86
оптимизированные для выполнения многомерного анализа данных. Типовым OLAPсервером является система Нуре-rion Essbase Server.
Современные реляционные СУБД поддерживают многомерный анализ за счет эмуляции (моделирования) МБД. Сохраняется тенденция встраивания в реляционные СУБД функций для многомерного анализа данных (например, MS Analysis Services или Oracle OLAP Services).
Корпоративные BI-наборы (EBIS) интегрируют в своем составе инструменты генерации запросов, отчетов и OLAP, ранее поставляемые как разрозненные средства. Характерными особенностями корпоративных ВТ-наборов являются хорошая масштабируемость и возможность обслуживания не только внутренних, но и внешних пользователей. В связи с расширением функций по обслуживанию внешних пользователей посредством браузеров проявляется тенденция определения разработчиками (например, Business Objects и Cognos) своих BI-наборов как порталов с BI-инструментами, т.е. Blпорталов.
Основным назначением BI-платформ является обеспечение операций по созданию, внедрению и сопровождению В1-приложений. К интенсивно развивающимся BIприложениям относятся: анализ рисков, бюджетирование, анализ и прогноз сбыта товаров, выявление тенденций развития процессов, а также интегрированные приложения, в том числе управление эффективностью предприятия (enterprise perfomance management). Современные решения в классе В1-платформ имеют фирмы Microsoft, SAS Institute, Oracle и др.
Сферой использования инструментов разведки данных (data mining) является обнаружение корреляции, тенденций, типовых шаблонов, связей и категорий. С их помощью многократно выполняются различные операции и преобразования над сырыми данными (отбор признаков, визуализация и др.) с целью нахождения моделей, которые могут предсказать результат развития ситуаций, используя хронологические или субъективные данные. В отличие от OLAP разведка данных в меньшей степени направляется пользователем; она опирается на специализированные алгоритмы, которые помогают выявить неизвестные свойства и тенденции.
Кроме перечисленных инструментов в состав BI могут входить и другие средства: пакеты статистического анализа, анализа временных рядов, пакеты для нейронных сетей, средства нечеткой логики, экспертные системы, средства визуализации многомерных данных и др.
В настоящее время среди BI-инструментов наибольший рост характерен для корпоративных BI-наборов, что отражает усилившуюся конкуренцию в экономике. Использование инструментов для генерации запросов и отчетов, анализа данных снижается; компании обновляют их и заменяют корпоративными BI-наборами. Растет применение OLAP и других развитых BI-инструментов. В ближайшие годы ожидается появление новых разработок в виде сетей business intelligence (BI networks), которые будут дополнены средствами мониторинга бизнес деятельности (Business activity monitoring, ВАМ).
4.4 Новые ИТ в экономической деятельности
Интернет-технологии
ЯВЛЯЯСЬ наиболее крупной международной ассоциацией информационных сетей, сеть Интернет обеспечивает поддержку предоставления функционирующими в сети службами широкого спектра услуг для огромного числа пользователей. Среди популярных услуг предоставление различного рода докуменов, распространение программ, текстов книг, иллюстраций, электронная почта, служба новостей и многое другое. Технологии сети широко используются в образовательных и научных целях, в реализации бизнеса. Сеть Интернет является основой организации корпоративных VPN-сетей.
Развитие сети Интернет способствовало появлению совершенно новых информационных технологий. Так, еще в 1995 г. на основе Интернета был создан первый виртуальный банк SFNB, у которого отсутствует адрес в привычном понимании этого
87
слова. Создание подобного банка требует меньших затрат, чем развертывание территориально-распределенной сети филиалов и представительств обычного банка (практически не требуются площади, резко уменьшается штат сотрудников и др.). Находящиеся в различных странах клиенты могут Через сетевой электронный адрес в любое время суток работать со своими счетами (уточнять их фактическое состояние, проверять правильность перевода денег, осуществлять платежи и др.), за исключением внесения и получения денег через кассу.
Для большинства пользователей Интернет представляется в виде совокупности серверов, поддерживающих функционирование различных служб. Наиболее общая классификация Web-служб включает в себя следующие группы.
•Службы (consumer oriented), ориентированные на предоставление пользователям доступа к информации и передачу с пользовательских рабочих мест небольших объемов информации.
