Системы поддержки принятия решений и программные средства для их построения

Организационно-экономическое управление, представляет собой дискретный процесс целена­правленного воздействия на объект. Такое воздействие возмож­но, если известны правила принятия решения и информация, на основании которых оно принимается. Очевидно, что от этих двух условий во многом зависит качество управления. Таким образом, система, предназначенная для поддержки принятия решений, должна обладать по крайней мере двумя свойствами: 1) как можно полнее аккумулировать в себе знания и опыт в данной сфере принятия решений; 2) уметь генерировать про­стые и эффективные прототипы этих решений.

Взаимосвязь «цель-решение» не является однозначной вследствие существования множества путей достижения одной и той же цели.

Практически в каждой системе управления бюджетом любого уровня - от федеральных структур до региональных и руководства отдельных финансовых органов, есть люди, которые анализируют информацию и готовят решения. Насколько хорошо они это делают зависит, прежде всего, от их творческих способностей и профессиональной подготовки, но в немалой степени это зависит и от того, насколько хорошо они вооружены современными информационными технологиями. Когда аналитический материал требуется подготовить в условиях отчаянной нехватки времени, то без потери качества анализа не обойдется даже высококлассный профессионал, а часто требуемый материал просто не удается подготовить, и решение принимается только на основе опыта руководителя. Эффективность труда аналитика напрямую зависит от качества инструментария, которым он располагает.

Эффективное управление сложной бюджетной системой на всех уровнях (федеральном, субъектов Федерации, местное самоуправление) сегодня немыслимо без применения передовых информационных технологий - систем поддержки принятия решений (СППР).

СППР - это совокупность интеллектуальных информационных приложений и инструментальных средств, которые используются для манипулирования данными, их анализа и предоставления результатов такого анализа конечному пользователю. Современная СППР позволяет предсказывать степень влияния принятых решений в области бюджетной и налоговой политики на дальнейшее развитие бюджетного процесса.

СППР относятся к одному из направлений, разрабатываемых в рамках искусственного интеллекта. Являясь результатом воплощения тех или иных господствующих в разное время на природу интеллекта взглядов, СППР прошли в своем развитии несколько этапов.

Развитие методов (принципов) представления знаний позволяют классифицировать известные сегодня информационные технологии, реали­зующие СППР, по способу отражения знаний на два класса:

1) СППР, воспроизводящие осознанные мыслительные процессы человека;

2) СППР, воспроизводящие неосознанные мыслительные процессы человека.

На рис. 1 показано, что СППР первого класса экономической направленности делятся на три подкласса:

1. Расчетно-диагностические системы.

2. Экспертные системы приближенных рассуждений.

3. Системы поддержки исполнения решений.

Рис.1 Классификация СППР по видам воспроизводимых знаний человеком.

Первый подкласс «Расчетно-диагностические системы» можно назвать мониторинговыми, ибо цель их создания заклю­чается в наблюдении за состоянием каких-либо объектов или процессов, своевременной сигнализации о появлении негатив­ных явлений, оценке последних и выдаче рекомендаций для их ликвидации.

Наибольшего развития эти системы достигли в мониторинге окружающей среды и в технике. В задачу первых входит отсле­живание отклонений в параметрах окружающей среды, а вторых — контроль за состоянием технических систем, а также поиск быстрого решения в случае отклонения характеристик от нормы. Сюда можно отнести информационные системы, сопровождаю­щие непрерывное производство, работу электростанций или контролирующие транспортные средства. Менее развитым явля­ется мониторинг социальной сферы, призванный прогнозиро­вать общественные явления и последствия принятия тех или иных социально значимых решений.

В экономической сфере дела обстоят значительно хуже, ибо до недавнего времени не было объективной потребности в по­добного рода системах. Такие понятия, как инфляция, дисконт, биржевой курс, эмиссия и прочие, практически отсутствовали в качестве показателей, используемых для управления предпри­ятием. Конкуренции не существовало, а потому только сравни­тельно недавно пришло осознание потребности в средствах, способных помочь в принятии решений в мире рыночных отношений. Например, стали полезными системы, могущие вовремя предупредить о произошедших изменениях в динамике биржевых и просчитать возможные последствия таких изменений в ближайшем и отдаленном будущем. Так возник экономический мониторинг, цель которого состоит в постоянном наблюдении за процессом функционирования экономического объекта, виыявлении тенденций поведения, обусловленных изменением макроэкономической политики.

