Информационные технологии поддержки принятия решений

Страница 1 из 2

Путивцева Наталья Павловна, кандидат технических наук, Наливко Ксения Владиславовна, студент, Лекова Алена Евгеньевна, студент, Национальный исследовательский университет, Белгородский государственный университет, кафедра прикладной математики и информатики, г. Белгород

   Информационная технология поддержки принятия решений организует взаимодействие человека и компьютера. Выработка решений происходит в результате циклического процесса, в котором участвуют: система поддержки принятия решений в роли вычислительного звена и объекта управления; человек как управляющее звено, задающее входные данные и оценивающее полученный результат вычислений на компьютере. Ее отличительные характеристики: ориентация на решение плохо структурированных задач; сочетание традиционных методов доступа и обработки компьютерных данных с возможностями математического моделирования; направленность на непрофессионального пользователя; высокая адаптивность − приспосабливаемость к особенностям используемого технического и программного обеспечения, требованиям пользователя. [2, с.35]

   В зависимости от назначения и предоставляемых пользователю возможностей можно выделить три типа информационных технологий поддержки принятия решений:

• системы поддержки принятия решений (СППР)

• экспертные системы (ЭС)

• автоматизированные системы экспертного оценивания (АСЭО).

   СППР − это компьютерная система, которая путем сбора и анализа большого количества информации может влиять на процесс принятия решений организационного плана в бизнесе и предпринимательстве. СППР предназначена для информационной поддержки ЛПР (лица принятия решения) и может быть определена как интерактивная система, обеспечивающая простой доступ к моделям и информации, используемым для разработки альтернатив и выбора решений.

   Область применения СППР − прежде всего нестандартные ситуации и слабоструктурированные проблемы. Для них характерно наличие неопределенности, делающей практически невозможным отыскание единственной объективно наилучшей альтернативы решения.[1, с.145] Процедура принятия решений в таких ситуациях требует механизма определения системы предпочтений ЛПР и более глубокого сравнительного анализа альтернативных вариантов.

   К основным принципам формирования и использования СППР можно отнести: обеспечение ЛПР необходимой информацией в максимально возможном объеме; возможность оперативного поиска информации; генерирование альтернативных вариантов решений; предоставление прогнозных оценок результатов реализации возможных альтернатив; постоянная эволюция системы за счет наращивания ее возможностей.

   Для анализа и выработок предложений в СППР используются разные методы. Это могут быть: информационный поиск, интеллектуальный анализ данных, поиск знаний в базах данных, рассуждение на основе прецедентов, имитационное моделирование, эволюционные вычисления и генетические алгоритмы, нейронные сети, ситуационный анализ, когнитивное моделирование и др.

   Наиболее широкой сферой практического применения СППР являются планирование и прогнозирование для различных видов управленческой деятельности.

   ЭС − это компьютерная программа, которая моделирует рассуждения человека-эксперта в некоторой определенной области и использует для этого базу знаний, содержащую факты и правила об этой области, и некоторую процедуру логического вывода. Экспертные системы предназначены для моделирования и имитации логики опытных специалистов при принятии решения по какому-либо узкому вопросу в определенной предметной области. ЭС − это направление исследований в области искусственного интеллекта по созданию вычислительных систем, умеющих принимать решения, схожие с решениями экспертов в заданной предметной области.[1, с.152]

Информационная технология поддержки принятия решений

По цели использования модели подразделяются на оптимизационные, связанные с нахождением точек минимума или максимума некоторых показателей (например, управляющие часто хотят знать, какие их действия ведут к максимизации прибыли или минимизации затрат), и описательные, описывающие поведение некоторой системы и не предназначенные для целей управления (оптимизации).

По способу оценки модели классифицируются на детерминированные, использующие оценку переменных одним числом при конкретных значениях исходных данных, и стохастические, оценивающие переменные несколькими параметрами, так как исходные данные заданы вероятностными характеристиками.

Детерминированные модели более популярны, потому что они менее дорогие, их легче строить и использовать. К тому же часто с их помощью получается вполне достаточная информация для принятия решения.

По области возможных приложений модели разбиваются на специализированные, предназначенные для использования только одной системой, и универсальные — для использования несколькими системами.

Специализированные модели более дорогие, они обычно применяются для описания уникальных систем и обладают большей точностью.

В системах поддержки принятия решения база моделей состоит из стратегических, тактических и оперативных моделей, а также математических моделей в виде совокупности модельных блоков, модулей и процедур: используемых как элементы для их построения.

Стратегические модели используются на высших уровнях управления для установления целей организации, объемов ресурсов, необходимых для их достижения, а также политики приобретения и использования этих ресурсов. Они могут быть также полезны при выборе вариантов размещения предприятий, прогнозировании политики конкурентов и т.п. Для стратегических моделей характерны значительная широта охвата, множество переменных, представление данных в сжатой агрегированной форме. Часто эти данные базируются на внешних источниках и могут иметь субъективный характер. Горизонт планирования в стратегических моделях, как правило, измеряется в годах. Эти модели обычно детерминированные, описательные, специализированные для использования на одной определенной фирме.

Тактические модели применяются управляющими (менеджерами) среднего уровня для распределения и контроля использования имеющихся ресурсов. Среди возможных сфер их использования следует указать: финансовое планирование, планирование требований к работникам, планирование увеличения продаж, построение схем компоновки предприятий. Эти модели применимы обычно лишь к отдельным частям фирмы (например, к системе производства и сбыта) и могут также включать в себя агрегированные показатели. Временной горизонт, охватываемый тактическими моделями, — от одного месяца до двух лет. Здесь также могут потребоваться данные из внешних источников, но основное внимание при реализации данных моделей должно быть уделено внутренним данным фирмы. Обычно тактические модели реализуются как детерминированные, оптимизационные и универсальные.

Оперативные модели используются на низших уровнях управления для поддержки принятия оперативных решений с горизонтом, измеряемым днями и неделями. Возможные применения этих моделей включают в себя ведение дебиторских счетов и кредитных расчетов, календарное производственное планирование, управление запасами и т.д. Оперативные модели обычно используют для расчетов внутрифирменные данные. Они, как правило, детерминированные, оптимизационные и универсальные (т.е. могут быть использованы в различных организациях).

Математические модели состоят из совокупности модельных блоков, модулей и процедур, реализующих математические методы. Сюда могут входить процедуры линейного программирования, статистического анализа временных рядов, регрессионного анализа и т.п. — от простейших процедур до сложных ППП.

Пример. Программный продукт Forecast Expert, также разработанный фирмой Про-Инвест-Консалтинг, представляет собой универсальную систему прикладного прогнозирования. Forecast Expert предназначен для построения прогноза временного ряда. В качестве прогнозируемых могут выступать параметры как сфер производства и обращения — цены мирового рынка, спрос на изделия, объемы закупок комплектующих и производственных запасов при увеличении объема производства, цены комплектующих, параметры технологических процессов, так и финансового рынка — цены покупки и продажи акций, деловая активность участников рынка, объем предложений свободных средств инвесторами и многое другое.

Применение Forecast Expert позволяет проанализировать имеющиеся данные и построить прогноз с указанием границ доверительного интервала (при заданной вероятности прогноза) на период времени. Модель определяет степень влияния сезонных факторов и учитывает их при построении прогноза.

Информационная технология поддержки принятия решений — Виды информационных технологий

Информационные технологии поддержки принятия решений, их назначение

Системы поддержки принятия решений и соответствующая им информационная техноло­гия появились усилиями в основном американских ученых в конце 70-х — начале 80-х гг., этому способствовало широкое распространение ПЭВМ, стандартных пакетов прикладных программ, создание систем искусственного интеллекта.

Особенностью ИТ поддержки принятия решений (ППР) является метод организации взаимодействия человека и компьютера. Выработка решения является основной целью этой техноло­гии, происходит в результате итерационного процесса (рис.8.1.), в котором участвуют:

система поддержки принятия решений в роли вычислительного звена и объекта управ­ления;

человек как управляющее звено, задающее входные данные и оценивающее получен­ный результат вычислений на компьютере.

Окончание итерационного процесса происходит по воле человека. Информационная система способна совместно с пользователем созда­вать новую информацию для принятия решений.

Отличительными характеристиками 

являются следующие:

ориентация на решение плохо структурированных (формализованных) задач;

сочетание традиционных методов доступа и обработки компьютерных данных с воз­можностями математических моделей и методами решения задач на их основе;

направленность на непрофессионального пользователя компьютера;

высокая адаптивность, обеспечивающая возможность приспосабливаться к особенностям имеющегося технического и программного обеспечения, а также требованиям пользователя.

