Системы поддержки принятия решений и анализ данных

Системы поддержки принятия решений

В настоящее время широкое применение в экономике и бизнесе находят информационные аналитических системы как средства, обеспечивающие поддержку принятия решений. Растет степень и уровень использования интеллектуальных технологий, так как в базах данных организации накапливается огромное количество данных, которые благодаря применению этих технологий могут быть использованы для получения важной и своевременной информации [1, 5, 8].

Для оценки роли и места информационных аналитических систем на предприятии рассмотрим общую классификацию информационных систем с позиции применения их на каждом из уровней управления.

На нижнем уровне (уровень оперативного управления) находятся информационные системы, ориентированные на операционную обработку данных (торговые, финансовые, кадровые и др.) в режиме реального времени (OLTP, on-line transactional processing — системы оперативной обработки данных). На верхнем уровне (уровень стратегического управления) располагаются информационные системы, осуществляющие поддержку деятельности менеджеров высшего звена по принятию решений в условиях полуструктурированных и неструктурированных данных.

Информационные системы различных уровней управления тесно взаимодействуют друг с другом. При этом на каждом из уровней управления осуществляется поддержка решений специфичных функциональных задач в соответствии с бизнес-процессами предприятия или организации, что обеспечивает интеграцию информационных потоков по вертикали. Примеры задач представлены в табл. 3.6.

Таблица 3.6. Задачи функциональных подсистем на различных уровнях управления.

Очевидно, что приведенная категоризация систем по уровням управления является модельным представлением, в реальных системах функции и уровни в той или иной степени интегрированы.

Системы поддержки принятия решений (СППР) — интерактивные системы, используемые в управлении для помощи в принятии решений в условиях частично и слабо структурированных задач. Они имеют развитый аналитический аппарат по сравнению с управленческими информационными системами, а также включают некоторую совокупность математических моделей. С целью реагирования на внешние изменяющиеся условия СППР в качестве входных данных используют информацию из офисных, профессиональных и транзакционных систем и систем управления, а также должны получать информацию из внешних источников.

Очевидно, что СППР могут использоваться как на стратегическом, так и на тактическом уровнях управления. Эти системы помогают принятию решения управления, объединяя данные, аналитические модели и удобное для пользователя программное обеспечение в систему, основная задача которой — предоставить пользователю инструмент анализа данных и построения моделей, служащих основой для принятия решений.

СППР предоставляют в распоряжение пользователей вычислительные и коммуникационные инструменты и мощности, позволяющие ответить на такие вопросы, как: «В каком состоянии находится бизнес?» или «Какие действия могут защитить предприятие или организацию от изменений конъюнктуры рынка?» и т. п.

Характеристики систем поддержки принятия решений:

• • обеспечивают решение проблем, развитие которых трудно прогнозировать;
• • оснащены сложными инструментальными средствами моделирования и анализа;
• • позволяют легко менять постановку решаемых задач и входные данные;
• • отличаются гибкостью и легко адаптируются к изменению условий;
• • имеют технологию, максимально ориентированную на пользователя.

В СППР можно выделить две основные части: хранилище данных и средства аналитической обработки данных, в которые входят составными частями отчетность, OLAP-средства и средства интеллектуального анализа данных (data mining) — рис. 3.45.

Средства отчетности обеспечивают формирование сводной корпоративной отчетности: формирование любых видов регламентированной отчетности, планирование генерации отчетов, доставка отчетов конечным пользователям, создание нерегламентированных отчетов «на лету».

OLAP-системы (on-line analytical processing) представляют инструмент для анализа больших объемов данных в режиме реального времени. Взаимодействуя с OLAP-системой, пользователь может осуществлять гибкий просмотр информации, получать произвольные срезы данных и выполнять аналитические операции детализации, свертки, сравнения во времени. Если системы регламентированной отчетности позволяют ответить на вопрос: «Какова прибыль предприятия за последний месяц?», то OLAP-системы дают ответ на вопрос: «Какого поставщика мне выгодно выбрать и почему?».

Рис. 3.45. Структура систем поддержки принятия решений.

Интеллектуальный анализ данных, или извлечение данных (data mining), позволяет проводить более глубокие исследования данных. Задачам и методам интеллектуального анализа данных посвящены последующие главы учебника.

Процедуры манипулирования данными в СППР должны обеспечивать следующие возможности:

• — составление комбинаций данных, получаемых из различных источников;
• — быстрое добавление или исключение того или иного источника данных и их автоматическое переключение при поиске данных;
• — управление данными с использованием СУБД;
• — логическую независимость данных этого типа от других баз данных, входящих в подсистему информационного обеспечения;
• — автоматическое отслеживание потока информации для наполнения баз данных.

Практическая реализация СППР базируется на использовании OLAP-технологий и организации хранилищ данных (ХД, Data Warehouses).

• Вопросы практики. Рассмотрим результаты внедрения информационно-аналитической системы. Банк DeltaCredit стал первым коммерческим банком в России, специализирующимся на ипотечном кредитовании. Одной из важнейших составляющих работы любой кредитной организации является поддержание качества кредитного портфеля. Ипотечные кредиты выдаются на большой срок и несут в себе большое количество рисков для банка. Именно поэтому основным этапом при рассмотрении заявки на ипотечный кредит является тщательная проверка заемщика и предмета залога на соответствие требованиям банка. В 2007 г. началось сотрудничество DeltaCredit и BaseGroup Labs. Аналитическая платформа Deductor была внедрена в качестве системы поддержки принятия решения для аналитиков. Осуществлялась многофакторная проверка заемщиков по правилам Руководства по андеррайтингу ипотечных кредитов. За годы работы Deductor зарекомендовала себя как надежный помощник аналитиков, снижающий риски пропуска важной информации. В настоящий момент при рассмотрении любой заявки осуществляется проверка более чем сотни различных правил и требований. Успешная эксплуатация аналитической платформы привела к идее об использовании Deductor в качестве еще одного звена проверки — по внутренним базам данных банка. В целом компания BaseGroup Labs зарекомендовала себя как надежный партнер и профессионал своего дела, a Deductor — удобным инструментом, на который уже в ближайшем будущем возлагается еще больше надежд — анализ ответов из Бюро кредитных историй, анализ информации из внешних баз данных, поведенческий анализ, использование в качестве платформы для кредитного скоринга. Таков отзыв о системе руководителя Кредитного департамента ЗАО «КБ ДельтаКредит» Д. Ковалева (источник: Отзывы клиентов // BaseGroup Labs: [интернет-сайт]. URL: http://www. basegroup.ru).