Системы підтримки й терміни прийняття решений

Запровадження 2.

1. СППРсховище даних 3.

2. Аналітичні системи 6.

3. Типи СППР 7.

4. Області застосування 8.

5. Ринок СППР. 11.

Укладання 12.

Список літератури 14.

Керівництво великих компаній потребує достовірної інформації про різноманітні аспектах бізнесу компанії, у цілях підтримки прийняття рішень. Від цього залежить якість управління компанією, можливість ефективного планування її діяльність, виживання за умов жорсткої конкурентної боротьби. У цьому критично важливими є наочність форм подання, швидкість отримання нових видів звітності, можливість аналізу поточних і історичних даних. Системи, надають такі можливості, називаються Системами Підтримки Прийняття Рішень (СППР). Вони успішно застосовують у різних галузях: телекомунікації, сфері, торгівлі, промисловості, медицині та багатьох других.

СППР складаються з цих двох компонент: сховища даних, і аналітичних коштів. Сховище даних надає єдину середу зберігання корпоративних даних, організованих в структурах, оптимізовані до виконання аналітичних операцій. Аналітичні кошти дозволяють кінцевому користувачеві, яка має спеціальних знань у сфері інформаційних технологій, здійснювати навігацію і помилкове уявлення даних в термінах предметної області. Для користувачів різної кваліфікації, СППР мають різними типами інтерфейсів доступу до своїх сервисам.

1. СППРсховище данных.

Специфіка роботи аналітичних систем робить практично неможливим їх пряме використання на оперативних даних. Це різними причинами, зокрема розрізненістю даних, зберіганням в форматах різних СУБД в різних «куточках «корпоративної мережі, але, що важливо, неприменимостью структур даних оперативних систем до виконання завдань аналізу. Для цього створюється спеціалізована середовище зберігання даних, звана сховищем даних (Data Warehouse).

Сховище даних є банк даних певної структури, у якому інформацію про виробничому процесі компанії, у історичному контексті. Головне призначення сховища — забезпечувати швидке виконання довільних аналітичних запросов.

Відповідно до досліджень META Group, 90 — 95% компаній списку Fortune 2000 активно застосовують сховища даних, аби домогтися переваги в конкурентній боротьбі й отримати значно більшу віддачу від своїх інвестицій. Трирічне вивчення досвіду 62 організацій, проведене International Data Corporation (IDC) показало, що це організації у середньому отримали 400-процентный повернення своїх інвестицій у СППР-системы. Перерахуємо головні переваги сховищ даних:. Єдиний джерело інформації: компанія отримує вивірену єдину інформаційне середовище, де будуватимуться все справочноаналітичні докладання у тому предметної області, через яку побудовано сховище. Ця середовище володітиме єдиним інтерфейсом, унифицированными структурами зберігання, загальними довідниками та інші корпоративними стандартами, що полегшує створення умов та підтримку аналітичних систем.

Також, під час проектування інформаційного сховища даних особливу увагу приділяють достовірності інформації, який потрапляє у сховищі.. Продуктивність: фізичні структури сховища даних спеціальним чином оптимізовані до виконання абсолютно довільних вибірок, що дозволяє будувати справді швидкі системи запитів.. Швидкість розробки: специфічна логічна організація сховища і існуюче спеціалізоване ПО дозволяють створювати аналітичні системи з мінімальними витратами програмування.. Інтегрованість: інтеграція даних із різних джерел вже зроблено, тому треба щоразу виробляти з'єднання даних для запитів потребують інформацію з кількох джерел. Під інтеграцією розуміється як спільне фізичне зберігання даних, а й їхні предметне, узгоджене об'єднання; очищення і выверку за її формуванні; дотримання технологічних особливостей тощо.. Історичність і стабільність: OLTP-системы оперують з актуальними даними, термін застосування і збереження які зазвичай вбирається у величини поточного бизнес-периода (полугода-год), тоді як інформаційне сховище даних націлене на довгострокове збереження інформацією течении.

10−15 років. Стабільність означає, що фактична інформація у сховищі даних не обновляється щодня і не видаляється, лише спеціальним чином адаптується до змін бизнес-атрибутов. Отже, з’являється можливість здійснювати історичний аналізують інформацію.. Незалежність: выделенность інформаційного сховища істотно знижує навантаження на OLTP-системы із боку аналітичних додатків, цим продуктивність існуючих систем не погіршується, але в практиці відбувається зменшення часу відгуку та поліпшення доступності систем.

Поруч із великими корпоративними сховищами даних широке застосування знаходять також вітрини даних (Data Mart). Під вітриною даних розуміється невеличке спеціалізоване сховище для деякою вузької предметної області, орієнтоване для зберігання даних, пов’язаних однієї бізнестематикою. Проект зі створення вітрини даних вимагає менших вкладень і виконується на вельми стислі терміни. Таких вітрин даних то, можливо кілька, скажімо вітрина даних із доходах для бухгалтерії компанії та вітрина даних із клієнтам для маркетингового відділу компании.

2. Аналітичні системы.