ИТ ППР может использоваться на любом уровне управления. Важной функцией и систем, и техноло­гий является координация лиц, принимающих решения как на разных уровнях управления, так и на одном уровне.

Основные компоненты ИТ поддержки принятия решения

В состав системы ППР входят три главных компонента: база данных, база моделей и программная подсистема, которая состоит из системы управления базой данных (СУБД), системы управления базой моделей (СУБМ) и системы управления интерфейсом между пользователем и компьютером.

База данных. Она играет в ИТ ППР важную роль. Данные могут использоваться пользователем для расчетов при помощи математических моделей. Рассмотрим источники данных и их особенности.

1. Часть данных поступает от информационной системы операционного уровня. Эти данные должны быть предварительно обработаны. Для этого имеются две возможности:

—        использовать для обработки данных об операциях фирмы систему управления базой данных, входящую в состав системы поддержки принятия решений;

—        сделать обработку за пределами системы ППР, создав для
этого специальную базу данных. Этот вариант предпочтителен для фирм, производящих большое количество коммерческих операций. Обработанные данные об операциях фирмы образуют файлы, которые для повышения надежности и быстроты доступа хранятся за пределами системы ППР.

2. Помимо данных об операциях фирмы для функционирования системы поддержки принятия решений требуются и другие внутренние данные, например данные о движении персонала, инженерные данные и т.п., которые должны быть своевременно собраны, введены и поддержаны.

3.  Важное значение, особенно для ППР на верхних уровнях
управления, имеют данные из внешних источников, т.е. данные о конкурентах, национальной и мировой экономике. В отличие от внутренних данных внешние данные обычно приобретаются у специализирующихся на их сборе организаций.

4.  В БД включаются данные — документы, включающих в себя записи, письма, контракты, приказы и т.п. Если содержание этих документов будет записано в памяти и затем обработано по некоторым ключевым характеристикам (поставщикам, потребителям, датам, видам услуг и др.), то система получит новый мощный источник информации.

Информационные системы поддержки принятия решений в менеджменте

Система поддержки принятия решений

Система поддержки принятия решений (СППР) – это тип компьютерной автоматизированной системы, цель которой – помочь людям, которые принимают решение в сложных условиях, полностью и объективно проанализировать предметную деятельность. Это означает, что такая система выдает информацию, которая помогает людям быстрее и точнее оценивать ситуацию и принимать решения.

Замечание 1

СППР были сформированы в результате слияния управленческих информационных систем и систем управления базами данных.

Принятие разного рода решений – это ежедневная работа менеджеров разных организаций, от правильного выбора которых зачастую зависит эффективность деятельности целостного предприятия. Обработка многочисленных и противоречивых альтернатив и выбор лучшей из них – сложный и ответственный процесс, который в последнее время привлекает все больше и больше внимания. Именно в связи с этим идет формирование новых средств решения организационно-управленческих задач – система поддержки принятия управленческих решений.

Система поддержки принятия решений базируется на формализации методов получения исходных и промежуточных оценок, которые даны лицом, принимающим решения, а также на алгоритмизации самого процесса выработки решения. Человеко-машинная процедура принятия решений посредством системы поддержки принятия решений является циклическим процессом взаимодействия человека с компьютером.

Система поддержки принятия управленческих решений на основании информационных технологий начала развиваться в конце 70-х годов, благодаря широкому распространению компьютеров и программных продуктов, а также благодаря успехам в сфере развития искусственного интеллекта.

Одна из наиболее значимых особенностей информационных технологий поддержки принятия управленческих решений – качественно новая стратегия взаимодействия компьютера с человеком. Принятие решения – иррациональный процесс, в котором участвуют:

• непосредственно система поддержания принятия управленческих решений как вычислительного звена и объекта управления;
• лицо, которое оценивает полученный результат, а на его базе принимается решение.

Готовые работы на аналогичную тему

Информационные технологии поддержки принятия решений обладают несколькими особенностями, в частности, они:

• они ориентированы на решение плохо структурированных задач;
• сочетают традиционные методы доступа и обработки компьютерных данных и возможностей математических моделей и методов решения задач на их основании;
• имеют направленность на непрофессионального пользователя ПК;
• имеют высокий уровень адаптивности, обеспечивающей возможность приспособиться к особенностям технического и программного обеспечения, которое есть в наличии, а также к требованиям пользователя.

Основные компоненты СППР

На рисунке 1 изображена структура и функции технологических блоков, а также основные операции системы поддержки принятия решений.

Рисунок 1. Основные компоненты СППР. Автор24 — интернет-биржа студенческих работ

К основным компонентам информационной технологии поддержки принятия решений относят базы данных, программную подсистему и базу моделей.

Информация, загружаемая в базы данных, может поступать из разных источников:

• информационных систем операционного уровня после предварительной обработки;
• источников, свидетельствующих о внутреннем состоянии системы, например, о движении персонала, работе разных отделов и пр., которые также должны быть обработаны и введены в систему;
• внешних источников, имеющие важное значение в процессе принятия решений на управленческих уровнях;
• прочих внутренних источников – приказов, записей, выписок и пр.

Модели создают, чтобы описать и оптимизировать конкретный объект или процесс. Их использование позволяет проводить анализ системы поддержки принятия решений. Математическая интерпретация проблемы, на которой основаны модели, дает возможность найти информацию, которая может быть полезна для принятия правильных решений.

Экспертные системы

Определение 1

Экспертная система – это программный продукт, использующий элементы искусственного интеллекта. В программах такого рода заключены знания специалистов в определенных предметных областях и выработаны рекомендации по запросу необходимой информации, что дает возможность менеджеру проконсультироваться с экспертами по любым проблемам из сферы, в которой эти системы накопили знания.

Причина создания экспертных систем – необходимость в любой момент времени получить экспертную рекомендацию относительно определенной проблемы. На практике экспертные системы применяют при возникновении у специалиста или менеджера сомнений в выборе правильного решения, так как эти системы основываются на более глубоких и полных знаниях по сравнению со знаниями пользователя.

Наиболее простая экспертная система включает решателя, базу данных, базу знаний, компоненты приобретения знаний, объяснительный и диалоговый компоненты.

База данных нужна, чтобы хранить исходные и промежуточные сведения, которые используются в решении задач.

Решатель, используя исходные данные из базы данных и знания из базы знаний, осуществляет решение задач в каждой конкретной ситуации.

Иными словами, использование информационных технологий поддержки принятия управленческих решений позволяет осуществить выбор наиболее эффективных и актуальных решений, причем такие технологии могут быть использованы на любом уровне управления. В связи с тем, что принимаемые на разных уровнях решения должны быть скоординированы, важная функция таких систем состоит в координации действий лиц, которые и принимают эти решения.

В условиях современного уровня развития неопределенности, использование экспертных систем дает возможность значительного сокращения риска от последствий принять управленческие решения и оказывает помощь молодым менеджерам и специалистам.

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ Назначение информационных технологий

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ Назначение информационных технологий поддержки принятия решений Основные компоненты ИТ поддержки принятия решения Примеры информационных технологий поддержки принятия решений 7 Ф. В. Голик. Информационные технологии управления. Тема 1

Назначение информационных технологий поддержки принятия решений • ИТ поддержки принятия решений (ППР) базируется на взаимодействия человека и компьютера. • Выработка решения происходит в результате итерационного процесса: 7 Ф. В. Голик. Информационные технологии управления. Тема 2

• Отличительные характеристик ИТ ППР: • — ориентация на решение плохо структурированных (неформализованных) задач; • — сочетание традиционных методов доступа и обработки компьютерных данных с возможностями математических моделей и методами решения задач на их основе; • — направленность на непрофессионального пользователя компьютера; • — высокая адаптивность, обеспечивающая возможность приспосабливаться к особенностям имеющегося технического и программного обеспечения, а также требованиям пользователя. 7 Ф. В. Голик. Информационные технологии управления. Тема 3

Основные компоненты ИТ поддержки принятия решения • • В состав системы ППР входят: база данных, база моделей, программная подсистема, которая состоит из системы управления базой данных (СУБД), системы управления базой моделей (СУБМ) и системы управления интерфейсом между пользователем и компьютером. 7 Ф. В. Голик. Информационные технологии управления. Тема 4

