- •1.Понятие информационной системы (ис). Ис в управлении предприятием.
- •2.Классификация информационных систем (ис).
- •По характеру использования результатной инф-и:
- •4.Архитектура ис, типы архитектур.
- •7.Информационное обеспечение ис. Требования к информационному обеспечению.
- •8.Информационная модель организации (предприятие).
- •9.Информационные ресурсы ис: проблемы создания и доступа. Источники и потребители информации.
- •10.Роль информационных ресурсов (ир) в управлении.
- •11.Техническое обеспечение кис и его классификация.
- •12.Требования к техническому обеспечению кис.
- •13.Корпоративная сеть предприятия: структура, Интернет/Интеранет и Экстранет.
- •14.Администрирование корпоративной сети (кс).
- •15.Сеть Интернет как элемент инфраструктуры кис.
- •17.Требования к программному обеспечению (по) кис.
- •18.Сегментация рынка по.
- •20.Технологические решения интеграции информационных систем.
- •21.Перспективы развития по кис.
- •24.Интеллектуальный анализ данных. Управление знаниями.
- •25. Экспертная система (эс).
- •26 Системы поддержки принятия решений
- •27.Перспективы развития систем ии.
- •30 Классы безопасности информационных систем
- •35.Правовое обеспечение безопасности информационных технологий. Нормативные акты рб об информатизации и защите информации.
- •36.Понятие бп.Участники рбп.Этапы реинжиниринга.Моделирование бп.
- •37.Примеры реализации реинжиниринга бизнес-процессов.
- •38.Жизненный цикл (жц) кис.
- •39.Проектирование кис.
- •40. Case-средства
- •41.Стандартизация и сертификация ис
- •42.Оценка эффективности внедрения ис.
24.Интеллектуальный анализ данных. Управление знаниями.
интеллектуальный агент - разумные сущности, наблюдающие за окружающей средой и действующие в ней, при этом их поведение рационально в том смысле, что они способны к пониманию и их действия всегда направлены на достижение какой-либо цели. Такой агент может быть как роботом, так и встроенной программной системой. Об интеллектуальности агента можно говорить, если он взаимодействует с окружающей средой примерно так же, как действовал бы человек.
Всех агентов можно разделить на пять групп, по типу обработки воспринимаемой информации:
Агенты с простым поведением действуют только на основе текущих знаний. Их агентская функция основана на схеме условие-действие IF (условие) THEN действие. Такая функция может быть успешной, только если окружающая среда полностью поддается наблюдению.
Агенты с поведением, основанным на модели, могут оперировать со средой, лишь частично поддающейся наблюдению. Внутри агента хранится представление о той части, что находится вне границ обзора.
Целенаправленные агенты схожи с предыдущим типом, однако они, помимо прочего, хранят информацию о тех ситуациях, которые для них желательны. Это дает агенту способ выбрать среди многих путей тот, что приведет к нужной цели.
Практичные агенты способны различать, насколько желанно для них текущее состояние. Такая оценка может быть получена с помощью «функции полезности», которая проецирует множество состояний на множество мер полезности состояний.
Обучающиеся агенты - независимость и способность к обучению и приспосабливанию к изменяющимся обстоятельствам.
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.
В общем случае процесс ИАД состоит из трех стадий;
1. выявление закономерностей;
2. использование выявленных закономерностей для предсказания неизвестных значений;
3. анализ исключений для выявления и толкования аномалий в найденных закономерностях.
Иногда выделяют промежуточную стадию проверки достоверности найденных закономерностей.
Существующие системы ИАД подразделяют на исследовательские, ориентированные на специалистов и предназначенные для работы с новыми типами проблем; прикладные, рассчитанные на аналитиков, менеджеров, технологов и решающие типовые задачи (в прикладных системах целесообразно реализовывать не методы, а типовые виды рассуждений, характерные для проблемной области).
