Файл: Отличительные черты систем поддержки принятия решений.pdf

2. Сфера агрегированных показателей. Комплексный взгляд на собранную в хранилище данных информацию, ее обобщение и агрегация, гиперкубическое представление и многомерный анализ являются задачами систем оперативной аналитической обработки данных (OLAP) [12, 13]. Здесь можно или ориентироваться на специальные многомерные СУБД [14], или оставаться в рамках реляционных технологий. В последнем случае заранее агрегированные данные могут собираться в БД звездообразного вида, или агрегация информации может происходить на лету в процессе сканирования детализированных таблиц реляционной БД.

Рассмотрим методы он-лайн обработки информации в современных системах поддержки принятия решений.

Онлайновая аналитическая обработка информации позволяет получать данные из баз и хранилищ данных, обрабатывать их по математическим алгоритмам и представлять результаты в виде аналитических отчетов.

Существуют три основных метода онлайн обработки информации (OLAP), которыми регулярно пользуются аналитики, к ним относятся:

● Метод разбиения на сегменты;

● Метод обращения;

● Метод консолидации и детализации.

Метод разбиения на сегменты определяется как стратегия разбивки на элементы, визуализацию и осмысления данных полученных из баз данных. Пользователь системы поддержки принятия решений разбивает большой массив данных на сегменты, которые затем разбиваются на небольшие частицы. Процесс повторяется до тех пор, пока мы не получим уровень детализации необходимый для анализа.

Метод обращения - преобразование столбцов таблицы на строки и наоборот. Метод обращения позволяет аналитику вращать куб с данным в пространстве так, чтобы видеть его различные стороны.

Консолидация и детализация - операции, определяющие переход от детального представления данных в агрегированное представление (вверх) и наоборот - от агрегированного к детальному (вниз).

К данным, которые были обработаны методами разбиения на сегменты, обращения, консолидации и детализации аналитики в дальнейшем применяют математические модели для выявления скрытых зависимостей или оптимизации управленческих решений.

3. Сфера закономерностей. Интеллектуальная обработка осуществляется методами интеллектуального анализа данных (Data Mining) [15-22], главными задачами которых является поиск функциональных и логических закономерностей в накопленной информации, построение моделей и определение правил, объясняющих найденные аномалии и / или прогнозирование развития некоторых процессов.

---

Дейтамайнинг (Data mining) добывание данных - это процесс обнаружения в больших массивах данных ранее неизвестных, нетривиальных, практически полезных и доступных для интерпретации знаний, необходимых для принятия решений в различных областях человеческой деятельности.

Инструментальные средства извлечения данных используют различные методы, включая доказательную аргументацию, визуализацию данных, методы нечеткой логики и анализа, нейросети и другие. Доказательную аргументацию (рассуждения по прецедентам) применяют для поиска записей, подобных какой-то определенной записи или ряда записей. Эти инструментальные средства позволяют пользователю конкретизировать признаки сходства подобранных записей. С помощью визуализации данных можно легко и быстро просматривать графические отображения информации в различных ракурсах.

Известны пять общих типов информации, которые могут быть получены средствами дейтамайнинга:

• классификация: позволяет делать вывод по определению характеристик конкретной группы (например, потребители, которые были потеряны из-за действий конкурентов);
• кластеризация: отождествляет группы элементов, которые имеют показатели близкие к параметру, по которому их объединяют в группу (кластеризация отличается от классификации, потому что не требуется заранее определенная характеристика);
• ассоциация: идентифицирует связи или отношения между событиями, которые происходили в прошлом (например, предпочтения клиентов магазина, которые посещали его в течение года);
• упорядочивание: подобно ассоциации, кроме того, устанавливается связь во временном измерении (например, повторный визит в супермаркет или финансовое планирование изготовления продукта);
• прогнозирование: оценивает будущие значения параметров и показателей экономических процессов, которые вычисляются с использованием определенных тенденций, трендов в предыстории этих процессов с использованием математических методов.

