Программа дисциплины «Информационные системы поддержки принятия решений» - umotnas.ru o_O
Главная
Поиск по ключевым словам:
страница 1
Похожие работы
Название работы Кол-во страниц Размер
Лекция Системы поддержки принятия решений Тем Системы поддержки принятия... 1 101.41kb.
Маркетинговые информационные системы 1 187.29kb.
Перспективы создания информационной системы поддержки принятия решений... 1 27.3kb.
Уровня системы поддержки принятия решений при возникновении и распространении... 1 49.65kb.
Средства моделирования на основе темпоральных сетей петри для интеллектуальных... 1 103.04kb.
Принципы построения систем поддержки принятия решений для оценки... 1 91.04kb.
Рабочая программа учебной дисциплинЫ «Интеллектуальные информационные... 1 148.62kb.
Программа дисциплины "информационные технологии" Рекомендуется Министерством... 1 101.22kb.
И методы интеллектуальной поддержки процессов принятия решений 4 1382.86kb.
Программа дисциплины "мультимедиа технология" Рекомендуется Министерством... 1 98.84kb.
Анализ и разработка схемы принятия решений в организации 1 136.89kb.
Принятие решений и финансирование по ур 1 152.48kb.
Викторина для любознательных: «Занимательная биология» 1 9.92kb.

Программа дисциплины «Информационные системы поддержки принятия решений» - страница №1/1



Федеральное государственное автономное образовательное учреждение высшего профессионального образования
"Национальный исследовательский университет
"Высшая школа экономики"

Нижегородский филиал
Факультет бизнес-информатики и прикладной математики

Программа дисциплины
«Информационные системы поддержки принятия решений»
для направления 080500.68– «Бизнес-информатика» подготовки магистра

Автор программы:

Бабкин Э.А., профессор

Одобрена на заседании кафедры Информационных систем и технологий

«___»____________ 2011 г

Зав. кафедрой Э.А. Бабкин


Рекомендована секцией УМС «Информатика» «___»____________ 2011 г

Председатель А.Н.Визгунов


Утверждена УМС НФ ГУ-ВШЭ «___»_____________2011 г.

Председатель Л.Г. Макарова ____________________


Нижний Новгород 2011



Настоящая программа не может быть использована другими подразделениями университета и другими вузами без разрешения кафедры-разработчика программы.

Область применения и нормативные ссылки

Настоящая программа учебной дисциплины устанавливает минимальные требования к знаниям и умениям студента и определяет содержание и виды учебных занятий и отчетности.

Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления 080500– «Бизнес-информатика», изучающих дисциплину «Системы поддержки принятия решений».

Программа разработана в соответствии с:



  • ФГОС ВПО по направлению 080500– «Бизнес-информатика»;

  • ООП для направления 080500– «Бизнес-информатика»;

  • Рабочим учебным планом университета по направлению 080500– «Бизнес-информатика», утвержденным в 2010г.

1Цели освоения дисциплины


Целями освоения дисциплины «Системы поддержки принятия решений» являются изучение студентами принципов построения современных систем поддержки принятия решений на основе технологий Хранилищ Данных (Data Warehousing), оперативного анализа (OLAP) и добычи данных (Data Mining) для аналитической поддержки процессов принятия решений, формирование у студентов четкого представления места подобных систем в общей IT-структуре предприятия и особенностей проектирования, реализации, внедрения программных комплексов и систем поддержки принятия решений, получение практических навыков работы с соответствующими инструментальными средствами и программами для конечного пользователя. Достижение этих целей обеспечивает выпускнику получение высшего профессионально профилированного (на уровне магистра) образования и обладание перечисленными ниже общими и предметно-специализированными компетенциями. Они способствуют его социальной мобильности, устойчивости на рынке труда и успешной работе в таких сферах, как проектирование архитектуры предприятия, стратегическое планирование развития ИС и ИКТ управления предприятием, организация процессов жизненного цикла ИС и ИКТ управления предприятием, аналитическая поддержка процессов принятия решений для управления предприятием.

