Стратегия локальных приращений. Действительный способ принятия решений в организациях Ч. Линдблом называет стратегией локальных приращений, или способом последовательных ограниченных сравнений. Этот способ характеризуется тем, что принятие решений имеет целью не кардинальные изменения в организации (как при использовании синоптического подхода), а небольшие изменения, которые вносятся маленькими приращениями. Под приращением здесь понимается «маленькое изменение важной величины», например, объема выпуска продукции или структуры организации. По мнению Ч. Линдблома, процессы принятия решений в организациях осуществляются путем неопределенной и неупорядоченной серии маленьких движений от «болевых точек дня», а не в направлении заранее определенных целей, которые обычно остаются недостижимыми.
На первый взгляд такой способ решения проблем в организациях выглядит консервативно. Он предполагает маленькие изменения, которые не имеют далеко идущих последствий, хотя ситуация может потребовать радикальные преобразований. Однако, подтверждая свою точку зрения, Ч. Линдблом указывает, что «логически возможно проводить изменения быстрее за счет частых маленьких шагов, чем более кардинальными и потому менее частыми шагами». При этом каждый маленький шаг приращения относительно прост и понятен. Поэтому его можно реально осуществить, в то время как сложность синоптического подхода может заблокировать принятие решения и вообще не приведет ни к каким изменениям.
1.6. «Добыча», обработка и анализ данных как составная часть технологии КСППР
Вопросы для рассмотрения: Data mining – технологии. Сфера применения Data mining. Методы обнаружения знаний. Классы систем интеллектуального анализа данных. Визуализация инструментов Data mining.
Рекомендуемая литература: 4, 5. Перечень дополнительных ресурсов: 3.
Наименование вида самостоятельной работы: изучение ре-
комендованной литературы; подготовка отчетов по лабораторным работам; выполнение тестовых заданий.
Data Mining переводится как "добыча" или "раскопка данных". Нередко рядом с Data Mining встречаются слова "обнаружение знаний в базах данных" (knowledge discovery in databases) и "интеллектуальный анализ данных". Их можно считать синонимами Data Mining. Возникновение всех указанных терминов связано с новым витком в развитии средств и методов обработки данных.
До начала 90-х годов, людям, не имевшем представления о распознавании образов и факторном анализе, казалось, не было особой нужды переосмысливать ситуацию в этой области. Все шло своим чередом в рамках направления, называемого прикладной статистикой. Теоретики проводили конференции и семинары, писали внушительные статьи и монографии, изобиловавшие аналитическими выкладками.
Вместе с тем, практики всегда знали, что попытки применить теоретические экзерсисы для решения реальных задач в большинстве случаев оказываются бесплодными. Но на озабоченность практиков до поры до времени можно было не обращать особого внимания — они решали главным образом свои частные проблемы обработки небольших локальных баз данных.
В связи с совершенствованием технологий записи и хранения данных на людей обрушились колоссальные потоки информационной руды в самых различных областях. Деятельность любого предприятия (коммерческого, производственного, медицинского, научного и т.д.) теперь сопровождается регистрацией и записью всех подробностей его деятельности. Стало ясно, что без продуктивной переработки потоки сырых данных образуют никому не нужную свалку.
Специфика современных требований к такой переработке следующие:
Данные имеют неограниченный объем.
Данные являются разнородными (количественными, качественными, текстовыми).
Результаты должны быть конкретны и понятны.
Инструменты для обработки сырых данных должны быть просты в использовании.
Традиционная математическая статистика, долгое время претендовавшая на роль основного инструмента анализа данных, откровенно спасовала перед лицом возникших проблем. Главная причина — концепция усреднения по выборке, приводящая к
операциям над фиктивными величинами. Методы математической статистики оказались полезными главным образом для проверки заранее сформулированных гипотез (verification-driven data mining) и для “грубого” разведочного анализа, составляющего основу оперативной аналитической обработки данных (online analytical processing, OLAP).
