Система поддержки принятия решений СППР (Decision Support Systems DSS)

Системы поддержки принятия решений являются человеко-машинными системами, которые позволяют лицам, принимающим решения (ЛПР) использовать данные, знания, объективные и субъективные модели для анализа и решения слабоструктуризованных задач.

В СППР объединяются на общей основе подходы, характерные для следующих направлений исследований: принятие решений; извлечение и представление знаний; построение человеко-машинных (диалоговых) систем.

СППР обладает следующими основными характеристиками:

-использует и данные, и модели;

-предназначена для помощи менеджерам при решении слабоструктурированных и неструктурированных задач;

-поддерживает, а не заменяют, выработку решений менеджерами;

-улучшает эффективность решений.

В архитектуре СППР чаще всего выделяют следующие компоненты:

-система управления данными,

-система управления моделями,

-машина знаний,

-интерфейс пользователя,

-пользователи.

Архитектура СППР представляется следующим образом:

-Языковая система (ЯС).

-Система знаний (СЗ).

-Система обработки проблем (СОП).

Языковая система ЯС аналогична интерфейсу «пользователь-система». Обеспечивает коммуникации между пользователем и компонентами СППР.

Система знаний СЗ содержит информацию о проблемной области. СЗ различаются по характеру содержащихся в них данных и по используемым методам представления знаний - иерархические структуры, семантические сети, фреймы, исчисление предикатов и др.

Система обработки проблем СОП (проблемный процессор) является механизмом, связывающим языковую систему ЯС и систему знаний СЗ.

СОП обеспечивает сбор информации, распознавание проблемы, формулировку модели, ее анализ, воспринимает описание проблемы средствами ЯС и использует знания из СЗ для поддержки решения.

СОП является динамичной компонентой СППР, отражающей (моделирующей) образцы поведения человека, решающего проблему.

СОП выполняет функции анализа проблем и принятия решений.

Преимущества СППР

СППР позволяет облегчить работу руководителям предприятий и повысить ее эффективность. Они значительно ускоряют решение проблем в бизнесе. СППР способствуют налаживанию межличностного контакта.

На их основе можно проводить обучение и подготовку кадров. Данные информационные системы позволяют повысить контроль над деятельностью организации. Наличие четко функционирующей СППР дает большие преимущества по сравнению с конкурирующими структурами.

Благодаря предложениям, выдвигаемым СППР, открываются новые подходы к решению повседневных и нестандартных задач.

Интеллектуальный анализ данных

Под «анализом данных» понимают действия, направленные на извлечение из них информации об исследуемом объекте и на получение по имеющимся данным новых данных.

Интеллектуальный анализ данных (ИАД) – общий термин для обозначения анализа данных с активным использованием математических методов и алгоритмов (методы оптимизации, генетические алгоритмы, распознавание образов, статистические методы, Data Mining и т.д.), использующих результаты применения методов визуального представления данных.

В общем случае процесс ИАД состоит из трех стадий:

1) выявление закономерностей (свободный поиск);

2) использование выявленных закономерностей для предсказания неизвестных значений (прогнозирование);

3) анализ исключений для выявления и толкования аномалий в найденных закономерностях.

Иногда выделяют промежуточную стадию проверки достоверности найденных закономерностей (стадия валидации) между их нахождением и использованием.

Все методы ИАД по принципу работы с исходными данными подразделяются на две группы:

1. Методы рассуждений на основе анализа прецедентов – исходные данные могут храниться в явном детализированном виде и непосредственно использоваться для прогнозирования и/или анализа исключений.

2. Методы выявления и использования формализованных закономерностей, требующие извлечения информации из первичных данных и преобразования ее в некоторые формальные конструкции, вид которых зависит от конкретного метода.

Data Mining (DM) – это технология обнаружения в «сырых» данных ранее неизвестных нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности.

Решение большинства задач бизнес-анализа сводится к той или иной задаче Data Mining.

Наибольшее распространение получили следующие методы Data Mining: нейронные сети, деревья решений, алгоритмы кластеризации, алгоритмы обнаружения ассоциативных связей между событиями и т.д.