Применение интеллектуальных технологий в экономических системах

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

ЧОУ ВПО “Институт экономики, управления и права (г.Казань)»

Экономический факультет

Реферат

По дисциплине «Информационные системы в экономике»

тема «Применение интеллектуальных технологий в экономических системах»

Новикова Юлия Олеговна

4 курс заочного отделения

экономического факультета

Казань - 2012

Интеллектуальная информационная система (ИИС) - это информационная система, которая основана на концепции использования базы знаний для генерации алгоритмов решения экономических задач различных классов в зависимости от конкретных информационных потребностей пользователей.

Программные средства, применяемые в экономических информационных системах, можно разделить на следующие группы:

1. Проблемно-ориентированные пакеты экономико-математического моделирования.

2. Пакеты программ статистического анализа данных.

3. Программные средства интеллектуализации доступа к базе данных.

4. Средства эвристического решения задач анализа диагностики и прогнозирования на основе применения экспертных систем (ЭС).

5. Программы анализа и прогнозирования управленческой деятельности на основе использования аппарата нейронных сетей, а также баз знаний (БЗ) прецедентов.

Наибольший эффект от внедрения информационных систем достигается там, где при принятии решений учитываются наряду с экономическими показателями слабо формализуемые факторы - экономические, политические, социальные. В области экономического анализа и управления, менеджмента, антикризисного управления, стратегического планирования, инновационного менеджмента и инвестиционного анализа существует обширное поле деятельности для применения информационных технологий и систем.

В этих условиях особенно возрастает роль систем поддержки принятия решений (DSS - Decision Support System). Их отличительная черта - значительно более высокий уровень « интеллекта», чем у обычных интегрированных систем управления производством; наличие специальных процедур для отбора и ввода данных, в том числе и по расписанию из различных внешних систем. В DSS производится заблаговременное вычисление (в целях обеспечения уменьшения времени реакции) агрегированных данных, часто используемых в запросах; используется специальная организация хранения данных, обеспечивающая возможность многоаспектного поиска с изменяемой глубиной агрегирования данных. Эта технология получила название хранилищ и витрин данных в сочетании с OLAP (оперативная аналитическая обработка данных).

Сегодня достаточно ясно определились некоторые черты, которые станут доминирующими признаками экономики нового века. Современные достижения связаны с развитием глобальных информационных и коммуникационных технологий, что привело к формированию глобальной электронной среды для экономической деятельности, открыло новые возможности и в других сферах социально - экономической деятельности человека.

Под искусственным интеллектом обычно понимают способности компьютерных систем к таким действиям, которые назывались бы интеллектуальными, если бы исходили от человека. Чаще здесь имеются в виду способности, связанные с человеческим мышлением. Работы в области искусственного интеллекта не ограничиваются экспертными системами и включают в себя создание роботов, систем, моделирующих нервную систему человека, его слух, зрение, обоняние, способность к обучению. Решение специальных задач требует специальных знаний. Однако не каждая компания может себе позволить держать в своём штате экспертов по всем связанным с её деятельностью проблемам или даже приглашать их каждый раз, когда проблема возникла. Идея использования технологии экспертных систем заключается в том, чтобы получить от эксперта его знания и, загрузив их в память компьютера, использовать всякий раз, когда в это возникает необходимость.

Экспертные системы трансформируют опыт экспертов, в какой - либо области знаний в форму эвристических правил (эвристик). Эвристики не гарантируют получение оптимального результата с уверенностью, как обычные алгоритмы технологии поддержки принятия решений. Однако часто они дают приемлемые решения для их практики.

Основными компонентами ЭС являются: интерфейс пользователя, база знаний, интерпретатор, модули, созданные системой.

Интерфейс пользователя. Менеджер (специалист) использует интерфейс для ввода информации и команд в ЭС и получение выходной информации из системы. Команды включают в себя параметры, направляющие процесс обработки знаний. Информация обычно выдаётся в форме значений, присваиваемых определённым переменным, а для ввода информации используется меню, компьютерный естественный язык и собственный интерфейс.

Технология ЭС предусматривает возможность получать в качестве выходной информации не только решение, но и необходимые объяснения.

