Отличительные черты систем поддержки принятия решений (Актуальность применения систем поддержки принятия решений)

Содержание:

Введение

В курсовой работе рассматривается тема «Отличительные черты систем поддержки принятия решений».

Объектом исследования являются системы поддержки принятия решений.

Предметом исследования являются типы архитектур, концепции систем поддержки принятия решений.

Целью работы является исследование архитектуры, структуры и компонентов систем поддержки принятия решений с применением известных классификаций.

Методы принятия решений существуют в практике человеческой деятельности почти с древних времен. Возможно, они даже ровесники сознательной деятельности человека. Теоретический интерес к методам и процедурам принятия решений возник в 60-х годах XX в. В данной проблематике выполнено большое количество работ учеными, как нашей страны, так и зарубежными. Понятно, что принятие решения является процессом, который по своей сложности и характеру сопоставим с процессом мышления в целом.

Стабилизация экономики ведет к росту конкуренции и повышения важности принятия правильных решений для успешной работы предприятий. Одним из основных факторов успеха в бизнесе, управлении и в повседневной жизни является скорость и качество принимаемых решений. Неудивительно, что попытки формализовать или автоматизировать процесс принятия решений начались практически сразу с появлением вычислительных машин и продолжаются до сих пор. С развитием компьютерных технологий тезис о взаимосвязи всех видов человеческой деятельности стал ощутимой реальностью. Количество информации, которая доступная пользователю компьютера, превысила скорость ее обработки. Последствия принятых решений стали проявляться не через годы, а буквально на следующий день, а времени на размышления остается все меньше и меньше. Поэтому данная тема актуальна на сегодняшний день.

Таким образом, определены главные задачи:

• Рассмотреть актуальность применения систем поддержки принятия решений;
• Проанализировать различные типы архитектур систем поддержки принятия решений;
• Исследовать классификацию систем поддержки принятия решений;
• Выделить отличительные концепции систем поддержки принятия решений;
• Проанализировать способы аналитической обработки данных в различных СППР, классифицировать задачи принятия решений.

Для достижения поставленных целей и задач необходимо выполнить следующие этапы работы:

• подбор литературы и изучение материалов по данной тематике;
• провести анализ предметной области;
• изучить виды систем поддержки принятия решений;
• выполнить анализ различных архитектур систем поддержки принятия решений;
• описать отличительные концепции систем поддержки принятия решений.

Теоретическая значимость состоит в рассмотрении типов существующих систем поддержки принятия решений.

Практическая значимость состоит в развернутом анализе отличительных архитектур, отличительных концепций и классификации систем поддержки принятия решений

Таким образом, на основе определенных выше задач и требований можно определить структуру и состав технического задания на курсовую работу.

1. Актуальность применения систем поддержки принятия решений

Термин "принятие решений" (ПР) встречается в различных научных дисциплинах. Прежде всего, следует назвать экономику, где исследуются проблемы рационального использования ограниченных ресурсов потребителем (покупателем товаров) и производителем. Считается, что у людей есть "внутренние весы", на которых "решается" привлекательность различных объектов, товаров - их полезность (выгодность). Экономика определяет правила рационального поведения людей в задачах выбора.

Определение "принятие решений" активно используется в психологии. Психологи давно изучают особенности человеческой системы переработки информации. Рассматривают гипотезы о том, как влияет организация человеческой памяти на процесс принятия решений. Психологи стремятся экспериментально определить границы человеческих возможностей в задачах выбора.

В такой науке как политология одним из главных объектов изучения является механизм принятия лидерами политических решений.

Принятие решений - один из основополагающих терминов в научном направлении, известный под названием "исследование операций".

Принятие решений является одним из направлений прикладной математики. Ставятся и решаются задачи обоснования свойств функции полезности в зависимости от тех или иных условий, налагаемых на правила выбора.

Термин "решение проблем", достаточно близок по своему характеру к термину "принятие решений", является центральным для искусственного интеллекта. В рамках этого направления создаются различные компьютерные системы, имитирующие поведение людей при решении тех или иных проблем. В информатике и вычислительной технике в последнее время уделяется большое внимание построению систем поддержки принятия решений (СППР), которые помогают ученым в задачах выбора.

Рассмотрение процессов и проблем принятия решений в различных научных дисциплинах носит, актуальный характер на сегодняшний день. Центральным для этих проблем является сам акт выбора человеком одного из вариантов решений. В отличие от других научных дисциплин в науке о ПР основным предметом является исследование процесса выбора. Эта наука изучает, как человек принимает решения и как следует ему в этом помогать, создавая специальные методы и компьютерные системы.

СППР - это прикладная научная дисциплина. Создание методов ПР требует рассмотрения математических, психологических и компьютерных проблем. В связи с этим в развитии принятия решений как научного направления участвуют математики, экономисты, финансисты, психологи, политологи, специалисты по искусственному интеллекту, теории организаций, информатики, вычислительной техники. Междисциплинарный характер во многом определяет специфику принятия решений как научного направления.

1.1 Отличительные типы архитектур для СППР

СППР - это совокупность интеллектуальных информационных приложений и инструментальных средств, которые используются для манипулирования данными, их анализа и представления результатов такого анализа конечному пользователю. Современные СППР позволяют предусматривать степень влияния принятых решений на дальнейшее развитие бизнеса [25-27].

Говоря об архитектуре, можно вкладывать в это слово разный смысл. Например, можно говорить о функциональной архитектуре, когда указываются функциональные модули системы и способы их взаимодействия. Архитектура реализации системы фиксирует способ реализации функций системы, ее компонентов, и их взаимосвязь. Можно также говорить и об архитектуре технических средств систем.

Далее, говоря об архитектуре СППР, мы имеем в виду архитектуру информационного обеспечения.

По мере роста и развития АИС, а также совершенствования алгоритмов принятия решений на основе агрегированных данных системы принятия решений многие исследователи столкнулись с проблемами, вызванными необходимостью обеспечить растущие потребности бизнеса. В АИС накопился объем данных, замедляющий процесс построения отчетов настолько, что менеджерский состав не успевает готовить на их основе соответствующие решения. Кроме того, с развитием межкорпоративных связей потребовалось привлекать к процессу анализа данные из внешних источников, не связанные непосредственно с производственными процессами, которые не входят в систему управления предприятием.

В СППР, оперирующих агрегированными данными, традиционная технология подготовки интегрированной информации на основе запросов и отчетов стала неэффективной из-за резкого увеличения количества и разнообразия выходных данных. Это начало очень задерживать менеджмент, для которого надо быстро принимать решение. Кроме того, постепенное накопление в БД предприятия данных для принятия решений и дальнейший их анализ начали негативно сказываться на оперативной работе с данными.

