Информационные системы и технологии. М. С. Гаспариан Г. Н. Лихачева Информационные системы
 Скачать 1.98 Mb.
|
|
Клиентские приложения, содержащие OLAP-средства, выполняют вычисление агрегатных данных. Агрегатные дан- ные размещаются в кэш внутри адресного пространства тако- го OLAP-средства. Кэш – быстродействующий буфер большой емкости, работающий по специальному алгоритму. При этом если исходные данные находятся в реляционной базе, вычис- ления производятся OLAP-средствами клиентского приложе- ния. Если исходные данные размещаются на сервере баз дан- ных, то OLAP-средства приложений посылают SQL-запросы на сервер баз данных и получают агрегатные данные, вычис- ленные сервером. Примерами клиентских приложений, содержащими OLAP-средства, являются приложения статистической обра- ботки данных SEWSS (Statistic Enterprise – Wide SPS System) фирмы StatSoft и MS Excel. Excel позволяет создать и сохра- нить небольшой локальный многомерный OLAP-куб и ото- бразить его двух или трехмерные сечения. Многие средства проектирования позволяют создавать простейшие OLAP-средства. Например, Borland Delphi и Bor- land C++ Builder. Отметим, что клиентские приложения применяются при малом числе измерений (не более шести) и небольшом разно- образии значений этих измерений. Серверные OLAP-системы развили идею сохранения кэш с агрегатными данными. Современные тенденции развития ИС 95 В них сохранение и изменение агрегатных данных, под- держка содержащего их хранилища осуществляется отдель- ным приложением (процессом), называемым OLAP-сервером. Клиентские приложения делают запросы к OLAP-серверу и получают требуемые агрегатные данные. Применение OLAP-серверов сокращает трафик сети, время выполнения запросов, сокращает требования к ресур- сам клиентских приложений. В масштабе предприятия обычно используются OLAP- серверы типа Oracle Express Server, MS SQL Server 2000 Analy- sis Services и др. Заметим, что MS Excel 2000 (и более поздние его версии) позволяет делать запросы к OLAP-серверам. Самые современные аналитические системы основыва- ются на информационных хранилищах и обеспечивают весь спектр аналитической обработки. Под хранилищем данных (Data Warehouse) понимают ав- томатизированную информационно-технологическую систе- му, которая собирает данные из существующих баз и внешних источников, а также формирует, хранит и эксплуатирует ин- формацию как единую. Хранилище данных предоставляет единую среду хранения корпоративных данных, организованных в структурах, оптими- зированных для выполнения аналитических операций. Доступ к информационным хранилищам реализован посредством транзакций. В отличие от OLAP систем все ос- тальные системы, работающие с транзакциями, называют OLTP системами (On-Line Transaction Processing). OLTP сис- темы обеспечивают обработку запросов, выдачу отчетов, но не обеспечивают функций анализа данных. Технологии «добычи данных» (Data Mining) разработа- ны для поиска и выявления в данных скрытых связей и взаи- мозависимостей с целью предоставления их руководителю в процессе принятия решений. Для этого используются стати- стические методы корреляции, оптимизации и другие, позво- Информационные системы 96 ляющие находить эти зависимости и синтезировать дедуктив- ную (обобщающую) информацию. Инструменты Data Mining обеспечивают: Поиск зависимых данных (реализацию интеллектуаль- ных запросов). Выявление устойчивых бизнес – групп (выявление групп объектов, близких по заданным критериям). Ранжирование важности признаков при классификации объектов для проведения анализа. Прогнозирование бизнес – показателей (например, ожи- даемые продажи, спрос). Оценку влияния принимаемых решений на достижение успеха предприятия. Поиск аномалий и т. д. В рыночной сегментации технологии «добычи данных» могут быть полезны для идентификации общих характери- стик клиентов, которые покупают одинаковые изделия у ком- пании, а также для предсказания, какие клиенты, вероятно, могут оставить компанию и уйти к конкурентам. При анализе потребительской корзины данные технологии позволяют вы- являть, какие изделия или услуги обычно приобретаются вме- сте. При прямом маркетинге указанные технологии могут дать ответ на вопрос, какие проспекты должны быть включе- ны в список рассылки, чтобы получить максимальную эффек- тивность. Добыча данных требует разработанной и хорошо по- строенной базы (хранилища) данных. Прежде, чем любая ор- ганизация подумает относительно добычи данных, нужно сначала убедиться, что необходимые данные имеются и что они являются полными и точными. Технологии