База знаний. Она содержит факты, описывающие проблемную область, а также логическую взаимосвязь этих фактов. Центральное место в базе знаний принадлежит правилам. Правило определяет, что следует делать в данной ситуации, и состоит из двух частей: условия, которое может выполняться или нет, и действия которые следует произвести, если условие выполняется.

Все используемые в ЭС правила образуют систему правил (до нескольких тысяч правил). Все виды знаний в зависимости от специфики предметной области и квалификации инженера по знаниям могут быть представлены в виде логических, продукционных или фреймовых моделей и семантических сетей.

Интерпретатор. Это часть ЭС производящая в определённом порядке обработку знаний (мышление), находящихся в базе знаний. Технология работы интерпретатора сводится к последовательному рассмотрению совокупности правил (правило за правилом). Если условие, содержащееся в правиле, соблюдается, выполняется определённое действие, и пользователю предоставляется вариант решения его проблемы. Кроме того, во многих ЭС вводятся дополнительные блоки: база, блок расчёта, блок ввода и корректировки данных. Блок расчёта необходим в вариациях, связанных с принятием управленческих решений.

Модуль создания системы служит для создания набора (иерархии) правил. Существуют два подхода, которые могут быть положены в основу модуля создания системы: использование алгоритмических языков программирования и использование оболочек ЭС.

Для представления базы знаний используют языки Лисп и Пролог, хотя можно использовать и любой известный алгоритмический язык.

Оболочка ЭС представляет собой готовую программную среду, которая может быть приспособлена к решению определённой проблемы путём создания соответствующей базы знаний. В большинстве случаев использование оболочек позволяет создавать ЭС быстрее и легче в сравнении с их разработкой и программированием.

Интеллектуальные технологии являются универсальным аналитическим инструментом, который может быть использован в любой прикладной области, где требуется анализ данных различными методами и где управленческое решение возникает как результат определённых аналитических процедур. Данные технологии представляют: развитые инструменты доступа к данным хранилища; динамическое интерактивное манипулирование данными (вращение, консолидации или детализации); наглядное визуальное отображение данных; оперативность - анализ осуществляется в реальном режиме времени; многомерное представление данных - одновременный анализ ряда показателей по нескольким измерениям.

В зависимости от способа хранения данных различают многомерные, реляционные и гибридные OLAP продукты.

Многомерные OLAP- продукты. Исходные данные хранятся в многомерной базе данных или в многомерном локальном кубе. Это обеспечивает высокую скорость выполнения OLAP-операций.

Реляционные OLAP-продукты. Исходные данные хранятся в реляционных базах данных или в плоских локальных таблицах на сервере. Агрегатные данные помещаются в служебные таблицы в той же базе данных. Преобразование данных из реляционной база данных в многомерные кубы происходит по запросуOLAP-средства. При этом скорость построения куба будет находится в зависимости от типа источника данных и приводить к увеличению времени отклика системы.

Гибридные OLAP. Исходные данные остаются в реляционной базе, а агрегат размещаются в многомерной. Построение OLAP-куба выполняется по запросу OLAP-средства на основе реляционных и многомерных данных. Это позволяет избежать взрывного роста данных и обеспечит минимизацию времени выполнения клиентских запросов.

В зависимости от места размещения OLAP- машины различают OLAP-серверы и OLAP-клиенты. В первом случае вычисление и хранение агрегатных данных выполняются сервером. Клиентское приложение получает результаты запросов к многомерным кубам, хранящимся на сервере.

Методы добычи данных являются составной частью процесса поиска полезных знаний и разрозненных данных (KDD). KDD состоит из подготовки данных, выбора информативных признаков, очистки данных, обработки и интерпретации полученных результатов. Первый элемент добычи данных - фильтрация, которая позволяет определить полезную информацию от искажающего её шума за счёт сглаживания, очистки, редактирования аномальных значений. Устранение незначащих факторов, понижение размерности информации. Эта первичная обработка данных позволяет повысить качество исходных данных и точность результата анализа.

Дерево решений позволяет представлять правила в иерархической структуре, где каждому объекту соответствует единственный узел, дающий решение. Это может быть логическая конструкция « если…, то…». Элемент применяется для поиска оптимальных решений на основе описанной модели поведения.

