 |
Системы поддержки принятия решений
|
|
|
|
ДАННЫЕ – ИНФОРМАЦИЯ - ЗНАНИЯ
Данные – информация, представленная в виде, пригодном для обработки автоматическими средствами при возможном участии человека.
Виды данных: абсолютные, алфавитно-цифровые, аналоговые, арифметические, асинхронные, базовые, буквенные, варьируемые, входные, выходные, графические, групповые, двоично-десятичные и др.
Информация – Совокупность знаний о фактических данных и зависимостях между ними. Является одним из видов ресурсов, используемых человеком в трудовой деятельности и в быту.
Информация – содержание, присваиваемое данным посредством соглашений, распространяющихся на эти данные; данные, подлежащие вводу в ЭВМ, хранимые в ее памяти, обрабатываемые на ЭВМ и выдаваемые пользователям.
Виды информации: визуальная, входная, выходная, директивная, документальная, закрытая, избыточная, изобразительная, интеллектуальная, итоговая, коммерческая, личная, машинная, научная, неполная, нерелевантная (не соответствующая запросу), обзорная, общедоступная, оперативная, отраслевая, противоречивая, ретроспективная, реферативная, связующая, семантическая, текущая, управляющая, экономическая и др.
Знания – вид информации (подобно программам и данным), хранимой в базах знаний и отражающей знания человека – специалиста (эксперта) в определенной предметной области; множество всех текущих ситуаций в объектах данного типа и способы перехода от одного описания объекта к другому.
Для знаний характерны внутренняя интерпретируемость, структурируемость, связность и активность. Говоря образно:
«знания = факты + убеждения +правила».
Виды знаний: глубинные, декларативные, каузальные, семантические, эвристические и др.
|
|
|
Глубинные знания - знания в экспертных системах, включающие модели функциональных и каузальных отношений, лежащих в основе решаемой задачи. Они позволяют сократить пространство поиска за счет выбора модели, наиболее адекватной классу решаемой задачи.
Декларативные знания - информация в базе знаний, не содержащая в явном виде описания какой-либо процедуры, которую необходимо выполнить. Это данные об объектах предметной области, фреймструктуры, метаправила, таблицы, словари.
Каузальные знания – знания, в основе которых лежат причинно-следственные отношения.
Семантические знания – совокупность сведений о состоянии объектов предметной области и отношений между ними, хранящихся в базе данных или базе знаний.
БАЗА И БАНК ЗНАНИЙ
База знаний [knowledge base]. Семантическая модель, предназначенная для представления в ЭВМ знаний, накопленных человеком в определенной предметной области. Является основной составной частью интеллектуальных, в частности экспертных, систем. Для представления знаний используется ряд моделей, таких, как семантическая сеть, процедуральная, фреймовая, продукционная и другие модели.
Экспертная система (ЭС) [expert system] – система искусственного интеллекта, включающая базу знаний с набором правил и механизм вывода, позволяющий на основании правил и предоставляемых пользователем фактов распознать ситуацию, поставить диагноз, сформулировать решение или дать рекомендацию для выбора действия.
База целей [goal base]. Компонент экспертной системы, содержащий информацию о целевом поведении предметной области, определяющий поведение самой экспертной системы и обеспечивающий реализацию свойства мотивации: побуждения системы к действию.
Дедуктивная база данных [deductive database]. Интегральная часть дедуктивной модели представления знаний, являющаяся совокупностью хранимых данных и общих положений в виде семантической сети.
|
|
|
Семантическая база данных [semantic database]. Совокупность сведений о предметной области, состоящая из семантических элементов и отношений, организованных таким образом, что эта совокупность лишена подробностей представления данных в памяти ЭВМ и элементов поверхностной структуры профессионального языка специалистов в данной предметной области.
Интеллектуальный банк данных [intelligent databank). Банк данных, в который включены два дополнительных компонента (или хотя бы один из них): база знаний, обеспечивающая повышение эффективности поиска данных, и интеллектуальный интерфейс, позволяющий пользователю обращаться к данным на естественном или профессионально-ориентированном языках.
СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
Системы поддержки принятия решений — это системы, которые служат для анализа деловой информации. Их назначение — помочь "выявить тенденции, определить проблемы и предложить... разумное решение". Подобные системы создаются на основе таких теорий, как исследование операций, теория поведения и научная теория управления, а также методы статистической обработки. Первые теоретические работы в этой области появились в конце 40-х и начале 50-х годов, т.е. задолго до того, как компьютеры приобрели широкое распространение. Основной идеей было и по-прежнему остается накопление производственных операционных данных и приведение их к виду, в котором они могли бы использоваться для анализа хода деловых процессов и корректировки делового поведения с целью приведения его в разумное русло. На первых порах степень преобразования данных была почти минимальной — обычно все сводилось к составлению простых итоговых отчетов.
В конце 60-х и начале 70-х годов исследователи Гарвардского университета начали пропагандировать использование компьютеров в процессе выработки решений. Сначала такое использование ограничивалось в основном автоматизацией генерации отчетов, хотя иногда предусматривались и элементарные аналитические возможности. Первые компьютерные системы сначала назывались автоматизированными системами управления, а позже — системами управления информацией. С овременный термин таких систем — системы поддержки принятия решений, поскольку все информационные системы, включая, например, систему оперативной обработки транзакций (OLTP), могут или должны считаться "системами управления информацией" (в конечном счете, все они используются и влияют на управление деловыми процессами).
|
|
|
В 70-х годах также велись разработки нескольких языков запросов, и на их основе было создано несколько заказных (внутренних) систем поддержки принятия решений. Они реализовывались с применением средств генерации отчетов, таких как язык RPG, или систем поиска данных, таких как Focus, Datatrieve и NOMAD. Эти системы были первыми из числа тех, которые позволяли соответствующим образом подготовленным конечным пользователям получать непосредственный доступ к банкам данных на компьютере. Иначе говоря, они позволяли пользователям формулировать производственные запросы к банкам данных и выполнять эти запросы, не ожидая помощи от информационно-технологического подразделения.
То, что мы называем банком данных (data store), тогда чаще всего представляло собой просто набор файлов — производственные данные хранились или в отдельных файлах, или в не реляционных базах данных (реляционные системы еще только начинали разрабатываться). И даже в последнем случае данные извлекались из базы данных и копировались в файлы, прежде чем они могли быть обработаны системой поддержки принятия решений. Так продолжалось почти до начала 80-х годов, пока для систем поддержки принятия решений вместо простых файлов не начали использоваться реляционные базы данных. На самом деле поддержка принятия решений, обработка произвольных (ad hoc) запросов и выдача отчетов были первыми практическими задачами, использовавшими реляционную технологию.
Хотя в настоящее время SQL-продукты получили широкое распространение, идея процесса извлечения, т.е. копирования данных из одной операционной среды в какую-либо другую среду не утратила своей значимости. Скопированные данные пользователи могут обрабатывать, как им угодно, без вмешательства в операционную среду. И, конечно, очень часто причиной выполнения таких выборок данных бывает необходимость поддержки принятия решений.
|
|
|
Поддержка принятия решений не является частью самой технологии баз данных. Это скорее одно из применений данной технологии (хотя и очень важное), или, точнее, несколько видов такого применения, отдельных, но связанных между собой. Перечислим эти виды: хранилища данных (data warehouse), магазины данных (data mart), банки оперативных данных (operational data store), оперативная аналитическая обработка (OLAP — online analytical processing), многомерные базы данных и разработка данных.
Сразу же отметим, что единственное, что объединяет упомянутые технологии, — это то, что в них редко следуют соответствующим логическим принципам проектирования. Практика систем поддержки принятия решений, к сожалению,— вовсе не наука, как можно было представить, и часто является совершенно надуманной. В частности, наблюдается тенденция к смещению акцентов в сторону физических, а не логических соображений (в действительности различия между физическими и логическими аспектами в области систем поддержки принятия решений часто очень расплывчаты).
|
|
|