2Компетенции обучающегося, формируемые в результате освоения дисциплины


В результате освоения дисциплины студент должен:

  • усвоить терминологию, принятую в изучаемой дисциплине, ее основные понятия и определения;

  • знать основы теории и практики СУБД;

  • знать назначение и принципы построения систем поддержки принятия решений для среднего и высшего уровня менеджмента на предприятии, особенности информационного моделирования задач поддержки принятия решений, основные понятия технологий DataWarehousing, OLAP, Data Mining и управления знаниями, последовательность и содержание этапов процесса проектирования типичной информационной системы принятия решений на основе этих технологий;

  • уметь применять полученные теоретические знания к решению практических вопросов планирования, проектирования, разработки, интеграции и эксплуатации информационных систем для решения сложных управленческих проблем, с которыми сталкиваются конкретные предприятия;

  • иметь представление об этических и социальных аспектах активного использования информационных систем поддержки принятия решений, а также о преспективах развития систем поддержки принятия решения на основе технологий Internet, и баз знаний;

  • обладать навыками реализации информационных моделей DataWarehouse, анализа и выбора подходящих моделей данных и средств интеллектуального анализа данных в зависимости от специфики отрасли, работы в современных графических средствах OLAP ведущих производителей (IBM, Microsoft, BasegroupLabs), проведения интервью с целью выявления информационных потребностей будущих пользователей системы поддержки принятия решений, разработки алгоритмов по трансформации и очистке исходных данных.

В результате освоения дисциплины студент приобретает следующие компетенции:



Компетенция
Код по ФГОС/ НИУ
Дескрипторы – основные признаки освоения (показатели достижения результата)
Формы и методы обучения, способствующие формированию и развитию компетенции

Способность совершенствовать и развивать свой интеллектуальный и общекультурный уровень
ОК-1
Студент в состоянии дать определения изучаемым понятиям, анализирует взаимосвязи осваиваемых объектов и делает соответствующие выводы.
регулярные упражнения, включающие разбор стандартных технических приемов, самостоятельное выполнение задач по анализу данных и принятию решений, изучение лекционного материала и дополнительной литературы с целью тщательной подготовки к семинарским занятиям и контрольным работам

способностью к творческой адаптации к конкретным условиям выполняемых задач и их инновационным решениям
ОК-5
Самостоятельно изучает научную и техническую литературу, умеет анализировать информацию и применять полученные знания для решения поставленных задач.
систематическое изучение конспектов и электронных версий лекций, литературы по учебному плану, руководств по работе в вычислительных компьютерных средах, обсуждения возникающих вопросов с преподавателем и коллективом учебной группы, поиск нужной информации в библиотеках и сети Интернет

способностью готовить аналитические материалы для оценки мероприятий и выработки стратегических решений в области ИКТ
ПК-1
Демонстрирует навыки проведения анализа предметной области и представления результатов для аудитории.
грамотное выполнение и оформление домашних заданий, лабораторных работ и другой отчетности по изучаемой дисциплине

способностью применять методы системного анализа и моделирования для анализа архитектуры предприятий
ПК-3
Обладает опытом изучения предметной области с различных точек зрения и выработки решения в соответствии с требованиями задачи
решение задач анализа данных, имеющих характер самостоятельного исследования с применением современных вычислительных средств и компьютерного экспериментирования

способностью проводить исследования и поиск новых моделей и методов совершенствования архитектуры предприятия
ПК-10
Имеет навыки разработки моделей и проведения имитационного моделирования, для анализа и оптимизации бизнес-процессов
самостоятельное проектирование и реализация систем поддержки принятия решений для реальных бизнес-процессов на основе технологий Хранилищ данных и Добычи данных



3Место дисциплины в структуре образовательной программы


Настоящая дисциплина относится к циклу дисциплин направления , обеспечивающих подготовку по направлению 080500– «Бизнес-информатика».

При изучении данной дисциплины студенты должны владеть следующими знаниями и компетенциями:



  • базовый курс теории вероятностей и математической статистики;

  • основные принципы управления информационными системами;

  • современные методы проектирования и реализации информационных систем;

  • программирование на языках Java и C++.