7 Ф. В. Голик. Информационные технологии управления. Тема 5

Примеры информационных технологий поддержки принятия решений • Программный продукт БЭСТ-Маркетинг – осуществляет анализ конкурентной среды с целью выявления своих преимуществ и недостатков. • Программа учитывает: • — результаты сравнений с различными конкурентами; • — насколько важны Ваши преимущества и недостатки для покупателей, относящихся к разным сегментам рынка; • — каковы позиции конкурентов на различных сегментах рынка; • — насколько адекватны рекламные действия. • Программа предоставляет возможность финансового планирования, контроля и анализа исполнения бюджетов маркетинга в части: • — прогноза продаж; • — рекламных расходов; • — производственных расходов. 7 Ф. В. Голик. Информационные технологии управления. Тема 6

• Прикладная программа Project Expert 6 Holding является мощным инструментом финансового планирования и инвестиционного анализа. • В основу автоматизированной системы бизнес – планирования положена имитационная модель деятельности производственной системы: организации производства, выпуска и реализации продукции. • Модификация «Project Expert» — «Biz Planner» предназначена для планирования и анализа эффективности инвестиций на предприятиях. малого и среднего бизнеса. • Используя «Biz Planner» , можно быстро и эффективно разработать качественный бизнес-план предприятий, действующих в промышленности, в сфере услуг и в области строительства. 7 Ф. В. Голик. Информационные технологии управления. Тема 7

Информационные системы поддержки принятия решений

ИСППР – интеллектуальные системы поддержки принятия решений, представляющие собой автоматизированную компьютерную сеть, обеспечивающую объективную аналитику данных с построением математической модели предполагаемого развития событий. Задача таких продуктов – помощь людям, принимающим сложные управленческие решения в сложных условиях.

Одна из первых полнофункциональных СППР была разработана для авиаперевозчика United Airlines, компанией Texas Instrument  в 1987 году. Благодаря внедрению этой системы для обработки информации и принятия решений, авиакомпания смогла сократить убытки и оптимизировать управление аэропортами на всех маршрутах перелетов. В середине 90-х годов повсеместно стали внедряться электронные базы данных и OLAP-инструменты, что значительно расширило область применения СППР. В настоящий момент это незаменимый инструмент во всех направлениях менеджмента и управления.

Основное предназначение СППР

С точки зрения разработки информационные системы, поддерживающие принятие решений, являются промежуточным звеном в управлении бизнес-процессами любых предприятий и организаций. В частности, это продукт, помогающий ЛПР (лицам, принимающим решения) выстраивать возможные варианты развития событий, исходя из заданных алгоритмов и загруженной базы данных. В результате менеджеры среднего и высшего звена принимают более взвешенные решения, даже в условиях динамично изменяющейся обстановки.

Основной функционал СППР можно выразить так:

• Информационный поиск;
• Интеллектуальная аналитика данных;
• Ситуационный анализ;
• Имитационное и когнитивное моделирование;
• Построение логических цепочек на основе прецедентов.

Фактически это человеко-машинный комплекс, позволяющий выбрать единственно верное решение из максимально возможных вариантов.

Классификация СППР

По структурной иерархии интеллектуальные системы принятия решений состоят из пользовательского интерфейса, загруженной базы данных и инструментов масштабного моделирования.

Принцип работы строится на четырех последовательностях:

1. Интеллектуальное определение среды, в условиях которой принимается решение;
2. Проектирование и проработка возможных альтернатив;
3. Выведение алгоритма действий;
4. Адаптация выбранного решения к определенным условиям.

По такому принципу выстраиваются все управленческие решения, принимаемые с помощью ИСППР. Сами системы классифицируются по трем основным группам:

• Пассивные. Нейронная сеть обрабатывает данные, представляя пользователю структурированную информацию и отчеты. Конкретное решение принимается человеком.
• Активные. Выводят потенциальное решение на основе обработанной базы данных, предлагают возможные альтернативы действий.
• Комбинированные. Предлагают вероятные решения и альтернативы, но при этом ЛПР может вносить уточнения, добавлять условия и отправлять проект на повторную обработку. В таких ситуациях прорабатываются различные модели, что позволяет принять оптимальное решение.

По способам поддержки и функциональности СППР подразделяются на такие категории ориентирования:

1. Документационная направленность – считывают и обрабатывают данные с документов различного формата и содержания;
2. Модельная направленность – генерация решений на основе ситуационных, аналитических, финансовых, имитационных и других бизнес-моделей;
3. Направленность на базы данных – в основу принятия решений ложатся цифровые хранилища информации конкретной компании;
4. Направленность на базы знаний – решение принимается на основе выполнения аналогичных задач, с учетом закономерностей, зависимостей и установленных правил;
5. Коммуникативная направленность – используются для обеспечения взаимодействия нескольких ЛПР, работающих над одной задачей.

В любом случае источниками СППР становятся факторы и бизнес-процессы, касающиеся деятельности определенного объекта. Дополнительно учитывается опыт сотрудников в предметной области. На выходе пользователь получает гибкий анализ данных и имитационную модель событий, необходимые для принятия взвешенного решения в сложившейся ситуации, с учетом всех первостепенных и второстепенных факторов.

Архитектурное построение СППР

В большинстве случаев информационные системы, поддерживающие принятие решений, строятся на архитектуре четырех популярных типов. У каждой версии имеются свои преимущества и недостатки, что требует более детального знакомства с каждым видом ИСППР.

Функциональные

Это элементарное программное решение, которое используется организациями малого и среднего бизнеса, не ставящими перед собой крупномасштабных задач по развитию и интеграции бизнес-процессов. У таких компаний обычно отсутствует развитая информационно-технологическая инфраструктура, что не требует решения сложных задач.

Функциональные СППР работают только с операционными системами и базами данных предприятия, что обеспечивает быструю интеграцию системы и минимальные финансовые затраты при развертывании на конечных устройствах.

Из недостатков таких СППР можно выделить:

• Аналитика единственного источника данных, что сужает круг вопросов, на которые предстоит ответить системе;
• Увеличение нагрузки на общую оперативную систему, особенно при обработке сложных запросов, что затормаживает второстепенные процессы;
• Низкое качество имитационных моделей, построенных для принятия стратегически важных решений.

Сама ИСППР довольно компактная и функционирует на одной платформе, что привлекает к продукту внимание малых предприятий.

С независимыми витринами данных

Витринами данных называют срез информационного хранилища, содержащего тематическую или узконаправленную информацию. Такие витрины имеются у всех крупных компаний, с большим количеством структурных подразделений и департаментов. При этом каждая IT-витрина ориентирована на определенный круг пользователей, что упрощает процессы аналитики и обработки данных.

К преимуществам таких интеллектуальных систем относятся:

• Быстрое внедрение тематических витрин, что способствует общему повышению производительности;
• Простое формирование баз данных для обработки, аналитики и получения ответов на конкретные вопросы.

Однако у СППР с независимыми витринами имеются и недостатки. Например, данные могут дублироваться в разных витринах, что увеличивает объемы хранилища и затрудняет построение оптимальных моделей. Кроме того, независимые витрины не консолидируются на уровне общей иерархии предприятия, что не позволяет получать единую картину бизнес-процессов.

С двухуровневой структурой хранилища

В отличие от предыдущего варианта у такой архитектуры данные поступают из нескольких источников, после чего заносятся в общее хранилище данных. Для такой СППР обычно используется унифицированная система обработки информации, но для обслуживания хранилища нужны специалисты IT-поддержки.

К преимуществам двухуровневых ИСППР можно отнести:

• Сохранение данных в единичном экземпляре;
• Консолидацию информации на уровне предприятия;
• Минимальные финансовые затраты на обслуживание общего хранилища.

Однако здесь возникают сложности со структурированием информации для отдельных категорий пользователей и системных подразделений, наблюдается снижение общего быстродействия системы, не всегда удобно настраивать права администрирования.

С трехуровневой структурой хранилища

Это оптимальная архитектура СППР для нужд крупных организаций с разветвленной сетью филиалов и структурных подразделений. В разрезе такая система выглядит многоуровневым хранилищем с настраиваемым доступом. Здесь информация поступает из независимых витрин и локализуются в общей базе. Доступ с конечных устройств обеспечивается к отдельным базам данных, а в случае нехватки информации для анализа, общему хранилищу.

Такая иерархия дает следующие преимущества:

• Создается единый и стандартизированный источник получения данных;
• Обеспечивается максимальная производительность операционной системы предприятия;
• Получается корпоративная модель принятия решений с возможность. Расширения объемов хранилища путем интеграции новых витрин.

Недостатков здесь всего два. Во-первых, избыточность поступающей информации ведет к постоянному увеличению объемов хранилища. Во-вторых, нужно согласовывать синхронизацию всех областей базы данных, что требует привлечения профильных специалистов.

