Студентам ИТ / 2 УПП_ИТ / Дополн_литература / ИТ в Интернет / ИСиТ__УММ
.pdf
Информационные системыитехнологии интеллектуальнойподдержки управленческихрешений
Примерами клиентских приложений, содержащими OLAP-средства, являются приложения статистической обра-
ботки данных SEWSS (Statistic Enterprise – Wide SPS System) фирмы StatSoft и MS Excel 2000. Excel позволяет создать и со-
хранить небольшой локальный многомерный OLAP-куб и отобразить его двух- или трехмерные сечения (разреза). MS Excel 2000 позволяет делать запросы к OLAP-серверам.
Многие средства проектирования позволяют создавать простейшие OLAP-средства. Например, Borland Delphi и Borland C++ Builder.
Отметим, что клиентские приложения применяются при малом числе измерений (не более шести) и небольшом разно- образии значений этих измерений.
Серверные OLAP-системы развили идею сохранения кэш с агрегатными данными.
Вних сохранение и изменение агрегатных данных, под- держка содержащего их хранилища осуществляется отдель- ным приложением (процессом), называемым OLAP-сервером. Клиентские приложения делают запросы к OLAP-серверу и получают требуемые агрегатные данные. Серверные OLAP- системы рассчитаны на любое количество измерений.
Применение OLAP-серверов сокращает трафик сети, время обслуживания запросов, сокращает требования к ресур- сам клиентских приложений.
Вмасштабе предприятия обычно используются OLAP-
серверы типа Oracle Express Server, MS SQL Server 2000 Analysis Services и др.
Серверные OLAP-системы на базе информационных хранилищ поддерживают все способы хранения данных.
Аналитическая система обеспечивает выдачу агрегатных данных по запросам клиентов. Сложность аналитических сис- тем вызвана реализацией сложных интеллектуальных запро- сов. Интеллектуальные запросы осуществляют поиск по ус- ловию или алгоритму вычисления ответа. Например, выбрать для выпуска изделия, приносящие максимальную прибыль. Само условие может доопределяться в ходе формирования
271
Информационные технологии
ответа, что усложняет алгоритм формирования ответа. Дан- ные для формирования ответа могут находиться в разных внутренних и внешнихбазах.
Существующий язык запросов SQL расширяется возмож- ностью построения интеллектуальных запросов. Пример такого запроса – сравнить данные о продажах в конкретные месяцы, но разные годы. Для таких запросов используются непроцедурные языки обращения к многомерным базам данных. Примером та- кого языка запросов является язык MDX (Multidimensional Expressions). Он позволяет формировать запрос и описывать алго- ритм вычислений. Язык SQL используется для извлечения дан- ных из локальных баз. Язык MDX служит для извлечения дан- ных из многомерныхбаз и информационных хранилищ.
Аналитические данные используются в системах под- держки принятия решений.
Самые современные аналитические системы основыва- ются на информационных хранилищах и обеспечивают весь спектр аналитической обработки. Доступ к информационным хранилищам реализован посредством транзакций и по интел- лектуальным запросам. По интеллектуальным запросам OLAP-системы информационное хранилище выдает анали- тические данные. По запросам, объединенным в транзакции других систем, информационное хранилище обеспечивает их обработку, выдачу ответов и отчетов, но не обеспечивает функцию анализа данных. Именно этим и отличаются OLTP-
системы (On-Line Transaction Processing) от OLAP-систем. Примером OLAP-систем является Brio Query Enterprise
корпорации Brio Technology. OLAP-средства включают в свои системы отечественные фирмы 1С, Парус и др.
Технологии Data Mining (добыча данных) разработаны для поиска и выявления в данных скрытых связей и взаимоза- висимостей с целью предоставления их руководителю в про- цессе принятия решений. Для этого используются статистиче- ские методы корреляции, оптимизации и методы, позволяю- щие находить эти зависимости и синтезировать дедуктивную
272
Информационные системыитехнологии интеллектуальнойподдержки управленческихрешений
(обобщающую) информацию. Технологии Data Mining обеспечивают:
поиск зависимых данных (реализацию интеллектуальных запросов);
выявление устойчивых бизнес-групп (выявление групп объектов, близких по заданным критериям);
ранжирование важности измерений при классификации объектов для проведения анализа (страна, город, район, поставщик);
прогнозирование бизнес-показателей (например, ожидае- мые продажи, спрос);
оценка влияния принимаемых решений на достижение ус- пеха предприятия;
поиск аномалий и т.д.
