Современная система поддержки принятия решения (СППР) Современная система поддержки принятия решения (СППР) – это компьютерная автоматизированная система, максимально приспособленная к решению задач повседневной управленческой деятельности, являющаяся инструментом, призванным оказать помощь лицам, принимающим решения (ЛПР). СППР С помощью СППР может производиться выбор решений некоторых неструктурированных и слабоструктурированных задач, в том числе и многокритериальных.

История СППР В конце 60-х годов В конце 60-х годов появляется новый тип ИС -- модель-ориентированные СППР (Model-oriented Decision Support Systems -- DSS) или системы управленческих решений (Management Decision Systems -- MDS). (1978), По мнению первооткрывателей СППР (1978), концепция поддержки решений была развита на основе «теоретических исследований в области принятия решений… и технических работ по созданию интерактивных компьютерных систем» г 1974 г. -- в работе дано определение ИС менеджмента - MIS (Management Information System) это интегрированная человеко-машинная система обеспечения информацией, поддерживающая функции операций, менеджмента и принятия решений в организации. Системы используют компьютерную технику и программное обеспечение, модели управления и принятия решений, а также базу данных г. -- опубликован учебник по СППР, в котором исчерпывающе описаны аспекты создания СППР: анализ, проектирование, внедрение, оценка и разработка г г. – С.Альтер опубликовал диссертацию, в которой дал основы классификации СППР.

История СППР 1981 г г. -- опубликованы теоретические основы проектирования СППР, где определены 4 необходимых компонента, присущих всем СППР: 1) Языковая система - СППР может принимать все сообщения; 2) Система презентаций - СППР может выдавать свои сообщения; 3) Система знаний -- все знания СППР сохраняет; 4) Система обработки задач -- программный «механизм», который пытается распознать и решить задачу во время работы СППР г г. - была разработана информационная система руководителя (Executive Information System (EIS)) -- компьютерная система, предназначенная для обеспечения текущей адекватной информации для поддержки принятия управленческих решений менеджером.

История СППР 1990-х Начиная с 1990-х, разрабатываются так называемые Data Warehouses -- хранилища данных. В 1993 г В 1993 г Е. Коддом (E.F. Codd) для СППР специального вида был предложен термин OLAP (Online Analytical Processing)- оперативный анализ данных, онлайновая аналитическая обработка данных для поддержки принятия важных решений. Исходные данные для анализа представлены в виде многомерного куба, по которому можно получать нужные разрезы -- отчёты. Выполнение операций над данными осуществляется OLAP- машиной. По способу хранения данных различают MOLAP, ROLAP и HOLAP. По месту размещения OLAP-машины различаются OLAP-клиенты и OLAP-серверы. OLAP-клиент производит построение многомерного куба и вычисления на клиентском ПК, а OLAP-сервер получает запрос, вычисляет и хранит агрегатные данные на сервере, выдавая только результаты. В начале нового тысячелетия В начале нового тысячелетия была создана СППР на основе Web.

Четыре основные характеристики СППР: СППР использует и данные, и модели; СППР предназначены, чтобы помогать менеджерам в принятии решений для слабоструктурированных и неструктурированных задач; Они поддерживают, а не заменяют, выработку решений менеджерами; СППР улучшает эффективность решений.

Классификация на уровне пользователя Haettenschwiler Пассивная СППР - система, которая помогает процессу принятия решения, но не может вынести предложение, какое решение принять. Активная СППР может сделать предложение, какое решение следует выбрать. Кооперативная СППР позволяет ЛПР изменять, пополнять или улучшать решения, предлагаемые системой, посылая затем эти изменения в систему для проверки. Система изменяет, пополняет или улучшает эти решения и посылает их опять пользователю. Процесс продолжается до получения согласованного решения.

Классификация на концептуальном уровне Power (2003) 1. Управляемая сообщениями (Communication- Driven DSS) СППР поддерживает группу пользователей, работающих над выполнением общей задачи. 2. СППР, управляемые данными (Data-Driven DSS) ориентированные на работу с данными в основном ориентируются на доступ и манипуляции с данными.

