- •1. Информационные потребности управленческого персонала в условиях рыночной экономики
- •1.1 Задачи информационного менеджмента
- •1.2 Роль информационных систем в обеспечении конкурентных преимуществ предприятия
- •1.3. Информационная нагрузка
- •1.4 Методы установления информационных потребностей
- •1.5. Распределение ит между лицами, принимающими решения, в зависимости от типа управленческой структуры
- •1.6 Управление распределением информационных потребителей по уровням управления
- •1.7 Параметры эффективного распределения ит в эис
- •Тема 1.8 Основные показатели информационной поддержки управления
- •Тема 1.9 Информационные ресурсы предприятия, внутренние и внешние источники информации
- •Тема 1.10 Методы оценки уровня информатизации предприятия
- •Вопросы для самопроверки
- •2. Информатизация менеджмента
- •2.1. Классификация информационных систем менеджмента
- •2.2 Типы ис, тенденция их развития и возможности их применений на объекте управления
- •2.3 Управленческие информационные системы
- •2.4 Информационные системы поддержки принятия решений
- •2.5 Информационные системы поддержки исполнения
- •2.6 Информационные системы оперативного анализа данных
- •2.7 Информационные технологии поиска закономерностей в данных
- •2.8 Экспертные системы в принятии управленческих решений
- •Р ис. 2.5 Структура экспертной систем
- •2.9 Информационная поддержка принятия решений в условиях многокритериальности
- •2.10 Информационные системы бюджетирования
- •2.11 Информационные системы управления персоналом
- •2.12 Электронные системы документооборота
- •Вопросы для самопроверки
- •3. Управление ит отделом на предприятии
- •3.1 Организация управления: место ит отдела в организационной структуре управления предприятием. Взаимосвязь с подразделениями предприятия
- •3.2 Централизованная и децентрализованная системы обработки информации. Преимущества и недостатки
- •3.3 Влияние информационной системы на организационную структуру управления предприятием
- •3.4 Структура отдела информационных систем. Компетенции и должностные обязанности сотрудников
- •3.5 Управленческая роль ит-менеджера на различных этапах жизненного цикла информационного продукта
- •3.6 Подбор и подготовка информационных менеджеров
- •3.7 Личная информационная система как инструмент повышения производительности менеджера
- •Вопросы для самопроверки
2.7 Информационные технологии поиска закономерностей в данных
В том случае, когда необходимо проводить многокритериальный анализ, выявить закономерности в данных и решать другие подобные задачи, целесообразно использовать технологии Data-Mining.
Эти технологии включают в себя поиск корреляционных зависимостей, тенденций, взаимосвязей и закономерностей посредством различных математических и статистических алгоритмов: кластеризации, создания подвыборок, регрессионного и корреляционного анализа.
Основное отличие Data-Mining от OLAP технологий заключается в том, что технологии Data-Mining выявляют закономерностей в данных, а технологии OLAP проверяют достоверность предлагаемых гипотез. Качество результатов технологий поиска закономерностей зависит от полноты и достоверности данных. Достоверность полученных результатов проверяется путем использования не одного, а нескольких алгоритмов обработки одних и тех же данных и сравнения близости результатов.
Традиционно выделяют пять стандартных типов закономерностей, выявляемых методами Data Mining [16]:
ассоциация - высокая вероятность связи событий друг с другом (например, один товар часто приобретается вместе с другим),
последовательность - высокая вероятность цепочки связанных во времени событий (например, в течение определенного срока после приобретения одного товара будет с высокой степенью вероятности приобретен другой),
классификация - имеются признаки, характеризующие группу, к которой принадлежит то или иное событие или объект (обычно при этом на основании анализа уже классифицированных событий формулируются некие правила),
кластеризация - закономерность, сходная с классификацией и отличающаяся от нее тем, что сами группы при этом не заданы - они выявляются автоматически в процессе обработки данных,
временные закономерности — наличие шаблонов в динамике поведения тех или иных данных (типичный пример — сезонные колебания спроса на те или иные товары либо услуги), используемых для прогнозирования.
Поиск закономерностей в данных в настоящее время базируется на довольно большом количестве разнообразных методов исследования данных, среди них можно выделить [10-12]:
регрессионный, дисперсионный и корреляционный анализ,
методы анализа в конкретной предметной области, базирующиеся на эмпирических моделях,
нейросетевые алгоритмы, идея которых основана на аналогии с функционированием нервной ткани и заключается в том, что исходные параметры рассматриваются как сигналы, преобразующиеся в соответствии с имеющимися связями между «нейронами», а в качестве ответа, являющегося результатом анализа, рассматривается отклик всей сети на исходные данные,
деревья решений,
кластерные модели,
алгоритмы ограниченного перебора, вычисляющие частоты комбинаций простых логических событий в подгруппах данных.
В последнее время имеет место тенденция снижения стоимости средств, использующих технологию Data-Mining, что делает данную технологию более массовой и дает возможность среднему и малому бизнесу оценить плюсы использования данной технологии и внедрять ее использование в повседневную практику.
Одним из недостатков Data – Mining, как известно, является жесткая зависимость результата анализа от репрезентативности первоначальной информации.
Тенденции развития средств бизнес – анализа ведут к объединению систем бизнес – аналитики в составе сетей бизнес - интеллекта (BI networks) и дополнению средствами мониторинга бизнес деятельности (Business activity monitoring, BAM).