Решение было найдено и сформулировано в виде концепции хранилища данных (Data Warehouse, ХД) [7-9], которое выполняло бы функции предварительной подготовки и хранения данных для СППР на основе информации из системы управления предприятием (или базы данных предприятия), а также информации из сторонних источников, которые доступны на рынке информации в достаточном количестве.

Разработка и построение хранилищ данных - это весьма недешевая и трудоемкая задача. Успешность внедрения хранилища данных во многом зависит от уровня информации бизнес-процессов, информационных потоков на предприятии, объема и структуры данных, требований к скорости выполнения запросов и периодичности обновления хранилища, характера аналитических задач и тому подобное. С целью приблизить хранилище данных с условиями и специфики конкретной организации в настоящее время разработано несколько архитектур хранилищ данных: многомерные, реляционные, гибридные и виртуальные.

Сердцем системы поддержки принятия решений, без которого ее функционирование невозможно, является хранилище данных. Бизнес-информация в компании чаще всего распределена в несвязанных между собой информационных системах. Задача хранилища - собрать эти данные, структурировать их и превратить, то есть по сути сделать пригодными для проведения анализа и полезными для принятия управленческих решений. Какая информация попадает в хранилище? Преимущественно это актуальные и исторические данные с учетных приложений, систем класса ERP, систем управления взаимоотношениями с клиентами и управления складами, а также оперативные и стратегические планы (в частности бюджеты) и различные документы из внешних источников, например, о результатах маркетинговых исследований. Основное преимущество хранилища состоит в том, что в нем собирается бизнес-информация обо всех процессах, происходящих в компании, а не только об отдельных сферах ее деятельности.

Итак, хранилище данных - это не автоматизированная система принятия решений, и не экспертная система, не система логического вывода, а только оптимально организованная база данных, обеспечивающая максимально быстрый и комфортный доступ к информации, необходимой при принятии решений.

Сегодня можно выделить четыре наиболее популярные типы архитектуры СППР:

· Функциональная СППР;

· Независимые витрины данных;

· Двухуровневое хранилище данных;

· Трехуровневое хранилище данных.

Простейшими по архитектуре являются функциональные СППР (рис. 1.1). Они распространены в организациях, которые не выполняют глобальных задач и имеют невысокий уровень развития информационных технологий. Отличительной особенностью функциональных СППР является то, что анализу подвергаются данные, содержащиеся в операционных системах. Преимуществами подобных СППР является компактность через использование одной платформы и оперативность в связи с отсутствием необходимости перегружать данные в специализированную систему. Из недостатков можно отметить следующие: сужение круга решаемых вопросов с помощью системы, снижение качества данных из-за отсутствия этапа очищения их, увеличение нагрузки на операционную систему с потенциальной возможностью прекращения ее работы.

Рис. 1.1 Функциональная СППР

СППР, использующие независимые витрины данных (рис. 1.2). Применяются в организациях, имеющих несколько подразделений, в том числе отделы информационных технологий. Каждая конкретная витрина данных создается для выполнения определенных задач и ориентирована на отдельный круг пользователей. Это значительно повышает производительность системы. Внедрение подобных структур довольно простое. Из негативных моментов можно отметить то, что данные многократно вводятся в разные витрины, поэтому могут дублироваться. Это повышает затраты на хранение информации и затрудняет процедуру унификации. Наполнение витрин данных является достаточно сложным в связи с тем, что используются многочисленные источники. Отсутствует единая картина бизнеса организации, вследствие чего, нет окончательной консолидации данных.

Рис. 1.2 СППР, использующие независимые витрины данных

СППР на основе двухуровневого хранилища данных (рис. 1.3). Используется в больших компаниях, данные которых консолидированы в единую систему. Определение и способы обработки информации в этом случае унифицированы. Данные хранятся в единственном экземпляре. Минимальными являются затраты на сохранение данных. Отсутствуют проблемы, связанные с синхронизацией нескольких копий данных. Для обеспечения нормальной работы и обслуживания подобной СППР выделяется специализированная команда человек. Такая архитектура СППР лишена недостатков предыдущей, но в ней нет возможности структурировать данные для отдельных групп пользователей, а также ограничивать доступ к информации. Могут возникнуть трудности с производительностью системы.

Рис. 1.3 СППР на основе двухуровневого хранилища данных

СППР на основе трехуровневого хранилища данных (рис. 1.4). Такие СППР применяют хранилище данных, из которого формируются витрины данных, использующих группы пользователей, выполняющих подобные задачи. Таким образом, обеспечивается доступ как к конкретным структурированным данным, так и к единой консолидированной информации. Наполнение витрин данных упрощается благодаря использованию проверенных и очищенных данных, находящихся в едином централизованном источнике корпоративной информации - хранилище. Витрины данных синхронизированы и совместимы с корпоративным представлением.

Такие СППР отличает гарантированная производительность. Существует возможность сравнительно легкого расширение хранилища и добавления новых витрин данных. Но существует избыточность данных, требующая повышенных требований к их хранению. Кроме того, необходимо согласовать подобную архитектуру с каждой из предметных областей, которые имеют потенциально различные запросы.

Рис. 1.4 СППР на основе трехуровневого хранилища данных

С точки зрения размещения информационного ресурса и организации доступа к нему простой архитектурой системы на основе СД является архитектура клиент-сервер. Традиционно именно хранилище размещается на сервере (или серверах), а анализ данных выполняется на клиентах. Трудности в эту схему вносят витрины данных. Они также размещаются на серверах, но, учитывая взаимодействия между витринами, вводятся так называемые переходники (Hub Servers), через которые происходит обмен данными между витринами.

Необходимо также упомянуть о новом направлении развития архитектуры систем "клиент-сервер - трехуровневой архитектуры клиент-агент-сервер. Относительно СППР традиционная двухуровневая архитектура подразумевает, что хранилище данных, или витрина данных размещаются на сервере, а аналитическая обработка предназначена для пользовательских интерфейсов, которые поддерживаются клиентом. Можно привести некоторые условия, при которых двухуровневая архитектура работает эффективно:

• Объем пересылаемых данных между клиентом и сервером, не очень большой;
• Большая часть вычислений может быть выполнена заранее;
• Круг пользователей-клиентов четко определен, так что сервер обслуживает умеренное количество запросов в единицу времени;
• Нет необходимости поддерживать распределение данных между клиентами (клиенты изолированы друг от друга);
• Программы не требуют постоянных модификаций и усовершенствований.

В трехуровневой архитектуре между клиентом и сервером (который теперь называется корпоративным сервером) находится еще один сервер - сервер приложений. Обязанностью корпоративного сервера является работа с корпоративными данными, например, из хранилища данных: организация доступа к хранилищам, распределение ресурсов между клиентами и тому подобное. Клиент, как и раньше, реализует интерфейс, выполняет принадлежащие ему операции с данными и содержит локальные данные. Сервер приложений выполняет роль посредника между клиентом и корпоративным сервером, снижая нагрузку на последний.