4Тематический план учебной дисциплины


№
Название раздела
Всего часов
Аудиторные часы
Самостоя­тельная работа

Лекции
Семинары

1.
Причины и следствия информационного кризиса в управлении предприятием
3
1
0
2

2.
Основы технологий и средств СУБД
8
2
2
4

3.
История появления и развития систем поддержки принятия решений.
4
1
1
2

4.
Ключевые элементы технологии Data Warehousing
9
1
2
6

5.
Концептуальное моделирование информационных потребностей в технологии Хранилищ данных
12
2
2
8

6.
Обзор архитектуры системы поддержки принятия решений
8
2
2
4

7.
Углубленное изучение принципов представления и обработки метаданных в системах поддержки принятия решений
12
2
2
8

8.
Принципы информационного моделирования в технологии DataWarehousing
12
2
2
8

9.
Принципы загрузки, верификации и очистки данных
14
4
2
8

10.
Принципы распространения и представления информации в системах поддержки принятия решений
6
2
0
4

11.
Принципы построения и использования систем на основе технологии OLAP
12
2
2
8

12.
Назначение технологии DataMining
42
11
11
20

13.
Возможности современных программных платформ для создания систем поддержки принятия решений
13
1
4
8

14.
Направления развития систем поддержки принятия решений
7
1
2
4

Итого
162
34
34
94

5Формы контроля знаний студентов


Тип контроля
Форма контроля
1 год
Кафедра
Параметры **

3
4






Текущий

(неделя)


Контрольная работа
8






Письменная работа 60 минут













Домашнее задание



9






Итоговый
Экзамен



v



Заключительная письменная работа по материалам курса 90 мин.

5.1Критерии оценки знаний, навыков


Для любого из оговоренных в пункте 5 видов контроля требования к отчетности соотнесены с указанными в пункте 2 компетенциями. Результатом проверки работы является оценка, выставляемая по 10-ти балльной шкале в соответствии со следующими критериями:

  • высшая оценка в 10 баллов выставляется при отличном выполнении задания, то есть при наличии полных (с детальными пояснениями и культурой выкладок), оригинальных и правильных решений задач, дополненных при необходимости документами, полученными в результате реализации (проверки) решения в компьютерной вычислительной среде, верных ответов и высококачественного оформления работы.

  • оценка в 7-8-9 баллов выставляется при наличии решений задач и правильных ответов, но при отсутствии какого-либо из выше перечисленных отличительных признаков, как, например: детальных выкладок или пояснений, качественного оформления, представления алгоритма или последовательности решения задач.

  • Оценка в 6 баллов выставляется при наличии отдельных неточностей в ответах (включая грамматические ошибки) или неточностях в решении задач непринципиального характера (описки и случайные ошибки арифметического характера).

  • Оценка в 5 баллов выставляется в случаях, когда в ответах и в решениях задач имеются неточности и ошибки, свидетельствующие о недостаточном понимании вопросов и требующие дополнительного обращения к тематическим материалам.

  • Оценка в 4 балла выставляется при наличии серьезных ошибок и пробелов в знаниях по контролируемой тематике.

  • Оценка в 3 балла выставляется при наличии лишь отдельных положительных моментов в представленной работе.

  • Оценка в 2 балла выставляется при полном отсутствии положительных моментов в представленной работе.

  • Оценка в 1 или 0 баллов выставляется в случаях, когда небрежные записи, неправильные ответы и решения, кроме того, сопровождаются какими-либо демонстративными проявлениями безграмотности или неэтичного отношения к изучаемой теме и предмету в целом.

Высший балл при оценивании видов работ, не допускающих контроля за личным выполнением (домашние расчетные задания), может быть увязан с результатами контрольной работы по текущей теме.

6Содержание дисциплины


Количество часов аудиторной работы по разделам и общий объем самостоятельной работы указаны выше в пункте 4.

  • Раздел 1. Причины и следствия информационного кризиса в управлении предприятием

Понятие информационного кризиса. Краткая история информационных технологий. Влияние развития информационных технологий на методы управления и принятия решений. Возможности и риски современных информационных технологий для поддержки принятия решений. Применение принципа цепочки ценностей (Value chain) для оценки значимости средств аналитической обработки информации. Системный подход к управлению. Информация и знания. Сеть знаний на предприятии и управление знаниями. Этическое и социальное влияние СППР (системы поддержки принятия решений).

Основная литература [2, 4, 6, 8-10].

  • Раздел 2. Основы технологий и средств СУБД

Понятие базы данных, системы управления базами данных, банка данных. Информационное моделирование. Реляицонная модель: отношение, домен, кортеж. Понятие ключа и внешнего ключа. Языки описания и манипулирования данными. Структура запросов на языках SQL и QDE. Понятие видов СУБД. СУБД типа «клиент-сервер». Понятие транзакции. Особенности OLTP-систем.

Основная литература [1, 9-10].

