการผลิตสมัยใหม่และโครงสร้างทางสังคม การจัดการต้องอยู่ในสถานะของ การพัฒนาอย่างต่อเนื่องซึ่งทุกวันนี้ไม่สามารถทำได้โดยไม่ได้สำรวจแนวทางและความเป็นไปได้ของการพัฒนานี้ โดยไม่เลือกทิศทางอื่น การวิจัยด้านการจัดการดำเนินการในกิจกรรมประจำวันของผู้จัดการและพนักงานและในการทำงานของกลุ่มวิเคราะห์เฉพาะทาง ห้องปฏิบัติการ แผนกต่างๆ ความจำเป็นในการวิจัยระบบการจัดการถูกกำหนดโดยปัญหาที่ค่อนข้างใหญ่ซึ่งหลายองค์กรต้องเผชิญ ความสำเร็จขององค์กรเหล่านี้ขึ้นอยู่กับแนวทางแก้ไขปัญหาเหล่านี้อย่างถูกต้อง

โครงสร้างองค์กรของการจัดการเป็นหนึ่งในแนวคิดหลักของการจัดการ ซึ่งเกี่ยวข้องอย่างใกล้ชิดกับเป้าหมาย หน้าที่ กระบวนการจัดการ การทำงานของผู้จัดการ และการกระจายอำนาจระหว่างกัน ภายในกรอบงานของโครงสร้างนี้ กระบวนการจัดการทั้งหมดเกิดขึ้น (การเคลื่อนไหวของกระแสข้อมูลและการยอมรับการตัดสินใจของฝ่ายบริหาร) ซึ่งผู้จัดการทุกระดับ หมวดหมู่ และความเชี่ยวชาญเฉพาะทางจะมีส่วนร่วม โครงสร้างนี้สามารถเปรียบเทียบได้กับกรอบของการสร้างระบบการจัดการ ซึ่งสร้างขึ้นเพื่อให้แน่ใจว่ากระบวนการทั้งหมดที่เกิดขึ้นนั้นดำเนินการอย่างทันท่วงทีและมีคุณภาพสูง

ความแตกต่างในโครงสร้างขององค์กร ในลักษณะการทำงาน ทิ้งรอยประทับที่สำคัญมากบน กิจกรรมการบริหารและในบางกรณีมีอิทธิพลชี้ขาด นอกจากนี้ กิจกรรมของผู้นำ ลักษณะทางจิตวิทยาของมันไม่เพียงขึ้นอยู่กับประเภทของโครงสร้างองค์กรเท่านั้น แต่ยังขึ้นอยู่กับตำแหน่งลำดับชั้นในโครงสร้างนี้ด้วย ซึ่งอันที่จริงแล้ว ทำให้หัวข้อของหลักสูตรนี้มีความเกี่ยวข้องมากที่สุด

การสร้างโครงสร้างการจัดการองค์กรที่มีหลักฐานยืนยันทางวิทยาศาสตร์เป็นภารกิจเร่งด่วน เวทีสมัยใหม่การปรับตัวของหน่วยงานทางเศรษฐกิจกับเศรษฐกิจตลาด ในสภาพปัจจุบันจำเป็นต้องใช้หลักการและวิธีการออกแบบองค์กรการจัดการอย่างกว้างขวางตามแนวทางที่เป็นระบบ

วัตถุประสงค์ของหลักสูตรนี้คือการศึกษาหลักการของลำดับชั้นในโครงสร้างการจัดการขององค์กร

เพื่อให้บรรลุเป้าหมายนี้มีการกำหนดงานต่อไปนี้ในงาน:

ศึกษาสาระสำคัญและหลักการของการสร้างโครงสร้างองค์กร การจำแนกประเภทและขั้นตอนของการพัฒนาทางประวัติศาสตร์

ศึกษาสาระสำคัญและหลักการสร้างโครงสร้างองค์กร

การสร้างกลยุทธ์เพื่อการเปลี่ยนแปลงองค์กร

วิธีการวิจัย: เชิงวิเคราะห์ กราฟิก

ในการเขียนงานนี้งานทางวิทยาศาสตร์และการพัฒนาของผู้เขียนในประเทศและต่างประเทศที่อุทิศให้กับประเด็นของการจัดการกระบวนการนั้นใช้การสร้างระบบสนับสนุนการตัดสินใจของผู้บริหาร บทความนี้ใช้สื่อที่ตีพิมพ์ในสื่อรัสเซียและสื่อต่างประเทศ รวมทั้งนำเสนอบนเว็บไซต์อินเทอร์เน็ตมืออาชีพเฉพาะทาง

บทที่ 1 ลักษณะทางทฤษฎีและแนวคิดของระบบสนับสนุนการตัดสินใจ

1 คำจำกัดความของระบบสนับสนุนการตัดสินใจ หน้าที่ของระบบ

เห็นได้ชัดว่าการตัดสินใจเกี่ยวกับกลยุทธ์และยุทธวิธีในการพัฒนาเมืองต้องได้รับการพิจารณาอย่างรอบคอบและมีเหตุผล สิ่งนี้มีความสำคัญอย่างยิ่งในระบบเศรษฐกิจและสังคม เนื่องจากการตัดสินใจนั้นเกี่ยวข้องกับผู้คนที่มีชีวิต วัตถุ และสภาพทางจิตวิญญาณของพวกเขา อย่างไรก็ตาม จนถึงปัจจุบัน การตัดสินใจของนายกเทศมนตรี ผู้บริหารเมือง คณะกรรมการขึ้นอยู่กับประสบการณ์และสัญชาตญาณของผู้นำ แต่ระบบเศรษฐกิจและสังคมนั้นซับซ้อนและพฤติกรรมของพวกมันก็คาดเดาได้ยากเนื่องจากมีระบบโดยตรงและ ข้อเสนอแนะมักจะไม่ชัดเจนในแวบแรก สมองของมนุษย์ไม่สามารถรับมือกับงานในมิตินี้ได้ ดังนั้นจึงจำเป็นต้องให้ข้อมูลและการวิเคราะห์สนับสนุนเพื่อการตัดสินใจ ในช่วงไม่กี่ปีที่ผ่านมามีการสร้างทิศทางใหม่ในด้านระบบอัตโนมัติของงานบริหารและมีการใช้อย่างแข็งขัน - ระบบสนับสนุนการตัดสินใจ มีการใช้อย่างประสบความสำเร็จในหลากหลายอุตสาหกรรม: โทรคมนาคม การเงิน การค้า อุตสาหกรรม ยาและอื่น ๆ อีกมากมาย

แนวคิดของระบบสนับสนุนการตัดสินใจ (DSS) ประกอบด้วยเครื่องมือจำนวนหนึ่งรวมกัน เป้าหมายร่วมกัน- เพื่อส่งเสริมการยอมรับการตัดสินใจด้านการจัดการที่มีเหตุผลและมีประสิทธิภาพ

ระบบสนับสนุนการตัดสินใจ (DSS) คือระบบอัตโนมัติของคอมพิวเตอร์ ซึ่งมีจุดประสงค์เพื่อช่วยผู้ที่ตัดสินใจในสภาวะที่ยากลำบากสำหรับการวิเคราะห์กิจกรรมในหัวข้อที่สมบูรณ์และเป็นกลาง เป็นระบบโต้ตอบโดยใช้กฎการตัดสินใจและแบบจำลองที่เกี่ยวข้องกับฐานข้อมูล ตลอดจนกระบวนการจำลองคอมพิวเตอร์เชิงโต้ตอบ

DSS เกิดขึ้นจากการควบรวมระบบสารสนเทศเพื่อการจัดการและระบบการจัดการฐานข้อมูล DSS เป็นระบบของมนุษย์และเครื่องจักรที่อนุญาตให้ผู้มีอำนาจตัดสินใจใช้ข้อมูล ความรู้ แบบจำลองวัตถุประสงค์และอัตนัยเพื่อวิเคราะห์และแก้ปัญหาที่ไม่มีโครงสร้างและเป็นทางการไม่ดี

กระบวนการตัดสินใจคือการรับและการเลือกทางเลือกที่เหมาะสมที่สุด โดยคำนึงถึงการคำนวณผลที่ตามมาทั้งหมดผิดพลาด เมื่อเลือกทางเลือกอื่น เราต้องเลือกทางเลือกที่ตรงตามเป้าหมายมากที่สุด แต่ในขณะเดียวกันก็ต้องคำนึงถึงข้อกำหนดที่ขัดแย้งกันจำนวนมากด้วย ดังนั้น ให้ประเมินโซลูชันที่เลือกตามเกณฑ์หลายประการ

ระบบสนับสนุนการตัดสินใจได้รับการออกแบบมาเพื่อรองรับการตัดสินใจแบบหลายเกณฑ์ในสภาพแวดล้อมข้อมูลที่ซับซ้อน ในเวลาเดียวกัน หลายเกณฑ์เป็นที่เข้าใจกันว่าผลลัพธ์ของการตัดสินใจไม่ได้ถูกประเมินโดยหนึ่ง แต่โดยผลรวมของตัวบ่งชี้จำนวนมาก (เกณฑ์) ที่พิจารณาพร้อมกัน ความซับซ้อนของข้อมูลถูกกำหนดโดยความจำเป็นในการพิจารณาข้อมูลจำนวนมาก ซึ่งการประมวลผลนั้นแทบจะเป็นไปไม่ได้เลย หากปราศจากความช่วยเหลือจากเทคโนโลยีคอมพิวเตอร์สมัยใหม่ ภายใต้เงื่อนไขเหล่านี้ หมายเลข การแก้ปัญหาที่เป็นไปได้ตามกฎแล้วมีขนาดใหญ่มากและการเลือกสิ่งที่ดีที่สุด "ด้วยตาเปล่า" โดยไม่มีการวิเคราะห์อย่างครอบคลุมอาจนำไปสู่ข้อผิดพลาดร้ายแรง

DSS ยังช่วยให้สามารถอำนวยความสะดวกในการทำงานของผู้นำธุรกิจและเพิ่มประสิทธิภาพได้อีกด้วย พวกเขาเร่งการแก้ปัญหาในธุรกิจได้อย่างมีนัยสำคัญ DSS มีส่วนช่วยในการจัดตั้งการติดต่อระหว่างบุคคล การฝึกอบรมและการฝึกอบรมบุคลากรสามารถทำได้บนพื้นฐานของพวกเขา ระบบข้อมูลเหล่านี้ช่วยให้คุณสามารถควบคุมกิจกรรมขององค์กรได้มากขึ้น การมีอยู่ของ DSS ที่ทำงานได้ดีนั้นให้ข้อได้เปรียบเหนือโครงสร้างที่แข่งขันกัน ต้องขอบคุณข้อเสนอที่เสนอโดย DSS แนวทางใหม่ในการแก้ปัญหาประจำวันและงานที่ไม่ได้มาตรฐานจึงเปิดกว้างขึ้น

DSS มีลักษณะเด่นดังต่อไปนี้:

· การปฐมนิเทศเพื่อแก้ไขปัญหาที่มีโครงสร้างไม่ดี (เป็นทางการ) โดยทั่วไปสำหรับผู้บริหารระดับสูง

· ความเป็นไปได้ของการรวมวิธีการดั้งเดิมในการเข้าถึงและประมวลผลข้อมูลคอมพิวเตอร์ด้วยความสามารถของแบบจำลองทางคณิตศาสตร์และวิธีการในการแก้ปัญหาตามนั้น

· มุ่งเน้นไปที่ผู้ใช้คอมพิวเตอร์ปลายทางที่ไม่ใช่มืออาชีพผ่านการใช้โหมดการทำงานแบบโต้ตอบ

· ความสามารถในการปรับตัวสูง ให้ความสามารถในการปรับให้เข้ากับคุณสมบัติของฮาร์ดแวร์และซอฟต์แวร์ที่มีอยู่ตลอดจนความต้องการของผู้ใช้

ระบบสนับสนุนการตัดสินใจแก้ไขงานหลักสองอย่าง:

.ทางเลือก ทางออกที่ดีที่สุดจากชุดที่เป็นไปได้ (การเพิ่มประสิทธิภาพ);

2.สั่งซื้อวิธีแก้ปัญหาที่เป็นไปได้ตามความชอบ (อันดับ)

สำหรับการวิเคราะห์และพัฒนาข้อเสนอใน DSS จะใช้วิธีการต่างๆ สามารถ:

· การค้นหาข้อมูล

· การทำเหมืองข้อมูล,

· ค้นหาความรู้ใน ฐานข้อมูล,

· การให้เหตุผลตามกรณี

· การสร้างแบบจำลองการจำลอง,

· การคำนวณเชิงวิวัฒนาการและอัลกอริธึมทางพันธุกรรม

· โครงข่ายประสาทเทียม,

· การวิเคราะห์สถานการณ์

· การสร้างแบบจำลองทางปัญญา ฯลฯ

วิธีการเหล่านี้บางส่วนได้รับการพัฒนาภายใต้กรอบของปัญญาประดิษฐ์ หากงานของ DSS นั้นใช้วิธีการปัญญาประดิษฐ์ แสดงว่ามีคนพูดถึง DSS หรือ IDSS ทางปัญญา

คลาสของระบบใกล้กับ DSS คือระบบผู้เชี่ยวชาญและระบบควบคุมอัตโนมัติ

ระบบช่วยให้คุณสามารถแก้ปัญหาของการจัดการการดำเนินงานและกลยุทธ์ตามข้อมูลประจำตัวของกิจกรรมของบริษัท

ระบบสนับสนุนการตัดสินใจคือชุดเครื่องมือซอฟต์แวร์สำหรับการวิเคราะห์ข้อมูล การสร้างแบบจำลอง การพยากรณ์ และการตัดสินใจในการจัดการ ซึ่งประกอบด้วยการพัฒนาของบริษัทเองและผลิตภัณฑ์ซอฟต์แวร์ที่ซื้อ (Oracle, IBM, Cognos)