Классификация на концептуальном уровне Power (2003) 3. СППР, управляемые документами (Document- Driven DSS), осуществляют поиск и манипулируют неструктурированной информацией, заданной в различных форматах. 4. СППР, управляемые знаниями (Knowledge- Driven DSS) обеспечивают решение задач в виде фактов, правил, процедур.

Классификация на техническом уровне Power СППР всего предприятия СППР всего предприятия подключена к большим хранилищам информации и обслуживает многих менеджеров предприятия. Настольная СППР Настольная СППР это малая система, обслуживающая лишь один компьютер пользователя.

Классификация по виду используемых данных Оперативные СППР Оперативные СППР предназначены для немедленного реагирования на изменения текущей ситуации в управлении финансово- хозяйственными процессами компании. Стратегические СППР Стратегические СППР ориентированы на анализ значительных объемов разнородной информации, собираемых из различных источников.

Три основные задачи решаемые в СППР: 1. ввод данных; 2. хранение данных; 3. анализ данных.

Классы систем поддержки принятия решений Исходя из изложенных принципов поддержки решений, представляется целесообразным определить три класса СППР в зависимости от сложности решаемых задач и областей применения.

Классы систем поддержки принятия решений СППР первого класса, обладающие наибольшими функциональными возможностями, предназначены для применения в органах государственного управления высшего уровня (администрация президента, министерства) и органах управления больших компаний (совет директоров корпорации) при планировании крупных комплексных целевых программ для обоснования решений относительно включения в программу различных политических, социальных или экономических мероприятий и распределения между ними ресурсов на основе оценки их влияния на достижение основной цели программы. СППР этого класса являются системами коллективного пользования, базы знаний которых формируются многими экспертами - специалистами в различных областях знаний.

Классы систем поддержки принятия решений СППР второго класса являются системами индивидуального пользования, базы знаний которых формируются непосредственным пользователем. Они предназначены для использования государственными служащими среднего ранга, а также руководителями малых и средних фирм для решения оперативных задач управления.

Классы систем поддержки принятия решений СППР третьего класса являются системами индивидуального пользования, адаптирующимися к опыту пользователя. Они предназначены для решения часто встречающихся прикладных задач системного анализа и управления (например, выбор субъекта кредитования, выбор исполнителя работы, назначение на должность и пр.). Такие системы обеспечивают получение решения текущей задачи на основе информации о результатах практического использования решений этой же задачи, принятых в прошлом. Кроме того, системы этого класса предназначены для использования в торговых предприятиях, торгующих дорогими товарами длительного пользования, в качестве средства «интеллектуальной рекламы», позволяющего покупателю выбрать товар на основе своего опыта применения товаров аналогичного назначения.

Если посмотреть на СППР с функциональной стороны, можно выделить следующие ее компоненты : сервер хранилища данных; инструментарий OLAP; инструментарий Data Mining. Эти компоненты СППР рассматривают такие основные вопросы как: вопрос накопления данных и их моделирования на концептуальном уровне, вопрос эффективной загрузки данных из нескольких независимых источников и вопрос анализа данных. Можно сказать, что использование оперативной аналитической обработки (систем OLAP) на сегодня ограничивается обеспечением доступа к многомерным данным. Технология Data Mining представляет в СППР наибольший интерес, поскольку с ее помощью можно провести наиболее глубокий и всесторонний анализ данных и, следовательно, принимать наиболее взвешенные и обоснованные решения.

OLAP-системы В основе концепции OLAP, или оперативной аналитической обработки данных (On-Line Analytical Processing), лежит многомерное концептуальное представление данных (Multidimensional conceptual view). Термин OLAP введен Коддом (E. F. Codd) в 1993 году. Главная идея данной системы заключается в построении многомерных таблиц, которые могут быть доступны для запросов пользователей. Эти многомерные таблицы или так называемые многомерные кубы строятся на основе исходных и агрегированных данных. И исходные, и агрегированные данные для многомерных таблиц могут храниться как в реляционных, так и в многомерных базах данных. Взаимодействуя с OLAP- системой, пользователь может осуществлять гибкий просмотр информации, получать различные срезы данных, выполнять аналитические операции детализации, свертки, сквозного распределения, сравнения во времени. Вся работа с OLAP- системой происходит в терминах предметной области.

