Отчет по мероприятию 17. 4 Разработка и внедрение комплекса специализированных образовательных программ повышения квалификации



страница4/6
Дата01.06.2016
Размер0.92 Mb.
ТипОтчет
1   2   3   4   5   6
часть данных поступает от информационной системы операционного уровня. Эффективность их использования определяется предварительно обработкой:

  • системой управления базой данных, входящую в состав системы поддержки принятия решений;

  • за пределами системы поддержки принятия решений, создав для этого специальную базу данных. Этот вариант более предпочтителен для предприятий, производящих большое количество операций. Обработанные данные об операциях образуют файлы, которые для повышения надежности и быстроты доступа хранятся за пределами системы поддержки принятия решений.

  • внутренние данные, например данные о движении персонала, инженерные данные и т.п., которые должны быть своевременно собраны, введены и поддержаны

  • данные из внешних источников. В числе необходимых внешних данных следует указать данные о конкурентах, национальной и мировой экономике. В отличие от внутренних данных внешние данные обычно приобретаются у специализирующихся на их сборе организации.

  • документы, включающих в себя записи, письма, контракты, приказы и т.п. Если содержание этих документов будет записано в памяти и затем обработано по некоторым ключевым характеристикам (поставщикам, потребителям, датам, видам услуг и др.), то система получит новый мощный источник информации.

    Присущий технологии СППР акцент на обработку неструктурированных и слабоструктурованых задач предопределяет некоторые специфические требования к этим элементам компьютерной системы. Прежде всего, речь идет о необходимости выполнять значительный объем операций переструктурирования данных. Нужно предусмотреть возможность загрузки и следующей обработки данных из внешних источников; функционирования СУБД в среде СППР в отличие от обычной обработки информации в управленческих информационных системах требует более широкого набора функций. Это касается также и БД.

    Вообще базу данных можно определить как совокупность элементов, организованных в соответствии с определенными правилами, которые предусматривают общие принципы описания, сохранения и манипулирования данными независимо от прикладных программ.

    Связь конечных пользователей (прикладных программ) с базой данных происходит с помощью СУБД. Последняя представляет собой систему программного обеспечения, которая содержит средства обработки языками БД и обеспечивает создания БД и ее целостность, поддерживает ее в актуальном состоянии, дает возможность манипулировать данными и обрабатывать обращение к БД, которые поступают от прикладных программ и (или) конечных пользователей при условиях применяемой технологии обработки информации. В состав будто БД, которые используются для изучения и обращение к данных, належит язык описания данных (ЯОД) и язык манипулирования данными (ЯМД).

    Язык описания данных, предназначенный для определения структуры БД. Описание данных заданной проблемной области может выполняться на нескольких уровнях абстрагирования, причем на каждом уровне используется свое ЯОД. Описание на любом уровне называется схемой. Чаще всего используется трехуровневая система: концептуальный, логический и физический уровни. На концептуальном уровне описываются взаимосвязи между системами данных, которые отвечают реально действующим зависимостям между факторами и параметрами проблемной среды. Структура данных на концептуальном уровне называется концептуальной схемой. На логическом уровне равные выбранные взаимосвязи отбиваются в структуре записей БД. На физическом уровне решаются вопрос организации размещения структуры записи на физических носителях информации.

    Язык манипулирования данными обеспечивает доступ к данным и содержит средства для сохранения, поиска, обновления и стирания записей. Языка манипулирования данными, которые могут использоваться конечными пользователями в диалоговом режиме, часто называют языками запросов.

    СУБД должна обладать следующими возможностями:



    • составление комбинаций данных, получаемых из различных источников, посредством использования процедур агрегирования и фильтрации;

    • быстрое прибавление или исключение того или иного источника данных;

    • построение логической структуры данных в терминах пользователя;

    • использование и манипулирование неофициальными данными для экспериментальной проверки рабочих альтернатив пользователя;

    • обеспечение полной логической независимости этой БД от других операционных БД, функционирующих в рамках фирмы.