การวิจัยเชิงทฤษฎีในการพัฒนาระบบสนับสนุนการตัดสินใจครั้งแรกได้ดำเนินการที่สถาบันเทคโนโลยีคาร์เนกีในช่วงปลายยุค 50 และต้นยุค 60 ของศตวรรษที่ XX เป็นไปได้ที่จะรวมทฤษฎีกับการปฏิบัติโดยผู้เชี่ยวชาญจากสถาบันเทคโนโลยีแมสซาชูเซตส์ในยุค 60 ในช่วงกลางและปลายยุค 80 ของศตวรรษที่ XX ระบบเช่น EIS, GDSS, ODSS เริ่มปรากฏขึ้น ในปี 1987 Texas Instruments ได้พัฒนา Gate Assignment Display System สำหรับ United Airlines ซึ่งได้ลดการสูญเสียจากเที่ยวบินลงอย่างมากและปรับการจัดการสนามบินต่างๆ ตั้งแต่ O International Airport Hare ในชิคาโกและลงท้ายด้วย Stapleton ในเดนเวอร์รัฐโคโลราโด ในยุค 90 ขอบเขตของความสามารถของ DSS ได้ขยายออกไปเนื่องจากการแนะนำคลังข้อมูลและเครื่องมือ OLAP การเกิดขึ้นของเทคโนโลยีการรายงานใหม่ทำให้ DSS ขาดไม่ได้ในการจัดการ

1.2 โครงสร้างของDSS

ถ้าเราพูดถึงโครงสร้างของ DSS แล้วมีสี่องค์ประกอบหลัก:

· คลังข้อมูลสารสนเทศ คลังข้อมูลเป็นคลังข้อมูลของโครงสร้างบางอย่างที่มีข้อมูลเกี่ยวกับ กระบวนการผลิตบริษัทในบริบททางประวัติศาสตร์ วัตถุประสงค์หลักของที่เก็บข้อมูลคือเพื่อให้การดำเนินการค้นหาการวิเคราะห์ตามอำเภอใจอย่างรวดเร็ว (รายละเอียดเพิ่มเติมเกี่ยวกับคลังข้อมูลจะกล่าวถึงในวรรค 1.3 ของบทที่ 1)

· เครื่องมือฐานข้อมูลและการวิเคราะห์หลายมิติ OLAP (On-Line Analytical Processing) - บริการนี้เป็นเครื่องมือสำหรับวิเคราะห์ข้อมูลจำนวนมากในแบบเรียลไทม์ (รายละเอียดอยู่ในวรรค 1.4 ของบทที่ 1)

· เครื่องมือขุดข้อมูล ด้วยความช่วยเหลือของเครื่องมือขุดข้อมูล คุณสามารถทำเหมืองข้อมูลลึก (รายละเอียดเพิ่มเติมในวรรค 1.5 ของบทที่ 1)

DSS อิงจากแบบจำลองที่ซับซ้อนซึ่งมีความสัมพันธ์ซึ่งกันและกัน พร้อมการสนับสนุนข้อมูลที่เหมาะสมสำหรับการวิจัย ผู้เชี่ยวชาญ และระบบอัจฉริยะ ซึ่งรวมถึงประสบการณ์ในการแก้ปัญหาการจัดการและรับรองการมีส่วนร่วมของทีมผู้เชี่ยวชาญในกระบวนการพัฒนาการตัดสินใจที่มีเหตุผล

รูปที่ 1 ด้านล่างแสดงรูปแบบสถาปัตยกรรมและเทคโนโลยีของข้อมูลและการสนับสนุนการตัดสินใจเชิงวิเคราะห์:

รูปที่ 1 รูปแบบสถาปัตยกรรมและเทคโนโลยีของ DSS

ระบบ DSS เชิงวิเคราะห์ช่วยให้สามารถแก้ไขงานหลักสามประการ:

.การรายงาน

.การวิเคราะห์ข้อมูลตามเวลาจริง (OLAP)

.การทำเหมืองข้อมูล

3 ที่เก็บข้อมูล

เป็นที่ชัดเจนว่าการตัดสินใจควรยึดตามข้อมูลจริงเกี่ยวกับวัตถุควบคุม ข้อมูลดังกล่าวมักจะเก็บไว้ในฐานข้อมูลการปฏิบัติงานของระบบ OLTP แต่ข้อมูลการดำเนินงานเหล่านี้ไม่เหมาะสำหรับวัตถุประสงค์ของการวิเคราะห์ เนื่องจากข้อมูลโดยรวมจำเป็นสำหรับการวิเคราะห์และการตัดสินใจเชิงกลยุทธ์เป็นหลัก นอกจากนี้ เพื่อวัตถุประสงค์ของการวิเคราะห์ จำเป็นจะต้องสามารถจัดการข้อมูลได้อย่างรวดเร็ว นำเสนอข้อมูลในด้านต่างๆ ทำการสืบค้นข้อมูลเฉพาะกิจต่างๆ ซึ่งยากต่อการนำข้อมูลการดำเนินงานไปใช้กับเหตุผลด้านประสิทธิภาพและความซับซ้อนทางเทคโนโลยี

วิธีแก้ปัญหานี้คือการสร้างคลังข้อมูล (DW) แยกต่างหากที่มี ข้อมูลรวมด้วยวิธีที่สะดวก วัตถุประสงค์ของการสร้างคลังข้อมูลคือการรวม อัปเดต และประสานข้อมูลการดำเนินงานจากแหล่งที่มาที่ต่างกันเพื่อสร้างมุมมองที่สอดคล้องกันของวัตถุควบคุมโดยรวม ในเวลาเดียวกัน แนวคิดของคลังข้อมูลขึ้นอยู่กับการรับรู้ถึงความจำเป็นในการแยกชุดข้อมูลที่ใช้สำหรับการประมวลผลธุรกรรมและชุดข้อมูลที่ใช้ในระบบสนับสนุนการตัดสินใจ การแยกดังกล่าวเป็นไปได้โดยการรวมข้อมูลรายละเอียดที่แยกจากกันในระบบประมวลผลข้อมูล (DPS) ต่างๆ และแหล่งข้อมูลภายนอกในที่เก็บข้อมูลเดียว การประสานงาน และการรวมอาจเป็นไปได้

ข้อดีหลักของคลังข้อมูล DSS ควรสังเกต:

· แหล่งข้อมูลเดียว: บริษัทได้รับสภาพแวดล้อมข้อมูลเดียวที่ผ่านการตรวจสอบแล้ว ซึ่งแอปพลิเคชันอ้างอิงและการวิเคราะห์ทั้งหมดจะถูกสร้างขึ้นในหัวข้อที่มีการสร้างที่เก็บ สภาพแวดล้อมนี้จะมีอินเทอร์เฟซเดียว โครงสร้างการจัดเก็บข้อมูลแบบรวม ไดเร็กทอรีทั่วไป และมาตรฐานองค์กรอื่นๆ ซึ่งจะช่วยให้สร้างและสนับสนุนระบบวิเคราะห์ได้ง่ายขึ้น

· นอกจากนี้ เมื่อออกแบบคลังข้อมูลข้อมูล จะต้องให้ความสนใจเป็นพิเศษกับความน่าเชื่อถือของข้อมูลที่เข้าสู่ที่เก็บ

· ประสิทธิภาพ: โครงสร้างทางกายภาพของคลังข้อมูลได้รับการปรับให้เหมาะสมเป็นพิเศษเพื่อทำการเลือกแบบสุ่มอย่างสมบูรณ์ ซึ่งช่วยให้คุณสามารถสร้างระบบสืบค้นข้อมูลได้อย่างรวดเร็ว

· ความเร็วของการพัฒนา: การจัดระเบียบเชิงตรรกะเฉพาะของพื้นที่เก็บข้อมูลและซอฟต์แวร์พิเศษที่มีอยู่ ช่วยให้คุณสร้างระบบวิเคราะห์ที่มีต้นทุนการเขียนโปรแกรมน้อยที่สุด

· การรวม: การรวมข้อมูลจากแหล่งต่าง ๆ เสร็จสิ้นแล้ว ดังนั้นจึงไม่จำเป็นต้องทำการเชื่อมต่อข้อมูลทุกครั้งสำหรับการสืบค้นที่ต้องการข้อมูลจากหลายแหล่ง การบูรณาการไม่เพียงหมายถึงการจัดเก็บข้อมูลทางกายภาพร่วมกันเท่านั้น แต่ยังหมายถึงการเชื่อมโยงที่สำคัญและมีการประสานงานกันด้วย การทำความสะอาดและการจัดตำแหน่งในระหว่างการก่อตัว สอดคล้องกับคุณสมบัติทางเทคโนโลยี ฯลฯ

· ประวัติความเป็นมาและความเสถียร: ระบบ OLTP ทำงานด้วยข้อมูลที่ทันสมัย ​​ระยะเวลาของการใช้งานและการจัดเก็บซึ่งมักจะไม่เกินมูลค่าของรอบระยะเวลาธุรกิจปัจจุบัน (หกเดือนถึงหนึ่งปี) ในขณะที่คลังข้อมูลมุ่งเป้าไปที่ การจัดเก็บข้อมูลระยะยาวเป็นเวลา 10-15 ปี ความเสถียรหมายความว่าข้อมูลจริงในคลังข้อมูลจะไม่ถูกปรับปรุงหรือลบ แต่ปรับให้เข้ากับการเปลี่ยนแปลงในแอตทริบิวต์ทางธุรกิจโดยเฉพาะเท่านั้น ดังนั้นจึงเป็นไปได้ที่จะทำการวิเคราะห์ข้อมูลในอดีต

· ความเป็นอิสระ: การจัดสรรการจัดเก็บข้อมูลช่วยลดภาระงานบนระบบ OLTP จากแอปพลิเคชันเชิงวิเคราะห์ได้อย่างมาก ดังนั้นประสิทธิภาพของระบบที่มีอยู่จะไม่ลดลง แต่ในทางปฏิบัติ เวลาตอบสนองจะลดลงและความพร้อมใช้งานของระบบที่ดีขึ้น

ดังนั้นคลังข้อมูลจึงทำงานตามสถานการณ์ต่อไปนี้ ตามระเบียบที่กำหนด จะรวบรวมข้อมูลจากแหล่งต่าง ๆ - ฐานข้อมูลของระบบประมวลผลออนไลน์ ที่เก็บข้อมูลรองรับลำดับเหตุการณ์: พร้อมกับข้อมูลปัจจุบัน ข้อมูลในอดีตจะถูกจัดเก็บพร้อมการระบุเวลาที่อ้างอิง ด้วยเหตุนี้ ข้อมูลที่จำเป็นที่มีอยู่เกี่ยวกับวัตถุควบคุมจึงถูกรวบรวมในที่เดียว นำมาสู่รูปแบบเดียว ตกลงกัน และในบางกรณี รวมไปจนถึงระดับการวางนัยทั่วไปขั้นต่ำที่ต้องการ

และบนพื้นฐานของคลังข้อมูล มันเป็นไปได้ที่จะจัดทำรายงานสำหรับการจัดการ วิเคราะห์ข้อมูลโดยใช้เทคโนโลยี OLAP และการทำเหมืองข้อมูล (Data Mining)

บริการการรายงาน DSS ช่วยให้องค์กรรับมือกับการสร้างรายงานข้อมูล ใบรับรอง เอกสาร คำชี้แจงสรุป ฯลฯ ทุกประเภท โดยเฉพาะอย่างยิ่งเมื่อมีรายงานจำนวนมากและรูปแบบรายงานมักจะเปลี่ยนแปลง เครื่องมือ DSS โดยการปล่อยรายงานโดยอัตโนมัติ ทำให้สามารถแปลงที่เก็บข้อมูลเป็นรูปแบบอิเล็กทรอนิกส์และแจกจ่ายผ่านเครือข่ายองค์กรระหว่างพนักงานของบริษัท

นอกจากคลังข้อมูลองค์กรขนาดใหญ่แล้ว Data Marts ยังใช้กันอย่างแพร่หลาย ดาต้ามาร์ทเป็นที่เก็บข้อมูลเฉพาะขนาดเล็กสำหรับหัวข้อที่แคบ โดยเน้นที่การจัดเก็บข้อมูลที่เกี่ยวข้องกับหัวข้อธุรกิจหนึ่งๆ โครงการดาต้ามาร์ทต้องการการลงทุนน้อยกว่าและแล้วเสร็จในเวลาอันสั้น ดาต้ามาร์ทดังกล่าวอาจมีได้หลายแบบ เช่น ดาต้ามาร์ทสำหรับรายได้สำหรับแผนกบัญชีของบริษัท และดาต้ามาร์ทลูกค้าสำหรับแผนกการตลาดของบริษัท

1.4 เทคโนโลยี OLAP

ในการโต้ตอบกับระบบ OLAP ผู้ใช้จะสามารถดูข้อมูลได้อย่างยืดหยุ่น รับส่วนข้อมูลตามอำเภอใจ และดำเนินการวิเคราะห์รายละเอียด การบิด การกระจายแบบ end-to-end การเปรียบเทียบเมื่อเวลาผ่านไป การทำงานทั้งหมดกับระบบ OLAP เกิดขึ้นในแง่ของสาขาวิชา แนวคิดของการประมวลผลเชิงวิเคราะห์ออนไลน์ (OLAP) ขึ้นอยู่กับการแสดงข้อมูลหลายมิติ

คำว่า OLAP ถูกนำมาใช้โดย E.F. Codd ในปี 1993 ในบทความของเขา เขาได้พิจารณาถึงข้อบกพร่องของโมเดลเชิงสัมพันธ์ โดยหลักแล้วคือการไม่สามารถ "รวม ดู และวิเคราะห์ข้อมูลในแง่ของมิติข้อมูลหลายมิติ กล่าวคือ เป็นวิธีการที่เข้าใจได้มากที่สุดสำหรับนักวิเคราะห์องค์กร" และให้คำจำกัดความ ข้อกำหนดทั่วไปไปจนถึงระบบ OLAP ที่ขยายการทำงานของ DBMS เชิงสัมพันธ์และรวมการวิเคราะห์หลายมิติเป็นคุณลักษณะอย่างหนึ่ง

