- •1. Суть и этапы управления на предприятии. Особенности их автоматизации.
- •2. Суть и особенности процессного подхода. Описание бизнес-процессов.
- •3. Информационные системы в управлении предприятием и их составляющие. Задачи, решаемые кис.
- •4. Системы управления ресурсами предприятия (erp): назначение, их состав и классификация, история возникновения.
- •5. Задачи erp-систем и их основные функциональные возможности.
- •6. Типовая архитектура erp-систем. Классификация.
- •7. Примеры erp-систем, преимущества, проблемы и этапы их внедрения.
- •8. Особенности, архитектура, преимущества и возможности системы Microsoft Dynamics Axapta.
- •9. Особенности и основные возможности решения «1с:Предприятие» по управлению торговлей.
- •10. Основные модули решения «1с:Предприятие» по управлению торговлей и примеры их использования.
- •11. Основные функциональные возможности приложений по автоматизации складского учета.
- •12. Бизнес-процессы торговой организации: виды и их особенности.
- •Раздел 2.
- •13. Суть и особенности online-продаж.
- •14. Online-продажи: безопасность, компоненты, процедура, преимущества и недостатки.
- •15. Основные этапы и особенности открытия и функционирования интернет-магазина в рб.
- •16. Каталоги и интернет-магазины для организации электронных продаж.
- •17. Основные модули и автоматизируемые процессы системы PrestaShop.
- •Раздел 3.
- •19. Логические и функциональные блоки crm-систем и их использование.
- •22. Роль и место crm-систем в erp-системах.
- •23. Использование и особенности e-crm. Типовая функциональная структура.
- •24. Структура и основные функциональные возможности Terrasoft crm.
- •Раздел 4.
- •25. Виды компьютерной графики. Кодирование графической информации.
- •26. Основные инструменты и структура программы Adobe Photoshop. Примеры использования инструментов.
- •27. Flash-технологии – назначение, особенности и составляющие. Типы анимации во Flash.
- •Раздел 5.
- •28. Типовая структура и особенности аналитических информационных систем.
- •29. Понятие и концепция хранилищ данных.
- •30. Модели хранилищ данных и основные компоненты хранилищ данных.
- •31. Технология olap, olap-куб – основные понятия.
- •32. Архитектура olap-систем, таблицы фактов, таблицы измерений. Способы реализации многомерной модели.
- •Раздел 6.
- •33. Понятие, задачи Data Mining и связи с другими дисциплинами.
- •34. Методы Data Mining. Визуальные инструменты Data Mining.
- •35. Проблемы и вопросы Data Mining. Области применения.
- •36. Метод «деревья решений».
- •37. Метод «кластеризации».
- •38. Особенности проектов Data Mining, типовая структура аналитических систем.
- •39. Основные этапы процесса Data Mining, общая схема анализа данных.
- •40. Методы эффективной работы с большими данными для Data Mining.
- •41. Deductor – принципы работы и структура платформы. Возможности взаимодействия с другими системами.
38. Особенности проектов Data Mining, типовая структура аналитических систем.
В большинстве случаев DataMiningпроекты не оправдывают ожидания клиентов потому, что они относятся к ним как к стандартным проектам.
Проект – это уникальная деятельность, имеющая начало и конец во времени, направленная на достижение заранее определенной цели, создание уникального продукта или услуги при заданных ограничениях по ресурсам и срокам, а также требованиям к качеству и допустимому уровню риска.
Однако DataMiningпроект – это вообще не проект, а научное исследование.
Суть DataMining– построение и применение моделей, а модель есть приближение реального процесса, следовательно:
-никакая модель не является финальной, всегда есть неучтенные факторы.
-модель со временем нужно перестраивать, т.к. меняются описываемые ей процессы.
-некоторые процессы не поддаются моделированию, для них необходимо изобретать особые способы работы.
Все модели предполагают, что данные удовлетворяют базовым требованиям: точности, достоверности, полноты… На практике в данных всегда присутствуют ошибки: опечатки, пропуски, аномалии, дубликаты… Именно плохое качество данных является одной из самых серьезных проблем любого DataMiningпроекта. Применение методов очистки и предобработки данных позволяет частично решить эту проблему, но полностью ее не снимает.
Если известны правила, формулы и закономерности, при помощи которых можно получить искомый результат, то в применении DataMiningнет необходимости.DataMining– это поиск скрытых закономерностей. Следовательно, до начала исследования аналитик даже не догадывается о том, какие закономерности существуют, он может только предполагать их наличие.
DataMining– это исследование, и его целью является не получение результата с гарантированным качеством (что невозможно в принципе), а лучшей модели из возможных в данной ситуации.
Рабочий цикл Data Mining
Формирование гипотез – Сбор данных – Очистка данных – Построение моделей – Мониторинг качества.
Особенности DataMiningпроцесса определяют требования к программному обеспечению:
- ориентация на аналитика: 95% времени – это работа аналитика, связанная с подбором моделей и анализом результатов.
- гибкость. Необходимо подстраиваться под постоянные изменения требований.
-очистка данных: без нее результат будет гарантированно плохим.
-моделирование: для каждого класса задач нужны соответствующие алгоритмы.
- интеграция: необходим механизм быстрого переноса лучших моделей в рабочий процесс.
Критически важным для процесса являются возможности развития и адаптации моделей. Для этого необходимо:
- наличие аналитиков, способных самостоятельно контролировать процесс и развивать систему.
-возможность понять логику анализа и при необходимости ее изменять.
-реализация самообучающихся алгоритмов, способных перестраиваться при поступлении новых данных.
-встроенные механизмы визуализации, позволяющие оценить качество результата и интерпретировать построенные модели.
DataMiningнетривиален, однако реальной альтернативы ему нет. В компаниях накопились такие объемы данных, что физически невозможно обработать их «ручными» методами. Из-за этого информация, представляющая огромную ценность, лежит мертвым грузом.
DataMining– это единственный на сегодня систематизированный способ увидеть варианты будущего, объективно их сравнивать и определить потенциальные последствия альтернативных решений.