Технологии Data Mining позволяют наблюдать за теку- щей информацией с целью поиска отклонений, тенденций без вникания в смысл самих данных. Их используют, например, для оценки поведения покупателей, чтобы внести изменения в рекламную тактику, для корректировки выпуска продук- ции, изменения ценовой политики и т.д.
Интеллектуальные деловые технологии BIS (Business Intelligence Services) преобразуют информацию из внутренних и внешних баз в интеллектуальный капитал (аналитические данные) предприятия. Главной задачей систем интеллекту- ального выбора данных является поиск функциональных и логических закономерностей в накопленных данных для под- сказки обоснованных управленческих решений. Они основа- ны на применении технологий информационного хранили- ща и алгоритмов автоматизации деловых процессов (Workflow). Аналитические данные предоставляются руково- дству всех уровней и работникам аналитических служб орга- низации по запросам в удобном виде.
Для интеллектуального анализа текстовой информации
разработаны структурные аналитические технологии (САТ).
Они ориентированы на углубленную обработку неструктури- рованной информации. Реализуют уникальную способность
273
Информационные технологии
человека интерпретировать (толковать) содержание текстовой информации и устанавливать связи между фрагментами текста. САТ реализованы на базе гипертекстовой технологии, лингвис- тических процессоров, семантических сетей. Гипертекстовая технология используется для построения смысловых связей ме- жду фрагментами текста, лингвистические процессоры и семан- тические сети – для анализа смысловыхфрагментов.
Структурные аналитические технологии предназначены для решения разнообразных задач аналитического характера на основе структуризации предварительно отобранной тек- стовой информации. Являются инструментом создания ана- литических докладов, отчетов, статей, заметок для использо- вания в информационно-аналитических службах организа- ций, отраслей, государственного управления, СМИ и т.д.
8.9. Технологии поддержки принятия решений
До появления аналитических систем предпринимались попытки создания автоматизированных систем управления (АСУ) на основе анализа данных локальных баз предприятия. Однако реализованные функции значительно отличались от функций ведения бизнеса, так как данные, собранные в ло- кальных базах, не адекватны информации, которая нужна лицам, принимающим решения.
Отличие систем поддержки принятия решений (СППР) от автоматизированных систем управления заключается в следующем:
автоматизированные системы управления основаны на локальных базах данных. СППР – на информационных хранилищах, витринах данных;
автоматизированные системы управления используют только внутренние данные. СППР используют внутренние и внешние данные;
в автоматизированных системах управления использует- ся одна модель данных, чаще всего – реляционная. В
274
Информационные системыитехнологии интеллектуальнойподдержки управленческихрешений
СППР применяются разные модели данных: витрин, ре- ляционных и многомерных баз данных;
обе системыразличаютсяархитектурой храненияданных;
автоматизированные системы управления обслуживают запросы, СППРобеспечиваютинтеллектуальные запросы;
в отличие от автоматизированных систем управления, СППР обеспечивает интеллектуальную поддержку при- нятия решений.
АСУ состояли из подсистем. Часть подсистем в настоя- щее время реализуется корпоративными информационными системами.
Появление аналитических систем и технологий интел- лектуального выбора данных позволило создать интеллекту- альные системы поддержки принятия решений. Эти системы автоматически реализовали функции АРМ руководителей всех уровней и предоставили руководителям всех уровней ин- струмент, помогающий им принимать обоснованные реше- ния.
Системы поддержки принятия решений DSS (Decision Support System) на базе аналитических данных подсказывают или помогают выбрать руководящему персоналу обоснован- ное решение, приносящее успех предприятию. Они предна- значены для:
анализа аналитических данных для оценки сложившей- ся ситуации при выработке решения;
выявления ограничений на принимаемое решение, про- тиворечивых требований, формируемых внутренней и внешней средой;
генерации списка возможных решений (альтернатив);
оценки альтернатив с учетом ограничений и противоре- чивых требований для выбора решения;
анализа последствий принимаемого решения;
окончательного выбора решения. Специфика этих задач заключается в том, что:
решения надо принимать быстро, т.е. нет времени на долгий анализ данных;
275
Информационные технологии
решения принимаются по неполной, нечеткой, недосто- верной информации.
