1. Просмотр базы данных н выяснение состоянии основных объектов – клиентов, договоров, лицевых счетов документов,операционных дней и т.Д.

2. Формирование запросов к базе данных и выяснение состояний группы объектов;

3. Формирование отчетов, как поставляемых разработчиками, так и создаваемыми дополнительно пользователями.

Инструменты оперативной аналитической обработки позволяют анализировать данные, полученные на основе продуктов формирования запросов.

Основные требования к современным аналитическим системам:

• обеспечение доступа к внешним гетерогенным источникам информации, в том числе удаленным;

• наличие средств автоматической загрузки внешней информации в целевую базу данных;

• поддержка механизмов автоматического управления бизнес– процессами, например, запуск в определенное время или по событиям заданных бизнес процедур, выполняющих актуализацию базы данных,пересчет агрегированных показателей, архивирование информации;

• гибкая структура базы данных, позволяющая динамически создавать «многомерные кубы» для интеллектуального анализа данных типа drill down и slice and dice;

• оптимизация модели данных по скорости исполнения произвольных запросов;

• хранение данных за большие интервалы времени;

• возможность оперативного архивирования и восстановления данных;

• наличие визуализации данных.

• открытость системы;

• поддержка управления правами пользователей по доступу к данным и функциям системы и наличие встроенных средств аудита.

Большая часть из приведенных функций заложена в продукт компании DiasoftMANAGEMENT , который относится к классу систем поддержки принятия решений и построен на основе технологии «информационных хранилищ». Технология информационных хранилищ – Data Warehousing, способна объединять в централизованной базе данных (хранилище) информацию из разнородных систем и предоставлять собранные данные приложениям конечных пользователей. Это относительно простые приложения типа генераторов отчетов или SQL–запросов и мощные приложения, основанные на современных методах интеллектуального анализа данных – проверках гипотез, построении деревьев решений, кластерном и статистическом анализе, нейронных сетях и пр.

На Западе подобные системы в финансовой сфере весьма популярны. Первый успешный опыт применения методов интеллектуального анализа данных на практике был накоплен при решении задач оптимального управления портфелями ценных бумаг.

Сегодня многие известные банки (Bank of America, Chase Manhattan и др.) располагают действующими аналитическими системами на основе информационных хранилищ, которые применяются для решения множества задач. К наиболее популярным можно отнести: оценку кредитных рисков, оценку страховых рисков, прогноз тенденций на финансовых рынках, выявление махинаций с кредитными карточками, построение профилей клиентов для новых услуг.

Невозможно построить систему поддержки принятия управленческих решений, не опираясь на технологические и учетные системы, которые формализуют все потоки данных и объекты данной предметной области.

Банк должен реагировать на условия внешней среды, предлагая клиенту новые услуги и модифицируя старые. В сочетании с необходимостью экспресс–анализа доходности продуктов на различных рынках необходимо описание банковского продукта средствами внутреннего инструмента системы на основе объектно- ориентированного подхода к проектированию всей системы.

Программные продукты статистического анализа данных. При проведении анализа и оптимизации бизнеса в практической и исследовательской работе широко применяются пакеты статистического анализа. Реализуют основные разделы математической статистики: дисперсионный анализ, факторный анализ, регрессионный анализ, кластерный анализ, дискриминантный анализ, последовательный анализ.

К ППС обычно относят: интегрированные и специализированные методо–ориентированные пакеты, проблемно– (или предметно–) ориентированные пакеты. Методо–ориентированные пакеты строятся по модульному принципу в виде отдельных библиотек. Библиотека, в свою очередь, состоит из обрабатывающих модулей или их групп, реализующих состоит из обрабатывающих модулей или их групп, реализующих определенные математическо- статистические функции.