Информационные технологии 1 Понятие структура этапы и классификация

Информационные технологии 1. Понятие, структура, этапы и классификация. 2. OLTP, OLAP, KDD – технологии. 3. Интернет – технологии в экономике.

Понятие, структура, этапы и классификация • Информационные технологии, PIT (Information Technology - IT) - широкая область деятельности, относящаяся к технологиям формирования и управления процессами работы с данными и информацией, в том числе с применением вычислительной, компьютерной и коммуникационной техники.

• Информационные технологии реализуются в автоматизированном и традиционном (бумажном) видах. • От характера конкретной технологии зависят: – объем автоматизации, – тип – и характер использования технических средств Автоматизированная информационная технология предполагает существование комплекса соответствующих технических средств, реализующих информационный процесс и системы управления этим комплексом технических средств (как правило, это программные средства и организационно-методическое обеспечение, увязывающее действия персонала и технических средств в единый технологический процесс). Информационные технологии в экономикае

Цель любой информационной технологии получить нужную информацию требуемого качества на заданном носителе. При этом существуют ограничения на • стоимость обработки данных, • трудоемкость процессов использования информационного ресурса, • надежность и оперативность процесса обработки информации, • качество получаемой информации. Информационные технологии в экономикае

Информационные технологии влияют на повышение производительности: 1. позволяют быстрее и эффективнее выполнить любую работу 2. преобразуют сам процесс производства продукции

Критерии оценки эффективности инвестиций в ИТ-проект 1. 2. 3. 4. 5. 6. 7. Преобразование бумажного документооборота в электронный Использование распределенной системы принятия решений в организации Разработка системы поощрений за различные достижения в области повышения производительности работы в компании Создание более открытого доступа к информации и средствам связи Сосредоточение на более доходных сферах деятельности предприятия Инвестирование средств в кадровую политику Активное инвестирование денежных средств в систему обучения сотрудников для повышения их квалификации 9/10 совокупных затрат и 9/10 прибыли крупных ИТ-проектов приходятся на формирование новой структуры бизнес-процессов предприятия и обучение персонала, а не на оборудование и программное обеспечение

Структура базовой ИТ

При моделировании информационного процесса выделяют три уровня: • Концептуальный – на котором описываются содержание и структура предметной области • Логический – на котором проводится формализация модели • Физический – определяющий способ реализации информационной модели в техническом устройстве

ИТ описывают на четырех уровнях: • Технологии • Процессы • Процедуры • Операции Информационные технологии в экономикае ИТ ИП ИПр ИОп

Например, базовая ИТ, описанная на концептуальном уровне состоит из: Процессов: • Получение информации Процедур: • Сбор, подготовка, ввод данных • Отображение информации • Перевод в алфавитно-цифровую форму, построение графиков, синтез речи • Накопление информации • Архивирование, обновление, поиск • Преобразование, логический вывод, генерация знаний • Коммутация, маршрутизация, обмен • Обработка информации • Передача данных

Так как средства и методы обработки данных имеют разное значение, то различают: • Глобальные ИТ – включает модели, методы и средства формирования и использования информационных ресурсов в обществе • Базовые ИТ – задают модели, методы и средства решения информационных задач в определенной предметной области (производство, научные исследования, проектирование, обучение и т. д. ) • Конкретные ИТ – задают обработку данных в определенных типах задач пользователей

Концептуальная модель базовой ИТ • Концептуальная модель базовой ИТ содержит информационное описание предметной области • Выделяют уровни процессов, процедур операций • Отдельные процессы и процедуры работают с информационными потоками, в которых преобладает : – смысловое содержание (преобразование информации в данные и наоборот) – Синтаксический аспект (работа с данными) – Семантический аспект (работа со знаниями)

Концептуальная модель базовой ИТ Процессы Б А З О В А Я Процедуры Операции Сбор Получение Подготовка Проверка Ввод Информация Вывод текста Отображение Показ видео Построение графиков Синтез речи Архивирование Накопление Обновление Поиск Преобразование Обработка Логический вывод Данные Организация вычислений Коммутация Обмен Маршрутизация Передача ИТ Формализация Формирование Объяснение Генерация (вывод) Знания

Информация и данные • Данные – это информация, представленная в специальной фиксированной форме, пригодной для хранения и передачи • Информационные процессы накопления, обработки и обмена манипулируют с данными • Процесс получения обеспечивает поступление информации и ее превращения в данные • Процесс отображения превращает данные в информацию

Логический уровень ИТ • Представляет комплекс взаимосвязанных моделей, формализующих информационные процессы при трансформации информации в данные • Представление ИТ в виде моделей позволяет связать параметры информационных процессов и дает возможность реализации управления информационными процессами и процедурами Информационные технологии в экономикае

Логический уровень ИТ • На основе модели предметной области, характеризующей объект управления, создается общая модель управления • На ее основе формируются модели решаемых задач • Так как для решения задач управления применяют различные информационные процессы, то необходимо строить модель их организации, которая на логическом уровне увязывает применяемые при решении задач процессы управления

Логическая модель базовой ИТ уровня процессов Мо дел ь орг ани зац ии ин фо рма цио нны х про цес сов Модель представления знаний Логическая Алгоритмическая Семантическая Фреймовая Интегральная Модель получения информации Спецификация HTML, JPEG, MPEG Спецификация EDIFACT Средства языка ASN 1 Спецификация ODA, SGML, SPDL Модель накопления данных Концептуальная схема ИБ Модель обработки данных Операционные системы Логическая схема ИБ Физическая схема ИБ Базовые спецификации OSI Преобразование данных Модель обмена данных Стандарты локальных сетей IEEE 802 Спецификации сети Иннтернет Стандарт OSI/ISO Модель отображения информации Стандарты CGI, PHIGS Графический пользовательский интерфейс GUI Стандарты OPEN LOOK, VT Стандарты X Windows, MOTIF Стандарты машинной графики GKS Мо дел ь упр авл ени я ин фо рм аци ей, дан ны ми и зна ния ми

Модель обработки данных • Включает в себя формализованное описание процедур организации вычислительного процесса, преобразования и логического вывода (моделирования)

Модель обмена данными • Содержит формальное описание процедур, выполняемых в компьютерной сети

Модель накопления данных • Описывает как систему управления базой данных (СУБД), так и саму информационную базу, которая может быть определена как база данных и как база знаний Информационные технологии в экономикае

Модель представления знаний • Выбирается в зависимости от полноты воспроизведения и содержания предметной области, а также вида решаемых задач

Модель получения информации • Строится с учетом стандартов, регламентирующих структуры данных и документов, а также форматы данных

Модель отображения информации • Строится с учетом стандартов X Windows, MOTIF, OPEN LOOK, VT, CGI, PHIGS, машинной графики GKS, графического пользовательского интерфейса GUI

Модели управления информацией, данными и знаниями увязывают базовые информационные процессы на логическом уровне • Управление информацией происходит через процессы получения(сбор, подготовка, ввод) и отображения (построение графики, текста и видео, синтез речи) • Управление данными осуществляется через процессы обработки (управление организацией вычислительного процесса преобразования), обмена (управление маршрутизацией и коммутацией в сети, передачей сообщений по каналам связи) и накопления (системы управления базами данных) • Управление знаниями происходит через представление знаний (управление получением и генерацией знаний)

Физический уровень ИТ • Представляет ее программно-аппаратную реализацию Информационные технологии в экономикае

На физическом уровне ИТ рассматривается как система, состоящая из подсистем: • • Обработки данных Обмена данных Накопления данных Получения информации Отображения информации Представления знаний Управления данными и знаниями С системой на физическом уровне взаимодействует пользователь и разработчик

Подсистемы Обработки данных • Строятся на базе компьютеров различных классов и отличаются мощностью и производительностью Информационные технологии в экономикае

Подсистемы Обмена данными • Включают в себя комплексы программ и устройств (модемы, усилители, коммутаторы, кабели и др. ), образующих компьютерную сеть и осуществляющих коммутацию, маршрутизацию и доступ к сетям

Подсистемы Накопления данных • Реализуются с помощью банков и баз данных на внешних устройствах компьютера. • Возможна организация локальных баз и банков данных, реализуемых на отдельных компьютерах, и распределенных баз данных, использующих сети и распределенную обработку данных

Подсистемы Получения, Отображения информации и Представления знаний • Используют для формирования модели предметной области из ее фрагментов и модели решаемой задачи • На стадии проектирования разработчик формирует комплекс моделей решаемых задач • На стадии эксплуатации пользователь обращается к подсистеме отображения информации и представления знаний и выбирает соответствующую модель решения

Подсистема Управления данными и знаниями • Как правило, частично реализуется на тех же компьютерах, на которых реализованы соответствующие подсистемы, а частично с помощью систем управления организацией вычислительного процесса и систем управления базами данных. • При больших потоках информации создаются специальные службы администраторов сети и баз данных

ИТ как система • Конкретная ИТ обладает комплексным составом компонентов, поэтому целесообразно определить ее структуру и состав. • Конкретная ИТ определяется в результате синтеза базовых технологических операций, специализированных технологий и средств реализации.

• Технологический процесс – часть информационного процесса, содержащая действия по изменению состояния информации. • ИТ базируется на реализации информационных процессов, разнообразие которых требует выделения базовых, характерных для любой ИТ.

Базовый технологический процесс основан на использовании стандартных моделей и инструментальных средств и может быть использован в качестве составной части ИТ. Среди базовых технологических процессов выделим: • Извлечение информации; • Транспортировку информации; • Обработку информации; • Хранение информации; • Представление и использование информации.

Процесс извлечения информации • связан с переходом от реального представления предметной области к его описанию в формальном виде и в виде данных, которые отражают это представление.

Процесс транспортировки информации • осуществляет передачу информации на расстояние для ускоренного обмена и организации быстрого доступа к ней, используя при этом различные способы преобразования. Информационные технологии в экономикае

Процесс обработки информации • состоит в получении одних «информационных объектов» из других путем выполнения некоторых алгоритмов; он является одной из основных операций, выполняемых над информацией и главным средством увеличения ее объема и разнообразия.

Процесс хранения информации • связан с необходимостью накопления и долговременного хранения данных, обеспечением их актуальности, целостности, безопасности, доступности.

Процесс представления и использования информации • направлен на решение задачи доступа к информации в удобной для пользователя форме.

Функции ИТ определяют ее структуру, которая включает следующие процедуры: • • • сбор и регистрацию данных; подготовку информационных массивов; обработку, накопление и хранение данных; формирование результатной информации; передачу данных от источников возникновения к месту обработки, а результатов расчетов — к потребителям информации для принятия управленческих решений.

Рассмотрение содержания элементов ИТ позволяет выявить подсистемы, обеспечивающие технологию функционирования системы • Технологическое обеспечение ИТ состоит из подсистем, автоматизирующих информационное обслуживание решения задач с применением ЭВМ и других технических средств управления в установленных режимах работы. • По составу оно обычно одинаково для различных систем, что позволяет реализовать принцип их совместимости в процессе функционирования. • Обязательными элементами для ИТ являются информационное, лингвистическое, техническое, программное, математическое, правовое, организационное и эргономическое обеспечение.

OLTP-технологии • Описание и определения • OLTP (On. Line Transaction Processing) — онлайновая обработка транзакций. Способ организации БД, при котором система работает с транзакциями небольшими по размерам, но идущими большим потоком, и при этом клиенту требуется от системы максимально быстрое время ответа. • Термин OLTP применяют также к системам (приложениям). OLTP-системы предназначены для ввода, структурированного хранения и обработки информации (операций, документов) в режиме реального времени.