Структура систем поддержки принятия решений включает в себя следующие элементы

1. Лингвистическая система;

2. Система представления данных и информации;

3. Система обработки задач;

4. Системы обработки задач конкретных предметных областей, системы знаний.

В общей архитектуре СППР, мы видим важные и фундаментальные аспекты, общие для всех систем поддержки принятия решений. Конкретная система поддержки принятия решений будет содержать четыре указанных элемента, но надо будет дополнительно сформулировать особенности этой системы, учитывающие требования, предъявляемые к этой системе.

Созданные информационные системы можно классифицировать следующим образом.

● Текстовые СППР;

● Гипертекстовые СППР;

● Ориентированные на использование баз данных и хранилищ данных СППР;

● Табличные СППР;

● Ориентированные на модели СППР;

● СППР, которые используют искусственный интеллект;

● Гибридные СППР;

● Групповые СППР.

Текстовые СППР. В течение многих лет разработчики, инженеры, менеджеры использовали текстовую информацию, например, книги, журналы, рекламную продукцию как базу для принятия решений. Поэтому существует класс систем поддержки принятия решений которые собирают, накапливают, обрабатывают, представляют пользователю информацию в текстовом виде. Современные информационные системы позволяют выполнять интеллектуальный анализ текста и выявлять новые знания для решения конкретной проблемы управления или технологии.

Например, разрабатывается новый продукт. Необходимо получить информацию о технических характеристиках требования и особенности этого продукта. Информационная система собирает текстовую информацию о подобных разработках и такие продуктах и представляет разработчику ее в текстовом виде. Разработчик рассматривает информацию, анализирует и генерирует новую информацию и знания для принятия научно обоснованного решения по разработке этого продукта.

Текстовые системы поддержки принятия решений занимают значительное место в современных информационных системах.

Гипертекстовые, Web ориентированные СППР - это современные системы обработки текстовой информации, основанные на электронной обработке текстов. Такая обработка требует стандартизации и представления информации в таком виде, чтобы она могла быть обработана специальными программами независимыми производителями. Для этого был разработан специальный язык обмена информацией которая называется гипертекст. Этот язык позволяет с помощью ссылок связать много документов, которые связаны друг с другом по смыслу. Развитие Интернета предоставило большие возможности гипертекстовой СППР, которые сейчас являются Web ориентированными.

Веб-системы поддержки принятия решений являются системами поддержки принятия решений, которые доступны в Интернете. Web ориентированные СППР можно идентифицировать по следующим характеристикам:

● Имеют удобный доступ на Web;

● Поддерживают отдельных лиц, клиентов, сотрудников, менеджеров, группы в процессе принятия решений, независимо от их физической зоны расположения или времени доступа;

● Имеют специфический интерфейс свойственный Интернет приложениям;

● Используют процессы принятия решений, которые частично структурированные или неструктурированные и на разных этапах процесса принятия решений могут быть выполнены в Интернете;

● Используют опыт, базы знаний, документы, модели и методы поиска знаний, большой и разнообразной группы пользователей, которые доступны через Интернет.

СППР ориентированные на использование баз данных и хранилищ данных. Этот класс информационных систем ориентирован на использование специализированных баз данных. Чаще всего такие системы используют реляционные базы данных и хранилища данных. Такие базы данных построены на отношениях - таблицах связанных между собой. Правила построения таблиц базируются на пяти правилах нормализации таблиц баз данных. Архитектуру базы данных определяет системный аналитик. Функционирование базы данных программируется с использованием языка SQL (Structured query language) – декларативный язык программирования для взаимодействия пользователя с базами данных, применяется для формирования запросов, обновления и управления реляционными БД, создание схемы базы данных и ее модификации, системы контроля доступа к базе данных.

Табличные СППР. СППР используют базы данных. Базы данных формируются из таблиц. Табличные СППР позволяют не только создавать, отображать корректировать таблицы, но и выполнять интеллектуальную обработку данных, которая содержатся в этих таблицах. Это дает больше возможностей пользователям по сравнению с текстовыми СППР или ориентированными на использование баз данных СППР.

Таблицы баз данных могут содержать константы или формулы для вычисления, обработку текста, а также гипертекстовые ссылки. Вычисления, содержащиеся в клетках могут быть использованы для генерации новых знаний. Табличные СППР используют для анализа работы предприятия, тенденций развития рынка, прогнозирования, статистического анализа данных, кластерного анализа. Табличные СППР широко применяются на предприятиях.

Ориентированы на модели СППР. Такие СППР имеют несколько инструментов поиска решений, которые могут быть использованы для различных типов экономико-математических моделей. Решение задачи формируется как группировка ряда поисков решения последовательно или параллельно решающие проблему, сформулированную в модели принятия решений. Пользователь может корректировать, изменять и удалять модели и инструменты поиска в процессе решения задачи. Полученные материалы могут быть сохранены в качестве шаблонов для дальнейших исследований или поиска решения.

Системы поддержки принятия решений ориентированные на модели используется для моделирования сложных систем управления. В настоящем времени такие модели используют в системах: SAP и ORACAL.

СППР, которые используют искусственный интеллект. Этот тип СППР развивался в области искусственного интеллекта который использует методы и алгоритмы, которые позволяют компьютеру делать выводы и предложения на основе вычислений по специальным методам и программам. По этой методике компьютер может сделать вывод о правильности принятого решения или какому-то выводу в конкретной ситуации. Компьютер может отслеживать и анализировать причинно следственные отношения между факторами процесса принятия решений.

В систему закладываются несколько алгоритмов искусственного интеллекта, который позволяет сделать систему гибкой и способной решать сложные проблемы управления.

Такие системы называются экспертными системами, потому как моделируют поведение эксперта при принятии решения. Системы такого типа полезны в том случае, когда нет экспертов по конкретным проблемам управления. Искусственный интеллект доступен 24 часа в сутки, не требует высоких гонораров и не создает конфликтов. Поэтому такие системы позволяют получить качественные результаты с меньшими затратами.

Гибридные СППР представляют собой комбинацию рассмотренных выше систем. Большинство систем СППР, которые используются в реальном времени являются гибридными системами.

Для конкретных требований и условий разрабатывается система СППР, которая содержит положительные свойства различных систем и минимизирует негативные стороны систем. Существует два основных подхода к интеграции СППР: гнездования и Университет. Методы гнездования предусматривают передачу свойств входящей системы к системе которая приняла эту подсистему. Например, Word может принять или использовать некоторые свойства таблицы Excel которая вложена в документ Word.