ตาม Codd มุมมองแนวคิดหลายมิติเป็นมุมมองที่เป็นธรรมชาติที่สุดของบุคลากรด้านการจัดการเกี่ยวกับเป้าหมายของการจัดการ เป็นมุมมองที่หลากหลาย ซึ่งประกอบด้วยมิติข้อมูลอิสระหลายมิติ ซึ่งสามารถวิเคราะห์ชุดข้อมูลบางชุดได้ การวิเคราะห์ข้อมูลหลายมิติพร้อมกันถูกกำหนดให้เป็นการวิเคราะห์หลายตัวแปร แต่ละมิติประกอบด้วยทิศทางของการรวบรวมข้อมูล ซึ่งประกอบด้วยชุดของระดับการวางนัยทั่วไปที่ต่อเนื่องกัน โดยที่แต่ละระดับที่สูงกว่าจะสอดคล้องกับระดับการรวมข้อมูลที่มากขึ้นสำหรับมิติที่สอดคล้องกัน ดังนั้นมิติ ผู้รับเหมาสามารถกำหนดโดยทิศทางของการรวมบัญชี ซึ่งประกอบด้วยระดับทั่วไป "องค์กร - แผนก - แผนก - พนักงาน" มิติข้อมูล "เวลา" อาจรวมสองทิศทางของการควบรวมบัญชี - "ปี - ไตรมาส - เดือน - วัน" และ "สัปดาห์ - วัน" เนื่องจากการนับเวลาตามเดือนและสัปดาห์ไม่เข้ากัน ในกรณีนี้ จะสามารถเลือกระดับรายละเอียดข้อมูลที่ต้องการสำหรับการวัดแต่ละรายการได้ตามอำเภอใจ การทำงานของโคตร (เจาะ) สอดคล้องกับการเคลื่อนไหวจากระดับที่สูงขึ้นของการรวมตัวไปยังระดับล่าง; ในทางกลับกัน การทำงานของการยก (ม้วนขึ้น) หมายถึงการย้ายจากระดับล่างไปสู่ระดับที่สูงขึ้น

1.5 การขุดข้อมูล

ความสนใจมากที่สุดใน DSS คือการทำเหมืองข้อมูล เนื่องจากช่วยให้สามารถวิเคราะห์ปัญหาในเชิงลึกและครบถ้วนที่สุด ทำให้สามารถตรวจจับความสัมพันธ์ที่ซ่อนอยู่ และตัดสินใจได้อย่างสมเหตุสมผลที่สุด ระดับปัจจุบันของการพัฒนาฮาร์ดแวร์และ เครื่องมือซอฟต์แวร์ในปัจจุบันได้ทำให้สามารถรักษาฐานข้อมูลของข้อมูลการดำเนินงานในระดับต่างๆ ของรัฐบาลได้ ในการดำเนินกิจกรรม สถานประกอบการอุตสาหกรรม บริษัท โครงสร้างแผนก หน่วยงาน อำนาจรัฐและหน่วยงานปกครองส่วนท้องถิ่นได้รวบรวมข้อมูลจำนวนมาก สิ่งเหล่านี้มีศักยภาพที่ดีในการดึงข้อมูลการวิเคราะห์ที่เป็นประโยชน์ ซึ่งคุณสามารถระบุแนวโน้มที่ซ่อนอยู่ สร้างกลยุทธ์การพัฒนา และค้นหาวิธีแก้ไขปัญหาใหม่ๆ ได้

การทำเหมืองข้อมูล IAD (การทำเหมืองข้อมูล) เป็นกระบวนการสนับสนุนการตัดสินใจตามการค้นหารูปแบบที่ซ่อนอยู่ (รูปแบบข้อมูล) ในข้อมูล ในเวลาเดียวกัน ข้อมูลที่สะสมจะถูกทำให้เป็นข้อมูลทั่วไปโดยอัตโนมัติไปยังข้อมูลที่สามารถจำแนกเป็นความรู้ได้

โดยทั่วไป กระบวนการ IAD ประกอบด้วยสามขั้นตอน:

.การระบุรูปแบบ

.ใช้รูปแบบที่เปิดเผยเพื่อทำนายค่าที่ไม่รู้จัก (แบบจำลองการทำนาย)

.การวิเคราะห์ข้อยกเว้น ออกแบบมาเพื่อระบุและตีความความผิดปกติในรูปแบบที่พบ

เทคโนโลยีคอมพิวเตอร์แบบใหม่ที่สร้าง IAD คือระบบผู้เชี่ยวชาญและอัจฉริยะ วิธีการปัญญาประดิษฐ์ ฐานความรู้ ฐานข้อมูล การสร้างแบบจำลองคอมพิวเตอร์ โครงข่ายประสาทเทียม ระบบคลุมเครือ เทคโนโลยีสมัยใหม่ IAD ให้คุณสร้างความรู้ใหม่ เปิดเผยรูปแบบที่ซ่อนอยู่ ทำนายสถานะในอนาคตของระบบ วิธีหลักในการสร้างแบบจำลองการพัฒนาเศรษฐกิจและสังคมของเมืองคือวิธีการจำลอง ซึ่งช่วยให้คุณสำรวจระบบเมืองโดยใช้วิธีทดลอง สิ่งนี้ทำให้สามารถเล่นกลยุทธ์การพัฒนาต่างๆ บนแบบจำลอง เปรียบเทียบทางเลือก โดยคำนึงถึงอิทธิพลของปัจจัยหลายอย่าง รวมถึงปัจจัยที่มีองค์ประกอบของความไม่แน่นอน

โมเดลที่สร้างขึ้นในงานนี้เป็นของระบบระดับนี้ โดยพื้นฐานแล้ว รัฐบาลท้องถิ่นในระดับยุทธศาสตร์และยุทธวิธีจะได้รับโอกาสในการวิเคราะห์พลวัตของการพัฒนาระบบเมืองทางเศรษฐกิจและสังคมที่ซับซ้อน ระบุความสัมพันธ์ที่ไม่ชัดเจนในแวบแรก เปรียบเทียบทางเลือกต่างๆ วิเคราะห์ความผิดปกติและใช้ประโยชน์สูงสุด การตัดสินใจที่สมเหตุสมผล

มีแนวโน้มว่าจะใช้วิธีการตัดสินใจแบบผสมผสานใน DSS ร่วมกับวิธีปัญญาประดิษฐ์และการสร้างแบบจำลองคอมพิวเตอร์ ขั้นตอนการจำลองและการเพิ่มประสิทธิภาพต่างๆ การตัดสินใจร่วมกับขั้นตอนของผู้เชี่ยวชาญ

1.6 การจำแนกประเภท DSS

DSS มีสามประเภทตามการโต้ตอบกับผู้ใช้:

· คนที่ไม่โต้ตอบช่วยในกระบวนการตัดสินใจ แต่ไม่สามารถนำเสนอข้อเสนอเฉพาะได้

· ผู้เข้าร่วมที่กระตือรือร้นมีส่วนร่วมโดยตรงในการพัฒนาแนวทางแก้ไขที่เหมาะสม

· สหกรณ์เกี่ยวข้องกับปฏิสัมพันธ์ของ DSS กับผู้ใช้ ข้อเสนอที่เสนอโดยระบบสามารถสรุป ปรับปรุง และส่งกลับไปยังระบบเพื่อตรวจสอบได้ หลังจากนั้น ข้อเสนอจะถูกนำเสนอต่อผู้ใช้อีกครั้ง ไปเรื่อยๆ จนกว่าเขาจะอนุมัติการตัดสินใจ

โดยวิธีการรองรับมีดังนี้

· DSS ตามแบบจำลอง ใช้การเข้าถึงสถิติ การเงิน หรือแบบจำลองอื่นๆ ในการทำงาน

· DSS บนพื้นฐานของการสื่อสารสนับสนุนการทำงานของผู้ใช้สองคนขึ้นไปที่เกี่ยวข้องกับงานทั่วไป

· DSS ที่ขับเคลื่อนด้วยข้อมูลสามารถเข้าถึงอนุกรมเวลาขององค์กรได้ พวกเขาใช้ในงานของพวกเขาไม่เพียง แต่ภายใน แต่ยังรวมถึงข้อมูลภายนอกด้วย

· DSS เชิงเอกสารจะจัดการข้อมูลที่ไม่มีโครงสร้างซึ่งมีอยู่ในรูปแบบอิเล็กทรอนิกส์ต่างๆ

· DSS ที่อิงตามความรู้จะมอบวิธีแก้ปัญหาเฉพาะทางตามข้อเท็จจริงสำหรับปัญหา

ตามพื้นที่ใช้งาน ได้แก่

· ทั้งระบบ - ทำงานกับระบบจัดเก็บข้อมูลขนาดใหญ่และมีผู้ใช้จำนวนมากใช้

ตามสถาปัตยกรรมและหลักการทำงาน ได้แก่

· ฟังก์ชั่น DSS

เป็นสถาปัตยกรรมที่ง่ายที่สุด เป็นเรื่องปกติในองค์กรที่ไม่ได้กำหนดเป้าหมายระดับโลกและมีการพัฒนาเทคโนโลยีสารสนเทศในระดับต่ำ คุณลักษณะที่โดดเด่นของ DSS ที่ใช้งานได้คือมีการวิเคราะห์ข้อมูลที่มีอยู่ในไฟล์ของระบบปฏิบัติการ ข้อดีของ DSS ดังกล่าวคือความกะทัดรัดเนื่องจากการใช้แพลตฟอร์มเดียวและประสิทธิภาพเนื่องจากไม่จำเป็นต้องโหลดข้อมูลซ้ำในระบบพิเศษ ในบรรดาข้อบกพร่องสามารถสังเกตได้ดังต่อไปนี้: การลดขอบเขตของปัญหาที่แก้ไขได้โดยใช้ระบบ, คุณภาพของข้อมูลลดลงเนื่องจากขาดขั้นตอนสำหรับการทำความสะอาด, การเพิ่มภาระใน ระบบปฏิบัติการที่มีศักยภาพในการยุติ

· DSS โดยใช้ดาต้ามาร์ทอิสระ

ใช้ในองค์กรขนาดใหญ่ที่มีหลายแผนก รวมถึงแผนกเทคโนโลยีสารสนเทศ ดาต้ามาร์ทแต่ละแห่งถูกสร้างขึ้นเพื่อแก้ปัญหาเฉพาะและเน้นที่กลุ่มผู้ใช้เฉพาะ สิ่งนี้ช่วยปรับปรุงประสิทธิภาพของระบบอย่างมาก การนำโครงสร้างดังกล่าวไปใช้นั้นค่อนข้างง่าย จากจุดลบ สังเกตได้ว่าข้อมูลถูกป้อนซ้ำๆ ในหน้าร้านต่างๆ จึงสามารถทำซ้ำได้ ซึ่งจะทำให้ค่าใช้จ่ายในการจัดเก็บข้อมูลเพิ่มขึ้นและทำให้ขั้นตอนการรวมข้อมูลยุ่งยากขึ้น การเติม data marts นั้นค่อนข้างยากเนื่องจากคุณต้องใช้หลายแหล่ง ไม่มีภาพรวมของธุรกิจขององค์กร เนื่องจากไม่มีการรวบรวมข้อมูลขั้นสุดท้าย

· DSS ตามคลังข้อมูลสองระดับ

ใช้ใน บริษัทขนาดใหญ่ซึ่งข้อมูลถูกรวมเข้าเป็น ระบบเดียว. คำจำกัดความและวิธีการประมวลผลข้อมูลในกรณีนี้เป็นเอกภาพ เพื่อให้แน่ใจว่าการทำงานปกติของ DSS ดังกล่าว จำเป็นต้องจัดสรรทีมผู้เชี่ยวชาญที่จะให้บริการ สถาปัตยกรรม DSS ดังกล่าวไม่มีข้อบกพร่องของสถาปัตยกรรมก่อนหน้านี้ แต่ไม่มีความสามารถในการจัดโครงสร้างข้อมูลสำหรับกลุ่มผู้ใช้แต่ละกลุ่ม ตลอดจนจำกัดการเข้าถึงข้อมูล คุณอาจประสบปัญหาประสิทธิภาพของระบบ

· DSS อิงตามคลังข้อมูลสามระดับ

DSS ดังกล่าวใช้คลังข้อมูลซึ่งมีการสร้าง data marts ซึ่งใช้โดยกลุ่มผู้ใช้ที่แก้ปัญหาที่คล้ายกัน ดังนั้น การเข้าถึงจึงมีให้ทั้งข้อมูลที่มีโครงสร้างเฉพาะและข้อมูลที่รวมเป็นหนึ่งเดียว การเติม data marts นั้นง่ายขึ้นโดยใช้ข้อมูลที่ตรวจสอบแล้วและล้างข้อมูลจากแหล่งเดียว

มีรูปแบบข้อมูลองค์กร DSS ดังกล่าวโดดเด่นด้วยประสิทธิภาพที่รับประกัน แต่มีความซ้ำซ้อนของข้อมูลซึ่งนำไปสู่ความต้องการพื้นที่จัดเก็บที่เพิ่มขึ้น นอกจากนี้ จำเป็นต้องประสานงานสถาปัตยกรรมดังกล่าวกับพื้นที่ต่างๆ ที่มีความต้องการที่แตกต่างกันออกไป

ขึ้นอยู่กับเนื้อหาการทำงานของอินเทอร์เฟซระบบ DSS มีสองประเภทหลัก: EIS และ DSS (ระบบข้อมูลการดำเนินการ) - ระบบข้อมูลสำหรับการจัดการองค์กร ระบบเหล่านี้มุ่งเป้าไปที่ผู้ใช้ที่ไม่ได้เตรียมตัวไว้ มีอินเทอร์เฟซที่เรียบง่าย ชุดคุณลักษณะพื้นฐานที่นำเสนอ และรูปแบบการนำเสนอข้อมูลแบบตายตัว ระบบ EIS จะวาดภาพทั่วไปของสถานะปัจจุบันของตัวบ่งชี้ประสิทธิภาพทางธุรกิจของบริษัทและแนวโน้มการพัฒนา โดยมีความเป็นไปได้ที่จะให้ข้อมูลที่เป็นปัญหาในระดับลึกถึงระดับของสิ่งอำนวยความสะดวกของบริษัทขนาดใหญ่ ระบบ EIS - ผลตอบแทนที่แท้จริงที่ผู้บริหารของบริษัทมองเห็นจากการนำเทคโนโลยี DSS มาใช้ (Desicion Support System) 7 - ระบบเต็มรูปแบบสำหรับการวิเคราะห์และค้นคว้าข้อมูลออกแบบมาสำหรับผู้ใช้ที่ผ่านการฝึกอบรมที่มีความรู้ทั้งในด้านเนื้อหา ของการวิจัยและในด้านความรู้ทางคอมพิวเตอร์ โดยปกติ ในการใช้งานระบบ DSS (หากมีข้อมูล) การติดตั้งและกำหนดค่าซอฟต์แวร์เฉพาะทางจากผู้ให้บริการโซลูชันสำหรับระบบ OLAP และ Data Mining ก็เพียงพอแล้ว

