- •1. Объективная необходимость процесса информатизации, направления ее развития.
- •2. Информационный процесс. Характеристика его составляющих
- •3. Данные и информация
- •4. Знания их классификация и представление с помощью онтологий.
- •5. Иерархия фундаментальных понятий информатики.
- •6. Определение экономической задачи, характеристика экономических задач.
- •7. Информационная система, ее определение, роль и место в системе управления.
- •8. Состав информационной системы
- •9. Информационный бизнес, информационный рынок, информационный менеджмент.
- •10. Информационный сервис и информационная инфраструктура.
- •10. Классификация информационных систем.
- •11. Структура и схема функционирования функционально-позадачных информационных систем.
- •11. Структура и схема функционирования процессных информационных систем.
- •12. Системный анализ – научная основа создания информационных систем
- •13 Стандартизация – технологическая основа для разработки открытых информационных систем
- •14. Определение процессов, бизнес-процессов и их характеристика
- •15. Информационное сопровождение бизнес-процессов
- •16. Состав и характеристика стандартов mrp и mrpii
- •17. Состав и характеристика erp-систем.
- •18. Состав и характеристика crm-систем
- •19. Состав и характеристика scm-систем
- •20. Состав и характеристика crp-систем
- •21. Влияние информационных систем на структуру управления предприятием.
- •22. Понятие открытых систем.
- •23.Классификация стандартов, используемых в процессе создания информационных систем.
- •24. Объекты стандартизации и состав стандартов, используемых в процессе создания информационных систем.
- •25 Профили, как уточнение и адаптация стандартов к условиям их использования.
- •26. Характеристика стандарта обмена данными, его состав.
- •1. Что делает пользователь при передаче информации в Банк?
- •2. Что делает пользователь при приеме информации из Банка?
- •27.Создание информационных систем с учетом стандартов их жизненного цикла.
- •28. Этапы создания информационных систем с ориентацией на бизнес-процессы.
- •29. Эффективность информационных систем.
- •30. Оценка и выбор информационных систем и технологий.
- •60. Схема связи между уровнями управления и типовыми информационными технологиями
- •61. Состав и содержание информационных технологий, используемых на различных уровнях управления.
- •3. Технологии поддержки принятия решения руководством (ess)
- •62. Типовые информационные технологии, используемые на оперативном уровне управления
- •63. Типовые информационные технологии, используемые на тактическом уровне управления
- •64. Типовые информационные технологии, используемые на стратегическом уровне управления
- •65. Содержание основных технологических операций. Операции сортировки и их применение для решения экономических задач.
- •2. Организация поиска документов.
- •4. Маршрутизация и передача документов.
- •66. Содержание основных технологических операций. Операции поиска и их применение для решения экономических задач.
- •67. Инфокоммуникационные технологии, их состав и содержание. Направления развития.
- •68. Электронный бизнес, его поддержка инфокоммуникационными технологиями.
- •69. Состав сетей, обеспечивающих инфокоммуникационные технологии
- •70. Формы реализации инфокоммуникационых технологий в бизнесе. Их характеристика
- •42. Характеристика процессов замещения традиционных ресурсов информационными
- •43. Информационные ресурсы: определение, значение, влияние на развитие общества
- •44. Общая структура и характеристика информационных ресурсов предприятия
- •45. Структура и использование глобальных информационных ресурсов на предприятии
- •46. Структура и использование государственных информационных ресурсов на предприятии
- •47. Структура региональных информационных ресурсов
- •48. Структура и содержание корпоративных информационных ресурсов. Понятие контента.
- •49. Средства доступа к информационным ресурсам
- •50. Категории сетевых информационных ресурсов
- •51. Поиск информационных ресурсов в Интернете
- •52. Классификация и кодирование информационных ресурсов
- •53. Электронный документооборот
- •54. Собственные внутримашинные информационные ресурсы предприятия
- •55.Реляционная модель базы данных и ее характеристики
- •56. Применение реляционной модели базы для решения экономических задач
- •57. Схемы циркуляции данных в централизованные базах данных, их применение в экономической сфере
- •58. Схемы циркуляции данных в распределенных базах данных, их применение в экономической сфере
- •59. Схемы доступа к данным на основе архитектур файл-сервер и клиент-сервер
- •60. Хранилища данных и их применение для решения аналитических задач с помощью аналитических измерений
- •61. Правило получения данных с помощью аналитических измерений
- •62. Визуализация результатов получения данных из хранилища данных.
- •63. Базы знаний, определение и применение для формирования экономических решений.
