Характеристика аналитических информационных систем

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное бюджетное образовательное учреждение высшего образования

РОССИЙСКИЙ ЭКОНОМИЧЕСКИЙ УНИВЕРСИТЕТ ИМЕНИ Г.В. ПЛЕХАНОВА(РЭУ имени Г.В. Плеханова)

КЕМЕРОВСКИЙ ИНСТИТУТ (ФИЛИАЛ)

Техникум информационных технологий, экономики и права

КУРСОВАЯ РАБОТА

по дисциплине «Информационные системы»

на тему «Характеристика аналитических информационных систем»

Кемерово 2020

Содержание

Введение

1. Общее понятие информационно - аналитической системы

2. Классификация аналитических информационных систем

2.1 OLAP - продукты

2.2 Средства добычи данных

2.3 Средства построения Хранилищ и Витрин данных

2.4 Управленческие информационные системы и приложения

3. Общая структура информационной аналитической системы

3.1 Подсистема хранения данных

3.2 Подсистема метаинформации

3.3 Подсистема преобразования данных (загрузки хранилища)

3.4 Подсистема представления данных (организация витрин данных)

3.5 Подсистема оперативного анализа данных

3.6 Подсистема интеллектуального анализа данных

3.7 Подсистема «Информационная система руководителя»

3.8.Подсистема WEB - публикации

4. Концепции построения ИАС

5. Системы информационно-аналитического обеспечения

6. Функции и признаки информационно-аналитических систем

7. Средства информационно-аналитических систем

8. Современные информационно-аналитические системы

9. Этапы решения аналитической задачи

Заключение

Список использованных источников 36

Введение

Информационно-аналитические системы в управлении предназначены для объективизации аналитической деятельности при выработке управленческих решений. Применение информационных технологий позволяет рационализировать процедуры управления за счет предметно-ориентированного подхода. Информатизация управления направлена на обеспечение стабильного, необходимого и достаточного уровня информационной обеспеченности пользователей.

1. Общее понятие информационно - аналитической системы

Современный этап развития рыночных отношений в российской экономике характеризуется началом экономического подъема.

Сегодня все большее число организаций приходит к пониманию того, что без наличия своевременной и объективной информации о состоянии рынка, прогнозирования его перспектив, постоянной оценки эффективности функционирования собственных структур и анализа взаимоотношений с бизнес - партнерами и конкурентами их дальнейшее развитие становится практически невозможным. Начинают приобретать определяющее значение знания о протекающих хозяйственных процессах. На успех ведения дела влияют как объективные, так и субъективные факторы. К объективным факторам можно отнести:

- закономерности протекания хозяйственных процессов,

- правовую среду,

- неписаные правила и традиции ведения дел,

- экономическую конъюнктуру и т.д.

Большое значение имеет субъективный фактор, под которым понимается влияние на ход бизнес - процессов работников предприятия и в особенности лиц, принимающих решения (ЛПР).

Для выработки и принятия соответствующих складывающейся обстановке решений необходима информация, которая должна удовлетворять требованиям полноты, достоверности, своевременности (актуальности), полезности.

Основополагающую роль в подготовке принятия решений играет его обоснование по имеющейся у ЛПР информации. Её, как правило, получают из различных внутренних и внешних источников. В интересах выработки адекватного решения используются внутренние информационные ресурсы, которые складываются из отражения деятельности (функционирования) объекта в документах, других видах и способах сбора, обработки, хранения информации. А также внешние по отношению к объекту информационные ресурсы, например (если это предприятие) - корпорации, отрасли, региона, а также глобальные - из средств массовой информации, специальной литературы, всемирной информационной сети Интернет и т.д.

Таким образом, границы информационного пространства как отображения деятельности предприятия и его взаимодействия с внешней средой, в рамках которого принимаются решения, выходят далеко за пределы предприятия.

Эти обстоятельства вынуждают использовать имеющиеся в настоящее время весьма развитые программно-технические средства. Широкое и эффективное применение этих средств стало одним из факторов выживаемости и успеха предприятия в условиях острой конкурентной борьбы. Получили широкое распространение автоматизированные информационные системы.

Проблема анализа исходной информации для принятия решений оказалась настолько серьезной, что появилось отдельное направление или вид информационных систем - информационно - аналитические системы (ИАС).

Информационно-аналитические системы (ИАС) призваны на основе данных, получаемых в режиме реального времени, помогать в принятии управленческих решений. ИАС - это современный высокоэффективный инструмент поддержки принятия стратегических, тактических и оперативных управленческих решений на основе наглядного и оперативного предоставления всей необходимой совокупности данных пользователям, ответственным за анализ состояния дел и принятие управленческих решений. Комплекс информационно-аналитических систем затрагивает всю управленческую вертикаль: корпоративную отчетность, финансово-экономическое планирование и стратегическое планирование.

2. Классификация аналитических информационных систем

Агентство Gartner Group, занимающееся анализом рынков информационных технологий, в 1980-х годах ввело термин «Business Intelligence» (BI), деловой интеллект или бизнес-интеллект. Этот термин предложен для описания различных концепций и методов, которые улучшают бизнес решения путем использования систем поддержки принятия решений.

Business Intelligence - программные средства, функционирующие в рамках предприятия и обеспечивающие функции доступа и анализа информации, которая находится в хранилище данных, а также обеспечивающие принятие правильных и обоснованных управленческих решений.