Использование СППР в сфере кредитования

Поддержка принятия решений в информационных системах востребована в различных направлениях коммерческой деятельности. В частности, такие программные продукты широко применяются для телекоммуникационных сетей, медицинских учреждений, различных направлений менеджмента, сфер управления финансами.

В среднестатистической компании ИСППР ориентированы на руководителей среднего и высшего звена, и в зависимости от участка развертывания позволяют получать ответы на следующие вопросы:

• Гендиректор. Комплексная аналитика доходов/расходов компании, построение модели развития занимаемого сегмента рынка, показатели производительности компании и тенденции к изменениям этих значений в течение будущих периодов.
• Менеджер по работе с партнерами. Получение данных о проектах и продуктах, предлагаемых бизнес-партнерами, определение максимально выгодных предложений и построение прогнозов по дальнейшему сотрудничеству.
• Финансово-аналитический отдел. Здесь проводится аналитика отдельных проектов, определение материальных выгод и отсеивание потенциально убыточных направлений развития.
• Отдел закупок. Оценка поставщиков компании по критерию цена/качество, формирование отчетностей о графике поставок, помощь в принятии решения о выборе партнеров при закупке партий товаров различного объема исходя из потенциального спроса.
• Департамент стратегического планирования. Аналитика и имитационное моделирование по всем направлениям деятельности компании с целью закрытия заведомо убыточных проектов.
• Отдел кадров. Производительность персонала компании, изменение бизнес-процессов с учетом повышения сотрудниками квалификации, прогнозы по оптимизации кадрового состава на определенный период деятельности.

В целом, СППР предлагают очень гибкую систему моделирования и взвешенного принятия решений, что важно в банковской сфере, связанной с оформлением потребительских и ипотечных кредитов.

Принцип работы ИСППР при оформлении кредитных продуктов

Это очень сложное направление деятельности, основными целями которого являются снижение кредитных рисков. При этом рассматривая заявки заемщиков, сотрудникам приходится решать огромное количество разноплановых задач, в которых приходится учитывать много непостоянных факторов.

В этом случае СППР помогают найти оптимальное решение. Система анализирует вероятность невозврата, обращаясь к единой банковской базе данных, учитывая при этом прецеденты, характерные для конкретного клиента. При построении имитационной модели используются нейронные сети с инструментами нечеткой логики, что позволяет принимать верное решение, не имея полной информационной базы данных.

При одобрении кредита, системы поддержки принятия решений используются по следующему принципу:

• Заявка принимается сотрудником банка, и в процессе ознакомительной беседы и приема заявления, СППР проводит поиск заемщика в базе прецедентов;
• Если данные по прецедентам отсутствуют, выполняется экспресс-анкетирование для получения вводной информации;
• Проводится оценка платежеспособности клиента на основании суммы займа, сроков погашения и процентной ставки;
• Формализуется модель заемщика, где учитываются источники дохода, формы налогообложения, риски лишиться трудовой занятости;
• На основании кредитной ситуации проводится повторный поиск в базе прецедентов, в ходе которого проводится экспертная оценка попарного сравнения.

На основании обработанных параметров, находится риск кредитования и определяется вероятность невозврата оформленного займа. Сгенерированное решение показывает банковскому работнику практические выгоды и вероятные риски при работе с данным клиентом. При этом кредитный менеджер обычно может добавлять дополнительные вводные и запускать повторную проверку. Устанавливаются такие СППР на конечные устройства, находящиеся на рабочих местах сотрудников.

Преимущества использования FIS Системы поддержки принятия решений

Это инновационное программное решение, минимизирующее риски при выдаче кредитных продуктов физическим и юридическим лицам.

После развертывания система четко разграничивает процессы обработки заявок в зависимости от специализации сотрудников. В процессе рассмотрения заявок клиенты сразу делятся на три категории:

1. С повышенным кредитным риском – переадресовываются более квалифицированным специалистам;
2. С залогом – требует проведения выездной оценки ликвидности залогового имущества;
3. С плохой кредитной историей – проводится параллельная проверка по нескольким базам данных.

В результате комплексно оцениваются риски по каждому заемщику и осуществляется грамотный подбор индивидуального кредитного менеджера, за которым остается принятие окончательного решения.

После интеграции FIS Система банковского скоринга предлагает такие возможности:

• Четкое администрирование с разграничением прав доступа;
• Работа с черными списками;
• Возможность отправки ручных и автоматических запросов во внешние базы данных;
• Интеллектуальный поиск совпадений по другим заявкам;
• Единое окно верификации.

Приложение работает на FIS Platform, что обеспечивает высокоэффективную прототипизацию СППР и удобную кастомизацию с гибкой настройкой системы для нужд конечных пользователей.

Определение и использование системы поддержки принятия решений (DSS)

Что такое система поддержки принятия решений?

Система поддержки принятия решений (DSS) — это компьютеризированная программа, используемая для поддержки определений, суждений и действий в организации или бизнесе. DSS просматривает и анализирует огромные объемы данных, собирая исчерпывающую информацию, которую можно использовать для решения проблем и принятия решений.

Типичная информация, используемая DSS, включает в себя целевой или прогнозируемый доход, цифры продаж или прошлые данные за разные периоды времени, а также другие данные, связанные с запасами или операциями.

Ключевые выводы

• Система поддержки принятия решений (DSS) — это компьютеризированная система, которая собирает и анализирует данные, синтезируя их для создания всеобъемлющих информационных отчетов.
• Система поддержки принятия решений отличается от обычного операционного приложения, функция которого состоит только в сборе данных.
• Системы поддержки принятия решений позволяют принимать более обоснованные решения, своевременно решать проблемы и повышать эффективность решения проблем или операций, планирования и даже управления.

Понимание системы поддержки принятия решений

Система поддержки принятия решений собирает и анализирует данные, синтезируя их для создания всеобъемлющих информационных отчетов. Таким образом, как информационное приложение DSS отличается от обычного операционного приложения, функция которого состоит только в сборе данных.

DSS может быть полностью компьютеризирован или работать от людей. В некоторых случаях он может сочетать и то, и другое. Идеальные системы анализируют информацию и фактически принимают решения за пользователя.По крайней мере, они позволяют пользователям-людям быстрее принимать более обоснованные решения.

Использование системы поддержки принятия решений

DSS может использоваться отделами управления операциями и другими отделами планирования в организации для сбора информации и данных и их синтеза в действенные аналитические данные. Фактически, эти системы в основном используются руководством среднего и высшего звена.

Например, DSS можно использовать для прогнозирования доходов компании на ближайшие шесть месяцев на основе новых предположений о продажах продукции.Из-за большого количества факторов, влияющих на прогнозируемые показатели выручки, это непростой расчет, который можно выполнить вручную. Однако DSS может интегрировать все множественные переменные и генерировать результат и альтернативные результаты, основанные на прошлых данных о продажах продукции компании и текущих переменных.

DSS может быть адаптирован для любой отрасли, профессии или области, включая медицину, государственные учреждения, сельскохозяйственные предприятия и корпоративные операции.

Характеристики системы поддержки принятия решений

Основная цель использования DSS — представить информацию клиенту в доступной для понимания форме. Система DSS выгодна тем, что ее можно запрограммировать на создание многих типов отчетов, основанных на пользовательских спецификациях. Например, DSS может генерировать информацию и выводить ее в графическом виде, например в виде гистограммы, представляющей прогнозируемый доход, или в виде письменного отчета.

По мере развития технологий анализ данных больше не ограничивается большими и громоздкими мэйнфреймами.Поскольку DSS — это, по сути, приложение, его можно загрузить в большинство компьютерных систем, будь то настольные компьютеры или ноутбуки. Некоторые приложения DSS также доступны через мобильные устройства.

Гибкость DSS чрезвычайно полезна для пользователей, которые часто путешествуют. Это дает им возможность всегда быть хорошо информированными, позволяя принимать оптимальные решения для своей компании и клиентов на ходу или даже на месте.

Для чего используется система поддержки принятия решений?

В организациях система поддержки принятия решений (DSS) анализирует и синтезирует огромные объемы данных для помощи в принятии решений.На основе этой информации он создает отчеты, которые могут прогнозировать выручку, продажи или управлять запасами. Благодаря интеграции нескольких переменных, DSS может давать различные результаты на основе предыдущих данных компании и текущих входных данных.

Что является примером системы поддержки принятия решений?