Для проведения автоматического анализа данных, накопленных предприятием в течение жизненного цикла, используются технологии под общим названием Data Mining. Data Mining — это технология обнаружения я «сырых» данных ранее неизвестных нетривиальных, практически полезных и доступных интерпретаций знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Алгоритмы, используемые в Data Mining требуют большого количества вычислений, что ранее считалось сдерживающим фактором широкого практического их применения, однако рост производительности современных процессоров снял остроту этой проблемы.
Наибольшее распространение получили следующие методы Data Mining: нейронные сети, деревья решений, алгоритмы кластеризации, алгоритмы обнаружения ассоциативных связей между событиями и т.д.
Деревья решений представляют собой иерархическую древовидную структуру классифицирующих правил типа «если-то». Для отнесения некоторого объекта или ситуации к какому-либо классу следует ответить на вопросы. При положительном ответе осуществляется переход в правому узлу следующего уровня дерева,отрицательном — к левому узлу.
приоритет постепенно смещается в сторону логических алгоритмов поиска в данных «если — то» правил. Результаты таких алгоритмов эффективны и легко интерпретируются. Главная проблема метода - проблема перебора вариантов за приемлимое время.
В основе концепции ОLАР лежит принцип многомерного представления данных. правила, которым должен удовлетворять программный продукт класса ОLАР:
1. Многомерное концептуальное представление данных; 2.Прозрачность; 3.Доступность; 4.Устойчивая производительность; 5.Клиент-серверная архитектура; 6.Равноправие измерений; 7.Поддержка многопользовательского режима; 8.Гибкий механизм генерации отчетов и др.;
Достоинства использования многомерных БД в системах оперативной аналитической обработки:
• поиск и выборка данных осуществляются значительно быстрее.
•простота включения в информационную модель разнообразных встроенных функций.
Управление знаниями - систематическое приобретение, синтез, обмен и использование опыта для достижения успеха в бизнесе или в управлении компанией.
выделяют два типа знаний:
Явные знания — знания, представленные в компании в виде должностных инструкций, регламентов и положений о деятельности подразделений, корпоративные учебные пособия и другое.
Неявные знания — знания, носителем которых является человек (продукт личного опыта), их нельзя увидеть, сложно задокументировать, передать их можно только посредством личного и непосредственного общения. Они могут содержаться в корпоративном хранилище данных, для извлечения которых используются технологии искусственного интеллекта и статистики.
Управлять знаниями так, как управляют, например, финансовыми ресурсами, нельзя, но можно управлять взаимодействиями явных и неявных знаний, способствовать их обмену на уровне групп, индивидуальном и корпоративном уровнях, управлять переходом знаний из одной формы в другую. Процедуры взаимодействия могут быть реализованы в портале управления знаниями.
Портал управления знаниями — это корпоративный информационный портал для управления взаимодействием на уровне знаний сотрудников организации, рабочих групп собственно организации.
Система управления содержимым/контентом - программный комплекс, который позволяет управлять электронным контентом.
Системы бизнес-интеллекта (Business Intelegence) – класс информационных систем, которые позволяют преобразовывать разрозненные и необработанные данные операционной деятельности предприятия в структурированную инфу и знания, используемые для принятия управленческих решений.
По оценкам агентства IDС рынок Business Intelegence состоит из 5 секторов:
OLAP-продукты
Инструменты добычи данных
Средства построения Хранилищ и Витрин данных
Управленческие информационные системы и приложения
Инструменты конечного пользователя для выполнения запросов и построения отчетов.
Как правило, функции BI включают поддержку принятия решений, запросы и отчетность, аналитическую обработку оnline, статистический анализ, прогнозирование и количественный анализ.
Потенциальными потребителями BI-систем являются телекоммуникационные компании, банки, промышленные предприятия и сфера торговли, государственные управленческие структуры; крупные компании и холдинги, отрасли энергетики, нефтехимии и др.
Потребность в системах искусственного интеллекта возникает по мере достижения предприятием достаточно высокой культуры управления.