При использовании классических инструментов анализируемые показатели и взаимосвязи должны быть определены заранее. Обычные отчеты не рассчитаны на поиск неочевидных правил и на извлечение неизвестных закономерностей — то есть на генерацию новых знаний. Для решения подобных задач предназначены технолгии интеллектуального анализа данных
Интеллектуальный анализ данных (DM, Data Mining) использует взаимодополняющие методы обнаружения знаний. Суть и цель технологии DM можно охарактеризовать так: это технология, которая предназначена для поиска в больших объемах данных неочевидных, объективных и полезных на практике закономерностей.
· Неочевидных — это значит, что найденные закономерности не обнаруживаются стандартными методами обработки информации или экспертным путем.
· Объективных — это значит, что обнаруженные закономерности будут полностью соответствовать действительности, в отличие от экспертного мнения, которое всегда является субъективным.
· Практически полезных — это значит, что выводы имеют конкретное значение, которому можно найти практическое применение.
Наибольшее коммерческое распространение в мировой практике получили следующие методы:
· кластеризация — реализует группировку относительно сходных объектов;
· поиск ассоциаций — реализует поиск устойчивых комбинаций событий и объектов;
· дерево решений — обеспечивает построение причинно-следственной иерархии условий, приводящей к определенным решениям.
Целью кластеризации (сегментации) является выделение из множества объектов одной природы некоторого количества относительно однородных групп — сегментов или кластеров. Объекты распределяются по группам таким образом, чтобы внутригрупповые отличия были минимальными, а межгрупповые — максимальными.
Кластеризация клиентов по различным категориальным признакам позволяет ответить на вероятно основной вопрос любого бизнеса: "Кто он, наш потребитель, каковы его потребности и сколько он готов заплатить за их удовлетворение?".
Сегментация товаров по уровню субъективной привлекательности позволяет более четко позиционировать их среди аналогичных товаров конкурентов и наметить эффективные мероприятия по их продвижению и ценообразованию.
Кластеризация районов города по уровню достатка жителей способствует более адекватному ценообразованию.
Сегментация ключевых менеджеров по восприятию их вашими клиентами позволяет улучшить индивидуальное обслуживание последних и пересмотреть приоритеты в стимулировании первых.
Методы кластеризации позволяют перейти от пообъектного к групповому представлению совокупности произвольных объектов, что существенно упрощает оперирование ими.
Поиск ассоциаций предназначен для выявления устойчивых комбинаций элементов в определенных событиях или объектах.
Первоначально метод поиска ассоциаций использовался для нахождения типичных шаблонов покупок, совершаемых в супермаркетах, поэтому иногда его еще называют анализом рыночной корзины. Применительно к этому сценарию в качестве ассоциируемых элементов, как правило, выступают товарные группы. А группирующим объектом, объединяющим элементы выборок, может быть любой объект информационной системы, идентифицирующий сделку, например, заказ покупателя, акт об оказании услуг или чек контрольно-кассовой машины.
Информация о закономерностях в комбинационных предпочтениях покупателей позволяет повысить эффективность CRM (в части рекламных кампаний и маркетинговых акций), ценообразования (формирование комплексных предложений и системы скидок), логистики (оптимизация товарных запасов) и мерчендайзинга (распределение товаров в торговых залах). Известными иллюстрациями данного алгоритма являются выявленные устойчивые ассоциации вида "хлеб — молоко", "телевизор класса премиум — DVD-проигрыватель", которые нашли широкое использование в розничной торговле.
Результаты анализа представляются в виде групп ассоциированных элементов. В результатах анализа помимо выявленных устойчивых комбинаций элементов приводится развернутая аналитика по ассоциированным элементам.
В результате применения метода «дерево решений» к исходным данным создается иерархическая структура правил вида "Если... то...", а алгоритм анализа обеспечивает процесс вычленения на каждом этапе наиболее значимых условий и переходов между ними.
Рассматриваемый алгоритм получил наибольшее распространение при выявлении причинно-следственных связей в данных и описании поведенческих моделей.
