Немного из википедии
Принятие решения — это процесс рационального или иррационального выбора альтернатив, имеющий целью достижение осознаваемого результата [1]
Рациональный выбор альтернатив
Рациональный выбор альтернатив состоит из следующих этапов:
1. Ситуационный анализ
2. Идентификация проблемы и постановка цели
3. Поиск необходимой информации
4. Формирование альтернатив
5. Формирование критериев для оценки альтернатив
6. Проведение оценки
7. Выбор наилучшей альтернативы
8. Внедрение (исполнение)
9. Разработка критериев (индикаторов) для мониторинга
10. Мониторинг исполнение
11. Оценка результата
Иррациональный выбор альтернатив включает все те же составляющие, но в таком «сжатом» виде, что трассирование причинно-следственных связей становится невозможным.
____________________________________________________________________________________________
Теория принятия решений
Теория принятия решений — область исследования, вовлекающая понятия и методы математики, статистики, экономики, менеджмента и психологии; изучает закономерности выбора людьми путей решения разного рода задач, а также исследует способы поиска наиболее выгодных из возможных решений.
Различают нормативную теорию, которая описывает рациональный процесс принятия решения и дескриптивную теорию, описывающую практику принятия решений.
Содержание
* 1 Прогнозирование и планирование
* 2 Проблема эргодичности
* 3 Принятие решений в условиях неопределённости
o 3.1 Выбор при неопределённости
o 3.2 Пари Паскаля — выбор при неопределённости
* 4 Ошибки первого и второго рода
* 5 Альтернативы теории вероятностей
* 6 Парадокс выбора
* 7 Примечания
* 8 См. также
* 9 Литература
* 10 Ссылки
Прогнозирование и планирование
Теория принятия решений утверждает[источник не указан 94 дня], что прогнозирование и планирование — суть одно и то же — для их алгоритмизации применяются существенно одни и те же алгоритмы распознавания образов. Можно показать, что все применяемые методики прогнозирования можно формализовать в понятиях многомерного регрессионного анализа (по крайней мере, в той части, где регрессия аппроксимирует методы распознавания образов).
Проблема эргодичности
Для того чтобы делать «строгие» статистически достоверные прогнозы на будущее, нужно получить выборку из будущих данных. Так как это невозможно, то многие специалисты предполагают, что выборки из прошлых и текущих, например, рыночных индикаторов равнозначны выборке из будущего. Иными словами, если встать на такую точку зрения, то получится, что прогнозируемые показатели — лишь статистические тени прошлых и текущих рыночных сигналов. Такой подход сводит работу аналитика к выяснению, каким образом участники рынка получают и обрабатывают рыночные сигналы. Без устойчивости рядов нельзя делать обоснованные выводы. Но это вовсе не значит, что ряд должен быть устойчив во всем. Например, он может иметь устойчивые дисперсии и совершенно нестационарные средние — в этом случае мы будем делать выводы только о дисперсии, в обратном случае только о среднем. Устойчивости могут носить и более экзотический характер. Поиск устойчивостей в рядах и есть одна из задач статистики.
Если лица, принимающие решения, полагают, что процесс не является стационарным (устойчивым), а следовательно, эргодическим, и даже если они считают, что вероятностные функции распределения инвестиционных ожиданий все-таки могут быть посчитаны, то эти функции «подвержены внезапным (то есть непредсказуемым) изменениям» и система, по существу, непредсказуема.
Принятие решений в условиях неопределённости
Условиями неопределённости считается ситуация, когда результаты принимаемых решений неизвестны. Неопределенность подразделяется на стохастическую (имеется информация о распределении вероятности на множестве результатов), поведенческую (имеется информация о влиянии на результаты поведения участников), природную (имеется информация только о возможных результатах и отсутствует о связи между решениями и результатами) и априорную (нет информации и о возможных результатах). Задача обоснования решений в условиях неопределенности всех типов, кроме априорной, сводится к сужению исходного множества альтернатив на основе информации, которой располагает ЛПР. Качество рекомендаций для принятия решений в условиях стохастической неопределенности повышается при учете таких характеристик личности ЛПР, как отношение к своим выигрышам и проигрышам, склонность к риску. Обоснование решений в условиях априорной неопределенности возможно построением алгоритмов адаптивного управления[1]
Выбор при неопределённости
Эта область представляет ядро теории принятия решений.
Термин, теперь известный как «ожидаемая ценность» (математическое ожидание) был известен с XVII века. Блез Паскаль использовал это в его известном пари, (см. ниже), который содержится в его работе «Pensées», изданной в 1670. Идея ожидаемой ценности заключается в том, что перед лицом множества действий, когда каждое из них может дать несколько возможных результатов с различными вероятностями, рациональная процедура должна идентифицировать все возможные результаты, определить их ценности (положительные или отрицательные) и вероятности, затем перемножить соответствующие ценности и вероятности и сложить, чтобы дать в итоге «ожидаемую ценность». Действие, которое будет выбрано, должно давать наибольшую ожидаемую ценность.