искусственного интеллекта (AI) основаны на моделировании мыслительной деятельности человека с ис- пользованием специальных программных средств и баз зна- ний. В литературе дано определение базы знаний как набора эмпирических правил истинности заключений (высказыва- Современные тенденции развития ИС 97 ний) по данной теме (проблеме), базы эмпирических данных и описания проблемы, а также вариантов её решения. Технологии искусственного интеллекта используются для решения задач, относящихся к классу неформализован- ных и слабо структурированных. Алгоритмизированное ре- шение таких задач или не существует в силу неполноты, не- определенности, неточности, расплывчатости рассматривае- мых ситуаций и знаний о них, или же такие решения неприемлемы на практике в силу сложности разрешающих алгоритмов. Применительно к управлению, указанные техно- логии в настоящее время находят применение в таких облас- тях как планирование и оперативное управление производст- вом, выработка оптимальной стратегии поведения в соответ- ствии со сложившейся ситуацией и т.д. Развитие технологий искусственного интеллекта в управ- лении идет в направлении разработки экспертных систем. Экспертные системы – это системы, которые используют логику принятия решения человеческого эксперта и способны в сложных условиях дать квалифицированную консультацию (совет, подсказку, ориентацию) на основе логической перера- ботки данных с целью получения новой информации, которая в явном виде в базу знаний не вводилась. Экспертная система моделирует мыслительный процесс человека-эксперта, который является специалистом по реше- нию определенного типа проблем. Такая система должна за- давать вопросы пользователю, производить оценку ситуации и получать решение, представляемое в каком-либо виде поль- зователю. Кроме того, от экспертной системы могут потребо- ваться демонстрация способа, которым получено решение, и его обоснование. Экспертные системы, являющиеся в настоящее время наиболее распространенным классом систем искусственного интеллекта, обладают способностью рассматривать большое число вариантов, чем это доступно человеку, при доскональ- ном анализе ситуаций в той или иной предметной области и выдавать «интеллектуальные» решения в сложных ситуациях. Информационные системы 98 Поэтому в помощь менеджерам создается ряд экспертных сис- тем. Так, при планировании текущего технического обслужи- вания самолетов фирма American Airlines использует эксперт- ную систему MOCA (Maintenance Operation Center Advisor), что значительно сокращает затраты на техобслуживание и ремонт самолетов по сравнению с планированием вручную. Фирма General Motors использует экспертную систему Expert Scheduling System для оптимизации графиков производства. Другим направлением эффективного развития техноло- гий искусственного интеллекта в управлении является разви- тие нейронных сетей. Нейронные сети устроены по аналогии с тем, как рабо- тает человеческая нервная система, и способны распознавать модели, слишком не ясные для людей, чтобы люди могли их обнаружить. Фактически нейронные сети используют стати- стический анализ, чтобы распознавать модели из большого количества информации посредством адаптивного обучения. Механизм работы нейронной сети следующий. Про- грамме нейронных сетей сначала дается набор данных, со- стоящих из многих переменных, связанных с большим коли- чеством случаев, или исходов, в которых результаты известны. Программа анализирует данные и обрабатывает все корреля- ции, а затем выбирает набор переменных, которые строго со- отнесены с частными известными результатами, как началь- ную модель. Далее программа многократно изменяет модель, регулируя параметры переменных или даже заменяя их, про- буя предсказать результаты различных случаев и сравнивая предсказанные результаты с известными результатами. Дан- ная процедура называется обучением сети. По окончании обучения программа готова делать предсказания для буду- щих случаев. Направления использования нейронных сетей разнооб- разны. Так, один из крупнейших банков, Bank of America, ис- пользует нейронную сеть для оценки коммерческих заявок на получение ссуды. Банк «Mellon Bank» работает над нейрон- ной системой, которая ускорит распознавание мошенниче- Современные тенденции развития ИС 99 ских подделок кредитных карточек, контролируя такие пока- затели, как частота использования кредитной карточки и раз- меры расходов относительно предельного размера кредита. Журнал Spiegel использует нейронную сеть для сокращения списка рассылки своих