Поддержка принятия решений

- пространственно  и функционально распределенные  системы облегчают обмен информацией и принятие согласованных решений группами специалистов, совместно работающих над решением одной задачи, и/или группами экспертных систем, управляющих сложным техническим объектом.  

- принцип модульного  построения и использования систем  также хорошо реализуется в распределенных системах поддержки принятия решений. Возможность создавать системы для решения сложных проблем из относительно простых и автономных программно- аппаратных модулей позволяет их легче создавать, отлаживать и эксплуатировать. Таким образом, распределенный подход поддержки принятия решений целесообразно использовать, когда ЛПР пространственно распределены, либо когда процесс принятия решений связан с высокой степенью функциональной специализации и, конечно, когда имеют место оба эти случая. Обе эти ситуации могут быть связаны с различными прикладными областями принятия решений.  

Несмотря на различный характер приложений, методы построения распределенных систем принятия решений в них очень близки.  

Существенно новые  возможности появляются у специалистов, принимающих решения, которые находятся на значительном расстоянии друг от друга. Развитие региональных и глобальных вычислительных сетей, компьютер которым могут быть подключены локальные сети специалистов, принимающих решения, обеспечивают легкость общения и получения всей необходимой информации, в том числе и графической, в очень сжатые сроки. 

Распределенные  СППР могут иметь следующие модификации:  

1.  Решение  предлагают несколько экспертных  систем, находящиеся в одном узле, но оценивающие, ситуацию с разных "точек зрения". Они могут предложить различные решения, которые должен откорректировать и согласовать специалист, сидящий за дисплеем узла.  

2.  Решение  предлагают несколько экспертных  систем, находящихся в различных  узлах вычислительной сети. В силу того, что они тоже могут подходить компьютер решению с разных "точек зрения", могут быть предложены различные решения, которые теперь уже должны будут согласовывать специалисты, находящиеся, возможно, в различных узлах сети. Если один из узлов передал не одно, а несколько решений, то ситуация принципиально не меняется.  

3. Решение предлагают  несколько специалистов, сидящих  за дисплеями различных узлов  вычислительной сети. Они все  должны будут согласовывать принятие  окончательного решения.  

Возможен вариант, когда предлагаются различные решения  и экспертными системами (системой), и экспертами (экспертом).  

Надо отметить, что, хотя конкретные реализации СППР очень сильно зависят от области  применения, методы генерации решений, их оценка и согласование основываются на одних и тех же базовых теоретических предпосылках и методах. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Архитектура СППР. 

СППР состоят  из двух основных компонент: хранилища  данных и аналитических средств. Хранилище данных предоставляет  единую среду хранения корпоративных данных, организованных в структурах, оптимизированных для выполнения аналитических операций. Аналитические средства позволяют конечному пользователю, не имеющему специальных знаний в области информационных технологий, осуществлять навигацию и представление данных в терминах предметной области. Для пользователей различной квалификации, СППР располагают различными типами интерфейсов доступа к своим сервисам.  

OLAP ( On - Line Analitycal Processing ) - сервис представляет собой инструмент для анализа больших объемов данных в режиме реального времени. Взаимодействуя с OLAP -системой, пользователь сможет осуществлять гибкий просмотр информации, получать произвольные срезы данных, и выполнять аналитические операции детализации, свертки, сквозного распределения, сравнения во времени. Вся работа с OLAP -системой происходит в терминах предметной области.  

OLAP - системы  являются частью более общего  понятия Business Intelligence , которое включает  в себя помимо традиционного  OLAP -сервиса средства организации совместного использования документов, возникающих в процессе работы пользователей хранилища. Технология Business Intelligence обеспечивает электронный обмен отчетными документами, разграничение прав пользователей, доступ к аналитической информации из Интернет и Интранет .