Аналітичні системи СППР дозволяють вирішувати три основних завдання: ведення звітності, аналізують інформацію у часі (OLAP) і інтелектуальний аналіз данных.

Отчётность.

Сервіс звітності СППР допомагає організації справитися з створенням різноманітних інформаційних звітів, довідок, документів, зведених відомостей тощо., особливо коли кількість випущених звітів велика і форми отчётов часто змінюються. Кошти СППР, автоматизуючи випуск отчётов, дозволяють перевести на їх збереження в електронний вигляд і нав’язувати корпоративної мережі службовців компании.

OLAP.

OLAP (On-Line Analitycal Processing) — сервіс є інструмент для аналізу великих обсягів даних як реального часу. Взаємодіючи з OLAP-системой, користувач зможе здійснювати гнучкий перегляд інформації, отримувати довільні зрізи даних, і виконувати аналітичні операції деталізації, пакунки, наскрізного розподілу, порівняння у часі. Уся десятилітня робота з OLAP-системой відбувається у термінах предметної области.

OLAP-системы є частиною загальнішого поняття Business Intelligence, що містить у собі крім традиційного OLAP-сервиса кошти організації спільного використання документів, що виникають у процесі роботи користувачів сховища. Технологія Business Intelligence забезпечує електронний обмін звітними документами, розмежування прав користувачів, доступом до аналітичної інформації з Інтернет, і Интранет.

Інтелектуальний аналіз даних чи «видобуток даних» (Data Mining).

З допомогою коштів видобутку даних робити найглибші дослідження даних. Ці дослідження містять у собі: пошук залежностей між даними (напр., «Чи правда, зростання продажів продукту, А обумовлений зростанням продажів продукту У ?»); виявлення стійких бізнес-груп (напр. «Які групи клієнтів, близьких по поведінковим та інших характеристикам, можна виділити? Які характеристики клієнтів у своїй надають найбільше впливом геть класифікацію?»); прогнозування поведінки бизнес-показателей (напр. «Який обсяг перевезень повинна відбутися на следущем місяці?»); оцінка впливу рішень на бізнес компанії (напр. «Як зміниться попит товару, А серед групи споживачів Б, якщо знизити ціну товару З ?»); пошук аномалій (напр. «Із якими сегментами клієнтів пов’язані найбільш високі риски?»).

3. Типи СППР.

Залежно від функціонального наповнення інтерфейсу системи виділяють дві основні типу СППР: EIS і DSS.

EIS (Execution Information System) — інформаційні системи керівництва підприємства. Ці системи орієнтовані непідготовлених користувачів, мають спрощений інтерфейс, базовий набір запропонованих можливостей, фіксовані форми подання. EIS-системы малюють загальну наочну картину поточного стану бизнес-показателей роботи компанії та тенденції їх розвитку, із можливістю поглиблення аналізованої інформації рівня великих об'єктів компанії. EIS-системы — та реальна віддача, яку бачить керівництво компанії відрізняється від впровадження технологій СППР.

DSS (Desicion Support System) — повнофункціональні системи аналізу та дослідження даних, розраховані підготовлених користувачів, мають знання як і частини предметної галузі досліджень, і у частини комп’ютерної грамотності. Зазвичай для реалізації DSS-систем (за наявності даних) досить встановлення і настройки спеціалізованого ПО постачальників рішень щодо OLAP-системам і Data Mining.

Такий поділ систем на два типу значить, що побудова СППР завжди передбачає реалізацію всього однієї з цих типів. EIS і DSS можуть функціонувати паралельно, поділяючи загальні дані і/або сервіси, надаючи свою функціональність як вищого керівництва, і фахівцям аналітичних відділів компаний.

4. Області применения.

Телекоммуникации.

Телекомунікаційні компанії використовують СППР на підготовку і прийняття комплексу рішень, вкладених у збереження своїх клієнтів і мінімізацію їх відпливу до інших компанії. СППР дозволяють компаніям більш результативно проводити свої маркетингові програми, вісти понад привабливу тарифікацію своїх услуг.

Аналіз записів з характеристиками викликів дозволяє виявляти категорії клієнтів із схожими стереотипами поведінки, аби диференційовано підходитимемо залученню клієнтів тій чи іншій категории.

Є категорії клієнтів, котрі змінюють провайдерів, реагуючи тих чи інші рекламні компанії. СППР дозволяють виявити найбільш характерні ознаки «стабільних» клієнтів, тобто. клієнтів, тривалий час залишених вірними компанії, дає можливість орієнтувати свою маркетингову політику на утримання цієї категорії клиентов.

Банківська дело.

СППР йдуть на якіснішого моніторингу різних аспектів банківську діяльність, як-от обслуговування кредитних карт, позик, інвестицій тощо, що дозволяє значно підвищити ефективність работы.

Виявлення випадків шахрайства, оцінка ризику кредитування, прогнозування змін клієнтури — області застосування СППР і методів видобутку даних. Класифікація клієнтів, виділення груп клієнтів із подібними потребами дає змогу провадити цілеспрямовану маркетингову політику, надаючи привабливіші набори послуг тій чи іншій категорії клиентов.

