Системы поддержки принятия решений второго класса являются системами индивидуального пользования, базы знаний которых формируются непосредственным пользователем. Они предназначены для использования государственными служащими среднего ранга, а также руководителями малых и средних фирм для решения оперативных задач управления.
Системы поддержки принятия решений третьего класса являются системами индивидуального пользования, адаптирующимися к опыту пользователя. Они предназначены для решения часто встречающихся прикладных задач системного анализа и управления (например, выбор субъекта кредитования, выбор исполнителя работы, назначение на должность и пр.). Такие системы обеспечивают получение решения текущей задачи на основе информации о результатах практического использования решений этой же задачи, принятых в прошлом. Кроме того, системы этого класса предназначены для использования в торговых предприятиях, торгующих дорогими товарами длительного пользования, в качестве средства «интеллектуальной рекламы», позволяющего покупателю выбрать товар на основе своего опыта применения товаров аналогичного назначения.
На уровне архитектуры системы поддержки принятия решений делятся на:
- функциональные системы поддержки принятия решений;
- независимые витрины данных;
- двухуровневое хранилище данных;
- трехуровневое хранилище данных.
Они отличаются организацией серверной стороны системы поддержки принятия решений. Характерной чертой функциональной системы является то, что анализ осуществляется с использованием данных из оперативных систем. На клиентской стороне располагается пользовательский интерфейс системы поддержки принятия решений, а на серверной – источники данных для задач принятия решений.
Витрина данных - база данных, функционально-ориентированная и, как правило, содержащая данные по одному из направлений деятельности организации. Она отвечает тем же требованиям, что и хранилище данных, но, в отличие от хранилища, нейтрального к приложениям, в витрине данных информация хранится оптимизировано с точки зрения решения конкретных задач.
Кроме того, под витриной данных иногда понимают относительно небольшое хранилище данных или же часть более общего хранилища данных, специфицированная для использования конкретным подразделением в организации и/или определенной группой пользователей. Если в корпоративной системе имеется две "витрины данных", то общие данные, имеющиеся в обеих секциях одновременно, должны быть представлены в секциях идентично.
Независимые витрины данных часто появляются в организации исторически и встречаются в крупных организациях с большим количеством независимых подразделений, зачастую имеющих свои собственные отделы информационных технологий.
Хранилище данных – предметно-ориентированный, интегрированный, неизменчивый, поддерживающий хронологию набор данных, организованный для целей поддержки принятия решений, может состоять из нескольких баз данных, имеет свою собственную модель хранения данных. Информация, поступившая в хранилище, не удаляется, не изменяется.
Двухуровневое хранилище данных строится централизованно для предоставления информации в рамках компании. Для поддержки такой архитектуры необходима специалисты в области хранилищ данных. Это означает, что вся организация должна согласовать все определения и процессы преобразования данных.
Трехуровневое хранилище данных представляет собой единый централизованный источник корпоративной информации. Витрины данных представляют подмножества данных из хранилища, организованные для решения задач отдельных подразделений компании. Пользователи имеют возможность доступа к детальным данным хранилища, в случае, если данных в витрине недостаточно, а также для получения более полной картины состояния бизнеса.
В большинстве реальных случаев система принятия решений вне зависимости от класса и архитектуры должна помочь лицу, принимающему решения, формализовать его собственные представления о ценности полученных результатов и затрат на их получение.
Главным в системе принятия решений является не вычислительная часть, а технологическая поддержка процедуры корректного извлечения и формализации субъективных требований и предпочтений специалистов, а также процедуры пошагового агрегирования информации под контролем аналитика. Система поддержки принятия решений - не более чем средство технологической поддержки процедуры принятия решений, последнее слово всегда должно оставаться за экспертом.