2.2 Классификация задач принятия решений

Анализ работ по проблеме принятия решений [20-22] показывает, что единой универсальной классификации задач принятия решений (ПР) на сегодня не существует. Более того, имеет место различное толкование самых задач ПР. Некоторые авторы [20, 21] к задачам ПР относят только те, в которых имеет место несколько критериев качества, в том числе неочевидных, а проблемная ситуация не может быть описана адекватной объективной математической моделью. В [22, 23] подчеркивается, что задачи ПР характеризуются наличием неопределенности, которая не позволяет найти единственное объективное правильное решение. Задачи нахождения решения для проблемных ситуаций с точной математической моделью (детерминировано-вероятностной) и объективно очевидным критерием качества решаются методами специальной теории принятия решений в рамках еще более общей теории исследования операций. Под операцией понимается процесс достижения цели системой (с учетом определенных ограничений и ее взаимодействия с внешней средой).

---

Таким образом, можно отметить, что к проблемам ПР относятся слабоструктурированные или неструктурированные проблемы, решения по которым принимаются на основании опыта, интуиции и преимуществ полномочного лица, принимающего решение (ЛПР). Как ЛПР может выступать и коллегиальный орган. Здесь следует отметить, что при формировании соответствующих рекомендаций для ЛПР используются как эвристические, так и строгие математические методы.

При классификации задач ПР используют различные признаки [24]. Обзор их можно свести к следующему: характер проблемной ситуации (ПС) тип структурированности ПС; характер оценки ПС; характер стратегии ПС; вид показателя эффективности (ПЭ) критерия качества (КК) характер условий ПР; число участников ПР; степень определенности условий ПР.

По характеру зависимости параметров ПС от времени различают статические и динамические задачи ПР. По типу структурированности ПС различают структурированные, слабоструктурированные и неструктурированные задачи ПР. Структурированные ПС - это хорошо изученные ситуации, описываемые адекватными детерминировано-статистическими математическими моделями, которые имеют объективные показатели эффективности, которые позволяют получить количественные оценки. Для неструктурированных ПС характерны: недостаточно глубокая изученность; качественное, чаще всего вербальное (словесное) описание взаимозависимости параметров и критериев качества; уникальность и новизна; невозможность получения количественных оценок; неоднозначность и неочевидность оценки состояния ситуации. Слабоструктурированные ПС - это слабоизученные проблемы, описываемые как количественными, так и преимущественно качественными (вербальными) зависимостями (моделями).

По характеру оценки состояния ПС, задачи принятия решений могут быть с объективно и субъективно оцениваемыми состояниями (текущими или в результате реализации принятых решений). Задачи с объективно оцениваемыми состояниями характерны для хорошо структурированных проблем, поскольку наличие адекватных математических моделей и объективно очевидных ПЭ позволяет количественно оценить состояние ПС.

К проблемам с субъективно оцениваемыми состояниями ситуаций относят задачи оценки слабоструктурированных и неструктурированных ПС. В таких задачах используют субъективные оценки экспертов, основанные на их опыте, интуиции и личных предпочтениях. В зависимости от характера оцениваемой ПС, задачи рассматриваемого типа, в свою очередь, подразделяются на статические и динамические. Статические задачи характеризуются тем, что оценка состояния ПС осуществляется путем однократной реализации соответствующих процедур (детерминированных, эвристических, комбинированных) в заданный момент времени. Для динамических задач оценку ситуации необходимо проводить путем проведения последовательных процедур, в которых в очередной процедуре используются результаты предыдущей. При этом оценка определяется и на последующие периоды, продолжительность которых зависит от динамических характеристик ПС.

---

Стратегия принятия решения является совокупностью последовательно реализуемых процедур для формирования альтернатив допустимых решений и выбора из них наиболее приемлемого (целевого). В свою очередь, эти процедуры могут быть основаны на строгих математических методах, а также на эвристических и комбинированных математико-эвристических методах. Использование тех или иных методов обусловливается рассмотренными выше тремя характеристиками ПС. В соответствии с этим, по характеру стратегии ПР рассмотренные проблемы подразделяются на задачи со структурированными, слабоструктурированными и неструктурированными стратегиями ПР.