В основу современной технологии Data Mining (discoverydriven data mining) положена концепция шаблонов (паттернов), отражающих фрагменты многоаспектных взаимоотношений в данных. Эти шаблоны представляют собой закономерности, свойственные под выборкам данных, которые могут быть компактно выражены в понятной человеку форме. Поиск шаблонов производится методами, не ограниченными рамками априорных предположений о структуре выборке и виде распределений значений анализируемых показателей.
1.7. Современные ситуационные технологии поддержки принятия решений
Вопросы для рассмотрения: Понятие ситуационных технологий. Ситуационные центры как КСППР, назначение и состав СЦ. Корпоративные ситуационные центры. Общая характеристика технологий организации работы СЦ по выработке управленческих решений. Российские и зарубежные СЦ.
Рекомендуемая литература: 4. Перечень дополнительных ресурсов: 2.
Наименование вида самостоятельной работы: изучение ре-
комендованной литературы.
Втеории разработки АСУ предусматривалось, что АИС являются первой очередью АСУ. В дальнейшем предпринимались попытки разработки вначале информационно-справочных и информационно-советующих систем (ИСС). Затем появился термин "системы поддержки принятия решений (СППР)".
Вто же время практика развития информационных систем для предприятий и организаций в основном пока ограничивается разработкой или приобретением программных продуктов,
обеспечивающих |
учетно-отчетную |
деятельность |
систем |
организационного управления предприятиями. Эти ИС хорошо обеспечивают отчетность предприятий перед вышестоящими органами отраслевого и территориального управления и разнообразными контролирующими организациями.
Если разработаны требования к объему, времени выпуска продукции и другим количественным характеристикам производственных предприятий или обслуживающих организаций, то ЛИС позволяют определить рассогласование реальных результатов с желаемыми, и представить эту информацию лицам, принимающим решение.
Первоначально поставленная задача создания именно АСУ, была реализована в основном на уровне технологических процессов – АСУ ТП, которые разрабатывались для ряда технологических процессов, для непрерывных производств, иногда – для управления конвейером. А для системы организационного управления даже промышленными предприятиями реализованы были только АИС, обеспечивающие информацией лиц, принимающих решения, а процессы собственно принятия решений остаются за человеком.
В то же время для ряда прикладных проблем требуются новые подходы к информационно-аналитическому обеспечению управленческой деятельности.
Сегодня в России создается сеть ситуационных центров – принципиально нового класса информационных систем для повышения эффективности принятия решений органами госуправления. Сегодня система ситуационных центров позволяет реализовать новый формат управления на основе создания особого информационно-технологического пространства для эффективного мониторинга, прогнозирования, принятия решений и контроля их исполнения. Первые ситуационные центры в России создавались там, где в условиях дефицита времени решались задачи оперативного управления сложными процессами при значительных потоках многообразной информации от различных источников.
2.ЛАБОРАТОРНЫЕ РАБОТЫ
2.1.Лабораторная работа №1 «Аналитический обзор систем под-
готовки принятия решений»
Рекомендуемая литература: 4. Перечень дополнительных ресурсов: 1.
Целью лабораторной работы является получение знаний о системах подготовки принятия решений, об их классификации.
Задание:
Запустить Microsoft Word 2007.
Создать новый файл.
Открыть браузер.
Изучить Аналитический обзор систем подготовки принятия
решений.
Изучить общую характеристику СППР.
Изучить классификацию СППР.
Написать отчет о системах подготовки принятия решений.
Описать общую характеристику СППР.
Описать классификацию СППР.
Сохранить файл.
2.2Лабораторная работа №2 «Методы ранжирования альтернатив.
Метод экспертных оценок»
Рекомендуемая литература: 5.
Перечень дополнительных ресурсов: 1, 2, 3.
Целью лабораторной работы является изучение методов ранжирования альтернатив и экспертных оценок.
Задание:
Запустить Microsoft Word 2007.
Создать новый файл.
Открыть браузер.
Найти методы ранжирования альтернатив.
Найти метод экспертных оценок.
Описать методы ранжирования альтернатив.
Описать метод экспертных оценок.