    БД и СУБД используются в любых компьютерных системах. Тем не менее, сравнительно с обычными подходами к реализации БД для решения некоторых задач к функциям и инструментам БД и СУБД в контексте системы поддержки принятия решений выдвигается ряд дополнительных и специализированных требований.

    Для условий использования СППР существует необходимость доступа информации со значительно более широкого диапазона источников, чем это предусмотрено в обычных информационных системах. Информацию нужно получать от внешней среды и внутренних источников; потребность во внешних данных тем большая, чем высший уровень руководства, которое обслуживает выбранное СППР. Кроме того, обычные, ориентированные на бухгалтерский учет данные (характерные для систем обработки Данных и административных информационных систем) необходимо дополнить нетрадиционными типами данных, в частности и такими, которые до сих пор вообще не были в фокусе компьютеризации. Сюда належат: текстовая информация, материал систем автоматизированного проектирования изделий технологий, автоматизированного производства, а также другие источники формации, необходимые для принятия решения.





    Рис. 2 Схема формирования и использования хранилища данных в системах поддержки принятия решений

    Заслуживает также на внимание особенность процесса «Поиска и увлечения» данных в СППР в отличие от более общего процессу сбора данных из источников. Природа СППР требует, чтобы процесс поиска (и СУБД, которая руководит этим процессом) был достаточно гибким, лишь бы быстро обслуживать дополнение и изменения в соответствии с непредвиденными запросами, которые поступают от пользователей. Для процесса «Поиска и увеличения» данных в современных СППР широко применяются программные (интеллектуальные) агенты, а также как уже отмечалось, ХД.

    Схема формирования и использования ХД в СППР изображена на рисунке. Данные берутся из разнообразных источников оперативных данных. После их перемещения отбираются данные для гарантирования того, что они имеют смысл, есть непрерывными и точными. Потом данные загружаются в реляционные таблицы, способные поддерживать разнообразные виды анализа и запросов, и оптимизируется для тех таблиц, которые, как можно ожидать, чаще всего будут использоваться. И, в конце концов, данные сохраняются для дальнейшего использования в СППР.
    В системах поддержки принятия решений предполагается средство, с помощью которого пользователь может налаживать базу данных согласно со своими личными требованиями. Учитывая это, существуют процедуры и команды гибкого переструктурирования схем и схемного подмножества СУБД. Заметим, что современные программные средства для управления данными и СУБД характеризуются относительной гибкостью и простотой использования в границах коллектива пользователей. Тем не менее, упомянутые средства нельзя приспособить к конкретному пользователю или к решению конкретной задачи с желательной гибкостью и довольно маленькими затратами.



    Рис. 3 Подсистема данных СППР
    На рисунке 3 изображена схема подсистемы данных СППР, где указаны перечисленные условия и механизмы адаптации концепций БД и СУБД к проблемам поддержки решений. Для реализации этой идеи в распоряжении разработчика или пользователя СППР есть ряд альтернативных моделей данных и инструментов, в частности классические иерархические, сетевые и реляционные модели, а также семантические модели данных. Реляционные модели данных положены в основу большинства современных СУБД.

    Данные и модели являются центральными элементами СППР. СППР отличается от аналитических ИС наличием интерактивных программ (с их помощью пользователь может исследовать и перемещаться по базам данных разных форм, размеров и типов) и баз моделей (внутри ее пользователь может конструировать, анализировать, интерпретировать одну или несколько моделей).

    Система управления моделями является одним из компонентов универсальной СППР. Функциями этого компонента есть классификация, организация и доступ к моделям, то есть эти функции аналогичные функции системы управления базами данных.

    База моделей (БМ) Целью создания моделей являются описание и оптимизация некоторого объекта или процесса. Использование моделей обеспечивает проведение анализа в системах поддержки принятия решений. Модели, базируясь на математической интерпретации проблемы, при помощи определенных алгоритмов способствуют нахождению информации, полезной для принятия правильных решений.

