Информационные системы в менеджменте

Информационная система Скачать презентацию
<< Информационная система организации		Автоматизации производственных процессов >>

Структура системы управления	Технология управления	Стратификация КИС по уровням управления	Стратификация КИС по уровням управления	Стратификация КИС по уровням управления
Структура экспертной системы поддержки принятия решения				Разновидности существующих ИС для СППР
Разновидности существующих ИС для СППР	Архитектура СППР	Архитектура	Хранилище данных	Архитектура СППР: трехуровневое хранилище данных

Фото из презентации «Информационные системы в менеджменте» к уроку экономики на тему «Информационная система»

Автор: Trofimov. Чтобы познакомиться с фотографией в полном размере, нажмите на её эскиз. Чтобы можно было использовать все фотографии на уроке экономики, скачайте бесплатно презентацию «Информационные системы в менеджменте» со всеми фотографиями в zip-архиве размером 386 КБ.

Скачать презентацию

Информационные системы в менеджменте

содержание презентации «Информационные системы в менеджменте»

Сл	Текст	Эф	Сл	Текст	Эф
1	Информационные системы в менеджменте. Системы	0	23	означает, что вся организация должна согласовать все	0
1	Поддержки процессов Принятия Решений.	0		определения и процессы преобразования данных.
2	Структура системы управления. Любого типа	0		Преимущества: Данные хранятся в единственном экземпляре
	упорядоченность возникает в результате какого-то			Минимальные затраты на хранение данных Отсутствуют
	воздействия окружающей среды на систему. Система,			проблемы, связанные с синхронизацией нескольких копий
	приспосабливаясь к изменяющимся условиям, накапливает			данных Данные консолидируются на уровне предприятия,
	полезную для себя информацию, повышает уровень своей			что позволяет иметь единую картину бизнеса Недостатки:
	организованности. По существу, вся содержащаяся в			Данные не структурируются для поддержки потребностей
	системе структурная информация вводится окружающей			отдельных пользователей или групп пользователей
	средой, и ее изменение (саморазвитие) обусловлено в			Возможны проблемы с производительностью системы
	основном длительным влиянием среды. Таким образом,			Возможны трудности с разграничением прав пользователей
	структуру системы можно рассматривать как связанную,			на доступ к данным.
	внутреннюю информацию, которая возникает во втором		24	Архитектура СППР: Трехуровневое хранилище данных.	0
	контуре управления в результате циркуляции оперативной		25	Трехуровневое хранилище данных. Хранилище данных	0
	информации в первом контуре управления.			представляет собой единый централизованный источник
3	Структура системы управления. Первый контур системы	0		корпоративной информации. Витрины данных представляют
	управления {Y(t)?U10(t)} обеспечивает стабилизацию			подмножества данных из хранилища, организованные для
	выходов Y(t) объекта (гомеостазис) и отвечает за его			решения задач отдельных подразделений компании.
	эволюционное развитие. Второй контур управления			Конечные пользователи имеют возможность доступа к
	{Y(t)?U20(t)?U21(t)}, накапливая информацию о входах			детальным данным хранилища, в случае если данных в
	{X(t), U10(t), U20(t)} и выходах {Y(t)} объекта,			витрине недостаточно, а также для получения более
	обеспечивает его революционное (скачкообразное)			полной картины состояния бизнеса. Преимущества:
	развитие.			Создание и наполнение витрин данных упрощено, поскольку
4	Процесс управления организацией. Цели.	24		наполнение происходит из единого стандартизованного
	Планирование. Планирование. Анализ. Регулирование.			надежного источника очищенных нормализованных данных
	Учет. Объект управления. Решение. Показатели.			Витрины данных синхронизированы и совместимы с
	Альтернативы. Ситуация. Задания. Факт.			корпоративным представлением. Имеется корпоративная
5	Технология управления. Технологию управления	0		модель данных. Существует возможность сравнительно
	представим в виде совокупности четырех основных функций			лёгкого расширения хранилища и добавления новых витрин
	менеджмента: планирование, учет, анализ и регулирование			данных Гарантированная производительность Недостатки:
	Планирование – процесс принятия решения, которое			Существует избыточность данных, ведущая к росту
	вырабатывается на основе целей, формулируемых			требований на хранение данных Требуется согласованность
	вышестоящей организацией, и альтернатив, генерируемых			с принятой архитектурой многих областей с потенциально
	на фазе «Анализ». Учет – процесс получения объективной			различными требованиями (например, скорость внедрения
	информации о складывающейся на объекте ситуации путем			иногда конкурирует с требованиями следовать
	сбора фактических значений параметров и их обработки по			архитектурному подходу).
