Развитие компьютерных технологий и повсеместная информатизация общества привели к значительному увеличению количества и объемов данных. Большой объем информации, с одной стороны, позволяет выполнить более точные расчеты и делать подробный анализ, с другой – превращает поиск решений в сложную задачу.
В результате необходимости упростить задачу поиска решений появился класс программных систем, призванных облегчить работу по анализу данных. Такие системы принято называть системами поддержки принятия решений (СППР) [5].
Системы поддержки принятия (или обеспечения) решений – системы, использующие модели объекта управления, опирающиеся на вычислительные и имитационные модели и расчетные методы.
Основу СППР составляет комплекс взаимосвязанных моделей с соответствующей информационной поддержкой исследования, экспертные и интеллектуальные системы, включающие опыт решения задач управления и обеспечивающие участие коллектива экспертов в процессе выработки рациональных решений.
Процесс создания систем состоит из следующих этапов [6]:
1. Анализ существующих на предприятии информационных потоков и процедур управления предприятием.
2. Выявление показателей, влияющих на финансово-экономическое состояние предприятия и отражающих эффективность ведения бизнеса (на основе данных из уже использующихся систем).
3. Выработка процедур, обеспечивающих получение управленческим персоналом необходимой информации в нужное время, в нужном месте и нужном виде.
4. Настройка программных средств.
5. Обучение персонала работе с программными средствами.
До середины 60-х годов прошлого века создание таких систем было чрезвычайно дорогостоящим и лишь крупные корпорации нуждались в полном объеме средств, предоставляемыми такими системами. Средние и мелкие фирмы работали с такими системами с удаленных терминалов в режиме разделения времени.
В последние годы в различных странах появилось значительное число работ относящиеся к системам поддержки принятия решений.
Первая диссертация, касающаяся СППР опубликованная в 1980 году, автором которой являлся S. Alter, давала лишь основы классификации СППР в зависимости от степени поддержки пользователя и характера выполняемых функций. К настоящему времени опубликовано более 70 диссертаций, описывающих создание СППР в различных областях практического применения и с использованием многочисленных методов.
Первые реализации СППР появились в сфере бизнеса. В дальнейшем стали применяться и в других сферах деятельности, где необходимо проанализировать альтернативы, сравнить их, сделать выбор.
Областями профессионального использования СППР стали медицина, юриспруденция, автоматизация проектирования, оценка технологий и др. И круг практического применения СППР стремительно расширяется. В редакционной статье журнала Decision Support Systems [4], в качестве областей применения СППР были выделены: микроэкономика, макроэкономика, автоматизация офиса (конторская деятельность), оценка и распространение технологий, другие приложения.
Планирование и прогнозирование деятельности предприятий (от мелких фирм до крупнейших корпораций) является наиболее широкой сферой практического применения СППР. Типичные примеры стратегического планирования содержат оценку рыночной ситуации, долговременное кредитование, распределение свойств ни исследования и разработки в различных сферах деятельности корпораций, оптимальное распределение средств производства и т. д.
Современные СППР могут использоваться для решения различных типовых задач: для оценки качества организационных, проектных и конструкторских решений; определение инвестиций в различных областях; задачи размещения (выбор места расположения вредных и опасных производств, пунктов обслуживания); распределение ресурсов; проведение анализа проблемы по методу «стоимость – эффективность»; стратегическое планирование; проектирование и выбор оборудования, товаров; выбор профессии, места работы, подбор кадров и многие другие.
Независимо от областей применения СППР они выполняют следующие типовые функции: сбора данных; их обработки, в том числе, направленное на получение сводных показателей; представление данных, результатов обработки и их интерпретации для непосредственного использования лицами, принимающими решения при принятии решения.
Среди перечисленных функций наиболее сложной для автоматизации с точки зрения построения формальных процедур преобразования данных в информацию, позволяющую ее использование для принятия решения, является построение сводных показателей, характеризующих состояние, эффективности или качества функционирования объекта управления и их интерпретация.
Ясно, что принятие решений должно основываться на реальных данных об объекте управления. Такая информация обычно хранится в оперативных базах данных. Но эти оперативные данные не подходят для целей анализа, так как для анализа и принятия решений в основном нужна агрегированная информация.
Решением данной проблемы является создание отдельного хранилища данных, содержащего агрегированную информацию в удобном виде. Целью построения хранилища данных является интеграция, актуализация и согласование оперативных данных из разнородных источников для формирования единого непротиворечивого взгляда на объект управления в целом.
Практически все существующие на данный момент средства для создания СППР прекрасно справляются с задачами создания СППР на основе хранилищ данных. Однако данные средства не позволяют создавать единые системы поддержки принятия решений для предприятий, чьи подразделения значительно удалены друг от друга. Использование традиционных технологий хранилищ данных не представляется возможным. Сейчас для этих целей используются витрины данных, но они имеют существенные недостатки. Витрины данных, как правило, не связаны друг с другом и одни и те же данные хранятся многократно в различных витринах [1].
