Информатизация процесса принятия решений на основе системы Business Intelligence

Классификация информационных систем управления деятельностью предприятия. Анализ рынка и характеристика систем класса Business Intelligence. Классификация методов принятия решений, применяемых в СППР. Выбор платформы бизнес-интеллекта, критерии сравнения.

Рубрика Программирование, компьютеры и кибернетика
Вид дипломная работа
Язык русский
Дата добавления 27.09.2016
Размер файла 1,7 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

1.4 Основные характеристики и анализ рынка СППР

Процесс формирования управленческого решения является достаточно сложным. Поиск управленческого решения может быть связан с необходимостью оперативной обработки больших объемов информации, с использованием различных методов, алгоритмов и правил построения альтернативных и (или) предлагаемых в качестве итоговых управленческих решений. Задача может осложняться потребностью анализа большого числа альтернатив и применением нетривиальных правил отбора окончательных решений.

Именно в подобных ситуациях оказывается оправданным использование специальных программно-аппаратных комплексов, которые позволяют ЛПР за счет возможностей современных электронно-вычислительных машин на основе конкретных моделей, алгоритмов и правил построения, а также за счет использования различных инструментальных средств принимать обоснованные решения в сложных ситуациях. Такие программно-аппаратные комплексы специалисты часто называют системами поддержки принятия решений (СППР).

Системы поддержки принятия решений возникли с развитием технологий обработки информации для вычислительной техники. Современные системы поддержки принятия решений являются естественным продолжением систем автоматизированного управления, информационных систем и систем управления базами данных. СППР создавались как системы, которые максимально приспособлены к решению задач повседневной управленческой деятельности. Это инструмент, призванный оказать помощь лицам, принимающим решения (ЛПР) [25].

В настоящее время существуют разные определения СППР. Их многообразие обусловлено тем, какой именно аспект создания и функционирования СППР авторы хотят подчеркнуть. При этом существенными для пользователей СППР являются [26]:

§ Обеспечение системой информационной и вычислительной поддержки процесса принятия решений. В этом случае под СППР понимают программно-аппаратный комплекс, используемый для сбора и хранения информации, систематизации экономико-математических методов и алгоритмов ее обработки и анализа, а также инструментальных средств, в том числе инструментов визуализации, предоставляющих результаты в удобной для ЛПР форме.

§ Использование системы для управления в разных временных промежутках. В этом случае выделяют СППР, используемые для выработки решений в рамках стратегического, долгосрочного, среднесрочного и оперативного управления.

§ Персонал, пользующийся услугами СППР. В этом случае говорят об СППР, применяемых для выработки управленческих решений средним или высшим управляющим звеном организации.

§ Особенности результатов, полученных с использованием СППР. В данном случае выделяют СППР, используемые, например, для проведения экономического анализа.

Существуют и другие определения:

«Система Поддержки (процессов) Принятия Решений (СППР) (англ. Decision Support System, DSS) - это компьютерная автоматизированная система, целью которой является помощь лицам, принимающим решение в сложных условиях, для полного и объективного анализа предметной деятельности».

«СППР - совокупность процедур по обработке данных и суждений, помогающих руководителю в принятии решений, основанная на использовании моделей» Little I.D.C. Models and Managers: The Concept of a Decision Calculus // Management Science, 1970. - v. 16. - № 8.

«СППР - интерактивные автоматизированные системы, помогающие лицу, принимающему решения, использовать данные и модели для решения слабо структурированных проблем». Power D. J. Web-based and model-driven decision support systems: concepts and issues. Americas Conference on Information Systems, Long Beach, California, 2000

«СППР - система, которая обеспечивает пользователям доступ к данным и/или моделям, так что они могут принимать лучшие решения». Edwards J.S. Expert Systems in Management and Administration - Are they really different from Decision Support Systems? // European Journal of Operational Research, 1992. - Vol. 61. - pp. 114-121

Таким образом, система поддержки принятия решений - это информационно-аналитический комплекс, используемый лицом, принимающим решения для получения [26]:

§ информационной и методологической поддержки подготовки управленческого решения;

§ результатов переработки этой информации в виде, удобном для подготовки принятия решения;

§ альтернативных или окончательных управленческих решений.

Основная цель создания и функционирования СППР в сфере экономики и управления - предоставление лицу, принимающему решение, определенной информации и сведений, необходимых для обоснованного принятия окончательного решения.

Основные характеристики информационных систем поддержки принятия решений [26]:

§ Обладают гибкостью использования, быстротой реакции, адаптацией к измерениям;

§ Оперируют практически без участия профессиональных программистов;

§ Обеспечивают информационную поддержку принятия решений для проблем, которые не могут быть заранее определены;

§ Используют сложный многомерный и многофакторный анализ, а также инструментальные средства моделирования.

СППР позволяют решать три основные задачи [26]:

§ Анализировать разнородную многомерную и в разной степени формализованную информацию в реальном времени;

§ Осуществлять последующий интеллектуальный анализ информации с построением моделей развития текущей ситуации;

§ Вести отчетность.

В процессе принятия решений с применением СППР можно выделить информационную, модельную и экспертную поддержки принимаемых решений, которые представляют собой отдельные информационные системы, предназначенные для решения неструктурированных задач и генерирования альтернативных решений (Рисунок 2).

Рисунок 2 - Место СППР среди информационных систем

Рассматривая процессы поддержки решений в ИС, мы видим, что информационная поддержка решений основана на Информационных системах управления (ИСУ) и Системах автоматизации офиса (САО). Модельная поддержка решений строится на базе СППР, а экспертная - на базе экспертных систем (Рисунок 2).