  • Раздел 3. История появления и развития систем поддержки принятия решений

Основные составляющие процесса принятия решений: ЛПР (лицо, принимающее решения), цели, ограничения, критерии, альтернативы, . Классификация проблем управления. Этапы процесса принятия решения. Роль субъективного фактора, нечеткой и неполной информации в процессе принятия решений. Характеристики идеальной СППР. Управленческие информационные системы. Возможности и недостатки систем поддержки принятия решений первого поколения. Повышение роли СУБД в составе СППР. Основные причины некачественного снабжения информацией. Выявление различий между системами операционного уровня и системами поддержки принятия решений. Пассивные, активные и кооперативные СППР. СППР на основе моделей, системы управленческих решений. Информационные системы руководителей. Хранилища данных. Управление знаниями и интеллект бизнеса. СППР на основе знаний, экспертные системы. Средства поддержки кооперативного принятия решений. Системы на основе Интернет-технологий. Многоагентные системы. Пассивные, активные и кооперативные СППР. СППР на основе моделей, системы управленческих решений. Информационные системы руководителей. Хранилища данных. Управление знаниями и интеллект бизнеса. СППР на основе знаний, экспертные системы. Средства поддержки кооперативного принятия решений. Системы на основе Интернет-технологий. Многоагентные системы

Основная литература [1, 2, 4, 6, 7, 9, 10].

Дополнительная литература [14-16].

  • Раздел 4. Ключевые элементы технологии Data Warehousing

Требования к обработке и анализу информации в новых условиях. Поддержка процессно-ориентированного управления на основе информационных технологий. Концептуальная архитектура систем на основе технологии DataWarehousing. Практическое использование понятия «интеллект бизнеса» в технологии DataWarehousing. Концепция целевого распространения информации. Основные свойства хранимых и обрабатываемых данных. Компоненты Хранилища данных. Разные категории программных систем (хранилище данных, витрина данных). Связь технологии Хранилищ данных c ERP-системами. Связь технологии Хранилищ данных c CRM-системами. Связь технологии Хранилищ данных cо стандартами управления качеством.

Основная литература [1, 4, 7, 9, 10].

Дополнительная литература [10, 19, 22].

  • Раздел 5. Концептуальное моделирование информационных потребностей в технологии Хранилищ данных

Общие методы структурирования информации в процессе принятия решений. Информационное моделирование корпоративных данных. Бизнес-размерности и бизнес-метрики. Многомерный анализ размерностей. Информационные пакеты. Техники интервьюирования для построения инф. пакетов. Использование методологии совместной разработки. Способы анализа существующей документации. Выработка требований к отдельным компонентам Хранилища данных на основе информационных потребностей.

Основная литература [4, 5, 8].

Дополнительная литература [11].

  • Раздел 6. Обзор архитектуры системы поддержки принятия решений

Отличительные черты архитектуры СППР на основе технологии Хранилищ данных. Понятие интеграции приложений предприятия. Назначение и принципы интеграции основных подсистем: исходные данные, трансформация данных, хранение данных, распространение данных. Программный каркас СППР. Особенности архитектуры распределенных СППР. Принципы выбора подходящих программных реализаций для подсистем. Примеры существующих программных решений.

Основная литература [1, 2, 4-8,12].

Дополнительная литература [19-21].

  • Раздел 7. Углубленное изучение принципов представления и обработки метаданных в системах поддержки принятия решений

Понятие метаданных и их роль в системе поддержки принятия решений. Разновидности метаданных по функциональным областям. Использование метаданных в деловой деятельности. Пассивные и активные метаданные. Извлечение и использование метаданных в процессе разработки системы. Стандарты на представление и обработку метаданных. Инициатива CWM — объектно-ориентированная стандартизация метаданных на основе UML. Формальные методы кодирования и обработки метаданных. Связь качества управления и степени использования метаданных в процессе принятия решений.

Основная литература [1, 4-8,12].

Дополнительная литература [11, 24].

  • Раздел 8. Принципы информационного моделирования в технологии DataWarehousing

Специфические характеристики аналитических моделей данных. Взаимосвязь с реляционной моделью данных. Таблицы фактов и таблицы размерностей. Процесс перехода от информационных требований к разработке модели данных. STAR-схема. Выбор степени гранулярности данных. Методы информационного моделирования событий и темпоральных характеристик. Методы определения ключевых атрибутов. Реализация обновлений в таблицах размерностей. SNOWFLAKE-схема. Таблицы аггрегированных фактов.