Интеллектуальный  анализ данных или добыча данных ( Data Mining ) - при помощи средств добычи данных можно проводить глубокие исследования данных. Эти исследования включают в себя: поиск зависимостей между данными (напр., “Верно ли, что рост продаж продукта А обусловлен ростом продаж продукта В? ” ); выявление устойчивых бизнес-групп (напр. “Какие группы клиентов, близких по поведенческим и другим характеристикам, можно выделить? Какие характеристики клиентов при этом оказывают наибольшее влияние на классификацию?“); прогнозирование поведения бизнес-показателей (напр. “Какой объем перевозок ожидается в следущем месяце?“) ; оценка влияния решений на бизнес компании (напр. “Как изменится спрос на товар А среди группы потребителей Б, если снизить цену на товар С ?“ ); поиск аномалий (напр. “С какими сегментами клиентской базы связаны наиболее высокие риски?“).  

Хранилище данных представляет собой банк данных определенной структуры, содержащий информацию о  производственном процессе компании в историческом контексте. Главное назначение хранилища - обеспечивать быстрое выполнение произвольных аналитических запросов.

В зависимости  от функционального наполнения интерфейса системы выделяют два основных типа СППР: EIS и DSS .  

EIS ( Execution Information System ) – информационные системы руководства предприятия. Эти системы ориентированы на неподготовленных пользователей, имеют упрощенный интерфейс, базовый набор предлагаемых возможностей, фиксированные формы представления информации. EIS -системы рисуют общую наглядную картину текущего состояния бизнес-показателей работы компании и тенденции их развития, с возможностью углубления рассматриваемой информации до уровня крупных объектов компании. EIS –системы – та реальная отдача, которую видит руководство компании от внедрения технологий СППР.  

DSS ( Desicion Support System ) – полнофункциональные системы анализа и исследования данных, рассчитанные на подготовленных пользователей, имеющих знания как в части предметной области исследования, так и в части компьютерной грамотности. Обычно для реализации DSS -систем (при наличии данных) достаточно установки и настройки специализированного ПО поставщиков решений по OLAP -системам и Data Mining .  

Такое деление  систем на два типа не означает, что построение СППР всегда предполагает реализацию только одного из этих типов. EIS и DSS могут функционировать параллельно, разделяя общие данные и/или сервисы, предоставляя свою функциональность как высшему руководству, так и специалистам аналитических отделов компаний. 

Математическая  поддержка подготовки принятия решений. 

Признание практически  во всех отраслях современной науки  принес методу моделирования ХХ в . Однако, методология моделирования  долгое время развивалась независимо отдельными науками. Отсутствовала единая система понятий, единая терминология. Лишь постепенно стала осознаваться роль моделирования как универсального метода научного познания.  

Под моделированием понимается процесс построения, изучения и применения моделей. Главная особенность моделирования в том, что это метод опосредованного познания с помощью объектов-заместителей. Модель выступает как своеобразный инструмент познания, который исследователь ставит между собой и объектом и с помощью которого изучает интересующий его объект. Необходимость использования метода моделирования определяется тем, что многие объекты (или проблемы, относящиеся к этим объектам) непосредственно исследовать или вовсе невозможно, или же это исследование требует много времени и средств.  

Процесс моделирования  включает следующие элементы: субъект (исследователь), объект исследования, и модель, опосредствующую отношения  познающего субъекта и познаваемого объекта.  

Большинство объектов, изучаемых экономической наукой, может быть охарактеризовано кибернетическим понятием сложная система. Наиболее распространено понимание системы как совокупности элементов, находящихся во взаимодействии и образующих некоторую целостность, единство. Важным качеством любой системы является эмерджентность - наличие таких свойств, которые не присущи ни одному из элементов, входящих в систему. Поэтому при изучении систем недостаточно пользоваться методом их расчленения на элементы с последующим изучением этих элементов в отдельности. Одна из трудностей экономических исследований – в том, что почти не существует экономических объектов, которые можно было бы рассматривать как отдельные (внесистемные) элементы.  

