Главная страница
Форум
Промиздат
Опережения рынка
Архитектура отрасли
Формирование
Тенденции
Промстроительство
Нефть и песок
О стали
Компрессор - подбор и ошибки
Из истории стандартизации резьб
Соперник ксерокса - гектограф
Новые технологии производства стали
Экспорт проволоки из России
Прогрессивная технологическая оснастка
Цитадель сварки с полувековой историей
Упрочнение пружин
Способы обогрева
Назначение, структура, характеристики анализаторов
Промышленные пылесосы
Штампованные гайки из пружинной стали
Консервация САУ
Стандарты и качество
Технология производства
Водород
Выбор материала для крепежных деталей
Токарный резец в миниатюре
Производство проволоки
Адгезия резины к металлокорду
Электролитическое фосфатирование проволоки
Восстановление корпусных деталей двигателей
Новая бескислотная технология производства проката
Синие кристаллы
Автоклав
Нормирование шумов связи
Газосварочный аппарат для тугоплавких припоев
|
Главная страница / Архитектура отрасли ПОСОБИЕ ДЛЯ РУКОВОДИТЕЛЯ Системы поддержки принятия решений, СППР (decision support systems – DSS), все шире используются в государственных и в коммерческих структурах в интересах оптимизации и повышения эффективности бизнеса учреждения или компании. Без специальных приложений СППР невозможна информационная поддержка принятия решений в ходе бизнес-процессов предприятия. Функционирование СППР должно опираться на программные инструменты интеллектуального анализа данных, подкрепленные механизмами визуализации отчетов о результатах анализа в виде, понятном конечным пользователям и на инструменты получения нужных данных из разных источников, так называемые средства раскопки данных (data mining). Для этого предложены технологии хранилищ данных (data warehouse) и киосков данных (data marts). Прикладные области, где требуется поддержка принятия решений Менеджеры компаний, которым необходимо принимать решения о выборе (или не выборе) тех или иных прикладных информационных систем для решения задач в сфере управления бизнесом, действуют исходя из основополагающей цели бизнеса – создания богатства акционеров, т. е. увеличения стоимости компании. Все остальное – планы, процессы, стратегии, аппаратные и программные средства – всего лишь средства, инструменты для достижения этой цели. Технологии анализа данных должны создавать стоимость по крайней мере одним из следующих способов (а желательно всеми тремя сразу) – увеличением доходов, снижением издержек и, что очень важно, уменьшением рисков ведения бизнеса. Практическое применение технологий анализа данных представлено на примере области маркетинга / продаж и проведения рекламных кампаний (опыт одного из крупнейших банков США – Меллон-банка). Очевидно, что область маркетинга / продаж, важная сама по себе, далеко не единственная из прикладных областей, где требуется поддержка принятия решений на основе интеллектуального анализа данных. В числе вертикальных отраслей, где системы поддержки принятия решений себя уже зарекомендовали и достаточно широко применяются, можно выделить следующие: • телекоммуникации (например, British Telecom, MCI Communications); • финансовая и банковская сферы (Mellon Bank, First National Bank of Chicago, First National Bank of Maryland); • рынок ценных бумаг (Национальная ассоциация США NASD, биржа NASDAQ); • страхование; • логистика; • промышленность. Специфика ведения бизнеса в каждой из этих отраслей определяет свои требования и круг вопросов, связанных с поддержкой принятия решений. Однако основные принципы построения СППР и используемые программные продукты могут быть общими. Для построения СППР можно выделить четыре группы программных продуктов: • средства генерации запросов пользователей и составления отчетов; • средства интерпретации данных; • средства анализа данных; • хранилища и киоски данных. Ниже более подробно будут рассмотрены две последние группы средств. Инструменты интеллектуалуального анализа данных и связанных с ними технологий «раскопки данных», весьма сложен и многообразен. Сюда относятся: • нейронные сети; • нечеткая логика; • новые алгоритмы корреляционного анализа; • анализ временных рядов; • средства обработки исключений; • методы визуализации результатов анализа. Сведения о наиболее известных продуктах анализа данных приведены в табл. 1. Инструменты хранилищ данных и киосков данных Понятие о хранилищах данных как о наборе данных для поддержки принятия решений впервые ввел в литературе в 1988 году Билл Инмон, которого считают «отцом хранилищ данных». Его книга «Building the Data Warehouse» до сих пор считается классической. Рынок программных средств для хранилищ данных оценивался компанией IDC в размере 1,4 млрд. долл. на 1995 год, 5,5 млрд. долл. на 2000-й. Этот рост связывается прежде всего с потребностями сбора и хранения данных о потребителях в системах класса CRM. Для обмена метаданными (данными о данных) между хранилищами данных и аналитическими системами международный консорциум OMG (Object Management Group) разработал и в 2000 году принял стандарт Common Warehouse Metamodel (CWM). По инициативе Microsoft создан альянс, объединяющий 39 компаний - разработчиков хранилищ данных и аналитических приложений на основе открытой архитектуры Microsoft Data Warehousing Framework. Сведения о наиболее известных продуктах хранилищ данных приведены в табл. 2. *** Аналитики, исследующие область систем поддержки принятия решений, считают, что в ближайшие пять лет свое значение сохранят механизмы «раскопки данных», интегрированные с хранилищами данных. Приложения, функционирующие как оболочки хранилищ данных, будут представлять собой интеллектуальные агенты (intelligent agents), вызываемые на исполнение в соответствии с типовыми или нестандартными запросами пользователей. Как известно, ценность любой системы определяется ценностью данных, которые она содержит и предоставляет пользователям. А ценность данных определяется последствиями принимаемых на их основе решений и действий, осуществляемых в соответствии с принятыми решениями. На создание хранилищ данных и средств интеллектуального анализа данных уходит от нескольких сот тысяч до одного-двух миллионов долларов, а на их внедрение – около двух лет. И лишь в половине проектов достигается желаемый успех и системы удовлетворяют требованиям пользователей. ИТ-менеджеры компаний, конечно, знают о том, что существует опасность потратить миллионы долларов впустую. Это заставляет их быть предельно осторожными. Но вместе с тем все чаще перед руководством компаний возникает дилемма: либо удержать имеющихся потребителей продуктов и услуг и завоевать новых, либо утратить свои позиции на рынке, рискуя вообще сойти с дистанции. Выход здесь один – искать пути построения хранилищ данных и средств интеллектуальной обработки бизнес-информации. Главная страница / Архитектура отрасли |