Современные информационно-аналитические системы поддержки принятия решений

Система поддержки решений СППР решает две основные задачи: выбор наилучшего решения из множества возможных (оптимизация), упорядочение возможных решений по предпочтительности (ранжирование).

Современные СППР основаны на использовании: сетевых СУБД, технологии интернет/интранет, информационных хранилищ, систем электронного документооборота, Data Mining, OLAP систем, численного и математического моделирования. До появления аналитических систем предпринимались попытки создания автома­тизированных систем управления на основе анализа данных локальных баз предприятия. Однако реализованные функции значительно отличались от функций ведения бизнеса, так как данные, собранные в локальных базах зачастую не соответствовали той информации, которая нужна была лицам, принимающим решения.

Системы поддержки принятия решений DSS (Decision Support System) на базе аналитических данных подсказывают руководящему персоналу обоснованное решение, приносящее успех предприятию.

Технология Data Mining.

Инструменты Data Mining разрабатывались для интеллектуального анализа экономических данных. Они обеспечивают: поиск зависимых данных (реализацию интеллектуальных запросов); выявление устойчивых бизнес - групп (выявление групп объектов, близких по заданным критериям); ранжирование важности признаков при классификации объектов для проведения анализа; прогнозирование экономических показателей (например, ожидаемые продажи, спрос); оценку влияния принимаемых решений на достижение успеха предприятия; поиск аномалий и т.д. В процессе принятия делового решения преобразование рабочей гипотезы в решение осложняется двумя объективно существующими проблемами.Накопление личного опыта в ходе повседневной деятельности у бизнесменов отстает от динамичного изменения экономической ситуации. В предпринимательской деятельности, практически, отсутствует возможность проведения экспериментов, которые позволяют проверять правильность гипотезы на практике.Следовательно, применительно к бизнес-деятельности процесс принятия решения претерпевает разрыв как минимум в 2 точках:на этапе выдвижения гипотез, на этапе экспериментальной верификации моделей.

АНАЛИТИЧЕСКИЕ СИСТЕМЫ OLAP.

OLAP – технология обработки данных, заключающаяся в подготовке агрегированной (суммарной) информации на основе больших массивов данных, структурированных по многомерному принципу. Предназначены для анализа больших объемов информации и оперативной обработки информации, включающих динамическое построение отчётов в различных разрезах, анализ данных, мониторинг и прогнозирование ключевых показателей бизнеса. В основе OLAP-технологий лежит представление информации в виде OLAP-кубов.

Коротко эту технологию можно охарактеризовать следующими словами: Быстрый Анализ Разделяемой Многомерной Информации.

OLAP-системы интегрируют уже существующие системы учёта, предоставляя пользователю инструменты для анализа больших объёмов данных в реальном времени, динамического конструирования отчётов, мониторинга и прогнозирования ключевых бизнес-показателей.

OLAP-структура, созданная из рабочих данных, называется OLAP-куб.

OLAP-кубы содержат бизнес-показатели, используемые для анализа и принятия управленческих решений, например: прибыль, рентабельность продукции, совокупные средства (активы), собственные средства, заемные средства и т.д.

Бизнес-показатели хранятся в кубах не в виде простых таблиц, как в обычных системах учета или бухгалтерских программах, а в разрезах, представляющих собой основные бизнес-категории деятельности организации: товары, магазины, клиенты, время продаж и т. д.

Сложность в применении OLAP состоит в создании запросов и выборе базовых данных.

Причина использования OLAP для обработки запросов – скорость.

АИС OLAP обеспечивают:

Агрегирование и детализацию данных по запросу;

Выдачу данных в терминах предметной области;

Анализ деловой информации по множеству параметров;

Многопроходный анализ информации,;

Произвольные срезы данных по наименованию, выбираемых из разных внутренних и внешних источников;

Выполнение аналитических операций с использованием статистических и других методов;

Согласование данных во времени для использования в прогнозах, трендах, сравнениях.

__________________________________