Так же существует ряд проблем организации взаимодействия лица, принимающего решения (ЛПР) и СППР в рамках традиционных методов принятия решений, а также в задачах с объективными моделями. Прежде всего, это корректность процедур получения информации от человека. То есть необходим контроль возможных ошибок, которые может допустить ЛПР в ходе диалога и предъявление ЛПР противоречивых элементов информации для уточнения ответов и своих предпочтений.
В составе СППР имеется большой набор методов и моделей, в том числе математическое программирование, методы теории игр и многие другие подходы. Но в то же время, накопились свидетельства о малом использовании моделей, построенных специально для задач принятия решений. Очевидно, невозможно получить в полном объеме всю объективную информацию, необходимую для успешного применения. Поэтому в такие модели вносятся субъективные допущения и догадки их создателей. В этом кроется причина отказа лица, принимающего решение (ЛПР) от использования таких моделей в реальных ситуациях принятия решений [5].
Одной из существенных проблем является «отсутствие информации при ее наличии»: имеется большой объем информации, которая неструктурированна и несогласованна.
Следующая проблема СППР заключается в сложности ее сопровождения: систему должны поддерживать специалисты, которые в зависимости от назначения структурных элементов, условно разбиты на группы в соответствии с функциональными обязанностями: системы аналитики, эксперты, исследователи и ЛПР.
И еще одна проблема заключается в том, что, несмотря на большое количество работ, посвященных как общим, так и частным проблемам информационного обеспечения СППР, практически нет работ, в которых освещаются вопросы и проблемы формализации задач преобразования данных, описывающих сложные системы или процессы их функционирования, в сводные показатели их целевого назначения.
Важность решения этих задач заключается в том, что они и составляют существо большинства процедур интеллектуальной обработки.
Помимо описанных выше проблем, присущих большинству СППР, существует ряд специфических недостатков, свойственных некоторым программным пакетам СППР (табл. 1) [2,3].
|
Программные средства |
Достоинства |
Недостатки |
|
Система ISDS (Investment Strategy Decision System) |
- предварительный отбор предположений по исследованиям, разработкам и испытаниям; - сравнительное оценивание предложений с уже ведущимися работами; - сравнительный анализ вариантов распределения долгосрочных капиталовложений; - предоставление статистической информации, необходимой для отчетности и др.
|
- Высокая степень неопределенности конечных результатов планирования, вследствие чего в долгосрочных планах приходится изменять ежегодно почти половину показателей |
|
Система MAUD (MultiAttribute Utility Decomposition) |
- гибкая интерактивная система в ситуациях индивидуального выбора; - в ходе работы с системой, пользователь может вносить любые изменения (изменять свои оценки и предпочтения, исключать критерии и т. д.) |
- необходимо, чтобы структура и содержание проблемы описывались в терминах многокритериальной оценки альтернативных вариантов |
|
Project Expert |
- позволяет провести анализ инвестиционных проектов; - позволяет отбирать оптимальные варианты стратегии развития предприятия из ряда альтернативных; - рассматривать различные варианты схем финансирования; - определить потребность в привлечениях денежных средств и т. д. |
- высокая стоимость; - работа с программой требует обученного специалиста |
|
OLAP+CHART ModelKit 4.0.3.5 |
- доступны операции над данными: фильтрация, свертывание, многомерный анализ, ранжирование данных; - позволяет создавать приложения для отображения результатов OLAP анализа в виде интерактивных двумерных графиков и диаграмм |
- разработан для .Net 2.0 |
|
СППР Выбор, 5.3.9.144 |
- поможет структурировать проблему, построить набор альтернатив, выделить характеризующие их факторы, задать значимость этих факторов, оценить альтернативы по каждому из факторов, найти неточности и противоречия в суждениях ЛПР/эксперта, проранжировать альтернативы, провести анализ решения и обосновать полученные результаты |
- Система опирается лишь на математически обоснованный метод анализа иерархий Томаса Саати |
Таблица 1.
Итак, были выявлены следующие проблемы в существующих СППР:
¾ классические методы поддержки принятия решений в большинстве своем хоть и разработаны довольно давно и получили широкое распространение, но не имеют под собой четкого математического обоснования;
¾ в хранилищах данных отсутствуют, или находятся в зачаточном состоянии методы очистки "грязных данных";
¾ многие интеллектуальные методы анализа данных требуют большого количества данных для анализа.
Литература:
1. Информационный сайт: http://masters.donntu.edu.ua дата обращения к ресурсу: 25.04.2010
2. Информационный сайт: http://protoplex.ru/soft_show/4690.html дата обращения к ресурсу: 25.04.2010
3. Информационный сайт: http://www.ciritas.ru дата обращения к ресурсу: 25.04.2010
4. Информационный сайт: http://www.dssresources.com дата обращения к ресурсу: 25.04.2010
5. Ларичев О.И., Петровский А.Б. Системы поддержки принятия решений: современное состояние и перспективы развития // Итоги науки и техники. М.: ВИНИТИ, 1987. Т. 21, с. 131-164.
6. Чурноруцкий, И. Г. Методы принятия решений.- СПб.: БХВ-Петербург, 2005.- 416 с.: ил.
