ЛЕКЦИЯ 2. СТРУКТУРА СППР.
1. ИТ поддержки принятия решений.
2. Основные компоненты СППР.
I. ИТ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
Главной особенностью информационной технологии поддержки принятия решений является качественно новый метод организации взаимодействия человека и компьютера. Выработка решения, что является основной целью этой технологии, происходит в результате итерационного процесса, в котором участвуют:
- система поддержки принятия решений в роли вычислительного звена и объекта управления;
- человек как управляющее звено, задающее входные данные и оценивающее полученный результат вычислений на компьютере.
Дополнительно к этой особенности информационной технологии поддержки принятия решений можно указать еще ряд ее отличительных характеристик:
- ориентация на решение плохо структурированных задач;
- сочетание традиционных методов доступа и обработки компьютерных данных с возможностями математических моделей и методами решения задач на их основе;
- направленность на непрофессионального пользователя компьютера;
- высокая адаптивность, обеспечивающая возможность приспосабливаться к особенностям имеющегося технического и программного обеспечения, а также требованиям пользователя.
При создании СППР учитывается ряд принципов:
1. Принцип Шоу: система должна быть такой, чтобы с ней мог работать даже неподготовленный пользователь.
2. Принцип «бюрократичности». Этот принцип связан с уменьшением потока информации, который должен доставляться человеку для принятия решения.
3. Принцип объектно-ориентированного моделирования при построении картины предметной области.
|
|
4. Принцип динамической структуры.
5. Принцип полноты информационного пространства.
6. Принцип интеграции информационного пространства.
7. Принцип децентрализации информационного хранилища.
8. Принцип компонентной сборки прикладных режимов.
II. ОСНОВНЫЕ КОМПОНЕНТЫСППР
В состав СППР входят следующие компоненты:
1. Источники данных: документы, внешние источники, внутренние источники, ИС оперативной обработки данных.
2. Модель данных.
3. База моделей: математическая, оперативная, тактическая.
4. Программная подсистема управления: СУБД, СУБМ, система управления интерфейсом.
Источники данных
Часть данных поступает от информационной системы операционного уровня. Чтобы использовать их эффективно, эти данные должны быть предварительно обработаны.
Помимо данных об операциях фирмы для функционирования системы поддержки принятия решений требуются и другие внутренние данные, например, данные о движении персонала, инженерные данные и т.п., которые должны быть своевременно собраны, введены и поддержаны.
Важное значение, особенно для поддержки принятия решений на верхних уровнях управления, имеют данные из внешних источников. В числе необходимых внешних данных следует указать данные о конкурентах, национальной и мировой экономике. В отличие oт внутренних внешние данные обычно приобретаются у специализирующихся на их сборе организаций.
В настоящее время широко исследуется вопрос о включении в базу данных еще одного источника данных – документов, содержащих записи, письма, контракты, приказы и т.п.
|
|
Модель данных
Модель данных состоит из 5 классов данных:
1. Источники данных.
2. Хранилище данных.
3. Оперативный склад данных.
4. Витрины данных.
5. Метаданные.
Хранилище данных
Хранилище данных представляет собой предметно-ориентированную базу или совокупность баз данных, извлекаемых из источников, которые организованы по сегментам, отражающим конкретную предметную область бизнеса.
Хранилище данных - это предметно-ориентированная, интегрированная, содержащая исторические данные, неразрушимая совокупность данных, предназначенная для поддержки принятия управленческих решений.
Источниками данных хранилища служат оперативные транзакционные системы, которые обслуживают повседневную учетную деятельность компании.
Хранилище данных выполняется в 3-х уровневой архитектуре. На первом уровне расположены разнообразные источники данных – внутренние регистрирующие системы, справочные системы, внешние источники (данные информационных агентств, макроэкономические показатели). Второй уровень содержит центральное хранилище данных, куда стекается информация от всех источников с первого уровня, и, возможно, оперативный склад данных (ОСД). Оперативный склад не содержит исторических данных и выполняет две основные функции. Во-первых, он является источником аналитической информации для оперативного управления и, во-вторых, здесь подготавливаются данные для последующей загрузки в центральное хранилище. Под подготовкой данных понимают их преобразование и осуществление определенных проверок. Наличие ОСД просто необходимо при различном регламенте поступления информации из источников. Третий уровень в описываемой архитектуре представляет собой набор предметно-ориентированных витрин данных, источником информации для которых является центральное хранилище данных. Именно с витринами данных и работает большинство конечных пользователей.
|
|
Хранилище на самом верхнем уровне состоит, как правило, из трех подсистем:
- подсистемы загрузки данных;
- подсистемы обработки запросов и представления данных;
- подсистемы администрирования хранилища.
Подсистема загрузки данных представляет собой ПО, которое в соответствии с определенным регламентом извлекает данные из источников и приводит их к единому формату, определенному для хранилища. Данная подсистема отвечает за формализованную логическую согласованность, качество и интеграцию данных, которые загружаются из источников в оперативный склад данных. Подсистема загрузки данных извлекает детализированные данные из оперативного склада, проводит их агрегацию, консолидацию, трансформирует и помещает в хранилище данных и витрины данных.