Рисунок 3 - Разновидности информационных систем

Анализируя вышеприведенные определения, можно заметить, что СППР принципиально отличается от традиционных систем аналогичного назначения, поскольку она ориентируется на конкретного пользователя, его знания, опыт и интуицию, его систему ценностей. СППР основана на признании факта, что процесс принятия решений носит субъективный характер. Это означает, что пользователь является полностью самостоятельным и действует на основании своих собственных знаний, опыта и интуиции. При этом не исключается возможность привлечения любых экспертов и консультантов по его усмотрению. Таким образом, система СППР помогает пользователю найти решения, которые именно ему представляются наилучшими, но которые без ее помощи было бы трудно, или даже невозможно отыскать из-за сложности решаемой задачи [27].

Еще одной принципиальной особенностью современных СППР является то, что в настоящее время математические методы не позволяют осуществлять оптимизацию и ранжирование значений совокупностей показателей непосредственно на основе полной совокупности критериев и требуют предварительного сведения их к единой числовой оценке (свертка).

Различных формальных способов свертки достаточно много, и то, какой из них будет выбран, может существенно (а порой и нежелательно) повлиять на результаты оптимизации и ранжирования. Кроме того, свертка совокупности критериев в один обедняет процесс принятия решений в содержательном и информационном плане [27].

Необходимо учитывать, что пользователь, будучи достаточно компетентным в своей области, вовсе не должен хорошо разбираться, какие алгоритмы свертки использованы в СППР. А значит, решения, принятые разработчиком в процессе создания системы, могут оказывать влияние на выбор альтернатив, не контролируемое пользователем [27].

Данный принципиальный недостаток традиционных систем поддержки решений, которые опираются на формальные методы свертки, в современной системе сведен к минимуму. Это достигнуто за счет того, что пользователь в диалоге с системой сопоставляет между собой возможные значения совокупностей показателей, в соответствии с которыми он хочет принимать решения, и определяет их относительные предпочтительности. Результатом таких сопоставлений в системе является функция предпочтений (ФП) пользователя, на основе которой в дальнейшем выполняются операции оптимизации и ранжирования.

Таким образом, формальная свертка критериев заменяется неформальной процедурой выявления предпочтений, результаты которой не зависят от разработчика и отражают индивидуальный подход пользователя к задаче [27].

Классификация систем поддержки принятия решений

Для систем поддержки принятия решений не введено не только единое общепринятое определение, но и не проработана исчерпывающая классификация. Разными авторами выделяются разные классификации.

На уровне пользователя P. Haettenschwiler Haettenschwiler P. Neues anwenderfreundliches Konzept der Entscheidungs-unterstutzung. Gutes Entscheiden in

Wirtschaft, Politik und Gesellschaft. Zurich: Hochschulverlag AG, 1999. -- S. 189--208. (1999) делит СППР на пассивные, активные и кооперативные СППР.

Пассивной СППР считается система, которая сопровождает процесс принятия решения, но не в силах вынести предложение, какое из решений подлежит к принятию. Активная СППР позволяет сделать предложение, какое решение необходимо выбрать. Кооперативная позволяет ЛПР изменять, пополнять или совершенствовать решения, которые предлагаются системой, отправляя эти изменения в систему для проверки. Система изменяет, пополняет или улучшает эти решения и посылает их опять пользователю. Процесс продолжается до получения согласованного решения.

На концептуальном уровне D.J. Power Power D.J. A Brief History of Decision Support Systems. DSSResources.COM, World Wide Web (2003) различает СППР:

§ Работающие с сообщениями (Communication-Driven DSS, ранее групповая СППР - GDSS) - поддерживают группу пользователей, работающих над выполнением общей задачи;

§ Работающие с данными (Data-Driven DSS) или СППР, ориентированные на работу с данными (Data-oriented DSS) - в основном ориентированы на доступ и манипуляцию с данными, как внутренними, так и внешними;

§ Работающие с документами (Document-Driven DSS) - управляют, осуществляют поиск и обработку неструктурированной информации, заданной в различных форматах;

§ Работающие с знаниями (Knowledge-Driven DSS) - обеспечивают решение задач в виде фактов, правил, процедур;

§ Работающие с моделями (Model-Driven DSS) - характеризуются работой с математическими моделями (статистическими, финансовыми, оптимизационными, имитационными).

В зависимости от обрабатываемых данных, СППР условно можно разделить на оперативные и стратегические.

Оперативные СППР предназначены для незамедлительного реагирования на изменения текущей ситуации в управлении финансово-хозяйственными процессами компании. Стратегические СППР направлены на анализ больших массивов разнородной информации, агрегируемых из различных источников.

Ключевой особенностью СППР является то, что в общем случае формирование решений внутри нее осуществляется на базе использования исходных данных, описывающих исследуемую область, а также правил и алгоритмов формирования решений, закладываемых в систему. Однако неполнота информации и качественных оценок рассматриваемых процессов, трудная формализуемость определенных задач приводят к использованию не только известных методов принятия решений, но и к дополнительному применению знаний и опыта в исследуемой области [26].

Именно поэтому также представляет интерес другой вариант формирования решений внутри системы, когда для описания исследуемой области и генерирования алгоритмов формирования решений помимо исходных данных, известных алгоритмов и методов дополнительно привлекаются знания и опыт.

Реализация этого варианта формирования решений характерна для экспертных систем поддержки принятия решений. Экспертные системы рассматривают как интеллектуальные системы, что объясняется следующим. Если обычные СППР формируют решения на основе правил, закладываемых в систему ее пользователем (ЛПР, специалистом и т.д.), то интеллектуальные системы, являющиеся СППР более высокого уровня, формируют решения по правилам, сгенерированным самой системой, на основе имеющейся базы знаний в исследуемой области. Расширенным вариантом интеллектуальных систем являются экспертные системы, в которых решения формируются не только за счет накопленной базы знаний, но и на основе диалога системы с ее пользователем (ЛПР, специалистом и т.п.), имеющим опыт в исследуемой области и поэтому «подправляющим» генерируемые системой алгоритмы формирования управленческих решений [26].

Экспертные системы включают одного или нескольких специалистов высокого класса в качестве своего элемента. Экспертная система имеет разветвленную сеть, позволяющую делать запросы и глубокий поиск в базах данных и хранилищах знаний.