каталогов для продажи по почте, что- бы устранить маловероятных потенциальных покупателей. Геоинформационные технологии предназначены для обработки пространственно-временных данных, основой ин- теграции которых служит географическая информация. Ука- занные технологии обеспечивают принятие решений по оп- тимальному управлению землями и ресурсами, городским хо- зяйством, транспортом, розничной торговлей, экологией и другими сферами деятельности человека на основе интегра- ции данных географического характера. На основе геоинформационных технологий разрабаты- вается широкий класс геоинформационных систем (ГИС), включающих такие типы как системы картографической ин- формации, автоматизированные системы картографирова- ния, автоматизированные фотограмметрические системы, зе- мельные информационные системы, автоматизированные ка- дастровые системы, системы информационного обеспечения администрации городов и т.п. Инструментальные средства ГИС-технологий базируют- ся на моделях представления пространственных данных, та- ких как векторная, топологическая и нетопологическая моде- ли, квадродеревья, растровые модели, линейные сети. Их от- личает ориентация на пользовательские модели данных с учетом предметной области и особенностей приложений, об- разующих единую информационную пользовательскую сре- ду, дополняемую возможностями трехмерного проектирова- ния, генерации планов, автоматического документирования проектов и выбора оптимальных вариантов. Данные техноло- гии позволяют осуществлять векторно-топологическое моде- лирование, буферизацию объектов, анализ сетей, построение цифровых моделей местности и т.д. Информационные системы 100 Современные ГИС-технологии предназначены для фор- мирования и ведения банков земельных данных о состоянии жилого и нежилого фондов, ведения кадастра недвижимости, анализа, оценки и планирования городских территорий, управления коммунальным хозяйством и т.д. Такие различные области как управление природными ресурсами, государственная служба, военное и градострои- тельное проектирование используют ГИС – технологии уже более 30 лет. В начале 90-х годов указанные технологии при- влекли внимание деловых пользователей. По мнению многих бизнесменов и аналитиков, сфера приложений ГИС- технологий безгранична. Сфера применения ГИС-технологий в бизнесе охватыва- ет разные области: анализ и отслеживание текущего состояния и тенденций изменения рынка; планирование деловой активности; оптимальный выбор местоположения новых филиалов фирмы или банка, торговых точек, складов, производст- венных мощностей; выбор кратчайших или наиболее безопасных маршрутов перевозок и путей распределения продукции; анализ риска материальных вложений и урегулирование разногласий; демографические исследования, проводимые в целях изучения спроса на продукцию; географическая привязка баз данных о земле- и домо- владении. В последнее время всё чаще встречается новое понятие геомаркетинг (geomarketing), связывающее в неразрывное це- лое бизнес и геоинформационные технологии. В разных странах ГИС-технологии находят применение в бизнесе. Бизнесмены Великобритании с помощью ГИС открыва- ют новые супермаркеты, бензоколонки и станции техобслу- живания автомобилей, а также на основе демографического Современные тенденции развития ИС 101 анализа и моделирования развивают сеть столь популярных в этой стране пивных баров – пабов. В Южной Африке ГИС применяются при оптовой и розничной продаже автомобилей, рассылке и разноске почты и другой корреспонденции, оптовых поставках бакалейных товаров. В Испании ГИС используются крупными банками для разработки планов развития и координации деятельности ре- гиональных центров по обслуживанию вкладчиков. Во Франции пользователями ГИС являются, например, ав- томобильные компании Citroen, Renault и Peugeot, активно вне- дряющие картографию в свою повседневную деятельность. В Новой Зеландии компания Eagle Technology разрабо- тала многофункциональное средство анализа сведенных таб- личных, текстовых и картографических бизнес-данных, демо- графической, статистической, земельной, муниципальной, адресной и другой информации. Это позволило переориен- тировать главную цель маркетинговых усилий с удовлетворе- ния усредненных потребностей населения города или района на оперативное реагирование на запросы каждого человека, живущего или работающего в зоне реализации товаров фир- мы. Достигаемый при таком подходе принципиально новый уровень сервиса получил наименование персонифицирован- ного маркетинга (personal marketing). В США за последние