Система поддержки принятия решений СППР (Decision Support Systems DSS)
Системы поддержки принятия решений являются человеко-машинными системами, которые позволяют лицам, принимающим решения (ЛПР) использовать данные, знания, объективные и субъективные модели для анализа и решения слабоструктуризованных задач.
В СППР объединяются на общей основе подходы, характерные для следующих направлений исследований: принятие решений; извлечение и представление знаний; построение человеко-машинных (диалоговых) систем.
СППР обладает следующими основными характеристиками:
-использует и данные, и модели;
-предназначена для помощи менеджерам при решении слабоструктурированных и неструктурированных задач;
-поддерживает,а не заменяют, выработку решенийменеджерами;
-улучшает эффективность решений.
В архитектуре СППР чаще всего выделяют следующие компоненты:
-система управления данными,
-система управления моделями,
-машина знаний,
-интерфейс пользователя,
-пользователи.
Архитектура СППР представляется следующим образом:
-Языковая система (ЯС).
-Система знаний (СЗ).
-Система обработки проблем (СОП).
Языковая система ЯСаналогична интерфейсу «пользователь-система». Обеспечивает коммуникации между пользователем и компонентами СППР.
Система знаний СЗсодержит информацию о проблемной области. СЗ различаются по характеру содержащихся в них данных и по используемым методам представления знаний - иерархические структуры, семантические сети, фреймы, исчисление предикатов и др.
Система обработки проблем СОП(проблемный процессор) является механизмом, связывающим языковую систему ЯС и систему знаний СЗ.
СОП обеспечивает сбор информации, распознавание проблемы, формулировку модели, ее анализ, воспринимает описание проблемы средствами ЯС и использует знания из СЗ для поддержки решения.
СОП является динамичной компонентой СППР, отражающей (моделирующей) образцы поведения человека, решающего проблему.
СОП выполняет функции анализа проблем и принятия решений.
Преимущества СППР
СППР позволяет облегчить работу руководителям предприятий и повысить ее эффективность.Они значительно ускоряют решение проблем в бизнесе. СППР способствуют налаживанию межличностного контакта.
На их основе можно проводить обучение и подготовку кадров. Данные информационные системы позволяют повысить контроль над деятельностью организации.Наличие четко функционирующей СППР дает большие преимущества по сравнению с конкурирующими структурами.
Благодаря предложениям, выдвигаемым СППР, открываются новые подходы к решению повседневных и нестандартных задач.
Интеллектуальный анализ данных
Под «анализом данных» понимают действия, направленные на извлечение из них информации об исследуемом объекте и на получение по имеющимся данным новых данных.
Интеллектуальный анализ данных (ИАД) – общий термин для обозначения анализа данных с активным использованием математических методов и алгоритмов (методы оптимизации, генетические алгоритмы, распознавание образов, статистические методы, Data Mining и т.д.), использующих результаты применения методов визуального представления данных.
В общем случае процесс ИАД состоит из трех стадий:
1) выявление закономерностей (свободный поиск);
2) использование выявленных закономерностей для предсказания неизвестных значений (прогнозирование);
3) анализ исключений для выявления и толкования аномалий в найденных закономерностях.
Иногда выделяют промежуточную стадиюпроверки достоверности найденных закономерностей (стадия валидации)между их нахождением и использованием.
Все методы ИАД по принципу работы с исходными данными подразделяются на две группы:
1. Методы рассуждений на основе анализа прецедентов –исходные данные могут храниться в явном детализированном виде и непосредственно использоваться для прогнозирования и/или анализа исключений.
2. Методы выявления и использования формализованных закономерностей,требующие извлечения информации из первичных данных и преобразования ее в некоторые формальные конструкции, вид которых зависит от конкретного метода.
Data Mining (DM) – это технология обнаружения в «сырых» данных ранее неизвестных нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности.
Решение большинства задач бизнес-анализа сводится к той или иной задаче Data Mining.
Наибольшее распространение получили следующие методы Data Mining: нейронные сети, деревья решений, алгоритмы кластеризации, алгоритмы обнаружения ассоциативных связей между событиями и т.д.