Разработка системы поддержки принятия решений

СОДЕРЖАНИЕ

Разработка системы поддержки принятия решений

Системы поддержки принятия решений (СППР) можно, в зависимости от данных, с которыми они работают, разделить на оперативные, предназначенные для немедленного реагирования на текущую ситуацию и стратегические, основанные на анализе большого количества информации из разных источников с привлечением сведений, содержащихся в системах, аккумулирующих опыт решения проблем.

СППР первого типа получили название Информационных Систем Руководства (ИСР) – Executive Information Systems. По сути, они представляют собой конечные наборы отчетов, построенных на основании данных из транзакционной информационной системы предприятия или OLTP-системы, в идеале адекватно отражающей в режиме реального времени все аспекты производственного цикла предприятия. Основные черты ИСР:

- отчеты, как правило, базируются на стандартных для организации запросах; число последних относительно невелико;

- отчеты представляются в максимально удобном виде, включающем наряду с таблицами деловую графику, мультимедийные возможности и т.п.;

- ориентация, как правило, на конкретный вертикальный рынок, например на финансы, маркетинг, управление ресурсами.

Наиболее наглядный пример ИСР – система, позволяющая руководителям отслеживать основные показатели финансово-хозяйственной деятельности предприятия. Система генерирует схемы и графики, а в случае достижения критических значений посылает предупреждения (по электронной почте или сети Интернет). Внешний вид типичной скелетной диаграммы приставлен на рис. 1.

Рис. 1. Информационно-сигнальная система руководителя

Отклонение значения показателя деятельности от нормы по каждому направлению сигнализируется цветом: либо «предупреждение», либо «опасность». Если значение показателя деятельности находится в допустимом диапазоне, то соответствующий узел диаграммы примет цвет «норма». Если значений по показателю деятельности за соответствующий период нет, то узел окрасится цветом «нет данных».

СППР второго типа предполагают достаточно глубокую проработку данных, специально преобразованных так, чтобы их было удобно использовать в ходе процесса принятия решений. Неотъемлемый компонент СППР этого уровня – правила принятия решений, которые на основе агрегированных данных подсказывают менеджерскому составу выводы и рекомендации.

Метод поддержки принятия решений, основанный на анализе зависимостей между данными, определяют как интеллектуальный анализ данных (ИАД). Существуют два подхода. В первом случае пользователь сам выдвигает гипотезы относительно зависимостей между данными. Фактически традиционные технологии анализа развивали именно этот подход. Действительно, гипотеза приводила к построению отчета, анализ отчета – к выдвижению новой гипотезы и т. д. Это справедливо и в том случае, когда пользователь применяет такие развитые средства, как OLAP, поскольку процесс поиска по-прежнему полностью контролируется человеком. Во многих системах ИАД в этом процессе автоматизирована проверка достоверности гипотез, что позволяет оценить вероятность тех или иных зависимостей в базе данных.

Второй подход основывается на том, что зависимости между данными ищутся автоматически. Количество продуктов, выполняющих автоматический поиск зависимостей, говорит о растущем интересе производителей и потребителей к системам именно такого типа. Сообщается о резком росте прибылей клиентов за счет верно найденной, заранее неизвестной зависимости.

Сегодня количество фирм, предлагающих продукты ИАД, исчисляется десятками, однако, не рассматривая их подробно, приведем лишь классификацию процессов ИАД, применяющихся на практике.

Процессы ИАД подразделяются на три большие группы: поиск зависимостей (discovery), прогнозирование (predictive modelling) и анализ аномалий (forensic analysis). Поиск зависимостей состоит в просмотре базы данных с целью автоматического выявления зависимостей. Проблема здесь заключается в отборе действительно важных зависимостей из огромного числа существующих, в БД. Прогнозирование предполагает, что пользователь может предъявить системе записи c незаполненными полями и запросить недостающие значения. Система сама анализирует содержимое базы и делает правдоподобное предсказание относительно этих значений. Анализ аномалий – процесс поиска подозрительных данных, сильно отклоняющихся от устойчивых зависимостей.

В системах ИАД применяется чрезвычайно широкий спектр математических, логических и статистических методов: от анализа деревьев решений (Business Objects) до нейронных сетей (NeoVista). Пока трудно говорить о перспективности или предпочтительности тех или иных методов. Технология ИАД сейчас находится в начале пути, и практического материала для каких-либо рекомендаций или обобщений явно недостаточно.