    Использование моделей в составе ИС началось с применения статистических методов и методов финансового анализа, которые реализовывались командами обычных алгоритмических языков. Позже были созданы специальные языки, позволяющие моделировать ситуации типа "что будет, если?" или "как сделать, чтобы?". Такие языки, созданные специально для построения моделей, дают возможность построения моделей определенного типа, обеспечивающих нахождение решения при гибком изменении переменных.

    Анализ и прогнозирование бизнес-процессов
    1. Общее понятие информационно – аналитической системы

    Современный этап развития рыночных отношений в российской экономике характеризуется началом экономического подъема. Сегодня все большее число организаций приходит к пониманию того, что без наличия своевременной и объективной информации о состоянии рынка, прогнозирования его перспектив, постоянной оценки эффективности функционирования собственных структур и анализа взаимоотношений с бизнес - партнерами и конкурентами их дальнейшее развитие становится практически невозможным. Начинают приобретать определяющее значение знания о протекающих хозяйственных процессах. На успех ведения дела влияют как объективные, так и субъективные факторы. К объективным факторам можно отнести:

    • закономерности протекания хозяйственных процессов,

    • правовую среду,

    • неписаные правила и традиции ведения дел,

    • экономическую конъюнктуру и т.д.

    Большое значение имеет субъективный фактор, под которым понимается влияние на ход бизнес - процессов работников предприятия и в особенности лиц, принимающих решения (ЛПР).

    Для выработки и принятия соответствующих складывающейся обстановке решений необходима информация, которая должна удовлетворять требованиям полноты, достоверности, своевременности (актуальности), полезности.

    Основополагающую роль в подготовке принятия решений играет его обоснование по имеющейся у ЛПР информации. Её, как правило, получают из различных внутренних и внешних источников. В интересах выработки адекватного решения используются внутренние информационные ресурсы, которые складываются из отражения деятельности (функционирования) объекта в документах, других видах и способах сбора, обработки, хранения информации. А также внешние по отношению к объекту информационные ресурсы, например (если это предприятие) - корпорации, отрасли, региона, а также глобальные – из средств массовой информации, специальной литературы, всемирной информационной сети Интернет и т.д.

    Таким образом, границы информационного пространства как отображения деятельности предприятия и его взаимодействия с внешней средой, в рамках которого принимаются решения, выходят далеко за пределы предприятия.

    Эти обстоятельства вынуждают использовать имеющиеся в настоящее время весьма развитые программно-технические средства.

    Широкое и эффективное применение этих средств стало одним из факторов выживаемости и успеха предприятия в условиях острой конкурентной борьбы. Получили широкое распространение автоматизированные информационные системы.

    Проблема анализа исходной информации для принятия решений оказалась настолько серьезной, что появилось отдельное направление или вид информационных систем – информационно – аналитические системы (ИАС).

    Информационно-аналитические системы (ИАС) призваны на основе данных, получаемых в режиме реального времени, помогать в принятии управленческих решений. ИАС - это современный высокоэффективный инструмент поддержки принятия стратегических, тактических и оперативных управленческих решений на основе наглядного и оперативного предоставления всей необходимой совокупности данных пользователям, ответственным за анализ состояния дел и принятие управленческих решений. Комплекс информационно-аналитических систем затрагивает всю управленческую вертикаль: корпоративную отчетность, финансово-экономическое планирование и стратегическое планирование.


    2. Функции и сферы применения ИАС

    Основное назначение ИАС — динамическое представление и многомерный анализ исторических и текущих данных, анализ тенденций, моделирование и прогнозирование результатов различных управленческих решений.

    Основными функциями информационно-аналитической системы являются:

    • Извлечение данных из различных источников, их преобразование и загрузка в хранилище;

    • Хранение данных;

    • Анализ данных, в том числе оперативный и интеллектуальный;

    • Подготовка результатов оперативного и интеллектуального анализа для эффективного их восприятия потребителями.