В 1738, Даниил Бернулли опубликовал влиятельную статью, названную «Предложение новой теории измерения риска (Exposition of a New Theory on the Measurement of Risk)», в котором он использует Санкт-Петербургский парадокс, чтобы показать, что теория ожидаемой ценности должна быть нормативно неправильной. Он также даёт пример, в котором голландский торговец пробует решить, застраховать ли груз, посылаемый из Амстердама в Санкт-Петербург зимой, когда известно, что есть 5%-ный шанс, что судно и груз будут потеряны. В его решении, он определяет функцию полезности и вычисляет ожидаемую полезность, а не ожидаемую финансовую ценность.
В XX столетии, интерес был повторно подогрет работой Абрахама Вальда (1939), указывающей, что две центральных проблемы ортодоксальной статистической теории, а именно, статистическое испытание гипотез и статистическая теория оценивания, могли оба быть расценены как специфические специальные случаи более общей теории принятия решений. Эта работа вводила большую часть «ментального пейзажа» современной теории принятия решений, включая функции потери, функции риска, допустимые решающие правила, априорные распределения, байесовские правила решения, и минимаксные решающие правила. Термин «теория принятия решений» непосредственно начал использоваться в 1950 году Э. Л. Леманном.
Возникновение теории субъективной вероятности из работ Фрэнка Рамсея, Бруно де Финетти, Леонарда Сэвиджа и других, расширяет возможности теории ожидаемой полезности до ситуаций, где доступны только субъективные вероятности. В то же время раньше в экономике вообще предполагалось, что люди ведут себя как рациональные агенты и таким образом теория ожидаемой полезности, также продвинула теорию реального человеческого поведенческого принятия решения при риске. Работа Мориса Алле и Дэниела Эллсберга показала, что это было не так очевидно.
Теория перспектив Дэниэла Канемана и Амоса Тверски помещает поведенческую экономику на более прочную опору свидетельств. Эта теория указала, что в фактическом человеческом принятии решений (в противоположность нормативному) «потери чувствительнее выигрышей». Кроме того, люди более сосредоточены на «изменениях» полезности своих состояний, чем на полезности самих состояний, а оценка соответствующих субъективных вероятностей заметно смещена относительно присущей каждому «точки отсчёта».
Решения проблем связанных с неопределенностью при Принятии Решений интересуют в основном тех, кто на самом деле пытается эти самые Решения Принимать, - утверждает Касьянов Петр - доктор психологии, кандидат технических наук, известный исследователь в области КОГНИТИВНЫХ ТЕХНОЛОГИЙ, автор и разработчик прибора "ПТИН", который служит для тренировки способности принимать верные решения в условиях неопределенности или полного отсутствия информации. Принцип работы этого прибора находит отражение в Теории перспектив, выше упомянутых Дэниэла Канемана и Амоса Тверски, поскольку суть работы прибора заключается в многократном якорении наиболее полезного состояния, что делает использование данного прибора весьма эффективным инструментом в решении проблемы неопределенности при принятии решений.
Пари Паскаля — выбор при неопределённости
Пари Паскаля — классический пример выбора при неопределённости. Неопределённость, согласно Паскалю, — существует или нет Бог. Личная вера или неверие в Бога — выбор, который должен быть сделан каждым. Однако, награда за веру в Бога, если Бог фактически существует, бесконечна. Поэтому, хотя вероятность существования Бога не так велика, а ожидаемая ценность веры превышает ценность неверия, то лучше все-таки верить в Бога.