В синергетическом подходе к интеграции различных систем, нет вложенности, нет доминирующей технологии, нет вложенных систем и методов. Все методы интегрированы в единый инструмент, который позволяет их использовать независимо друг от друга, или вместе несколько методов в пределах одной операции.

Групповая система поддержки принятия решений - это информационная система, которая поддерживает работу группы людей, имеющих общую задачу и цель, и которая обеспечивает интерфейс к общедоступной (распределенной) информационной среде. Групповые СППР используют технологии облачного программного обеспечения. Групповые СППР используют системы управления моделями и БД, систему управления интерфейсом пользователя, систему управления почтой, а также ряд моделей и функций управления моделями, необходимых для удовлетворения потребностей всех участников группы, и обеспечивают доступ к информации и агрегирования ее с разных источников в множество форматов, удовлетворяющие различным групповым информационным потребностям. Кроме того, групповая СППР должна быть удобной в пользовании для всех участников группы.

1.2 Классификация СППР

Вопросами таксономии (классификации) СППР занимались разные авторы. Сегодня разработаны только обобщенные классификации СППР. Наиболее известными являются классификация Альтера, как одна из первых, и Пауэра [1-6].

Известно два типа аналитических приложений СППР. Первый реализует так называемую модель проверки (verification model), согласно которой пользователь формирует гипотезу, делает запрос на предоставление необходимых данных и затем пытается найти подтверждение своей гипотезе. К этому типу причисляют средства формулировки запросов и составления отчетов, средства многомерного анализа и информационные системы руководителя. Информационные системы руководителя используют заранее сформулированные вопросы и обобщенные данные. Однако вряд ли возможно предусмотреть все проблемы, которые могут возникнуть в процессе принятия решений. Поэтому в современных развитых СППР предусмотрены методы обработки нерегламентированных (ad hoc) запросов.

Под многомерным анализом будем понимать технику представления данных с различных точек зрения, или «измерений». Данные загружаются в хранилище в виде фактов, а «измерениями» являются индексы, которые обеспечивают простой и быстрый доступ к этим фактам по разным направлениям. Для реализации многомерного анализа нужна поддержка специализированной многомерной БД, такая, например, как Essbase компании Arbor Software или LightShip компании Pilot Software. Однако средства многомерной обработки могут быть реализованы и в рамках традиционной реляционной технологии. Такие возможности предоставляют для своих баз данных компании IBM, Oracle и Sybase.

Сегодня активно развиваются системы добычи данных (data mining), соответствующие другой модели - открытой (discovery model). Эти системы нацелены на выявление определенных закономерностей в данных, из которых пользователь может вытянуть новую, фактически полезную информацию.

В начале 1980-х годов на рынке информационных технологий и систем предлагались многочисленные системы для поддержки работы руководителя - Executive Information System (EIS) и Executive Support System (ESS). Особые надежды возлагались на методы искусственного интеллекта и экспертные системы.

Логика ученых того времени была простой - достаточно создать четыре основных компонента: системный язык (Language system, LS), на котором описываются сообщения, адресованные СППР, и которые может воспринимать система; язык представлений (presentation system, PS), на котором говорит СППР; базу знаний системы (Knowledge system, KS) для ориентации СППР на знание; систему обработки (problem-processing system, PPS) - программную машину, способную решить все проблемы, стоящие перед СППР.

По взаимодействию с пользователем выделяют три вида СППР:

• Пассивные помогают в процессе принятия решений, но не могут выдвинуть конкретного предложения;
• Активные непосредственно участвуют в разработке правильного решения;
• Кооперативные, которые предполагают взаимодействие СППР с пользователем. Выдвинутое системой предложение пользователь может доработать, усовершенствовать, а затем отправить обратно в систему для проверки. После этого предложение снова предлагается пользователю, и так до тех пор, пока он не примет решение.

По способу поддержки различают [2]:

• СППР, ориентированные на модели, использующие в работе доступ к статистическим, финансовым или иным моделям;
• СППР, ориентированные на коммуникации, поддерживающие работу двух и более пользователей;
• СППР, ориентированные на данные, имеющие доступ к временным рядам организации.
• СППР, ориентированные на документы, манипулирующие неструктурированной информацией, хранящейся в различных электронных форматах;
• СППР, ориентированные на знания, предоставляющие специализированные решения проблем.

СППР отличаются своими целями и назначением, предметными областями, функциональной ориентацией и тому подобное. Поэтому для того, чтобы внести большую ясность в само понятие СППР необходимо в полной мере унифицировать подходы к разработке СППР и их использованию, определить направления научно-исследовательских работ в этой области, провести работы по классификации этих систем на основе наиболее существенных различий. Заметим, что освещенные ранее характеристики СППР объединяют общие черты существующих систем или их перспективные разработки.

Систематику СППР можно разрабатывать для различных функциональных областей (маркетинг, планирование, управление финансами, инвестиции и т. д.), в которых предоставляется поддержка ПР, для периодов управления (тактический, операционный, стратегический) на соответствующих уровнях управления (предприятие, филиал, цех , участок, бригада, рабочее место) и другие. Анализ существующих точек зрения на разработку и применение компьютерных СППР, на способы получения, представления и структурирования информации, на специфические различия СППР от других типов информационных систем позволяет выделить для классификации СППР ряд признаков-подходов для разбиения на классификационные группировки.

Классификация на основе меры поддержки принятия решений. С конца 70-х годов XX в. разрабатывалась классификация СППР, в которой различия между элементами выделялись в зависимости от степени поддержки (меры прямого воздействия) управленческих решений и характера выполняемых действий. На основе эмпирических исследований более 50 различных СППР, проведенных Альтером в 1980 г., было выделено два типа систем:

- системы, ориентированные на данные, которые просто проводят выборку информации;

- системы, ориентированные на модели, знания, которых действительно позволяют принимать решения.

В свою очередь эти группы систем подразделяются на отдельные виды систем:

- системы накопления файлов, которые обеспечивают доступ элементов данных (и напоминают обычные административные информационные системы);

- системы анализа данных, которые обеспечивают доступ к базам данных и элементарным базам моделей и позволяют проводить манипуляцию, данными, используя специально разработанные средства общего пользования;

- расчетные системы, позволяющие проводить определение последствий плановых действий на основе вычислительных процедур;

- репрезентативные (образные) системы, которые генерируют оценки последствий действий на основе частично определенных имитационных моделей;

- оптимизационные системы, обеспечивающие выбор направлений действий путем идентификации оптимальных решений, совместимых с набором ограничений;

- рекомендательные системы, которые производят конкретные рекомендуемые решения для слабоструктурированных задач.

