71. Функциональные подсистемы информационных систем.

Функциональная подсистема ИС представляет собой комплекс экономических задач с высокой степенью информационных обменов (связей) между задачами. При этом под задачей будем понимать некоторый процесс обработки информации с четко установленным множеством входной и выходной информации (например, начисление сдельной заработной платы, учет прихода материалов, оформление заказа на закупку и т.д.). Состав функциональных подсистем во многом определяется особенностями экономической системы, ее отраслевой принадлежностью, формой собственности, размером, характером деятельности предприятия.

Функциональные подсистемы ИС могут строиться по различным принципам: предметному, функциональному, проблемному, смешанному (предметно-функциональному).

С учетом предметного признака для промышленных предприятий выделяют следующие подсистемы управления производственными и финансовыми ресурсами: управление материально-техническим снабжением, управление производством готовой продукции, управление персоналом, управление сбытом готовой продукции, управление финансами. При этом в подсистемах рассматривается решение задач на всех уровнях управления, обеспечивая интеграцию информационных потоков по вертикали. 

Функциональный принцип: стратегическое развитие, технико-экономическое планирование, бухгалтерский учет и анализ хозяйственной деятельности.

Предметный принцип (подсистемыуправления ресурсами): техническая подготовка производства, основное и вспомогательное производство, качество продукции, логистика, маркетинг, персонал.

Подсистемы, построенные по функциональному принципу, охватывают все виды хозяйственной деятельности предприятия (производство, снабжение, сбыт, персонал, финансы). Подсистемы, построенные по предметному принципу, относятся в основном к оперативному уровню управления ресурсами. 

72. Информационные технологии: DataWarehouse, OLAP, Data Mining.

Технологии Data Mining

В настоящее время элементы искусственного интеллекта активно внедряются в практическую деятельность менеджера. В отличие от традиционных систем искусственного интеллекта, технология интеллектуального поиска и анализа данных или "добыча данных"(Data Mining - DM), не пытается моделировать естественный интеллект, а усиливает его возможности мощностью современных вычислительных серверов, поисковых систем и хранилищ данных. Нередко рядом со словами "Data Mining" встречаются слова "обнаружение знаний в базах данных" (Knowledge Discovery in Databases).

Data Mining - это процесс обнаружения в сырых данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Data Miningпредставляют большую ценность для руководителей и аналитиков в их повседневной деятельности. Деловые люди осознали, что с помощью методов Data Mining они могут получить ощутимые преимущества в конкурентной борьбе.

методы Data Mining заинтересовали коммерческие предприятия, развертывающие проекты на основеинформационных хранилищ данных (Data Warehousing). Опыт многих таких предприятий показывает, что отдача от использованияData Mining может достигать 1000%. 

OLAP-технологии Основные особенности технологии OLAP (Basic):

• многомерное концептуальное представление данных;

• интуитивное манипулирование данными;

• доступность и детализация данных;

• пакетное извлечение данных против интерпретации;

• модели анализа OLAP;

• архитектура "клиент-сервер" (OLAP доступен с рабочего стола);

• прозрачность (прозрачный доступ к внешним данным);

• многопользовательская поддержка.

Специальные особенности (Special):

• обработка неформализованных данных;

• сохранение результатов OLAP: хранение их отдельно от исходных данных;

• исключение отсутствующих значений;

• обработка отсутствующих значений.

Особенности представления отчетов (Report):

• гибкость формирования отчетов;

• стандартная производительность отчетов;

• автоматическая настройка физического уровня извлечения данных.

Управление измерениями (Dimension):

• универсальность измерений;

• неограниченное число измерений и уровней агрегации;

• неограниченное число операций между размерностями.

• OLAP-сервис представляет собой инструмент для анализа больших объемов данных в режиме реального времени. Взаимодействуя сOLAP- системой, пользователь сможет осуществлять гибкий просмотр информации, получать произвольные срезы данных и выполнять аналитические операции детализации, свертки, сквозного распределения, сравнения во времени одновременно по многим параметрам. Вся работа с OLAP-системой происходит в терминах предметной области и позволяет строить статистически обоснованные модели деловой ситуации.

• Программные средства OLAP - это инструмент оперативного анализа данных, содержащихся в хранилище. Главной особенностью является то, что эти средства ориентированы на использование не специалистом в области информационных технологий, не экспертом-статистиком, а профессионалом в прикладной области управления - менеджером отдела, департамента, управления, и, наконец, директором. Средства предназначены для общения аналитика с проблемой, а не с компьютером.

• OLAP применим везде, где есть задача анализа многофакторных данных. Вообще, при наличии некоторой таблицы с данными, в которой есть хотя бы одна описательная колонка и одна колонка с цифрами, OLAP-инструмент будет эффективным средством анализа и генерации отчетов.

Хранилище данных (англ. Data Warehouse) — предметно-ориентированная информационная база данных, специально разработанная и предназначенная для подготовки отчётов и бизнес-анализа с целью поддержки принятия решений в организации. Строится на базе систем управления базами данных и систем поддержки принятия решений. Данные, поступающие в хранилище данных, как правило, доступны только для чтения. Данные изOLTP-системы копируются в хранилище данных таким образом, чтобы при построении отчётов и OLAP-анализе не использовались ресурсы транзакционной системы и не нарушалась её стабильность. Есть два варианта обновления данных в хранилище:

• Полное обновление данных в хранилище. Сначала старые данные удаляются, потом происходит загрузка новых данных. Процесс происходит с определённой периодичностью, при этом актуальность данных может несколько отставать от OLTP-системы;

• Инкрементальное обновление — обновляются только те данные, которые изменились в OLTP-системе.

Принципы организации хранилища

Проблемно-предметная ориентация. Данные объединяются в категории и хранятся в соответствии с областями, которые они описывают, а не с приложениями, которые они используют.

1. Интегрированность. Данные объединены так, чтобы они удовлетворяли всем требованиям предприятия в целом, а не единственной функции бизнеса.

2. Некорректируемость. Данные в хранилище данных не создаются: т.е. поступают из внешних источников, не корректируются и не удаляются.

3. Зависимость от времени. Данные в хранилище точны и корректны только в том случае, когда они привязаны к некоторому промежутку или моменту времени.

Дизайн хранилищ данных

Существуют два архитектурных направления – нормализованные хранилища данных и хранилища с измерениями.

В нормализованных хранилищах, данные находятся в предметно ориентированных таблицах третьей нормальной формы. Нормализованные хранилища характеризуются как простые в создании и управлении, недостатки нормализованных хранилищ – большое количество таблиц как следствие нормализации, из-за чего для получения какой-либо информации нужно делать выборку из многих таблиц одновременно, что приводит к ухудшению производительности системы.

Хранилища с измерениями используют схему «звезда» или схему «снежинка». При этом в центре «звезды» находятся данные (Таблица фактов), а измерения образуют лучи звезды.

Источниками данных могут быть:

Традиционные системы регистрации операций

Отдельные документы

Наборы данных

Операции с данными:

Извлечение – перемещение информации от источников данных в отдельную БД, приведение их к единому формату.

Преобразование – подготовка информации к хранению в оптимальной форме для реализации запроса, необходимого для принятия решений.

Загрузка – помещение данных в хранилище, производится атомарно, путем добавления новых фактов или корректировкой существующих.

Анализ – OLAP, Data Mining, сводные отчёты.

Представление результатов анализа.

Дисциплина «Проектирование информационных систем»