Назначение экспертных систем состоит в решении сложных задач на основе накапливаемой базы знаний, отражающей опыт работы экспертов в данной предметной области. Главная отличительная черта и основное преимущество экспертных систем - способность принятия решений в ситуациях, для которых алгоритм решения заранее не известен. Он формируется системой в виде цепочки правил принятия решений на основе базы знаний и диалога пользователя, зачастую в условиях неполноты исходной информации и качественных оценок рассматриваемых процессов [28].

Интеллектуальная информационная система - компьютерная система, основанная на концепции использования базы знаний для генерации алгоритмов решения сложных задач различных классов.

Экспертная система - интеллектуальная информационная система, основанная на концепции использования базы знаний и опыта работы экспертов в определенной предметной области. Как правило, экспертная система предназначена для решения слабо формализуемых задач [28].

Существуют основные признаки, присущие в той или иной степени всем экспертным системам и отличающие их от прочих прикладных программ [28]:

§ Экспертные системы, используя опыт экспертов в исследуемой области, моделируют не столько саму природу предметной области, сколько механизм мышления человека применительно к решению задачи в этой области;

§ Экспертная система не только выполняет логические операции, но и формирует определенные рассуждения и выводы, основываясь на базе знаний, представленных отдельно от собственно программного кода на некотором специальном языке;

§ Для экспертных систем основными являются эвристические методы решения задач, которые в отличие от алгоритмических не требуют полноты исходной информации, зато и не всегда гарантируют успех, а всего лишь определенную степень уверенности в том, что предлагаемое решение является верным.

Основными характеристиками экспертных систем являются скорость получения результата и его надежность. Главное требование, критичное для экспертных систем, - за приемлемое время найти решение не хуже, чем могут предложить специалисты в данной предметной области. Для исследовательских интеллектуальных информационных систем эти характеристики менее значимы.

В экспертных системах существует жесткий логический каркас - модель представления знаний (МПЗ) и машина вывода, которая автоматически проводит линию рассуждения по заложенным МПЗ правилам и использует параметры, вовлеченные в решение. В результате выдается экспертное заключение с вероятностной оценкой его надежности. Интерфейс допускает работу сразу нескольких пользователей, не являющихся специалистами в предметной области экспертов [26].

Экспертные системы также можно обучать. Если ответ известен заранее по результатам оценок экспертов, то он сопоставляется с ответом, порожденным экспертной системой, правила (и даже МПЗ) изменяются за счет пополнения новыми знаниями, затем проводится следующая итерация [26].

Экспертные системы можно классифицировать по различным учитывающим их особенности основаниям:

§ по назначению;

§ по области применения;

§ по типу используемой модели представления знаний;

§ по показателям эффективности и др.

С учетом степени сложности решаемых задач их можно классифицировать по четырем признакам [29].

1. Способ формирования решения экспертной системой. Он может быть аналитическим или синтетическим. Аналитические системы осуществляют выбор решений из множества известных альтернатив или определение характеристик объектов, а синтетические системы - генерацию неизвестных решений или формирование объектов из множества потенциальных.

2. Способ учета времени. Экспертные системы могут быть статическими или динамическими. Статические системы решают задачи при неизменяемых в процессе решения данных и знаниях, динамические системы допускают такие изменения. Статические системы обычно осуществляют решение задачи от ввода исходных данных до конечного результата без перерывов, динамические системы имеют возможность пересмотра в процессе решения полученных раннее результатов, иногда в режиме реального времени с непрерывной интерпретацией поступающих данных.

3. Вид используемых экспертной системой данных и знаний. Системы могут быть с четко определенными детерминированными знаниями либо с неопределенными знаниями. Под неопределенностью понимаются неполнота, недостоверность, многозначность, нечеткость знаний, а также неточность измерения, неполнота или отсутствие данных.

4. Число используемых источников знаний. Экспертные системы могут быть построены с использованием одного или множества источников знаний, которые могут быть альтернативными или дополняющими друг друга.

Экспертные системы широко применяются в бизнесе, часто работают независимо и не включаются в корпоративные информационные сети. Как правило, они узко специализированы в данной предметной области: научные, транспортные, медицинские, банковские, торговые, юридические.

На сегодняшний день на рынке представлено большое разнообразие систем поддержки принятия решений. Среди них представлены как отечественные разработки, так и системы зарубежных вендоров. Существующие СППР поддерживают различную функциональность, у них также различаются интерфейс, набор реализованных методов принятия решения и способы оценки альтернатив.

К наиболее часто цитируемым в литературе относятся следующие системы [30, 31]:

§ Экспертная система поддержки принятия решений (ЭСППР). Система ориентирована на автоматизацию процедуры анализа проблемных ситуаций и выбора эффективных решений. Относится к классу информационных систем, сочетающих преимущества экспертных система и систем поддержки принятия решений [32].

§ Expert Choice. Коммерческий программный продукт, разработанный на основе метода анализа иерархий для поддержки принятия решений различным организациям. На сегодняшний день компания предоставляется три решения: облачные Expert Choice Comparion и Expert Choice Riskion, а также встроенное решение Expert Choice Inside [33].

§ Super Decisions. Программный продукт, разработанный на основе метода аналитических сетей (Analytic Network Process), разработанного Т. Саати [34].

§ Decision Lens (Decision Lens Web). Коммерческий программный продукт для поддержки принятия решений, обладающий следующими методологическими особенностями: теоретические основы системы - методы анализа иерархий и аналитических сетей; наличие веб-интерфейса; возможность групповой работы [35].

§ UTA PLUS. Реализует метод UTA, который может быть использован для решения задач многокритериального анализа. Программа имеет наглядный графический интерфейс [36].

§ ELECTRE IS. Система из семейства ELECTRE, основанная на многокритериальном методе, которые позволяет использовать псевдокритерии и пороговые значения при принятии решений. В процессе вычислений система строит граф. Искомый набор альтернатив - ядро этого графа [36].