Понятие BI объединяет в себе различные средства и технологии анализа и обработки данных масштаба предприятия.

На основе этих средств создаются BI-системы, цель которых - повысить качество информации для принятия управленческих решений.

BI-системы также известны под названием Систем Поддержки Принятия Решений (СППР, DSS, Decision Support System). Эти системы превращают данные в информацию, на основе которой можно принимать решения, т.е. поддерживающую принятие решений.

Gartner Group определяет состав рынка систем Business Intelligence как набор программных продуктов следующих классов:

- средства построения хранилищ данных (data warehousing, ХД);

- системы оперативной аналитической обработки (OLAP);

- информационно-аналитические системы (Enterprise Information Systems, EIS);

- средства интеллектуального анализа данных (data mining);

- инструменты для выполнения запросов и построения отчетов (query and reporting tools).

Классификация Gartner базируется на методе функциональных задач, где программные продукты каждого класса выполняют определенный набор функций или операций с использованием специальных технологий (таблица 1).

Таблица 1 - состав рынка систем Business Intelligence

OLAP-продукты	Способ хранения данных	MOLAP
		ROLAP
		HOLAP
	Место размещения OLAP-машины	OLAP-серверы
		OLAP-клиенты
	Степень готовности к применению	OLAP-компоненты
		Инструментальные OLAP-системы
		OLAP-приложения
Инструменты добычи данных	Метод Data Mining	Фильтрация
		Деревья решений
		Генетические алгоритмы
		Ассоциативные правила
		Нейронные сети
	Способ предоставления	В составе OLAP-систем
		В виде самостоятельных систем Data Mining
Средства построения Хранилищ и Витрин данных	Средства проектирования Хранилищ данных	В составе СУБД
		Универсальные средства
		Студии
	Средства извлечения, преобразования и загрузки данных	В составе СУБД
		Универсальные средства
	Готовые предметно-ориентированные ХД
Управленческие информационные системы и приложения	Вид решаемой задачи	Анализ финансового состояния
		Инвестиционный анализ
		Подготовка бизнес-планов
		Маркетинговый анализ
		Управление проектами
		Бюджетирование
		Финансовое управление
	Масштаб решаемой задачи	Автоматизация труда одного специалиста
		Для коллективной работы группы сотрудников
		Для применения в территориально распределенной корпорации
	Технологическое построение	Монолитные
		Настраиваемые
Инструменты конечного пользователя для выполнения запросов и построения отчетов	В составе OLAP-систем
	В виде систем Query & Reporting

2.1 OLAP - продукты

Для обработки больших объёмов данных используется технология OLAP (англ. online analytical processing, аналитическая обработка в реальном времени) - технология обработки информации, включающая составление и динамическую публикацию отчётов и документов. Используется аналитиками для быстрой обработки сложных запросов к базе данных.

Служит для подготовки бизнес-отчетов, в целях управления, так называемых задач data mining (добыча данных - способ анализа информации в базе данных с целью отыскания аномалий и трендов без выяснения смыслового значения записей).

Причина использования OLAP для обработки запросов - это скорость. Реляционные БД хранят сущности в отдельных таблицах, которые обычно хорошо нормализованы. Эта структура удобна для операционных БД (системы OLTP), но сложные многотабличные запросы в ней выполняются относительно медленно. Более хорошей моделью для запросов, а не для изменения, является пространственная БД.

OLAP делает мгновенный снимок реляционной БД и структурирует её в пространственную модель для запросов. Заявленное время обработки запросов в OLAP составляет около 0.1% от аналогичных запросов в реляционную БД.

Первым продуктом, выполняющим OLAP-запросы, был Express (компания IRI). Термин OLAP был предложен Эдгаром Коддом. Работа Кодда финансировалась Arbor, компанией, выпустившей свой собственный OLAP-продукт - Essbase (позже купленный Hyperion, которая в 2007 г. была поглощена компанией Oracle).

Другие хорошо известные OLAP-продукты включают Microsoft Analysis Services (ранее называвшиеся OLAP Services, часть SQL Server), Oracle OLAP Option, DB2 OLAP Server от IBM (фактически, EssBase с дополнениями от IBM), SAP BW, продукты Brio, BusinessObjects, Cognos, MicroStrategy и других производителей. К небольшим анализаторам многомерных данных, поставляемых как решения для персональных применений, можно отнести PivotTables в Microsoft Excel.

C технической точки зрения, представленные на рынке продукты делятся на «физический OLAP» и «виртуальный».

В первом случае наличествует программа, выполняющая предварительный расчет агрегатов, которые затем сохраняются в специальную многомерную БД, обеспечивающую быстрое извлечение. Примеры таких продуктов - Microsoft Analysis Services, Oracle OLAP Option, Oracle/Hyperion EssBase, Cognos PowerPlay.

Во втором случае данные хранятся в реляционных СУБД, а агрегаты могут не существовать вообще или создаваться по первому запросу в СУБД или кэше аналитического программного обеспечения. Примеры таких продуктов - SAP BW, BusinessObjects, Microstrategy.

Системы, имеющие в своей основе «физический OLAP» обеспечивают стабильно лучшее время отклика на запросы, чем системы «виртуальный OLAP». Поставщики систем «виртуальный OLAP» заявляют о большей масштабируемости их продуктов в плане поддержки очень больших объемов данных.

С точки зрения пользователя оба варианта выглядят похожими по возможностям.