Ошибки первого и второго рода
Разделение ошибочных решений на ошибки первого и второго рода вызвано тем, что последствия от разного рода ошибочных решений принципиально различаются в части того, что упущенный выигрыш оказывает меньшее влияние на ситуацию, чем реализованный проигрыш. Например, для биржевого брокера последствия того, что акции не были куплены, когда их следовало покупать, отличаются от последствий ситуации, когда акции были куплены, но покупать их не следовало. Первая ситуация может означать упущенную выгоду, вторая — прямые потери вплоть до разорения брокера. Аналогично для политика отказ от захвата власти в революционной ситуации отличается по последствиям от проигранной попытки захватить власть. Для генерала начать военную операцию, которая будет проиграна, гораздо хуже, чем упустить ситуацию, когда можно было провести успешную операцию. Вместе с тем, классификация ошибок первого и второго рода допустима только в ситуациях, когда ведется точный учет и анализ рисков. Так, С.Гафуров отмечал для ситуации биржевых брокеров: «Многие полагают, что стратегическая задача аналитических служб (в отличие от прочих подразделений инвестиционных компаний) — не увеличение прибыли, а минимизация возможных потерь. И это принципиальное отличие. С точки зрения теории игр оптимальные решения аналитиков должны отличаться от оптимальных трейдерских действий. Предполагается, что оптимальные стратегии, реализованные в рекомендациях аналитиков, исходят из принципа минимизации максимальных проигрышей (минимакса), в то время как для трейдеров минимакс — неприемлемая стратегия (минимизация максимального проигрыша на рынке — не играть), и в общем виде оптимизация решений трейдеров формализуется только с точки зрения байесовского подхода. Отсюда и необходимость специальных функциональных подразделений, обеспечивающих баланс стратегий, — управляющих фондами. Компании ожидают от фондовых аналитиков непредвзятых прогнозов и обоснованных рекомендаций. Одни свойства таких прогнозов очевидны: точность, достоверность. Другие, такие как воспроизводимость, методологическая корректность или робастность (независимость результатов прогноза от системы координат), часто остаются вне поля зрения как специалистов, делающих прогнозы, так и тех, кто эти прогнозы оценивает» (Cosi Fan Tutti Фондовые аналитики."Рынок Ценных Бумаг" № 24/1997 г. http://www.gafourov.narod.ru/Cosfantutti.htm).
Альтернативы теории вероятностей
Очень спорная проблема — можно ли заменить использование вероятности в теории решения другими альтернативами. Сторонники нечёткой логики, теории возможностей, теории очевидностей Демпстера-Шафера и др. поддерживает точку зрения, что вероятность — только одна из многих альтернатив и указывают на многие примеры, где нестандартные альтернативы использовались с явным успехом. Защитники теории вероятностей указывают на
* работу Ричарда Трелкелда Кокса по оправданию аксиом теории вероятностей;
* парадоксы Бруно де Финетти как иллюстрацию теоретических трудностей, которые могут возникнуть благодаря отказу от аксиом теории вероятностей;
* теоремы совершенных классов, которые показывают, что все допустимые решающие правила эквивалентны байесовскому решающему правилу с некоторым априорным распределением (возможно неподходящим) и некоторой функции полезности. Таким образом, для любого решающего правила, порожденного невероятностными методами, либо есть эквивалентное байесовское правило, либо есть байесовское правило, которое никогда не хуже, но (по крайней мере) иногда и лучше.
Действительнозначность вероятностной меры под сомнение была поставлена только однажды — Дж. М. Кейнсом в его трактате «Вероятность» (1910 год). Но сам автор в 30-х годах назвал эту работу «самой худшей и наивной» из его работ. И в 30-х годах стал активным приверженцем аксиоматики Колмогорова — Р. фон Мизеса и никогда не ставил ее под сомнение. Конечность вероятности и счетная аддитивность — это сильные ограничения, но попытка убрать их, не разрушив здания всей теории, оказались тщетными. Это в 1974 году признал один из самых ярких критиков аксиоматики Колмогорова — Бруно де Финетти.
Более того, он показал фактически обратное — отказ от счетной аддитивности делает невозможными операции интегрирования и дифференцирования и, следовательно, не дает возможности использовать аппарат математического анализа в теории вероятностей. Поэтому задача отказа от счетной аддитивности — это не задача реформирования теории вероятностей, это задача отказа от использования методов математического анализа при исследовании реального мира.
Попытки же отказаться от конечности вероятностей привели к построению теории вероятностей с несколькими вероятностными пространствами на каждом, из которых выполнялись аксиомы Колмогорова, но суммарно вероятность уже не должна была быть конечной. Но пока неизвестно каких-либо содержательных результатов, которые могли бы быть получены в рамках этой аксиоматики, но не в рамках аксиоматики Колмогорова. Поэтому это обобщение аксиом Колмогорова пока носит чисто схоластический характер.
С.Гафуров полагал, что принципиальным отличием теории вероятности Кейнса (а, следовательно, и мат. статистики) от колмогоровской (Фон Мизеса и пр.) является то, что Кейнс рассматривает статистику с точки зрения теории принятия решений для нестационарных рядов…. Для Колмогорова, Фон Мизеса, Фишера и пр. статистика и вероятность применяются для существенно стационарных и эргодичных (при правильно подобранных данных) рядов — окружающего нас физического мира…
Известно, что теория нечетких множеств (fuzzy sets) в определенном смысле сводится к теории случайных множеств, т.е к теории вероятностей. Соответствующий цикл теорем приведен в книгах А. И. Орлова, в том числе указанных в списке литературы ниже.
Парадокс выбора
Наблюдаемый во многих случаях парадокс, когда больший выбор может привести к более бедному решению или, вообще, к отказу принять решение. Иногда это теоретически объясняется тем, что называется «параличом анализа», реального или воспринятого, а также, возможно, «рациональным невежеством». Много исследователей, включая Шину С. Ииенгара и Марка Р. Леппера (Sheena S. Iyengar and Mark R. Lepper), опубликовало исследования этого явления. (Goode, 2001)
Примечания
1. ↑ С.Н.Воробьев, Е.С.Егоров, Ю.И.Плотников, Теоретические основы обоснования военно-технических решений, Москва, РВСН, 1994 год
См. также
* Системный анализ, Методика системного анализа, МАИС
* Исследование операций
* Теория игр
* Системы поддержки принятия решений
* Процесс принятия решений
* Решение задач
* Теория решения изобретательских задач[1]
* Задача секретаря
* Стохастическое доминирование
* Задача о двух конвертах
* Морфологический анализ
* Прикладная статистика
* Статистические методы
* Эконометрика
* Теория нечетких множеств
* Линейная частичная информация
* PERT — техника оценки и анализа программ при управлении проектами
Литература
* Орлов А. И. Теория принятия решений: учебник. — М.: Экзамен, 2006. — 573 с. ISBN 5-472-01393-3
* Орлов А. И. Принятие решений. Теория и методы разработки управленческих решений. Учебное пособие. — М.: МарТ, 2005. — 496 с ISBN 5-241-00629-X
* Литвак Б. Г. Разработка управленческого решения — М.: Издательство «Дело», 2004 г. — 392 с.
* Литвак Б. Г. Экспертные оценки и принятие решений.- М.: Патент, 1996. — 271 с.
* Хемди А. Таха Глава 14. Теория игр и принятия решений // Введение в исследование операций = Operations Research: An Introduction. — 7-е изд. — М.: «Вильямс», 2007. — С. 549-594. — ISBN 0-13-032374-8
* Г. Тейл. Экономические прогнозы и принятие решений. М.: «Прогресс» 1970.
* К. Д. Льюис. Методы прогнозирования экономических показателей. М.: «Финансы и статистика» 1986.
* Г. С. Кильдишев, А. А. Френкель. Анализ временных рядов и прогнозирование. М.: «Статистика» 1973.
* Дж.-О. Ким, Ч. У. Мьюллер, У. Р. Клекка и др. Факторный, дискриминантный и кластерный анализ. М.: «Финансы и статистика» 1989.
* Б. Дюран, П. Оделл. Кластерный анализ. М.: «Статистика» 1977.
* Sven Ove Hansson, «Decision Theory: A Brief Introduction», http://www.infra.kth.se/~soh/decisiontheory.pdf (an excellent non-technical and fairly comprehensive primer)
* Paul Goodwin and George Wright, Decision Analysis for Management Judgment, 3rd edition. Chichester: Wiley, 2004 ISBN 0-470-86108-8 (covers both normative and descriptive theory)
* Robert Clemen. Making Hard Decisions: An Introduction to Decision Analysis, 2nd edition. Belmont CA: Duxbury Press, 1996. (covers normative decision theory)
* D.W. North. «A tutorial introduction to decision theory». IEEE Trans. Systems Science and Cybernetics, 4(3), 1968. Reprinted in Shafer & Pearl. (also about normative decision theory)
* Glenn Shafer and Judea Pearl, editors. Readings in uncertain reasoning. Morgan Kaufmann, San Mateo, CA, 1990.
* Howard Raiffa Decision Analysis: Introductory Readings on Choices Under Uncertainty. McGraw Hill. 1997. ISBN 0-07-052579-X
* Morris De Groot Optimal Statistical Decisions. Wiley Classics Library. 2004. (Originally published 1970.) ISBN 0-471-68029-X.
* Khemani , Karan, Ignorance is Bliss: A study on how and why humans depend on recognition heuristics in social relationships, the equity markets and the brand market-place, thereby making successful decisions, 2005.
* J.Q. Smith Decision Analysis: A Bayesian Approach. Chapman and Hall. 1988. ISBN 0-412-27520-1
* Akerlof, George A. and Janet L. YELLEN, Rational Models of Irrational Behavior
* Arthur, W. Brian, Designing Economic Agents that Act like Human Agents: A Behavioral Approach to Bounded Rationality
* James O. Berger Statistical Decision Theory and Bayesian Analysis. Second Edition. 1980. Springer Series in Statistics. ISBN 0-387-96098-8.
* Goode, Erica. (2001) In Weird Math of Choices, 6 Choices Can Beat 600. The New York Times. Retrieved May 16, 2005.
* Anderson, Barry F. The Three Secrets of Wise Decision Making. Single Reef Press. 2002. ISBN 0-9722177-0-3.
Ссылки
* Логика принятия решений в современном бизнесе
* Принятие решений руководителем (когнитивные компетенции)
* Сологуб Г.Б., МАИ. Конспекты лекций и семинаров по теории принятия решений.
____________________________________________________________________________________________
Система поддержки принятия решений
Материал из Википедии — свободной энциклопедии
(Перенаправлено с Системы поддержки принятия решений)
Текущая версия (не проверялась)
Перейти к: навигация, поиск
Эту статью следует викифицировать.
Пожалуйста, оформите её согласно правилам оформления статей.
Систе́ма подде́ржки приня́тия реше́ний (СППР) (англ. Decision Support System, DSS) — компьютерная автоматизированная система, целью которой является помощь людям, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности. СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных.
Для анализа и выработки предложений в СППР используются разные методы. Это могут быть: информационный поиск, интеллектуальный анализ данных, поиск знаний в базах данных, рассуждение на основе прецедентов, имитационное моделирование, эволюционные вычисления и генетические алгоритмы, нейронные сети, ситуационный анализ, когнитивное моделирование и др. Некоторые из этих методов были разработаны в рамках искусственного интеллекта. Если в основе работы СППР лежат методы искусственного интеллекта, то говорят об интеллектуальной СППР, или ИСППР.
Близкие к СППР классы систем — это экспертные системы и автоматизированные системы управления.
Содержание
* 1 Введение
* 2 История создания СППР
* 3 Классификации СППР
* 4 Примечания
* 5 См. также
* 6 Ссылки
* 7 Литература
Введение
Современные системы поддержки принятия решения (СППР) представляют собой системы, максимально приспособленные к решению задач повседневной управленческой деятельности, являются инструментом, призванным оказать помощь лицам, принимающим решения (ЛПР). С помощью СППР может производится выбор решений некоторых неструктурированных и слабоструктурированных задач, в том числе и многокритериальных.
СППР, как правило, являются результатом мультидисциплинарного исследования, включающего теории баз данных, искусственного интеллекта, интерактивных компьютерных систем, методов имитационного моделирования.
Как справедливо отмечено в [15], «… с момента появления первых разработок по созданию СППР, не было дано четкого определения СППР…».
Ранние определения СППР (в начале 70-х годов прошлого века) отражали следующие три момента: (1) возможность оперировать с неструктурированными или слабоструктурированными задачами, в отличие от задач, с которыми имеет дело исследование операций; (2) интерактивные автоматизированные (то есть реализованные на базе компьютера) системы; (3) разделение данных и моделей. Приведем определения СППР: СППР — совокупность процедур по обработке данных и суждений, помогающих руководителю в принятии решений, основанная на использовании моделей [17].
СППР — это интерактивные автоматизированные системы, помогающие лицу, принимающему решения, использовать данные и модели для решения слабоструктуризированных проблем [17, 20].
СППР — это система, которая обеспечивает пользователям доступ к данным и/или моделям, так что они могут принимать лучшие решения [7].
Последнее определение не отражает участия компьютера в создании СППР, вопросы возможности включения нормативных моделей в состав СППР и др.
В настоящее время нет общепринятого определения СППР, поскольку конструкция СППР существенно зависит от вида задач, для решения которых она разрабатывается, от доступных данных, информации и знаний, а также от пользователей системы. Можно привести, тем не менее, некоторые элементы и характеристики, общепризнанные, как части СППР:
СППР — в большинстве случаев — это интерактивная автоматизированная система, которая помогает пользователю (ЛПР) использовать данные и модели для идентификации и решения задач и принятия решений. Система должна обладать возможностью работать с интерактивными запросами с достаточно простым для изучения языком запросов.
Согласно Turban[1], СППР обладает следующими четырьмя основными характеристиками:
1. СППР использует и данные, и модели;
2. СППР предназначены для помощи менеджерам в принятии решений для слабоструктурированных и неструктурированных задач;
3. Они поддерживают, а не заменяют, выработку решений менеджерами;
4. Цель СППР — улучшение эффективности решений.
Turban[1] предложил список характеристик идеальной СППР (которая имеет мало общих элементов с определением, приведенным выше). Идеальная СППР:
1. оперирует со слабоструктурированными решениями;
2. предназначена для ЛПР различного уровня;
3. может быть адаптирована для группового и индивидуального использования;
4. поддерживает как взаимозависимые, так и последовательные решения;
5. поддерживает 3 фазы процесса решения: интеллектуальную часть, проектирование и выбор;
6. поддерживает разнообразные стили и методы решения, что может быть полезно при решении задачи группой ЛПР;
7. является гибкой и адаптируется к изменениям как организации, так и ее окружения;
8. проста в использовании и модификации;
9. улучшает эффективность процесса принятия решений;
10. позволяет человеку управлять процессом принятия решений с помощью компьютера, а не наоборот;
11. поддерживает эволюционное использование и легко адаптируется к изменяющимся требованиям;
12. может быть легко построена, если может быть сформулирована логика конструкции СППР;
13. поддерживает моделирование;
14. позволяет использовать знания.
Рассмотрим кратко историю создания СППР.
История создания СППР
До середины 60-х годов прошлого века создание больших информационных систем (ИС) было чрезвычайно дорогостоящим, поэтому первые ИС менеджмента (так называемые Management Information Systems — MIS) были созданы в эти годы лишь в достаточно больших компаниях. MIS предназначались для подготовки периодических структурированных отчетов для менеджеров.
* В конце 60-х годов появляется новый тип ИС — модель-ориентированные СППР (Model-oriented Decision Support Systems — DSS) или системы управленческих решений (Management Decision Systems — MDS).
По мнению первооткрывателей СППР Keen P. G. W., Scott Morton M. S.[16] (1978), концепция поддержки решений была развита на основе «теоретических исследований в области принятия решений… и технических работ по созданию интерактивных компьютерных систем».
* В 1971 г. — опубликована книга Scott Morton‘а [27], в которой впервые были описаны результаты внедрения СППР, основанной на использовании математических моделей.
* 1974 г. — в работе [10] дано определение ИС менеджмента — MIS (Management Information System): «MIS — это интегрированная человеко-машинная система обеспечения информацией, поддерживающая функции операций, менеджмента и принятия решений в организации. Системы используют компьютерную технику и программное обеспечение, модели управления и принятия решений, а также базу данных» [5, p. 5].
* 1975 г. — J.D.C.Little в работе [17] предложил критерии проектирования СППР в менеджменте.
* 1978 г. — опубликован учебник по СППР [16], в котором исчерпывающе описаны аспекты создания СППР: анализ, проектирование, внедрение, оценка и разработка.
* 1980 г. — опубликована диссертация S. Alter [3], в которой он дал основы классификации СППР.
* 1981 г. — Bonczek, Holsapple и Whinston в книге [4] создали теоретические основы проектирования СППР. Они выделили 4 необходимых компонента, присущих всем СППР: 1) Языковая система (Language System — LS) — СППР может принимать все сообщения; 2) Система презентаций (Presentation System (PS)) (СППР может выдавать свои сообщения); 3) Система знаний (Knowledge System — KS) — все знания СППР сохраняет; 4) Система обработки задач (Problem-Processing System (PPS)) — программный «механизм», который пытается распознать и решить задачу во время работы СППР.
* 1981 г. — В книге [23] R.Sprague и E.Carlson описали, каким образом на практике можно построить СППР. Тогда же была разработана информационная система руководителя (Executive Information System (EIS)) — компьютерная система, предназначенная для обеспечения текущей адекватной информации для поддержки принятия управленческих решений менеджером.
* Начиная с 1990-х, разрабатываются так называемые Data Warehouses — хранилища данных.
* В 1993 г Е. Коддом (E.F. Codd) для СППР специального вида был предложен термин OLAP (Online Analytical Processing)- оперативный анализ данных, онлайновая аналитическая обработка данных для поддержки принятия важных решений. Исходные данные для анализа представлены в виде многомерного куба, по которому можно получать нужные разрезы — отчёты. Выполнение операций над данными осуществляется OLAP-машиной. По способу хранения данных различают MOLAP, ROLAP и HOLAP. По месту размещения OLAP-машины различаются OLAP-клиенты и OLAP-серверы. OLAP-клиент производит построение многомерного куба и вычисления на клиентском ПК, а OLAP-сервер получает запрос, вычисляет и хранит агрегатные данные на сервере, выдавая только результаты.
* В начале нового тысячелетия была создана СППР на основе Web.
* 27 октября 2005 года в Москве на Международной конференции «Информационные и телемедицинские технологии в охране здоровья» (ITTHC 2005), А. Пастухов (Россия) представил СППР нового класса — PSTM (Personal Information Systems of Top Managers). Основным отличием PSTM от существующих СППР является построение системы для конкретного лица, принимающее решение, с предварительной логико-аналитической обработкой информации в автоматическом режиме и выводом информации на один экран.
Классификации СППР
Для СППР отсутствует не только единое общепринятое определение, но и исчерпывающая классификация. Разные авторы предлагают разные классификации.
На уровне пользователя Haettenschwiler (1999) [12] делит СППР на пассивные, активные и кооперативные СППР. Пассивной СППР называется система, которая помогает процессу принятия решения, но не может вынести предложение, какое решение принять. Активная СППР может сделать предложение, какое решение следует выбрать. Кооперативная позволяет ЛПР изменять, пополнять или улучшать решения, предлагаемые системой, посылая затем эти изменения в систему для проверки. Система изменяет, пополняет или улучшает эти решения и посылает их опять пользователю. Процесс продолжается до получения согласованного решения.
На концептуальном уровне Power (2003) [21] отличает СППР, управляемые сообщениями (Communication-Driven DSS), СППР, управляемые данными (Data-Driven DSS), СППР, управляемые документами (Document-Driven DSS), СППР, управляемые знаниями (Knowledge-Driven DSS) и СППР, управляемые моделями (Model-Driven DSS). СППР, управляемые моделями, характеризуются в основном доступ и манипуляции с математическими моделями (статистическими, финансовыми, оптимизационными, имитационными). Отметим, что некоторые OLAP-системы, позволяющие осуществлять сложный анализ данных, могут быть отнесены к гибридным СППР, которые обеспечивают моделирование, поиск и обработку данных.
Управляемая сообщениями (Communication-Driven DSS) (ранее групповая СППР — GDSS) СППР поддерживает группу пользователей, работающих над выполнением общей задачи.
СППР, управляемые данными (Data-Driven DSS) или СППР, ориентированные на работу с данными (Data-oriented DSS) в основном ориентируются на доступ и манипуляции с данными. СППР, управляемые документами (Document-Driven DSS), управляют, осуществляют поиск и манипулируют неструктурированной информацией, заданной в различных форматах. Наконец, СППР, управляемые знаниями (Knowledge-Driven DSS) обеспечивают решение задач в виде фактов, правил, процедур.
На техническом уровне Power (1997) [19] различает СППР всего предприятия и настольную СППР. СППР всего предприятия подключена к большим хранилищам информации и обслуживает многих менеджеров предприятия. Настольная СППР — это малая система, обслуживающая лишь один компьютер пользователя. Существуют и другие классификации (Alter [3], Holsapple и Whinston [13], Golden, Hevner и Power [11]). Отметим лишь, что превосходная для своего времени классификация Alter‘a, которая разбивала все СППР на 7 классов, в настоящее время несколько устарела.
В зависимости от данных, с которыми эти системы работают, СППР условно можно разделить на оперативные и стратегические. Оперативные СППР предназначены для немедленного реагирования на изменения текущей ситуации в управлении финансово-хозяйственными процессами компании. Стратегические СППР ориентированы на анализ значительных объемов разнородной информации, собираемых из различных источников. Важнейшей целью этих СППР является поиск наиболее рациональных вариантов развития бизнеса компании с учетом влияния различных факторов, таких как конъюнктура целевых для компании рынков, изменения финансовых рынков и рынков капиталов, изменения в законодательстве и др. СППР первого типа получили название Информационных Систем Руководства (Executive Information Systems, ИСР). По сути, они представляют собой конечные наборы отчетов, построенные на основании данных из транзакционной информационной системы предприятия, в идеале адекватно отражающей в режиме реального времени основные аспекты производственной и финансовой деятельности. Для ИСР характерны следующие основные черты:
* отчеты, как правило, базируются на стандартных для организации запросах; число последних относительно невелико;
* ИСР представляет отчеты в максимально удобном виде, включающем, наряду с таблицами, деловую графику, мультимедийные возможности и т. п.;
* как правило, ИСР ориентированы на конкретный вертикальный рынок, например финансы, маркетинг, управление ресурсами.
СППР второго типа предполагают достаточно глубокую проработку данных, специально преобразованных так, чтобы их было удобно использовать в ходе процесса принятия решений. Неотъемлемым компонентом СППР этого уровня являются правила принятия решений, которые на основе агрегированных данных дают возможность менеджерам компании обосновывать свои решения, использовать факторы устойчивого роста бизнеса компании и снижать риски. СППР второго типа в последнее время активно развиваются. Технологии этого типа строятся на принципах многомерного представления и анализа данных (OLAP).
При создании СППР можно использовать Web-технологии. В настоящее время СППР на основе Web-технологий для ряда компаний являются синонимами СППР предприятия.
Архитектура СППР представляется разными авторами по-разному. Приведем пример. Marakas (1999) [18] предложил обобщенную архитектуру, состоящую из 5 различных частей: (a) система управления данными (the data management system — DBMS), (b) система управления моделями (the model management system — MBMS), (c) машина знаний (the knowledge engine (KE)), (d) интерфейс пользователя (the user interface) и (e) пользователи (the user(s)).
