Файл: «Отличительные черты систем поддержки принятия решений»(Актуальность применения систем поддержки принятия решений).pdf
Добавлен: 28.03.2023
Просмотров: 130
Скачиваний: 2
Системы поддержки принятия решений позволяют получить лучшие решения, сделать эффективным процесс принятия оптимальных решений. Эффективность управления измеряется такими экономическими показателями, как доходность предприятия, себестоимость выпускаемой продукции, объемы выпускаемой продукции. Системы СППР влияют на экономические показатели косвенно, поэтому количественное измерение эффективности внедрения систем поддержки принятия решений осложняется.
Оценка экономической эффективности системы СППР выполняется до ее внедрения в промышленную эксплуатацию и после производства.
Построение системы поддержки принятия решений - это довольно сложный и серьезный проект.
В той или иной степени СППР присутствуют в любой информационной системе. Поэтому осознанно или нет, к задаче создания системы поддержки принятия решений организации приступают сразу после приобретения вычислительной техники и установки программного обеспечения. По мере развития бизнеса, упорядочивания структуры организации и налаживания межкорпоративных связей проблема разработки и внедрения СППР становится особенно актуальной.
Одним из подходов к созданию таких систем стало использование хранилищ данных. Создание СППР на основе ХД - сложный, но обозримый процесс, требующий знания бизнеса, программно-технического инструментария и опыта выполнения крупных проектов. К тому же внедрение подобных систем может иметь преимущества в бизнесе, которые будут тем ощутимее, чем раньше организация начнет создание СППР. По прогнозам консалтинговой фирмы Gartner Group, к 2018 году примерно 90-95% компаний использовали хранилища данных.
Построение СППР на основе хранилищ данных требует новых технологических решений, к созданию которых несколько лет назад приступили основные производители промышленных СУБД и разработчики систем анализа данных.
Сегодня накоплен большой опыт разработки и внедрения специализированных структур данных и создания СППР на основе СУБД различных типов. Известна и технология создания больших хранилищ, как правило, на основе реляционных СУБД.
В работе приведено описание классификаций СППР и анализ типичных архитектур.
Выделены основные типы используемых систем: текстовые СППР, гипертекстовые СППР, ориентированные на использование баз данных и хранилищ данных СППР, табличные СППР, ориентированные на модели СППР, СППР, которые используют искусственный интеллект, гибридные СППР.
Список использованной литературы
1. Alter S.L. Decision support systems: current practice and continuing challenges. Reading, Mass.: Addison-Wesley Pub., 1980.
2. Power D.J. "What is a DSS?" // The On-Line Executive Journal for Data-Intensive Decision Support, 1997. – V. 1. – N3.
3. Scott Morton M.S. Management Decision Systems: Computer-based Support for Decision Making. – Boston: Harvard University, 1971.
4. Халин В. Г. и др. Системы поддержки принятия решений. – 2015.
5. Стародубцев А. А. Система поддержки принятия решений //Актуальные проблемы авиации и космонавтики. – 2016. – Т. 2. – №. 12. – С. 99-101.
6. Новикова И. Ю., Хазанова Д. Л. Системы поддержки принятия решений //Вестник научных конференций. – ООО Консалтинговая компания Юком, 2015. – №. 1-6. – С. 105-108.
7. Шапот М. Интеллектуальный анализ данных в системах поддержки принятия решений // Открытые системы. – 2016. – №1. – С. 30–35.
8. Devlin, B. Data warehouse: from architecture to implementation. Addison Wesley Longman, Inc. (2015).
9. Спирли Э. Корпоративные хранилища данных. Планирование, разраотка и реализация. – Т.1 / Э. Спирли. – М.: Издательство Вильямс, 2015. – 400 с.
10. Тарасенко Ф.П. Surveying Decision Support: New Realms of Analysis [Text] / Ф.П. Тарасенко // Database Programming and Design. – 2016. – № 4. – Р. 37-42.
11. Щавелев Л.В. Способы аналитической обработки данных для поддержки принятия решений / Л.В. Щавелѐв // СУБД. – 20015. – № 4-5. – C. 23-25.
12. Codd E.F. Providing OLAP (On–Line Analytical Processing) to User–Analysts: An IT Mandate [Text] / E.F.Codd, S.B. Codd, C.T. Salley. – E.F. Codd & Associates, 2013. – 322 Р.
13. Сахаров А.А. Концепция построения и реализации информационных систем, ориентированных на анализ данных / А.А. Сахаров // СУБД. – 2016. – № 4. – С. 55-70.
14. Parsaye K. OLAP and Data Mining: Bridging the Gap / K. Parsaye // Database Programming and Design. – 2007. – № 2. – Р. 83-88.
15. Agrawal R. Fast Discovery of Association Rules. Advances in Knowledge Discovery and Data Mining / R. Agrawal et al // AAAI Press, Menlo Park. – Calif., 2006, chap. 12.
16. Srikant R. Mining Association Rules with Item Constraints / R. Srikant, Q. Vu, R. Agrawal // Proc. Third Int’l Conf. Knowledge Discovery and Data Mining. – AAAI Press. Menlo Park, Calif., 2007. – P. 67-73.
17. Киселев М. Средства добычи знаний в бизнесе и финансах / М. Киселев, Е. Соломатин // Открытые системы. – № 4. – 2007. – C. 41-44.
18. Асеев Г.Г. Проблема обнаружения нового знания в хранилищах данных методами Knowledge Discovery in Databases / Г.Г. Асеев // Вестник НТУ “ХПИ”. – Х. : НТУ “ХПИ”, 2006. – № 19. – С. 62-70.
19. Асеев Г.Г. Методы интеллектуального анализа данных в электронных хранилищах [Текст] / Г.Г. Асеев // Бионика интеллекта: науч.-техн. журн. – 2008. – № 1(70). – С. 28-33.
20. Хамфрис П. Уровни структуризации проблем принятия решений / П. Хамфрис // Сб. тр. НИИСИ. – М., 2004. – Вып. 9. – С. 3-20.
21. Ларичев О.И. Проблема взаимодействия человек – ЭВМ в системах подготовки принятия решений / О.И. Ларичев // Сб. тр. НИИСИ. – М., 2004. – Вып. 9. – С. 20-28.
22. Simon H. Heuristic problem solving: the next advance in operations research [Text] / H. Simon, A. Newell // Operations research. – 2008. – V. 6. – Р.43-50.