Страхование.

Набір застосувань СППР в страховому бізнесі може бути класичним — це виявлення потенційних випадків шахрайства, аналіз ризику, класифікація клиентов.

Виявлення певних стереотипів в заявах виплати страхового відшкодування, у разі великих сум, дозволяє скоротити кількість випадків шахрайства в будущем.

Аналізуючи характерні ознаки випадків виплат по страховим зобов’язанням, страхові можуть зменшити свої «втрати. Отримані дані приведуть, наприклад, до радикального перегляду системи знижок клієнтам, які підпадають під виявлені признаки.

Класифікація клієнтів дає можливість виявити найвигідніші категорії клієнтів, щоб точніше орієнтувати існуючий набір послуг і вводити нові услуги.

Роздрібна торговля.

Торгові компанії використовують технології СППР на вирішення завдань, як планування закупівель і збереження, аналіз спільних покупок, пошук шаблонів поведінки Клінтона під времени.

Аналіз даних про кількість купівель і наявності товару складі в протягом деякого періоду часу дозволяє планувати закупівлю товарів, наприклад, у відповідь сезонні коливання попиту товар.

Часто, купуючи який або товар ви купуєте разом із і інший товар. Виявлення груп таких товарів дозволяє, наприклад, поміщати їх у сусідніх полицях, про те, щоби підвищити ймовірність їхньої спільної покупки.

Пошук шаблонів поведінки Клінтона під часу відповідає питанням «І сьогодні покупець придбав один товар, то через який час він купить інший товар?». Наприклад, набуваючи фотоапарат, покупець, мабуть, в недалекому майбутньому стане набувати плівку, користуватися послугами по проявке і печати.

5. Ринок СППР.

На ринку СППР компанії пропонують такі види послуг за створенню систем підтримки прийняття рішень: Реалізація пилот-проектов по СППР-системам, з єдиною метою демонстрації керівництву Замовника якісного потенціалу аналітичних додатків. Створення що з Замовником полнофункциональных СППР-систем, включаючи сховище даних, і кошти Business Intelligence. Проектування архітектури сховища даних, включаючи структури збереження і процеси управління. Створення «вітрин даних» для виділеної предметної області. Установка та налаштування коштів OLAP і Business Intelligence; їх адаптація до вимогам Замовника. Аналіз інструментів статистичного аналізу та «видобутку даних» для вибору програмних продуктів під архітектуру й потреби Замовника. Інтеграція систем СППР в корпоративні интранет-сети Замовника, автоматизація електронного обміну аналітичними документами між користувачами сховища. Розробка Інформаційних Систем Керівника (EIS) під необхідну функціональність. Послуги з інтеграції баз даних на єдину середу зберігання інформації Навчання фахівців Замовника технологіям сховищ даних, і аналітичних систем, і навіть працювати з необхідними програмними продуктами. Надання консалтингових послуг Замовникові усім стадіях проектування й експлуатації сховищ даних, і аналітичних систем. Комплексні проекти создания/модернизации обчислювальної інфраструктури, яка забезпечує функціонування СППР: рішення будь-якого масштабу, від локальних систем до систем масштабу предприятия/концерна/отрасли.

Заключение

.

Сьогодні немає визнаного лідера у сфері виробництва програмного забезпечення для побудови систем СППР. Жодна з компаній не виробляє готового рішення, що називається «з коробки», придатного безпосереднє використання у виробничому процесі замовника. Створення СППР завжди включає у собі стадії аналізу даних, і бізнес-процесів замовника, проектування структур сховища з урахуванням її потреб і технологічних процессов.

Кілька десятків різних фірм випускають продукти, здатні вирішувати ті чи інші завдання, що у процесі проектування й експлуатації систем СППР. Сюди входять СУБД, кошти выгрузки/трансформации/загрузки даних, інструменти для OLAP-анализа й багато іншого. Самостійний аналіз ринку, вивчення хоча б кількох засобів — непроста і тривала задача.

З огляду на розмір тих, хто фінансових та інших ресурсів, складність і многоэтапность проектів побудови систем СППР очевидна високу вартість помилок проектування. Помилки вибору програмного забезпечення можуть спричинити у себе фінансові витрати, а про збільшення часу виконання проекту. Помилки проектування структури даних можуть вести як до неприйнятним виробничим характеристикам, і коштувати часу витраченого на перезавантаження даних, яке часом сягає кількох суток.

Тому глибоко розуміючи архітектуру сховищ даних, необхідно уникати будь-яких помилок, наслідком чого стане у себе значне скорочення часу виконання проекту й нагоду отримати максимальну віддачу від запровадження СППР.

1. Волков О. И. Економіка підприємства. М.: ИНФРА. 2001 2. Чепурин М. Н. Курськ економічної теорії. Кіров: АСА, 1999. 3. Войтов О. Г. Економіка. М.: Маркетинг. 1999. 4. Кривка О. Б. Інформаційні технології. М.: СОМИНТЭК. 2001.