
- •2. Классиф-я ис.
- •3. Кис, их особенности.
- •4. Принц-ы орган-и кис.
- •5. Структура кис.
- •Эволюция кис.
- •10. Информационные ресурсы.
- •Основы законод-а рб об инф-х рес.
- •Инфор-е ресурсы рб.
- •14. Классификация инф-и в кис.
- •15. Информационная модель.
- •Сист-е по, задачи и струк-ра.
- •23. Систем-е реш-я в обл-и кис (Microsoft, Novell, ibm и др.).
- •30. КорпорБд. Характер-и кбд.
- •41.Электрон-й бизнес, классифик-я.
- •42. Геоинф-е системы в экономике.
- •В наборе ср-в созд-я и объед-я бд с возможн-ми их географ-го ан-за в виде карт, графиков, диаграмм. Гис используется в обл-х бизнеса:
- •51. Правовое обеспеч-е безоп-ти инф-х сис-м. Норм-е акты рб…
- •52.Жизн-й цикл кис. Модели жц
- •53. Этапы модели жц кис.
- •55. Этапы реинжиниринга.
- •56.Стандарты, принципы и методики реинжин-га б-п.
- •58.Понятие эффект-ти кис. Оценка эффект-ти внедрения и функц-я кис.
- •59. Тенденции рынка кис.
30. КорпорБд. Характер-и кбд.
Для КБД характерна архитект-а клиент-сервер. Они строятся на корпорат-х SQL-серверах БД (Oracl) и соответств-х инструмент-х ср-х. 1)Многократное использ-е дкнных. 2) Позволяет быстро найти инф-ю. 3) Простота обновления данных. 4) Целостность БД-сохранность данных. 5) Защита данных от несанкцион-го доступа, уничтожения. 6) Исключение дублирования данных. Распредел-я обработка д-х (корпорации в разных странах). Масштаб-ть. Стоимости владения (начальные влож-я в сис-му обработки данных + дальнейшие затраты).
31. ХД, требов-я, отличие ХД от БД.
ХД предм-о-ориентиров-я, интегриров-я, неизменч-я, неразруш-я совокуп-ть данных, предназнач-я для ППР.
Треб-я: поддержка высокой V-ти получения д-х из хран-ща; наличие удобных утилит просмотра д-х в хр-ще; поддержка внутренней непротивореч-ти д-х; возможность получ-я и сравн-я срезов д-х; полнота и достоверность ХД; поддержка качеств-го проц-а пополнения д-х. Отличия: БД: выполнения трансакций, подвержены постоян-м измен-м, явлся источником д-х, попадающих в ХД; ХД: подготовка инф-и для принятия реш-й, относит-но стабильны, могут пополнятся за счет внешних источников.
33. Технол-и подсистем анализа.
Регламентированные запросы(введение отчётности OLAP); Оперативный анализ данных (OLAP); Интеллектуальный анализ данных (Data Mining).
Данные-OLTP-с-мы (поверхностная обработка по запросам), OLAP (неглубокая обработка по выявлению трендов и шаблонов): Знания - Data Mining (глубокая обработка по выявлению скрытых тенденций).
32. Структура ХД. Витрины данных. Стр-ра: 1.Таблица фактов -она содержит сведения об объ-х или событиях, совокупность кот-х будет анализиров-я. Вкл: 1)факты, связ-е с транзакциями (основано на событиях); 2)факты, связ-е с моментальн-и снимками»(в опред-й мом-т t); 3)факты, связ-е с элем-ми документа(основ-ы на докум-е); 5)факты, связ-е с событиями или состоянием объ-та. 2.Табл. измерений – содержат неизменяемые данные: 1)содержат min 1 описат-е поле 2)каждая табл. измерений должна находиться в отнош-и «1 ко многим» с табл-й фактов; 3)если каждое измерение содержится в одной табл-е измерений, такая схема ХД «звезда» иначе снежинка. Витрины Д- многомерный экстракт ХД, предназн-й для анализа определенной предметн-й обл-и и доставки аналитич-х Д-х потребит-лю.
34. OLAP-системы
Технол-я комплексн-о многомерного анализа д-х. 1993- описана концепция OLAP; 1995- сформулир-н тест: быстрый(5с.) ан-з раздел-й многомер-й инф-и. 12 правил OLAP-сис-мы(Кодом):
1)многомер-ть, 2)прозрач-ть, 3)доступ-ть, 4)производит-ть, 5)неогранич-е перекрестные операции, 6)равноправие измерений, 7) поддержка многопользов-го режима, 8) клиент-серверная архит-ра, 9)интуитивная манипуляция данными, 10)гибкие возможн-и получ-я отчетов, 11)неогранич-я размерность и число уров-й агрегации. 12)динамичес-я сборка разреж-х материалов. Архитектура OLAP-системы:
OLAP-сервер - обеспечивает хранение данных, объединяют с ХД или витринами данных; OLAP-клиент – предоставл-т пользов-ю интерфейс к многомерной модели данных.