Тест по теме «Системы поддержки принятия решений»
1. Что характерно для ранних систем поддержки принятия решений?
a) возможность оперировать с неструктурированными или слабоструктурированными задачами, в отличие от задач, с которыми имеет дело исследование операций
b) оперирует со слабоструктурированными решениями;
c) поддерживает разнообразные стили и методы решения, что может быть полезно при решении задачи группой лиц, принимающих решения;
d) нет правильного ответа
2. Какие подсистемы входят в системы поддержки принятия решений?
a) системы поддержки генерации решений
b) системы поддержки выбора решений
c) системы управления базами данными
d) системы имитационного моделирования
e) нет правильного ответа
3. Какие методы используют в системах поддержки принятия решений?
a) метод аналитических иерархических процессов
b) метод Гаусса
c) математическое моделирование
d) метод аналитических сетевых процессов
e) нет правильного ответа
4. Как можно классифицировать систему поддержки принятия решений?
a) на уровне пользователя
b) в зависимости от языка программирования
c) на концептуальном уровне
d) в зависимости от области применения
5. Какая система поддержки принятия решений позволяет модифицировать решения системы, опирающиеся на большие объемы данных из разных источников ?
a) активные
b) кооперативные
c) стратегические
d) оперативные
e) управляемая данными
f)нет правильного ответа
6. К какому классу относится система поддержки принятия решения, чья база знаний сформирована многими экспертами?
a) первому
b) второму
c) третьему
7. Какие архитектуры систем поддержки принятия решений бывают?
a) независимые витрины данных;
b) зависимые витрины данных;
c) трехуровневое хранилище данных
d) одноуровневое хранилище данных
8. Данные хранятся в одном в единственном экземпляре при архитектуре..?
a) трехуровневое хранилище данных
b) двухуровневое хранилище данных
c) функциональной системы
d) четырехуровневое хранилище данных
Литература по теме «Системы поддержки принятия решений»:
1. Абдрахимов Д, Иоффин А. Поддержка принятия решений: взгляд на место информационно-аналитических технологий поддержки принятия решений в арсенале банковского аналитика http://www.bizcom.ru/rus/bt/1997/nr4/10.htm
2. Горский П. Мифы и реальность использования научных методов принятия решений в банковском бизнесе// Банковское дело №5, 2002. http://www.bizcom.ru/bank_business/2002-05/02.html
3. Кравченко Т.К., Наумова Н.Л. Современные информационные технологии в развитии компьютерных систем поддержки принятия решений. http://www.mesi.ru/ksit/k4sem24.zip
4. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. М. Наука. Физматлит. 1996.
5. Лисянский К. Архитектуры систем поддержки принятия решений. http://lissianski.narod.ru/index.html
6. Моисеев Н.Н. Предисловие к книге Орловского С.А. Проблемы принятия решений при нечеткой исходной информации. М., Наука, 1981.
7. Пауэр Д.Д. Краткая история развития систем поддержки принятия решений. CorpSite.ru. http://corportal.ru/History/DataTech/DSS/DSS.aspx
8. Принятие решения: основные понятия и концепции http://de.nwpi.ru/courses/man/main.htm
9. Тоценко В. Системы поддержки принятия решений - ваш инструмент для правильного выбора // Компьютерра, № 34, 1998. http://www.computerra.ru/offline/1998/262/1520/
10. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. – М.: СИНТЕГ, 1998.
Искусственный интеллект и интеллектуальные информационные системы – активно развивающиеся и обширные области исследований и в рамках одного пособия просто невозможно рассмотреть все вопросы и проблемы, которыми они занимаются. Здесь рассматривались основные направления и подходы. Для более подробного изучения предлагается ознакомиться с рядом книг и пособий, перечисленных ниже:
1. Андрейчиков, А. В. Интеллектуальные информационные системы: учебник для вузов. - М.: Финансы и статистика, 2004. - 424 с.
2. Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Методы и модели анализа данных: OLAP и Data Mining. – СПб.: БХВ-Петербург, 2004. – с. 336.
3. Батыршин И. З., Недосекин А.О., Стецко А.А., Тарасов В.Б., Ярушкина Н.Г. Нечёткие гибридные системы / Под. ред. Н.Г. Ярушкиной.- М.: ФИЗМАТЛИТ.-2007.- с. 208.
4. Вороновский Г.К. Махотило К.В. Петрашев С.Н. Сергеев С.А. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. Х.:ОСНОВА, 1997. - с. 112.
5. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2001. - с. 384.
6. Гаскаров Д.В. Интеллектуальные информационные системы. Учебник для вузов. – М.: Высшая школа, 2003. – с. 431.
7. Джарратано Д., Райлт Г. Экспертные системы: принципы разработки и программирование, 4-е издание. / Пер. с англ. – М.: ООО «И.Д. Вильямс», 2007. – 1152 с.