Примечания
1. ↑ 1 2 Turban, E. Decision support and expert systems: management support systems. -Englewood Cliffs, N.J.: Prentice Hall, 1995. — 887 p.
[править] См. также
* Теория принятия решений
* Процесс принятия решений
Ссылки
* Ссылки Центра системных исследований КАН
Литература
1. Ларичев О. И., Петровский А. В. Системы поддержки принятия решений. Современное состояние и перспективы их развития. // Итоги науки и техники. Сер. Техническая кибернетика. — Т.21. М.: ВИНИТИ, 1987, с. 131—164, http://www.raai.org/library/papers/Larichev/Larichev_Petrovsky_1987.pdf
2. Сараев А. Д., Щербина О. А. Системный анализ и современные информационные технологии //Труды Крымской Академии наук. — Симферополь: СОНАТ, 2006. — С. 47-59, http://matmodelling.pbnet.ru/Statya_Saraev_Shcherbina.pdf
3. Alter S. L. Decision support systems : current practice and continuing challenges. Reading, Mass.: Addison-Wesley Pub., 1980.
4. Bonczek R.H., Holsapple C., Whinston A.B. Foundations of Decision Support Systems.- New York: Academic Press, , 1981.
5. Davis G. Management Information Systems: Conceptual Foundations, Structure, and Development. — New York: McGraw-Hill, 1974.
6. Druzdzel M. J., Flynn R. R. Decision Support Systems. Encyclopedia of Library and Information Science. — A. Kent, Marcel Dekker, Inс., 1999.
7. Edwards J.S. Expert Systems in Management and Administration — Are they really different from Decision Support Systems? // European Journal of Operational Research, 1992. — Vol. 61. — pp. 114—121.
8. Eom H., Lee S. Decision Support Systems Applications Research: A Bibliography (1971—1988) // European Journal of Operational Research, 1990. — N 46. — pp. 333—342.
9. Finlay P. N. Introducing decision support systems. — Oxford, UK Cambridge, Mass., NCC Blackwell: Blackwell Publishers, 1994.
10. Ginzberg M.I., Stohr E.A. Decision Support Systems: Issues and Perspectives // Processes and Tools for Decision Support / ed. by H.G. Sol.. — Amsterdam: North-Holland Pub.Co, 1983.
11. Golden B., Hevner A., Power D.J. Decision Insight Systems: A Critical Evaluation // Computers and Operations Research, 1986. — v. 13. — N2/3. — p. 287—300.
12. Haettenschwiler P. Neues anwenderfreundliches Konzept der Entscheidungs-unterstutzung. Gutes Entscheiden in Wirtschaft, Politik und Gesellschaft. Zurich: Hochschulverlag AG, 1999. — S. 189—208.
13. Holsapple C.W., Whinston A.B. Decision Support Systems: A Knowledge-based Approach. — Minneapolis: West Publishing Co., 1996.
14. Keen P.G.W. Decision support systems: a research perspective. Decision support systems : issues and challenges. G. Fick and R. H. Sprague. Oxford ; New York: Pergamon Press, 1980.
15. Keen P.G.W. Decision Support Systems: The next decades // Decision Support Systems, 1987. — v. 3. — pp. 253—265.
16. Keen P.G.W., Scott Morton M. S. Decision support systems : an organizational perspective. Reading, Mass.: Addison-Wesley Pub. Co., 1978.
17. Little I.D.C. Models and Managers: The Concept of a Decision Calculus // Management Science, 1970. — v. 16. — N 8.
18. Marakas G. M. Decision support systems in the twenty-first century. Upper Saddle River, N.J.: Prentice Hall, 1999.
19. Power D. J. «What is a DSS?» // The On-Line Executive Journal for Data-Intensive Decision Support, 1997. — v. 1. — N3.
20. Power D. J. Web-based and model-driven decision support systems: concepts and issues. Americas Conference on Information Systems, Long Beach, California, 2000.
21. Power D.J. A Brief History of Decision Support Systems. DSSResources.COM, World Wide Web, http://DSSResources.COM/history/dsshistory.html, version 2.8, May 31, 2003.
22. Scott Morton M. S. Management Decision Systems: Computer-based Support for Decision Making. — Boston: Harvard University, 1971.
23. Sprague R. H., Carlson E. D. Building Effective Decision Support Systems. — Englewood Cliffs, NJ: Prentice-Hall, 1982.
24. Sprague R.H. A Framework for the Development of Decision Support Systems // MIS Quarterly, 1980. — v. 4. — pp. 1-26.
25. Thierauf R.J. Decision Support Systems for Effective Planing and Control. -Englewood Cliffs, N.J: Prentice Hall, Inc, 1982. — 536 p.