§ ELECTRE III-IV. Система, реализующая метод из семейства ELECTRE для критериев, которые не имеют оценок относительно значимости. Метод, лежащий в основе системы, позволяет ранжировать альтернативы [36].

§ ELECTRE TRI. Система, реализующая метод из семейства ELECTRE для решения проблем, которые требуют сегментации. Процесс сегментации основан на оценке внутренней стоимости альтернатив. В системе существует модуль, способный самообучаться на тестовых ситуациях, определяя параметры модели. Успешно применятся в задачах с большим количеством альтернатив [36].

§ IRIS. Система реализует задачу сортировки альтернатив в многокритериальных задачах принятия решений. Допускает задание пороговых ограничений пользователем для критериев. Способна оценивать точность вычислений. Выводит результат вычислений в виде отчета [36].

§ СППР «Эксперт». Система основана на методе анализа иерархий. Особенности системы: поддержка, как числовых значений, так и субъективных вербальных предпочтений пользователя. Возможность анализа данных на предмет согласованности и достоверности, исправление несогласованности. Удобный графический интерфейс, инструменты для формализации проблемы, анализа результатов. Подробные печатные отчеты. Наличие библиотеки типовых иерархий для решения задач прогнозирования и управления в различных сферах деятельности. Наличие библиотеки решений типовых задач в области финансов, экономики, управления персоналом, предприятием [37].

§ СППР «Выбор» 5.9. Система является простым и удобным средством, которое 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; ранжировать альтернативы; провести анализ решения и обосновать полученные результаты [38].

§ Transparent Choice. Основанная на методе анализа иерархий, система представляет собой веб-платформу, которая позволит создать проект, включающий альтернативы, роли, уровни, структурировать входные данные, расставить приоритеты [39].

По данным международного института INFORMS существует также несколько десятков платформ для поддержки процесса принятия решений, которые на текущий момент времени являются наиболее популярными СППР. Более подробно с перечнем современных программных продуктов для поддержки принятия решений можно ознакомиться в Приложении 2 [40, 41, 42].

1.5 Цель и задачи исследования

Целью данной работы является выбор наиболее эффективной для рассматриваемого предприятия системы класса BI с помощью современных подходов и систем поддержки принятия решений.

В соответствии с целью были поставлены следующие задачи:

1. Постановка задачи выбора наиболее эффективной для компании платформы BI;

2. Отбор методов принятия решения, которые будут использованы для решения поставленной задачи;

3. Отбор СППР, которые будут применены для решения поставленной задачи;

4. Комплексная оценка систем BI с применением различных методов принятия решения и СППР;

5. Сравнительный анализ полученных результатов и выбор наиболее подходящей системы бизнес-интеллекта.

Глава 2. Разработка подхода к решению задачи выбора наиболее эффективной bi-системы

2.1 Постановка задачи принятия решения

Потребность рассматриваемой компании в многогранной аналитике бизнеса в первую очередь связана с особенностями формата и ассортимента сети. Компания выигрывает за счет оборота, поэтому расширение сети, ассортимента, номенклатурных групп составляют основу для успешного ведения бизнеса. При этом именно модную розницу отличает очень высокая «хронологическая скорость» - мода меняется, сезоны меняются, коллекции устаревают. Доля часто сменяемого товара очень высока. Чтобы успеть реализовать товар, пока он не вышел из моды, необходимо учитывать, что и как продается, анализировать максимум информации, видеть в режиме, что происходит в компании, в режиме реального времени.

Используя только отчетность, генерируемую учетной системой, и табличные приложения, трудно понять, какое изделие, каких размеров и цвета действительно востребовано и хорошо продается. Как следствие, решения принимаются по большей части только на базе экспертной оценки. Таким образом, компании нужна система, обеспечивающая такую аналитику, которая поддерживала бы оперативное принятие решений на самых разных уровнях управления.

В рамках данной работы рассматривается задача выбора программной платформы бизнес-интеллекта для розничной сети гипермаркетов модной одежды для всей семьи.

В розничной сети генерируется большое количество данных таких как, чековый оборот, количество посетителей, которые должны максимально быстро обрабатываться и отображаться. Это является особенностью бизнес-процессов в сегменте розничной торговли. Следовательно, одно из основных требований к будущей BI-системе - возможность быстрой обработки большого количества данных, загружаемых из разных источников. Помимо учетной системы на базе SAP, в компании существует большой набор источников информации, которые практически никак не интегрируются друг с другом. В связи с этим требуется программный инструмент, который позволит свести данные из разнородных систем, проанализировать их в совокупности, а также по множеству различных срезов определять изменение денежных, товарных и других показателей. Еще одна немаловажная задача состоит в предоставлении руководству среднего и высшего звена мобильного аналитического решения, в котором они могли бы контролировать ситуацию в компании.

Одним из преимуществ при выборе платформы, важным для компании, является возможность пофазного внедрения системы, позволяющего пользоваться в готовой части системы, в то время как консультанты работают над остальной функциональностью.

Будущее решение необходимо интегрировать с различными модулями платформы SAP, счетчиками посетителей, источниками информации по планам продаж и себестоимости продукции.

Ключевые направления проекта заключаются в разработке аналитической системы для оперативного принятия решений и создании системы панелей управления для высшего руководящего звена и инвесторов.

Приложение также должно обеспечивать возможность проводить аналитику по ключевым показателям розничного бизнеса, рейтингам, анализу like-for-like в нескольких сотнях различных срезов данных. Планируется, что следующим этапом развития системы в компании станет создание полнофункциональной системы прогнозирования, а также ее доработка при создании сбалансированной системы показателей (Balanced Scorecard, BSC).

Сеть развивается очень динамично, и чтобы как можно быстрее начать двигаться в правильном направлении, нужна система, не требующая длительного цикла разработки и внедрения.