Эти неопределенности получили название «не фактор».
Азадачи, учитывающие их, относятся к классу слабо структу- рированных и неструктурированных задач, где невозможно без вмешательства человека дать четкие алгоритмы зависимо- стей между данными. В этих задачах количественные или ка- чественные зависимости показателей либо неизвестны, либо заранее не определены. В хорошо структурированных задачах можно найти алгоритм построения количественных или каче- ственных зависимостей, что упрощает их автоматизацию.
Решение слабо структурированных задач основано на использовании экономико-математических моделей, методов экспертных оценок, много проходного анализа данных. Для описания зависимостей между данными используются модели на основе таблиц решений, приближенных множеств, обу- чающих систем, правдоподобного вывода, когнитивные моде- ли, логико-лингвистические модели, эволюционные алгорит- мы, алгоритмы распознавания и др.
Пользователями систем поддержки принятия решений являются руководители высших уровней управления пред- приятием и менеджеры аналитических служб.
Отличие систем поддержки принятия решений от ана- литических систем заключается в следующем. Аналитические системы подготавливают аналитическую информацию. Руко- водитель может на ее основе принять решение. Системы под- держки принятия решений проводят дальнейший анализ аналитической информации для выработки подсказки, спи- ска решений или единственного обоснованного решения. Ана- литические данные могут содержать десятки тысяч подсказок, зависимостей, закономерностей – часто противоречивых. По- этому для выработки меньшего числа решений применяются сложные технологии, базирующиеся на алгоритмах интеллекту- альных систем, динамических моделей, методов правдоподоб- ного поиска решений, алгоритмах нелогичной логики, которая включает логику веры, умолчания и т.д. В СППР используются
276
Информационные системыитехнологии интеллектуальнойподдержки управленческихрешений
технологии информационных хранилищ, гипертекстовая технология, технологии когнитивной графики.
Алгоритм выработки решения заключается в следую- щем. На базе аналитических данных выбирается одна из мо- делей поиска решений. Если она (модель) не дает подсказки для выбора решения, то либо модифицируется данная мо- дель, либо выбирается другая. Такие действия продолжаются до тех пор, пока не будет предложен приемлемый список под- сказок для принятия решения. Заметим, что поиск решений ведется не только по внутренним данным идёт сравнение с данными, полученными из внешних источников.
Использование когнитивной графики позволяет как бы заменить эксперта – на полиэкране (многооконный экран) выводятся текстовые сообщения о состоянии исследуемой об- ласти, графики зависимостей, нечеткие шкалы, позволяющие определить, где возникла критическая ситуация. Цветом изо- бражается характер ситуации (желтый, красный, зеленый). Например, желтый цвет графика показывает, что заканчива- ются комплектующие изделия. Красный указывает, что по- ставщик задерживает поставку. Зеленый обозначает, что все в порядке. Руководитель сразу видит ситуацию, где надо при- нимать решение.
Для реализации функций СППР разработаны серверы DSS. В настоящее время эксплуатируются четыре варианта архитектур СППР:
функциональные СППР на основе внутренних локаль- ных баз данных (для переходного периода);
на базе независимых витрин данных, информация кото- рых не дублируется (в небольших организациях);
на базе двухуровневой структуры информационного хранилища;
на базе трехуровневой структуры информационного
хранилища.
Рассмотрим, как обеспечивается поддержка основных функций управления. Система управления предприятием
может быть разделена на управляющую и управляемую под- системы.
277
Информационные технологии
Управляющая подсистема занимается выработкой управляющих решений. Именно она и предназначена руко- водителям всех уровней. СППР как раз и обеспечивает выпол- нение ее функций. Управляющая подсистема работает с ана- литическими данными.
Управляемая подсистема является исполнителем реше- ний. К управляемым подсистемам относятся бухгалтерский учет, финансовый анализ, управление кадрами и другие под- системы КИС. Управляемая подсистема обслуживает испол- нителей заданий. Ранее эти функции выполняли АРМ ин- формационных сотрудников.
Важным показателем эффективности взаимодействия управляющей и управляемой подсистем является обратная связь. Обратная связь – это информация о результатах управленческого воздействия. Управляющая подсистема по- лучает ее от управляемой в виде разнообразных отчетов (бух- галтерских, финансовых, поставки, продажи). Такая инфор- мация помогает оценить полученные результаты и служит основой для выработки новых решений.
