21. Системы поддержки принятия решений, эволюция, архитектура, основные элементы аналитической системы (хранилище данных, olap, DataMining).

Система поддержки принятия решений (СППР) – диалоговая информационная система, использующая правила принятия решений и соответствующие модели с базами данных, а также интерактивный компьютерный процесс моделирования, поддерживающий принятие самостоятельных и неструктурированных решений отдельными менеджерами и личным опытом лица, принимающего решения, для получения конкретных, реализуемых решений проблем , не поддающихся решению обычными методами.

Рисунок 1. Эволюция СППР. Рисунок 2. Структура СППР.

Архитектура СППР базируется на 4-уровневой модели:

• Источники данных;

• Хранилище данных (витрины данных);

• Аналитическая система: (сервис отчетности, OLAP- сервис, ИАД…);

• АРМ клиента (EIS, DSS).

Функции СППР

• Помогают произвести оценку обстановки (ситуаций), осуществить выбор критериев и оценить их относительную важность.

• Генерируют возможные решения (сценарии действий).

• Осуществляют оценку сценариев (действий, решений) и выбирают лучший.

• Обеспечивают постоянный обмен информацией об обстановке принимаемых решений и помогают согласовать групповые решения.

• Моделируют принимаемые решения (в тех случаях, когда это возможно).

• Осуществляют динамический компьютерный анализ возможных последствий принимаемых решений.

• Производят сбор данных о результатах реализации принятых решений и осуществляют оценку результатов.

EIS - Информационные системы руководства предприятия.

Статические - включают предопределенный набор сценариев обработки данных и составления отчетов. Представляют собой конечные наборы отчетов

Оперативные – предназначены для немедленного реагирования на текущую ситуацию.

DSS – Системы поддержки принятия решений.

Динамические - поддерживающие построение и выполнение нерегламентированных, неожиданных (ad hoc) запросов аналитиков к данным и формирование отчетов произвольной формы.

Хранилища данных – это предметно-ориентированные, интегрированные, неизменчивые, поддерживающие хронологию наборы данных, организованные с целью поддержки управления, призванные выступать в роли «единого и единственного источника истины», обеспечивающего менеджеров и аналитиков достоверной информацией, необходимой для оперативного анализа и поддержки принятия решений.Хранилища данных представляют собой специализированные базы данных, предназначенные для хранения данных, которые редко меняются, но на основе которых часто требуется выполнение сложных запросов. Обычно они ориентированы на выполнение аналитических запросов, которые обеспечивают поддержку принятия решений для руководителей и менеджеров.

Основной принцип действия хранилища данных: Единожды занесенные в ХД данные затем многократно извлекаются из него и используются для анализа.

OLAP (Online Analytical Processing) - процесс оперативного анализа - это класс программного обеспечения, предоставляющий пользователю возможность мгновенно, в режиме реального времени получать ответы на произвольные аналитические запросы. К классу OLAP относят только те программы, которые в качестве внешнего интерфейса предоставляют пользователю многомерную управляемую таблицу. Неотъемлемой частью OLAP-анализа является графическое отображение данных.

Data Mining

• Data Base Mining (добычаданных)

• Knowledge Discovery (обнаружение знаний)

• Intelligent Analysis Data (разведывательный анализ данных)

Решаемые классы задач

• Аналитические – вычисление заданных показателей и статистических характеристик деятельности на основе ретроспективной информации из баз данных.

• Визуализация данных – наглядное графическое и табличное представление имеющейся информации.

• Добыча знаний – определение взаимосвязей и взаимозависимостей бизнес-процессов на основе существующей информации.

• Имитационные – проведение на ЭВМ экспериментов с математическими моделями, описывающими поведение сложных систем в течение заданного или формируемого интервала времени.

• Синтез управления – используется для определения допустимых управляющих воздействий, обеспечивающих достижение заданной цели.

• Оптимизационные – основаны на интеграции имитационных, управленческих, оптимизационных и статических методов моделирования и прогнозирования.

ИАД (Data Mining) – это процесс поддержки принятия решений, основанный на поиске в данных скрытых закономерностей (шаблонов информации).При этом накопленные сведения автоматически обобщаются до информации, которая может быть охарактеризована как знания.

Процесс ИАД состоит из трех стадий:

• Выявление закономерностей (свободный поиск).

• Прогнозирование – использование выявленных закономерностей для предсказания неизвестных значений.

• Анализ исключений – выявление и толкование аномалий в найденных закономерностях.

• Типы закономерностей (5)

Ассоциация имеет место в том случае, если несколько событий связаны друг с другом.

Если существует цепочка связанных во времени событий, то говорят о последовательности.

С помощью классификации выделяются признаки, характеризующие группу, к которой принадлежит тот или иной объект. Это делается посредством анализа уже классифицированных объектов и формулирования некоторого набора правил.

Кластеризация отличается от классификации тем, что сами группы заранее не заданы. С помощью кластеризации средства Data Mining самостоятельно выделяют различные однородные группы данных.

Основой для всевозможных систем прогнозирования служит историческая информация, хранящаяся в БД в виде временных рядов. Если удается построить шаблоны, адекватно отражающие динамику поведения целевых показателей, есть вероятность, что с их помощью можно предсказать и поведение системы в будущем.

Классы систем Data Mining.

• Предметно-ориентированные аналитические системы.

• Статистические пакеты.

• Нейронные сети.

• Системы рассуждений на основе аналогичных случаев.

• Деревья решений.

• Эволюционное программирование.

• Генетические алгоритмы.

• Алгоритмы ограниченного перебора.

• Системы для визуализации многомерных данных.