Типичная зона применимости деревьев решений — оценка различных рисков, например, просрочки платежа или закрытия заказа клиентом, недопоставки или несвоевременной поставки товара поставщиком. Другой часто встречающийся вариант использования этого алгоритма — анализ и прогноз поведенческих стереотипов (переход клиента к конкуренту, отклик на рекламную кампанию). Возможность использования варьируемых обучающих и актуальных выборок позволяет формировать на их основе сценарные прогнозы. Анализы этого типа незаменимы в бюджетном процессе.
Еще одним примером практического использования этого алгоритма является формирование дружественной клиенту среды коммуникации. Алгоритм позволяет выявить клиентов с подобными стереотипами общения и восприятия для разработки типовых сценариев их обслуживания.
Результаты анализа и прогноза с помощью деревьев решений позволяют существенно снизить влияние неопределенности бизнес-окружения на состояние предприятия, а также решить широкий спектр задач, связанных с выявлением сложных и неочевидных причинно-следственных связей. Адекватная оценка рисков обеспечивает принятие квалифицированных решений по оптимизации отношения доходность/риск в деятельности предприятия, а также полезна для увеличения реалистичности различных бюджетов.
Все три метода, рассмотренные выше реализованы в 1С Предприятие 8.0[17].
Когнитивная система
Когнитивная система — система убеждений человека, сложившаяся в его сознании в результате его характера, воспитания и размышления об окружающем мире. На основе этой системы человек ставит себе цели и принимает решения о последовательности действий в той или иной ситуации, стараясь избежать когнитивного диссонанса, т.е. несоответствия самому себе.
Опыт когнитивной системы как опыт психологии поведения человека используется в моделях социально-экономических систем. Когнитивные системы — это системы моделирования, предназначенные для стратегического управления поведением сложных социально-экономических объектов в нестабильной внешней среде. С помощью ориентированного графа описывается взаимосвязь между факторами и оценивается их влияние друг на друга. Это влияние может быть либо усиливающим (положительным), либо тормозящим (отрицательным), либо переменного знака в зависимости от возможных дополнительных условий. В отличие от систем интеллектуального анализа данных, эти системы для анализа используют факторы (показатели), которые характеризуют проблемную ситуацию, воздействуют на ситуацию и оценивают ситуацию. Они соответственно носят названия: целевые показатели, показатели-рычаги воздействия, показатели-индикаторы ситуации. На рисунке приведен пример когнитивной системы.
Рис.3. Когнитивная система[18]
Примером может также служить система по определению состояния бюджета в стране.
1. Выбираются целевые показатели в пределах области ответственности, например налоги.
2. Выбираются показатели, от которых зависят целевые факторы, например, политическая ситуация, оценка уровня сбора налогов и др.
3. Оценивается ситуация по состоянию показателей-индикаторов, в данном случае бюджета.
Тестовые задания
1. Факты, отображающие объекты, процессы и явления предметной области, а также их свойства, - это …
*данные
знания
информация
2. Сведения, рассматриваемые в каком-либо контексте, которое имеют значение для пользователя, - это …
данные
знания
*информация
3. Закономерности, установленные в результате практической деятельности и накапливания профессионального опыта в некоторой проблемной области и позволяющие специалистам ставить и решать задачи в этой области, - это …
данные
*знания
информация
4. Установите соответствие...
Знания – это... (b)
Данные – это... (a)
Информация – это... (c)
Варианты...
(a) записанные на каком-либо носителе факты
(b) понятые субъектом факты и их зависимости, запоминаемые для последующего применения
(c) новые и полезные для решения задач факты
5. Знаниями являются … факты
*осмысленные
новые
зафиксированные
6. Какие средства обеспечивают решение задач управления знаниями?
*Информационный поиск
*Адресная рассылка
Математическое моделирование
*Навигация в пространстве знаний
Извлечение знаний
*Коммуникация экспертов
7. Установите соответствие в процессах управления знаниями и их назначением:
| № | Назначение |
| Обучение | |
| Обмен опытом | |
| Детализация знаний | |
| Формулирование концепции |
Интернализация (1)
Комбинация (3)
Социализация (2)
Экстернализация (4)
8. Определите элементы интеллектуального капитала организации?