Следовательно, наиболее важными критериями при выборе BI-платформы для компании являются:

§ Обработка большого объема данных - возможность эффективно манипулировать большими объемами данных;

§ Интеграция с другими приложениями, имеющимися в компании - возможность вовлечь несколько приложений, используемых в одной компании, в единый процесс и осуществлять преобразование форматов данных между ними;

§ Масштабируемость - способность системы, сети или процесса справляться с увеличением рабочей нагрузки (увеличивать свою производительность) при добавлении ресурсов (обычно аппаратных);

§ Кроссплатформенность - способность программного обеспечения функционировать в нескольких различных операционных системах или на разных аппаратных платформах;

§ Удобство интерфейса - удобство при использовании программного обеспечения, логичность и простота в расположении элементов управления;

§ Наглядная и интерактивная визуализация - способ графического представления информации, позволяющий пользователю взаимодействовать с системой отображения информации и наблюдать ответную реакцию системы;

§ Мобильные возможности - работа в системе и просмотр отчетов через мобильные устройства;

§ Срок внедрения - период времени, в течение которого производится развертывание платформы в компании;

§ Стоимость владения - расходы, связанные с реализацией аналитической системы на протяжении ее жизненного цикла.

С целью выбора наиболее подходящей для нужд компании платформы бизнес-интеллекта по определенному набору признаков, необходимо выбрать методы и соответствующие СППР, с помощью которых будет осуществлен процесс выбора.

2.2 Классификация методов принятия решений, применяемых в СППР

Отличительная особенность методов принятия решений в СППР состоит в том, что они применяются для формализации определенного вида человеческой деятельности, ориентированного на установление наилучшего варианта действий. Классификация методов принятия решений необходима для того, чтобы определить общие и конкретно-специфические подходы к их разработке, реализации и оценке, что позволяет повысить качество, эффективность и их преемственность [27].

Методы принятия решений классифицируют разнообразными способами. Можно выделить классификацию по следующим принципам [27]:

§ Сфера использования методов. Рассматриваемый принцип связан с характером решаемых задач. Задачи могут быть экономическими, организационными, технологическими, техническими, экологическими и пр.

§ Характер целевого предназначения методов. По характеру целей принимаемых решений методы различают: текущие (оперативные), тактические, стратегические.

§ Принцип иерархического упорядочивания вариантов принятия решений. По уровням иерархии выделяют методы принятия решений: на уровне всей системы, на уровне подсистем, на уровне отдельных элементов системы. Обычно инициируются общесистемные решения, которые затем доводятся до элементарного уровня, однако возможен обратный вариант.

§ Функциональное содержание алгоритмов и процедур поиска решений. Методы принятия решений могут быть классифицированы по функциональному содержанию, т.е. по отношению к общим функциям управления: методы решения учетно-плановых задач, методы решения организационных задач, методы решения задач прогнозирования.

§ Структура анализируемых проблемных ситуаций. Это могут быть методы принятия решений, ориентированные на структурированные, слабоструктурированные и неструктурированные проблемные ситуации.

§ Учет определенностей в исходной информации. Здесь следует выделить методы принятия решений с детерминированными параметрами, методы принятия решений в условиях вероятностной определенности (в условиях риска), методы принятия решений в условиях неопределенности, методы принятия решений в конфликтных ситуациях.

§ Количество критериев для оценки принимаемого решения. Здесь следует назвать однокритериальные и многокритериальные методы принятия решений. В свою очередь многокритериальные методы на алгоритмическом уровне могут включать в себя следующие методы: главного критерия, линейной свертки, максиминной свертки, лексикографической оптимизации, Нелдера-Мида, адаптивный, Саати, ограниченный и др.

§ Способ ранжирования критериев принятия решений. При использовании многокритериальных методов принятия решений может использоваться лексикографическое ранжирование критериев, ранжирование критериев способом парных сравнений, ранжирование на основе выделения недоминируемых критериев (множество Парето).

§ Причинно-следственные условия актуализации методов. По причинам возникновения методы принятия решений делятся на: ситуационные, связанные с характером возникающих обстоятельств; по предписанию (распоряжению) вышестоящих органов; программные, которые связанны с включением данного объекта управления в определенную структуру программно-целевых отношений и мероприятий; инициативные, связанные с проявлением инициативы системы, например, в сфере производства товаров, услуг, посреднической деятельности; эпизодические и периодические, вытекающие из периодичности воспроизводственных процессов в системе (например, сезонности сельскохозяйственного производства, сплава леса по рекам, геологических работ).

§ Организационное оформление. В зависимости от организации разработки решений выделяются следующие категории пользователей: единоличные, коллегиальные, коллективные. Выбор способа разработки метода зависит от компетентности руководителя, уровня квалификации коллектива, специфика решаемых задач, используемых ресурсов.

§ Исходные методы разработки. Важным классификационным подходом служат основополагающие базовые методы разработки решений. К их числу можно отнести: метод анализа ситуаций МАИ, метод многокритериальной полезности MAUT (Multi-Attribute Utility Theory), метод ЗАПРОС (Замкнутые Процедуры у Опорных Ситуаций), метод РИПСА, методы ELECTRE и др. Выделяют также аналитические методы, методы управления запасами, методы линейного программирования, методы нелинейного программирования, методы целочисленного программирования, методы динамического программирования, методы комбинаторного программирования, методы сетевого планирования и управления, методы теории расписаний и календарного планирования, методы унификации и стандартизации, методы стохастического программирования, методы теории игр и др.

Типизация методов позволяет определить круг решений, разрабатываемых в определенных подразделениях аппарата управления и принимаемых на различных иерархических уровнях, состав используемой с этой целью информации, типичные методы обработки информации, систему оформления принятых решений, процессов их контроля и стимулирования выполнения.