Традиционные методы анализа данных (статистические методы) и OLAP в основном ориентированы на проверку заранее сформулированных гипотез (verification-driven data mining) и на «грубый» разведочный анализ, составляющий основу оперативной аналитической обработки данных (OnLine Analytical Processing, OLAP).

2.2 Средства добычи данных

Существует ещё одна технология анализа данных - Data Mining. Одно из основных положений Data Mining - поиск неочевидных закономерностей. Инструменты Data Mining могут находить такие закономерности самостоятельно и также самостоятельно строить гипотезы о взаимосвязях.

Большинство статистических методов для выявления взаимосвязей в данных используют концепцию усреднения по выборке, приводящую к операциям над несуществующими величинами, тогда как Data Mining оперирует реальными значениями.

Knowledge Discovery in Databases (KDD)- это процесс поиска полезных знаний в "сырых" данных. KDD включает в себя вопросы подготовки данных, выбора информативных признаков, очистки данных, применения методов "раскапывания данных" (Data Mining), а также обработки и интерпретации полученных результатов.

Центральным элементом этой технологии являются методы Data Mining, позволяющие обнаруживать знания при помощи математических правил:

- фильтрация. Необходимость в фильтрации возникает, когда нужно отделить полезную информацию от искажающего его шума за счет сглаживания, очистки, редактирования аномальных значений, устранения незначащих факторов, понижения размерности информации и т.д. Применение фильтрации в системах анализа данных относится к первичной обработке данных и позволяет повысить качество исходных данных, а, следовательно, и точность результата анализа;

- деревья решений. Они позволяют представлять правила в иерархической, последовательной структуре, где каждому объекту соответствует единственный узел, дающий решение. Под правилом понимается логическая конструкция, представленная в виде «если..., то...». Деревья решений применяются при решении задач поиска оптимальных решений на основе описанной модели поведения;

- ассоциативные правила. Они позволяют находить закономерности между связанными событиями. Примером такого правила служит утверждение, что в том случае, если произошло событие А, то произойдет и событие В с вероятностью C. Впервые это задача была предложена для нахождения типичных шаблонов покупок, совершаемых в супермаркетах, поэтому иногда ее еще называют анализом рыночной корзины (market basket analysis);

- генетические алгоритмы. Они применяются при решении задач оптимизации. Эти методы были открыты при изучении эволюции и происхождения видов. Генетические алгоритмы нужны для настройки нейронных сетей, а также решения различных задач, когда можно составить описание возможных вариантов решения в виде вектора параметров, и известен критерий, определяющий эффективность каждого варианта. Генетические алгоритмы применяются для составления расписаний, портфелей ценных бумаг, заполнения контейнеров при перевозке (пересылке) грузов, выбор маршрутов движения, конфигурации оборудования и т.д.;

- нейронные сети. Они реализуют алгоритмы на основе сетей обратного распространения ошибки, самоорганизующихся карт Кохонена, RBF-сетей, сетей Хэмминга и других подобных алгоритмов анализа данных. Нейронные сети применяются для решения самых различных задач - восстановление пропусков в данных, поиск закономерностей, классификация и кластеризация данных, прогнозирование и моделирование.

Инструменты добычи данных поставляются заказчикам двумя способами:

- в составе OLAP-систем;

- в виде самостоятельных систем Data Mining.

Функциональность Data Mining в той или иной степени полноты реализации включена в аналитические системы различных производителей -Oracle, Hyperion, SAS и т.д. Однако, наиболее «продвинутыми» в этом плане являются специализированные системы математического анализа данных. В России авторитетным разработчиком систем в технологии KDD является компания "Лаборатория BaseGroup".

2.3 Средства построения Хранилищ и Витрин данных

Хранилища и Витрины данных создаются с применением специализированных средств построения Хранилищ\витрин данных. К этим средствам относятся:

- средства проектирования Хранилищ данных;

- средства извлечения, преобразования и загрузки данных;

- готовые предметно-ориентированные ХД.

Средства проектирования Хранилищ данных входят в состав реляционных и многомерных СУБД от таких производителей как Microsoft, Oracle, IBM, Sybase и других. Также часто применяются универсальные CASE-инструменты, такие как BPWin и ErWin.

После описания структур хранения данных специальными системными утилитами выполняется их генерация. Такой подход к созданию Хранилища данных позволяет построить индивидуальное Хранилище или Витрину данных в сжатые сроки. В тоже время такой подход затрудняет перенос наработок от одного заказчика к другому и обмен практическим опытом в решении аналитических задач.

Альтернативным способом построения Хранилищ данных является применение других специализированных средств - Студий для построения Хранилищ данных. Такие продукты предлагают набор шаблонов и заготовок для быстрого создания Хранилища.

В составе Студии может предоставляться базовая модель Хранилища данных, ориентированная на определенную бизнес-сферу. С помощью таких инструментов можно значительно быстрее создать Хранилище данных, воспользовавшись опытом предыдущих решений и начать его эксплуатацию. Продукты этого класса,в частности, предлагает компания Sybase - это продукт Industry Warehouse Studio.

ETL-средства (extraction, transformation, loading) - средства извлечения, преобразования и загрузки данных) обеспечивают три основных процесса, используемые при переносе данных из одного приложения или системы в другие.

ETL-средства извлекают информацию из исходной базы данных, преобразуют ее в формат, поддерживаемый базой данных назначения, а затем загружают в нее преобразованную информацию. Эти средства обычно входят в состав функциональности реляционных и многомерных СУБД или Студий для построения Хранилищ данных.