По типу показателя эффективности и, соответственно, критерием качества задачи, ПР подразделяются на скалярные и векторные. Задачи со скалярным ПР имеют один показатель, но экстремум которого принимает целевое решение. Такие задачи, как правило, характерны для структурированных ПС и стратегий ПР.

Задачи с векторным принятием решения относятся к классу многокритериальных задач, для решения которых используют, наряду с детерминированными и эвристические методы. Конечно, векторные ПР сводят к скалярным, используя соответствующие методы эвристического характера (обобщенного показателя в виде суммы компонент с весовыми коэффициентами, отношение затрат к эффекту, целевого программирования, главного показателя) или аксиоматические, основанные на понятии Парето-Оптимальности. При использовании последних, лучшим считают решение, обеспечивающее результат, по всем показателям не хуже любого другого возможного и лучший хотя бы по одному показателю. Аксиоматические методы требуют наличия дополнительной информации для выбора целевого решения.

Кроме определенных выше существует еще большое количество признаков, по которым классифицируются задачи принятия решений. Отметим среди них следующие:

• Структура всевозможных альтернатив;
• Модель принятия решения;
• Информированность лица принимающего решение;
• Новизна задания;
• Вид окончательного решения.

По структуре всевозможных альтернатив можно выделить задачи условного выбора и задачи выбора на конечном множестве альтернатив.

В задачах условного выбора, называемых также задачи оптимизации, множество альтернатив задается неявно в форме нескольких условий (ограничений), которые имеют аналитическое выражение. Например, это могут быть ограничения на материальные или финансовые ресурсы, заданные в виде системы уравнений или неравенств. Множество альтернатив, описанное в такой форме, представляет собой некоторую область в многомерном метрическом пространстве и может иметь произвольную структуру. Подобные задачи формулируются при помощи различных моделей математического программирования. Уточнение структуры множества альтернатив приводит к более тонкой и глубокой классификации таких задач и определения методов их решения.

---

В задачах выбора на конечном множестве альтернатив допустимые варианты решения заданы не при помощи ограничений, а непосредственно – в форме конечного набора объектов. Подобные задачи, как правило, не допускают математической модели, но они чаще всего возникают на практике.

По типу используемой модели выделяют задачи принятия решений с объективными и субъективными моделями. В задачах с объективными моделями можно построить достаточно надежную математическую модель, которая адекватно опишет реальную ситуацию и объединит между собой ее основные элементы.

В задачах с субъективными моделями недостаток объективной информации не позволяет описать количественные связи между элементами проблемы. Поэтому лицо, принимающее решение должно формировать субъективное представление о проблемной ситуации на основе своих знаний, опыта и т.д.

По степени информированности лица принимающего решение задачи принятия решений можно разделить на два класса: задачи целостного и критериально-экспертного выбора.

В задачах целостного выбора предусматривается, что ЛПР имеет богатый профессиональный подход и довольно хорошо знакомо с существующими проблемами и само может выступать в роли эксперта. В этих случаях ЛПР моментально формирует целостный образ ситуации и способно быстро оценивать полезность альтернатив, не производя их детальный анализ.

В отличие от задач целостного выбора в задачах критериально-экспертного отбора ЛПР не может охватить проблему «одним взглядом», то есть не имеет целостного представления об альтернативах до начала выполнения задания. В данном случае, чтобы принять решение, ЛПР собирает отсутствующую информацию, определяет состав показателей и критериев эффективности, прогнозирует возможные последствия альтернатив и сравнивает их, исходя из своих преимуществ.

По признаку новизны решаемой задачи выделяют новые (уникальные) и повторяющиеся задачи принятия решений.

Задача рассматривается как новая, если она сама по себе или обстановка, в которой осуществляется выбор, встречается для ЛПР впервые. В новых задачах ЛПР осознает свои преимущества и формирует окончательное правило непосредственно в процессе принятия решения.

В повторяющихся задачах ЛПР обучается на собственном опыте и применяет типовые правила или процедуры принятия решений, потому что имеет возможность неоднократно наблюдать за результатами. В повторяющихся задачах возрастает роль «запрограммированных» решений, которые лишают ЛПР необходимости каждый раз выполнять анализ проблемы и придумывать способы ее решения.

---