Для поддержки принятия решений с помощью информационных технологий, включая анализ и выработку альтернатив, в СППР также используются следующие методы [26]:

§ Информационный поиск - процесс выявления в некотором множестве документов (текстов) всех таких, которые посвящены указанной теме (предмету), удовлетворяют заранее определенному условию поиска (запросу) или содержат соответствующие информационной потребности факты, сведения, данные;

§ Интеллектуальный анализ данных (Data Mining) - выявление скрытых закономерностей или взаимосвязей между переменными в больших массивах необработанных данных. Подразделяется на задачи классификации, моделирования и прогнозирования и другие;

§ Извлечение (поиск) знаний в базах данных (Knowledge Discovery in Databases, KDD) - процесс обнаружения полезных знаний в базах данных. Эти знания могут быть представлены в виде закономерностей, правил, прогнозов, связей между элементами данных;

§ Рассуждение на основе прецедентов (Case-Based Reasoning, CBR). Прецедент - случай, имевший место ранее и служащий примером или оправданием для последующих случаев подобного рода. Вывод на основе прецедентов является подходом, позволяющим решить новую задачу, используя или адаптируя решение уже известной задачи;

§ Имитационное моделирование - метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности;

§ Генетические алгоритмы (genetic algorithm) - эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путем последовательного подбора, комбинирования и вариации искомых параметров с использованием механизмов, напоминающих биологическую эволюцию;

§ Искусственные нейронные сети (ИНС) - математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей - сетей нервных клеток живого организма;

§ Методы искусственного интеллекта (Artificial Intelligence, AI) - это наука о создании интеллектуальных машин и систем, особенно интеллектуальных компьютерных программ, направленная на то, чтобы понять человеческий интеллект. При этом применяемые методы не обязательно должны быть биологически правдоподобны.

Существуют и другие классификации методов, реализованных в СППР. В данной работе интерес представляет многокритериальный анализ, необходимый для решения поставленной задачи. В связи с этим предлагается рассмотреть классификацию методов поддержки принятия решений с точки зрения многокритериального анализа.

Многокритериальный анализ (МКА) - практическая реализация структуры системного исследования в решении сложных, комплексных проблем. МКА обеспечивает рациональный, систематизированный и прозрачный процесс принятия решений при анализе влияний и взаимосвязей в сложных системах [43].

Сложность задачи многокритериального сравнительного анализа заключается в том, что сравниваемые объекты, как правило, необходимо сопоставлять по большому числу количественных и качественных (оцениваемых экспертно) критериев. А стандартной является ситуация, когда ни один из объектов не доминирует над остальными по всем показателям одновременно.

В многокритериальном анализе сравниваемые объекты называются альтернативами. А под объектами понимаются как существующие системы, так и проекты. Показатель - количественная или качественная оценка оцениваемого объекта по определенному признаку (критерию). Критерий - правило, позволяющее оценить предпочтительность одного варианта по сравнению с другим по конкретному признаку.

Основные требования к практической методике многокритериального сравнительного анализа объектов:

§ Открытость и гибкость - могут использоваться различные системы критериев, как количественные, так и качественные.

§ Универсальность - можно сравнивать и ранжировать любые объекты, для которых можно построить общую систему критериев.

§ Обозримость и оперативность - все необходимые расчеты и экспертные оценки по методике могут выполняться одним экспертом или небольшой группой в приемлемые сроки.

§ Максимально возможная объективность - экспертам и лицам, принимающим решения, должна быть предоставлена возможность проверки обоснованности и согласованности суждений.

Методов многокритериального анализа довольно много, существуют две «ветви» методов - количественный анализ решений и вербальный («словесный») анализ решений. В работе будут рассмотрены методы количественного анализа.

В литературе выделяют следующие основные группы методов количественного анализа решений:

1. Аксиоматические методы [44]

Здесь определяется ряд свойств, которым должна удовлетворять зависимость общей полезности альтернативы от оценок по отдельным критериям. Эти свойства, называемые аксиомами, проверяются путем получения информации от лиц, принимающих решения. В соответствии с этой информацией делается вывод о той или иной форме зависимости. А когда зависимость известна, то используется один из прямых методов.

Все методы оценки многокритериальных альтернатив, так или иначе, используют измерение полезности, но аксиоматические методы подходят к этим измерениям наиболее теоретически: они рассматривают их как определенные шаги, подтверждающие справедливость выбора некоторых аксиом и ведущие к возможности использования определенной функции полезности.

Аксиоматические методы непосредственно опираются на теорию ожидаемой полезности фон Неймана и Моргенштерна либо на более современные многокритериальной теории полезности.

Следует отметить искусственность аксиоматических методов. Главная практическая проблема, - многокритериальное сравнение альтернатив, - отступает на второй план перед чисто формальной (математической) проблемой поиска функции полезности в определенной форме.

2. Прямые методы [44]

Здесь зависимость общей полезности альтернативы от оценок по отдельным критериям считается известной заранее.

Существует большое число методов, в которых форма зависимости результирующей полезности альтернативы от ее оценок по многим критериям задается без всяких теоретических оснований, а параметры этой зависимости задаются так:

§ Нормативно, на основании утвержденных методик;

§ Непосредственно устанавливаются лицом, принимающим решение или ЛПР и консультантами;

§ Определяются из статистики, если она есть в достаточном объеме и надежна.

К основным методам данной группы относятся следующие: метод взвешенных сумм и его аналоги, метод матрицы решений, метод дерева решений и ряд других.

3. Методы компенсации/компромисса [44]

Здесь эксперты пытаются уравновесить (скомпенсировать) оценки одной альтернативы оценками другой.

Переход от сравнения качеств по различным критериям к сравнению альтернатив может быть осуществлен различными путями. Среди них следует выделить построение кривых безразличия и сравнение разностей оценок альтернатив по критериям.

Методы построения кривых или поверхностей безразличия очень трудоемки и малопригодны при количестве критериев n?3. Для оставшихся альтернатив проще использовать метод анализа иерархий (МАИ) или один из прямых методов.

