31. Виды систем поддержки принятия решений

В той или иной степени системы поддержки принятия решений (СППР) присутствуют в любой информационной системе. СППР разделяют на:

- оперативные, предназначенные для немедленного реагирования на текущую ситуацию.

- стратегические, основанные на анализе большого количества информации из различных источников.

Системы первого типа получили название "информационные системы руководства" (ИСР, Executive Information System). Они представляют собой конечные наборы отчетов, построенные на базе данных из транзакционной, информационной (On-Line Transaction Processing -OLTP) системы. OLTP система должна адекватно отражать в ре­жиме реального времени все аспекты производственного цикла предприятия.

Для ИСР характерны следующие черты:

- отчеты, как правило, базируются на стандартных для организации запро­сах, число запросов относительно невелико;

- ИСР предоставляет отчеты в максимально удобном виде, включающем на­ряду с таблицами деловую графику, мультимедийные возможности и пр.

- ИСР обычно ориентированы на вертикальный рынок, например, финансы, маркетинг.

СППР второго типа предполагают достаточно глубокую проработку дан­ных, специально преобразованных так, чтобы их было удобно использо­вать в ходе процесса принятия решений (Decision Support Systems - DSS). Обязательным компонентом являются правила принятия решений, которые на основе агрегированных данных подсказывают лицу принимающему решения выводы и придают системе черты искусственного интеллекта. Такого рода системы создаются только, если структура бизнеса (деятельности) уже достаточно определена и имеются основания для обобщения и анализа не только данных, но и процессов их обработки.

32. Хранилища данных

Для решения задач анализа в начале 90-х годов была разработана идея Хранилища данных - (Data WareHouse). Хранилища данных определяют как:

предметно-ориентированные, интегрированные, неизменяемые, поддерживающие хронологию наборы данных, предназначенные для поддержки принятия решений.

Хранилище организовано вокруг основных предметов (или субъектов) организации (например, клиенты, товары и продажи), а не вокруг прикладных областей деятельности (выписка счета клиенту, контроль запасов на складе).

ХД представляет собой единый интегрированный источник данных. Оперативно-прикладные данные обычно поступают из разных источников систем оперативной обработки, которые часто имеют несогласованное представление одних и тех же данных, например, используют разный формат. Данные об объекте управления собираются в одном месте, приводятся к единому формату, в ряде случаев агрегируются до минимально требуемого уровня обобщения.

Данные в хранилище не обновляются в оперативном режиме, а лишь регулярно пополняются за счет информации из оперативных систем обработки.

Данные в хранилище корректны только, если они привязаны к некоторому моменту или промежутку времени. В хранилище поддерживается хронология: наравне с текущими хранятся исторические данные с указанием времени, к которому они относятся.

СУБД, созданная для поддержки оперативной обработки транзакций (OLTP), обычно считается непригодной для организации хранилищ данных, поскольку к этим двум типам систем предъявляются совершенно разные требования. OLTP-системы проектируются с целью обеспечения максимально интенсивной обработки фиксированных транзакций, тогда как хранилища данных – прежде всего для обработки единичных произвольных запросов (ad hoc query).

OLTP-система	Хранилище данных
Содержит текущие данные	Содержит исторические данные
Хранит подробные сведения	Хранит подробные сведения, а также частично и значительно обобщенные данные
Данные являются динамическими	Данные в основном являются статическими
Повторяющийся способ обработки данных	Нерегламентированный, неструктурированный и эвристический способ обработки
Высокая интенсивность обработки транзакций	Средняя и низкая интенсивность обработки
Предсказуемый способ использования данных	Непредсказуемый способ использования данных
Предназначена для обработки транзакций	Предназначена для проведения анализа
Ориентированна на прикладные области	Ориентированна на предметные области
Поддержка принятия повседневных решений	Поддержка принятия стратегических решений
Обслуживает большое количество работников исполнительного звена	Обслуживает относительно малое количество работников руководящего звена

В технологии ХД основное внимание уделяется управлению пятью основными потоками: входным, восходящим, нисходящим, выходным и метапотоком. С каждым из этих потоков связаны определенные процессы.

Входной поток – процессы, связанные с извлечением, очисткой и загрузкой информации из источников данных в хранилище данных.

Восходящий поток – процессы, связанные с повышением ценности сохраняемых в хранилище данных за счет обобщения, упаковки и распределения исходных данных.

Нисходящий поток – процессы, связанные с архивированием и резервным копированием

Информации в хранилище.

Выходной поток – процессы, связанные с предоставлением данных пользователю.

Перечисленные потоки характеризуют управление хранилищем данных при перемещении данных в хранилище и из него.

Метапоток - процессы, связанные с управлением метаданными. Метапоток – это процесс, связанный с перемещением метаданных, т.е. данных о других данных. Метаданные – это описание информационного содержания хранилища данных: что в нем содержится, откуда что поступает, какие операции выполнялись во время очистки, как осуществлялись интеграция и обобщение. Области применения ХД

Поддержка принятия управленческих решений на основе накопленной информации может осуществляться в трех основных направлениях (рис. 1):

1. Область детализированных данных - это сфера действия большинства транзакционных систем (OLTP), нацеленных на поиск информации. Для решения подобных задач хорошо подходят реляционные СУБД.

2. Область агрегированных показателей - комплексный взгляд на собранную в Хранилище данных информацию, ее обобщение и агрегация, гиперкубическое представление и многомерный анализ являются задачами систем оперативной аналитической обработки (OLAP) .

3. Область закономерностей - обработка производится методами интеллектуального анализа (Добыча данных - Data Mining). Главная задача таких методов - поиск функциональных и логических закономерностей в накопленной информации, построение моделей и правил, которые объясняют найденные аномалии и/или с определенной вероятностью прогнозируют развитие рассматриваемых процессов.

Сфера детализирован- Сфера агрегирован- Сфера

ных данных ных показателей закономерностей

Рис. 1. Области применения ХД