•Службы (business oriented), обеспечивающие поддержку бизнес-процессов.
•Службы (system oriented), реализующие системные функции (оценку производительности системы, мониторинг безопасности и др.).
•Службы (device oriented), обеспечивающие доступ к устройствам. Две последние группы служб в большей степени ориентированы на категории специалистов, связанных с обслуживаем самих серверов.
Современным методом доступа пользователей в корпоративную сеть является наличие в ее структуре единого информационного портала. Целями внедрения порталов являются: организация эффективного централизованного управления информационными ресурсами; повышение эффективности поиска требуемых ресурсов; минимизация затрат на внедрение новых информационных услуг; обеспечение совместимости с приложениями различной тематической направленности; реализация единой процедуры авторизации для доступа к различным ресурсам. Порталы подразделяются на четыре класса: порталы для групповой деятельности, информационные Web-сайты с возможностью доступа к внутренним приложениям компании, интеграционные порталы на основе серверов приложений и Web-системы для работы с информационными потоками на базе технологии text mining. Например, информационные порталы используются для предоставления внешним посетителям информации об организации и поддерживаются отделами маркетинга или внешними рекламными агентствами. Такие порталы становятся «визитными карточками», по которым потенциальные клиенты судят о работе организации в целом.
Развитием информационных порталов стало создание мульти-порталов, обеспечивающих наиболее комфортную среду для работы с информацией. Характерным примером является мультипортал KM.ru — наиболее информативное электронное издание в российском сегменте сети Интернет. Мультипортал формируется из более чем 20 тематических порталов, включая порталы KMmnews.ru (новости), Vschool.ru (виртуальная школа Кирилла и Мефодия), Mega-book.ru (крупнейший русскоязычный энциклопедический ресурс), Shopping.ru (торговля) и др.
Групповые порталы предназначены для узкого круга служащих, активно работающих с документами, электронной почтой и БД. Порталы такого типа, по сути, являются наборами базового инструментария, обеспечивающего работу с документами, на основе которых внутренние пользователи решают свои функциональные задачи. Как правило, они представляют собой модернизированные серверы почтовых приложений, используемые для проведения сетевых совещаний и для управления документооборотом через Web. К ним относятся Lotus Domino и продукты серии SharePoint.
Интеграционные порталы представляют собой крупные серверы приложений, снабженные средствами компоновки Web-интерфейсов. Они являются эффективным
88
средством для крупных компаний, у которых уже есть несколько разрозненных информационных систем, претендующих на интеграцию посредством сети Интернет. Интеграционные порталы обеспечивают уникальные возможности для создания программных продуктов из совокупностей элементов различных приложений. Примером является Oracle Portal Server (Vignette).
Порталы знаний ориентированы на интеграцию не приложения, а информационных потоков с целью поиска (обнаружения) информации, рассредоточенной по различным источникам и представленной в слабо структурированной форме (не в виде БД), с использованием технологии text mining (дословно — «раскопки текстов»). В них применяется математический аппарат нечетких множеств или нейронных сетей. Порталы знаний используются информационными агентствами, инвестиционными компаниями, центрами анализа финансовой информации, службами маркетинга крупных компаний и др. Порталами знаний являются решения компании Autonomy и разработки российской фирмы «НейрОК».
Сервисно-ориентированные технологии
Концепция сервисно-ориентированной архитектуры (service-oriented architecture, SOA) предлагает новый подход к созданию распределенных инфраструктур, в которых программные ресурсы рассматриваются как сервисы, предоставляемые по сети. В качестве сервиса может выступать как целое приложение для решения функциональных задач в конкретной области, так и отдельные его функциональные модули, прикладные функции, реализующие определенную бизнес-логику, бизнес-транзакции, состоящие из нескольких функций более низкого уровня, системные функции, отражающие специфику различных операционных платформ.