Однако существуют и специализированные системы, реализующие только ETL-функции. Классической ETL-системой является, например, продукт Ascential DataStage компании Ascential Software.

Существует еще один способ построения Хранилищ и Витрин данных - это применение готовых предметно-ориентированных Хранилищ данных. Это самый надежный способ построить Хранилище данных в сжатые сроки. Готовые к эксплуатации Хранилища данных характеризуются наличием в них механизмов средств построения Хранилищ/Витрин данных, взаимосвязанных посредством единого словаря метаданных. К ним относятся - процедуры извлечения, преобразования, очистки и загрузки данных, функции генерации баз данных и процедур обработки, механизмы построения выборок данных, интерфейсы просмотра и анализа данных.

Ограничением в применении готовых Хранилищ данных является их предметная ориентация. Например, финансовое Хранилище данных невозможно применить для решения задач оптимизации химического производства. Примером готового предметно-ориентированного Хранилища данных является система Контур Корпорация от компании Intersoft Lab. Применение предметно-ориентированных Хранилищ данных отражает общемировую тенденцию развития рынка BI, наметившуюся в последнее время - предоставления платформ для "быстрой" разработки аналитических приложений.

2.4 Управленческие информационные системы и приложения

Существует еще один очень разносторонний класс аналитических систем. Это - конечные решения для управленцев и аналитиков. Исторически сложилось так, что технологическая основа реализации таких систем существенно различается. Одни из них построены на современных аналитических инструментах, другие - с применением базовых информационных технологий. Чтобы легче ориентироваться в этих системах вводится 3 классификации:

- по виду решаемой задачи;

- по масштабу решаемой задачи;

- по технологическому построению.

Аналитические системы классифицируются по виду задач, решаемых с их помощью. Среди видов задач можно выделить:

- Анализ финансового состояния банка или предприятия, выполняемый по внешним публичным данным, таким как баланс, отчет о финансовых результатах, иногда - приложение к балансу и отчет о движении денежных средств. Системы - Audit Expert (Про-Инвест), Альт-финансы (Альт), АБФИ (Вестона), Аналитик, АФСП, АДП (ИНЭК) и другие.

- Инвестиционный анализ - для комплексной оценки эффективности инвестиционных проектов и принятия решения об их финансировании, Project Expert (Про-Инвест), Альт-Инвест (Альт) и другие.

- Подготовка бизнес-планов, учитывающих вариации схем производства, сбыта и финансирования, комплексного анализа маркетинговой ситуации, чувствительности проекта по основным параметрам. Системы - Project Expert (Про-Инвест), Альт-Инвест (Альт) и другие.

- Маркетинговый анализ, позволяющий оценить положение компании на рынке, провести сравнительный анализ ее сбытовой деятельности с конкурентами, сформировать оптимальную структуру сбыта, определить доходность различных сегментов рынка и товаров, долю рынка компании, темпы роста и другое. Системы - Marketing Expert (Про-Инвест), Касатка и другие.

- Управление проектами, применяемое для разработки расписания исполнения проекта, определения критического пути и резервов времени исполнения операций проекта; потребности проекта в финансировании, материалах и оборудовании, анализ рисков и планирование расписания с учетом рисков и так далее. Системы - MS Project (Microsoft), Open Plan (Welcom Software Technology) и другие.

- Бюджетирование, обеспечивающее планирование, учет и анализ по центрам финансовой ответственности, бизнесам, продуктам в разрезе активов и пассивов, доходов и расходов, выполнение аллокаций и расчет финансового результата. Системы - Hyperion Pillar, Comshare MPC, Контур Корпорация. Бюджет (Intersoft Lab) и другие.

- Финансовое управление, включающее помимо задач бюджетирования задачи финансового планирования, управленческого учета, трансфертного управления ресурсами, оценки бизнесов по методу ABC, анализа активов, пассивов, рисков. Системы - Oracle Financial Services Applications (Oracle), Контур Корпорация. Финансовое управление (Intersoft Lab) и другие.

На практике встречается гораздо больше видов задач, но здесь был перечислен ряд только тех задач, которые нашли свое воплощение в тиражных аналитических системах. Некоторые из этих систем могут решать только одну задачу, другие являются комплексом, включающим в себя широкий перечень взаимосвязанных задач.

Аналитические системы также классифицируются по масштабу решаемой задачи:

- Системы автоматизации труда одного специалиста. Это так называемые DeskTop-системы, предназначенные для автоматизации труда узкого специалиста. Как правило, для эксплуатации таких систем не требуется помощь службы автоматизации.

- Системы для коллективной работы группы сотрудников. Такие системы содержат средства, обеспечивающие коллективную работу пользователей в режиме реального времени с единой базой данных в рамках прав доступа. Такие системы уже требуют выполнения функций администрирования и сопровождения.

- Системы для применения в территориально распределенной корпорации. Эти системы включают в себя свойства аналитических систем для групп пользователей, а также средства взаимодействия с удаленными подразделениями корпорации (филиалами) в виде технологий сбора данных, дистрибуции НСИ и отчетов. Системы данного класса сложны в эксплуатации, но при этом обеспечивают наиболее полное решение аналитических и управленческих задач.