Основная литература [1, 4-8,12].

Дополнительная литература [19, 21].

  • Раздел 9. Принципы загрузки, верификации и очистки данных

Назначение и основные требования к подсистеме загрузки, верификации и очистки данных (ETL). Способы извлечения данных из операционных БД и внешних информационных источников. Методы трансформации данных. Известные программные средства верификации и очистки данных. Стандартизация загрузки, верификации и очистки данных. Понятие качества данных. Основные причины низкого качества данных в СППР. Методы и средства повышения качества исходных данных.

Основная литература [1, 4-8,12].

Дополнительная литература [11, 18].

  • Раздел 10. Принципы распространения и представления информации в системах поддержки принятия решений

Основные черты принципов целевого распространения информации в СППР на основе технологии Хранилищ данных. Виды информационного содержания. Категории пользователей системы и их информационные требования. Типы программных средств, используемых для распространения информации. Необходимость и методы управления ходом выполнения запросов в СППР на основе технологии Хранилищ данных.

Основная литература [4-8,12].

  • Раздел 11. Принципы построения и использования систем на основе технологии OLAP

Основные отличия технологии OLAP (On Line Analytical Processing) от традиционных способов анализа данных. Требования Кодда к OLAP-системам. Инструменты и методы аналитической обработки данных: гиперкуб, свертка, поворот, конкретизация, получение слоя. Различные модели аналитической обработки данных: MOLAP, ROLAP, HOLAP. Методы реализации OLAP-систем. Тест FASMI. MDX — практическая реализация языка запросов к OLAP-системам. Краткий обзор существующих решений.

Основная литература [1, 4, 5, 12].

Дополнительная литература [11].

  • Раздел 12. Назначение технологии DataMining

Суть термина «добыча данных» (DataMining). Основные понятия технологии. Специфика анализируемых данных: разреженные, отсутствующие и неточные данные. Разведочный анализ данных, анализ тенденций. Предсказательные и описательные модели. Преимущества использования технологии DataMining при выработке стратегических решений и примеры из реальных прикладных областей. Этические аспекты использования технологии добычи данных. Классификация математических методов обработки и анализа данных. Математические основы основных классов методов: таблицы и деревья решений, ассоциативные правила, иерархическая, агломеративная и дивизионная кластеризация, иерархические методы классификации, нейросетевые алгоритмы, генетические алгоритмы. Методы применения статистического моделирования. Кластеризация с использованием теории нечетких множеств. Методы эволюционного программирования на примере генетических алгоритмов. Тестирование результатов анализа данных. Оценка стоимости выбранных методов анализа данных разными методами. Известные схемы и алгоритмы предварительной подготовки и преобразования данных: выбор атрибутов, дискретизация, многофакторный анализ, робастная регрессия. Основные этапы поддержки принятия решений при использовании деревьев решений, ассоциативных правил и алгоритмов кластеризации. Принятие решений на основе комбинации нескольких моделей. Открытые стандарты интеграции технологии Data Mining (CRISP, PMML, SQL/MM и др). Состав и основные возможности программных систем Xelopes и WEKA. Уровень поддержки различных этапов принятия решений в коммерческих системах (SAS, SPSS, Statistica, WizWhy и др.).

Основная литература [1, 3-5, 8, 12].

Дополнительная литература [11, 13].

  • Раздел 13. Возможности современных программных платформ для создания систем поддержки принятия решений

Практически доступные программные реализации технологий Хранилищ данных, OLAP и добычи данных (Mondrian, Jpivot и др.). Реализация технологий анализа данных в коммерческих системах на примере IBM DB2 DataWarehouse: общая архитектура, методы хранения и обработки данных в СУБД DB2, возможности параллельной обработки данных, инструментарий обработки метаданных, реализация технологии OLAP, пространственный анализ данных, принципы работы с командным центром IBM DB2 DataWarehouse Center, принципы работы с компонентом добычи данных IBM Intelligent Miner. Возможности интеграции с другими корпоративными решениями компании IBM. Знакомство с назначением, организацией и возможностями интегрированной системой Deductor (компания BaseGroup, Россия). Обзор методов аналитической обработки информации и Добычи данных, реализованных в продуктах компании Microsoft (на примере системы Mictosoft Dynamics).

Основная литература [13, 21].

Дополнительная литература [20].

