Информационные технологии поддержки принятия решений

Доска объявлений

Электронные доски объявлений (Bulletin Board System - BBS) часто существуют и независимо от Интернета.

Электронные доски объявлений - это компьютеры, к которым можно подсоединиться с помощью модемов через телефонную сеть.

Предоставляемая пользователю информация на электронных досках объявлений строго структуризована. Используемое на BBS программное обеспечение позволяет, вместе с тем, осуществить оперативный поиск объявлений по ключевым словам, фразам, темам сообщений или их комбинации.

Подобно настоящей доске объявлений, BBS является местом, куда стекается вся подлежащая обмену информация. Как правило, узел BBS содержит большое количество полезных программных продуктов самой разной направленности, логически разбитых по тематике.

Работая в системе в режиме on-line, возможно ознакомление со списком предлагаемых файлов. Пользователь BBS, в соответствии с установленным для него уровнем доступа на станцию, может «перекачать» (download) на свой компьютер заинтересовавшую его информацию (от отдельных сообщений до необходимых пользователю файлов и программ) или «закачать» (upload) некоторую информацию.

Помимо этого на BBS доступны территории личной и публичной переписки между пользователями данной станции. Таким образом, можно размещать общие сообщения, рекламу, объявления о розыске программного обеспечения, анонимные послания и другую информацию.

Самой крупной и известной системой электронных досок объявлений является система CompuServe. Она насчитывает около двух миллионов пользователей. Для расширения своих возможностей CompuServe подключается к Интернету и предоставляет своим пользователям право доступа к службам Интернета.

Появление большого числа BBS с организованными на них локальными телекоммуни-кационными системами привело к потребности межсистемного обмена электронной почтой, файлами, электронными телеконференциями. В результате было создано программное обеспечение и определены правила работы глобальной телекоммуникационной сети Fidonet.

Создание сети Fidonet позволило объединить тысячи локальных почтовых ящиков BBS и создать для них единую систему электронной почты. Несмотря на относительную дешевизну обслуживания, ни одна из диалоговых систем BBS не может дать пользователям тех возможностей, которые предоставляет сеть Интернет.

ИТ поддержки принятия решений — это ИТ, которая помогает человеку перерабатывать большие объемы информации и принимать решения. Под управлением человека компьютер может, анализируя данные, обобщая и выявляя различные закономерности, создавать новую информацию в виде различных отчетов.

Информационное обеспечение данной ИТ основано на концепции хранилища данных. Для хранилищ данных характерны следующие основные свойства:

1. Ориентация на предметную область — хранилище в первую очередь отражает специфику предметной области, а не приложений;

2. Интегрированность — информация, загружаемая в хранилище из баз, ориентированных на частные прикладные задачи, должна быть приведена к единому синтаксическому семантическому виду. Важно также провести проверку поступающих данных на целостность и непротиворечивость. Чтобы при выполнении аналитических запросов избежать выполнения операций группирования, данные должны обобщаться (агрегироваться) при загрузке хранилища;

3. Неизменяемость данных — хранилищам свойственна ретроспективность: объем накопленных данных должен быть достаточным для решения аналитических задач с требуемым качеством. Поэтому данные после загрузки в них остаются неизменными: внесение каких-либо изменений, кроме добавления записей, не предполагается;

4. Поддержка хронологии — для выполнения большинства аналитических запросов необходим анализ тенденций развития явлений или характера изменения значений переменных во времени, что обычно достигается введением атрибутов типа дата/время;

5. Многомерное концептуальное представление — совокупности данных могут быть проанализированы вдоль нескольких независимых измерений.

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. Эти системы обладают следующими свойствами:

1. Многомерное концептуальное представление данных. Совокупности данных могут быть проанализированы вдоль нескольких независимых измерений. Каждое измерение включает направления консолидации данных, состоящие из серии последовательных уровней обобщения, где каждый вышестоящий уровень соответствует большей степени агрегации данных по соответствующему измерению. Количество измерений и уровней агрегации должно быть неограниченным. Измерения равноправны.

2. Прозрачность. Пользователь не должен знать о том, какие конкретные средства используются для хранения и обработки данных, как данные организованы и откуда берутся. Система должна поддерживать возможность многопользовательской работы.

3. Устойчивая производительность. Система должна обеспечивать выдачу большинства ответов пользователям в пределах приблизительно пяти секунд. При этом самые простые запросы обрабатываются в течение одной секунды и очень немногие — более 20-ти секунд (исследования показывают, что конечные пользователи воспринимают процесс неудачным, если результаты не получены по истечении 30 секунд). Производительность не должна уменьшаться с увеличением числа измерений и размеров БД. В частности, должна обеспечиваться оптимальная обработка разреженных матриц (т.е. таблиц, многие ячейки которых не заполнены).

OLAP -системы могут базироваться на специальных многомерные СУБД (MOLAP) или на использовании классических реляционных баз данных (ROLAP). Оба варианта имеют свои недостатки. Так, многомерные СУБД не позволяют работать с очень большими объемами данных и неэффективно расходуют внешнюю память. Реляционные же СУБД при работе с многомерными данными демонстрируют значительно меньшую производительность. Существуют также гибридные системы (HOLAP), цель которых — совмещение достоинств и минимизация недостатков, присущих предыдущим классам.

Рис. 3.Архитектура системы многомерного интеллектуального анализа данных

Интеллектуальная обработка производится методами интеллектуального анализа данных (Data Mining), главными задачами которого являются поиск функциональных и логических закономерностей в накопленной информации, построение моделей и правил, которые объясняют найденные аномалии и прогнозируют развитие некоторых процессов.