По технологическому построению аналитические системы можно условно разделить на монолитные и настраиваемые:

- Монолитные аналитические системы характеризуются тем, что аналитическая методика в них реализуется в коде самой программы, а не в виде настройки универсального аналитического инструмента. В этом случае аналитическая система не требует, как правило, выполнения существенных работ по своей настройке (за исключением систем класса Data Mining). Она может использоваться практически сразу после установки. В то же время такие системы не "гибкие" и плохо поддаются изменениям в соответствии с требованиями пользователя. Монолитные системы разрабатываются с применением базовых средств программирования и СУБД.

- Настраиваемые аналитические системы характеризуются тем, что при их создании применяются универсальные аналитические инструменты и специализированные средства, такие как OLAP, Студии, ETL, Data Mining. Их применение позволяет повысить качество аналитической системы, дает перспективы развития, но в то же время приводит к удорожанию конечного решения. Прикладные аналитические системы, выполненные в виде настроек универсальных аналитических инструментов, требуют большего объема работ при внедрении, однако позволяют реализовывать уникальные аналитические методики, принятые в организации.

3. Общая структура информационной аналитической системы

Полная структура информационно-аналитической системы, построенной на основе хранилища данных, показана на рисунке 2. В конкретных реализациях отдельные компоненты этой схемы часто отсутствуют.

Информационное хранилище

Рисунок 2.Структура информационной аналитической системы

3.1 Подсистема хранения данных

Многомерное хранилище данных может быть организовано в виде одной из следующих структур:

- физической структуры, называемой MOLAP, в которую с определенной периодичностью загружаются данные из файлов - источников, принадлежащих базам оперативных данных

- виртуальной структуры, называемой ROLAP, которая динамически используется при запросах. ROLAP - система рассматривается просто как надстройка над реляционными базами данных, обеспечивающая удобный интерфейс пользователя. Типичными инструментальными средствами, поддерживающими ROLAP, является Business Objects.

- гибридной структуры, называемой НOLAP, которая используется при построении многоуровневых информационных хранилищ, применяемых на разных уровнях управления больших корпораций.

Анализ параметров использования ROLAP и MOLAP информационных хранилищ показывает, что внедрение и эксплуатация ROLAP - систем является более простым и дешевым по сравнению с MOLAP - системами, но уступают последним в эффективности оперативного анализа данных.

3.2 Подсистема метаинформации

Репозиторий представляет собой описание структуры информационного хранилища: состава показателей, иерархии агрегаций измерений, форматов данных, используемых функций, физического размещения на сервере, прав доступа пользователей, частоты обновления.

В репозитории задается схема отображения структуры файлов-источников данных на структуре ИХ, а также схема отображения структуры ИХ на витринах данных. Через репозиторий осуществляется интерпретация запросов к ИХ на проведение оперативного анализа данных.

3.3 Подсистема преобразования данных (загрузки хранилища)

Подсистема загрузки ИХ создается только для MOLAP - систем. Для ROLAP - систем в процессе выполнения запросов осуществляется преобразование данных из файлов - источников. В том и другом случаях требуется выполнение следующих основных функций:

- сбор данных,

- очистка данных,

- агрегирование данных.

Сбор данных предполагает передачу данных из источников в ИХ в соответствии со схемой отображения, представленной в репозитории.

В процессе очистки данных осуществляется проверка целостности, исключение дублирования данных, отбраковка случайных данных, восстановление отсутствующих данных, приведение данных к единому формату.

В случае необходимости агрегирования данных осуществляется суммирование итогов по заданным в репозитории признакам.

3.4 Подсистема представления данных (организация витрин данных)

Под витриной данных понимается предметно-ориентированное хранилище данных, как правило, агрегированной информации, предназначенное для использования группой пользователей в рамках конкретного вида деятельности предприятия, например маркетинга и т.д. Как правило, витрины данных являются подмножествами общего хранилища данных компании, которое служит для них источником. Обычно общее ИХ и витрины данных разрабатываются параллельно.

аналитический информационный система

3.5 Подсистема оперативного анализа данных

Подсистема оперативного анализа данных, как правило, используется лицами, подготавливающими информацию для принятия решений, путем выполнения различных статистических группировок исходных данных.

В рамках пользовательского интерфейса для оперативного анализа данных используются следующие базовые операции:

- Поворот - добавление нового признака анализа.

- Проекция - выборка подмножества по задаваемой совокупности измерений. При этом значения, лежащие на оси проекции, суммируются.

- Раскрытие - осуществляется декомпозиция признака агрегации на компоненты, например, признак года разбивается на кварталы. При этом автоматически детализуются числовые показатели.

- Свертка - операция обратная раскрытию. При этом значения детальных показателей суммируются в агрегируемый показатель.

- Сечение или срез - выделение подмножества данных по конкретным значениям одного или нескольких измерений.

3.6 Подсистема интеллектуального анализа данных

Подсистема интеллектуального анализа данных используется специальной категорией пользователей - аналитиков, которые на основе ИХ обнаруживают закономерности в деятельности предприятия и на рынке, используемые в дальнейшем для обоснования стратегических и тактических решений.

Интеллектуальный анализ требует более сложных методов анализа по сравнению со статическими группировками и выполняется путем проведения множества сеансов.

Типичными задачами интеллектуального анализа данных являются:

- Установление корреляций, причинно-следственных связей и временных связей событий, например определение местоположения прибыльных предприятий.

- Классификация ситуаций, позволяющая обобщать конкретные события в классы, например определение типичного профиля покупателя конкретных видов продукции.

- Прогнозирование развития ситуаций, например прогнозирование цен, объемов продаж, производства.