*Человеческий капитал
*Организационный (структурный) капитал
Инвестиционный капитал
*Реляционный капитал
9. Человеческий и реляционный капитал:
*Являются объектом владения организации
Рассматриваются как арендованные (или предоставленные на время добровольно)
10. К внутренним источникам знаний относятся:
*техническая документация, описание производственных и деловых процессов
материалы публикаций и новости, содержащиеся в Интернет
*описание профилей знаний специалистов (экспертов)
референтные модели организации бизнес-процессов (отраслевые и типовые решения)
*архивы документов: протоколов, писем, решений, приказов
11. Знания, которыми люди могут свободно обмениваться с помощью слов или других способов общения называются:
*Явное знание
Неявное знание
Оба варианта верные
12. Какие процессы управления знаниями относятся к вспомогательным?
Обмен неформализованным знанием
*Организация и структуризация знаний
*Создание эффективной среды коммуникации
Концептуализация знаний проекта
*Поиск знаний по запросам
13. В выполнении функций управления знаниями участвуют:
Специально созданные службы управления знаниями
Менеджеры по управлению знаниями
*Все подразделения предприятия
14. Каких категорий работников служб управления знаниями не существует?
Менеджеры знаний
Инженеры знаний
*Продюсеры знаний
15. Система управления знаниями – это
система моделирования решений
*система коммуникации участников процесса принятия решений
*система обеспечения знаниями процесса принятия решений
экспертная система
система оперативного анализа данных
16. Назовите области применения систем управления знаниями:
*Обучение
*Обеспечение принятия решений
*Информирование
*Разработка проектов
*Анализ и прогнозирование развития ситуаций
Управление операциями
*Реструктуризация и реорганизация предприятий
17. Система управления знаниями – это:
*система, которая интегрирует множество источников знаний
*система, которая решает поисковые задачи
*система, которая обеспечивает коллективный доступ к знаниям
система, которая строит умозаключения
система, которая извлекает закономерности из существующих знаний
18. Какие элементы не включаются в состав системы управления знаниями?
*Все элементы включаются в состав системы управления знаниями
Системы внутренних коммуникаций (мгновенные сообщения, электронная почта)
База знаний
Онтология
Директор по управлению знаниями
Электронные архивы
Служба управления знаниями
19. Какой из подсистем системы управления знаниями не существует:
Подсистема интеграции знаний
Подсистема распространения знаний
Подсистема хранения знаний
*Подсистема генерации знаний
Все указанные подсистемы существуют
20. В состав подсистемы распространения знаний входят:
*Системы электронного обучения
*Системы рассылки
*Поисковые системы
Базы данных
*Системы коммуникации
Экспертные системы
21. Подсистема хранения знаний содержит метаинформацию, то есть:
*Информацию об элементах знаний
Все знания организации
Основные теоретические знания по всем областям
22. В рамках подсистемы интеграции знаний рассматриваются:
*Формализованные знания
*Информация в сети Интернет
*Опыт специалистов
23. Какая из стадий проектирования системы управления знаниями направлена на определение целей создаваемой СУЗ?
*Идентификация
Концептуализация
Формализация
Реализация
Внедрение
24. На каком этапе проектирования системы управления знаниями происходит формирование репозитория?
Идентификация
Концептуализация
*Формализация
Реализация
Внедрение
25. На каком этапе проектирования системы управления знаниями происходит определение системы показателей для оценки эффективности внедрения системы управления знаниями?
*Идентификация
Концептуализация
Формализация
Реализация
Внедрение
26. На каком этапе проектирования системы управления знаниями происходит обучение сотрудников организации методам управления знаниями?