годы появилась многочисленная группа компаний, специализирующихся на консультацион- ном обслуживании бизнеса, проводящих по заказам аналити- ческие маркетинговые исследования на базе ГИС. Предостав- ляемые этими компаниями результаты и решения способст- вуют выбору оптимальных, наиболее выгодных стратегии и тактики действий их клиентов, быстрому реагированию на изменяющиеся условия рынка, а при необходимости – и пере- ориентации профиля коммерческих фирм. В перспективе особенно успешное и выгодное использо- вание ГИС-технологий представляется при массовых перевоз- ках грузов и людей, при создании сетей оптимально разме- Информационные системы 102 щенных торговых точек, анализе существующих и потенци- альных рынков и районов сбыта продукции, в нефтяных, га- зовых и электрических компаниях, а также в коммерческих фирмах, занимающихся операциями с недвижимостью, для обоснования, расширения и поддержки банковских опера- ций, в работе авиакомпаний и телекоммуникационных кор- пораций, ряде других сфер деловой активности. Технологии виртуальной реальности (VR) предназначе- ны для создания окружающей среды, которая кажется реаль- ной пользователю-человеку. Существует множество различ- ных применений технологий виртуальной реальности в обо- роне, медицине, индустрии развлечений и т.п. Использование виртуальной реальности в управлении и бизнесе разделяется на две основные категории: обучение и проектирование. Так, фирмы IBM и Chrysler развили систему виртуаль- ной реальности для проектирования автомобилей, благодаря чему часть неисправностей может быть устранено еще до по- явления первого дорогого прототипа. Система виртуальной реальности «Прогулка внутрь» Virtus Walk Through Pro позволяет сохранять время и деньги розничным торговцам при проектировании планировок мага- зина и витрин. Множество приложений VR связано с процессами про- изводственного обучения персонала фирм. Так на фирме Du- racell внедрена автоматизированная система обучения работе на новом оборудовании в среде виртуальной реальности. Обучаемый способен полностью зондировать новую часть оборудования внутри настольного виртуального мира, при этом травматизм абсолютно исключен. Система виртуальной реальности «Truck DriVR» предна- значена для обучения вождению на грузовике. Данная систе- ма, основанная на вариациях опасностей движения, позволяет создавать реалистичную ситуацию с многократными возмож- ностями для пользователя. Современные тенденции развития ИС 103 5.3. Виды информационных систем управления Различные уровни управления организацией представ- лены информационными системами различного типа, так как никакая единственная система не может полностью обеспечи- вать потребности организации во всей информации. В лите- ратуре рассматриваются такие основные типы информацион- ных систем как системы эксплуатационного уровня, системы уровня знания, системы уровня управления и системы стратеги- ческого уровня. Системы эксплуатационного уровня предназначены для специалистов-исполнителей. Основной целью таких сис- тем являются ответы на обычные вопросы и проведение пото- ков транзакций через организацию. Информация в такой сис- теме должна быть легко доступна, оперативна и точна. Системы уровня знания поддерживают работников зна- ния и обработчиков данных в организации. Целью систем та- кого уровня является интеграция новых знаний в бизнес и помощь организации управлять потоком документов. Системы уровня управления предназначены для обслу- живания таких функций как контроль, анализ, принятие ре- шений и выполнение административных функций менедже- ров среднего звена управления. Системы стратегического уровня предназначены для помощи руководителям высшего уровня, которые подготав- ливают и принимают стратегические решения. Основное на- значение таких систем – подготовка стратегических исследо- ваний и предсказание коммерческих трендов как внутри ор- ганизации, так и в её деловом окружении. Рассмотрим подробнее виды информационных систем, соответствующих каждому организационному уровню. Системы диалоговой обработки запросов – TPS (Trans- action Processing Systems) – основные деловые системы, кото- рые обслуживают эксплуатационный уровень организации. Эти системы выполняют и рассчитывают рутинные транзак- Информационные системы 104 ции, необходимые для ведения бизнеса. Задачи, ресурсы и це- ли заранее определены и хорошо структурированы. Приме- рами такого рода систем могут служить коммерческие расче- ты продаж, системы бронирования мест в гостиницах, хране- ние отчетов служащих и т.п. |