Заметим, что управляемая подсистема формирует отче- ты посредством транзакций к информационному хранилищу (технологии OLTP). Управляющая подсистема формирует решения на основе интеллектуальных запросов аналитиче- ской информации к информационным хранилищам (техно-
логии OLAP).
Технологии автоматизации деловых процессов (workflow) обеспечивают реализацию обратной связи, т.е. они обеспечивают взаимодействие управляющей и управляемых подсистем.
Большинство деловых процессов обладает следующими характеристиками:
деловой процесс (бизнес-процесс) состоит из конечного числа действий, выполняемых последовательно;
в деловой процесс вовлечены сотрудники с различной степенью ответственности;
278
Информационные системыитехнологии интеллектуальнойподдержки управленческихрешений
деловые процессы заключаются в изучении, создании, обработке, передаче информации в разных формах представления;
деловой процесс имеет цель, которая известна не всем сотрудникам.
Системы автоматизации деловых процессов поддержи-
вают реализацию всех основных функций управляющей под- системы: планирование, организация, активизация, коорди- нация и контроль.
Планирование выполняется для того, чтобы построить план действий, распределить задания между сотрудниками. Для его активизации руководство формулирует поручения и распоря- жения, призванные реализовать сформированный план. По- средством системы автоматизации деловых процессов руково- дящий персонал или секретарь оформляет распоряжения в виде заданий (работ) конкретным сотрудникам. Создается описание работы, включающее сроки начала, завершения и другие харак- теристики. Если для выполнения работы требуются другие электронные документы, они прикрепляются к описанию рабо- ты. Такжевзадание включаетсямаршрутдвижения.
Организация как функция управления, определяет спо- соб функционирования аппарата управления. Она описывает ряд внутренних структур (организационную, производствен- ную, иерархии взаимоотношений), вытекающих из сущности и содержания деловых процессов (бизнес-процессов). Эти структуры закладываются в модель делового процесса на эта- пе внедрения системы автоматизации деловых процессов, что позволяет системе АДП посредством графического редактора сформировать карты деловых процессов. Вспомним, что кар- ты деловых процессов содержат задания, их параметры, роли сотрудников, деловые операции, маршрут движения.
Модуль управления деловыми процессами системы АДП реализует функцию управления – активизация. Он передает инициированные задания исполнителям, согласно описан- ным характеристикам, соблюдая сроки исполнения работ, вид маршрутизации и другие параметры. Сотрудник, получив
279
Информационные технологии
задание, приступает к его выполнению (активизации). При этом он может сформировать новые работы, если ему даны такие полномочия. Тем самым может быть расширен круг ис- полнителей. Для уточнения заданий или оперативного согла- сования формулируются запросы, которые передаются по почте компетентным сотрудникам. Согласно маршруту дви- жения задания передаются другим сотрудникам. При необхо- димости к заданию могут добавляться новые электронные до- кументы двумя способами: автоматически генерируются сис- темой или вводятся сотрудником в экранную форму.
Одновременно система АДП меняет статус задания, сроки прохождения заданием очередного этапа, местонахождение за- дания и т.п. Именно эта информация позволяет руководящему персоналувыполнятьфункции координации иконтроля.
Координация означает, что для каждой работы должны быть обеспечены условия ее выполнения, то есть сотрудник должен иметь все для выполнения своих функций согласно бизнес-процессу. У него должны быть полномочия для досту- па к нужной информации и определены его действия.
Контроль означает проверку исполнения работы каждым сотрудником в срок, качественно, в полном объеме.
Информация от функций контроля и координации по- ступает в виде отчетов (обратная связь) в управляющую под- систему.
Система АДП передает информацию руководителю со- ответствующего уровня об исполнении (не исполнении), ус- ловиях исполнения задания в режиме реального времени, поддерживая оперативную обратную связь между исполни- телем и инициатором работ. Полученная информация слу- жит основой для выработки решений: по координации дело- вого процесса и по результатам контроля. Новые решения вновь оформляются в виде новых заданий, запускающих но- вую итерацию работы системы.
Своевременное информирование руководства о состоя- нии дел способствует надлежащей организации работ, совер- шенствует обратные информационные связи, укрепляет тру-
280