Многие отрасли промышленности, от медицины до сельского хозяйства, используют системы поддержки принятия решений. Чтобы помочь пациенту поставить диагноз, врач-клиницист может использовать компьютеризированную систему поддержки принятия решений для диагностики и назначения.Система поддержки принятия решений, объединяющая данные врача и предыдущие электронные медицинские записи, может помочь врачу поставить диагноз пациенту.

Каковы преимущества системы поддержки принятия решений?

Вообще говоря, системы поддержки принятия решений помогают принимать более обоснованные решения. Часто используемые руководством высшего и среднего звена, системы поддержки принятия решений используются для принятия действенных решений или получения нескольких возможных результатов на основе текущих и исторических данных компании. В то же время системы поддержки принятия решений могут использоваться для создания отчетов для клиентов, которые легко усваиваются и могут быть скорректированы в соответствии с пользовательскими спецификациями.

Определение поддержки принятия решений ИТ

Название компании Страна UNITED STATESUNITED KINGDOMCANADAAUSTRALIAINDIA —— AfghanistanÅland IslandsAlbaniaAlgeriaAmerican SamoaAndorraAngolaAnguillaAntarcticaAntigua и BarbudaArgentinaArmeniaArubaAustriaAzerbaijanBahamasBahrainBangladeshBarbadosBelarusBelgiumBelizeBeninBermudaBhutanBoliviaBonaire, Синт-Эстатиус и SabaBosnia и HerzegovinaBotswanaBouvet IslandBrazilBritish Индийский океан TerritoryBrunei DarussalamBulgariaBurkina FasoBurundiCambodiaCameroonCape VerdeCayman IslandsCentral африканских RepublicChadChileChinaChristmas IslandCocos (Килинг) IslandsColombiaComorosCongoCongo, Демократическая Республика theCook IslandsCosta RicaCôte D’IvoireCroatiaCubaCuraçaoCuraçaoCyprusCzech RepublicDenmarkDjiboutiDominicaDominican RepublicEcuadorEgyptEl SalvadorEquatorial ГвинеяЭритреяЭстонияЭфиопияФолклендские острова (Мальвинские острова) Фарерские островаФиджиФинляндияФранцияФранцузская ГвианаФранцузская ПолинезияФранцузские Южные территорииГабонГамбияГрузияГерманияГанаГибралтарствоГрецияГренландияГренадаГваделупа-ГуамГватемалаГернаГерна Бисау, Гайана, Гаити, Херд, острова Макдональд.HondurasHong KongHungaryIcelandIndonesiaIran, Исламская Республика ofIraqIrelandIsle из ManIsraelItalyJamaicaJapanJerseyJordanKazakhstanKenyaKiribatiKorea, Корейская Народно-Демократическая Республика ofKorea, Республика ofKuwaitKyrgyzstanLao Народная Демократическая RepublicLatviaLebanonLesothoLiberiaLibyaLiechtensteinLithuaniaLuxembourgMacaoMacedonia, бывшая югославская Республика ofMadagascarMalawiMalaysiaMaldivesMaliMaltaMarshall IslandsMartiniqueMauritaniaMauritiusMayotteMexicoMicronesia, Федеративные Штаты ofMoldova, Республика ofMonacoMongoliaMontenegroMontserratMoroccoMozambiqueMyanmarNamibiaNauruNepalNetherlandsNetherlands AntillesNew CaledoniaNew ZealandNicaraguaNigerNigeriaNiueNorfolk IslandNorthern Mariana IslandsNorwayOmanPakistanPalauPalestine, Государственный ofPanamaPapua Новый GuineaParaguayPeruPhilippinesPitcairnPolandPortugalPuerto RicoQatarRéunionRomaniaRussian FederationRwandaSaint BarthélemySaint Елены, Вознесения и Тристан-да-Кунья, Сент-Китс и Невис, Сент-Люсия, Сент-Мартен (Французская часть), Сен-Пьер и MiquelonSaint Винсент и GrenadinesSamoaSan MarinoSao Томе и PrincipeSaudi ArabiaSenegalSerbiaSerbia и MontenegroSeychellesSierra LeoneSingaporeSint Маартен (Голландская часть) SlovakiaSloveniaSolomon IslandsSomaliaSouth AfricaSouth Джорджия и Южные Сандвичевы IslandsSouth SudanSpainSri LankaSudanSurinameSvalbard и Ян MayenSwazilandSwedenSwitzerlandSyrian Arab RepublicTaiwanTajikistanTanzania, Объединенная Республика ofThailandTimor-LesteTogoTokelauTongaTrinidad и TobagoTunisiaTurkeyTurkmenistanTurks и Кайкос IslandsTuvaluUgandaUkraineUnited Арабские EmiratesUnited Штаты Экваторияльная Острова УругвайУзбекистан ВануатуВатикан Венесуэла, Боливарианская Республика Вьетнам Виргинские острова, Британские Виргинские острова, СШАС.Уоллис и Футуна, Западная Сахара, Йемен, Замбия, Зимбабве.

Системы поддержки принятия решений: анализ данных для принятия более эффективных бизнес-решений

Система поддержки принятия решений (DSS) — это интерактивная информационная система, которая анализирует большие объемы данных для обоснования бизнес-решений. DSS поддерживает уровни управления, операций и планирования организации в принятии лучших решений, оценивая значимость неопределенностей и компромиссов, связанных с принятием одного решения над другим.

DSS использует комбинацию необработанных данных, документов, личных знаний и / или бизнес-моделей, чтобы помочь пользователям принимать решения. Источники данных, используемые DSS, могут включать в себя реляционные источники данных, кубы, хранилища данных, электронные медицинские записи (EHR), прогнозы доходов, прогнозы продаж и многое другое.

Концепция систем поддержки принятия решений выросла из исследований, проведенных в Технологическом институте Карнеги в 1950-х и 1960-х годах, но действительно укоренилась на предприятиях в 1980-х годах в форме управленческих информационных систем (EIS), групповых систем поддержки принятия решений. (GDSS) и системы поддержки принятия решений (ODSS).Это говорит о том, что по мере того, как организации все больше сосредотачиваются на принятии решений на основе данных, наука о принятии решений (или интеллектуальный анализ решений) находится на подъеме, и ученые, принимающие решения, могут стать ключом к раскрытию потенциала систем принятия решений. Объединяя прикладную науку о данных, социологию и науку об управлении, наука о дизайне фокусируется на выборе между вариантами, чтобы уменьшить усилия, необходимые для принятия более качественных решений.

Системы поддержки принятия решений и бизнес-аналитика (BI) часто объединяются.Некоторые эксперты считают, что BI является преемником DSS. Системы поддержки принятия решений обычно считаются одним из элементов систем бизнес-аналитики, наряду с хранилищами данных и интеллектуальным анализом данных.

В то время как BI — это широкая категория приложений, сервисов и технологий для сбора, хранения, анализа и доступа к данным для принятия решений, приложения DSS, как правило, больше предназначены для поддержки конкретных решений. Например, DSS для бизнеса может помочь компании спрогнозировать выручку на определенный период, анализируя прошлые данные о продажах продуктов и текущие переменные.Поставщики медицинских услуг используют системы поддержки принятия клинических решений, чтобы сделать клинический рабочий процесс более эффективным: компьютеризированные предупреждения и напоминания поставщикам медицинских услуг, клинические руководства, наборы заказов для конкретных состояний и т. Д.

В книге «Системы поддержки принятия решений: концепции и ресурсы для менеджеров» Дэниел Пауэр, профессор информационных систем управления в Университете Северной Айовы, разбивает системы поддержки принятия решений на пять категорий на основе их основных источников информации.

DSS, управляемый данными. Эти системы включают файловые системы и системы управленческой отчетности, системы управленческой информации и географические информационные системы (ГИС). Они подчеркивают доступ к большим базам данных структурированных данных и манипулирование ими, часто временными рядами внутренних данных компании, а иногда и внешними данными.

DSS с модельным управлением. Эти DSS включают системы, которые используют бухгалтерские и финансовые модели, репрезентативные модели и модели оптимизации.Они подчеркивают доступ к модели и манипулирование ею. Обычно они используют простые статистические и аналитические инструменты, но Пауэр отмечает, что некоторые системы OLAP, которые позволяют комплексный анализ данных, могут быть классифицированы как гибридные системы DSS. Управляемая моделями DSS использует данные и параметры, предоставленные лицами, принимающими решения, но Пауэр отмечает, что они обычно не требуют большого объема данных.

