ИБС_2013_DSS_BI.ppt
- Количество слайдов: 36
www. ibs. ru Информационные Бизнес Системы в управлении предприятием. DSS-BI.
Содержание. ● Назначение аналитических систем. ● Принципы OLAP. ● Принципы Data Mining. ● Формулировка и применение решающего правила для осуществления сделки. (Задание для самостоятельной работы. ) 2
Назначение аналитических систем. ● Аналитические и транзакционные системы. ● Оперативное управление. ● Прогнозирование и планирование. 3
Decision Support Systems (DSS). ● Системы поддержки принятия решений (СППР), основанные на: § Документах § Телекоммуникациях § Данных § Моделях 4
DSS на данных: OLAP ● OLAP - Online analytical processing или оперативный анализ информации. Эдгар Кодд, 1993. ● Концепция FASMI § Fast (Быстрый) – 1 -5 секунд на ответ § Analysis (Анализ) – Всевозможные аналитические инструменты без дополнительной настройки § Shared (Разделяемый) – Безопасность, помехозащищенность § Multidimensional (Многомерный) – Полная иерархичность и многомерность § Information (Информация) – Быстрый доступ к информации Сводная таблица в EXCEL. 5
Рынок OLAP-систем ● Объем мировых продаж - порядка $5 млрд. ● Основные производители: § Microsoft § Hyperion § Cognos § SAP § ORACLE 6
Хранилище данных (Data Warehouse). ● Билл Инмон: " Хранилище данных — это предметно-ориентированное, привязанное ко времени и неизменяемое собрание данных для поддержки процесса принятия управляющих решений". 7
Хранилище данных. — ведь они содержат заведомо избыточную информацию, которая и так "живет" в базах или файлах оперативных систем (ERP, CRM…)? 1. Задача хранилища — предоставить "сырье" для анализа в одном месте и в простой, понятной структуре. 2. Сложные аналитические запросы к оперативной информации тормозят текущую работу компании, надолго блокируя таблицы и захватывая ресурсы сервера. Зачем строить хранилища данных 8
Многомерный куб данных ● Измерения (разрезы, атрибуты) § Дата § Товар или группа товаров § Супермаркет § Страна § Клиент § Договор § Менеджер ● Показатели (факты, метрики) § Объем продаж § Остаток на счёте § Сумма проводки § Цена товара в чеке § Сумма дохода § Продолжительность телефонного звонка 9
Основные инструменты OLAP ● Slice – формирование среза по измерению ● Rotate – изменение порядка представления измерений ● Drill Up – переход к более агрегированным данным ● Drill Down – переход к более детализированным данным 10
SLICE - Срез Кафедра экономической информатики ЭФ МГУ 11
ROTATE - Вращение Кафедра экономической информатики ЭФ МГУ 12
Drill Up - Консолидация Кафедра экономической информатики ЭФ МГУ 13
Drill Down - Детализация Кафедра экономической информатики ЭФ МГУ 14
Базовые возможности ●Форматирование ●Итоги и агрегация ●Сортировка ●Фильтрация ●Визуальное представление 15
Базовые возможности - исходные данные в формате MICROSTRATEGY 16
Базовые возможности – сортировка по году, региону и прибыли (profit) 17
Базовые возможности – отбор по признаку «недостижение прогнозного значения прибыли» 18
Базовые возможности – итоги и агрегация 19
Базовые возможности – вычислимое поле “Revenue Flag” 20
Базовые возможности - визуализация 21
Детализация и группировка ● Детализация (Drill-down) § Переход по иерархии вниз ● Группировка (Drill-up, Roll-up) § Переход по иерархии вверх ● Движение сквозь данные (Drill-across) § Переход в соседнюю иерархию 22
Детализация и группировка 23
Проекция и вращение ● Операция вращения куба данных (pivoting and rotation) ● Операция проекции куба данных (slice and dice) 24
Проекция и вращение 25
DSS на моделях: Data Mining - Интеллектуальный анализ данных ● Выявление закономерностей и связей § Кластеризация § Классификация § Понижение размерности § Прогнозирование ● Визуализация результатов 26
Кластеризация ● Кластеризация – разбиения совокупности объектов на однородные группы ● Характеристики кластера § Внутренняя однородность § Внешняя изолированность 27
Задача кластеризации 28
Классификация ● Классификация – отнесение объекта, к одному из заранее известных классов ● Этапы классификации § Обучение § Процесс классификации 29
Задача факторного анализа (одна из возможностей снижения размерности) 30
Основные принципы факторного анализа 31
Прогнозирование § Прогнозирование – исследование перспектив развития какоголибо процесса § Методы прогнозирования § Регрессионные (моделирование) § Методы классификации 32
Пример. ● Постановка задачи. На основании статистики продаж подержанных автомобилей средствами DM построить решающее правило для принятия решения о приобретении автомобиля заданного класса. Решение. 1. Описываются основные параметры выбранного класса автомобиля (год выпуска, количество дверей, мощность, …). 2. Формируется соответствующая выборка по данным продаж и предложений. 3. Оцениваются параметры статистической модели, восстанавливающей связь технических параметров с объявленной ценой продажи. 4. Определяется решающее правило покупки автомобиля. 33
Пример. ● Используемые для решения средства DM: - Восстановление зависимостей; - Прогнозирование цены; - Классификация предложения. 34
Выводы. ● 1. Системы поддержки принятия решений (СППР) - в отличие от трансакционных информационных систем - решают задачи анализа функционирования и прогнозирования развития бизнеса, относящиеся к классу неструктурированных или полуструктурированных задач и являются АНАЛИТИЧЕСКИМИ. ● 2. OLAP – системы являются удобным и простым инструментом для решения наиболее часто встречающихся задач оперативного анализа данных о динамике бизнеса. ● 3. Системы класса Data Mining представляют удобную реализацию наиболее часто используемых алгоритмов решения задач статистического анализа: кластеризации, классификации, снижения размерности, восстановления зависимостей и т. д. . ● 4. Применение СППР направлено на повышение конкурентоспособности бизнеса. 35
www. ibs. ru Вставьте картинку Спасибо за внимание!
ИБС_2013_DSS_BI.ppt