	заданным алгоритмам. Анализ – процесс генерирования		26	Методы поддержки принятия решений. Для поддержки	0
	альтернатив на основании складывающейся на объекте			принятия решений c помощью информационных технологий,
	ситуации и желаемых значений параметров, задаваемых ЛПР			включая анализ и выработку альтернатив, в СППР
	на фазе «Планирование», с одной стороны, и постановка			используются следующие методы: 1) информационный поиск;
	диагноза и выявление причин отклонения движения системы			2) интеллектуальный анализ данных; 3) извлечение
	от заданной траектории, с другой стороны. Регулирование			(поиск) знаний в базах данных; 4) рассуждение на основе
	– процесс формирования и контроль исполнения заданий			прецедентов; 5) имитационное моделирование; 6)
	предприятию и его подразделениям для реализации			генетические алгоритмы; 7) искусственные нейронные
	выбранного на фазе «Планирование» решения.			сети; 8) методы искусственного интеллекта.
6	История ИС для разработки управленческих решений.	0	27	Информационный поиск. Информационный поиск (ИП)	0
	Первыми стали информационные системы, предназначенные			(англ. Information retrieval) — процесс поиска
	для обработки электронных данных – СОД (Electronic Data			неструктурированной документальной информации и наука
	Processing – EDP). Информационные системы			об этом поиске. Термин «информационный поиск» был
	(оперативного) управления ? ИСУ (Management Information			впервые введён Кельвином Муром в 1948 в его докторской
	System ? MIS) предназначены для автоматизации таких			диссертации, опубликован и употребляется в литературе с
	функций, как: учет, регулирование и частично функции			1950. Сначала системы автоматизированного
	анализа. Система поддержки принятия решений ? СППР			информационного поиска, или информационно-поисковые
	(Decision Support System – DSS) представляет собой вид			системы (ИПС), использовались лишь для управления
	информационной системы, предназначенной для помощи			информационным взрывом в научной литературе. Многие
	менеджеру при решении плохо структурированных задач,			университеты и публичные библиотеки стали использовать
	возникающих в процессе принятия решений Экспертные			ИПС для обеспечения доступа к книгам, журналам и другим
	системы (ЭС) представляют собой раздел искусственного			документам. Широкое распространение ИПС получили с
	интеллекта и используются в СППР для повышения			появлением сети Интернет. У русскоязычных пользователей
	производительности и качества принимаемых решений.			наибольшей популярностью пользуются поисковые системы
	Стратегические информационные системы – СИС			Google, Yandex и Rambler.
	корпоративного типа (Enterprise Strategic System - ESS)		28	Интеллектуальный анализ данных. Интеллектуальный	0
	предназначены для оказания помощи высшему руководству			анализ данных (англ. Data Mining) — выявление скрытых
	компании (Top Managers) в процессе поддержки принятия			закономерностей или взаимосвязей между переменными в
	стратегических решений.			больших массивах необработанных данных. Подразделяется
7	Стратификация КИС по уровням управления.	0		на задачи классификации, моделирования и
8	Стратификация КИС по уровням управления.	0		прогнозирования и другие. Термин «Data Mining» введен
9	Структура экспертной системы поддержки принятия	0		Григорием Пятецким-Шапиро в 1989 году. Английский
9	решения.	0		термин «Data Mining» не имеет однозначного перевода на
10	СППР (DSS) - это. Компьютерная автоматизированная	0		русский язык (добыча данных, вскрытие данных,
	система, целью которой является помощь лицам,			информационная проходка, извлечение данных/информации)
	принимающим решение в сложных условиях, для полного и			поэтому в большинстве случаев используется в оригинале.
	объективного анализа предметной деятельности;			Наиболее удачным непрямым переводом считается термин
	совокупность процедур по обработке данных и суждений,			«интеллектуальный анализ данных». Data Mining включает
	помогающих руководителю в принятии решений, основанная			методы и модели статистического анализа и машинного
	на использовании моделей; интерактивные			обучения, дистанцируясь от них в сторону
	автоматизированные системы, помогающие лицу,			автоматического анализа данных. Инструменты Data Mining
	принимающему решения, использовать данные и модели для			позволяют проводить анализ данных предметными
	решения слабо структурированных проблем; система,			специалистами (аналитиками), не владеющими
	которая обеспечивает пользователям доступ к данным			соответствующими математическими знаниями.