Идентификация
Концептуализация
Формализация
Реализация
*Внедрение
27. Определите последовательность (сверху вниз) уровней целей, связанных между собой в рамках стратегической карты, построенной на основе сбалансированной системы показателей:
Обучение и развитие (4)
Финансы (1)
Внутренние процессы (3)
Клиенты и рынок (2)
28. На специфику системы управления знаниями в организации влияет:
*Отрасль и размер организации
*Понимание предмета управление знаниями внутри компании
*Характер внешних связей организации
*Стратегические цели компании
29. С точки зрения прямого эффекта можно выделить следующие критерии эффективности функционирования СУЗ:
*Ускорение процессов решения задач
Обновляемость продукции
Научно-технический уровень (качество) продукции
*Повышение релевантности отбираемых знаний
*Полнота и достаточность предоставляемых знаний
Уровень квалификации персонала
*Своевременность предоставления информации
Сокращение текучести кадров
30. Моделирование проблемной области включает в себя:
Построение стратегической карты проекта по созданию СУЗ
*Построение карт знаний
*Моделирование процессов управления знаниями
31. На модели, отражающей структуру знаний организации, показываются:
*Категории знаний, которыми обладает организация
*Виды формализованных знаний
*Разнородные источники знаний
32. Идентификация знаний – это...
разработка неформального описания знаний о предметной области в виде графа, таблицы, диаграммы или текста
*параметризация предметной области
создание прототипа системы управления знаниями
разработка базы знаний на языке представления знаний
33. Концептуализация знаний – это...
получение инженером по знаниям наиболее полного из возможных представлений о предметной области и способах принятия решения в ней
создание прототипа системы управления знаниями
*разработка описания структуры знаний о предметной области в виде графа, таблицы, диаграммы или текста
разработка базы знаний на языке представления знаний
34. Формализация знаний – это...
разработка неформального описания знаний о предметной области в виде графа, таблицы, диаграммы или текста
получение инженером по знаниям наиболее полного из возможных представлений о предметной области и способах принятия решения в ней
создание прототипа системы управления знаниями
*разработка базы знаний на языке представления знаний
35. Утверждение о том, что этап формализации базы знаний - это выбор метода представления знаний, в рамках которого проектируется логическая структура базы знаний, является …
*верным
неверным
верным, но только в отдельных случаях
36. Microsoft SharePoint Portal реализует:
*Подписку на документы (уведомление об изменениях)
*Индексирование документов, сайтов и файлов
Автоматическая классификация и извлечение знаний агентами знаний (knowledge agents) и агентами контента (content agents)
*Классификацию информационных ресурсы в соответствии с набором категорий, определяемых пользователем
Семантический поиск на основе визуализации онтологии и формирования интеллектуальных запросов
*Совместную работа над документами
*Рецензирование
*Технологии Web 2.0
37. Для технологии web 2.0 характерно следующее свойство:
*информационный материал формируется децентрализовано всеми пользователями
информационный материал формируется централизовано автором и не подлежит изменению
38.Для технологии web 2.0 характерно следующее свойство:
*любому информационному материалу (тексту, фото, видео) присваиваются теги, представляющие ключевые слова, облегчающие поиск необходимого источника знаний
поиск информационного материала осуществляется только по тексту названия и содержания
39.ОLAР-технологии представляют собой инструмент, используемый для анализа данных, содержащихся в хранилищах данных, построенных по принципу:
одномерных реляционных баз данных;
*многомерных баз данных (гиперкуба).
40.По осям многомерного куба ОLAР-технологии указываются:
ограниченный набор учетных признаков;
ограниченный набор объектов учета и анализа;
*аналитические измерения объекта.
41.Сущность DM-технологий заключается в реализации процесса обнаружения в данных ранее неизвестных знаний, необходимых для принятия решения в области:
любой человеческой деятельности;
*экономики;
статистики.
42.DM-технологии используются на:
* стратегическом уровне управления предприятием;
тактическом уровне управления предприятием;
оперативном уровне управления предприятием;
технологическом уровне управления предприятием.
43.ОLAP-технологии используются на:
стратегическом уровне управления предприятием;
*тактическом уровне управления предприятием;
оперативном уровне управления предприятием;
технологическом уровне управления предприятием.