На рис. 2 представлена общая классификация мониторинговых информационных систем, причем классификационное дерево заполнено лишь для экономического мониторинга. Ме­тодология экономического мониторинга рассматривает следующие классы систем:

1) Производственный мониторинг, предназначенный дли выявления отклонений в финансовой (бухгалтерской) докумен­тации предприятия и товарно-фондовых биржах.

2) Институциональный мониторинг, предназначенный для выявления реакции предприятия на изменения законодательства и действия властных структур.

Если в мировой практике мониторинг товарно-фондовых бирж уже достаточно освоен, то финансовый мониторинг пока еще остается неразвитым. Цель мониторинга в данном случае состоит в выяснении ситуации, в которой находится предприятие и отыскании наиболее привлекательного решения по улучшению его финансово-хозяйственного состояния.

Второй подкласс «Экспертные системы приближенных рассуждений» предназначены не для поиска путей достижения главной цели, а оценки гипотез появления тех или иных событий.

В результате анализа средств построения систем поддержки принятия решений (СППР), можно выделить наиболее перспективные и развивающиеся технологии (рис. 3):

1) технология хранилища данных (Data Warehouse).

2) технология оперативной аналитической обработки (OLAP),

3) технология интеллектуальной обработки данных (Data Mining)

4) Системы поддержки исполнения решений (EPSS)

5) Мультиагентные системы (МА)

Хранилище данных – это предметно-ориентированный, интегрированный, неизменяемый и поддерживающий хронологию набор данных, специфическим образом организованный для целей поддержки принятия решений.

Рис. 2. Классификация мониторинговых информационных систем

Рис. 3. Технологии обработки данных для построения СППР.

Технология оперативной аналитической обработки – специфическая технология работы с базой данной, обеспечивающая получение немедленного ответа на поставленный вопрос в режиме ON-Line.

Интеллектуальная обработка данных – управляемый данными процесс извлечения зависимостей из разнородных баз данных.

Системы поддержки исполнения решений – технологии обеспечивающие поиск нужного решения и внедрение его в практику управления.

Мультиагентные системы – являются объединением объектно-ориентированной технологии и методов искусственного интеллекта. Применяются при создании распределенных систем.

Перечисленные три первых технологии не являются взаимонезависимыми и, как правило, используются совместно, дополняя друг друга специфическими свойственными каждой из них функциями.

Хранилище данных

Как правило, типичная организация имеет множество различных систем оперативной обработки с перекрывающимися, а иногда и противоречивыми определениями данных, например с разными типами, выбранными для представления одних и тех же данных. Основной задачей организации является преобразование накопленных архивов данных в источник новых знаний, причем таким образом, чтобы пользователю было предоставлено единое интегрированное и консолидированное представление о данных организации. Концепция хранилища данных была задумана как технология, способная удовлетворить требования систем поддержки принятия решений и базирующаяся информации, поступающей из нескольких различных источников оперативных данных.

Характеристики данных, указанные в определении хранилища, понимаются следующим образом:

Предметная ориентированность. Хранилище данных организовано вокруг основных предметов (или субъектов) организации (например, клиенты, товары и продажи), а не вокруг прикладных областей деятельности (выписка счета клиенту, контроль товарных запасов и продажа товаров). Это свойство отражает необходимость хранения данных, предназначенных для принятия решений, а не обычных оперативно-прикладных данных.

Интегрированность. Смысл этой характеристики состоит в том, что оперативно-прикладные данные обычно поступают из разных источников, часто имеют несогласованное представление одних и тех же данных, например используют разный формат. Для предоставления пользователям обобщенного представления данных необходимо создать интегрированный источник, обеспечивающий согласованность хранимой информации.

Привязка ко времени. Данные в хранилище точны и корректны только в том случае, когда они привязаны к некоторому моменту или промежутку времени.. Привязанность хранилища данных ко времени следует из большой протяженности того периода, за который была накоплена сохраняемая в нем информация, из явной или неявной связи временных отметок со всеми сохраняемыми дан­ными, а также из того факта, что хранимая информация фактически пред­ставляет собой набор моментальных снимков состояния данных.

Неизменяемость. Это означает, что данные не обновляются в оперативном режиме, а лишь регулярно пополняются за счет информации из оператив­ных систем обработки. При этом новые данные никогда не заменяют прежние, а лишь дополняютих. Таким образом, база данных хранилища постоянно пополняется новыми данными, последовательно интегрируемы­ми с уже накопленной информацией.