- •64. Семантические сети в решении экономических задач
- •65. Дерево вывода в решении экономических задач
- •66. Фреймы в решении экономических задач
- •67. Дерево целей в решении экономических задач
- •68. Нечеткие множества в решении экономических задач
- •69. Общая характеристика методов формирования решений.
- •70. Этапы принятия решений и критерии их оценки (схема Саймона)
- •71. Формирование решений средствами таблиц ms Excel.
- •Тут все очень просто, смотреть в лекциях б.Е. Одинцова
- •72. Формирование решений в условиях определенности.
- •73. Формирование решений в условиях неопределенности.
- •Правила дерева вывода
- •Расшифровка обозначений в дереве вывода
- •74. Формирование решений в условиях риска.
- •75. Формирование решений с помощью нейросетей.
- •Преимущества нейросетей.
- •76. Формирование решений с помощью нечетких множеств.
- •Зачения аналитических коэффициентов, характеризующих предприятия
- •77. Информационные модели, их форма и содержание
- •78. Познавательная и прагматичная (управленческая) функции модели
- •79. Информационное моделирование экономических процессов с помощью стандарта idef
- •Idef2 — Simulation Model Design — методология динамического моделирования развития систем.
- •Idef3 — Process Description Capture — Документирование технологических процессов,
- •Idef8 — User Interface Modeling — Метод разработки интерфейсов взаимодействия оператора и системы (пользовательских интерфейсов).
- •Idef14 — Network Design — Метод проектирования компьютерных сетей, основанный на анализе требований, специфических сетевых компонентов, существующих конфигураций сетей.
- •80. Информационное моделирование экономических процессов с помощью стандарта dfd
- •82. Общегосударственные классификаторы. Их структура. Примеры применения.
- •83. Локальные классификаторы. Их структура. Примеры применения.
- •84. Системы кодирования. Их структура. Примеры применения.
- •85. Методы решения экономических задач. Прямые задачи.
- •86. Методы решения экономических задач. Обратные задачи.
- •Разбор задачи в лекциях и учебнике
- •88. Постановка аналитической задачи и ее компьютерное решение.
64. Типовые информационные технологии, используемые на стратегическом уровне управления
Рассмотрим технологии поддержки принятия решений руководства (ESS - Executive Support Systems).
На высшем, стратегическом уровне структуры управления используются системы, ориентированные в основном на работу с внешними, по отношению к предприятию, данными.
Для них характерна нечеткость, неполнота и противоречивость.
Например, информация о конкурентах, ситуациях на рынке, перспективы изменения тех или иных цен на продукцию, энергоносители, изменение таможенных тарифов и т.д.
Ниже на рисунке - типовые информационные технологии и операции, используемые на стратегическом уровне.
Можно выделить три наиболее распространенных подкласса:
- интеллектуальный анализ данных (BI-технологии: Business Intelligence), который, в свою очередь включеют:
DM: Data Mining (технологии интеллектуального анализа данных)
технологии обработки нечеткой информации;
нейротехнологии.
- системы обработки знаний (экспертные системы)
- агентно-ориентированные системы.
1. Data Maning - поиск закономерностей и связей между различного рода объектами и процессами. (явлениями). Служит для подготовки бизнес-отчетов по продажам, маркетингу, в целях управления, т. н. data mining — добыча данных (способ анализа информации в базе данных с целью отыскания аномалий и трендов без выяснения смыслового значения записей).
Data Mining - мультидисциплинарная область, возникшая и развивающаяся на базе таких наук как прикладная статистика, распознавание образов, искусственный интеллект, теория баз данных и др
Разницу между OLAP –технологией и Data Mining можно продемонстрировать с помощью решения следующей проблемы:
Проблема |
Какую задачу можно сформулировать для OLTP-технологии |
Какую задачу можно сформулировать для OLAP-технологии |
Какую задачу можно сформулировать для DM-технологи |
Снижение количества клиентов |
Рассчитать количество клиентов по периодам |
Какова динамика средних размеров счетов настоящих и бывших клиентов |
Какова закономерность в отказе клиентов от наших услуг |
Задачи, решаемые с помощью DM-технологий:
классификации – выявляются признаки, характерные для некоторой группы объектов. Наличие таких признаков позволяет вновь появившийся объект отнести к одному из классов;
кластеризация – исходные объекты разбиваются на однородные группы (кластеры). Наличие таких групп позволяет принять решение по отношению одной из них;
выявление ассоциаций, то есть закономерностей, отраженных в данных, фиксирующих наступление каких-либо событий;
выявление последовательностей, то есть закономерностей, фиксирующих наступление событий с некоторым разрывом во времени.
Создаются средства для решения перечисленных задач, среди которых можно выделить технологию нечетких систем. Существует огромное количество проблем, для решения которых невозможно получить полную и точную информацию. В результате появилось понятие «мягкие вычисления», которые были положены в основу обработки нечетких высказываний (программные пакеты FuzziCalk, CubiCalk, FuzziSoft).
2. Нейросети - предназначенны для воспроизведения неосознанных мыслительных усилий человека в форме нейросетей (NeuroShell, NeuralWorks, Neuro Solution). Нейросети, в отличие от обычных программных систем, не требуют программирования, что ставит их в ряд перспективных средств принятия решений.
Нейронная сеть или нервная система человека – это сложная сеть структур человека, обеспечивающая взаимосвязанное поведение всех систем организма.
Биологический нейрон – это специальная клетка, которая структурно состоит из ядра, тела клетки и отростков. Одной из ключевых задач нейрона является передача электрохимического импульса по всей нейронной сети через доступные связи с другими нейронами. Притом, каждая связь характеризуется некоторой величиной, называемой силой синаптической связи. Эта величина определяет, что произойдет с электрохимическим импульсом при передаче его другому нейрону: либо он усилится, либо он ослабится, либо останется неизменным.
Можно привести следующую сильно упрощенную модель биологической нейронной сети:
Каждый нейрон состоит из тела клетки, которое содержит ядро.
От тела клетки ответвляется множество коротких волокон, называемых дендритами.
Длинные дендриты называются аксонами.
Аксоны растягиваются на большие расстояния, намного превышающее то, что показано в масштабе этого рисунка. Обычно аксоны имеют длину 1 см (что превышает в 100 раз диаметр тела клетки), но могут достигать и 1 метра.
Синапс - (от греч . synapsis - соединение), область контакта (связи) нервных клеток (нейронов) друг с другом и с клетками исполнительных органов. Межнейронные синапсы образуются обычно разветвлениями аксона одной нервной клетки и телом, дендритами или аксоном другой. Между клетками имеется т. н. синаптическая щель, через которую возбуждение передается посредством медиаторов (химический синапс), ионов (электрический синапс) или тем и др. способом (смешанный синапс). Крупные нейроны головного мозга имеют по 4-20 тыс. синапсов, некоторые нейроны - только по одному. ;
Нейронные сети в искусственном интеллекте – это упрощенные модели биологических нейронных сетей.
На этом сходство заканчивается. Структура человеческого мозга гораздо более сложная, чем описанная выше, и поэтому воспроизвести ее хотя бы более менее точно не представляется возможным. На сегодняшний день нейронные сети являются одним из приоритетных направлений исследований в области искусственного интеллекта.
3. Экспертные системы - базируются на моделях знаний (деревья вывода, деревья целей, семантические сети и т.д).
Экспертные системы — это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультаций менее квалифицированных пользователей.
Структурные элементы, составляющие экспертную систему, выполняют следующие функции.
База знаний реализует функции представления знаний в конкретной предметной области и управление ими.
Механизм логических выводов выполняет логические выводы на основании знаний, имеющихся в базе знаний.
Пользовательский интерфейс необходим для правильной передачи ответов пользователю, иначе пользоваться системой крайне неудобно.
Модуль приобретения знаний необходим для получения знаний от эксперта, поддержки базы знаний и дополнения ее при необходимости.
Модуль ответов и объяснений формирует заключение экспертной системы и представляет различные комментарии, прилагаемые к заключению, а также объясняет мотивы заключения.
Структура экспертной системы.
Знания в базе знаний представлены в конкретной форме и организация базы знаний позволяет их легко определять, модифицировать и пополнять. Решение задач с помощью логического вывода на основе знаний хранящихся в базе знаний, реализуется автономным механизмом логического вывода. Хотя оба эти компонента системы с точки зрения ее структуры являются независимыми, они находятся в тесной связи между собой и определение модели представления знаний накладывает ограничения на выбор соответствующего механизма логических выводов.
Преимущества экспертных систем:
· Постоянство. Экспертные системы ничего не забывают в отличие от человека-эксперта.
· Воспроизводимость. Можно сделать любое количество копий экспертной системы, а обучение новых экспертов отнимает много времени и средств.
· Эффективность. Может увеличить производительность и уменьшать затраты персонала.
· Постоянство. С использованием экспертных системам подобные транзакции обрабатываются одним и тем же способом. Система будет делать сопоставимые рекомендации для похожих ситуаций.
· Влияние на людей. Новый эффект (самая современная информация, имеющая влияние на здравый смысл). Главный эффект (ранняя информация доминирует над здравым смыслом).
· Документация. Экспертная система может документировать процесс решения.