    Результатом применения средств ИАС являются с одной стороны — регламентные аналитические отчеты, ориентированные на нужды пользователей различных категорий, с другой — средства интерактивного анализа информации и быстрого построения отчетов пользователями-непрограммистами с использованием привычных понятий предметной области.

    Функцию сбора и хранения информации с сопутствующей доработкой в информационно-аналитических системах, выполняют информационные хранилища (Data Warehouse).

    В связи с большим объемом и сложностью анализ данных имеет два направления - оперативный анализ данных (информации), широко распространена англоязычная аббревиатура названия – On-line Analytical Processing (OLAP). Основной задачей оперативного или OLAP-анализа является быстрое (в пределах секунд) извлечение необходимой аналитику для обоснования или принятия решения информации. Эту функцию выполняют всевозможные OLAP – средства.

    Интеллектуальный анализ информации - имеет также широко распространенное в русской специальной литературе англоязычное название Data Mining. Он предназначен для фундаментального исследования проблем в той или иной предметной области. Требования по времени менее жёстки, но используются более сложные методики.

    Ставятся, как правило, задачи и получают результаты стратегического значения. Эту функцию выполняют всевозможные средства Data Mining.

    Жестких границ между OLAP и интеллектуальным анализом нет, но при решении сложных задач приходится использовать весьма мощные специальные программные средства.

    С технической точки зрения ИАС – это набор процедур, методов и регламентов, приводящих к регулярному плановому сбору, хранению, анализу и предоставлению информации, используемой для принятия управленческих решений.

    Информационно-аналитические системы являются надстройкой над уже функционирующими на предприятии информационными приложениями и не требуют их замены; эти системы аккумулируют данные по всем видам деятельности компании - от состояния складов до финансовой и бухгалтерской отчетности.

    Информационно - аналитические системы верхнего уровня служат для принятия стратегических решений. Они позволяют руководителю решать следующие задачи:

    • составление консолидированной отчетности и предоставление сводной информации о деятельности предприятия (финансовые, производственные и другие показатели, динамика их изменений и тенденции);

    • анализ деятельности дочерних предприятий, филиалов и

    подразделений компании (анализ доходности, затрат, выполнения

    плана);


    • анализ финансовой деятельности (основные финансовые показатели, тенденции, взаиморасчеты), оптимизация финансовых потоков, реальная оценка себестоимости продукции;

    • проведение комплексной оценки деятельности предприятия, основанной на постоянном контроле четырех наиболее существенных ее аспектов (финансы, отношения с внешним миром, внутреннее состояние компании, инновации);

    • анализ сбытовых процессов (составление плана, контроль исполнения распоряжений, расчеты за отгруженную продукцию, прогноз поступления средств, прогноз спроса).

    Информационно-аналитические системы подразделений предполагают большую детализацию и более сложную аналитическую обработку. Эти системы помогают подготовить информацию для принятия решений в области сбыта, продуктового предложения, финансового планирования.

    Различают два вида информационно-аналитических систем по режиму и темпу анализа:

    • статические - имеют заранее разработанный сценарий обработки данных при весьма ограниченных возможностях вариаций запросов;

    • динамические - обеспечивают обработку

    нерегламентированных запросов и гибкую систему подготовки отчётов;

    Можно выделить следующие принципы построения ИАС на предприятии:

    • объединение всех информационных процессов предприятия;

    • встраивание системы в уже сложившуюся организационную структуру предприятия;

    • координация усилий всех подразделений предприятия при выполнении поставленных задач;

    • открытость системы для дальнейшего развития;

    • комплексное использование всех доступных методов анализа;

    • информационная этика - "от каждого - в общую копилку, и из неё - каждому".
    3. Классификация аналитических систем

    Для обозначения аналитических технологий и средств в целом принято использовать термин "Business Intelligence" или, сокращенно, - BI. Понятие BI объединяет различные средства и технологии анализа и обработки данных масштаба предприятия. На их основе создаются BI-системы. Их цель – повысить качество информации для принятия управленческих решений. BI-системы ранее были известны под названием Систем Поддержки Принятия Решений (СППР, DSS- Decision Support System). В качестве синонимов понятия "СППР" оперируют также понятиями "аналитическая система" или "управленческая система". Сейчас же класс систем BI является независимым классом систем, в который входят системы класса СППР.