Использование OLTP-технологий • OLTP-приложениями охватывается широкий спектр задач во многих отраслях - банковские и биржевые операции, в промышленности - регистрация прохождения детали на конвейере, фиксация в статистике посещений очередного посетителя веб-сайта, автоматизация бухгалтерского, складского учета и учета документов и т. п. Приложения OLTP, как правило, автоматизируют структурированные, повторяющиеся задачи обработки данных, такие как ввод заказов и банковские транзакции. OLTP-системы проектируются, настраиваются и оптимизируются для выполнения максимального количества транзакций за короткие промежутки времени. Как правило, большой гибкости здесь не требуется, и чаще всего используется фиксированный набор надежных и безопасных методов ввода, модификации, удаления данных и выпуска оперативной отчетности. Показателем эффективности является количество транзакций, выполняемых за секунду. Обычно аналитические возможности OLTP-систем сильно ограничены (либо вообще отсутствуют).

Требования • Сильно нормализованные модели данных. • При возникновении ошибки, транзакция должна целиком откатиться и вернуть систему к состоянию, которое было до начала транзакции. • Обработка данных в реальном времени.

Преимущества и недостатки • OLTP-системы оптимизированы для небольших дискретных транзакций. А вот запросы на некую комплексную информацию (к примеру поквартальная динамика объемов продаж по определённой модели товара в определённом филиале), характерные для аналитических приложений (OLAP), породят сложные соединения таблиц и просмотр таблиц целиком. На один такой запрос уйдет масса времени и компьютерных ресурсов, что затормозит обработку текущих транзакций.

OLAP-технологии • Описание и определения • OLAP (англ. On. Line 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 по продажам, маркетингу, в целях управления, т. н. data mining — добыча данных (способ анализа информации в базе данных с целью отыскания аномалий и трендов без выяснения смыслового значения записей).

Действие OLAP • 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 и OLTP системы OLTP – оперативная транзакционная обработка данных OLAP – оперативная аналитическая обработка данных

Характеристики OLTP системы ∙ Большой объем информации ∙ Часто различные БД для разных подразделений ∙ Нормализованная схема, отсутствие дублирования информации ∙ Интенсивное изменение данных ∙ Транзакционный режим работы ∙ Транзакции затрагивают небольшой объем данных ∙ Обработка текущих данных – мгновенный снимок ∙ Много клиентов ∙ Малое время отклика – несколько секунд Характеристики OLAP системы ∙ Большой объем информации ∙ Синхронизированная информация из различных БД с использованием общих классификаторов ∙ Ненормализованная схема БД с дубликатами ∙ Данные меняются редко, Изменение происходит через пакетную загрузку ∙ Выполняются сложные нерегламентированные запросы над большим объемом данных с широким применением группировок и агрегатных функций. ∙ Анализ временных зависимостей ∙ Небольшое количество работающих пользователей – аналитики и менеджеры ∙ Большее время отклика (но все равно приемлемое) – несколько минут

Основной способ логического представления данных – МНОГОМЕРНЫЕ КУБЫ (OLAP – кубы)

OLAP – куб и срезы данных

Правила Кодда для реляционных БД 1. Правило информации. 2. Правило гарантированного доступа. 3. Правило поддержки недействительных значений. 4. Правило динамического каталога, основанного на реляционной модели. 5. Правило исчерпывающего подъязыка данных. 6. Правило обновления представлений. 7. Правило добавления, обновления и удаления. 8. Правило независимости физических данных. 9. Правило независимости логических данных. 10. Правило независимости условий целостности. 11. Правило независимости распространения. 12. Правило единственности.

Правила Кодда для OLAP 1. Концептуальное многомерное представление. 2. Прозрачность. 3. Доступность. 4. Постоянная производительность при разработке отчетов. 5. Клиент-серверная архитектура. 6. Общая многомерность. 7. Динамическое управление разреженными матрицами. 8. Многопользовательская поддержка. 9. Неограниченные перекрестные операции. 10. Интуитивная манипуляция данными. 11. Гибкие возможности получения отчетов. 12. Неограниченная размерность и число уровней агрегации.