44.Технология анализа данных из хранилищ данных называется:
* OLAP
б) DM-технология
в) когнитивная система
г) нейронная сеть
45.Оперативный анализ данных называется:
* OLAP
DM-технология
когнитивная система
нейронная сеть
46.Интеллектуальный анализ данных называется:
OLAP
* DM-технология
когнитивная система
нейронная сеть
47.Многомерный анализ данных называется:
* OLAP
DM-технология
когнитивная система
нейронная сеть
48.Технология, являющаяся моделью биологического объекта:
OLAP
DM-технология
когнитивная система
* нейронная сеть
49.Консолидация и детализация являются операциями:
* OLAP
DM-технология
когнитивная система
нейронная сеть
50.Результатом работы какой технологии является витрина данных:
* OLAP
DM-технология
когнитивная система
нейронная сеть
51.Какая из интеллектуальных технологий реализована в 1С: Предприятие:
OLAP
*DM-технология
когнитивная система
нейронная сеть
52.Технология комплексного многомерного анализа данных получила название:
*OLAP
DM-технология
когнитивная система
нейронная сеть
53.Процесс обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений
OLAP
*DM-технология
когнитивная система
нейронная сеть
54.Система моделирования, предназначенная для стратегического управления поведением сложных социально-экономических объектов в нестабильной внешней среде:
OLAP
DM-технология
*когнитивная система
нейронная сеть
55.Обучение на примерах характерно для технологии:
OLAP
DM-технология
когнитивная система
*нейронная сеть
56.Алгоритм «кластеризация» реализован в технологии:
OLAP
*DM-технология
когнитивная система
нейронная сеть
57.Алгоритм «дерево решений» реализован в технологии:
OLAP
*DM-технология
когнитивная система
нейронная сеть
58Возможность получения агрегатных данных реализована в технологии:
*OLAP
DM-технология
когнитивная система
нейронная сеть
Заключение
Для развития любого человеческого общества необходимы материальные, инструментальные, энергетические и информационные ресурсы. Настоящее время – это период, характеризующийся небывалым ростом объема информационных потоков. Это относится как к экономике, так и к социальной сфере. Информация является решающим фактором, определяющим развитие технологии и ресурсов в целом. Рыночные отношения предъявляют повышенные требования к своевременности, достоверности, полноте информации, без которой немыслима эффективная маркетинговая, финансово-кредитная, инвестиционная деятельность.
Литература
1. Букович, Уэнди. Управление знаниями: руководство к действию: пер. с англ / Э. Букович, Р. Уилльямс. — М.: ИНФРА-М, 2002. — XVI, 504 с.
2. Всеволодова А.В. Знания, информация и данные в образовании / А.В. Всеволодова, О.В. Карташева // ХV Международная конференция-выставка «Информационные технологии в образовании»: Сборник трудов участников конференции. Часть IV. — М.: МИФИ, 2005. — С. 292-294.
3. Дюран, Т. Алхимия компетенции / Т. Дюран // Хэмел Г., Пархалад К., Томас Г., О'Нил Д. Стратегическая гибкость. — СПб: Питер, 2005. —401 c.
4. Информационные технологии в бизнесе / Под ред. М. Желены. — СПб: Питер, 2002. — 1120 c.: ил. — (Серия «Бизнес-класс»).
5. Карташева О.В. Информационные ресурсы и информационный рынок: учебное пособие / О. В. Карташева; ЯФ МЭСИ. — Ярославль: Ремдер, 2006. — 100 с.
6. Карташева О.В. Коммерческие базы данных: учебно-практическое пособие / О.В. Карташева; Международный университет бизнеса и новых технологогий /институт/. — Ярославль: РИЦ МУБиНТ, 2006. — 99 с.
7. Карташева О.В. Управление информационными ресурсами: учебное пособие / О. В. Карташева; Международная академия бизнеса и новых технологий (МУБиНТ). - Ярославль: Академия МУБиНТ, 2012. - 92 с.
8. Карташева О. В. Знания, информация, данные и профессиональная компетентность предпринимателя / О. В. Карташева // Библиотека и образование: сборник материалов 1-й международной конференции (19-22 апреля 2005 г., Ярославль) / Международный университет бизнеса и новых технологий; Международная ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий (ЭБНИТ) — Ярославль: МУБиНТ.
9. Мильнер, Б. З. Управление знаниями. Эволюция и революция в организации: научно-популярная литература / В. З. Мильнер. — М.: Инфра-М, 2003. - XIV, 178 с.