К основным методам интеллектуального анализа данных относятся:

- Методы многомерного статистического анализа,

- Индуктивные методы построения деревьев решений,

- Нейронные сети.

3.7 Подсистема «Информационная система руководителя»

Информационная система руководителя предназначена для лиц, непосредственно принимающих решения. Поэтому интерфейс таких систем должен быть в наибольшей степени упрощенным.

Обычно в качестве интерфейса руководителям предприятия предлагается набор стандартных отчетов и графиков, настраиваемых на потребности руководителя через систему меню. Часто в качестве интерфейса предлагаются диаграммы Ишикава, представляющие собой саморазворачивающееся дерево показателей, в котором листья ветвей раскрашиваются в разные цвета, символизирующие характер состояния показателя (нормальный, тревожный, кризисный).

Лист любой ветви дерева может быть развернут а таблицу значений показателя или график.

3.8.Подсистема WEB - публикации

Подсистема WEB - публикации предполагает преобразование полученной из ИХ информации в HTML - вид, доступный для ее просмотра удаленными клиентами с помощью браузеров Интернета.

4. Концепции построения ИАС

Современный уровень развития аппаратных и программных средств с некоторых пор сделал возможным повсеместное ведение баз данных оперативной информации на разных уровнях управления. В процессе своей деятельности промышленные предприятия, корпорации, ведомственные структуры, органы государственной власти и управления накопили большие объемы данных.

Они хранят в себе большие потенциальные возможности по извлечению полезной аналитической информации, на основе которой можно выявлять скрытые тенденции, строить стратегию развития, находить новые решения.

В последние годы в мире оформился ряд новых концепций хранения и анализа корпоративных данных:

- Хранилища данных, или Склады данных (Data Warehouse);

- Оперативная аналитическая обработка (On-Line Analytical Processing, OLAP);

- Интеллектуальный анализ данных - ИАД (Data Mining).

Технологии OLAP тесно связаны с технологиями построения Data Warehouse и методами интеллектуальной обработки - Data Mining. Поэтому наилучшим вариантом является комплексный подход к их внедрению.

Для того чтобы существующие хранилища данных способствовали принятию управленческих решений, информация должна быть представлена аналитику в нужной форме, то есть он должен иметь развитые инструменты доступа к данным хранилища и их обработки.

Очень часто информационно-аналитические системы, создаваемые в расчете на непосредственное использование лицами, принимающими решения, оказываются чрезвычайно просты в применении, но жестко ограничены в функциональности.

Такие статические системы называются в литературе Информационными системами руководителя (ИСР), или Executive Information Systems (EIS).

Они содержат в себе предопределенные множества запросов и, будучи достаточными для повседневного обзора, неспособны ответить на все вопросы к имеющимся данным, которые могут возникнуть при принятии решений.

Результатом работы такой системы, как правило, являются многостраничные отчеты, после тщательного изучения которых у аналитика появляется новая серия вопросов.

Однако каждый новый запрос, непредусмотренный при проектировании такой системы, должен быть сначала формально описан, закодирован программистом и только затем выполнен. Время ожидания в таком случае может составлять часы и дни, что не всегда приемлемо.

Таким образом, внешняя простота статических ИСР, за которую активно борется большинство заказчиков информационно-аналитических систем, оборачивается катастрофической потерей гибкости.

Динамические ИАС, напротив, ориентированы на обработку нерегламентированных запросов аналитиков к данным. Работа аналитиков с этими системами заключается в интерактивной последовательности формирования запросов и изучения их результатов.

Но динамические ИАС могут действовать не только в области оперативной аналитической обработки (OLAP); поддержка принятия управленческих решений на основе накопленных данных может выполняться в трех базовых сферах:

- Сфера детализированных данных. Это область действия большинства систем, нацеленных на поиск информации. В большинстве случаев реляционные СУБД отлично справляются с возникающими здесь задачами. Общепризнанным стандартом языка манипулирования реляционными данными является SQL. Информационно-поисковые системы, обеспечивающие интерфейс конечного пользователя в задачах поиска детализированной информации, могут использоваться в качестве надстроек как над отдельными базами данных транзакционных систем, так и над общим хранилищем данных.

- Сфера агрегированных показателей. Комплексный взгляд на собранную в хранилище данных информацию, ее обобщение и агрегация, гиперкубическое представление и многомерный анализ являются задачами систем оперативной аналитической обработки данных (OLAP). Здесь можно или ориентироваться на специальные многомерные СУБД, или оставаться в рамках реляционных технологий. Во втором случае заранее агрегированные данные могут собираться в БД звездообразного вида, либо агрегация информации может производиться на лету в процессе сканирования детализированных таблиц реляционной БД;

- Сфера закономерностей. Интеллектуальная обработка производится методами интеллектуального анализа данных (ИАД, Data Mining), главными задачами которых являются поиск функциональных и логических закономерностей в накопленной информации, построение моделей и правил, которые объясняют найденные аномалии и/или прогнозируют развитие некоторых процессов.

5. Системы информационно-аналитического обеспечения

Проблематика анализа исходной, имеющейся или аккумулированной информации связана с необходимостью адекватной обработки массивов информации.

В соответствии с этим, под информационно-аналитическими системами следует понимать комплекс аппаратных средств, программных решений, информационных ресурсов, методик, которые используются для обеспечения автоматизации аналитических работ в целях обоснования принятия управленческих решений и других возможных применений.

Согласно концепции информационно-аналитического обеспечения системы, предоставляющие возможность обработки информации, проектируются и функционируют с учетом следующих аспектов:

- извлечение из многих источников разнородных данных, представленных в различных форматах и приведение их единому формату и единой структуре;

- аккумулирование информации, создание информационных массивов данных, применение технологий индексации и поиска;

- организация предоставления пользователям необходимой информации, которая требуется для принятия решений, реализации конкретных мер или программных действий в сфере основной деятельности пользователей информационно-аналитической системы;

- инструменты оперативного и интеллектуального анализа, подготовка плановой и регулярной оценки состояния объектов управления в виде документальных носителей и цифровых экранных форм отчетов;

- представление информации и результатов анализа в упорядоченной форме для эффективного восприятия пользователями.

Основным критериальным параметром функционирования информационно-аналитических систем выступает переориентация с продвинутых версий систем управления базами данных на качественно иной уровень, позволяющий осуществлять экспертные аналитические действия.

Функционирование систем информационно-аналитического обеспечения в предметных областях основано на использовании знаний об этой области таким способом, чтобы пользователи системы могли предлагать объективно обоснованные решения и реализовывать их на практике. Сюда также следует отнести такие параметры, как интерпретация данных, диагностика состояния, мониторинг, прогнозирования, планирование и обучение.

6. Функции и признаки информационно-аналитических систем

Функции информационно-аналитических систем реализуются по критериям системного функционала:

- средства аналитической обработки данных;

- база информации, данные из которой подвергаются аналитической обработке;

- набор правил решения определенных задач в сфере обработки данных;

- программно-технический комплекс, позволяющий пользователям осуществлять взаимодействие с системой информационно-аналитического обеспечения;

- модульный функционал представления данных, формирования предложений и альтернативных рекомендаций для пользователей системы.

Функции информационно-аналитических систем:

- Аккумулирование на носителях информации системной информации для обеспечения доступа к ней со стороны конечных пользователей;

- Каталогизация, систематизация, интеграция данных из различных информационных массивов и представление их в соответствующей форме;

- Представление результатов аналитической обработки в форме, пригодной для восприятия.

При проектировании информационно-аналитических систем применяются разнообразные экономико-математические методы, сети, методы ветвей и границ, стохастические процессы и др. Естественным ограничением при этом является возможность систем информационно-аналитического обеспечения эффективно использоваться пользователями при решении хорошо структурированных задач, поддающихся строгому операциональному описанию, что, однако, не относится к слабо структурированным проблемам, вопросам и задачам.

В силу своей внутренней структуры и принципам построения системы информационно-аналитического обеспечения отличаются следующими объективными признаками:

- системы информационно-аналитического обеспечения не имеют субъективных предубеждений и устойчивы к различным внешним помехам;

- информационно-аналитическая система не делает поспешных выводов, а позволяет пользователю расширить горизонт принятия решений;

- системы информационно-аналитического обеспечения выдают не первое нашедшееся, а оптимальное решение в соответствии с критериальными условиями;

- информационный массив данных в информационно-аналитической системе может быть очень большой, объективно превышая таковые объемы систем управления базами данных.

Вместе с тем необходимо правильно понимать реальные возможности использования системы информационно-аналитического обеспечения. Безусловно, далеко не все существующие проблемы в предметной области могут быть решены с помощью информационно-аналитической системы.

Однако корректное использование систем информационно-аналитического обеспечения и соответствующих технологий во многих случаях остается единственным реальным способом подготовки и принятия обоснованных управленческих решений.

Таким образом, следует отметить, что развитие информационных технологий позволяет использовать новые возможности в сфере государственного и муниципального управления, чтобы повысить его эффективность, а также повысить рациональность используемых мер обслуживания интересов общества и механизмов управления общественными процессами в рамках основного направления деятельности учреждений.

7. Средства информационно-аналитических систем

Средства системы информационно-аналитического обеспечения относятся к комплексной методологии аналитических исследований, которая включает в себя следующие аспекты:

- сформулированные в концентрированном виде принципы и наиболее важные установки;

- методы - совокупность приемов и способов познания информации;

- приемы достижения целей управленческой деятельности;

- системы действий, применяемые при исполнении определенных процедур;

- процедуры - установленный порядок выполнения приемов и действий;

- методика - последовательность конкретных процедур, реализация которых обеспечивает достижение поставленных целей;

- техника аналитической работы - совокупность конкретных приемов и способов, которые входят в состав соответствующих процедур.

Средства системы информационно-аналитического обеспечения включают в себя три компоненты:

- интеллектуальная компонента;

- технические средства;

- логическая компонента;

Интеллектуальная компонента представляет собой сведения, характеристики, явления, данные, факты, уведомления и представление информации.

Технические средства - аппаратно-прикладной комплекс, средства взаимодействия с информацией и средства с каталогизации данных.

Логическая компонента - система правил, норм, законов формирования выводов и моделирование человеческой логики.

К интеллектуальной компоненте относятся информационные сведения, фактические данные, уведомительная форма подачи информации.

Следует отметить, что информационные сведения по логике построения информационно-аналитической системы являются для нее внешними параметрами, заданными заранее, тогда как фактические данные накапливаются в системе в процессе ее функционирования и использования различными пользователями. Отсюда следует, что уведомительная форма подачи информации позволяет транскодировать обрабатываемые данные в сведения, которые могут воспринимать пользователи.