СППР анализа данных используются для анализа файлов текущих данных. Специализированные системы анализа фокусируются на множестве конкретных требований к анализу и четко очерченных задач. Пользователи имеют возможность манипулировать данными и получать протоколы анализа. Системы анализа данных объединяют интерфейс с СУБД, а в некоторых случаях и с элементарной базой моделей.

Системы анализа информации предоставляют пользователям информацию путем использования ряда БД, ориентированных на ПР, и простые модели. В общем СППР этого типа объединяют выходы системы обработки данных, ориентированные на обслуживание запросов пользователей с данными от внешних источников информации.

Расчетные системы используют определенные связи формулы для вычисления последствий определенных действий. Расчетные системы считаются минимально определенными, когда соотношение и факторы, используемые для ведения учета на предприятии (фирме) являются достаточно точными. Поэтому расчетные (бухгалтерские) результаты в общем случае являются точными и надежными.

По сфере использования выделяют общесистемные (корпоративные) и настольные СППР.

Корпоративные работают с большими хранилищами данных (ХД) и применяются многими пользователями. Настольные (прикладные) являются небольшими системами и подходят для управления персональным компьютером для одного пользователя.

СППР можно, в зависимости от данных, с которыми они работают, разделить на оперативные, предназначенные для немедленного реагирования на текущую ситуацию, и стратегические, основанные на анализе большого количества информации из различных источников с привлечением сведений, содержащихся в системах, которые аккумулируют опыт решения проблем.

СППР первого типа получили название административные (исполнительные) информационные системы (Executive Information Systems, АИС). По сути - это конечные наборы отчетов, построенные на основании данных с транзакциями информационной системы предприятия или OLTP-системы, и в идеале адекватно отражают в режиме реального времени все аспекты производственного цикла предприятия. Для АИС характерны следующие основные признаки:

• Отчеты, как правило, основываются на стандартных для организации запросах; количество последних сравнительно небольшое;
• АИС представляет отчеты в максимально удобном виде, включающем, наряду с таблицами, деловую графику, мультимедийные возможности и тому подобное;
• Как правило, АИС ориентированы на конкретный вертикальный рынок, например, финансы, маркетинг, управление ресурсами.

СППР второго типа предполагают достаточно глубокую проработку данных, специально преобразованных так, чтобы их было удобно использовать при принятии решений. Неотъемлемым компонентом СППР этого уровня являются правила принятия решений, которые на основе агрегированных данных подсказывают менеджерскому составу выводы и придают системе признаки искусственного интеллекта. Такие системы создаются только в том случае, если структура бизнеса уже достаточно определена и является основанием для обобщения и анализа не только данных, но и процессов их обработки.

Если АИС есть не что иное, как развитие системы оперативного управления производственными процессами, то СППР в современном понимании - это механизм развития бизнеса, который включает в себя некоторую часть управляющей информационной системы, обширную систему внешних связей предприятия, а также технологические и маркетинговые процессы развития производства.

Особый класс систем стратегического управления и поддержки принятия решений - системы, позволяющие осуществлять динамическое моделирование процессов. При использовании методов динамического моделирования деятельности компании описываются в виде математической модели, в которой все бизнес-задачи и процессы подаются как система взаимосвязанных вычислительных показателей.

Современные диалоговые системы принятия и поддержки решений той или иной степени реализуют этапы процесса принятия решений, причем их архитектуру целесообразно рассматривать, выделяя такие уровни: цели, постановки задач, процедуры, формальные модели, алгоритмические, программные ресурсы.

В рамках информационного подхода СППР причисляют к классу автоматизированных информационных систем, основное назначение которых - улучшить деятельность человека путем применения информационных технологий (ИТ)

2. Отличительные концепции систем поддержки принятия решений

Руководство крупных предприятий, организаций, компаний и т.д. постоянно нуждаются в достоверной информации по различным аспектам бизнес-процессов для поддержки принятия решений. От полученной информации зависит качество управления, эффективность планирования деятельности, выживание в условиях жесткой конкурентной борьбы. При этом критически важным является наглядность форм представления информации, оперативность получения различных видов отчетности, возможность анализа текущих и исторических данных. Как было отмечено в первом разделе, системы, обеспечивающие такие возможности, известные под названием - системы поддержки принятия решений (СППР).

СППР состоят из двух компонентов: хранилища данных и аналитических средств. Хранилище данных предоставляет единую среду хранения корпоративных данных, организованных в структурах, оптимизированных для выполнения аналитических операций. Аналитические средства позволяют конечному пользователю, не имеющему специальных знаний в информационных технологиях, осуществлять навигацию и представление данных в терминах предметных. Для пользователей различной квалификации СППР располагают различные типы интерфейсов доступа к своим сервисам.

2.1 Способы аналитической обработки данных

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

Очень часто СППР, рассчитанные на непосредственное использование лицами, принимающими решения, оказываются чрезвычайно простыми в применении, но строго ограниченными в функциональности. Они содержат определенные множества запросов и достаточные для повседневного обзора, неспособные ответить на все вопросы с имеющимися данными, которые могут возникнуть в процессе принятия решений. Результатом работы такой системы, как правило, являются объемные отчеты, после тщательного изучения, которых у аналитика возникает новая серия вопросов. Однако, каждый новый запрос, не предусмотренный при проектировании такой системы, должен быть сначала формально описан, закодирован программистом, и только потом выполнен. Информационный интервал в таком случае может составлять часы и дни, что не всегда приемлемо. Таким образом, внешняя простота статических СППР, к которой стремится большинство заказчиков информационно-аналитических систем, оборачивается катастрофической потерей гибкости.

Динамические СППР, напротив, ориентированы на обработку нерегламентированных (ad hoc) запросов аналитиков к данным. Работа аналитиков с этими системами заключается в интерактивной последовательности формирования запросов и изучении результатов. Но динамические СППР могут действовать не только в оперативной аналитической обработке (OLAP), поддержка принятия управленческих решений на основании накопленных данных может выполняться в трех базовых сферах [10, 11].

1. Сфера детализированных данных. Это сфера действия большинства систем, направленных на поиск информации. Как правило, реляционные СУБД отлично справляются с проблемами, которые здесь возникают. Общепризнанным стандартом языка манипулирования реляционными данными является SQL. Информационно-поисковые системы, обеспечивающие интерфейс конечного пользователя в задачах поиска детализированной информации, могут использоваться как надстройки и над отдельными базами данных транзакционных систем, и над общим хранилищем данных.

2. 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) [12, 13]. Здесь можно или ориентироваться на специальные многомерные СУБД [14], или оставаться в рамках реляционных технологий. В последнем случае заранее агрегированные данные могут собираться в БД звездообразного вида, или агрегация информации может происходить на лету в процессе сканирования детализированных таблиц реляционной БД.