Ассоциативные правила позволяют находить закономерности между связанными событиями. Например, если произошло событие А, то и произойдёт и событие В с вероятностью С. Впервые эта задача была предложена для нахождения типичных шаблонов покупок, совершаемых в супермаркетах, поэтому её называют анализом рыночной корзины.

Генетические алгоритмы применяются при решении задач оптимизации, в которых можно составить описание возможных вариантов решения в виде вектора параметров, и известен критерий, определяющий эффективность каждого варианта, например, для составления расписаний, выбора маршрутов движения, конфигурации оборудования заполнения контейнеров при перевозке грузов.

Нейронные сети реализуют алгоритмы обратного распространения ошибки, самоорганизующихся карт Кохонена, сетей Хаминга и других алгоритмов анализа данных. Они применяются для восстановления пропусков в данных, прогнозирования и поиска закономерностей.

Для выполнения запросов и построения отчётов имеются:

Инструменты выполнения запросов и построения отчётов, предназначенные для формирования запросов к ИС в пользовательских терминах, их исполнения, просмотра полноценных отчётов. Эти системы могут быть встроены в состав OLAP- систем;

Инструменты в виде специализированных систем Query&Reporting, когда пользователь оставляет запрос к источнику данных, используя заранее подготовленный программистом каталог терминов, получая плоские или многомерные таблицы, графики, диаграммы на экран или в виде распечатки.

Для современных предприятий необходимо использование преимущества интеграции информации, а также создания такой инфраструктуры ИТ, в которой информация может беспрепятственно перетекать из одной части организации в другую и из организации к её клиентам, поставщикам, партнёрам по бизнесу в целях поддержания необходимого уровня эффективности и конкурентоспособности. Средства, необходимые для реализации подобной интеграции, обеспечивают современные Internet- технологии.

Internet является инфраструктурой, наиболее пригодной для использования в электронном бизнесе, поскольку упрощает процесс коммуникации компании с другими компаниями и лицами при очень низких издержках. В их распоряжения предоставляется универсальный и простой в применении набор технологий и стандартов, которые может использовать любая организация независимо от установленной компьютерной системы или технологической платформы.

Возможность установления связи при низких затратах и универсальные стандарты, предоставляемые Internet-технологиями, - это движущая сила, которая приводит к бурному росту электронного бизнеса и развитию предприятий.

Для получения эффекта от использования этих технологий необходимо понимать их сущность, возможности и определения, какие процессы необходимо анализировать, какими показателями они будут характеризоваться и в каких измерениях их целесообразно видеть, т.е. создать модель анализа.

Умение ориентироваться среди множества существующих программных средств имеет большое значение для менеджера любого ранга. Оно позволяет не только выбрать систему в качестве базовой технологии интеллектуальной поддержки своих управленческих решений, но и создаёт реальную основу для эффективной работы с программными продуктами.

Для обозначения технологий и средств интеллектуальной поддержки управленческих решений в экономическом мире принято использовать термин Business Intelligence. Сюда входят различные средства и технологии анализа и обработки данных масштаба предприятия. Кроме того, используется термин « система поддержки принятия решений»(Decision Support System).

экономический информационный система

Список использованной литературы

Автоматизированные информационные технологии в экономике: учебник / под ред. Г.А. Титоренко. - М.: ЮНИТИ, 2006.

Информационные технологии в бизнесе / под ред. М. Желены. - СПб.: Питер, 2002.

Информационные системы и технологии в экономике : учеб. пособие / Е.Н. Ефимов, Е.В. Ефимова, Г.М. Лапицкая; под ред. к.э.н, проф. Г.М. Лапицкой. - Ростов н. / Д: Издательский центр «МарТ»; Феникс, 2010.

Информационные технологии управления: учеб. пособие /под ред. Ю.М. Черкасова. - М.: ИНФРА-М, 2001.

Экономика 21-го века на базе Интернет-технологий / С.И. Паринов, Т.И. Яковлева. - М.: Наука, 1997.

1. Размещено на www.allbest.ru