    По оценкам IDC рынок BI состоит из 5 сегментов:

    1. OLAP-продукты;

    2. инструменты добычи данных;

    3. средства построения Хранилищ и Витрин данных;

    4. управленческие информационные системы и приложения;

    5. инструменты конечного пользователя для выполнения запросов и построения отчетов;

    6. системы СППР.

    Системы СППР В рамках данного материала системы СППР подробно не рассматриваются, так как это является отдельной специфической областью интеллектуальных информационных систем.

    Рассмотрим более подробно каждый сегмент.

    OLAP-продукты

    На сегодняшний день в мире разработано множество продуктов, реализующих OLAP-технологии. Чтобы легче было ориентироваться среди них, существует несколько классификаций OLAP-продуктов:

    • по способу хранения данных;

    • по месту нахождения OLAP-машины;

    • по степени готовности к применению.

    Рассмотрим классификацию систем по способу хранения данных. Основная идея OLAP заключается в построении многомерных таблиц, которые будут доступны для запросов пользователей.

    Многомерные таблицы (многомерные кубы) строятся на основе исходных и агрегатных данных. И исходные и агрегатные данные для многомерных таблиц могут храниться как в реляционных, так и многомерных базах данных. Поэтому в настоящее время применяются три способа хранения данных: MOLAP (Multidimensional OLAP), ROLAP (Relational OLAP) и HOLAP (Hybrid OLAP).

    Соответственно, OLAP-продукты по способу хранения данных делятся на три аналогичные категории:

    • В случае MOLAP, исходные и агрегатные данные хранятся в многомерной БД или в многомерном локальном кубе. Такой способ хранения обеспечивает высокую скорость выполнения OLAP-операций.

    Но многомерная база в этом случае чаще всего будет избыточной. Куб, построенный на ее основе, будет сильно зависеть от числа измерений.

    При увеличении количества измерений объем куба будет экспоненциально расти. Иногда это может привести к "взрывному росту" объема данных, парализующему в результате запросы пользователей.

    • В ROLAP-продуктах исходные данные хранятся в реляционных БД или в плоских локальных таблицах на файл-сервере.

    Агрегатные данные могут помещаться в служебные таблицы в той же БД. Преобразование данных из реляционной БД в многомерные кубы происходит по запросу OLAP-средства. При этом скорость построения куба будет сильно зависеть от типа источника данных и порой приводит к неприемлемому времени отклика системы.

    • В случае использования Гибридной архитектуры исходные данные остаются в реляционной базе, а агрегаты размещаются в многомерной. Построение OLAP-куба выполняется по запросу OLAP-средства на основе реляционных и многомерных данных. Такой подход позволяет избежать взрывного роста данных. При этом можно достичь оптимального времени исполнения клиентских запросов.

    Следующая классификация - по месту размещения OLAP-машины. По этому признаку OLAP-продукты делятся на OLAP-серверы и OLAP-клиенты.

    • В серверных OLAP-средствах вычисления и хранение агрегатных данных выполняются сервером. Клиентское приложение получает только результаты запросов к многомерным кубам, которые хранятся на сервере. Некоторые OLAP-серверы поддерживают хранение данных только в реляционных базах, другие - только в многомерных.

    Многие современные OLAP-серверы поддерживают все три способа хранения данных: MOLAP, ROLAP и HOLAP. Одним из самых распространенным в настоящее время серверным решением является OLAP-сервер корпорации Microsoft.

