Системы поддержки принятия решений (DSS).

Основная концепция DSS – дать пользователям инструментальные средства, необходимые для анализа важных блоков данных, используя легкоуправляемые сложные модели гибким способом. DSS разработаны, чтобы предоставить возможности, а не просто, чтобы ответить на информационные потребности. Принятие решений включает четыре стадии: распознавание, проект, выбор и реализация. DSS предназначены, чтобы помогать проектировать, оценивать альтернативы и контролировать процесс реализации.

Фактически большинство решений принимается коллективно. В большой организации принятие решений по существу групповой процесс, и DSS могут быть разработаны, чтобы облегчить принятие решений группой.

Рассмотрим рис. 2 и увидим, что DSS имеет три основных компонента: базу данных, модель и систему программного обеспечения DSS. База данных DSS – собрание текущих или исторических данных из ряда приложений или групп, организованных для легкого доступа к областям применения. СУБД DSS защищает целостность данных при управлении, которое хранит поток данных, а также сохраняет исторические данные.

Рис. 2. Принципиальная схема DSS.

DSS используют организационные данные (из таких систем, как производство и продажа) так, чтобы личности и группы были способны принять решения, основанные на фактических данных. Модель – собрание математических и аналитических моделей, которые могут быть сделаны легко доступными для пользователя DSS, это абстрактное представление, которое поясняет компоненты или связи явления.

Пользователь этого типа модели мог быть снабжен набором предыдущих данных, чтобы оценить будущие условия и продажу, которые могли бы следовать из этих условий. Изготовитель решения может затем изменить эти будущие условия (например, повышение затрат сырья или появление новых конкурентов на рынке), чтобы определить, как эти новые могли бы влиять на продажу. Также, например, чтобы попытаться предсказывать действия конкурентов.

Среди наиболее широко используемых моделей – модели анализа чувствительности, которые задают вопросы типа «что, если?» неоднократно, чтобы определить влияние одного или большего количества факторов на результаты. Анализ «что, если?» на основе известных или принятых условий допускает, чтобы пользователь изменял некоторые значения результатов испытаний, чтобы лучше предсказывать результаты, если изменения появляются в этих значениях.

Что случится, если мы поднимем цену на 5 % или увеличим смету расходов на рекламу на 100000$? Что случится, если мы оставим цену и смету расходов на рекламу на прежнем уровне? В обратном направлении ПО анализа чувствительности используется для целевого поиска: если я желаю продать один миллион единиц изделия в следующем году, насколько я должен снизить цену изделия?

Третий компонент DSS – система программного обеспечения DSS, которая обеспечивает простое взаимодействие между пользователями системы, базой данных DSS и эталонным вариантом. Система программного обеспечения DSS управляет созданием, хранением и восстановлением моделей в образцовой основе и интегрирует их с данными в базе данных DSS, обеспечивает графический, легкий в использовании, гибкий интерфейс пользователя, которые поддерживает диалог между пользователем и DSS. DSS также обслуживают уровень управления организацией, помогают менеджерам принимать решения, которые являются слабоструктурированными, уникальными или быстро изменяющимися и которые не могут быть легко указаны заранее. DSS должны быть достаточно гибкими, чтобы использоваться несколько раз в день, соответствуя изменяющимся условиям. DSS в основном используют внутреннюю информацию из TPS и MIS, но часто вводят информацию из внешних источников типа текущих цен на бирже или цен изделия конкурентов.

Ясно, что в соответствии с замыслом DSS имеют большую аналитическую мощность, чем другие системы: они построены с рядом моделей, чтобы анализировать данные. DSS построены так, чтобы пользователи могли работать с ними непосредственно; эти системы явно включают удобное для пользователя программное обеспечение. Системы DSS интерактивны; пользователь может изменять предположения и включать новые данные.

Системы поддержки принятия решений помогают находить ответы не только на прямой вопрос «что, если?», но и на подобные. Приведем типичные вопросы по системам поддержки решений.

Анализ примеров – оценка значений выходных величин для заданного набора значений входных переменных.

Параметрический («что, если?») анализ – оценка поведения выходных величин при изменении значений входных переменных.

Анализ чувствительности – исследование поведения результирующих переменных в зависимости от изменения значений одной или нескольких входных переменных.

Анализ возможностей – нахождение значений входной переменной, которые обеспечивают желаемый результат (известен также под называнием «поиск целевых решений», «анализ значений целей», «управление по целям».

Анализ влияния – выявление для выбранной результирующей переменной всех входных переменных, влияющих на ее значение, и оценка величины изменения результирующей переменной при заданном изменении входной переменной, скажем, на 1 %.

Анализ данных – прямой ввод в модель ранее имевшихся данных и манипулирование ими при прогнозировании.

Сравнение и агрегирование – сравнение результатов двух или более прогнозов, сделанных при различных входных предположениях, или сравнение предсказанных результатов с действительными, или объединение результатов, полученных при различных прогнозах или для разных моделей.

Командные последовательности – возможность записывать, исполнять, сохранять для последующего использования регулярно выполняемых серий команд и сообщений.

Анализ риска – оценка изменения выходных переменных при случайных изменениях входных величин.

Оптимизация – поиск значений управляемых входных переменных, обеспечивающих наилучшее значение одной или нескольких результирующих переменных.

Поиск по сайту: