4.6. Системы поддержки принятия решений (сппр). Основные понятия

Основным назначением СППР является автоматизация решения задач руководителя - анализа большого объема информации и выбора одного из небольшого набора решений.

Методология разработки СППР основана на теории принятия решений (ТПР). Отсюда основные понятия: ЛПР - лицо, принимающее решение; ЗПР - задача принятия решения.

В западной литературе термин СППР отсутствует. Его заменяют: EIS - Executive Information System - ИС руководства высшего звена (стратегического руководства), DSS - Decision Support System - ИС руководства низшего и среднего звена (тактического руководства). В настоящее время различия между EIS и DSS стираются.

СППР используется при решении задач:

• определение и анализ тенденций;

• описание ключевых соотношений и слежение за ними;

• детализирующий анализ (drill down analysis);

• анализ альтернатив ("what if" analysis);

• мониторинг задач (problem monitoring).

Данные, используемые в СППР, в порядке повышения их полезности для ЛПР:

• примитивные операционные данные без временной привязки;

• производные предметно-ориентированные данные с историей;

• события (привязанные ко времени совокупности данных);

• данные и события, генерируемые при помощи средств моделирования.

Для хранения данных в СППР реализуется хранилище данных (ХД) - Data Warehouse.

ХД - предметно-ориентированная, интегрированная, некорректируемая, зависимая от времени коллекция данных, предназначенная для ПР.

ХД реализуется как надстройка над действующими системами сбора и обработки информации, не оказывающая влияния на их работу. ХД должно быть реализовано так, чтобы ответ на любой запрос пользователя производился в терминах предметной области. Крайне желательна поддержка нескольких уровней компетенции пользователей, на каждом из которых ХД при обработке запросов создает целостное интерпретируемое описание предметной области. Неотъемлемой частью ХД является словарь метаданных.

Пополнение ХД происходит в соответствии с концепцией извлечения знаний (ИЗ) (data mining) из БД:

1. данныеèинформация (структуризация);

2. информацияèзнания (выявление закономерностей);

3. знанияèрешения.

ИЗ сходно с методологиями OLTP и OLAP, но глубже.

В ИЗ используются методы выявления и анализа знаний:

1. Ассоциация - выявление связи (совместности) нескольких событий.

2. Последовательность - ассоциация с учетом временной составляющей.

3. Классификация - выделение признаков сгруппированных данных.

4. Кластеризация - формирование классов.

5. Прогнозирование.

Основные средства, используемые при ИЗ:

1. Нейросети.

2. Деревья решений (деревья продукций).

3. Средства визуализации данных.

4. Средства индуктивного обучения.

5. Нечеткие множества и логика.

6. Статистические методы:

   1. кластерный анализ;

   2. дискриминационный анализ;

   3. дисперсионный анализ;

   4. факторный анализ;

   5. регрессионный анализ;

   6. многомерное шкалирование.