10) Информационные технологии поддержки принятия решений

Информационная технология поддержки принятия решений — это ИТ, которая по- могает человеку перерабатывать большие объемы информации и принимать решения. Под управлением человека компьютер может, анализируя данные, обобщая и выявляя различ- ные закономерности, создавать новую информацию в виде различных отчетов.  Информационное обеспечение данной ИТ основано на концепции хранилища дан- ных. Для хранилищ данных характерны следующие основные свойства:  1. Ориентация на предметную область — хранилище в первую очередь отражает  специфику предметной области, а не приложений;  2. Интегрированность — информация, загружаемая в хранилище из баз, ориентиро- ванных на частные прикладные задачи, должна быть приведена к единому синтаксиче- скому семантическому виду. Важно также провести проверку поступающих данных на целостность и непротиворечивость. Чтобы при выполнении аналитических запросов из- бежать выполнения операций группирования, данные должны обобщаться (агрегировать- ся) при загрузке хранилища;  3. Неизменяемость данных — хранилищам свойственна ретроспективность: объем  накопленных данных должен быть достаточным для решения аналитических задач с тре- буемым качеством. Поэтому данные после загрузки в них остаются неизменными: внесе- ние каких-либо изменений, кроме добавления записей, не предполагается;  4. Поддержка хронологии — для выполнения большинства аналитических запросов необходим анализ тенденций развития явлений или характера изменения значений пере- менных во времени, что обычно достигается введением атрибутов типа дата/время;  5. Многомерное концептуальное представление — совокупности данных могут быть проанализированы вдоль нескольких независимых измерений.  Комплексный взгляд на собранную в хранилище данных информацию, ее обобщение и агрегация, гиперкубическое представление и многомерный анализ являются задачами систем оперативной аналитической обработки данных — OLAP. Эти системы обладают следующими свойствами:  1. Многомерное концептуальное представление данных. Совокупности данных мо- гут быть проанализированы вдоль нескольких независимых измерений. Каждое измерение включает направления консолидации данных, состоящие из серии последовательных уровней обобщения, где каждый вышестоящий уровень соответствует большей степени агрегации данных по соответствующему измерению. Количество измерений и уровней агрегации должно быть неограниченным. Измерения равноправны.  2. Прозрачность. Пользователь не должен знать о том, какие конкретные средства используются для хранения и обработки данных, как данные организованы и откуда бе- рутся. Система должна поддерживать возможность многопользовательской работы.  3. Устойчивая производительность. Система должна обеспечивать выдачу большин- ства ответов пользователям в пределах приблизительно пяти секунд. При этом самые про- стые запросы обрабатываются в течение одной секунды и очень немногие — более 20-ти 45секунд (исследования показывают, что конечные пользователи воспринимают процесс не- удачным, если результаты не получены по истечении 30 секунд). Производительность не должна уменьшаться с увеличением числа измерений и размеров БД. В частности, должна обеспечиваться оптимальная обработка разреженных матриц (т.е. таблиц, многие ячейки которых не заполнены).  OLAP-системы могут базироваться на специальных многомерные СУБД (MOLAP)  или на использовании классических реляционных баз данных (ROLAP). Оба варианта имеют свои недостатки. Так, многомерные СУБД не позволяют работать с очень больши- ми объемами данных и неэффективно расходуют внешнюю память. Реляционные же СУБД при работе с многомерными данными демонстрируют значительно меньшую про- изводительность. Существуют также гибридные системы (HOLAP), цель которых — со- вмещение достоинств и минимизация недостатков, присущих предыдущим классам.

Интеллектуальная обработка производится методами интеллектуального анализа данных (Data Mining), главными задачами которого являются поиск функциональных и логических закономерностей в накопленной информации, построение моделей и правил,  которые объясняют найденные аномалии и прогнозируют развитие некоторых процессов.  Экспертные системы Под экспертной системой (ЭС) понимается система, объединяющая возможности компьютера со знаниями и опытом эксперта в такой форме, что система может предло- жить разумный совет или осуществить разумное решение поставленной задачи. Желаемой характеристикой такой системы, является способность системы пояснять ход своих рас- суждений в понятной для спрашивающего форме.