Реализация OLAP Типы OLAP - серверов MOLAP (Multidimensional OLAP) - и детальные данные, и агрегаты хранятся в многомерной БД. ROLAP (Relational OLAP) - детальные данные храняться в реляционной БД; агрегаты хранятся в той же БД в специально созданных служебных таблицах. HOLAP (Hybrid OLAP) - детальные данные храняться в реляционной БД, а агрегаты хранятся в многомерной БД.

OLTP схема базы данных Моделируются оптовые продажи на склад Объекты 1. Склады 2. Категории товаров (модель) 3. Производители 4. Товары 5. Продавцы 6. Оптовые продажи на склад

Оперативная схема БД оптовых продаж на склады

ROLAP – схема типа звезда

Особенности ROLAP – схемы типа звезда 1. 2. 3. 4. Одна таблица фактов, которая сильно денормализована Несколько таблиц измерений, которые также денормализованы Первичный ключ таблицы фактов является составным и имеет по одному столбцу на каждое измерение Агрегированные данные храняться совместно с исходными Недостатки Если агрегаты храняться совместно с исходными данными, то в измерениях необходимо использовать дополнительный параметр – уровень иерархии

ROLAP – схема типа снежинка с нормализованными измерениями

ROLAP – схема типа снежинка с выделением агрегированных таблиц

ROLAP – схема типа снежинка с выделением агрегированных таблиц и нормализованными измерениями

Агрегирование по производителю и модели товара

Состав хранилищ данных 1. Метаданные 2. Исходные данные 3. Предварительно просуммированные данные Основные метаданные OLAP 1. Куб 2. Факты 3. Измерения 1. Уровни 2. Иерархии 3. Атрибуты

Общая структура хранилища данных 1. Источники данных 2. Процедуры выгрузки, преобразования и загрузки данных 3. Хранилище данных 4. Витрины данных 5. Аналитические приложения

Структура хранилища в ORACLE СУБД Схема звезда SQL интерфейс к OLAP (DBMS_AW, OLAP_TABLE, …) Хранилище OLAP (BLOB в реляционной таблице) OLAP DML Многомерные метаданные Многомерное ядро (процесс в ядре ORACLE) Регистрация метаданных CWM или CWM 2 JDBC OCI ODBC OLE DB SQL клиент Java API MOLAP клиент

Knowledge Discovery in Databases Источники данных Исходные данные Выборка Очищенные данные Очистка Трансформация Трансформированные данные Data Mining Модели (шаблоны) Знания Интерпретация

KDD – выборка данных • Первым шагом в анализе является получение исходной выборки. На основе этих данных и строятся модели. На этом шаге необходимо активное участие эксперта для выдвижения гипотез и отбора факторов, влияющих на анализируемый процесс. Желательно, чтобы данные были уже собраны и консолидированы. Крайне необходимо наличие удобных механизмов подготовки выборок. • Чаще всего в качестве источника рекомендуется использовать специализированное хранилище данных, агрегирующее всю необходимую для анализа информацию.

KDD – очистка данных • Реальные данные для анализа редко бывают хорошего качества. Необходимость предварительной обработки при анализе данных возникает независимо от того, какие технологии и алгоритмы используются. Более того, эта задача может представлять самостоятельную ценность в областях, не имеющих непосредственного отношения к анализу данных. • К задачам очистки относятся: – Заполнение пропусков и редактирование аномалий – Сглаживание, очистка от шумов – Редактирование дубликатов и противоречий – Устранение незначащих факторов • и прочее…

KDD – трансформация данных • Трансформация данных – последний этап перед, собственно, анализом. Различные алгоритмы анализа требуют специальным образом подготовленные данные, например, для прогнозирования необходимо преобразовать временной ряд при помощи скользящего окна. • Задачи трансформации данных: – Скользящее окно – Приведение типов – Выделение временных интервалов – Преобразование непрерывных значений в дискретные и наоборот – Сортировка, группировка, агрегация • и прочее…

KDD – Data Mining • Data Mining – это процесс обнаружения в «сырых» данных, ранее неизвестных и нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности. • Информация, найденная в процессе применения методов Data Mining, должна быть нетривиальной и ранее неизвестной, например, средние продажи не являются таковыми. Знания должны описывать новые связи между свойствами, предсказывать значения одних признаков на основе других.

Data Mining – задачи • Задачи, решаемые методами Data Mining: – Классификация – это отнесение объектов к одному из заранее известных классов. – Регрессия – установление зависимости непрерывных выходных переменных от входных значений. – Кластеризация – объекты внутри кластера должны быть «похожими» друг на друга и отличаться от объектов, вошедших в другие кластеры. – Ассоциация – нахождение зависимости, что из события X следует событие Y. – Последовательность – установление зависимостей между связанными во времени событиями. • Можно говорить еще и о задаче анализа отклонений – выявление наиболее нехарактерных шаблонов.

Data Mining – алгоритмы • Для решения вышеописанных задач используются различные методы и алгоритмы Data Mining. Ввиду того, что Data Mining развивался и развивается на стыке таких дисциплин, как статистика, теория информации, машинное обучение, теория баз данных, вполне закономерно, что большинство алгоритмов и методов Data Mining были разработаны на основе различных методов из этих дисциплин. • На сегодня наибольшее распространение получили самообучающиеся методы и машинное обучение.

KDD – интерпретация • В случае, когда извлеченные знания непрозрачны для пользователя, должны существовать методы постобработки, позволяющие привести их к интерпретируемому виду. • Для оценки качества полученной модели нужно использовать как формальные методы оценки, так и знания эксперта. • Полученные модели являются по сути формализованными знаниями эксперта, поэтому их можно тиражировать.

Достоинства и недостатки моделей • Достоинства: – Возможность тиражирования знаний – Обработка огромных объемов данных – Обнаружение нетривиальных закономерностей – Формализация процесса принятия решений • Недостатки: – Строгие требования к качеству и количеству данных – Неспособность анализировать нестандартные случаи – Высокие требования к знаниям эксперта

Deductor – аналитическая платформа

Назначение системы • Deductor 5 является платформой, ориентированной на решение задач анализа любых структурированных (табличных) данных. • Реализованные в Deductor технологии позволяют на базе единой платформы пройти все этапы построения аналитической системы: от создания хранилища данных до автоматического подбора моделей и визуализации полученных результатов.

Область применения • Глубокий анализ любых табличных данных: – Системы аналитической отчетности – Многомерный анализ – Прогнозирование – Поиск закономерностей – Управление рисками – Сегментация клиентов/товаров/услуг – Построение профилей потребителей – Оценка эффективности рекламы • и многое другое…

Технологии анализа • В Deductor реализованы практически все современные технологии анализа структурированных данных. – Data Warehouse – хранилище данных – OLAP – многомерный анализ данных – Data Mining – добыча данных – Knowledge Discovery in Databases – обнаружение знаний в базах данных

Хранилище данных • Интегрированное в платформу хранилище данных Deductor Warehouse решает задачу консолидации и предоставляет аналитику единый источник данных: – Богатый семантический слой – Высокая производительность – Гибкие механизмы фильтрации данных – Непротиворечивость и целостность данных – Простота и удобство работы

Многомерный анализ данных • OLAP – способ визуализации многомерных данных. Встроенное в Deductor OLAP-ядро поддерживает мощные механизмы манипулирования кубами. Все операции выполняются «на лету» : – Произвольное размещение измерений/фактов – Фильтрация, сортировка и группировка по любым показателям – Детализация данных – Кросс-диаграмма