	и/или моделям, так что они могут принимать лучшие		29	Извлечение знаний в базах данных. Извлечение	0
	решения.			(поиск) знаний в базах данных (Knowledge Discovery in
11	Разновидности существующих ИС для СППР.	0		Databases – KDD) ? процесс обнаружения полезных знаний
12	Разновидности существующих ИС для СППР.	0		в базах данных. Эти знания могут быть представлены в
13	Современные Системы Поддержки Принятия Решений.	0		виде закономерностей, правил, прогнозов, связей между
	являются результатом мультидисциплинарного исследования			элементами данных и др. Главным инструментом поиска
	и включают теории: баз данных (Data Base ? DB) и баз			знаний в процессе KDD являются аналитические технологии
	знаний (Data Knowledge – DK); искусственного интеллекта			Data Mining, реализующие задачи классификации,
	(Artificial Intelligence ? AI); интерактивных			кластеризации, регрессии, прогнозирования, предсказания
	компьютерных систем; методов имитационного			и т.д. Однако, в соответствии с концепцией KDD,
	моделирования и др. возникли в результате слияния			эффективный процесс поиска знаний не ограничивается их
	управленческих информационных систем и систем			анализом. KDD включает последовательность операций,
	управления базами данных и знаний. Современные СППР			необходимых для поддержки аналитического процесса. К
	используют следующие информационные технологии:			ним относятся: Консолидация данных. Подготовка
	хранилища данных (Data Warehouse ? DW); средства			анализируемых выборок данных. Очистка данных от
	оперативной (в реальном масштабе времени) аналитической			факторов, мешающих их корректному анализу.
	обработки информации (On-Line Analytical Processing ?			Трансформация – оптимизация данных. Анализ данных –
	OLAP); средства извлечения данных – (Data Mining ? DM),			применение методов и технологий Data Mining
	текстов (Text Mining – TM) и визуальных образов (Image			Интерпретация и визуализация результатов анализа, их
	Mining – IM).			применение в бизнес-приложениях.
14	Предназначение СППР. СППР использует и данные, и	0	30	Рассуждение на основе прецедентов. Прецедент ?	0
	модели; СППР предназначены для помощи менеджерам в			случай, имевший место ранее и служащий примером или
	принятии решений для слабоструктурированных и			оправданием для последующих случаев подобного рода.
	неструктурированных задач; СППР поддерживают, а не			Вывод на основе прецедентов (CBR – Case-Based
	заменяют, выработку решений менеджерами; Цель СППР —			Reasoning) является подходом, позволяющим решить новую
	улучшение эффективности решений.			задачу, используя или адаптируя решение уже известной
15	Классификации СППР. Пассивной СППР называется	0		задачи. Как правило, такие методы рассуждений включают
	система, которая помогает процессу принятия решения, но			в себя четыре основных этапа, образующие так называемый
	не может вынести предложение, какое решение принять.			цикл рассуждения на основе прецедентов или CBR-цикл.
	Активная СППР может сделать предложение, какое решение			Основная цель использования аппарата прецедентов в
	следует выбрать. Кооперативная позволяет ЛПР изменять,			рамках СППР и, в частности, систем экспертной
	пополнять или улучшать решения, предлагаемые системой,			диагностики сложных объектов, заключается в выдаче
	посылая затем эти изменения в систему для проверки.			готового решения ЛПР для текущей ситуации на основе
	Система изменяет, пополняет или улучшает эти решения и			прецедентов, которые уже имели место в прошлом при
	посылает их опять пользователю. Процесс продолжается до			управлении данным объектом или процессом.
	получения согласованного решения.		31	Имитационное моделирование. Имитационное	0
16	Классификации СППР. 1. СППР, управляющие	0		моделирование — это метод, позволяющий строить модели,
	сообщениями (Communication-Driven DSS, ранее групповая			описывающие процессы так, как они проходили бы в
	СППР — GDSS), поддерживает группу пользователей,			действительности. Такую модель можно «проиграть» во
	работающих над выполнением общей задачи. 2. СППР,			времени как для одного испытания, так и заданного их
	управляющие данными (Data-Driven DSS) или СППР,			множества. При этом результаты будут определяться
	ориентированные на работу с данными (Data-oriented DSS)			случайным характером процессов. По этим данным можно
	в основном ориентируются на доступ и манипуляции с			получить достаточно устойчивую статистику. Имитационное
	данными. 3. СППР, управляющие документами			моделирование — это метод исследования, при котором
	(Document-Driven DSS), управляют, осуществляют поиск и			изучаемая система заменяется моделью с достаточной
	манипулируют неструктурированной информацией, заданной			точностью описывающей реальную систему и с ней
	в различных форматах. 4. СППР, управляющие знаниями			проводятся эксперименты с целью получения информации об
	(Knowledge-Driven DSS), обеспечивают решение задач в			этой системе. Экспериментирование с моделью называют
	виде фактов, правил, процедур. 5. СППР, управляющие			имитацией (имитация — это постижение сути явления, не
	моделями (Model-Driven DSS), характеризуются в основном			прибегая к экспериментам на реальном объекте).
	доступом и манипуляциями с математическими моделями			Имитационное моделирование — это частный случай
	(статистическими, финансовыми, оптимизационными,			математического моделирования. Существует класс
	имитационными). 6. Отметим, что некоторые OLAP-системы,			объектов, для которых по различным причинам не
	позволяющие осуществлять сложный анализ данных, могут			разработаны аналитические модели, либо не разработаны
	быть отнесены к гибридным СППР, которые обеспечивают			методы решения полученной модели. В этом случае
	моделирование, поиск и обработку данных.			математическая модель заменяется имитатором или
17	Классификации СППР. Оперативные СППР предназначены	0		имитационной моделью.
	для немедленного реагирования на изменения текущей		32	Генетические алгоритмы. Генетический алгоритм	0
	ситуации в управлении финансово-хозяйственными			(англ. genetic algorithm) — это эвристический алгоритм
	процессами компании. Стратегические СППР ориентированы			поиска, используемый для решения задач оптимизации и
	на анализ значительных объемов разнородной информации,			моделирования путем последовательного подбора,
	собираемых из различных источников. Важнейшей целью			комбинирования и вариации искомых параметров с
	этих СППР является поиск наиболее рациональных			использованием механизмов, напоминающих биологическую
	вариантов развития бизнеса компании с учетом влияния			эволюцию. Является разновидностью эволюционных
	различных факторов, таких как конъюнктура целевых для			вычислений (англ. evolutionary computation).
	компании рынков, изменения финансовых рынков и рынков			Отличительной особенностью генетического алгоритма
	капиталов, изменения в законодательстве и др. СППР			является акцент на использование оператора
	первого типа получили название Информационных Систем			«скрещивания», который производит операцию рекомбинации
	Руководства (Executive Information Systems ? EIS). По			решений-кандидатов, роль которой аналогична роли
	сути, они представляют собой конечные наборы отчетов,			скрещивания в живой природе. Описание алгоритма. Задача
	построенных на основании данных из транзакционной			кодируется таким образом, чтобы её решение могло быть
	информационной системы предприятия, в идеале адекватно			представлено в виде вектора («хромосома»). Случайным
	отражающих в режиме реального времени основные аспекты			образом создаётся некоторое количество начальных
	производственной и финансовой деятельности. СППР			векторов («начальная популяция»). Они оцениваются с
	второго типа предполагают достаточно глубокую			использованием «функции приспособленности», в
	проработку данных, специально преобразованных так,			результате чего каждому вектору присваивается
	чтобы их было удобно использовать в ходе процесса			определённое значение («приспособленность»), которое
	принятия решений. Неотъемлемым компонентом СППР этого			определяет вероятность выживания организма,
	уровня являются правила принятия решений, которые на			представленного данным вектором. После этого с
	основе агрегированных данных дают возможность			использованием полученных значений приспособленности
	менеджерам компании обосновывать свои решения,			выбираются векторы (селекция), допущенные к
	использовать факторы устойчивого роста бизнеса компании			«скрещиванию». К этим векторам применяются
	и снижать риски. Технологии этого типа строятся на			«генетические операторы» (в большинстве случаев
	принципах многомерного представления и анализа данных			«скрещивание» - crossover и «мутация» - mutation),
	(OLAP).			создавая таким образом следующее «поколение». Особи
18	Архитектура СППР: Функциональная СППР.	0		следующего поколения также оцениваются, затем
19	Функциональная СППР. Функциональная СППР является	0		производится селекция, применяются генетические
	наиболее простой с архитектурной точки зрения. Такие			операторы и т. д.
	системы часто встречаются на практике, в особенности в		33	Искусственные нейронные сети. Искусственные	0
	организациях с невысоким уровнем аналитической культуры			нейронные сети (ИНС) — математические модели, а также
	и недостаточно развитой информационной инфраструктурой.			их программные или аппаратные реализации, построенные
	Характерной чертой функциональной СППР является то, что			по принципу организации и функционирования
	анализ осуществляется с использованием данных из			биологических нейронных сетей — сетей нервных клеток
	оперативных систем. Преимущества: Быстрое внедрение за			живого организма. Это понятие возникло при изучении
	счет отсутствия этапа перегрузки данных в			процессов, протекающих в мозге при мышлении, и при
	специализированную систему Минимальные затраты за счет			попытке смоделировать эти процессы. Первой такой
	использования одной платформы Недостатки: Единственный			моделью мозга был перцептрон. Впоследствии эти модели
	источник данных, потенциально сужающий круг вопросов,			стали использовать в практических целях, как правило, в
	на которые может ответить система Оперативные системы			задачах прогнозирования. С точки зрения машинного
	характеризуются очень низким качеством данных с точки			обучения, нейронная сеть представляет собой частный
	зрения их роли в поддержке принятия стратегических			случай методов распознавания образов, дискриминантного
	решений. В силу отсутствия этапа очистки данных, данные			анализа, методов кластеризации и т. п. С математической
	функциональной СППР, как правило, обладают невысоким			точки зрения обучение нейронных сетей, это
	качеством Большая нагрузка на оперативную систему.			многопараметрическая задача нелинейной оптимизации. С
	Сложные запросы могут привести к остановке работы			точки зрения кибернетики, нейронная сеть используется в
	оперативной системы, что весьма нежелательно.			задачах адаптивного управления и как алгоритмы для
20	Архитектура СППР: Независимые витрины данных.	0		робототехники. С точки зрения развития вычислительной
21	Независимые витрины данных. Независимые витрины	0		техники и программирования, нейронная сеть — способ
	данных часто появляются в организации исторически и			решения проблемы эффективного параллелизма. А с точки
	встречаются в крупных организациях с большим			зрения искусственного интеллекта, ИНС является основой
	количеством независимых подразделений, зачастую имеющих			философского течения коннективизма и основным
	свои собственные отделы информационных технологий.			направлением в структурном подходе по изучению
	Преимущества: Витрины данных можно внедрять достаточно			возможности построения (моделирования) естественного
	быстро Витрины проектируются для ответов на конкретный			интеллекта с помощью компьютерных алгоритмов.
	ряд вопросов Данные в витрине оптимизированы для		34	Методы искусственного интеллекта. Искусственный	0
	использования определенными группами пользователей, что			интеллект (ИИ) (англ. Artificial intelligence, AI) —
	облегчает процедуры их наполнения, а также способствует			это наука и разработка интеллектуальных машин и систем,
	повышению производительности Недостатки: Данные			особенно интеллектуальных компьютерных программ,
	хранятся многократно в различных витринах данных. Это			направленных на то, чтобы понять человеческий
	приводит к дублированию данных и, как следствие, к			интеллект. При этом используемые методы не обязаны быть
	увеличению расходов на хранение и потенциальным			биологически правдоподобны. Но проблема состоит в том,
	проблемам, связанным с необходимостью поддержания			что неизвестно какие вычислительные процедуры мы хотим
	непротиворечивости данных Потенциально очень сложный			называть интеллектуальным. А так как мы понимаем только
	процесс наполнения витрин данных при большом количестве			некоторые механизмы интеллекта, то под интеллектом в
	источников данных Данные не консолидируются на уровне			пределах этой науки мы понимаем только вычислительную
	предприятия, таким образом, отсутствует единая картина			часть способности достигнуть целей в мире. Единого
	бизнеса.			ответа на вопрос чем занимается искусственный
22	Архитектура СППР: Двухуровневое хранилище данных.	0		интеллект, не существует. Почти каждый автор, пишущий
23	Двухуровневое хранилище данных. Двухуровневое	0		книгу об ИИ, отталкивается в ней от какого-либо
	хранилище данных строится централизованно для			определения, рассматривая в его свете достижения этой
	предоставления информации в рамках компании. Для			науки. Обычно эти определения сводятся к следующим:
	поддержки такой архитектуры необходима выделенная			тест Тьюринга; когнитивное моделирование; логический
	команда профессионалов в области хранилищ данных.Это			подход; агентно- ориентированный подход.
34	«Информационные системы в менеджменте» \| Информационные системы в менеджменте				24