- •Вопрос 1. Основные возможности современных бухгалтерских пакетов
- •Вопрос 2. Понятие коробочного программного продукта
- •Вопрос 3. Картотеки и справочники в бухгалтерских системах
- •Вопрос 4. Понятие и функции технологии «Банк-Клиент»
- •Вопрос 5. Понятие и виды документооборота
- •Вопрос 6. Понятие и необходимость применения электронной подписи.
- •Вопрос 7. Сходства и различия стандартов mrp, mrpii и erp
- •Вопрос 8. Понятие и функции wms-систем
- •Вопрос 9. Требования, предъявляемые к логистическим ис
- •Вопрос 10. Сущность технологии DataMining
- •Вопрос 11. Отличительные особенности человеческих ресурсов от прочих факторов производства
- •Вопрос 12. Варианты автоматизации работы hr-отделов
- •Вопрос 13. Регламент обмена электронным документами между налогоплательщиком и налоговым органом
- •Вопрос 14. Понятие и основные возможности crm-систем
- •Вопрос 15. Электронное правительство согласно государственной программе «Информационное общество 2011-2020».
- •Вопрос 16. Облачные вычисления.
- •Вопрос 17. Понятие и способы оценки экономической эффективности применения ит
- •Вопрос 18. Устройства хранения информации
- •Вопрос 19. Социальные сети.
- •Вопрос 20. Мультимедийные технологии
- •Вопрос 21. Концепция ibm 5-in-5.
- •Ibm Five in Five –инновации, изменяющие жизнь
Вопрос 9. Требования, предъявляемые к логистическим ис
Требования, предъявляемые к формированию логистических систем:
1интеграция звеньев цепи поставок в единую систему, обеспечивающую эффективное сквозное управление материальными и информационными потоками;
2интеграция систем контроля над движением и использованием номенклатуры сырья, материалов и другой продукции, поступающей в производство, а также готовой продукции, доставляемой потребителю;
3обеспечение эффективного взаимодействия и согласованности построения и функционирования элементов логистической системы;
4согласованность с действующими процессами и системами управления предприятием;
5функционирование в соответствии с принципом Парето, призванным помочь сотрудникам подразделений предприятия выявить важные задачи и возможности. Иными словами, логистическая система должна включать элементы, помогающие решать действительно важные и приоритетные задачи (т. е. такие, для которых выделяют ресурсы);
6равное внимание методам, объектам, субъектам и самому предмету исследования;
7упорядоченность и ясность (что не исключает ценности интуиции), совместимость со стилем управления, принятым на предприятии, направленность на действия.
В зависимости от вида бизнеса, масштаба и других факторов логистические системы того или иного предприятия могут отличаться друг от друга. Следовательно, одной из задач является уточнение моделей логистических систем, критериев разработки и оценки логистических систем предприятий различных отраслей. Поскольку в логистических системах предприятий можно выделить подсистемы закупок, хранения и распределения, следующей задачей является уточнение (разработка на более низком уровне) моделей и критериев для этих подсистем.
Вопрос 10. Сущность технологии DataMining
Не следует путать с Извлечение информации.
Data Mining (рус. добыча данных, интеллектуальный анализ данных, глубинный анализ данных) — собирательное название, используемое для обозначения совокупности методов обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Термин введён Григорием Пятецким-Шапиро в 1989 году
Английское словосочетание «Data Mining» пока не имеет устоявшегося перевода на русский язык. При передаче на русском языке используются следующие словосочетания: просев информации, добыча данных, извлечение данных, а, также, интеллектуальный анализ данных. Более полным и точным является словосочетание «обнаружение знаний в базах данных» (knowledge discovering in databases, KDD).
Основу методов Data Mining составляют всевозможные методы классификации, моделирования и прогнозирования, основанные на применении деревьев решений, искусственных нейронных сетей, генетических алгоритмов, эволюционного программирования, ассоциативной памяти, нечёткой логики. К методам Data Mining нередко относят статистические методы (дескриптивный анализ, корреляционный и регрессионный анализ, факторный анализ, дисперсионный анализ, компонентный анализ, дискриминантный анализ, анализ временных рядов). Такие методы, однако, предполагают некоторые априорные представления об анализируемых данных, что несколько расходится с целями Data Mining (обнаружение ранее неизвестных нетривиальных и практически полезных знаний).
Одно из важнейших назначений методов Data Mining состоит в наглядном представлении результатов вычислений, что позволяет использовать инструментарий Data Mining людьми, не имеющих специальной математической подготовки. В то же время, применение статистических методов анализа данных требует хорошего владения теорией вероятностей и математической статистикой.