Добыча данных • Data Mining – процесс построения моделей и поиска закономерностей. Найденные при этом правила и закономерности описывают новые связи, позволяют предсказывать значения одних признаков на основе других. В Deductor реализовано множество Data Mining алгоритмов: – Деревья решений – Нейронные сети – Самообучающиеся карты – Ассоциативные правила • и многое другое…

Обнаружение знаний в базах данных • Knowledge Discovery in Databases – методология анализа данных, описывающая процесс обнаружения знаний в базах данных как комбинацию 5 базовых операций: – Выборка данных – Очистка – Трансформация – Построение моделей – Data Mining – Интерпретация результатов

Как это работает в Deductor • В Deductor все эти механизмы анализа реализованы, унифицированы и интегрированы. Вся обработка производится при помощи всего 4 -х мастеров: – Импорт – Экспорт – Обработка – Визуализация • Комбинируя эти действия, строятся сценарии анализа, позволяющие решать огромный спектр актуальных бизнес-задач.

Deductor – типовой сценарий Deductor Warehouse Импорт данных Механизмы импорта Очистка данных Трансформация Обработка данных Построение модели Экспорт данных Файл Механизмы экспорта

Источники и приемники данных • Deductor имеет встроенные механизмы работы со множеством источников и приемников данных, поддерживает практически все популярные форматы: – TXT, CSV, XML, HTML… – Офисные приложения – Драйвера прямого доступа ко множеству СУБД – Поддержка ODBC и ADO – 1 C: Предприятие

Интеграция • В процессе анализа необходимо одновременно обрабатывать информацию из множества источников, комбинировать данные, способы обработки и визуализации. Deductor обладает развитыми способами взаимодействия со сторонними приложениями на базе промышленных стандартов: – Пакетное выполнение – OLE-Automation – Deductor Server и Client – Открытый API

Тиражирование знаний • Deductor легко интегрируется в любое программное окружение, позволяет извлечь из накопленных в компании данных интересную и практически полезную информацию и трансформировать ее в конкурентные преимущества. • Реализованные механизмы обеспечивают тиражирование знаний, когда результаты, полученные аналитиками, используются всеми сотрудниками организации без необходимости понимания способов и

Практика применения • Подход, реализованный в Deductor, апробирован во многих проектах и с успехом применяется в различных отраслях экономики: – Оптовая торговля – прогнозирование спроса, оптимизация продаж, анализ клиентской среды, аналитическая отчетность… – Розничная торговля – консолидация данных, многомерный анализ, оптимизация закупок… – Банки – скоринговые системы, оценка рисков, оптимизация продуктовой линейки, прогнозирование… – Производство – оптимизация производства, контроль качества, планирование…

Base. Group Labs • Base. Group Labs – профессиональный поставщик Data Warehouse, OLAP, KDD, Data Mining решений и инструментов. • Web-сайт: www. basegroup. ru • Образование: edu. basegroup. ru • E-mail: info@basegroup. ru

Интернет – технологии в экономикае Среди базовых ИТ можно выделить: • Мультимедиа-технологии; • Геоинформационные технологии; • Технологии защиты информации; • CASE- технологии; • Телекоммуникационные технологии; • Технологии искусственного интеллекта.

Соотношение информационной технологии и информационной системы • Информационная технология тесно связана с информационными системами, которые являются для нее основной средой. Информационные технологии в экономикае

Информационная технология — система методов и способов сбора, передачи, накопления, обработки, хранения, представления и использования информации. Информационная система предназначена для хранения, поиска и выдачи информации по запросам пользователей. Для использования ИС на рабочем месте ее необходимо спроектировать посредством информационных технологий. Информационные технологии в экономикае

• Информационная технология может существовать и вне сферы информационной системы. Информационные технологии в экономикае

Структурные составляющие ИС и ИТ в организации Информационные технологии в экономикае

• ИТ замыкает через себя прямые и обратные информационные связи между объектом управления (ОУ) и аппаратом управления (АУ), а также вводит в систему потоки внешних информационных связей. Информационные технологии в экономикае