Сложность системы  определяется количеством входящих в нее элементов, связями между этими элементами, а также взаимоотношениями между системой и средой. Экономика страны обладает всеми признаками очень сложной системы. Она объединяет огромное число элементов, отличается многообразием внутренних связей и связей с другими системами (здесь можно наблюдать взаимодействие природных, технологических, социальных процессов, объективных и субъективных факторов).  

Сложность экономики  иногда рассматривалась как обоснование  невозможности ее моделирования, изучения средствами математики. Но как раз сложные объекты представляют наибольший интерес для моделирования; именно здесь моделирование может дать результаты, которые нельзя получить другими способами исследования.  

Следует отметить, что точность и полнота первичной  информации, реальные возможности ее сбора и обработки во многом определяют выбор типов прикладных моделей. С другой стороны, исследования по моделированию экономики выдвигают новые требования к системе информации. 

В зависимости  от моделируемых объектов и назначения моделей используемая в них исходная информация имеет существенно различный характер и происхождение. Она может быть разделена на две категории: о прошлом развитии и современном состоянии объектов (экономические наблюдения и их обработка) и о будущем развитии объектов, включающую данные об ожидаемых изменениях их внутренних параметров и внешних условий (прогнозы). Вторая категория информации является результатом самостоятельных исследований, которые также могут выполняться посредством моделирования.  

Математические  модели, используемые для описания экономических процессов и явлений называют экономико-математическими моделями. Для классификации этих моделей используются разные основания.  

По целевому назначению экономико-математические модели делятся на теоретико-аналитические, используемые в исследованиях общих свойств и закономерностей экономических процессов , и прикладные, применяемые в решении конкретных экономических задач (модели экономического анализа, прогнозирования, управления).  

При классификации  моделей по исследуемым экономическим процессам и содержательной проблематике можно выделить модели экономики в целом и ее подсистем - отраслей, регионов и т.д., комплексы моделей производства, потребления, формирования и распределения доходов, трудовых ресурсов, ценообразования, финансовых связей и т.д.  

С точки зрения общей классификацией математических моделей они подразделяются на функциональные и структурные, а также включают промежуточные формы (структурно-функциональные). Типичными структурными моделями являются модели межотраслевых связей. Функциональные модели широко применяются в экономическом регулировании, когда на поведение объекта ("выход") воздействуют путем изменения "входа".  

Существует классификация  моделей на дескриптивные и нормативные. Дескриптивные модели отвечают на вопрос: как это происходит? или как это вероятнее всего может дальше развиваться? То есть они только объясняют наблюдаемые факты или дают вероятный прогноз. Применение дескриптивного подхода в моделировании экономики объясняется необходимостью эмпирического выявления различных зависимостей в экономике, установления статистических закономерностей экономического поведения социальных групп, изучения вероятных путей развития каких-либо процессов при не изменяющихся условиях или протекающих без внешних воздействий. Примерами дескриптивных моделей являются производственные функции и функции покупательского спроса, построенные на основе обработки статистических данных. 

Нормативные модели отвечают на вопрос: как это должно быть? То есть предполагают целенаправленную деятельность. Примером нормативных моделей являются модели оптимального планирования, формализующие тем или иным способом цели экономического развития, возможности и средства их достижения. 

Является ли экономико-математическая модель дескриптивной или нормативной, зависит не только от ее математической структуры, но от характера использования этой модели. Многие экономико-математические модели сочетают признаки дескриптивных и нормативных моделей. Типична ситуация, когда нормативная модель сложной структуры объединяет отдельные блоки, которые являются частными дескриптивными моделями. Например, межотраслевая модель может включать функции покупательского спроса, описывающие поведение потребителей при изменении доходов. Подобные примеры характеризуют тенденцию эффективного сочетания дескриптивного и нормативного подходов к моделированию экономических процессов. Дескриптивный подход широко применяется в имитационном моделировании.