Рассмотрим методы он-лайн обработки информации в современных системах поддержки принятия решений.

Онлайновая аналитическая обработка информации позволяет получать данные из баз и хранилищ данных, обрабатывать их по математическим алгоритмам и представлять результаты в виде аналитических отчетов.

Существуют три основных метода онлайн обработки информации (OLAP), которыми регулярно пользуются аналитики, к ним относятся:

● Метод разбиения на сегменты;

● Метод обращения;

● Метод консолидации и детализации.

Метод разбиения на сегменты определяется как стратегия разбивки на элементы, визуализацию и осмысления данных полученных из баз данных. Пользователь системы поддержки принятия решений разбивает большой массив данных на сегменты, которые затем разбиваются на небольшие частицы. Процесс повторяется до тех пор, пока мы не получим уровень детализации необходимый для анализа.

Метод обращения - преобразование столбцов таблицы на строки и наоборот. Метод обращения позволяет аналитику вращать куб с данным в пространстве так, чтобы видеть его различные стороны.

Консолидация и детализация - операции, определяющие переход от детального представления данных в агрегированное представление (вверх) и наоборот - от агрегированного к детальному (вниз).

К данным, которые были обработаны методами разбиения на сегменты, обращения, консолидации и детализации аналитики в дальнейшем применяют математические модели для выявления скрытых зависимостей или оптимизации управленческих решений.

3. Сфера закономерностей. Интеллектуальная обработка осуществляется методами интеллектуального анализа данных (Data Mining) [15-22], главными задачами которых является поиск функциональных и логических закономерностей в накопленной информации, построение моделей и определение правил, объясняющих найденные аномалии и / или прогнозирование развития некоторых процессов.

Дейтамайнинг (Data mining) добывание данных - это процесс обнаружения в больших массивах данных ранее неизвестных, нетривиальных, практически полезных и доступных для интерпретации знаний, необходимых для принятия решений в различных областях человеческой деятельности.

Инструментальные средства извлечения данных используют различные методы, включая доказательную аргументацию, визуализацию данных, методы нечеткой логики и анализа, нейросети и другие. Доказательную аргументацию (рассуждения по прецедентам) применяют для поиска записей, подобных какой-то определенной записи или ряда записей. Эти инструментальные средства позволяют пользователю конкретизировать признаки сходства подобранных записей. С помощью визуализации данных можно легко и быстро просматривать графические отображения информации в различных ракурсах.

Известны пять общих типов информации, которые могут быть получены средствами дейтамайнинга:

• классификация: позволяет делать вывод по определению характеристик конкретной группы (например, потребители, которые были потеряны из-за действий конкурентов);
• кластеризация: отождествляет группы элементов, которые имеют показатели близкие к параметру, по которому их объединяют в группу (кластеризация отличается от классификации, потому что не требуется заранее определенная характеристика);
• ассоциация: идентифицирует связи или отношения между событиями, которые происходили в прошлом (например, предпочтения клиентов магазина, которые посещали его в течение года);
• упорядочивание: подобно ассоциации, кроме того, устанавливается связь во временном измерении (например, повторный визит в супермаркет или финансовое планирование изготовления продукта);
• прогнозирование: оценивает будущие значения параметров и показателей экономических процессов, которые вычисляются с использованием определенных тенденций, трендов в предыстории этих процессов с использованием математических методов.

2.2 Классификация задач принятия решений

Анализ работ по проблеме принятия решений [20-22] показывает, что единой универсальной классификации задач принятия решений (ПР) на сегодня не существует. Более того, имеет место различное толкование самых задач ПР. Некоторые авторы [20, 21] к задачам ПР относят только те, в которых имеет место несколько критериев качества, в том числе неочевидных, а проблемная ситуация не может быть описана адекватной объективной математической моделью. В [22, 23] подчеркивается, что задачи ПР характеризуются наличием неопределенности, которая не позволяет найти единственное объективное правильное решение. Задачи нахождения решения для проблемных ситуаций с точной математической моделью (детерминировано-вероятностной) и объективно очевидным критерием качества решаются методами специальной теории принятия решений в рамках еще более общей теории исследования операций. Под операцией понимается процесс достижения цели системой (с учетом определенных ограничений и ее взаимодействия с внешней средой).

Таким образом, можно отметить, что к проблемам ПР относятся слабоструктурированные или неструктурированные проблемы, решения по которым принимаются на основании опыта, интуиции и преимуществ полномочного лица, принимающего решение (ЛПР). Как ЛПР может выступать и коллегиальный орган. Здесь следует отметить, что при формировании соответствующих рекомендаций для ЛПР используются как эвристические, так и строгие математические методы.

При классификации задач ПР используют различные признаки [24]. Обзор их можно свести к следующему: характер проблемной ситуации (ПС) тип структурированности ПС; характер оценки ПС; характер стратегии ПС; вид показателя эффективности (ПЭ) критерия качества (КК) характер условий ПР; число участников ПР; степень определенности условий ПР.

По характеру зависимости параметров ПС от времени различают статические и динамические задачи ПР. По типу структурированности ПС различают структурированные, слабоструктурированные и неструктурированные задачи ПР. Структурированные ПС - это хорошо изученные ситуации, описываемые адекватными детерминировано-статистическими математическими моделями, которые имеют объективные показатели эффективности, которые позволяют получить количественные оценки. Для неструктурированных ПС характерны: недостаточно глубокая изученность; качественное, чаще всего вербальное (словесное) описание взаимозависимости параметров и критериев качества; уникальность и новизна; невозможность получения количественных оценок; неоднозначность и неочевидность оценки состояния ситуации. Слабоструктурированные ПС - это слабоизученные проблемы, описываемые как количественными, так и преимущественно качественными (вербальными) зависимостями (моделями).

По характеру оценки состояния ПС, задачи принятия решений могут быть с объективно и субъективно оцениваемыми состояниями (текущими или в результате реализации принятых решений). Задачи с объективно оцениваемыми состояниями характерны для хорошо структурированных проблем, поскольку наличие адекватных математических моделей и объективно очевидных ПЭ позволяет количественно оценить состояние ПС.

К проблемам с субъективно оцениваемыми состояниями ситуаций относят задачи оценки слабоструктурированных и неструктурированных ПС. В таких задачах используют субъективные оценки экспертов, основанные на их опыте, интуиции и личных предпочтениях. В зависимости от характера оцениваемой ПС, задачи рассматриваемого типа, в свою очередь, подразделяются на статические и динамические. Статические задачи характеризуются тем, что оценка состояния ПС осуществляется путем однократной реализации соответствующих процедур (детерминированных, эвристических, комбинированных) в заданный момент времени. Для динамических задач оценку ситуации необходимо проводить путем проведения последовательных процедур, в которых в очередной процедуре используются результаты предыдущей. При этом оценка определяется и на последующие периоды, продолжительность которых зависит от динамических характеристик ПС.