OLAP-продукты Сейчас на рынке представлено огромное многообразие OLAP- систем. Разработано несколько классификаций продуктов этого типа: например, классификация по способу хранения данных, по месту нахождения OLAP-машины, по степени готовности к применению. Рассмотрим первую из приведенных классификаций.

Классификация по способу хранения данных MOLAP, исходные и многомерные данные хранятся в многомерной БД или в многомерном локальном кубе. Такой способ хранения обеспечивает высокую скорость выполнения OLAP-операций. Но многомерная база в этом случае чаще всего будет избыточной. Куб, построенный на ее основе, будет сильно зависеть от числа измерений. При увеличении количества измерений объем куба будет экспоненциально расти. Иногда это может привести к "взрывному росту" объема данных, парализующему в результате запросы пользователей. В ROLAP-продуктах исходные данные хранятся в реляционных БД или в плоских локальных таблицах на файл-сервере. Агрегатные данные могут помещаться в служебные таблицы в той же БД. Преобразование данных из реляционной БД в многомерные кубы происходит по запросу OLAP-средства. При этом скорость построения куба будет сильно зависеть от типа источника данных, и поэтому время отклика системы порой становится неприемлемо большим. В случае использования гибридной архитектуры, т.е. в HOLAP-продуктах, исходные данные остаются в реляционной базе, а агрегаты размещаются в многомерной. Построение OLAP-куба выполняется по запросу OLAP-средства на основе реляционных и многомерных данных. Такой подход позволяет избежать взрывного роста данных. При этом можно достичь оптимального времени исполнения клиентских запросов.

Классификация - по месту размещения OLAP-машины OLAP-серверы - Вычисления и хранение агрегатных данных выполняются отдельным процессом - сервером. Клиентское приложение получает только результаты запросов к многомерным кубам, которые хранятся на сервере. Некоторые OLAP-серверы поддерживают хранение данных только в реляционных базах, другие - только в многомерных. Многие современные OLAP-серверы поддерживают все три способа хранения данных: MOLAP, ROLAP и HOLAP. Одним из самых распространенным в настоящее время серверным решением является OLAP-сервер корпорации Microsoft. OLAP-клиент устроен по-другому. Построение многомерного куба и OLAP-вычисления выполняются в памяти клиентского компьютера. С помощью OLAP-сервера может быть организовано физическое хранение обработанной многомерной информации, что позволяет быстро выдавать ответы на запросы пользователя. Кроме того, предусматривается преобразование данных из реляционных и других баз в многомерные структуры в режиме реального времени. OLAP-клиент - Построение многомерного куба и OLAP-вычисления выполняются в памяти клиентского компьютера.

Интеграция OLAP и Data Mining Обе технологии можно рассматривать как составные части процесса поддержки принятия решений. Однако эти технологии как бы движутся в разных направлениях: OLAP сосредотачивает внимание исключительно на обеспечении доступа к многомерным данным, а методы Data Mining в большинстве случаев работают с плоскими одномерными таблицами и реляционными данными. Интеграция технологий OLAP и Data Mining "обогащает" функциональность и одной, и другой технологии. Эти два вида анализа должны быть тесно объединены, чтобы интегрированная технология могла обеспечивать одновременно многомерный доступ и поиск закономерностей. Для обозначения такого объединения вводится составной термин "OLAP Data Mining" (многомерный Data Mining).

Хранилища данных Информационные системы современных предприятий часто организованы таким образом, чтобы минимизировать время ввода и корректировки данных, т.е. организованы не оптимально с точки зрения проектирования базы данных. Такой подход усложняет доступ к историческим (архивным) данным. Изменения структур в базах данных информационных систем очень трудоемки, а иногда попросту невозможны. В то же время, для успешного ведения современного бизнеса необходима актуальная информация, предоставляемая в удобном для анализа виде и в реальном масштабе времени. Доступность такой информации позволяет как оценивать текущее положение дел, так и делать прогнозы на будущее, следовательно, принимать более взвешенные и обоснованные решения. К тому же, основой для принятия решений должны быть реальные данные.