DSS, управляемый знаниями. Эти системы предлагают или рекомендуют действия менеджерам. Иногда их называют консультативными системами, консультационными системами или системами предложений, они предоставляют специализированный опыт решения проблем, основанный на определенной области.Обычно они используются для задач, включая классификацию, настройку, диагностику, интерпретацию, планирование и прогнозирование, которые в противном случае зависели бы от человека-эксперта. Эти системы часто используются в сочетании с интеллектуальным анализом данных для просеивания баз данных для установления взаимосвязей между содержимым данных.

DSS, управляемый документами. Эти системы объединяют технологии хранения и обработки для поиска и анализа документов. Примером может служить поисковая система.

Коммуникационно-управляемый и групповой DSS. Коммуникационно-управляемая DSS фокусируется на коммуникации, сотрудничестве и координации, чтобы помочь людям, работающим над общей задачей, в то время как групповая DSS (GDSS) фокусируется на поддержке групп лиц, принимающих решения, для анализа проблемных ситуаций и выполнения групповых задач принятия решений.

Системы поддержки принятия решений используются во многих отраслях промышленности. Примеры использования включают:

Согласно данным Management Study HQ, системы поддержки принятия решений состоят из трех ключевых компонентов: базы данных, системы программного обеспечения и пользовательского интерфейса.

1. База данных DSS. База данных использует различные источники, в том числе внутренние данные организации, данные, генерируемые приложениями, и внешние данные, приобретенные у третьих лиц или полученные из Интернета. Размер базы данных DSS будет варьироваться в зависимости от потребностей, от небольшой автономной системы до большого хранилища данных.
2. Программный комплекс DSS. Программная система построена на модели (включая контекст решения и критерии пользователя). Количество и типы моделей зависят от назначения DSS.Обычно используемые модели включают:
   • Статистические модели. Эти модели используются для установления отношений между событиями и факторами, связанными с этим событием. Например, их можно использовать для анализа продаж в зависимости от местоположения или погоды.
   • Модели анализа чувствительности. Эти модели используются для анализа «что, если».
   • Оптимизация анализа моделей. Эти модели используются для поиска оптимального значения целевой переменной по отношению к другим переменным.
   • Модели прогнозирования. Сюда входят регрессионные модели, анализ временных рядов и другие модели, используемые для анализа условий ведения бизнеса и составления планов.
   • Модели чувствительности обратного анализа. Эти модели, которые иногда называют целевым анализом, устанавливают целевое значение для конкретной переменной, а затем определяют значения, которые должны достичь другие переменные, чтобы достичь этого целевого значения.
3. Пользовательский интерфейс DSS. Панели мониторинга и другие пользовательские интерфейсы, которые позволяют пользователям взаимодействовать с результатами и просматривать их.

Согласно Capterra, популярное программное обеспечение системы поддержки принятия решений включает:

• Information Builders WebFOCUS. Эта платформа данных и аналитики предназначена для предприятий и компаний среднего размера, которым необходимо интегрировать и встраивать данные в приложения. Он предлагает облачные, мультиоблачные, локальные и гибридные варианты.
• QlikView. QlikView — это классическое аналитическое решение Qlik, основанное на ассоциативном движке компании. Он разработан, чтобы помочь пользователям с их повседневными задачами с помощью настраиваемой панели инструментов.
• SAP BusinessObjects. BusinessObjects состоит из приложений для отчетности и анализа, которые помогают пользователям понять тенденции и основные причины.
• TIBCO Spotfire. Это программное обеспечение для визуализации и анализа данных помогает пользователям создавать информационные панели и приложения для прогнозирования и аналитики в реальном времени.
• Salesforce Analytics Cloud. Это облачное аналитическое решение на базе искусственного интеллекта, созданное на платформе Salesforce.com, помогает организациям определять возможности и прогнозировать результаты.
• Powernoodle. Powernoodle — это облачная платформа для принятия решений, которая использует когнитивную, поведенческую науку и науку о принятии решений. Он предлагает готовые шаблоны, относящиеся к общим типам решений, и поддержку моделирования рабочих процессов нескольких групп заинтересованных сторон.
• Принятие решений 1000minds. 1000minds — это онлайн-набор инструментов и процессов для принятия решений, определения приоритетов и совместного анализа. Он основан на исследованиях в Университете Отаго в 1990-х годах методов определения приоритетности хирургических операций.
• Briq. Briq — это платформа прогнозной аналитики и автоматизации, созданная специально для генеральных подрядчиков и субподрядчиков в строительстве. Он использует данные из бухгалтерского учета, управления проектами, CRM и других систем для создания ИИ для прогнозной и предписывающей аналитики.

Copyright © 2020 IDG Communications, Inc.

Система поддержки принятия решений (DSS) — Обзор, компоненты, типы

Что такое система поддержки принятия решений (DSS)?

Система поддержки принятия решений (DSS) — это информационная система, которая помогает бизнесу принимать решения, требующие суждения, решимости и последовательности действий.Информационная система помогает руководству среднего и высокого уровня организации, анализируя огромные объемы неструктурированных данных и накапливая информацию, которая может помочь решить проблемы и помочь в принятии решений. DSS может быть управляемым человеком, автоматизированным или сочетанием того и другого.

Назначение системы поддержки принятия решений

Система поддержки принятия решений создает подробные информационные отчеты путем сбора и анализа данных. Следовательно, DSS отличается от обычного рабочего приложения, целью которого является сбор данных, а не их анализ.

В организации DSS используется отделами планирования, такими как операционный отдел, которые собирают данные и создают отчет, который может использоваться менеджерами для принятия решений. В основном, DSS используется при прогнозировании продаж для инвентаря. клиентам в простой для понимания форме.

Теоретически DSS можно использовать в различных областях знаний, от организации до управления лесным хозяйством и медицины. Одним из основных приложений DSS в организации является создание отчетов в реальном времени. Это может быть очень полезно для организаций, которые принимают участие в методе точно в срок (JIT) Just in Time (JIT). Стиль управления запасами точно в срок (JIT) — также иногда называемый производственной системой Toyota (TPS) — это стратегия управления запасами.

В системе инвентаризации JIT организации требуются данные об уровне запасов в реальном времени, чтобы размещать заказы «точно в срок», чтобы предотвратить задержки в производстве и вызвать отрицательный эффект домино.Таким образом, DSS больше приспособлен к индивидууму или организации, принимающей решение, чем традиционная система.

Компоненты системы поддержки принятия решений

Три основных компонента структуры DSS:

1. Система управления моделями

Система управления моделями S = ​​хранит модели, которые менеджеры могут использовать при принятии решений . Модели используются при принятии решений относительно финансового состояния организации и прогнозировании спроса на товар или услугу.

2. Пользовательский интерфейс

Пользовательский интерфейс включает инструменты, которые помогают конечному пользователю DSS перемещаться по системе.

3. База знаний

База знаний включает информацию из внутренних источников (информация, собранная в системе обработки транзакций) и внешних источников (газеты и онлайн-базы данных).

Типы систем поддержки принятия решений

• Коммуникационные возможности : Позволяет компаниям поддерживать задачи, для выполнения которых требуется более одного человека.Он включает интегрированные инструменты, такие как Microsoft SharePoint Workspace и Google Docs.
• Управляемый моделями : Обеспечивает доступ к финансовым, организационным и статистическим моделям и управление ими. Данные собираются, и параметры определяются с использованием информации, предоставленной пользователями. Информация превращается в модель принятия решений для анализа ситуаций. Примером управляемой моделями DSS является Dicodess — управляемая моделями DSS с открытым исходным кодом.
• На основе знаний : Предоставляет фактические и специализированные решения для ситуаций с использованием хранимых фактов, процедур, правил или интерактивных структур принятия решений, таких как блок-схемы. Шаблоны блок-схем. Блок-схемы отлично подходят для краткого описания бизнес-процессов без ущерба для структуры и деталей.Ниже представлены четыре образца шаблонов блок-схем.
• На основе документов : Управляет неструктурированной информацией в различных электронных форматах.
• На основе данных : Помогает компаниям хранить и анализировать внутренние и внешние данные.

Преимущества системы поддержки принятия решений

• Система поддержки принятия решений увеличивает скорость и эффективность действий по принятию решений. Это возможно, поскольку DSS может собирать и анализировать данные в реальном времени.
• Он способствует обучению внутри организации, поскольку необходимо развивать определенные навыки для внедрения и запуска DSS в организации.
• Он автоматизирует монотонные управленческие процессы, что означает, что менеджер может тратить больше времени на принятие решений.
• Это улучшает межличностное общение. Умение эффективно общаться — один из важнейших жизненных навыков, которым нужно овладеть. Коммуникация определяется как передача информации для лучшего понимания.Это может быть сделано устно (через устный обмен), через письменные средства массовой информации (книги, веб-сайты и журналы), визуально (с использованием графиков, диаграмм и карт) или невербально внутри организации.