Стратегия принятия решения является совокупностью последовательно реализуемых процедур для формирования альтернатив допустимых решений и выбора из них наиболее приемлемого (целевого). В свою очередь, эти процедуры могут быть основаны на строгих математических методах, а также на эвристических и комбинированных математико-эвристических методах. Использование тех или иных методов обусловливается рассмотренными выше тремя характеристиками ПС. В соответствии с этим, по характеру стратегии ПР рассмотренные проблемы подразделяются на задачи со структурированными, слабоструктурированными и неструктурированными стратегиями ПР.

По типу показателя эффективности и, соответственно, критерием качества задачи, ПР подразделяются на скалярные и векторные. Задачи со скалярным ПР имеют один показатель, но экстремум которого принимает целевое решение. Такие задачи, как правило, характерны для структурированных ПС и стратегий ПР.

Задачи с векторным принятием решения относятся к классу многокритериальных задач, для решения которых используют, наряду с детерминированными и эвристические методы. Конечно, векторные ПР сводят к скалярным, используя соответствующие методы эвристического характера (обобщенного показателя в виде суммы компонент с весовыми коэффициентами, отношение затрат к эффекту, целевого программирования, главного показателя) или аксиоматические, основанные на понятии Парето-Оптимальности. При использовании последних, лучшим считают решение, обеспечивающее результат, по всем показателям не хуже любого другого возможного и лучший хотя бы по одному показателю. Аксиоматические методы требуют наличия дополнительной информации для выбора целевого решения.

Кроме определенных выше существует еще большое количество признаков, по которым классифицируются задачи принятия решений. Отметим среди них следующие:

• Структура всевозможных альтернатив;
• Модель принятия решения;
• Информированность лица принимающего решение;
• Новизна задания;
• Вид окончательного решения.

По структуре всевозможных альтернатив можно выделить задачи условного выбора и задачи выбора на конечном множестве альтернатив.

В задачах условного выбора, называемых также задачи оптимизации, множество альтернатив задается неявно в форме нескольких условий (ограничений), которые имеют аналитическое выражение. Например, это могут быть ограничения на материальные или финансовые ресурсы, заданные в виде системы уравнений или неравенств. Множество альтернатив, описанное в такой форме, представляет собой некоторую область в многомерном метрическом пространстве и может иметь произвольную структуру. Подобные задачи формулируются при помощи различных моделей математического программирования. Уточнение структуры множества альтернатив приводит к более тонкой и глубокой классификации таких задач и определения методов их решения.

В задачах выбора на конечном множестве альтернатив допустимые варианты решения заданы не при помощи ограничений, а непосредственно – в форме конечного набора объектов. Подобные задачи, как правило, не допускают математической модели, но они чаще всего возникают на практике.

По типу используемой модели выделяют задачи принятия решений с объективными и субъективными моделями. В задачах с объективными моделями можно построить достаточно надежную математическую модель, которая адекватно опишет реальную ситуацию и объединит между собой ее основные элементы.

В задачах с субъективными моделями недостаток объективной информации не позволяет описать количественные связи между элементами проблемы. Поэтому лицо, принимающее решение должно формировать субъективное представление о проблемной ситуации на основе своих знаний, опыта и т.д.

По степени информированности лица принимающего решение задачи принятия решений можно разделить на два класса: задачи целостного и критериально-экспертного выбора.

В задачах целостного выбора предусматривается, что ЛПР имеет богатый профессиональный подход и довольно хорошо знакомо с существующими проблемами и само может выступать в роли эксперта. В этих случаях ЛПР моментально формирует целостный образ ситуации и способно быстро оценивать полезность альтернатив, не производя их детальный анализ.

В отличие от задач целостного выбора в задачах критериально-экспертного отбора ЛПР не может охватить проблему «одним взглядом», то есть не имеет целостного представления об альтернативах до начала выполнения задания. В данном случае, чтобы принять решение, ЛПР собирает отсутствующую информацию, определяет состав показателей и критериев эффективности, прогнозирует возможные последствия альтернатив и сравнивает их, исходя из своих преимуществ.

По признаку новизны решаемой задачи выделяют новые (уникальные) и повторяющиеся задачи принятия решений.

Задача рассматривается как новая, если она сама по себе или обстановка, в которой осуществляется выбор, встречается для ЛПР впервые. В новых задачах ЛПР осознает свои преимущества и формирует окончательное правило непосредственно в процессе принятия решения.

В повторяющихся задачах ЛПР обучается на собственном опыте и применяет типовые правила или процедуры принятия решений, потому что имеет возможность неоднократно наблюдать за результатами. В повторяющихся задачах возрастает роль «запрограммированных» решений, которые лишают ЛПР необходимости каждый раз выполнять анализ проблемы и придумывать способы ее решения.

Задачи принятия решений существенно разняться в зависимости от требований, которые предъявляются к виду окончательного решения. По этому признаку можно выделить три основных класса задач – классификации альтернатив, ранжирование альтернатив и выбор лучшей альтернативы.

В задачах классификации альтернатив в результате решения все альтернативы делятся на некоторые группы, которые упорядочиваются ЛПР по их преимуществам, но в границах каждой группы альтернативы считаются равноценными.

Также существуют задачи, в которых недостаточно разделить объекты на группы, а необходимо строго упорядочить их по преимуществам. Они называются задачами упорядочивания, или ранжирования альтернатив. В общем случае требование упорядочивания альтернатив означает, что ЛПР хочет определить относительную ценность каждой из них.

Все перечисленные выше классы задач тесно взаимосвязаны друг с другом. Но при этом их выделение позволяет взглянуть на проблемную ситуацию в разных точек зрения, лучше понять сущность задачи и подобрать верные «ключи» для ее решения.

Заключение

Системы поддержки принятия решений используются в различных организациях и предприятиях, для поддержки широкого диапазона решений, для менеджеров принимающих решения и для различных частей процесса принятия решений. Поэтому выгоды от этих систем могут быть оценены количественными и качественными показателями.

Системы поддержки принятия решений позволяют получить лучшие решения, сделать эффективным процесс принятия оптимальных решений. Эффективность управления измеряется такими экономическими показателями, как доходность предприятия, себестоимость выпускаемой продукции, объемы выпускаемой продукции. Системы СППР влияют на экономические показатели косвенно, поэтому количественное измерение эффективности внедрения систем поддержки принятия решений осложняется.

Оценка экономической эффективности системы СППР выполняется до ее внедрения в промышленную эксплуатацию и после производства.