10. Нонака И., Такеучи Х., Компания — создатель знания. Зарождение и развитие инноваций в японских фирмах, М., "Олимп-Бизнес", 2003 г. — 384 с.
11. Представление и использование знаний: пер. с япон. / Под ред. Х. Уэно, М. Исидзука. — М.: Мир, 1989. — 220 с.
12. Тельнов, Ю.Ф. Интеллектуальные информационные системы в экономике: Учебное пособие для ВУЗов/ Ю.Ф. Тельнов. — М.: Синтег, 2002. — 316 с.
13. Тельнов, Ю.Ф., Скорова А.А., Андреева Н.В. Проектирование баз знаний. Учебное пособие. — М.: МЭСИ, 1992.-100 с.
14. Фролов, Ю.В. Управление знаниями: Учебное пособие / Ю.В. Феоктистов. — М.: ООО «НИЦ Инженер», 2007. — 404 с.
15. Хорошилов, А.В. Управление информационными ресурсами: учебник / А.В. Хорошилов, С.Н. Селетков, Н.В. Днепровская; под ред. А.В. Хорошилова. — М.: Финансы и статистика, 2006. — 272 с.: ил.
[1] Фролов, Ю.В. Управление знаниями: Учебное пособие / Ю.В. Феоктистов. — М.: ООО «НИЦ Инженер», 2007.
[2] Фролов, Ю.В. Управление знаниями: Учебное пособие / Ю.В. Феоктистов. — М.: ООО «НИЦ Инженер», 2007.
[3] Фролов, Ю.В. Управление знаниями: Учебное пособие / Ю.В. Феоктистов. — М.: ООО «НИЦ Инженер», 2007.
[4] Информационные технологии в бизнесе / Под ред. М. Желены. — СПб: Питер, 2002.
[5] Фролов, Ю.В. Управление знаниями: Учебное пособие / Ю.В. Феоктистов. — М.: ООО «НИЦ Инженер», 2007.
[6] Фролов, Ю.В. Управление знаниями: Учебное пособие / Ю.В. Феоктистов. — М.: ООО «НИЦ Инженер», 2007.
[7] Нонака И., Такеучи Х., Компания — создатель знания. Зарождение и развитие инноваций в японских фирмах, М., "Олимп-Бизнес", 2003 г.
[8] Мильнер, Б. З. Управление знаниями. Эволюция и революция в организации: научно-популярная литература / В. З. Мильнер. — М.: Инфра-М, 2003.
[9] Информационные технологии в бизнесе / Под ред. М. Желены. — СПб: Питер, 2002.
[10] Нонака И., Такеучи Х., Компания — создатель знания. Зарождение и развитие инноваций в японских фирмах, М., "Олимп-Бизнес", 2003 г.
[11] Дюран, Т. Алхимия компетенции / Т. Дюран // Хэмел Г., Пархалад К., Томас Г., О'Нил Д. Стратегическая гибкость. — СПб: Питер, 2005.
[12] Дюран, Т. Алхимия компетенции / Т. Дюран // Хэмел Г., Пархалад К., Томас Г., О'Нил Д. Стратегическая гибкость. — СПб: Питер, 2005.
[13] Тельнов, Ю.Ф. Интеллектуальные информационные системы в экономике: Учебное пособие для ВУЗов/ Ю.Ф. Тельнов. — М.: Синтег, 2002.
[14] Тельнов, Ю.Ф. Интеллектуальные информационные системы в экономике: Учебное пособие для ВУЗов/ Ю.Ф. Тельнов. — М.: Синтег, 2002.
[15] Тельнов, Ю.Ф. Интеллектуальные информационные системы в экономике: Учебное пособие для ВУЗов/ Ю.Ф. Тельнов. — М.: Синтег, 2002.
[16] Библиотека примеров Contour BI / Contour Components [Электронный ресурс] // (https://www.contourcomponents.com/page/ru.79.htm).
[17] Интеллектуальный анализ данных / 1С [Электронный ресурс] // (https://v8.1c.ru/consolid/1018.htm)
[18] https://www.setlab.net