Компромисс является одним из наиболее рациональных и в то же время наиболее сложных вариантов решения проблемы. Компромиссов придется найти тем больше, чем больше существует вариантов решения проблемы, и чем больше целей преследует лицо, принимающее решение.

Методику, с помощью которой можно находить компромиссные решения сложных задач с несколькими вариантами выбора, Хэммонд Дж. с соавторами назвали Методика равноценного обмена [45]. По сути это некая форма бартера - когда приходится оценивать один предмет с точки зрения ценности другого.

Методика равноценного обмена представляет собой логическую систему нахождения компромиссов, где условия поиска представлены в упрощенном и единообразном виде, что позволяет направить всю умственную энергию на самую важную часть принятия решения - определение того, что вы или ваша компания выиграете (или потеряете) в результате того или иного действия.

4. Методы порогов несравнимости

Основаны на идее сужения множества альтернатив и базируются на отношениях предпочтения, эквивалентности и несравнимости при оценке альтернатив. Сужение множества возможных решений осуществляется попарным сравнением альтернатив. Задается правило сравнения двух альтернатив, при котором одна альтернатива считается лучше другой. В соответствии с заданным правилом альтернативы попарно делятся на сравнимые, - одна лучше другой, либо эквивалентные, - и несравнимые. Изменяя отношение сравнимости, получают разное число пар сравнимых альтернатив, из них делают выборку лучших и анализируют.

К методам данной группы относятся следующие: ЭЛЕКТРА I, ЭЛЕКТРА II, ЭЛЕКТРА III (исключение и выбор в условиях реальности) [46].

Методы данной группы дают возможность ЛПР вмешиваться в процесс выбора, однако обилие параметров, которыми он располагает, ставит под сомнение их эффективное использование. При применении данных методов следует учитывать, что вид бинарного отношения, а также их последовательность существенно предопределяют результат выбора.

5. Человеко-машинные (интерактивные) методы

Применяются в том случае, когда модель проблемы известна частично. Человек здесь взаимодействует с компьютером, определяя соотношения между критериями.

Чаще всего в этой группе методов рассматривается задача математического программирования при нескольких критериях качества. Она решается в диалоговом режиме: исследователь определяет первоначальные требования к соотношениям оценок по критериям, вводит их в компьютер, получает решение, изменяет свои требования, снова вводит в их в компьютер и т.д.

В ходе таких итераций у исследователя возникает понимание того, в какой степени область возможных решений допускает одновременное достижение экстремальных значений по всем критериям, насколько противоречивыми являются эти критерии. Это понимание способствует выработке разумного компромисса в требованиях к значениям, достигаемым по разным критериям. Процесс заканчивается, когда компьютер выдает приемлемое решение, либо когда ЛПР убедится в нецелесообразности дальнейших попыток получить разумный компромисс при данной модели.

6. Метод анализа иерархий (МАИ) и его развитие - метод анализа сетей (МАС) [5,6].

Применяются сейчас очень широко и для самых разных практических задач. Аналитический иерархический процесс и аналитический сетевой процесс (другие названия этих методов) обладает рядом достоинств по сравнению с другими методами количественного анализа решений.

Именно в этом методе полностью реализована схема системного анализа проблем, а именно: представление проблемы как системы.

Метод анализа иерархий (МАИ) является приемом решения задач многокритериальной оптимизации в условиях неопределенности, когда критерии оптимизации не могут быть измерены в количественной форме.

В задачах принятия решения могут быть использованы самые разнообразные методы теории принятия оптимальных решений, в том числе методы теории игр, линейного, нелинейного, стохастического программирования, теории принятия статистических решений и т.д. Однако не все практические задачи могут быть сведены к той или иной классической схеме решения. Поэтому и возникает необходимость применения специальных методов теории принятия решений, сочетающих как достижения теории принятия оптимальных решений, так и экспертные оценки специалистов. Такая возможность реализована в системе ЭСППР [47].

В отличие от выше представленных подходов, в ЭСППР включены методы принятия решений как в условиях частичной, так и полной неопределенности. Очень часто неопределенность в условиях принятия решений приводит к необходимости моделирования нескольких проблемных ситуаций S = (S1, S2,…, Sn), где каждая из ситуаций возникает с определенной вероятностью P = (P1, P2,…, Pn). Система содержит методы с использованием принципов большинства, Парето, Байеса, методов принятия решений в условиях полной неопределенности, в динамической постановке, методы многоцелевой оптимизации, а также комбинированные методы, сочетающие различные принципы согласования оценок альтернатив [47].

Методы, реализованные в ЭСППР, учитывают также различную степень информированности ЛПР об условиях принятия решения и степень сравнимости признаков оценки альтернатив. Когда ЛПР может определить вероятности появления ситуаций, то для решения задачи выбора альтернатив применяются принцип большинства (PURr, PURq) и Байеса (BAJNOEXP, BAJPOR, PURqBAJNOEXP, PURrBAJNOEXP, PURrBAJPOR) [47].

В остальных случаях, когда вероятности появления проблемных ситуаций предсказать не удается, применяются методы на основе принципов Парето, пессимизма, оптимизма, Гурвица, антагонистического игрока, Сэвиджа и Лапласа, которые также включены в ЭСППР.

В работе при решении поставленной задачи будут применены методы МАС, методы, реализованные в ЭСППР, и метод равноценного обмена.

2.3 Краткая характеристика выбранных СППР и методов принятия решения

В качестве одной из систем поддержки принятия решений для выбора BI платформы была определена СППР Super Decisions, реализующая алгоритм МАС, который является развитием метода анализа иерархий.

Метод Анализа Иерархий (МАИ) инструмент системного подхода, который применяется к сложным проблемам принятия решений. МАИ не предписывает ЛПР «правильного» решения, а, напротив, позволяет ему в интерактивном режиме найти такой вариант (альтернативу), который наилучшим образом согласуется с его пониманием сути проблемы и требованиями к ее решению. Этот метод разработан американским математиком Томасом Саати. Его основу составляются наряду с математикой и психологические аспекты.

