- •Электронная документация (безбумажная технология).
- •Электронный документооборот.
- •15. Функциональные требования к системам автоматизации делопроизводства.
- •16. Потребительские свойства системы электронного документооборота.
- •1 Открытость
- •9 Поддержка различных клиентских программ
- •17. Функциональные требования к системам автоматизации делопроизводства.
- •18. Технологии WorkFlow.
- •19. Электронная цифровая подпись.
- •20. Платежные системы в электронной коммерции.
- •21. Классификация ис по уровням управления на предприятии: транзакционные и аналитические системы.
- •22. Свойства транзакций, механизм обработки транзакций.
- •23. Обеспечение надежности хранения данных в oltp системах.
- •24. Системы управления эффективностью бизнеса (врм системы).
- •Понятие и классификация корпоративных информационных систем.
- •Характеристика основных международных стандартов (мст) управления предприятием: mps, mrp, crp, mrp II, erp, scm, crm, csrp, mes, eam, jit, erp II, Collaborative erp.
- •Мировой и российский рынок кис: ведущие поставщики, распределение по вендорам, объемы внедрений.
- •Тенденции развития рынка кис.
- •Модели данных современных субд.
- •Понятие и основные характеристики хранилищ данных.
- •Построение виртуальных источников данных.
- •Понятие сппр, основные функции.
- •Характеристики систем поддержки принятия решений.
- •Классификация и структура сппр.
- •Eis и dss системы.
- •Типы задач, решаемые сппр.
- •Современный рынок решений класса сппр.
- •Технологии оперативной обработки данных olap.
- •Системы интеллектуального анализа данных Data Mining.
- •41. Виды компьютерных сетей и особенности информационных технологий на их основе.
- •Классификация сетевых технологий.
- •Локальные вычислительные сети.
- •Характеристика беспроводных и кабельных сетевых технологий.
- •Возможности сети internet.
- •Адресация и протоколы internet.
- •Особенности работы с различными службами internet.
- •Гипертекстовые технологии.
- •Поиск информации в www.
- •Необходимость защиты информации.
- •Наиболее распространенные угрозы безопасности экономических информационных систем.
- •Методы и средства защиты информации в экономических информационных системах.
- •Направления защиты информации.
Системы интеллектуального анализа данных Data Mining.
Интеллектуальный анализ данных - это процесс поддержки принятия решений, основанный на поиске в данных скрытых закономерностей. При этом накопленные сведения автоматически обобщаются до информации, которая может быть охарактеризована как знания.
В общем случае процесс интеллектуального анализа данных состоит из трех стадий:
1. Выявление закономерностей -> 2.использование выявленных закономерностей для предсказания неизвестных значений (прогностическое моделирование) -> 3. анализ исключений, предназначенный для выявления и толкования аномалий в найденных закономерностях.
Пример. Рыночная сегментация - идентифицирует общие характеристики клиентов, которые покупают одинаковые изделия у вашей компании; Прямой маркетинг - идентифицирует, какие проспекты должны быть включены в список рассылки, чтобы получить самую высокую эффективность; Характеристики клиентов - предсказывает, какие клиенты, вероятно, могут оставить вашу компанию и уйти к конкуренту.
Компьютерными технологиями, образующими Data Mining являются:
Статистические пакеты. Основная оперативная аналитическая обработка данных. Например, пакет STATISTICA.
Нейронные сети и их вариации. Сеть взаимосвязанных элементов, которые являются математической моделью нейронов головного мозга. Используются для определения априорно неизвестных сложных функциональных зависимостей на основании статистических данных. Отличительная особенность - возможность обучения. Например, Эврика+.
Экспертные системы. Позволяют на основании опыта экспертов моделировать процесс принятия решений и выдавать эффективный результат. Например, Acquire.
Байесовы (вероятностные) сети. Моделируют вероятностные причинно-следственные связи. Позволяют рассчитывать вероятность наступления того или иного события при известной априорной вероятности причин.
Методы эвристической самоорганизации. Позволяют моделировать сложные нелинейные процессы и системы при отсутствии априорных знаний о структуре системы.
Теория игр. Применяются в условиях неопределенностей, риска и конфликтов интересов. Задача состоит в определении оптимальной стратегии для каждого из игроков.
Теория хаоса. Применяется где раньше систему считали случайной, и не имеющей каких-либо закономерностей. Позволяет качественно изучать нестабильное апериодическое поведение в нелинейных динамических системах, например, в экономических процессах.
Многозначные логики. Нечеткая логика. Логика антонимов. Позволяет оперировать с нечеткой, неточной, "размытой" информацией. Дает возможность использования качественных, а не количественных характеристик, что позволяет манипулировать лингвистическими понятиями "плохо"-"средне"-"хорошо".
Эволюционные алгоритмы. Адаптивные методы поиска, используемые для решения задач функциональной оптимизации. Основаны на эволюционном принципе "выживает сильнейший". Такой подход является динамическим и позволяет довольно быстро находить оптимальные, с определенной точки зрения, решения. Примером такой системы является PolyAnalyst.
Деревья решений и алгоритмы классификации (decision trees). Создается иерархическая структура классифицирующих правил типа "ЕСЛИ..., ТО...", имеющая вид дерева.
Системы рассуждений на основе аналогичных случаев. Основаны на обнаружении некоторых аналогий в прошлом, наиболее близких к текущей ситуации, с тем, чтобы оценить неизвестное значение или предсказать возможные результаты. Например, КОРА.
Ассоциативные правила. Алгоритмы ограниченного перебора. Выявляют причинно-следственные связи и определяют вероятности или коэффициенты достоверности, позволяя делать соответствующие выводы. (Пример, WizWhy).
Кластерный анализ. Подразделяет гетерогенные данные на гомогенные или полугомогенные группы. Метод позволяет классифицировать наблюдения по ряду общих признаков. Кластеризация расширяет возможности прогнозирования.
Иммунные сети. Основаны на принципах функционирования иммунной системы. Используются в задачах распознавания образов, информационной безопасности, прогнозировании временных рядов и др.
Роевой интеллект. Данный подход основан на коллективном интеллекте, представляющим собой мощную интеллектуальную распределенную систему. Наиболее активными сферами применения являются социальное моделирование, экономическое прогнозирование, маркетинговые исследования.
Методы экспертных оценок.. Использование знаний и опыта экспертов - методы получения, формализации и интеграции экспертных знаний.
Среди западных систем класса Data Mining наиболее известно решение Microsoft Data Mining. Наиболее известная российская система класса Data Mining - Poly Analyst.