การแบ่งระบบออกเป็นสองประเภทไม่ได้หมายความว่าการสร้าง DSS เกี่ยวข้องกับการใช้งานประเภทใดประเภทหนึ่งเท่านั้น EIS และ DSS สามารถทำงานคู่ขนานกัน แบ่งปันข้อมูลและ/หรือบริการร่วมกัน โดยมอบฟังก์ชันการทำงานให้กับทั้งฝ่ายบริหารอาวุโสและฝ่ายวิเคราะห์ของบริษัท

1.7 แอปพลิเคชัน

โทรคมนาคม

บริษัทโทรคมนาคมใช้ DSS เพื่อเตรียมและตัดสินใจโดยมุ่งเป้าไปที่การรักษาลูกค้าไว้ และลดการไหลออกไปยังบริษัทอื่น DSS ช่วยให้บริษัทต่างๆ ดำเนินโครงการการตลาดของตนได้อย่างมีประสิทธิภาพมากขึ้น เรียกเก็บเงินค่าบริการที่น่าดึงดูดยิ่งขึ้น

การวิเคราะห์บันทึกที่มีลักษณะการโทรทำให้คุณสามารถระบุประเภทของลูกค้าที่มีรูปแบบพฤติกรรมที่คล้ายคลึงกัน เพื่อสร้างความแตกต่างในการดึงดูดลูกค้าในประเภทใดประเภทหนึ่ง

มีลูกค้าหลายประเภทที่เปลี่ยนผู้ให้บริการอย่างต่อเนื่องเพื่อตอบสนองต่อแคมเปญโฆษณาบางรายการ DSS ทำให้สามารถระบุได้มากที่สุด ลักษณะเฉพาะลูกค้า "เสถียร" กล่าวคือ ลูกค้าที่ยังคงภักดีต่อบริษัทหนึ่งๆ มาเป็นเวลานาน ทำให้สามารถมุ่งเน้นนโยบายการตลาดของตนในการรักษาลูกค้ากลุ่มนี้โดยเฉพาะ

การธนาคาร

DSS ถูกใช้เพื่อตรวจสอบแง่มุมต่างๆ ของธนาคารได้ดีขึ้น เช่น การให้บริการบัตรเครดิต สินเชื่อ การลงทุน และอื่นๆ ซึ่งสามารถปรับปรุงประสิทธิภาพการทำงานได้อย่างมาก

การระบุกรณีการฉ้อโกง การประเมินความเสี่ยงของการปล่อยสินเชื่อ การคาดการณ์การเปลี่ยนแปลงในกลุ่มลูกค้า - ขอบเขตของ DSS และวิธีการขุดข้อมูล การจัดประเภทลูกค้า การเลือกกลุ่มลูกค้าที่มีความต้องการคล้ายคลึงกัน ทำให้เกิดนโยบายการตลาดที่ตรงเป้าหมาย โดยมอบชุดบริการที่น่าดึงดูดยิ่งขึ้นให้กับลูกค้าบางประเภท

ประกันภัย

ชุดแอปพลิเคชัน DSS ในธุรกิจประกันภัยสามารถเรียกได้ว่าคลาสสิก - เป็นการระบุกรณีที่อาจเกิดขึ้นจากการฉ้อโกง การวิเคราะห์ความเสี่ยง การจัดประเภทลูกค้า

การตรวจจับแบบแผนบางอย่างในการเรียกร้องค่าสินไหมทดแทน ในกรณีจำนวนมาก สามารถลดจำนวนคดีฉ้อโกงในอนาคตได้

การวิเคราะห์ลักษณะเฉพาะของกรณีการชำระเงินภายใต้ภาระผูกพันการประกันภัย บริษัท ประกันภัยสามารถลดการสูญเสียได้ ข้อมูลที่ได้รับจะนำไปสู่การแก้ไขระบบส่วนลดสำหรับลูกค้าที่อยู่ภายใต้เกณฑ์ที่ระบุ

การจัดประเภทลูกค้าทำให้สามารถระบุประเภทที่ทำกำไรได้มากที่สุดของลูกค้า เพื่อที่จะกำหนดเป้าหมายชุดบริการที่มีอยู่และแนะนำบริการใหม่ได้แม่นยำยิ่งขึ้น

ค้าปลีก

บริษัทการค้าใช้เทคโนโลยี DSS เพื่อแก้ปัญหาต่างๆ เช่น การวางแผนการจัดซื้อและการจัดเก็บ การวิเคราะห์ การซื้อร่วมกัน, ค้นหารูปแบบพฤติกรรมได้ทันท่วงที

การวิเคราะห์ข้อมูลเกี่ยวกับจำนวนการซื้อและความพร้อมของสินค้าในสต็อกในช่วงระยะเวลาหนึ่งทำให้คุณสามารถวางแผนการซื้อสินค้าได้ ตัวอย่างเช่น เพื่อตอบสนองความต้องการสินค้าที่ผันผวนตามฤดูกาล

บ่อยครั้งเมื่อซื้อผลิตภัณฑ์ ผู้ซื้อจะได้ผลิตภัณฑ์อื่นควบคู่ไปกับมัน การระบุกลุ่มสินค้าดังกล่าวช่วยให้สามารถวางสินค้าบนชั้นวางที่อยู่ติดกันเพื่อเพิ่มโอกาสในการซื้อร่วมกันได้

การค้นหารูปแบบของพฤติกรรมในเวลาให้คำตอบสำหรับคำถาม "ถ้าวันนี้ผู้ซื้อซื้อผลิตภัณฑ์หนึ่งชิ้นแล้วเขาจะซื้อสินค้าอื่นอีกเมื่อใด" ตัวอย่างเช่น เมื่อซื้อกล้อง ลูกค้ามักจะซื้อฟิล์ม พัฒนา และพิมพ์บริการในอนาคตอันใกล้นี้

ยา

มีระบบผู้เชี่ยวชาญมากมายสำหรับการวินิจฉัยทางการแพทย์ พวกมันถูกสร้างขึ้นบนพื้นฐานของกฎเกณฑ์ที่อธิบายถึงอาการต่าง ๆ ของโรคต่างๆ ด้วยความช่วยเหลือของกฎดังกล่าว พวกเขาไม่เพียงเรียนรู้สิ่งที่ผู้ป่วยป่วยเท่านั้น แต่ยังเรียนรู้วิธีปฏิบัติต่อเขาด้วย กฎช่วยในการเลือกวิธีการรักษา กำหนดข้อบ่งชี้ - ข้อห้าม นำทางขั้นตอนการรักษา สร้างเงื่อนไขสำหรับการรักษาที่มีประสิทธิภาพสูงสุด ทำนายผลลัพธ์ของหลักสูตรการรักษาที่กำหนด ฯลฯ เทคโนโลยี Data Mining ทำให้สามารถตรวจจับรูปแบบได้ ในข้อมูลทางการแพทย์ที่เป็นพื้นฐานของกฎเหล่านี้

อณูพันธุศาสตร์และพันธุวิศวกรรม

บางทีงานที่ชัดเจนที่สุดและชัดเจนที่สุดในการค้นหาความสม่ำเสมอในข้อมูลการทดลองก็คืองานด้านอณูพันธุศาสตร์และพันธุวิศวกรรม ในที่นี้ได้มีการกำหนดสูตรเป็นคำจำกัดความของเครื่องหมายที่เรียกว่า ซึ่งเป็นที่เข้าใจกันว่าเป็นรหัสพันธุกรรมที่ควบคุมลักษณะฟีโนไทป์บางอย่างของสิ่งมีชีวิต รหัสดังกล่าวอาจมีรายการที่เกี่ยวข้องกันนับร้อย นับพัน หรือมากกว่านั้น

จัดสรรเงินทุนจำนวนมากสำหรับการพัฒนาการวิจัยทางพันธุกรรม เมื่อเร็วๆ นี้ มีความสนใจเป็นพิเศษในการประยุกต์ใช้วิธีการ Data Mining ในด้านนี้ เป็นที่ทราบกันดีว่าบริษัทขนาดใหญ่หลายแห่งมีความเชี่ยวชาญในการประยุกต์ใช้วิธีการเหล่านี้ในการถอดรหัสจีโนมมนุษย์และพืช

เคมีประยุกต์

วิธีการทำเหมืองข้อมูลใช้กันอย่างแพร่หลายในเคมีประยุกต์ (อินทรีย์และอนินทรีย์) ในที่นี้ คำถามมักเกิดขึ้นจากการอธิบายคุณลักษณะของโครงสร้างทางเคมีของสารประกอบบางชนิดที่กำหนดคุณสมบัติของพวกมัน งานนี้มีความเกี่ยวข้องอย่างยิ่งในการวิเคราะห์สารประกอบทางเคมีที่ซับซ้อน ซึ่งคำอธิบายประกอบด้วยองค์ประกอบโครงสร้างนับแสนและพันธะ

1.8 ตลาด DSS

ในตลาด DSS บริษัทต่างๆ เสนอบริการประเภทต่อไปนี้สำหรับการสร้างระบบสนับสนุนการตัดสินใจ:

· การดำเนินโครงการนำร่องบนระบบ DSS เพื่อแสดงให้ฝ่ายบริหารของลูกค้าเห็นถึงศักยภาพคุณภาพสูงของแอปพลิเคชันการวิเคราะห์

· การสร้างร่วมกับลูกค้าของระบบ DSS ที่ทำงานได้อย่างสมบูรณ์ รวมถึงคลังข้อมูลและเครื่องมือ Business Intelligence

· การออกแบบสถาปัตยกรรมคลังข้อมูล รวมถึงโครงสร้างการจัดเก็บและกระบวนการจัดการ

· การสร้าง "ดาต้ามาร์ท" สำหรับสาขาวิชาที่เลือก

· การติดตั้งและกำหนดค่าเครื่องมือ OLAP และ Business Intelligence การปรับตัวให้เข้ากับความต้องการของลูกค้า

· การวิเคราะห์เครื่องมือวิเคราะห์ทางสถิติและ "การทำเหมืองข้อมูล" เพื่อเลือกผลิตภัณฑ์ซอฟต์แวร์สำหรับสถาปัตยกรรมและความต้องการของลูกค้า

· การผสานรวมระบบ DSS เข้ากับอินทราเน็ตองค์กรของลูกค้า การแลกเปลี่ยนเอกสารการวิเคราะห์ทางอิเล็กทรอนิกส์ระหว่างผู้ใช้พื้นที่จัดเก็บโดยอัตโนมัติ

· การพัฒนาระบบสารสนเทศสำหรับผู้บริหาร (EIS) สำหรับการทำงานที่จำเป็น

· บริการสำหรับการรวมฐานข้อมูลไว้ในสภาพแวดล้อมการจัดเก็บข้อมูลเดียว

· การฝึกอบรมผู้เชี่ยวชาญของลูกค้าในด้านเทคโนโลยีคลังข้อมูลและเทคโนโลยีระบบวิเคราะห์ รวมถึงการทำงานกับผลิตภัณฑ์ซอฟต์แวร์ที่จำเป็น

· การให้บริการให้คำปรึกษาแก่ลูกค้าในทุกขั้นตอนของการออกแบบและการทำงานของคลังข้อมูลและระบบวิเคราะห์

· โครงการที่ซับซ้อนสำหรับการสร้าง/การปรับปรุงโครงสร้างพื้นฐานด้านการประมวลผลที่ช่วยให้มั่นใจถึงการทำงานของ DSS: โซลูชันทุกขนาด ตั้งแต่ระบบในเครื่องไปจนถึงระบบในระดับองค์กร/ความกังวล/อุตสาหกรรม

1.9 การประเมินระบบสนับสนุนการตัดสินใจ (DMSS)

เกณฑ์การประเมิน DSS ระบบต้องจัดการรายได้และความเสี่ยงอย่างมีประสิทธิภาพภายใต้สภาวะตลาดใดๆ เพื่อสร้างสัญญาณการเข้าและออกจากตลาดที่มีประสิทธิภาพ ในเวลาเดียวกัน ความถี่ของการทำธุรกรรมควรอยู่ในระดับปานกลาง โดยคำนึงถึงต้นทุนการทำธุรกรรม ค่าคอมมิชชั่น การสูญเสียจากสเปรด ฯลฯ ความซับซ้อนของการก่อสร้างไม่ควรน่ากลัว คนส่วนใหญ่ที่ปฏิเสธวิธีการเชิงตัวเลขเพื่อสนับสนุน "สัญชาตญาณ" ของพวกเขาจะจบลงด้วยผลลัพธ์ที่ต่ำกว่าค่าเฉลี่ย

ลักษณะสำคัญโดยธรรมชาติในการประเมินระบบคือกำไรทั้งหมด (สุดท้าย) ด้วยต้นทุนการดำเนินงานที่สูง คุณลักษณะเช่นกำไรต่อการดำเนินการจึงมีความสำคัญ ความถูกต้องของการตัดสินใจ (เปอร์เซ็นต์) ซึ่งคำนวณจากอัตราส่วนของจำนวนการดำเนินการที่ทำกำไรต่อจำนวนการดำเนินการทั้งหมด เป็นคุณลักษณะที่ได้รับความนิยมสำหรับผู้ค้าหลายราย แม้ว่าความสำคัญของการดำเนินการนั้นจะถูกประเมินสูงไป ความจริงก็คือระบบที่มีประสิทธิภาพจำนวนมากตัดสินใจผิดพลาดบ่อยกว่าที่ถูกต้อง ในขณะที่ระบบที่ไม่ทำกำไร (หรือเกือบจะไม่ทำกำไร) จำนวนมากทำการตัดสินใจที่ถูกต้องบ่อยกว่า