Хранилища данных Если данные хранятся в базах данных различных информационных систем предприятия, при их анализе возникает ряд сложностей, в частности, значительно возрастает время, необходимое для обработки запросов; могут возникать проблемы с поддержкой различных форматов данных, а также с их кодированием; невозможность анализа длительных рядов ретроспективных данных и т.д. Эта проблема решается путем создания хранилища данных. Задачей такого хранилища является интеграция, актуализация и согласование оперативных данных из разнородных источников для формирования единого непротиворечивого взгляда на объект управления в целом. На основе хранилищ данных возможно составление всевозможной отчетности, а также проведение оперативной аналитической обработки и Data Mining.

Требования к ХД Предметная ориентация хранилища данных означает, что данные объединены в категории и сохраняются соответственно областям, которые они описывают, а не применениям, их использующим. Интегрированность означает, что данные удовлетворяют требованиям всего предприятия, а не одной функции бизнеса. Этим хранилище данных гарантирует, что одинаковые отчеты, сгенерированные для разных аналитиков, будут содержать одинаковые результаты. Привязка ко времени означает, что хранилище можно рассматривать как совокупность "исторических" данных: возможно восстановление данных на любой момент времени. Атрибут времени явно присутствует в структурах хранилища данных. Неизменность означает, что, попав один раз в хранилище, данные там сохраняются и не изменяются. Данные в хранилище могут лишь добавляться.

Другими словами, хранилище данных представляет собой своеобразный накопитель информации о деятельности предприятия.

Основные преимущества использования хранилищ данных ХД содержит информацию за весь требуемый временной интервал в едином информационном пространстве, что делает такие хранилища идеальной основой для выявления трендов, сезонных зависимостей и других важных аналитических показателей. В системах ХД несоответствия в данных устраняются на этапе сбора информации и погружения ее в единую базу данных. При этом организуются единые справочники, все показатели в которых приводятся к одинаковым единицам измерения. Универсализация доступа к данным. Хранилище данных предоставляет уникальную возможность получать любые отчеты о деятельности предприятия на основе одного источника информации. Ускорение получения аналитических отчетов.

Как видно из перечисленных преимуществ использования технологии хранилищ данных, большая их часть может существенно упростить, повысить скорость и качественно улучшить процесс Data Mining. Таким образом, комплексное внедрение этих технологий дает разработчикам и пользователям неоспоримые преимущества перед использованием разрозненных баз данных различных информационных систем при создании систем поддержки принятия решений.

СППР «Выбор» СППР «Выбор»- аналитическая система, основанная на методе анализа иерархий (МАИ), является простым и удобным средством, которое поможет структурировать проблему, построить набор альтернатив, выделить характеризующие их факторы, задать значимость этих факторов, оценить альтернативы по каждому из факторов, найти неточности и противоречия в суждениях ЛПР проранжировать альтернативы, провести анализ решения и обосновать полученные результаты. Система опирается на математически обоснованный метод анализа иерархий Томаса Саати.

СППР «Выбор», основанная на методе анализа иерархий (МАИ), является простым и удобным средством, которое поможет: структурировать проблему; построить набор альтернатив; выделить характеризующие их факторы, задать значимость этих факторов, оценить альтернативы по каждому из факторов; найти неточности и противоречия в суждениях ЛПР, проранжировать альтернативы; провести анализ решения и обосновать полученные результаты.

СППР «Выбор» может использоваться при решении следующих типовых задач: оценка качества организационных, проектных и конструкторских решений; определение политики инвестиций в различных областях; задачи размещения (выбор места расположения вредных и опасных производств, пунктов обслуживания); распределение ресурсов; проведение анализа проблемы по методу "стоимость- эффективность"; стратегическое планирование; проектирование и выбор оборудования, товаров; выбор профессии, места работы, подбор кадров.