Построение системы поддержки принятия решений - это довольно сложный и серьезный проект.

В той или иной степени СППР присутствуют в любой информационной системе. Поэтому осознанно или нет, к задаче создания системы поддержки принятия решений организации приступают сразу после приобретения вычислительной техники и установки программного обеспечения. По мере развития бизнеса, упорядочивания структуры организации и налаживания межкорпоративных связей проблема разработки и внедрения СППР становится особенно актуальной.

Одним из подходов к созданию таких систем стало использование хранилищ данных. Создание СППР на основе ХД - сложный, но обозримый процесс, требующий знания бизнеса, программно-технического инструментария и опыта выполнения крупных проектов. К тому же внедрение подобных систем может иметь преимущества в бизнесе, которые будут тем ощутимее, чем раньше организация начнет создание СППР. По прогнозам консалтинговой фирмы Gartner Group, к 2018 году примерно 90-95% компаний использовали хранилища данных.

Построение СППР на основе хранилищ данных требует новых технологических решений, к созданию которых несколько лет назад приступили основные производители промышленных СУБД и разработчики систем анализа данных.

Сегодня накоплен большой опыт разработки и внедрения специализированных структур данных и создания СППР на основе СУБД различных типов. Известна и технология создания больших хранилищ, как правило, на основе реляционных СУБД.

В работе приведено описание классификаций СППР и анализ типичных архитектур.

Выделены основные типы используемых систем: текстовые СППР, гипертекстовые СППР, ориентированные на использование баз данных и хранилищ данных СППР, табличные СППР, ориентированные на модели СППР, СППР, которые используют искусственный интеллект, гибридные СППР.

Список использованной литературы

1. Alter S.L. Decision support systems: current practice and continuing challenges. Reading, Mass.: Addison-Wesley Pub., 1980.

2. Power D.J. "What is a DSS?" // The On-Line Executive Journal for Data-Intensive Decision Support, 1997. – V. 1. – N3.

3. Scott Morton M.S. Management Decision Systems: Computer-based Support for Decision Making. – Boston: Harvard University, 1971.

4. Халин В. Г. и др. Системы поддержки принятия решений. – 2015.

5. Стародубцев А. А. Система поддержки принятия решений //Актуальные проблемы авиации и космонавтики. – 2016. – Т. 2. – №. 12. – С. 99-101.

6. Новикова И. Ю., Хазанова Д. Л. Системы поддержки принятия решений //Вестник научных конференций. – ООО Консалтинговая компания Юком, 2015. – №. 1-6. – С. 105-108.

7. Шапот М. Интеллектуальный анализ данных в системах поддержки принятия решений // Открытые системы. – 2016. – №1. – С. 30–35.

8. Devlin, B. Data warehouse: from architecture to implementation. Addison Wesley Longman, Inc. (2015).

9. Спирли Э. Корпоративные хранилища данных. Планирование, разраотка и реализация. – Т.1 / Э. Спирли. – М.: Издательство Вильямс, 2015. – 400 с.

10. Тарасенко Ф.П. Surveying Decision Support: New Realms of Analysis [Text] / Ф.П. Тарасенко // Database Programming and Design. – 2016. – № 4. – Р. 37-42.

11. Щавелев Л.В. Способы аналитической обработки данных для поддержки принятия решений / Л.В. Щавелѐв // СУБД. – 20015. – № 4-5. – C. 23-25.

12. Codd E.F. Providing OLAP (On–Line Analytical Processing) to User–Analysts: An IT Mandate [Text] / E.F.Codd, S.B. Codd, C.T. Salley. – E.F. Codd & Associates, 2013. – 322 Р.

13. Сахаров А.А. Концепция построения и реализации информационных систем, ориентированных на анализ данных / А.А. Сахаров // СУБД. – 2016. – № 4. – С. 55-70.

14. Parsaye K. OLAP and Data Mining: Bridging the Gap / K. Parsaye // Database Programming and Design. – 2007. – № 2. – Р. 83-88.

15. Agrawal R. Fast Discovery of Association Rules. Advances in Knowledge Discovery and Data Mining / R. Agrawal et al // AAAI Press, Menlo Park. – Calif., 2006, chap. 12.

16. Srikant R. Mining Association Rules with Item Constraints / R. Srikant, Q. Vu, R. Agrawal // Proc. Third Int’l Conf. Knowledge Discovery and Data Mining. – AAAI Press. Menlo Park, Calif., 2007. – P. 67-73.

17. Киселев М. Средства добычи знаний в бизнесе и финансах / М. Киселев, Е. Соломатин // Открытые системы. – № 4. – 2007. – C. 41-44.

18. Асеев Г.Г. Проблема обнаружения нового знания в хранилищах данных методами Knowledge Discovery in Databases / Г.Г. Асеев // Вестник НТУ “ХПИ”. – Х. : НТУ “ХПИ”, 2006. – № 19. – С. 62-70.

19. Асеев Г.Г. Методы интеллектуального анализа данных в электронных хранилищах [Текст] / Г.Г. Асеев // Бионика интеллекта: науч.-техн. журн. – 2008. – № 1(70). – С. 28-33.

20. Хамфрис П. Уровни структуризации проблем принятия решений / П. Хамфрис // Сб. тр. НИИСИ. – М., 2004. – Вып. 9. – С. 3-20.

21. Ларичев О.И. Проблема взаимодействия человек – ЭВМ в системах подготовки принятия решений / О.И. Ларичев // Сб. тр. НИИСИ. – М., 2004. – Вып. 9. – С. 20-28.

22. Simon H. Heuristic problem solving: the next advance in operations research [Text] / H. Simon, A. Newell // Operations research. – 2008. – V. 6. – Р.43-50.

23. Перегудов Ф.И. Введение в системный анализ / Ф.И. Перегудов, Ф.П. Тарасенко. – М. : Высш. шк., 2009. – 390 с.

24. Бекмуратов Т.Ф. Этапы построения и структурная организация системы поддержки принятия решений / Т.Ф. Бекмуратов, Г.М. Хаджиматова // Узб. журн. “Проблемы информатики и энергетики”. – 2009. – № 1. – С. 11-14.

25. Медведев А. В. Оптимизационная система поддержки принятия решений в бизнес-планировании //Успехи современного естествознания. – 2015. – №. 1-4. – С. 679-683.

26. Медведев А. В. Концепция оптимизационно-имитационного бизнес-планирования //Международный журнал прикладных и фундаментальных исследований. – 2014. – №. 1-2. – С. 198-201.

27. Брускин С. Н. Системы поддержки принятия решений в корпоративном планировании с использованием информационной бизнес-аналитики: практика и перспективы //Современные информационные технологии и ИТ-образование. – 2015. – Т. 1. – №. 11.