Подсистема обработки запросов и представления данных – это программное обеспечение, которое обеспечивает извлечение данных, их аналитическую обработку и представляется конечным пользователям.
Как правило, можно выделить три типа данного ПО:
1. Программное обеспечение регламентированной отчетности – заранее предопределенное запросами и представлениями бизнес-пользователя.
2. Программное обеспечение нерегламентированных запросов пользователей – основной способ общения бизнес-аналитиков с хранилищем данных.
3. Программное обеспечение добычи знаний – реализует сложные статистические алгоритмы и алгоритмы искусственного интеллекта для поиска закономерности данных, представление закономерностей в виде моделей и многовариантное прогнозирование по ним, развитие ситуации по системе «что, если…»
Подсистема администрирования хранилища данных – это программное обеспечение, связанное с поддержкой системы и обеспечением ее устойчивой работы и расширения.
Можно выделить, по крайней мере, четыре класса задач, расширение которых должна обеспечивать данная подсистема:
1. Администрирование данных, которое включает в себя регулярное пополнение данных из источников, если необходимо, ручной ввод, сверка и корректировка данных в оперативном складе. Администрирование данных ведется, как правило, бизнес-пользователями, а ответственность распределяется по предметно-ориентированным сегментам.
2. Администрирование хранилища данных. В задачу администрирования хранилища входят все вопросы, связанные с поддержанием архитектуры хранилища, его эффективной и бесперебойной работы, защитой и восстановлением данных после сбоев.
3. Администрирование доступа к данным обеспечивает сопровождение профилей пользователей, разграничение доступа к конфиденциальным данным, защиту информации от несанкционированного доступа.
4. Администрирование метаданных системы.
Оперативный склад данных
Оперативный склад данных – это технологический элемент хранилища данных в СППР, который служит буфером между транзакционными источниками данных и хранилищем.
Данные, прежде чем попасть в хранилище, должны быть преобразованы в единые форматы, очищены, объединены и синхронизированы. Например, данные, необходимые для поддержки принятия решения, могут существовать в транзакционной системе более короткое время (часы, дни), чем период пополнения данных хранилища (дни, недели). Или семантически однородные данные поступают из транзакционных систем в разное время. В этом случае оперативный склад данных служит аккумулятором данных, поступающих от источников, перед их загрузкой в хранилище.
В отличие от хранилища данных информация в складе данных может изменяться со временем в соответствии с изменениями, происходящими в источниках данных.
Оперативный склад данных создается как промежуточный буфер между оперативными системами и хранилищем данных.
Отличие от хранилища данных состоит в том, что оперативный склад данных: имеет изменяемое содержимое; содержит только детальные данные; содержит текущие значения данных.
Витрины данных
Витрины данных можно представить в виде логически или физически разделенных подмножеств хранилища данных. Обычно они строятся для обслуживания нужд определенной группы пользователей.
Источником данных для витрин служат данные хранилища, которые, как правило, агрегируются и консолидируются по различным уровням иерархии. Детальные данные могут также помещаться в витрину или присутствовать в ней в виде ссылок на данные хранилища.
Функционально ориентированные витрины данных представляют собой структуры данных, обеспечивающие решение аналитических задач в конкретной функциональной области или подразделении компании.
Различные витрины данных содержат разные комбинации и выборки одних и тех же детализированных данных хранилища.
Метаданные
Метаданные — это любые данные о данных.
В общем случае можно выделить по крайней мере три аспекта метаданных, которые должны присутствовать в системе.
1. С точки зрения пользователей:
- метаданные для бизнес-аналитиков,
- метаданные для администраторов,
- метаданные для разработчиков.
2. С точки зрения предметных областей:
- структуры данных хранилища,
- модели бизнес-процессов,
- описания пользователей,
- технологические и пр.
3. С точки зрения функциональности системы:
- метаданные о процессах трансформации,
- метаданные по администрированию системы,
- метаданные о приложениях, метаданные о представлении данных пользователям.
База моделей
Целью создания моделей являются описание и оптимизация некоторого объекта или процесса. Использование моделей обеспечивает проведение анализа в СППР. Модели, базируясь на математической интерпретации проблемы, при помощи определенных алгоритмов способствуют нахождению информации, полезной для принятия правильных решений.
Использование моделей в составе информационных систем 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 построить модели определенного типа, обеспечивающие нахождение решения при гибком изменении переменных.
Существует множество типов моделей и способов их классификации.
По цели использования модели подразделяются на оптимизационные, связанные с нахождением точек минимума или максимума некоторых показателей, и описательные, описывающие поведение некоторой системы и не предназначенные для целей управления (оптимизации).
По способу оценки модели классифицируются на детерминистские, использующие оценку переменных одним числом при конкретных значениях исходных данных, и стохастические, оценивающие переменные несколькими параметрами, так как исходные данные заданы вероятностными характеристиками.
По области возможных приложений модели разбиваются на специализированные, предназначенные для использования только одной системой, и универсальные – для использования несколькими системами.