การสูญเสียเงินทุนของตัวเองสูงสุดเป็นลักษณะสำคัญสำหรับการวัดความเสี่ยงของกลยุทธ์ที่ระบบใช้ ระบบที่ขาดทุนจำนวนมากเป็นระยะๆ ไม่ถือว่าใช้งานได้ แม้ว่าท้ายที่สุดแล้วระบบจะให้กำไรสุทธิที่เพียงพอ ในเวลาเดียวกัน ความสูญเสียสูงสุดไม่ได้หมายถึงการสูญเสียจำนวนมากที่สุดจากลำดับของการดำเนินงานที่ไม่ได้ผลกำไรเท่านั้น แต่ยังหมายถึงการลดทุนสูงสุดในระหว่างช่วงเวลาที่อยู่ระหว่างการพิจารณาอีกด้วย ในระหว่างการลดลงดังกล่าว ลำดับของการเทรดที่ขาดทุนอาจถูกขัดจังหวะโดยการเทรดที่ทำกำไรแต่ละรายการซึ่งไม่สามารถเปลี่ยนแปลงลักษณะโดยรวมที่ไม่ทำกำไรของช่วงเวลาที่ระบบไม่มีประสิทธิภาพ คุณสมบัติหลักของประสิทธิภาพของระบบคำนวณจากอัตราส่วนของกำไรทั้งหมดต่อจำนวนการสูญเสียเงินทุนในช่วงที่ระบบไร้ประสิทธิภาพสูงสุด และมักจะเรียกว่าอัตราส่วนผลตอบแทน/ความเสี่ยง นอกจากนี้ยังมีการประเมินประสิทธิภาพของระบบอื่นๆ อีกมาก ซึ่งบางครั้งค่อนข้างซับซ้อน ซึ่งต้องใช้การคำนวณทางสถิติจำนวนมาก แต่ในกรณีส่วนใหญ่ คุณลักษณะง่ายๆ ข้างต้นก็เพียงพอแล้ว ควรสังเกตว่าเมื่อประเมินระบบคุณสามารถใช้เกณฑ์ที่แนะนำโดย ทฤษฎีคลาสสิกการจัดการพอร์ตโฟลิโอ

การปรับระบบให้เหมาะสมประกอบด้วยการค้นหาสูตรที่ดีที่สุดสำหรับตัวบ่งชี้ - สูตรที่ดีที่สุดในแง่ของการได้รับผลกำไรสูงสุดและ/หรือเสถียรที่สุดจากข้อมูลที่รวบรวมในระยะเวลานาน การเพิ่มประสิทธิภาพนี้ขัดแย้งในตัวเอง นักวิจารณ์จะชี้ให้เห็นทันทีว่าราคาในอนาคตอาจมีพฤติกรรมแตกต่างไปจากที่เคยเป็นมา ผู้เสนอการปรับให้เหมาะสมดังกล่าวต้องมั่นใจว่ามีรูปแบบบางอย่าง ความมั่นคงในพฤติกรรมราคาที่ไม่เปลี่ยนแปลงหรือเปลี่ยนแปลงเล็กน้อยเมื่อเวลาผ่านไป

เพื่อทดสอบประสิทธิภาพของความจริงที่ว่ากฎที่ใช้ในการวิเคราะห์ทางเทคนิคให้ผลกำไรที่มั่นคงในอนาคตโดยคำนวณจากข้อมูลในอดีตโดยใช้วิธีการทดสอบอย่างง่ายต่อไปนี้ (ที่เรียกว่าแบบจำลองตาบอด) ขั้นแรก กฎการตัดสินใจได้รับการปรับให้เหมาะสมกับข้อมูลในอดีต จากนั้นจึงทดสอบกับข้อมูลในภายหลัง (ล่าสุด) ด้วยวิธีนี้ คุณจะกำหนดได้ว่าโดยทั่วไปแล้วคุณสามารถทำนายอนาคตจากข้อมูลในอดีตได้ดีเพียงใดโดยใช้กฎที่กำหนด หากอินดิเคเตอร์ที่มีพารามิเตอร์ที่เหมาะสมทำงานได้ดีกับข้อมูลล่าสุด เราสามารถหวังว่าอินดิเคเตอร์จะทำงานได้ดีในอนาคต

เมื่อทำการประเมินค่าพารามิเตอร์ของระบบอีกครั้ง ควรดำเนินการต่อไปที่ ระบบใหม่เฉพาะในกรณีที่ "การปรับปรุง" ที่เกิดขึ้นมีนัยสำคัญทางสถิติเท่านั้น

Robert Pelletier แนะนำให้จำกัดจำนวนพารามิเตอร์เมื่อสร้างกฎการตัดสินใจ เนื่องจากการเพิ่มขึ้นจะเพิ่มจำนวนองศาอิสระของระบบ นอกจากนี้ อาจมีการเชื่อมต่อระหว่างกัน กล่าวคือ อาจกลายเป็นว่าขึ้นอยู่กับสถิติ ซึ่งมักจะเห็นได้จากสัมประสิทธิ์สหสัมพันธ์ข้าม Pelletier เชื่อว่าระบบที่ดีควรมีพารามิเตอร์ไม่เกิน 2-5 รายการ

ตัวอย่างสำหรับตรวจสอบตัวบ่งชี้ควรมีขนาดใหญ่พอที่จะมีอย่างน้อย 30 สัญญาณสำหรับช่วงเวลาที่เลือก ในกรณีนี้ ระยะเวลาควรรวมจำนวนเต็มของรอบยาว (ความถี่ต่ำ) ที่สมบูรณ์เพื่อจำกัดอิทธิพลของอคติในทิศทางของการขายหรือการซื้อ ตัวอย่างเช่น สำหรับรอบ 4 ปีที่ทราบของตลาดหุ้น การวิเคราะห์ควรดำเนินการกับข้อมูลอย่างน้อย 8 ปี

ข้อมูลทางปัญญาของธนาคารองค์กร

บทที่ 2

1 การกำหนดเป้าหมายและวัตถุประสงค์ของการศึกษา ลักษณะของวัตถุที่กำลังศึกษา

ปัจจุบัน ธนาคารกลาง สหพันธรัฐรัสเซีย(ต่อไปนี้จะเรียกว่าธนาคารแห่งรัสเซีย) เป็นหน่วยงานกำกับดูแลหลักของระบบการธนาคารของรัสเซียและเป็นผู้ค้ำประกันเสถียรภาพและเสถียรภาพทางเศรษฐกิจในหลาย ๆ ด้าน ระบบของธนาคารแห่งรัสเซียมีความซับซ้อน โครงสร้างองค์กร- สำนักงานกลาง (ต่อไปนี้จะเรียกว่า CA) สำนักงานอาณาเขต (ต่อไปนี้จะเรียกว่า TU) และมีพนักงานมากกว่า 80,000 คน ในทางกลับกันสถาบันในอาณาเขตมีเครือข่ายศูนย์การชำระเงินสดและหน่วยงานอื่น ๆ ที่อยู่ในสังกัดของพวกเขาซึ่งรับประกันกิจกรรมของ TC การมีอยู่ของโครงสร้างองค์กรที่ซับซ้อนกำหนดความซับซ้อนของระบบการจัดการของธนาคารแห่งรัสเซียซึ่งครอบคลุมสองระดับ - TC และ CA ในปัจจุบัน งานหลักดังต่อไปนี้เกี่ยวข้องกับธนาคารแห่งรัสเซีย: การลดต้นทุนโดยทั่วไป การกำหนดมาตรฐานของกิจกรรมของสถาบันในอาณาเขต และการปรับปรุงระบบการจัดการของสถาบันในอาณาเขต

แนวทางกระบวนการในการจัดการถือเป็นเครื่องมือหลักในการดำเนินงานเหล่านี้ให้สำเร็จ ซึ่งการดำเนินการดังกล่าวได้เริ่มต้นขึ้นในธนาคารแห่งรัสเซียในปี 2545 แนวทางกระบวนการเป็นแนวทางในการสร้างระบบการจัดการที่ยืดหยุ่นและมีประสิทธิภาพซึ่งแพร่หลายไปทั่วโลกในช่วง 10-15 ปีที่ผ่านมา แนวทางกระบวนการสันนิษฐานว่ามีการกำหนดเป้าหมายและกลยุทธ์ของกิจกรรมอย่างชัดเจน คำอธิบายของกิจกรรมในรูปแบบของชุดของกระบวนการที่สัมพันธ์กันซึ่งมีผลลัพธ์เฉพาะที่ผลลัพธ์ การกระจายความรับผิดชอบที่ชัดเจนระหว่างผู้เข้าร่วมทั้งหมดในกระบวนการ

ตามที่แสดง การปฏิบัติของโลกการประยุกต์ใช้แนวทางกระบวนการอย่างมีประสิทธิภาพนั้นส่วนใหญ่จะถูกกำหนดโดยการมีอยู่ของระบบคอมพิวเตอร์สารสนเทศที่สร้างและให้ข้อมูลที่จำเป็นสำหรับการตัดสินใจ ด้วยความช่วยเหลือของระบบดังกล่าว ในระดับข้อกำหนดทางเทคนิคของธนาคารแห่งรัสเซีย เป็นไปได้ที่จะอธิบายและควบคุมการดำเนินการของกระบวนการ ประเมินค่าใช้จ่าย คำนวณภาระจริง ดำเนินการประเมินประสิทธิภาพอย่างสมเหตุสมผล ของกระบวนการ พนักงาน แผนก ฯลฯ ในระดับ CA ของธนาคารแห่งรัสเซีย ระบบจะทำให้สามารถเปรียบเทียบข้อกำหนดทางเทคนิคสำหรับตัวบ่งชี้ต่างๆ ที่สะสมในระหว่างการทำงาน กำหนดข้อกำหนดทางเทคนิคให้เป็นมาตรฐาน อธิบายมาตรฐานกระบวนการ ทำซ้ำในข้อกำหนดทางเทคนิค และแก้ไขตัวเลข ของงานอื่นๆ

ทั้งหมดข้างต้นกำหนดความเกี่ยวข้องของหัวข้อของบทนี้ซึ่งอุทิศให้กับการพัฒนาวิธีการทางคณิตศาสตร์และซอฟต์แวร์ - เครื่องมือเพื่อสร้างระบบสนับสนุนการตัดสินใจในด้านการจัดการกิจกรรมของสถาบันอาณาเขตของธนาคารแห่งรัสเซีย เกี่ยวกับวิธีการดำเนินการ (ต่อไปนี้จะเรียกว่าระบบ DSS "การจัดการกระบวนการ")

วัตถุประสงค์ของงานนี้คือการพัฒนาวิธีการที่ครอบคลุม คณิตศาสตร์ ข้อมูล ซอฟต์แวร์และเครื่องมือสนับสนุนสำหรับระบบสนับสนุนการตัดสินใจในงานจัดการกิจกรรมของสถาบันอาณาเขตของธนาคารแห่งรัสเซียรวมถึงระดับของข้อกำหนดทางเทคนิคและ สำนักงานกลาง

2 ภาพรวมทั่วไปและลักษณะงาน

2.1 การพัฒนา แนวคิดใหม่ DSS ในการจัดการกิจกรรมของสาขาอาณาเขตของธนาคารแห่งรัสเซีย

มีการวิเคราะห์ความจำเพาะของธนาคารแห่งรัสเซียซึ่งประกอบด้วยโครงสร้างองค์กรที่ซับซ้อน, ระบบสองระดับแนวตั้งสำหรับการจัดการสถาบันอาณาเขต, กฎระเบียบที่ชัดเจนของกิจกรรมตามกรอบการกำกับดูแลขนาดใหญ่, ความซับซ้อนของเอกสาร การจัดการ คุณสมบัติการจัดการด้านการเงิน ข้อมูลและข้อกำหนดด้านความปลอดภัย ความปลอดภัยของข้อมูล. เป็นผลให้พบว่าผลิตภัณฑ์ที่มีอยู่ไม่เหมาะอย่างยิ่งสำหรับการแก้ปัญหาการจัดการสาขาอาณาเขตของธนาคารแห่งรัสเซีย

การศึกษาเฉพาะของธนาคารแห่งรัสเซียและการวิเคราะห์งานหลักในการจัดการกิจกรรมของสถาบันทางเทคนิคทำให้สามารถกำหนดหลักการแนวคิดต่อไปนี้สำหรับการสร้าง DSS:

) โครงสร้างสองระดับ DSS ที่พัฒนาแล้วควรทำงานในสองระดับ - TU (ภูมิภาค) และ CA (ส่วนกลาง) ในระดับภูมิภาค DSS สนับสนุนการจัดการกิจกรรมของข้อกำหนดทางเทคนิคตามแนวทางกระบวนการ ในระดับรัฐบาลกลาง ข้อมูลจะถูกเก็บรวบรวมเกี่ยวกับกิจกรรมจากข้อกำหนดทางเทคนิคทั้งหมด การจัดเก็บแบบรวมศูนย์และการวิเคราะห์ข้อมูลนี้ การจำแนกประเภทข้อกำหนดทางเทคนิค และการก่อตัวของมาตรฐาน

) การจัดการวงจรเต็มรูปแบบตามแนวทางกระบวนการ สำหรับการปรับปรุงกิจกรรมอย่างมีประสิทธิผลและต่อเนื่อง คุณลักษณะที่สำคัญของ DSS คือการจัดให้มีการจัดการแบบครบวงจรตามแนวทางกระบวนการ ซึ่งเกี่ยวข้องกับการดำเนินการตามขั้นตอนซ้ำๆ เพื่ออธิบายกระบวนการ เฝ้าติดตามและควบคุมการดำเนินการ วิเคราะห์กระบวนการ และรื้อปรับระบบ