Помимо этого в качестве самостоятельных объектных модулей в информационно-аналитические системы могут быть включены: базовые информационные системы, системы информационного обслуживания или информирования, системы искусственного интеллекта, экспертные системы.

Логическая компонента системы информационно-аналитического обеспечения существует независимо от пользователя и характеризуется высшей степенью объективизации.

Логическая компонента позволяет системе решать задачи не только связанные с поиском и представлением информации, но и задачи ориентированные на получение информации в результате применения правил формирования логических выводов и умозаключений. Вместе с тем, повлиять на принципиальную структуру логической компоненты пользователи могут только в том случае, если будут внесены изменения в информационные сведения в интеллектуальной компоненте информационно-аналитической системе.

Логическая компонента в информационно-аналитической системе существует на простом и сложном уровне:

- простой уровень логической компоненты обуславливает применение известных систем правил, норм, законов, последовательностей при формировании выводов и результатов обработки информационных массивов данных, имеющихся в системе;

- сложный уровень логической компоненты проектируется в качестве программно-автоматизированных комплексов, которые моделируют конкретные аспекты интеллектуальной деятельности и логики человека, что непосредственно реализуется в виде лингвистических процессоров, прогнозных моделях, обучающихся систем, экспертных систем или систем динамического развития.

8. Современные информационно-аналитические системы

Современные компьютерных технологии дают возможность осуществлять всестороннюю компьютеризацию решения аналитических задач и значительно расширять возможности экономического анализа в системе управления предприятием. Без преувеличения можно сказать, что информационные аналитические системы - это мощный инструмент в руках аналитика.

Впрочем, таким инструментом информационные аналитические системы могут быть только при условии, если пользователь совершенно и профессионально владеет знаниями в области экономической теории и экономики конкретной отрасли, в области финансово-кредитных отношений, достаточно знаком с системой хозяйственного (бухгалтерского, управленческого, налогового) учета и отчетности, владеет приемами и методами финансово-экономического анализа.

Оценивая эффективность использования информационных компьютерных технологий в аналитической работе, необходимо иметь в виду, что практически все операции, которые можно осуществлять с помощью информационных аналитических систем, можно сделать и без них, но время, которое приходится тратить на выполнение этих действий вручную традиционными методами (особенно если речь идет о многомерные аналитические задачи), часто лишает их смысла.

Исходя из целевого подхода, для каждого конкретного уровня управления определяется общая цель, а затем - локальные цели (по принципу дерева целей). Чтобы построить работоспособную систему решения аналитических задач, надо учесть особенности организационной структуры каждого хозяйственного органа, а также закрепление ответственности по подразделениям и отдельными работниками аппарата управления.

9. Этапы решения аналитической задачи

Ориентируясь на логику решения аналитических задач, возможности использования информационных компьютеризированных систем в аналитическом процессе можно представить в такой последовательности:

- Постановка задачи и ее формализованное описание;

- Накопление информации;

- обработка информации;

- Непосредственный анализ;

- Обобщение и наглядное представление результатов проведенного анализа.

На первом из приведенных этапов решения аналитической задачи необходимо сначала четко определить и сформулировать суть задачи; цель, которую нужно достичь в системе управления ресурсами предприятия; оценить реальность получения достоверных величин, возможные направления использования полученных результатов. Далее необходимо описать постановку задачи в формализованном виде, что дает возможность определиться с выбором информационной базы, исходных данных для анализа и облегчает подходы к алгоритмизации и программирования задач.

Формализованное описание задач анализа базируется на единых принципах построения условных обозначений показателей. Он облегчает последующую алгоритмизации и программирования для ПЭВМ; четко определяет действительную потребность в исходных данных для анализа; устраняет дублирование аналитических задач, облегчает группировку их в блоки для одновременной обработки.

Аналитическая задача в формализованном виде является объектом экономико-математического моделирования. Постановка задачи и ее формализованное описание позволяют определиться с выбором информационной базы, исходных данных для анализа.

Для проведения финансово-экономического анализа специалист должен обладать информацией обо всех сторонах деятельности предприятия. Речь идет речь о необходимости создания базы данных для анализа, накопления входящей и аналитической информации.

Исходя из принципов структурной типизации, аналитический процесс целесообразно рассматривать как систему функциональных комплексов, блоков и отдельных задач, подлежащих решению с использованием ЭВМ. Размещение их в виде структурной функциональной матрицы позволяет выделить состав информационных блоков, которые предусматривают разработку специальных баз данных для реализации функций управления предприятием

Заключение

Средства системы информационно-аналитического обеспечения позволяют собрать данные в целостную картину о том, что происходит, и спрогнозировать на перспективу действия различных факторов, структур, групп интересов.

Обеспечение информацией этапов управленческой деятельности, принятие решений, контроль и анализ проблем управляемых объектов и процессов позволяет качественно повысить эффективность такого управления.

Список использованных источников

1. Информационно-аналитические системы [Электронныйресурс]- http://odiplom.ru/lab/informacionno-analiticheskie-sistemy.html

2. Классификация аналитических информационных систем [электронный ресурс]- https://www.lanit.ru/press/smi/klassifikatsiya-analiticheskikh-informatsionnykh-sistem/

3. Московская финансово-промышленная академия [Электронный ресурс] - http://www.ebiblio.ru/book/bib/01_informatika/inform_analit_systemy/posob/332.2.3.html

Размещено на Allbest.ru