Недостатки системы поддержки принятия решений

• Стоимость разработки и внедрения DSS — это огромные капиталовложения, что делает ее менее доступной для небольших организаций.
• Компания может развить зависимость от DSS, поскольку она интегрирована в ежедневные процессы принятия решений для повышения эффективности и скорости.Однако менеджеры склонны слишком полагаться на систему, что лишает их субъективности принятия решений.
• DSS может привести к информационной перегрузке, потому что информационная система имеет тенденцию учитывать все аспекты проблемы. Это создает дилемму для конечных пользователей, поскольку у них остается несколько вариантов выбора.
• Внедрение DSS может вызвать страх и негативную реакцию со стороны сотрудников более низкого уровня. Многие из них не чувствуют себя комфортно с новыми технологиями и боятся потерять работу из-за технологий.

Ссылки по теме

CFI является официальным поставщиком глобальной программы Business Intelligence & Data Analyst (BIDA) ® Стать сертифицированным аналитиком бизнес-аналитики и данных (BIDA) ™ От Power BI до SQL и машинного обучения, CFI’s Business Intelligence Сертификация (BIDA) поможет вам овладеть вашими аналитическими сверхспособностями. программа сертификации, призванная помочь любому стать финансовым аналитиком мирового уровня. Чтобы продолжить продвижение по карьерной лестнице, вам будут полезны следующие дополнительные ресурсы CFI:

• Операционный менеджмент Операционный менеджмент Операционный менеджмент — это область бизнеса, связанная с администрированием деловой практики для максимального повышения эффективности внутри организации.Это
• Альтернативная стоимость Альтернативная стоимость Альтернативная стоимость является одним из ключевых понятий в изучении экономики и преобладает в различных процессах принятия решений.
• Управление качеством Управление качеством Управление качеством — это действие по надзору за различными действиями и задачами внутри организации, чтобы гарантировать, что предлагаемые продукты и услуги, а также
• Системный риск Системный риск Системный риск может быть определен как риск, связанный с крахом или отказом компания, отрасль, финансовое учреждение или целая экономика.Это риск серьезного сбоя финансовой системы, когда возникает кризис, когда поставщики капитала теряют доверие к пользователям капитала

Типы систем поддержки принятия решений (DSS)

от Дэна Пауэра Системы поддержки принятия решений (DSS) — это класс компьютеризированных информационных систем, которые поддерживают процессы принятия решений. DSS — это интерактивные компьютерные системы и подсистемы, предназначенные для того, чтобы помочь лицам, принимающим решения, использовать коммуникационные технологии, данные, документы, знания и / или модели для выполнения задач процесса принятия решений. Система поддержки принятия решений может представлять информацию графически и может включать экспертную систему или искусственный интеллект (AI). Он может быть нацелен на руководителей предприятий или другую группу работников умственного труда. Типичная информация, которую приложение поддержки принятия решений может собирать и представлять, будет: (a) Доступ ко всем информационным активам, включая унаследованные и реляционные источники данных; b) сравнительные данные; c) прогнозируемые цифры, основанные на новых данных или предположениях; (d) Последствия различных альтернативных решений с учетом прошлого опыта в конкретном контексте. Существует ряд систем поддержки принятия решений. Их можно разделить на пять типов: Коммуникационный DSS Большинство DSS, управляемых связью, нацелены на внутренние группы, включая партнеров. Его цель — помочь провести встречу или помочь пользователям в совместной работе. Наиболее распространенной технологией, используемой для развертывания DSS, является веб-сервер или клиентский сервер. Примеры: программы для чатов и обмена мгновенными сообщениями, системы онлайн-сотрудничества и сетевых встреч. DSS, управляемый данными Большинство DSS, управляемых данными, нацелены на менеджеров, персонал, а также поставщиков продуктов / услуг. Он используется для запроса базы данных или хранилища данных для поиска конкретных ответов для конкретных целей. Он развертывается через систему основного фрейма, связь клиент / сервер или через Интернет. Примеры: компьютерные базы данных, в которых есть система запросов для проверки (включая включение данных для добавления ценности существующим базам данных. DSS, управляемый документами Управляемые документами DSS более распространены, они нацелены на широкий круг групп пользователей.Целью такого DSS является поиск на веб-страницах и поиск документов по определенному набору ключевых слов или условий поиска. Обычная технология, используемая для настройки таких DSS — через Интернет или систему клиент / сервер. Примеры: DSS, управляемый знаниями: DSS, основанные на знаниях, или «база знаний», если они известны, представляют собой всеобъемлющую категорию, охватывающую широкий спектр систем, охватывающих пользователей внутри организации, создавшей их, но также могут включать в себя других, взаимодействующих с организацией, например потребителей бизнеса.Он в основном используется для предоставления управленческих рекомендаций или для выбора продуктов / услуг. Типичной технологией развертывания, используемой для установки таких систем, может быть система Slient / Server, Интернет или программное обеспечение, работающее на автономных ПК. DSS с модельным управлением Управляемые моделями DSS — это сложные системы, которые помогают анализировать решения или выбирать между различными вариантами. Они используются менеджерами и сотрудниками бизнеса или людьми, которые взаимодействуют с организацией, для ряда целей в зависимости от того, как настроена модель — планирование, анализ решений и т. Д.Эти DSS могут быть развернуты с помощью программного / аппаратного обеспечения на автономных ПК, системах клиент / сервер или в Интернете.

Системы поддержки принятия решений (BIT-DSS) | Business Information Technology

Вариант DSS обучает наших студентов разработке, внедрению и использованию компьютеризированных систем, которые помогают бизнес-менеджерам в процессе принятия решений.

Система поддержки принятия решений (DSS) — это компьютерная система, которая обычно включает в себя математические модели, а также информационные базы данных и пользовательский интерфейс для предоставления рекомендуемых решений пользователям-менеджерам.DSS отличается от традиционной информационной системы (IS) или системы управленческой информации (MIS) тем, что она не только предоставляет пользователю информацию, базы данных или отчеты, как это делает IS или MIS, но также предоставляет ответы на запросы пользователей, т. Е. , решений, через компонент моделирования. По сути, DSS — это компьютерная система, которая помогает менеджерам принимать решения.

Студенты, участвующие в программе DSS, проходят различные специализированные курсы в области информационных технологий, которые расширяют их возможности по разработке компьютерных систем поддержки принятия решений.Темы курса включают:

• информационные системы
• управление базами данных
• сети и телекоммуникации
• безопасность
• Разработка и внедрение системы поддержки принятия решений
• Дизайн визуального интерфейса
• искусственный интеллект
• клиент-серверные системы
• разработка интернет-систем
• моделирование, а также различные методы математического моделирования
• Конкретные навыки владения языком программирования включают C ++, Visual Basic (VB.net) и JAVA

Рынок вакансий для выпускников варианта DSS отличный. Ежегодно более 100 компаний и государственных организаций берут интервью у пожилых людей BIT. Выпускники DSS обычно получают работу в сфере информационных технологий. Должности включают:

• консультант
• технический консультант
• системный аналитик
• разработчик систем
• сетевой администратор
• Управленческий аналитик
• программист-аналитик
• аналитик проекта
• разработчик баз данных
• разработчик программного обеспечения
• консультант по программированию
• информационный менеджер
• разработчик приложений
• Консультант по управлению информацией, среди многих других

Самым крупным работодателем для выпускников с опцией DSS обычно являются консалтинговые фирмы, такие как:

• Accenture
• КПМГ
• CGI
• Deloitte & Touche
• PricewaterhouseCoopers
• Booz Allen Hamilton и многие другие.

Однако многие другие компании и организации нанимают выпускников DSS для работы на различных должностях, связанных с ИТ.

Прошлое, настоящее и будущее технологии поддержки принятия решений

https://doi.org/10.1016/S0167-9236(01)00139-7Получение прав и контента

Аннотация

С начала 1970-х годов технология систем поддержки принятия решений (DSS) и приложения претерпели значительные изменения. Многие технологические и организационные разработки оказали влияние на эту эволюцию.Когда-то в DSS использовались более ограниченные возможности баз данных, моделирования и пользовательского интерфейса, но технологические инновации сделали возможным гораздо более мощные функции DSS. Когда-то DSS поддерживала отдельных лиц, принимающих решения, но позже технологии DSS стали применяться к рабочим группам или командам, особенно виртуальным командам. Появление Интернета сделало возможным создание межорганизационных систем поддержки принятия решений и привело к появлению множества новых приложений существующих технологий, а также многих новых технологий поддержки принятия решений.Кажется вероятным, что мобильные инструменты, мобильные электронные услуги и протоколы беспроводного Интернета ознаменуют следующий важный этап развития DSS. В этом документе обсуждается эволюция технологий DSS и вопросы, связанные с определением, применением и влиянием DSS. Затем в нем представлены четыре мощных инструмента поддержки принятия решений, включая хранилища данных, OLAP, интеллектуальный анализ данных и DSS на базе Интернета. Представлены вопросы в области систем совместной поддержки и виртуальных команд. В этом документе также описывается современное состояние поддержки принятия решений на основе оптимизации и активной поддержки принятия решений в следующем тысячелетии.Наконец, обсуждаются некоторые последствия для будущего этой области.

Ключевые слова

Технология поддержки принятия решений

Разработка DSS

Системы совместной поддержки

Виртуальные команды

Поддержка принятия решений на основе оптимизации

Рекомендуемые статьи Цитирующие статьи (0)

JP Shim — профессор MIS в Миссисипи Университет. Он получил докторскую степень в Университете Небраски и закончил Высшее образование в области информационных систем Гарвардской школы бизнеса.В отпуске он преподавал в Государственном университете Джорджии, Нью-Йоркском университете и Китайском университете Гонконга в качестве приглашенного профессора. Он является соавтором четырех учебников и является редактором отдела базы данных и членом редакционной коллегии пяти журналов. Его исследования были опубликованы в «Коммуникациях ACM», «Интерфейсы», «Журнал информационных систем управления», «Журнал стратегических информационных систем», «Системы поддержки принятия решений», «Компьютеры и исследования операций», «Коммуникации AIS», «Журнал Общества операционных исследований», «Омега», «Информация и управление». , Мультимедийные вычисления, Долгосрочное планирование, ICIS, Науки о социально-экономическом планировании, Журнал многокритериального анализа решений и человеческих отношений.Он получил многочисленные гранты от Microsoft, Высших учебных заведений штата Миссисипи, NSF, Университета Висконсина, MSU, NYU и Pritsker’s System. Он шестикратный лауреат Премии за выдающиеся способности преподавателей, Премию за исследования, Премию за службу и Премию Джона Гришэма за выдающиеся достижения в МГУ. Доктор Шим работал консультантом в нескольких фирмах, включая Booz-Allen. Его преподавательские и исследовательские интересы лежат в области электронного бизнеса, DSS, потокового видео в телекоммуникациях и мультимедиа.

Merrill Warkentin — адъюнкт-профессор MIS Колледжа бизнеса и промышленности Университета штата Миссисипи. Он является автором более 100 статей, глав и книг. Его исследования, в основном в области электронной коммерции, виртуальных команд и инженерии знаний, публиковались в таких журналах, как MIS Quarterly, Decision Sciences, Information Systems Journal, Journal of Knowledge Engineering and Technology, Communications of the AIS, Journal of Electronic Commerce Research, Управление логистической информацией, Обзор прикладных вычислений ACM, Экспертные системы, Управление информационными системами и Журнал компьютерных информационных систем.Профессор Варкентин является соавтором книги «Электронная коммерция 2002: управленческая перспектива» (2e) (Prentice Hall, 2002) и редактором книги «Электронная коммерция между бизнесом: проблемы и решения» (Idea Group Publishing, 2002). Он является заместителем редактора журнала управления информационными ресурсами. Доктор Варкентин работал консультантом в многочисленных компаниях и организациях, а также выступал на более чем 100 встречах отраслевых ассоциаций, семинарах по развитию руководителей и научных конференциях.Он был лектором в Колледже управления логистикой армии, а с 1996 года является заслуженным лектором Национальной ассоциации вычислительной техники (ACM). Профессор Варкентин имеет степени бакалавра, магистра и доктора философии в Университете Небраски-Линкольн.

Джим Ф. Кортни — профессор информационных систем управления в Университете Центральной Флориды в Орландо. Он получил докторскую степень в области делового администрирования (управления) в Техасском университете в Остине в 1974 году.Ранее он был профессором делового администрирования Tenneco на факультете управления информацией и операциями в Техасском университете A&M, а также занимал должности преподавателей в Технологическом университете Джорджии, Техасском технологическом университете, Университете Линкольна в Новой Зеландии и Государственном университете Нью-Йорка в Буффало. Другой опыт работы включает должности аналитика баз данных в MRI Systems Corporation и приглашенного научного сотрудника в Космическом центре имени Джонсона НАСА. Его статьи были опубликованы в нескольких журналах, включая Management Science, Communications of the ACM, IEEE Transactions on Systems, Man and Cybernetics, MIS Quarterly, Decision Sciences, Decision Support Systems, Journal of Management Information Systems, Database, Interfaces, Journal of Прикладной системный анализ и журнал экспериментального обучения и моделирования.Он является соавтором Системной лаборатории для управления информацией (Business Publications, 1981), программного пакета для поддержки исследований и обучения в области систем поддержки принятия решений, соавтор Database Systems for Management (2-е изд., Irwin Publishing, 1992). ), а также «Модели поддержки принятия решений и экспертные системы» (MacMillan Publishing, 1992). В настоящее время его исследовательские интересы включают системы поддержки принятия решений, основанные на знаниях, интеллектуальные организационные системы и запрашивающие организации.

Дэниэл Дж.Пауэр — профессор информационных систем и управления в Колледже делового администрирования Университета Северной Айовы, Сидар-Фоллс, штат Айова. Его исследовательские интересы включают проектирование и разработку систем поддержки принятия решений, а также то, как DSS влияет на индивидуальное и организационное поведение при принятии решений. Доктор Пауэр опубликовал более 40 статей, глав книг и трудов. Его статьи публиковались в MIS Quarterly, Decision Sciences, Journal of Decision Systems, Academy of Management Review и Information and Management.Он также является соавтором учебника «Навыки стратегического управления» и завершает работу над учебником по системам поддержки принятия решений. Профессор Пауэр является редактором сайта DSSResources.COM в Интернете по адресу http://www.DSSResources.COM. В 1982 году профессор Пауэр получил докторскую степень в области делового администрирования в Университете Висконсин-Мэдисон. Он работал на факультете Мэрилендского университета в Колледж-Парке с 1982 по 1989 год. С августа 1989 года по январь 1996 года он занимал должность главы департамента менеджмента в UNI.С января 1996 г. по 31 июля 1996 г. он занимал должность исполняющего обязанности декана Колледжа делового администрирования UNI. Кроме того, он был приглашенным лектором в университетах Китая, Дании, Ирландии, Израиля и России.

Рамеш Шарда — профессор менеджмента технологий Conoco / DuPont и профессор менеджмента и информационных систем в Колледже делового администрирования Государственного университета Оклахомы. Он получил степень B. Eng. Степень магистра в Университете Удайпура, степень магистра в Университете штата Огайо, степень магистра делового администрирования и докторская степень в Университете Висконсин-Мэдисон.Одним из его основных направлений деятельности за последние несколько лет было начало магистратуры по программе управления телекоммуникациями в штате Оклахома. Сейчас он создает при ОГУ крупный междисциплинарный исследовательский центр в области информационных и телекоммуникационных технологий. Он является редактором-основателем интерактивного журнала OR / MS, электронного журнала INFORMS. Он также является младшим редактором журнала INFORMS Journal on Computing. Его исследовательские интересы связаны с оптимизацией приложений на настольных компьютерах, поддержкой информационных систем для разработки новых продуктов, нейронными сетями, использованием Интернета в бизнесе и сетями знаний.Он и его коллеги работают над использованием информационных технологий для облегчения электронной торговли между правительством США и малым бизнесом. Он также является соучредителем компании iTradeFair.com, которая занимается производством виртуальных торговых ярмарок.

Кристер Карлссон — директор Института перспективных исследований систем управления и профессор менеджмента в Университете Або Академи. Профессор Карлссон является членом Руководящего комитета ERUDIT, сети передового опыта ESPRIT, и председателем BISC-SIG по анализу мягких решений.Он организовал и руководил несколькими исследовательскими программами в промышленности в своих конкретных областях исследований: системы, основанные на знаниях, системы поддержки принятия решений и экспертные системы, а также провел теоретические исследования в области оптимизации множественных критериев и принятия решений, нечетких множеств и нечеткой логики, а также кибернетика и системные исследования.