โดยคำนึงถึงโครงสร้างสองระดับของระบบ รอบการควบคุมจะแสดงในรูปแบบต่อไปนี้ (รูปที่ 2):

ข้าว. 2. รอบการสนับสนุนการจัดการใน DSS

)การบูรณาการแนวทางและเทคโนโลยี เพื่อแก้ปัญหาในการปรับปรุงกิจกรรมของข้อกำหนดทางเทคนิคใน DSS ที่สร้างขึ้นอย่างมีประสิทธิภาพสูงสุด จำเป็นต้องรวมแนวทางและเทคโนโลยีของการจัดการกระบวนการทางธุรกิจ (BPMS) การจัดการประสิทธิภาพ (CPM) และระบบธุรกิจอัจฉริยะ (BI) แนวทางเหล่านี้ควรดำเนินการบนพื้นฐานของหลักการและหน้าที่ของสถาปัตยกรรมแบบรวมเป็นหนึ่งภายในกรอบการทำงานของโครงสร้างพื้นฐานด้านข้อมูล ซอฟต์แวร์ และเทคโนโลยีที่เป็นอันหนึ่งอันเดียวกัน

)การสนับสนุนมาตรฐานเป็นสิ่งจำเป็นในการแก้ปัญหาการสร้างมาตรฐานของกิจกรรมของ TU ในระดับรัฐบาลกลาง - การพัฒนา การดีบัก การวิเคราะห์มาตรฐานกระบวนการ ฯลฯ ในระดับภูมิภาค - "การกำหนด" ของมาตรฐานในกระบวนการที่มีอยู่

)การบูรณาการกระบวนการในคลังข้อมูล ระบบคลาส BPMS เป็นธุรกรรมและไม่ต้องการคลังข้อมูล ในธนาคารแห่งรัสเซีย ไม่เพียงแต่ต้องจัดระเบียบการจัดการกระบวนการเท่านั้น แต่ยังต้องตรวจสอบให้แน่ใจว่าการวิเคราะห์ที่ครอบคลุม - ไดนามิก การเปรียบเทียบ โครงสร้าง ฯลฯ ดังนั้น ข้อมูลเกี่ยวกับกิจกรรมควรสะสมในคลังข้อมูลของสถาบันทางเทคนิคแต่ละแห่ง ซึ่งเป็นส่วนหนึ่งของ ข้อมูลจะถูกโอนไปยังระดับรัฐบาลกลาง (ไปยังที่เก็บส่วนกลาง);

)การพัฒนาฐานวิธีการสำหรับการวิเคราะห์ สำหรับการแก้ปัญหาที่สมบูรณ์และมีประสิทธิภาพมากขึ้นของปัญหาในการวิเคราะห์ข้อมูลเกี่ยวกับกิจกรรมของข้อกำหนดทางเทคนิค จำเป็นต้องพัฒนาฐานวิธีการและเครื่องมือในด้านต่อไปนี้: การคำนวณต้นทุนของกระบวนการ การประเมินระยะเวลาของกระบวนการ การวิเคราะห์ ของโครงสร้างองค์กร การจัดการประสิทธิภาพ

)ปฏิสัมพันธ์กับทีพีเค DSS ควรโต้ตอบกับระบบซอฟต์แวร์มาตรฐาน (TPC) ที่ทำงานในสถาบันอาณาเขต การโต้ตอบถูกจัดระเบียบโดยมีวัตถุประสงค์เพื่อ: การรับข้อมูลเบื้องต้น (เช่น ข้อมูลเกี่ยวกับต้นทุนของข้อกำหนดทางเทคนิค) การรับข้อมูลกฎระเบียบและข้อมูลอ้างอิงที่เป็นปัจจุบัน การรับข้อมูลเกี่ยวกับการดำเนินการตามกระบวนการ โดยคำนึงถึงหลักการเหล่านี้ แบบจำลองแนวคิดของระบบจึงได้รับการพัฒนา ครอบคลุมระดับรัฐบาลกลางและระดับภูมิภาค (รูปที่ 3):

ข้าว. 3. แบบจำลองแนวคิดของ DSS ในการจัดการกิจกรรมของสาขาอาณาเขตของธนาคารแห่งรัสเซีย

แบบจำลองแนวคิดที่นำเสนอมีความสอดคล้องมากที่สุดกับการแก้ปัญหาของงานการจัดการของธนาคารแห่งรัสเซียและรวมถึงองค์ประกอบต่อไปนี้:

· ระบบระดับภูมิภาค (ในแต่ละสถาบันอาณาเขต) DSS ที่ระดับภูมิภาคสามารถจำลองแบบได้และมีฟังก์ชันที่เหมือนกันกับข้อกำหนดทางเทคนิคทั้งหมด ข้อมูลเกี่ยวกับกิจกรรมของ TS ถูกสะสมในคลังข้อมูล ซึ่งเครื่องมือ BI เชิงวิเคราะห์ทำงาน

· ระบบระดับรัฐบาลกลาง (ในสำนักงานกลาง) DSS ระดับรัฐบาลกลางเป็นองค์ประกอบการบูรณาการที่เกี่ยวข้องกับการจัดเก็บและการประมวลผลแบบรวมศูนย์ของข้อมูลเกี่ยวกับกิจกรรมของข้อกำหนดทางเทคนิคและการทำงานทั้งหมดที่แตกต่างจากระบบระดับภูมิภาค ระบบระดับรัฐบาลกลางสร้างข้อมูล (มาตรฐานกระบวนการ ข้อบังคับ ฯลฯ) ที่จำลองแบบใน DSS ระดับภูมิภาค

· แหล่งข้อมูลภายนอกส่วนใหญ่ให้ข้อมูล DSS ในระดับภูมิภาค ซึ่งรวมถึงระบบซอฟต์แวร์ต่างๆ ที่ทำงานในสถาบันอาณาเขต แหล่งที่มาภายนอกถือได้ว่าเป็นส่วนประกอบภายนอกของ DSS

เนื่องจากระบบระดับรัฐบาลกลางใช้ข้อมูลที่ส่งจากระบบระดับภูมิภาคเป็นส่วนใหญ่ อันดับแรกจำเป็นต้องพัฒนาข้อมูล การสนับสนุนทางคณิตศาสตร์และเครื่องมือสำหรับระบบระดับภูมิภาคเพื่อเป็นพื้นฐานสำหรับ DSS ที่สำคัญของธนาคารแห่งรัสเซีย ในเวลาเดียวกัน ควรสังเกตว่าวิธีการและเครื่องมือที่พัฒนาขึ้นจะถูกนำมาใช้ในการสร้างระบบระดับรัฐบาลกลาง ในระหว่างการศึกษา โครงสร้างของ DSS ในระดับภูมิภาคได้รับการพัฒนา (รูปที่ 4) โดยคำนึงถึงขนาดของข้อกำหนดทางเทคนิค ความหลากหลายของหน้าที่และกระบวนการที่ดำเนินการ ปัจจัยของแนวทางปฏิบัติในการจัดการที่กำหนดขึ้น และ คุณลักษณะของระบบอัตโนมัติในปัจจุบัน

ข้าว. 4. โครงสร้างของ DSS ในระดับภูมิภาคของธนาคารแห่งรัสเซีย

2.2.2 คำอธิบายของระบบย่อยที่ใช้งานได้

ระบบรวมถึงระบบย่อยการทำงานที่ให้ส่วนต่อประสานกับผู้ใช้และใช้ฟังก์ชันทางธุรกิจ และระบบย่อยทางเทคโนโลยีที่รับรองการทำงานของระบบย่อยที่ใช้งานได้ตามกลไกการจัดการข้อมูลแบบรวมศูนย์และข้อมูลเมตาที่รวมศูนย์ ระบบย่อยทั้งหมดทำงานภายใต้การควบคุมของระบบย่อยการดูแลระบบและความปลอดภัยของข้อมูล ซึ่งช่วยให้มั่นใจได้ถึงระดับการป้องกันข้อมูลที่เหมาะสมจากการเข้าถึงโดยไม่ได้รับอนุญาตตามข้อกำหนดของธนาคารแห่งรัสเซีย ในการศึกษาโดยคำนึงถึงลักษณะเฉพาะของธนาคารแห่งรัสเซีย ข้อกำหนดสำหรับข้อมูลและการสนับสนุนเครื่องมือของระบบย่อยการทำงานได้รับการพัฒนาและให้เหตุผล

ระบบย่อยคำอธิบายกระบวนการมีไว้สำหรับคำอธิบายอย่างเป็นทางการของกิจกรรมในรูปแบบของชุดของกระบวนการที่เกี่ยวข้องกัน โดยคำนึงถึงคุณลักษณะของธนาคารแห่งรัสเซีย ในการสร้างแบบจำลองกระบวนการในระบบ มาตรฐาน IDEF0 และ IDEF3 ถูกนำมาใช้ เสริมด้วยโครงสร้างเพิ่มเติมจำนวนหนึ่ง ได้แก่ การดำเนินการควบคุม การเปลี่ยนกลับ ลิงก์ไปยังกระบวนการอื่นๆ กระบวนการเสริม จุดเริ่มและจุดสิ้นสุดของกระบวนการ เมื่อสร้างแบบจำลองข้อมูลเพื่ออธิบายกระบวนการ TS ข้อมูลเฉพาะของธนาคารแห่งรัสเซียและข้อกำหนดของมาตรฐานรวมถึงหลักการต่อไปนี้ถูกนำมาพิจารณา:

· การสนับสนุนการกำหนดเวอร์ชันหมายถึงการรักษาลำดับเหตุการณ์ของการเปลี่ยนแปลงทั้งหมดในคำอธิบายกระบวนการ (การเปลี่ยนแปลงในอ็อบเจ็กต์จะถูกบันทึกเป็นเวอร์ชันที่จัดเรียงตามวันที่) ด้วยเหตุนี้ จึงเป็นไปได้ที่จะได้รับแบบจำลองของกิจกรรมของข้อกำหนดทางเทคนิค ณ วันที่ใดๆ;

· การสนับสนุนสำหรับการสร้างแบบจำลองการเปลี่ยนแปลงมีให้โดยการรักษาเวอร์ชันชั่วคราวของอ็อบเจ็กต์ที่สามารถอนุมัติหรือเพิกถอนได้ตามต้องการ

· ความสามารถในการปรับแต่งได้ของโมเดลกระบวนการเกี่ยวข้องกับการขยายชุดของแอ็ตทริบิวต์โมเดลกระบวนการ แนะนำออบเจกต์ใหม่และเชื่อมโยงกับออบเจกต์ที่มีอยู่

โดยคำนึงถึงหลักการและคุณสมบัติดังกล่าว แบบจำลองข้อมูลของกระบวนการและวัตถุของสภาพแวดล้อมได้รับการพัฒนาในระหว่างการศึกษา (รูปที่ 5)

ข้าว. 5. ความสัมพันธ์ของวัตถุหลักของสภาพแวดล้อมกระบวนการ

ตามแบบจำลองข้อมูลที่สร้างขึ้น ระบบย่อยคำอธิบายกระบวนการอนุญาตให้แก้ไขงานหลักต่อไปนี้:

· การก่อตัวของรูปแบบองค์รวมอย่างเป็นทางการของกิจกรรมของ TU;

· การรักษาข้อมูลกิจกรรมให้ทันสมัยอยู่เสมอ

· การสร้างรายงานและใบรับรองการจัดทำเอกสารกิจกรรมของ มธ.

ระบบย่อยการควบคุมการดำเนินการตามกระบวนการช่วยให้มั่นใจถึงการดำเนินการของกระบวนการที่เป็นทางการ การกำหนดเส้นทางงานระหว่างผู้ปฏิบัติงานตามคำอธิบาย การตรวจสอบการปฏิบัติตามกำหนดเวลาและประสิทธิภาพการทำงาน การแปลงข้อมูลในการดำเนินการของกระบวนการจากแหล่งภายนอกให้อยู่ในรูปแบบที่รวมเป็นหนึ่งเดียว0

อันเป็นผลมาจากการศึกษา วงจรชีวิตของกระบวนการและการดำเนินงานได้รับการพัฒนา (รูปที่ 6) ซึ่งเมื่อรวมกับคำอธิบายของกระบวนการแล้ว ให้การแก้ปัญหาของงานต่อไปนี้:

· องค์กรของการดำเนินการตามกระบวนการ

· ติดตามและจัดการการดำเนินการของกระบวนการ

· องค์กรควบคุมการดำเนินการตามกระบวนการในจุดวิกฤต

· การสร้างรายงานการวิเคราะห์สำหรับผู้จัดการระดับต่างๆ ของข้อกำหนดทางเทคนิค (หัวหน้าภาคส่วน แผนก แผนก ผู้บริหารระดับสูง)

ข้าว. 6. วงจรชีวิตการดำเนินการตามกระบวนการ

ระบบย่อยต้นทุนกระบวนการออกแบบมาเพื่อคำนวณลักษณะต้นทุนของกระบวนการและวิเคราะห์ในส่วนต่างๆ จัดเตรียมเครื่องมือสำหรับการวิเคราะห์โดยละเอียดของลักษณะต้นทุนของกระบวนการ การปรับสมดุล การวิเคราะห์เปรียบเทียบ ตัวเลือกต่างๆการคำนวณ

ระบบย่อยการวิเคราะห์กิจกรรมใช้การสนับสนุนสำหรับการวิเคราะห์กิจกรรมของ TU ในด้านต่างๆ - ประสิทธิภาพ ต้นทุน บุคลากร กระบวนการ ฯลฯ ในขณะที่รวบรวมและจัดโครงสร้างข้อมูลจากแหล่งภายนอกและระบบย่อยอื่นๆ ระบบย่อยการวิเคราะห์ถูกสร้างขึ้นบนพื้นฐานของวิธีการ CPM โดยคำนึงถึงงานของธนาคารแห่งรัสเซียและจัดเตรียมชุดแอปพลิเคชันการวิเคราะห์และเครื่องมือสำหรับการแก้ปัญหาต่อไปนี้:

.การจัดการระบบเป้าหมายเชิงกลยุทธ์ วัตถุประสงค์และตัวชี้วัด (โดยคำนึงถึงเป้าหมายที่กำหนดในระดับรัฐบาลกลางโดยธนาคารแห่งรัสเซีย)

.สนับสนุนการตัดสินใจในด้านการบริหารงานบุคคลและโครงสร้างองค์กรของมธ.