Концепция SOA предлагает разработчикам совершенно иной подход к многократному использованию имеющегося программного кода — создание более сложных сервисов из сервисов низкого уровня; при этом сервисы могут быть распределены в сети и даже принадлежать различным компаниям. Сервисы рассматриваются как автономные объекты, управление которыми не централизовано; это позволяет взаимодействующим посредством сервисов ИС развиваться в соответствии с потребностями бизнеса. Базовыми инструментами сервисно-ориентированной архитектуры являются Web-сервисы и язык XML. Web-сервисы — это совокупность технологий и стандартов для описания сервисов, взаимодействия между распределенными сервисами и создания каталогов сервисов, которые позволяют строить частные решения по интеграции приложений. Язык XML используется для обмена сообщениями между сервисами и описания Web-сервисов. Именно с появлением Web-сервисов был найден стандарт, позволяющий объединять различные корпоративные вычислительные платформы и инструментальные средства.
Различие между SOA и Web-сервисами — это различие между стратегическим подходом к процессам интеграции приложений и конкретной тактикой реализации этой интеграции (на данный период времени). SOA — концепция, которая не дает точного описания, как именно должны взаимодействовать сервисы, но говорит о том, как добиться того, чтобы они понимали друг друга и могли быть интегрированы. Сами Web-сервисы не предполагают какого-либо архитектурного решения, в то время как именно архитектурой определяется стиль процессов взаимодействия.
В настоящее время широкое распространение SOA и Web-сервисов сдерживается необходимостью снижения сложности практических методов и разработки эффективного инструментария для программирования приложений, прикладного интерфейса программирования API (Applications Programme Interface) и самих Web-сервисов.
Объектно-ориентированные технологии
Разработка систем с объектно-ориентированными БД началась в середине 1980-х гг. Попытки использования технологий реляционных БД (РБД) в таких сложных приложениях, как автоматизированное проектирование (computer aided design, CAD), автоматизированное производство (computer aided manufacturing, CAM), технологии программирования,
89
системы, основанные на знаниях, мультимедийные и другие системы, выявили существенные ограничения, присущие системам, ориентированным на использование РБД. Причиной появления объектно-ориентированных БД (ООБД) и объектно-ориентированных СУБД (ООСУБД) была потребность в более близком и полном представлении и моделировании сущностей реального мира, поскольку они потенциально способны обеспечить гораздо более развитую модель данных, нежели традиционные РБД. Актуальность развития ООСУБД на современном этапе во многом обусловлена расширяющимся использованием реализованных в сети Интернет технологий; громадные массивы разнородных данных (тексты, графика, видео и звук), представленных посредством Webстраниц, целесообразно хранить в ООБД в виде подготовленных к использованию наборов объектов, что обеспечивает снижение времени выполнения запросов очередных Web-страниц.
Вобъектно-ориентированной модели данных любая сущность реального мира представляется всего одной универсальной категорией — объектом. С объектом ассоциируется его состояние и поведение. Состояние объекта определяется значениями его свойств (атрибутов) или связями между самим объектом и другими объектами. Поведение объекта определяется набором операций, которые могут быть выполнены над объектом или самим объектом. Объекты, обладающие схожими свойствами и поведением, группируются
вклассы; при этом объект может быть экземпляром одного или нескольких классов. Классы организуются в иерархии классов.
ООСУБД обслуживает БД, каждая из которых содержит определенное множество объектов. Ядро ООСУБД изначально оптимизировано для эффективного выполнения операций с объектами (разделение прав доступа к конкретным объектам, ведение версий объектов, выборку данных из объектов в соответствии с заданными условиями отбора и др.) Для объектно-реляционной СУБД ядро системы остается реляционным, а ее объектные свойства реализуются в виде специализированной надстройки над реляционной СУБД. Для ООСУБД в целом характерно более высокое быстродействие при выполнении операций, требующих доступа и получения данных, находящихся внутри объектов, по сравнению с реляционными СУБД, для которых необходимость выборки связанных данных ведет к выполнению дополнительных внутренних операций.
При работе с ООБД используются две группы языков запросов. В одной группе объединяются языки, развивающие возможности языка SQL (например, язык OQL — Object Query Language). Относительно новая группа языков запросов XML QL (или XQL) базируется на языке XML.
Объектно-ориентированные системы обладают рядом особенностей:
• возможностью определения пользователями новых объектов, отображающих структуры данных в сложных задачах;
• меньшей потребностью в соединениях между объектами за счет неявных соединений, порождаемых иерархической вложенностью объектов, что упрощает навигацию по структурам объектов в ООБД;
• более высокой производительностью при выполнении некоторых приложений (например, приложений с многократной навигацией по загруженным в основную память связанным объектам);
• поддержкой различных версий проекта и др.
