По сути речь идет о том что, есть так называемые системы поддержки принятия решения, в основе которых являются данные содержащиеся в базах данных. Речь идет не об операционных базах данных, то есть базах данных которые вот в текущий момент вы туда вносите данные (убираете, корректируете и т.д.), а о данных за предыдущие периоды работы организации. Такие системы позволяют принимать данные упорядочивать их по определенным признакам и предоставлять некоторые интегрированные данные для топ менеджеров высшего звена. Для чего такого рода система предназначена:
-Ну во первых, улучшает стратегическое управлении организации
-Улучшает финансовые управление
-Обеспечивает лучше качество анализа конкурентно рыночной ситуации

Ну в принципе достаточно естественно, что при анализе и при определении перспектив работы вашей фирмы учитывается больше факторов, то конечно принятие решений должно быть более качественным, но это естественно. То есть Системы принятия Решения (DSS) не ограничиваются только сбором и хранением большого объема данных,по сути они должны предоставлять некое программное обеспечение для того чтобы с 1 стороны можно было уточнять какие то данные, получать отчеты по тем или иным видам деятельности и кроме того позволять делать некие прогнозы.

Ну основе тех или иных методах моделирования рыночной ситуации. При этом используются различные способы поиска решения:
1) Нахождение ассоциаций
Ассоциации возникают как привязка к какому-нибудь одному событию. На пример: если при исследовании покупок выясняется, что при покупке картофеля покупается Кока-кола в 65% случаев, в то время как при наличии рекламы в 85% случаев.

2) Нахождение последовательности
По сути речь идет о нахождении последовательных во времени событий. Так может быть обнаружено, что после приобретения дома в 45% случаев приобретается печь в течение месяца, в течение 2-х недель – холодильник. Это может побудить фирму предлагающие дома, сразу предлагать и печи и холодильники и т.д.

3) Нахождение скрытых закономерностей по набору данных
По сути речь идет о том, чтобы найти причинно-следственные связи. Например: по набору некоторых показателей деятельности различных банков, если разбираться, то можно сделать вывод о том – хорошо или плохо работает банк.

4) Оценка важности влияния параметров на событие ситуации
Речь идет о том что в результате разных событий происходят разные действия, важно определить наиболее значимые показатели. Так можно оценить какие качества товара являться подсознательно определяющими и влияющими на его покупку (важно для продажи).

5) Классификации распознавания
Один из более популярных методов исследованиях данных. При распознавании определяется некоторое количество готовых классов объектов (объект – не только реальные вещи, но и события, ситуации, процессы каждый описывается какими-то показателями) например может быть в медицине классификация болезней, признаки при определении растений к тому или иному классу и т.д. Надо правильно составить классификацию и тогда работающие алгоритмы будут четко определять к чему относятся те или иные явления или признаки.

6) Выявление кластеров
Задача в некотором смысле противоположная классификации. Когда появляются новые признаки, которые в классификацию не укладывается, то фактически речь идет о том, что вам надо создать новый класс, раздел. Чаще всего это используется пока – поиск новых рынков сбыта. Пример: в результате обработке университетской ОLAP системы было выявлено, что люди с низким чувством собственного достоинства предпочитают пользоваться ванной, а не душем – обнаружена связь между самооценкой и гигеническими предпочтениями.

7) Составление прогнозов событий и ситуаций
По сути речь идет о том чтобы спрогнозировать объемы продаж, объемы выпуска и т.д.

Комментарии запрещены.