.การติดตามและวิเคราะห์ตัวบ่งชี้ประสิทธิภาพ

ระบบเป้าหมายเชิงกลยุทธ์ วัตถุประสงค์ และตัวชี้วัด เป็นระบบของ Balanced Scorecard (BSC) และตัวชี้วัดประสิทธิภาพหลักที่สามารถกำหนดได้สำหรับกระบวนการ แผนก พนักงาน ฯลฯ เป้าหมาย วัตถุประสงค์ และตัวชี้วัดทั้งหมดเป็นไปตามลำดับเหตุการณ์ แหล่งข้อมูลสำหรับ BSC คือคลังข้อมูล ค่าเป้าหมายของตัวบ่งชี้สามารถกำหนดได้หลายสถานการณ์ เพื่อประเมินระดับความสำเร็จของเป้าหมายและวัตถุประสงค์ ตัวบ่งชี้สามารถกำหนดปัจจัยการถ่วงน้ำหนักได้ การติดตามและวิเคราะห์ความสําเร็จของเป้าหมายโดยอาศัยการเปรียบเทียบเป้าหมายและมูลค่าจริง

การสนับสนุนการตัดสินใจในการบริหารงานบุคคลรวมถึงการใช้งานเชิงวิเคราะห์สำหรับการวิเคราะห์โครงสร้างองค์กร การวิเคราะห์บุคลากรในแง่ของวินัยการปฏิบัติงาน ประสิทธิภาพและตัวบ่งชี้ประสิทธิภาพหลักของกระบวนการ การปรับสมดุลและการกระจายความรับผิดชอบตามหน้าที่

การตรวจสอบและวิเคราะห์ตัวบ่งชี้ประสิทธิภาพดำเนินการโดยใช้เครื่องมือ BI ตามพื้นที่เก็บข้อมูล ในขณะที่ให้ความสามารถในการเปรียบเทียบตัวบ่งชี้ที่ต่างกันและการวิเคราะห์ประเภทต่างๆ (ไดนามิก โครงสร้าง การเปรียบเทียบ คลัสเตอร์ การจัดอันดับ ฯลฯ)

2.2.3 การพัฒนา DSS ที่ระดับของข้อกำหนดทางเทคนิคที่ใช้วิธีการแก้ปัญหาและเครื่องมือ

ในระหว่างการพัฒนา DSS ได้มีการวิเคราะห์ข้อกำหนดสำหรับการสร้างระบบ ได้มีการพัฒนาโครงสร้างข้อมูลเชิงตรรกะและทางกายภาพ หลักการพื้นฐานของการสร้างระบบได้รับการพิสูจน์แล้ว และงานในการเลือกเทคโนโลยีสารสนเทศเพื่อการใช้งาน ระบบได้รับการแก้ไข

โครงสร้างของระบบรวมถึงระบบย่อยการทำงานที่ใช้ตรรกะทางธุรกิจและส่วนต่อประสานกับผู้ใช้ และระบบย่อยทางเทคโนโลยีที่รับรองการทำงานของระบบย่อยที่ใช้งานได้ตามกลไกการจัดการข้อมูลแบบรวมศูนย์และข้อมูลเมตาที่รวมศูนย์

เทคโนโลยีสารสนเทศต่อไปนี้ได้รับเลือกให้นำระบบไปใช้:

· เป็นพื้นฐานสำหรับการจัดเก็บข้อมูล - ระบบจัดการฐานข้อมูลเชิงสัมพันธ์ของ Oracle เวอร์ชัน 9i;

· ในฐานะที่เป็นสภาพแวดล้อมการพัฒนาซอฟต์แวร์และเครื่องมือ - คอมเพล็กซ์การวิเคราะห์ "Prognoz-5" มุ่งเน้นไปที่การพัฒนาข้อมูลและระบบการวิเคราะห์และระบบสนับสนุนการตัดสินใจในด้านต่าง ๆ ของเศรษฐกิจ

· สำหรับการพัฒนาคอมโพเนนต์ของเว็บ - สภาพแวดล้อมแบบรวมของ Microsoft Visual Studio 2005 และแพลตฟอร์ม ASP.NET

ในระหว่างการสร้าง DSS ชุดซอฟต์แวร์และเทคโนโลยีจะได้รับการพัฒนาตามหลักการทางสถาปัตยกรรมแบบรวมศูนย์เพื่อการทำงานที่เหมาะสมและเชื่อถือได้มากที่สุด เมื่อพัฒนาขั้นตอนสำหรับการจัดการฐานข้อมูลที่ซับซ้อน รวมถึงส่วนธุรกรรมและการวิเคราะห์ โซลูชันต่อไปนี้ได้รับการพัฒนาและนำไปใช้:

· การตรวจสอบความสอดคล้องของข้อมูลของเซ็กเมนต์ธุรกรรมและการวิเคราะห์ของฐานข้อมูล ด้วยเหตุนี้ ระบบของคลาสที่เชื่อมต่อถึงกันจึงได้รับการพัฒนา โดยเน้นที่การใช้แกนประมวลผลธุรกรรมแบบรวมศูนย์ ซึ่งอิงตามการใช้เมตาดาต้าของ Oracle DBMS ที่ระดับตาราง เครื่องมือ DBMS มีการควบคุมความสมบูรณ์ของข้อมูลเพื่อปรับปรุงความน่าเชื่อถือของการทำงาน (รูปที่ 7):

ข้าว. 7. แผนการจัดการความสอดคล้องของข้อมูล DSS

· รองรับการกำหนดเวอร์ชันอ็อบเจ็กต์ในขณะที่ยังคงควบคุมความสมบูรณ์ที่ระดับ DBMS เมื่อต้องการทำเช่นนี้ แต่ละอ็อบเจ็กต์จะถูกเก็บไว้ในสองตาราง: ตารางของออบเจ็กต์และตารางเวอร์ชันของอ็อบเจ็กต์

· ความสามารถในการปรับขนาดฐานข้อมูลที่ระดับของแอตทริบิวต์และอ็อบเจ็กต์ที่มีการควบคุมความสมบูรณ์ สำหรับแอตทริบิวต์เพิ่มเติม ความสมบูรณ์จะถูกควบคุมที่ระดับทริกเกอร์ เมื่อมีการสร้างวัตถุใหม่ในตาราง ทริกเกอร์การควบคุมความสมบูรณ์แบบรวมจะถูกสร้างขึ้นโดยอัตโนมัติ

· เพิ่มประสิทธิภาพการดึงข้อมูลและเขียนไปยังฐานข้อมูลที่มีข้อมูลจำนวนมาก หลังจากสร้างโครงสร้างทางกายภาพ มันถูกสร้างดัชนี สำหรับตารางของคลังข้อมูล ใช้เครื่องมือสำหรับสร้างพาร์ติชันของ Oracle DBMS

แหล่งที่มาของข้อมูลสำหรับการเติม DSS เบื้องต้นและการอัปเดตในภายหลังอาจเป็นข้อมูลจากระบบซอฟต์แวร์มาตรฐานที่ทำงานใน TU: ระบบกิจกรรมในฟาร์ม (IEA) ระบบการจัดการเอกสาร ระบบอัตโนมัติ ฯลฯ DSS ช่วยให้คุณ ดาวน์โหลดคำอธิบายกระบวนการจากไฟล์ MS Word และ Excel ซึ่งสำคัญสำหรับสถาบันในอาณาเขตที่มีแบบจำลองกระบวนการร่าง "บนกระดาษ"

DSS ที่พัฒนาขึ้นนี้ใช้ในโหมดอุตสาหกรรมในธนาคารแห่งชาติของสาธารณรัฐบัชคอร์โตสถานในสถานที่ทำงานของผู้จัดการและผู้เชี่ยวชาญมากกว่า 300 แห่ง เพื่ออธิบายกระบวนการ จัดระเบียบและติดตามการดำเนินการของกระบวนการ ปรับโครงสร้างองค์กรให้เหมาะสม และวิเคราะห์กิจกรรม มีการอธิบายกระบวนการประมาณ 980 รายการในระบบ อนุมัติประมาณ 730 รายการ มีการเปิดตัวกระบวนการประมาณ 200 รายการเป็นประจำในโหมดอุตสาหกรรม

2.3ข้อสรุปและผลการใช้DSS .นี้

ได้ผลลัพธ์หลักและข้อสรุปดังต่อไปนี้:

บนพื้นฐานของการค้นพบนี้ แนวคิดของระบบสนับสนุนการตัดสินใจแบบบูรณาการในการจัดการกิจกรรม TS ถูกนำเสนอ โดยเน้นที่การรวมแนวทาง BPMS, BI และ CPM ซึ่งวิธีการและอัลกอริทึมที่พัฒนาโดยผู้เขียนสร้างขึ้นบน พื้นฐานของข้อมูลเดียวและสภาพแวดล้อมเครื่องมือ แนวความคิดนี้เป็นการรวมวิธีการใหม่และที่รู้จักก่อนหน้านี้สำหรับการติดตามและวิเคราะห์กิจกรรมของสถาบันทางเทคนิคตามแนวทางกระบวนการซึ่งปรับให้เข้ากับลักษณะเฉพาะของธนาคารแห่งรัสเซีย

ระบบสนับสนุนการตัดสินใจถูกสร้างขึ้นและทดสอบในข้อกำหนดทางเทคนิคเฉพาะของธนาคารแห่งรัสเซียในด้านการจัดการกิจกรรมของสถาบันอาณาเขตในระดับภูมิภาค การใช้ DSS ในข้อกำหนดทางเทคนิคทำให้สามารถเพิ่มความสามารถในการจัดการกิจกรรมตามแนวทางกระบวนการ ปรับปรุงระบบควบคุมภายใน เพิ่มประสิทธิภาพโครงสร้างองค์กรที่มีอยู่ และสร้างที่เก็บตามตัวบ่งชี้ประสิทธิภาพ

อันเป็นผลมาจากการนำระบบไปใช้ได้ผลดังต่อไปนี้ (จากรายงานถึงฝ่ายบริหารของธนาคารแห่งรัสเซีย):

· ปรับปรุงระบบการควบคุมภายในของกิจกรรม

· เทคโนโลยีสำหรับการออกและการทำธุรกรรมเงินสดได้รับการปรับปรุงและลดต้นทุนแรงงาน (มากถึง 10% สำหรับธุรกรรมบางรายการ)

· การรวมศูนย์ของฟังก์ชันที่ดำเนินการโดย Settlement and Cash Centers (13 ฟังก์ชันใน 9 ขั้นตอน)

· แผนกหมุนเวียนเงินสดถูกเปลี่ยนเป็นสองแผนกอิสระ

· กระจายตำแหน่งระหว่างแผนกภายในแผนกความปลอดภัยและคุ้มครองข้อมูล

· ลดจำนวนพนักงานในแผนกเศรษฐกิจและปฏิบัติการ กำลังเตรียมข้อเสนอเพื่อเพิ่มประสิทธิภาพเวิร์กโฟลว์

บทสรุป

จนถึงปัจจุบันยังไม่มีผู้นำในการผลิตซอฟต์แวร์สำหรับการสร้างระบบ DSS ไม่มีบริษัทใดผลิตโซลูชันสำเร็จรูปที่เรียกว่า "นอกกรอบ" ซึ่งเหมาะสำหรับใช้โดยตรงในกระบวนการผลิตของลูกค้า การสร้าง DSS นั้นรวมถึงขั้นตอนของการวิเคราะห์ข้อมูลและกระบวนการทางธุรกิจของลูกค้าเสมอ การออกแบบโครงสร้างการจัดเก็บข้อมูลโดยคำนึงถึงความต้องการและกระบวนการทางเทคโนโลยีของเขา

เมื่อพิจารณาถึงปริมาณของทรัพยากรทางการเงินและทรัพยากรอื่นๆ ที่เกี่ยวข้อง ความซับซ้อนและลักษณะหลายขั้นตอนของโครงการสำหรับการสร้างระบบ DSS ค่าใช้จ่ายที่สูงของข้อผิดพลาดในการออกแบบนั้นชัดเจน ข้อผิดพลาดในการเลือกซอฟต์แวร์อาจส่งผลให้เกิดต้นทุนทางการเงิน ไม่ต้องพูดถึงเวลาโครงการที่เพิ่มขึ้น ข้อผิดพลาดในการออกแบบโครงสร้างข้อมูลอาจนำไปสู่ทั้งประสิทธิภาพที่ยอมรับไม่ได้และค่าใช้จ่ายในการโหลดข้อมูลซ้ำ ซึ่งบางครั้งอาจถึงหลายวัน ดังนั้น การมีความเข้าใจอย่างลึกซึ้งเกี่ยวกับสถาปัตยกรรมของคลังข้อมูล จึงจำเป็นต้องหลีกเลี่ยงข้อผิดพลาดใดๆ ซึ่งจะทำให้เวลาในการดำเนินโครงการลดลงอย่างมาก และความสามารถในการใช้ DSS ให้เกิดประโยชน์สูงสุด

ควรสังเกตแยกต่างหากว่าปัญหาในการตัดสินใจ กล่าวคือ DSS นั้นพัฒนาได้ไม่ดีในประเทศของเราและใช้ในทางปฏิบัติเพียงเล็กน้อย การใช้โปรแกรมดังที่อธิบายไว้ในที่นี้ไม่เพียงแต่เรียบง่ายมาก แต่ยังมีประสิทธิภาพค่อนข้างมาก และไม่ต้องการความรู้และการลงทุนพิเศษ

บริษัทต่างๆ หลายสิบแห่งผลิตผลิตภัณฑ์ที่สามารถแก้ปัญหาบางอย่างที่เกิดขึ้นในกระบวนการออกแบบและใช้งานระบบ DSS ซึ่งรวมถึง DBMS เครื่องมือสำหรับการขนถ่าย / การแปลง / การโหลดข้อมูล เครื่องมือสำหรับการวิเคราะห์ OLAP และอื่นๆ อีกมากมาย