Конечной целью создания хранилища данных является интеграция корпоративных данных в едином репозитории, обращаясь к ко­торому пользователи смогут составлять запросы, генерировать отчеты и выполнять анализ данных. Хранилище данных является рабочей средой для систем поддержки принятия решений, которая извлекает данные, хранимые в различных оперативных источниках, организует их и передает лицам, ответственным за принятие решений в данной организации. Подводя итог, можно сказать, что технология хранилищ дан­ных — это технология управления данными и их анализа.

При успешной реализации хранилища данных в организации могут быть достигнуты следующие преимущества:

· Потенциально высокая отдача от инвестиций

· Повышение конкурентоспособности.

· Повышение эффективности труда лиц, ответственных за принятие решений.

Проблемы, возникающие при разработке и сопровождении хранилищ данных:

Недооценка ресурсов, необходимых для загрузки данных. Многие разработчики склонны недооценивать время, необходимое для извлечения, очистки и загрузки данных в хранилище. На выполнение этого процесса может потребоваться по данным источников до 80% общего времени разработки, хотя эту долю можно существенно сократить при использовании более совершенных инструментов очистки и сопровождения данных.

Скрытые проблемы источников данных. Скрытые проблемы, связанные с источниками данных, поставляющими информа­цию в хранилище, могут быть обнаружены только спустя несколько лет после начала их эксплуатации. При этом разработчику придется принять решение об устранении возникших проблем в хранилище данных и/или в источниках данных.

Например, при вводе данных о новом объекте недвижимости некоторые поля могут остаться незапол­ненными (NULL) в результате того, что сотрудник в свое время ввел в базу данных не­полные сведения об этом объекте, невзирая на то, что они имелись в наличии.

Отсутствие требуемых данных в имеющихся архивах. В хранилищах данных часто возникает потребность получить некоторые сведе­ния, которые не учитывались в оперативных системах, служащих источниками дан­ных. В таком случае организация должна решить, стоит ей модифицировать существующие OLTP-системы или же лучше создать новую систему по сбору недостающих данных.

Гомогенизация данных. Создание крупномасштабного хранилища данных может быть связано с решением серьезной задачи гомогенизации данных, что в итоге способно уменьшить ценность соб­ранной информации.

Например, при создании консолидированного и интегрированного представления данных организации разработчик хранилища данных может поддаться искушению подчеркнуть сходство, а не различие между данными, которые используются в таких разных прикладных областях, как продажа и аренда объектов недвижимости.

Высокие требования к ресурсам. Для хранилища данных может потребоваться огромный объем дисковой памяти. Для многих реляционных систем поддержки принятия решений используются специальные структуры данных (будут рассмотрены ниже), которые приводят к созданию очень больших таблиц с фактическими данными (или таблиц фактов). При наличии множества размерностей фактических данных для хранения таблиц фактов вместе с итоговыми данными и индексами может потребоваться го­раздо больше места, чем для хранения исходных необработанных данных.

Владение данными. Создание хранилища данных может потребовать изменить статус конечных пользова­телей в отношении прав владения данными. Наиболее критичные данные, которые ранее были доступны для просмотра и использования только отдельным подразделениями орга­низации, занятым в определенных бизнес-сферах, теперь потребуется сделать доступными и другим сотрудникам организации.

Сложное сопровождение. Хранилища данных обычно характеризуются сложностью сопровождения, по­скольку любая реорганизация бизнес-процессов или источников данных может по­влиять на происходящие в них процессы. Для того чтобы хранилище данных всегда оставалось Ценным ресурсом, необходимо, чтобы оно постоянно полностью соответст­вовало организации, работу которой оно поддерживает.

Долговременный характер проектов. Хранилище данных представляет собой единый информационный ресурс органи­зации. Однако для его создания может потребоваться несколько лет (бывает до 2-3), а потому многие организации строят также свои собственные магазины данных (будут рассмотрены ниже). Магази­ны данных (data marts) предназначены для поддержки работы только какого-то од­ного подразделения организации или одной ее прикладной области, а потому создать их можно гораздо быстрее.

Требования к СУБД для хранилища данных. Специализированные требования к реляционной СУБД, предназначенной для хранилища данных, следующие:

· Высокая производительность загрузки данных.

· Возможность обработки данных во время загрузки.

· Наличие средств управления качеством данных.

· Высокая производительность запросов.

· Широкая масштабируемость по размеру (до терабайт).

· Масштабируемость по количеству пользователей.

· Возможность организации сети хранилищ данных.

· Наличие средств администрирования хранилища.

· Поддержка интегрированного многомерного анализа.

· Расширенный набор функциональных средств запросов

Не нашли, что искали? Воспользуйтесь поиском: