- •1. Ассоциации как основа работы человеческого мозга
- •2. . Существующие теории обработки информации
- •Конспект – это письменный текст, в котором кратко и последовательно изложена информация
- •Резюме - краткий итог прочитанного, содержащий его оценку (это минимум текста и максимум информации).
- •Реферат
- •Эффективная обработка информации (mind mapping).
- •Типичные ошибки в "ментальных картах":
- •Целевая аудитория mind meppinga.
- •5. Методы и принципы управления в системах.
- •6. Процессное управление.
- •Вопрос № 7 Механизмы разрушения систем.
- •Вопрос № 8. Информация и управление.
- •9. Информация и её свойства.
- •10. Общая характеристика информационных потоков.
- •11. Параметры информационных потоков.
- •12. Информационные потребности субъектов и объектов управления.
- •13. Методические основы создания информационных систем и технологий в управлении организацией.
- •14. Информационное обеспечение управления организацией.
- •15. Информационные технологии управления персоналом.
- •16. Информационные системы управления персоналом.
- •Офис как элемент системы управления бизнес-процессами.
- •Автоматизация офиса.
- •19. Модели данных и структура бд
- •Иерархическая мд (имд)
- •Реляционная модель данных и операции над отношениями
- •21. Базы знаний.
- •22. Технология Data Mining.
- •Методы исследования данных в Data Mining.
- •23.Основы теории электронных презентаций.
- •Алгоритм создания презентации.
- •24.Понятие о базах и банках данных.
- •25 Вопрос. Основы olap
- •26. Эволюция межорганизационных информационных систем.
- •Модели взаимодействий между участниками мос.
- •29. Обеспечение безопасности бизнеса
- •30. Формирование информационного партнерства
- •Виды телекоммуникаций.
- •Локальные вычислительные сети.
- •Сети с выделенным сервером (файл-сервером).
- •Разделение прикладных программ и баз данных.
- •Одновременный ввод данных в прикладные программы.
- •33. Глобальные вычислительные сети. Всемирная информационная сеть интернет.
- •Вопрос №34 Несанкционированный доступ как основная угроза компьютерным сетям.
- •Подключение к линиям связи и внедрение в компьютерную систему с использованием промежутков времени между действиями законного пользователя.
- •35. Политика безопасности. Механизмы поддержки политики безопасности.
22. Технология Data Mining.
Data Mining (DM – технология) – это технология интеллектуального анализа данных путем выявления скрытых взаимосвязей внутри больших баз данных.
DM есть процесс обнаружения различного рода полезных знаний о бизнесе.
Приложения DM применяются довольно широко в: розничной торговле, маркетинге, финансах, здравоохранении, промышленном производстве и других областях.
Корпоративная база данных любого современного предприятия – это весьма большая система, которая содержит набор таблиц, хранящих записи о тех или иных фактах либо объектах (например, о товарах, их продажах, клиентах, счетах). Как правило, каждая запись в подобной таблице описывает какой-то конкретный объект или факт. Например, запись в таблице продаж отражает тот факт, что такой-то товар продан такому-то клиенту тогда-то таким-то менеджером, и по большому счету ничего, кроме этих сведений, не содержит. Однако совокупность большого количества таких записей, накопленных за несколько лет, может стать источником дополнительной, гораздо более ценной информации, которую нельзя получить на основе одной конкретной записи, а именно — сведений о закономерностях, тенденциях или взаимозависимостях между какими-либо данными. Примерами подобной информации являются сведения о том, как зависят продажи определенного товара от дня недели, времени суток или времени года, какие категории покупателей чаще всего приобретают тот или иной товар, какая часть покупателей одного конкретного товара приобретает другой конкретный товар, какая категория клиентов чаще всего вовремя не отдает предоставленный кредит.
Подобного рода информация обычно используется при прогнозировании, стратегическом планировании, анализе рисков, и ценность ее для предприятия очень высока. Видимо, поэтому процесс ее поиска и получил название Data Mining (mining по-английски означает «добыча полезных ископаемых», а поиск закономерностей в огромном наборе фактических данных действительно сродни этому). Термин Data Mining обозначает не столько конкретную технологию, сколько сам процесс поиска корреляций, тенденций, взаимосвязей и закономерностей посредством различных математических и статистических алгоритмов: кластеризации, создания субвыборок, регрессионного и корреляционного анализа. Цель этого поиска — представить данные в виде, четко отражающем бизнес-процессы, а также построить модель, при помощи которой можно прогнозировать процессы, критичные для планирования бизнеса (например, динамику спроса на те или иные товары или услуги либо зависимость их приобретения от каких-то характеристик потребителя).
В настоящее время выделяют пять стандартных типов закономерностей, выявляемых методами DM:
- ассоциация — высокая вероятность связи событий друг с другом (например, один товар часто приобретается вместе с другим);
- последовательность — высокая вероятность цепочки связанных во времени событий (например, в течение определенного срока после приобретения одного товара будет с высокой степенью вероятности приобретен другой); - классификация — имеются признаки, характеризующие группу, к которой принадлежит то или иное событие или объект (обычно при этом на основании анализа уже классифицированных событий формулируются некие правила);
- кластеризация — закономерность, сходная с классификацией и отличающаяся от нее тем, что сами группы при этом не заданы — они выявляются автоматически в процессе обработки данных;
- временные закономерности — наличие шаблонов в динамике поведения тех или иных данных (типичный пример — сезонные колебания спроса на те или иные товары либо услуги), используемых для прогнозирования.