การวิเคราะห์ตนเองของตลาด การศึกษาเครื่องมือเหล่านี้อย่างน้อยสองสามอย่างไม่ใช่เรื่องง่ายและใช้เวลานาน

ในงานนี้ เราได้ทำความคุ้นเคยกับระบบสนับสนุนการตัดสินใจ

ในบทนำ ความเกี่ยวข้องของหัวข้อนี้ได้รับการพิสูจน์ วัตถุประสงค์และวัตถุประสงค์ของการศึกษาได้รับการพิสูจน์ ลักษณะทั่วไปการทำงานหัวข้อของการศึกษาถูกระบุ

บทแรกให้แง่มุมทางทฤษฎีและแนวคิดของระบบสนับสนุนการตัดสินใจ ให้การจำแนกประเภทของ DSS โดยละเอียด และเปิดเผยหน้าที่ของ DSS ในขั้นต้น นอกจากนี้ ในบทนี้ เราได้ทำความคุ้นเคยกับประวัติของการสร้างระบบสนับสนุน วิเคราะห์รายละเอียดเพิ่มเติมเกี่ยวกับโครงสร้างของ DSS และองค์ประกอบหลัก จะได้รับ คุณสมบัติที่โดดเด่นระบบสนับสนุนการตัดสินใจตลอดจนพื้นที่และขอบเขตที่สามารถนำไปใช้ได้

มีการระบุวิธีการสนับสนุนการตัดสินใจ และทำให้เราสามารถสรุปได้ว่าการประยุกต์ใช้วิธีนี้ทำให้สามารถ:

· กำหนดกระบวนการค้นหาโซลูชันตามข้อมูลที่มีอยู่ (กระบวนการสร้างตัวเลือกโซลูชัน)

· เพื่อจัดอันดับเกณฑ์และให้การประเมินตามเกณฑ์ของพารามิเตอร์ทางกายภาพที่ส่งผลต่อปัญหาที่กำลังแก้ไข (ความสามารถในการประเมินวิธีแก้ปัญหา)

· ใช้กระบวนการประสานงานที่เป็นทางการเมื่อทำการตัดสินใจร่วมกัน

· ใช้ขั้นตอนที่เป็นทางการในการทำนายผลที่ตามมาของการตัดสินใจ

· เลือกตัวเลือกที่นำไปสู่แนวทางแก้ไขปัญหาที่เหมาะสมที่สุด

จากนี้ไปทำให้เราคุ้นเคยกับสิ่งพื้นฐานและส่วนทฤษฎีเกี่ยวกับระบบสนับสนุนการตัดสินใจ

บทที่สองนำเสนอการใช้งานจริงของ DSS ในด้านการจัดการกิจกรรมขององค์กรตามแนวทางกระบวนการ (ตามตัวอย่างสำนักงานอาณาเขตของธนาคารแห่งรัสเซีย) มีการเสนอแนวคิดในการสร้าง DSS "การจัดการกิจกรรมของสถาบันอาณาเขตของธนาคารแห่งรัสเซีย" แบบจำลองแนวคิดของ DSS โครงสร้างการทำงาน และข้อกำหนดสำหรับส่วนประกอบหลักได้รับการพัฒนาและพิสูจน์ได้ มีการเสนอชุดวิธีการและเครื่องมือเพื่อสนับสนุนการตัดสินใจในการจัดการ TS โดยคำนึงถึงลักษณะเฉพาะของธนาคารแห่งรัสเซีย ข้อกำหนดสำหรับข้อมูลและการสนับสนุนการวิเคราะห์ของระบบได้รับการพัฒนาและพิสูจน์โดยคำนึงถึงงานเร่งด่วนในการจัดการสาขาอาณาเขตของธนาคารแห่งรัสเซีย ผลลัพธ์ของการแนะนำระบบนี้ตามรายงานต่อผู้บริหารของธนาคารแห่งรัสเซีย

ดังนั้นเราจึงพบว่าระบบสนับสนุนการตัดสินใจเหล่านี้ถูกนำไปใช้ในทางปฏิบัติอย่างไร - ในกรณีของเราในภาคการธนาคาร

การใช้ DSS มีแนวโน้มที่ดี หากเพียงเพราะการตัดสินใจของฝ่ายบริหารเป็นไปโดยส่วนตัว ตามนโยบายของบริษัท สะท้อนให้เห็นถึงเป้าหมายหลักขององค์กร และที่สำคัญที่สุดไม่จำเป็นต้องเป็นความจริง ทั้งหมดนี้นำไปสู่ความจำเป็นในการจัดทำกระบวนการตัดสินใจและดึงดูดเครื่องมือสนับสนุนเพื่อลดความเสี่ยงในการตัดสินใจผิดพลาด หลังเพิ่มขึ้นด้วยการสะสมของข้อมูลที่จะประมวลผล สิ่งนี้เกิดขึ้นเนื่องจากบุคคลไม่สามารถประมวลผลข้อมูลที่จำเป็นทั้งหมดเพื่อตัดสินใจด้วยตนเอง หรือไม่สามารถทำได้ในกรอบเวลาที่งานยังคงมีความเกี่ยวข้อง

บรรณานุกรม

1.เวสนิน วีอาร์ การจัดการ: หนังสือเรียน - ฉบับที่ 4, แก้ไข. และเพิ่มเติม - M .: TK Velby, 2009. - 342 p.

2.Gerchikova, I. N. กระบวนการตัดสินใจและดำเนินการตามการตัดสินใจของฝ่ายบริหาร / I.N. Gerchikova // การจัดการในรัสเซียและต่างประเทศ 2556 หมายเลข 12 - 130 หน้า

.Goncharov, V.I. การจัดการ: กวดวิชา/ V.I. กอนชารอฟ. - มินสค์: Modern School, 2010. - 255 p.

.ดรอบี้เชฟ, A.V. วิธีการตัดสินใจ วิธี Delphi และ ELECTRA - แนวปฏิบัติถึง งานห้องปฏิบัติการในหลักสูตร "ระบบสนับสนุนการตัดสินใจ" - เอ็มจีไอเอ็ม Comp.: I.E.Safonova,., K.Yu.Mishin, S.V.Tsyganov: M. , MGIEM, 2008. - 26 p.

.Evlanov, A. G. ทฤษฎีและการปฏิบัติในการตัดสินใจ - ม.: เศรษฐศาสตร, 2553. - 212 น.

.Korotkov, E. M. Management: ตำราสำหรับปริญญาตรี / E. M. Korotkov มอสโก: Yurait, 2012.- 85 p.

.คริฟโก O.B. เทคโนโลยีสารสนเทศ. มอสโก: SOMINTEK. 2554. - 179 น.

.Lafta, J.K. ประสิทธิภาพของการจัดการองค์กร - ม.: วรรณคดีธุรกิจรัสเซีย 2552 - 320 หน้า

.Lafta, J.K. ประสิทธิภาพของการจัดการองค์กร - ม.: วรรณคดีธุรกิจรัสเซีย 2554 - 320 หน้า

.มาคารอฟ, S.F. ผู้จัดการที่ทำงาน - M.: FINPRESS, 2552. - 155 p.

.Meskon, M. พื้นฐานของการจัดการ: ตำรา / M. Meskon, M. Albert, F. Hedouri; ม., 2555. - 387 น.

.Pankrukhina, A.P. ทฤษฎีการควบคุม: ตำราเรียน / [ย. P. Alekseev และคนอื่น ๆ ]; ภายใต้กองบรรณาธิการทั่วไปของ: A. L. Gaponenko, A. P. Pankrukhina - มอสโก: สำนักพิมพ์ RAGS, 2010.- 213 p.

.Pirozhkov, V.A. เกี่ยวกับการดำเนินการตามกระบวนการเพื่อการจัดการในรูปแบบของระบบสนับสนุนการตัดสินใจ "การจัดการกิจกรรมขององค์กร" [ข้อความ] / V.A. Pirozhkov // แถลงการณ์ของมหาวิทยาลัย Tambov Ser.: มนุษยศาสตร์. - 2551. - ฉบับ. 11. - 489 น.

.พอลัชกิน โอ.เอ. การจัดการเชิงกลยุทธ์: บันทึกการบรรยาย. - ม.: EKSMO, 2550. - 138 น.

หน่วยงานระดับภูมิภาค // การปฏิรูปในรัสเซียและปัญหา

.Romashchenko, V.N. การตัดสินใจ: สถานการณ์และคำแนะนำ - เคียฟ, 2555. - 154 หน้า

16.Rumyantseva Z.P. การบริหารองค์กร : หนังสือเรียน. - ม.: INFRA-M, 2548. - 432 น.

.Saraev, A. D. , Shcherbina O. A. การวิเคราะห์ระบบและเทคโนโลยีสารสนเทศที่ทันสมัย ​​// การดำเนินการของสถาบันวิทยาศาสตร์ไครเมีย - Simferopol: SONAT, 2552. - 136 น.

.ซาโฟโนว่า I.E. วิธีการตัดสินใจ การปรับเปลี่ยนวิธีเดลฟีและวิธีการวิเคราะห์ลำดับชั้น - แนวทางการปฏิบัติงานในห้องปฏิบัติการในหลักสูตร "Decision Support Systems" - เอ็มจีไอเอ็ม คอมพ์.:. 18. I. E. Safonova, A. V. Drobyshev, K. Yu. Mishin, S. V. Tsyganov: M. , MGIEM, 2007. - 20 p.

.ซาโฟโนว่า I.E. วิธีการตัดสินใจ วิธีการและระยะทางขั้นต่ำ MaxiMin และ MaxiMax - แนวทางการปฏิบัติงานในห้องปฏิบัติการในหลักสูตร "Decision Support Systems" - เอ็มจีไอเอ็ม คอมพ์.:, 18. I.E. Safonova A.V. Drobyshev, K.Yu. Mishin, S.V. Tsyganov: M. , 2007. - 19 p.

.Terelyansky, P.V. ระบบสนับสนุนการตัดสินใจ ประสบการณ์การออกแบบ: monograph / P.V. เทเรยานสกี้; VolgGTU - โวลโกกราด 2552 -127 หน้า

.Chernyakhovskaya L.R. การสนับสนุนการตัดสินใจในการจัดการองค์กรเชิงกลยุทธ์ตามวิศวกรรมความรู้ / L. R. Chernyakhovskaya et al. Ufa: Academy of Sciences of the Republic of Belarus, Gilem, 2010. - 128 p.

ส่งงานที่ดีของคุณในฐานความรู้เป็นเรื่องง่าย ใช้แบบฟอร์มด้านล่าง

นักศึกษา นักศึกษาระดับบัณฑิตศึกษา นักวิทยาศาสตร์รุ่นเยาว์ที่ใช้ฐานความรู้ในการศึกษาและการทำงานจะขอบคุณเป็นอย่างยิ่ง

เอกสารที่คล้ายกัน

ศึกษา กระบวนการทางเทคโนโลยีสำหรับการผลิตคอนกรีตมวลเบา แบบจำลอง "จะเป็นอย่างไร" ของกระบวนการวินิจฉัยสถานะของกระบวนการผลิตคอนกรีตมวลเบาโดยคำนึงถึงระบบสนับสนุนการตัดสินใจ การสร้างต้นแบบของอินเทอร์เฟซ DSS

วิทยานิพนธ์, เพิ่ม 06/17/2017


การศึกษาวัตถุประสงค์และงานหลักที่ Project Expert แก้ไข - ระบบสนับสนุนการตัดสินใจ (DSS) ที่ออกแบบมาสำหรับผู้จัดการที่ออกแบบแบบจำลองทางการเงินสำหรับองค์กรใหม่หรือที่มีอยู่ แอพพลิเคชั่นซอฟต์แวร์ ขั้นตอนการทำงาน

บทคัดย่อ เพิ่มเมื่อ 05/19/2010


การจำแนกประเภทของระบบสารสนเทศเพื่อจัดการกิจกรรมขององค์กร การวิเคราะห์ตลาดและลักษณะของระบบคลาส Business Intelligence การจำแนกวิธีตัดสินใจที่ใช้ใน DSS การเลือกแพลตฟอร์มข่าวกรองธุรกิจ เกณฑ์การเปรียบเทียบ

วิทยานิพนธ์, เพิ่มเมื่อ 09/27/2016


การจำแนกประเภทของระบบสนับสนุนการตัดสินใจ การวิเคราะห์เปรียบเทียบวิธีการประเมินความเสี่ยงของสินเชื่อรายย่อย โครงสร้างระบบสนับสนุนการตัดสินใจ การก่อตัวของฐานความรู้เบื้องต้น การออกแบบฐานข้อมูลระบบสารสนเทศ

วิทยานิพนธ์, เพิ่มเมื่อ 07/10/2017


แนวคิดของระบบสนับสนุนการตัดสินใจ ขอบเขตของ Analytics 2.0 ซอฟต์แวร์สร้างแบบจำลองเชิงปริมาณ อินเทอร์เฟซแบบกราฟิกสำหรับการพัฒนาแบบจำลอง วิธีการสร้างแบบจำลองพื้นฐาน แผนภาพผลกระทบและแผนผังการตัดสินใจ

งานคอนโทรลเพิ่ม 09/08/2011


การพัฒนาอัลกอริธึมและซอฟต์แวร์เพื่อแก้ปัญหาการสนับสนุนการตัดสินใจในการเปิดตัวผลิตภัณฑ์ใหม่ การสนับสนุนทางคณิตศาสตร์ของงานสนับสนุนการตัดสินใจเกี่ยวกับการเปิดตัวผลิตภัณฑ์ใหม่ ข้อมูลเข้าและส่งออกหลัก

วิทยานิพนธ์, เพิ่ม 03/08/2011


ประเภทของระบบข้อมูลการบริหาร: ระบบการรายงาน ระบบสนับสนุนการตัดสินใจ ระบบสนับสนุนการตัดสินใจเชิงกลยุทธ์ การเรียงลำดับและการกรองรายการใน Microsoft Excel การทำงานกับฐานข้อมูลใน Microsoft Access

ทดสอบ เพิ่ม 11/19/2009