    • OLAP-клиент устроен по-другому. Построение многомерного куба и OLAP-вычисления выполняются в памяти клиентского компьютера. OLAP-клиенты также делятся на ROLAP и MOLAP. А некоторые могут поддерживать оба варианта доступа к данным. Среди одних из первых клиентских OLAP-средств можно назвать Oracle Discoverer. Те же возможности обеспечивает и отечественная разработка – продукты Аналитической платформы Контур от компании Intersoft Lab.

    У каждого из этих подходов есть свои "плюсы" и "минусы".

    Нельзя однозначно говорить о преимуществах серверных средств перед клиентскими и наоборот. На практике такой выбор является результатом компромисса "эксплуатационных показателей", стоимости программного обеспечения и затрат на разработку, внедрение и сопровождение аналитической системы.



    Следующая классификация OLAP-продуктов - по степени

    готовности к применению. Различают: OLAP-компоненты, инструментальные OLAP – системы и конечные OLAP-приложения.

    • OLAP-компонента – это инструмент разработчика. С ее помощью разрабатываются клиентские OLAP-программы. Различают MOLAP и ROLAP-компоненты: MOLAP-компоненты являются инструментами генерации запросов к OLAP-серверу. Они также обеспечивают визуализацию полученных данных. ROLAP-компоненты содержат собственную OLAP-машину. OLAP-машина обеспечивает построение OLAP-кубов в оперативной памяти и отображает их на экране. Одна из наиболее доступных, но в то же время и одна из самых слабых OLAP-компонент – Decision Cube в составе Borland Delphi.

    • Инструментальные OLAP-системы – это программные продукты, предназначенные для создания аналитических приложений.

    Различают две категории инструментальных OLAP-систем: системы для программирования и системы для быстрой настройки. Системы для программирования – это среда разработчика аналитических систем. В ней, путем программирования запросов к данным, алгоритмов расчета и OLAP-интерфейсов можно создать OLAP-приложение для конечного пользователя. Представителем этого класса программного обеспечения является аналитическая платформа Knosys Pro Clarity. С другой стороны, OLAP-системы для быстрой настройки – это средства, которые предоставляют визуальный интерфейс для создания OLAP-приложений без программирования. Такие системы включают визуальный генератор запросов, встроенные алгоритмы агрегации и инструменты настройки пользовательских OLAP-интерфейсов. В такой технологии реализована большая часть инструментов пакета BusinessObjects и Аналитической платформы Контур.

    • Наконец, к третьей категории OLAP-продуктов по степени готовности к применению относятся конечные OLAP-приложения. Это готовые прикладные решения для конечного пользователя. Они требуют только установки, и, не всегда, настройки под специфику пользователя.

    Пример такого решения – OLAP-приложения системы "Контур Стандарт", подготовленные для анализа данных в различных отраслях и для решения различных аналитических задач.



    Каталог: wp-content -> uploads -> 2011
    2011 -> Темы курсовых мероприятий для корпоративного обучения на базе образовательных организаций
    2011 -> Выявить динамику взглядов на предмет психологии и методы ее изучения в различные исторические периоды
    2011 -> Учебно-методический комплекс по дисциплине разработан в соответствии с гос впо 2005 г., программами по курсу «Технологии и методики обучения русскому языку»
    2011 -> Учебно-методический комплекс по дисциплине разработан в соответствии с гос впо 2005 г., программами по курсу «Теория и методика обучения русскому языку»
    2011 -> Приказ № от 20 г. Педагогическим советом Директор гоу гимназии №622 Выборгского района Санкт-Петербурга
    2011 -> Эффективность подготовки кадров определяется возможной востребованностью выпускников успо и унпо и подразумевает повышение качества подготовки специалистов
    2011 -> Платонова Татьяна Юрьевна Свет истины


    Поделитесь с Вашими друзьями:
  • 1   2   3   4   5   6


    База данных защищена авторским правом ©psihdocs.ru 2017
    обратиться к администрации

        Главная страница