Анализ проблемы принятия решений в методе анализа иерархий начинается с построения иерархической структуры, которая включает цель, критерии, альтернативы и другие рассматриваемые факторы, оказывающие влияние на выбор. Такая структура дает большее понимание проблемы лицом, принимающим решение. Каждый элемент иерархии представлять собой различные аспекты решаемой задачи, причем рассмотрены могут быть как материальные, так и нематериальные факторы, измеряемые количественные параметры и качественные характеристики, объективные данные и субъективные экспертные оценки [6].

Следующий этап анализа - определение приоритетов, которые отражают относительную важность или предпочтительность элементов построенной иерархической структуры, с помощью процедуры парных сравнений. Безразмерные приоритеты позволяют обоснованно сравнивать разнородные факторы, и это представляет отличительную особенность МАИ.

Завершающий этап анализа - синтез (линейная свертка) приоритетов на иерархии, в результате которой вычисляются приоритеты альтернативных решений относительно главной цели. Лучшей считается альтернатива с максимальным значением приоритета.

МАС представляет собой расширенный и обобщенный метод анализа иерархий (МАИ), учитывающий зависимости и обратные связи между критериями (кластерами) с помощью подхода, который основанн на суперматрицах.

Суть данного метода - определение воздействия одного элемента модели на другой. В методе анализа сетей существует две части. Первая часть предполагает выбор управляющих критериев с построением управляющих иерархий и сетей. Во второй части осуществляется построение сетей взаимного влияния элементов и кластеров. Для каждого управляющего критерия строится своя сеть.

Кластер - множество взаимосвязанных элементов, объединение которых дает дополнительные свойства, отсутствующие у отдельных элементов. МАС позволяет учитывать взаимное влияние элементов как внутри кластеров (внутренняя зависимость), так и между кластерами (внешняя зависимость). На следующем этапе заполняются матрицы парных сравнений (МПС) для кластеров и их элементов. Основной принцип при выполнении парных сравнений относительно некоторого управляющего критерия состоит в определении, какой из двух кластеров (элементов) оказывает большее влияние на управляющий критерий [8].

Для решения поставленной задачи была также выбрана «Экспертная система поддержки принятия решений (ЭСППР)».

Информационная система ЭСППР ориентирована на автоматизацию процедур анализа проблемных ситуаций и выбора эффективных решений.

Для решения поставленных задач в состав ЭСППР включены база знаний - набор правил для выбора соответствующих методов принятия решений в зависимости от условий, характеризующих конкретные проблемные ситуации (модуль анализа проблемных ситуаций), и совокупность методов принятия решений (модуль принятия решений) [47].

Модуль принятия решений содержит методы принятия решений с использованием принципов большинства, Парето, Байеса, методы принятия решения в условиях полной неопределенности, в динамической постановке, методы многоцелевой (векторной оптимизации), а также комбинированные методы, сочетающие различные принципы согласования оценок альтернатив [47].


Подобные документы

  • Теоретические аспекты функционирования Business intelligence - систем в сфере логистики. Анализ условий для разработки системы поддержки принятия решений. Характеристика процесса создания программного продукта, применение аналитической платформы QlikView.

    курсовая работа [2,5 M], добавлен 09.09.2017

  • Методология, технология и архитектура решения SAP Business Objects. Возможные действия в Web Intelligence. Создание документов и работа с ними. Публикация, форматирование и совместное использование отчетов. Общий обзор приложения, его интерфейсы.

    курсовая работа [1,4 M], добавлен 24.09.2015

  • Методы решения проблем, возникающих на стадиях и этапах процесса принятия решений, их реализация в информационных системах поддержки принятия решений (СППР). Назначение СППР, история их эволюции и характеристика. Основные типы СППР, области их применения.

    реферат [389,3 K], добавлен 22.11.2016

  • Классификация систем поддержки принятия решений. Сравнительный анализ методик для оценки рисков розничного кредитования. Структура системы поддержки принятия решений, формирование начальной базы знаний. Проектирование базы данных информационной системы.

    дипломная работа [1,9 M], добавлен 10.07.2017

  • Обслуживание двух встречных потоков информации. Структура информационных систем. Разработка структуры базы данных. Режимы работы с базами данных. Четыре основных компонента системы поддержки принятия решений. Выбор системы управления баз данных.

    курсовая работа [772,0 K], добавлен 21.04.2016

  • Классификация задач системы поддержки принятия решений, их типы и принципы реализации при помощи программы "Выбор". Обзор современных систем автоматизированного проектирования "Компас", "AutoCad", "SolidWorks", оценка преимуществ и недостатков программ.

    курсовая работа [1,4 M], добавлен 22.07.2014

  • Понятие информационной системы как системы сбора, хранения, накопления, поиска и передачи информации, применяемая в процессе управления или принятия решений. Классификация и структура информационных систем. Разнообразие задач, решаемых с помощью ИС.

    контрольная работа [160,6 K], добавлен 18.01.2010

  • Использование библиотеки готовых компонентов как основы процесса построения моделей организационных систем. Характеристика качественных методов принятия решений. Применение порядковой классификации в процессе UFO-моделирования систем телемеханики.

    магистерская работа [732,7 K], добавлен 26.04.2011

  • Разработка лабораторных работ, организованных как программный продукт – электронный учебник. Обзор компаний-лидеров в производстве и поставке систем управления бизнесом, их основные продукты. Установка и конфигурирование SAP Business Intelligence.

    дипломная работа [8,4 M], добавлен 20.03.2011

  • Классификация методов анализа по группам. Сбор и хранение необходимой для принятия решений информации. Подготовка результатов оперативного и интеллектуального анализа для эффективного их восприятия потребителями и принятия на её основе адекватных решений.

    контрольная работа [93,2 K], добавлен 15.02.2010

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.