Основные положения метода анализа иерархий были разработаны известным американским математиком Т.Л.Саати и опубликованы в 1977 г. МАИ используется для решения слабо структуризованных и неструктуризованных проблем. Методология решения таких проблем опирается на системный подход, при котором проблема рассматривается как результат взаимодействия и, более того, взаимозависимости множества разнородных объектов, а не просто как их изолированная и автономная совокупность.

Необходимо отдельно отметить, что проблемы принятия решений, а именно СППР слабо развиты в нашей стране и мало применяются на практике. Не смотря на то, что применение программ подобной СППР «Выбор», не только просто, но и достаточно эффективно и не требует особых знаний и капиталовложений.

Система поддержки принятия решений: СППР «Аналитика – 2000» Спроектированная и разработанная совместными усилиями специалистов ГНИВЦ ФТС России и компании РДТЕХ система "Аналитика 2000" представляет собой реальное воплощение современной концепции системы анализа данных и поддержки принятия решений, построенной с использованием современных информационных технологий.

Заказчик: Федеральная таможенная служба. Отрасль: Государственная структура. Информация о заказчике: Федеральная таможенная служба является уполномоченным федеральным органом исполнительной власти, осуществляющим в соответствии с законодательством Российской Федерации функции по выработке государственной политики и нормативному правовому регулированию, контролю и надзору в области таможенного дела, а также функции агента валютного контроля и специальные функции по борьбе с контрабандой, иными преступлениями и административными правонарушениями.

Предпосылки создания системы: В течение г.г. в целях автоматизации таможенной деятельности, повышения эффективности таможенного оформления и таможенного контроля были проведены опытно- конструкторские работы по созданию автоматизированных систем и комплексов программных средств, входящих в состав Единой автоматизированной информационной системы (ЕАИС) таможенных органов. В базах данных ЕАИС таможенных органов хранятся и обрабатываются огромные объемы информации, превышающие несколько терабайт, по различным аспектам таможенной деятельности, включая электронные копии грузовых таможенных деклараций и таможенных приходных ордеров, оформленных таможнями России, начиная с 1991 года. Ежедневное поступление данных составляет от 6 до 8 тысяч записей. Значительные объемы информации о внешнеэкономической деятельности России потребовали эффективных средств их обработки для обеспечения процессов поддержки принятия решений по управлению таможенной деятельностью.

Задачи проекта Создание системы поддержки принятия решений "Аналитика 2000" обеспечивает решение следующих задач: Оперативный анализ агрегированных данных статистики внешней торговли, региональной и специальной таможенной статистики. Оперативный сопоставительный анализ агрегированных данных ЕАИС и стран-контрагентов (страны ЕС). Подготовка и формирование публикаций таможенной статистики внешней торговли. Оперативный анализ данных таможенных приходных ордеров. Оперативный анализ данных по товарообменным и бартерным операциям, а также по принадлежности транспортных средств. Оперативный анализ данных статистики внешней торговли за счет реализации технологии анализа данных "от агрегата к детали". Оперативный анализ агрегированных данных по безвозмездной и гуманитарной помощи.

Структура СППР "Аналитика" представляет собой классическую систему с хранилищем данных и зависимыми витринами данных. Информационные массивы СППР "Аналитика" делятся на три основные группы: База данных системы оперативной обработки информации (внутренние источники информации) Базы данных внешних источников Хранилище и Витрины Данных.

Результаты проекта В результате введения в промышленную эксплуатацию СППР "Аналитика 2000" удалось существенно, на несколько порядков, уменьшить время и одновременно значительно повысить качество решения аналитических задач.

Результаты проекта В результате введения в промышленную эксплуатацию СППР "Аналитика 2000" удалось существенно, на несколько порядков, уменьшить время и одновременно значительно повысить качество решения аналитических задач. Появилась ранее недостижимая гибкость проведения анализа. Анализируемые агрегированные данные представляются в виде последовательности интерактивных динамических отчетов (таблиц и диаграмм), позволяющих пользователю изменять уровни агрегации анализируемых измерений и срезы данных в рамках определенных размерностей и форм представления статистических показателей. В итоге, СППР "Аналитика 2000" признана корпорацией Oracle крупнейшей реализацией OLAP-системы в Европе.