· Законченность. Экспертная система может выполнять обзор всех транзакций, a человек-эксперт сможет сделать обзор только отдельной выборки.
· Своевременность. Погрешности в конструкциях и-или могут быть своевременно найдены.
· Широта. Могут быть объединены знания многих экспертов, что дает системе больше широты, чем с вероятно может достичь один человек.
· Снижение риска ведения дела благодаря последовательности принятия решения документированности и компетентности.
Недостатки экспертных систем:
· Здравый смысл. В дополнение к широкому техническому знанию, человек-эксперт имеет здравый смысл. Еще не известно, как заложить здравый смысл в экспертные системы.
· Творческий потенциал. Человек-эксперт может реагировать творчески на необычные ситуации, экспертные системы не могут.
· Обучение. Человек-эксперт автоматически адаптируются к изменению среды; экспертные системы нужно явно модифицировать.
· Сенсорный опыт. Человек-эксперт располагает широким диапазоном сенсорного опыта; экспертные системы в настоящее время основаны на вводе символов.
Экспертные системы не хороши, если решения не существует или когда проблема лежит вне области их компетенции.
Класс экспертных систем сегодня объединяет несколько тысяч различных программных комплексов, которые можно классифицировать по различным критериям: решаемая задача, связь с реальным временем, тип ЭВМ, степень интеграции.
Рассмотренные технологии типовые, они используются в процессе управления объектами в различных областях экономической деятельности: промышленности, связи, транспорте, добывающей отрасли, торговле, банковской и других сферах.
4. Агентно-ориентированные системы в большинстве своем находятся в стадии апробации на реальных объектах.
Агент – это вообще лицо, действующее по поручению кого-либо, представитель учреждения, уполномоченный.
Программный агент – это программа, способная действовать в интересах достижения целей, поставленных перед пользователем.
Они действуют от лица пользователя.
Интеллектуальные программные агенты обладают следующими свойствами:
автономность – функционирование без вмешательства со стороны своего владельца и контроль внутреннего состояния и своих действий;
коммуникативность – взаимодействия с другими агентами;
реактивность – восприятие среды;
активность- способность генерировать цели и действия рационально;
наличие базовых знаний о себе, окружающей среде и других агентах.
Особая роль отводиться мобильным агентам – программам, которые могут перемещаться по сети.
Они покидают клиентский компьютер и перемещаются на другой для выполнения своих действий, после чего возвращаются обратно (или не возвращаются).
Например
агент перемещается на сервер, обрабатывает там данные, посылает их агенту, а затем возвращается;
агент может отсоединить компьютер от сети и доставить результаты расчетов адресату;
агент может выполнить расчеты на сервере, где вычислительные мощности достаточные для решения задачи, а затем возвратиться.
Таким образом, программный агент - это «активный искусственный деятель», имеющий цели, мотивацию, обязательства и желания.
Искусственная жизнь – это процесс взаимодействия программных агентов.
Главное направление развития агентно-ориентированных систем связано с поведением в окружающей среде.
В результате их появления стало развиваться искусственное общество, в котором воспроизводятся социальные процессы.
Примером может служить множество агентов, представляющим поведение продавцов бензина (система апробировалась в Западном Йоркшире, Великобритания). Агент пользуется целью максимизировать прибыль и двумя показателями: цена бензина и производственные затраты. Агенты могут наблюдать за соседними бензоколонками. Если их цена отличается, то они уполномочены манипулировать ими в соответствии с правилами. В зависимости от динамики прибыли агент выбирает стратегию поведения.
5. Cloud computing – облачные технологии. Облачные (рассеяные) вычисления (англ. cloud computing, также используется термин Облачная (рассеянная) обработка данных) — технология обработки данных, в которой компьютерные ресурсы и мощности предоставляются пользователю как Интернет-сервис.
Пользователь имеет доступ к собственным данным, но не может управлять и не должен заботиться об инфраструктуре, операционной системе и собственно программном обеспечении, с которым он работает. Термин «Облако» используется как метафора, основанная на изображении Интернета на диаграмме компьютерной сети, или как образ сложной инфраструктуры, за которой скрываются все технические детали
Облачная обработка данных как концепция включает в себя понятия:
инфраструктура как услуга,
платформа как услуга,
программное обеспечение как услуга,
данные как услуга,
рабочее место как услуга
и другие технологические тенденции, общим в которых является уверенность, что сеть Интернет в состоянии удовлетворить потребности пользователей в обработке данных.
Например, Google Apps обеспечивает приложения для бизнеса в режиме онлайн, доступ к которым происходит с помощью Интернет-браузера, в то время как ПО и данные хранятся на серверах Google.