35. Технологии Data Mining. Добыча данных- исследование и обнаружение сис-й в "сырых" данных скрытых знаний, которые ранее не были известны, нетривиальны, практически полезны, доступны для интерпретации.
Data Mining изучает процесс нахождения новых, действительных и потенциально полезных знаний в базах данных. Возник на пересечении сис-м БД, стат-ки и искусств-го интеллекта. Напр-я развития: м-ды стат. обработки Д; экспертные м-ды, «деревья решений»; м-ды, основан-е на нечётких множествах: м-ды нейронных сетей, м-ды визуализации Д. Прим: потребит-я корзина.
36. Структурная схема КИС.
АСУ ТП(автомат-я сис-ма управл-я технич-м проц-м):1)ERP-( планиров-е ресурсов); 2)DSS(СППР).
СУЗ(сис-ма управл-я знан-ми): 1)DW(ХД), 2)шлюз для обмена знаниями с внешней ИС- внешняя ИС
37. Информ-й портал.
Инф-й портал- веб-сайт, организов-й как многоуров-е объедин-е различ-х ресур-в и сервисов, обновление кот-х происходит в реальном t. Типы инф-и, включаемые в портал: документы (текстовые рес-сы); Media рес-сы – image, video – все, что есть в документе;
Ссылки на др. докум-ы (web – рес-сы);
Таблицы, отчеты, презентации; Структура портала:1)Презентац-ая часть (меню, участники, новостной блок, услуги др.); 2)Информац-ая часть (первичная, инф-я, аналит-я инф-я).; 3)Администр-я часть (регистрация, ограничение доступа, поиск инф-и, средства эксп-импорта инф-и). Осн-е характер-и портала: сбор инф-и;
встроенные сис-мы поиска по различ-м параметрам; способн-ть к управл-ю инф-й во t; встроty-е механизмы анализа инф-и.
38. Моделиров-я эконом-х процессов.
1)Эконом-о-матем-е: нахожд. наилуч-го реш-я по определ-м критериям. общие классы матем-х моделей: модели линейн-го, нелиней-го, целочисл-го и динам-го програм-я; экономико-матем-е модели: баланс-е, эконометрич-е, оптимизац-е.MS Excel. 2)Имитац-е:
определить «хорош-е» реш-е из огранич-го числа альтерн-в, найденных эксперимен-но. Модели стат-х испытаний, модели бизнес-процессов. Специализиров-ые и универс-ые языки програм-я: Pascal, Delphi. 3)Эвристич-е: нахождение «хорошего» реш-я, используя правила. Сетевые модели, деревья решений. Cр-а Data Mining.
4)Экспертные: выбрать лучшую альтерн-ву на основе субъект-х оценок экспертов. Методы оценки иерархий, деревья решений. Statistica, СППР. Этапы исслед-я эконом-х проц-в:1) идентиф-я проблемы;2) построение модели; 3)реш-е поставл-й задачи; 4) проверка адекватности модели; 5)реализ-я результ-в исследовая.
39. Осн-е требов-я к прикладному ПО кис. ПО − совокуп-ть программ для реализ-и целей и задач КИС, нормал-го функцион-я компл-са технич-х средств. ПО включает: системное ПО, приклад-е программы для реш-я задач управления, другие программные продукты, использ-е на предпр-и. Для эффект-й раб-ы ППО в КИС необходимо выполнение требов-й: совместимость, открытость, модульность, мобильность (способ-ть работ-ть на разл-х аппар-х платф-х), масштабируемость.
40. Интегриров-е комп-е управ-е… MRP(60-е)- система в целом (планиров-е потребн-й в мат-х). Гл-я зад-а обеспеч-е гарантии наличия необход-го колич-а мат-в в любой момент t. MRP-подсистема: управл-е изделиями, управл-е запасами, ведение ведомости материалов, расчет потребн-и в мат-х. MRPII(80-е) Планиров-е: развития бизнеса; деят-и предпр-я; продаж; закупок; потребн-й мат-в; Моделир-е хода произ-ва. ERP(90-е) инф-я сис-ма для план-я всех рес-в предпр-я. Управл-е отнош-ми с клиентами (CRM) - стратегия, основ-я на примен-и управл-х и инф-х технол-й, с помощью кот-х компании аккумулируют знания о клиен-х для выстраив-я взаимовыг-х отнош-й с ними. PRM (управл-е взаимоотношен-и с партнёр-и) – сис-мы повыш-я эффект-ти проц-в взаимод-я с партнёр-и в обл.и продаж, маркет-а, поставок. Функ-и PRM-систем: повыш-е эффект-ти каналов сбыта; позволяют производителям точнее определять, кто из партнеров приносит наибол-ю П. CSRP(2000г.) регламент-ая взаимод-е с клиентом выходя из рамок внутр-й во внешнюю деятельность предприятия.