
- •Система прийняття рішень. Загальна задача прийняття рішення.
- •2. Параметричні і непараметричні рішення. Приклади. Матрична та лотерейна моделі ситуації.
- •Непараметричні ситуації прийняття рішень. Приклади.
- •3. Еквівалентність матричної та лотерейної схем ситуації.
- •Еквівалентність матричної та лотерейної моделей стохастичної ситуації (перенесення даних про невідоме).
- •Експерименти у системі рішення та їх математичні моделі. Приклади.
- •Той хто приймає рішення та його математична модель. Класи тпр.
- •Теорема існування невизначеності у системі рішення.
- •Прийняття рішення при повній невизначеності. Чотири критерії.
- •Ф ункція корисності (втрат). Лінійна функція корисності. Невід’ємна ф-я втрат.
- •10. Теорема фон Неймана-Моргенштерна про очікувану корисність
- •11. Теорема Севіджа про суб’єктивну імовірність.
- •12. Увігнуті та опуклі функції, Нерівність Йенсена. Баєсів ризик.
- •Байєсівський ризик
- •Рандомізація у теорії ігор та теорії рішень.
- •Доцільність спостережень у стохастичній системі рішень. Плата за спостереження.
- •Методи побудови вирішуючих функцій.
- •Лема Неймана –Пірсона.
- •18. Багатокрокова задача рішення. Звідність до послідовності однокрокових
- •19.Принцип оптимальності Белмана. Алгоритм стохастичного динамічного програмування.
- •20. Розвиток методів і систем ппр
- •21. Ретроспективний аналіз еволюції інформаційних технологій та інформаційних систем.
- •22. Організаційно-технологічні основи прийняття рішень
- •23. Класифікація систем підтримки прийняття рішень (сппр) класифікація сппр
- •24. Базові компоненти сппр
- •25. Стратегія оцінювання і вибору методів підтримки прийняття рішень.
- •26. Створення, впровадження та оцінювання сппр.
- •27. Засоби штучного інтелекту в сппр.
- •28. Сппр на основі сховища даних olar-технологій.
- •29. Групові сппр.
- •30. Виконавчі інформаційні системи.
28. Сппр на основі сховища даних olar-технологій.
Системи підтримки прийняття рішень на основі сховищ даних та OLAP-систем, як і самі сховища даних (Data Warehouses) та системи аналітичного онлайнового оброблення даних, належать до типу орієнтованих на дані СППР. У загальному вигляді орієнтовану на дані систему підтримки прийняття рішень (ОДСППР) можна визначити як інтерактивну комп'ютеризовану систему, що допомагає ОПР використовувати дуже велику базу даних із внутрішніх даних компанії і деякі зовнішні дані з навколишнього середовища системи з метою прийняття обґрунтованих рішень.
Саме потреба в оперативному багатоаспектному бізнес-аналізі привела до виникнення нової OLAP-технології розв'язання аналітичних завдань. Ця технологія призначена забезпечувати аналітиків динамічним багатовимірним аналізом консолідованих даних.
Зважаючи на те, що сховища даних і системи оперативного аналітичного оброблення (OLAP-системи) в принциповому плані виконують фактично такі самі функції, а саме: на основі нагромаджених за багато періодів даних про поточні ділові операції появляється можливість отримувати інформацію для створення кращих, основаних на фактах, управлінських рішень, деякі коментатори стали їх ототожнювати. Насправді, сховища даних і OLAP — різні види орієнтованих на дані СППР.
Сховище даних (Data Warehouses) є специфічною базою даних, яка проектується і наповнюється, щоб підтримувати створення рішень в організації. Це є пакет, своєрідна система керування базою даних, що існує окремо від оперативних систем, обновлюється і структурується для термінових оперативних запитів і управлінських підсумків. Переважно такі бази даних є архівами операційних даних, відібраних для забезпечення підтримки прийняття рішень та оптимізованих для взаємодії з СППР організації. Дані беруться з різноманітних джерел оперативних даних. Після переміщення проводиться їх відбір для гарантування того, що вони мають достатню значимість, є безперервними і точними. Потім дані завантажуються в реляційні таблиці, які в змозі підтримувати різноманітні види аналізу та запитів, і оптимізуються для тих таблиць, які, як очікується, будуть найчастіше застосовуватися. І, нарешті, дані зберігаються для подальшого використання в СППР.
Коли сховище даних уже створене та оптимізоване, то необхідно ефективно завантажувати нові дані в систему без переривання процесу підтримки прийняття рішень. Однак у разі збільшення кількості даних розробникам необхідно визначати нові синтаксичні формати та формати запитів, які були б швидшими та легшими. Найпоширенішим засобом організації сховищ даних для задоволення різних аналітичних запитів є використання багатовимірної моделі даних, що пов'язується з поняттям OLAP, зокрема, з його реляційним різновидом.
Оперативне (онлайнове) аналітичне оброблення (On-line analytical processing — OLAP) є категорією технології програмного забезпечення, яке дало змогу аналітикам, менеджерам і виконавцям підсилити подання даних завдяки швидкому, узгодженому, інтерактивному доступу до широкого діапазону можливих зображень інформації, яка була одержана шляхом перетворення неопрацьованих (первинних) даних для відображення в реальній вимірності, зрозумілій користувачам, стану підприємства.
Ця система використовує сховища даних, а також містить велику кількість інструментальних засобів кінцевого користувача для організації доступу до даних і проведення їх аналізу.