Вто же время для таких систем характерны следующие недостатки:
•малое число развитых средств обеспечения запросов и средств оптимизации запросов, что во многом объясняется сложностью используемых объектно-ориентированных моделей данных;
•сложность обеспечения информационной безопасности;
•ограниченные возможности управления производительностью системы со стороны системного администратора и др.
Объектно-ориентированные технологии находят широкое применение при
проектировании ИС, осуществляемом с использованием современных CASE-инструментов.
90
Внастоящее время на рынке представлено свыше двух десятков систем ООСУБД: GemStone, ONTOS, ObjectStore, Versant, Jasmine, ODB-Jupiter (первая отечественная разработка) и др. Фактически большинство существующих ООБД являются не столько объектно-ориентированными БД, сколько системами стабильного хранения данных для некоторого объектно-ориентированного языка программирования.
Вцелом потенциальные возможности объектно-ориентированной модели данных более естественным образом отображать свойства объектов и процессов реального мира позволяют многим экспертам обоснованно высказывать мнение о больших перспективах использования объектно-ориентированных систем в различных областях деятельности.
Системы искусственного интеллекта
Современные подходы к исследованию поведения сложных систем, включая экономические системы, во многом базируются не на классическом интегральнодифференциальном математическом аппарате, а на методах искусственного интеллекта, реализуемых различными средствами: нейронными сетями, генетическими алгоритмами, системами нечеткой логики и др. Характерной особенностью методов искусственного интеллекта является возможность работы с неточными (зашумленными) данными; при этом достигается точность, достаточная для практической потребности, и, как правило, от пользователей не требуют специальных математических знаний. Большинство специализированных пакетов, реализующих методы искусственного интеллекта, обеспечивают пользователям возможность работы с ними в рамках терминологии конкретной предметной области.
Системы на основе нейрокомпьютерных технологий. Компонентами нейротехнологий являются нейронные компьютеры и процессоры, а также нейронные сети как класс специализированных алгоритмов (далее нейросети). Нейросети образуют большой класс систем, в которых реализуются попытки моделирования взаимодействия нейронов аналогично их функционированию в мозге человека. Как показывают исследования, каждый нейрон состоит из тела клетки и множества входных отростков, называемых дендритами. Дендриты идут от тела данной клетки к другим нейронам, где они принимают сигналы в точках возбуждения, называемых синапсами. Принятые синапсами входные сигналы подводятся к телу нейрона, где они алгебраически суммируются. Когда суммарное возбуждение в теле нейрона превысит некоторый порог, он возбуждается и посылает свой сигнал к другим нейронам.
В основе построения искусственных нейросетей используется подход, реализующий логически функционирующую систему, состоящую из большого числа связанных между собой простых элементов. С большим уровнем упрощения подобную систему можно рассматривать как совокупность взаимодействующих искусственных нейронов. Каждый такой нейрон реализуется в виде сумматора, на вход которого поступают взвешенные сигналы с выходов нейронов предшествующего уровня. Результат суммирования поступает на пороговый элемент с некоторой функцией адеквации нейрона. Таким образом, настройка нейросети сводится к определению структурированной совокупности нейронов и значений коэффициентов, определяющих глубину связи между конкретными нейронами. Для того чтобы сеть можно было использовать в дальнейшем, ее прежде необходимо «натренировать» на полученных ранее массивах данных, содержащих значения входных параметров и соответствующие им значения выходных параметров (т.е. правильные ответы). Результатом этого обучения является определение значений «веса» межнейронных связей (коэффициентов межнейронных связей), обеспечивающих наибольшую близость выходных сигналов сети к известным правильным ответам. Поскольку в процессе построения синаптической карты на практике широко используется градиентный алгоритм поиска, то возможно попадание в локальный экстремум с близким к нулю значением вектора градиента, что приводит к началу нового цикла поиска решения и, соответственно, увеличению длительности обучения сети.
Системы на основе генетических алгоритмов. Системы этого класса являются мощным средством решения разнообразных комбинаторных задач и задач оптимизации.