  • Раздел 14. Направления развития систем поддержки принятия решений

Причины и закономерности постоянного изменения функций и структуры СППР. Средства получения объективной оценки востребованности СППР. Методы развития навыков пользователей системы. Анализ производительности работающей системы и профилактические процедуры. Средства повышения качества методов распространения информации. Требования к СППР в эпоху глобальных инфо-коммуникационных технологий. Архитектура СППР на основе Интернет-технологий. Методы трансформации существующих СППР для доступа через Интернет. Новые виды внешних источников данных: полнотектстовые базы данных и поисковые системы Интернета. Методы использования мультимедийной информации в технологиях Хранилищ данных и добычи данных. Влияние успехов в беспроводных технологиях и микроэлектронике на расширение области применения СППР. Достижения и перспективы искусственного интеллекта в области СППР. Технологические и экономические риски, этические проблемы дальнейшего развития СППР.

Основная литература [2-8, 11, 12].

Дополнительная литература [22, 23].

7Образовательные технологии


В ходе семинарских занятий осуществляется подробный разбор решений типичных задач текущей тематики, заслушиваются доклады студентов по текущей тематике. При реализации учебных задач курса «Системы поддержки принятия решений предусмотрено широкое использование современных СППР, визуализация данных и результатов решения задач и компьютерный эксперимент.

7.1Методические указания студентам


При выполнении самостоятельных и практических работ по изученным методам информационного моделирования и построения алгоритмов СППР поощряется использование самостоятельно найденной справочной информации и программных разработок из Интернет–источников, но с обязательной ссылкой на адрес сайта и авторов использованных материалов. Предпочтительной представляется работа, выполненная, например, в виде адаптации существующего алгоритма Добычи данных, реализации метода подготовки и трансформации данных (методов принятия решений на основе знаний) на другом языке программирования или интеграции в целостную систему с указанием изменений, выполненных в оригинальном алгоритме с объективной оценкой характеристик полученного решения. Приветствуется работа с актуальными материалами из зарубежной профессиональной периодики, посвященными обсуждению реальных проблем построения и эксплуатации СППР в выбранной для самостоятельной работы предметной области.

Для оформления отчета по результатам самостоятельного проектирования и реализации СППР на основе технологий Хранилищ данных и Добычи данных рекомендуется использовать такую типовую структуру.



  1. Цели и методы выполнения работы

    1. Какие стратегические решения позволит облегчить построенная СППР в выбранной отрасли.

    2. Результат анализа экономической целесообразности внедрения СППР в выбранной отрасли.

    3. Какие изученные в курсе методы использованы в ходе проектирования и разработки системы.

    4. Сроки выполнения работы и используемые ресурсы.

    5. Декомпозиция задачи на несколько подзадач.

  2. Бизнес-анализ предметной области

    1. Характерные черты основных бизнес-процессов в выбранной отрасли.

    2. Описание потенциальных групп пользователей разработанной СППР и информационных потребностей.

    3. Основные вопросы управления, возникающие в процессе принятия стратегических решений, оценка степени их структурированности.

    4. Типичные ограничения и предположения, принимаемые во внимание в процессе принятия решений.

    5. Определение основных бизнес-размерностей, и бизнес-измерений.

    6. Структура информационных пакетов.

    7. Характеристика исходных данных, получаемых из оперативных баз данных или внешних источников.

  3. Модель данных оперативных БД

    1. Диаграммы сущность-связь.

    2. Способ реализации (тип СУБД, платформа).

    3. Методы доступа к данным из СППР.

  4. Модель хранилища данных

    1. Перечисление отличий от оперативных баз данных.

    2. Требующийся анализ данных.

    3. Диаграммы Star-схемы или SnowFlake-схемы.

    4. Описание отдельных составляющих Star-схемы (измерения и метрики).

  5. Проектирование и реализация алгоритмов извлечения и трансформации исходных данных

    1. Методы извлечения данных из оперативных БД.

    2. Применяемые алгоритмы верификации и очистки данных.

    3. Краткое описание использованных инструментальных средств.

  6. Выводы и предложения по дальнейшей эволюции системы и организации процесса разработки

    1. Анализ опробованных в ходе работы методов проектирования и реализации СППР.

    2. Предлагаемая структура группы поддержки СППР. Рекомендации по изменению размерностей и метрик Хранилища данных в процессе эволюции.

    3. Типичные случаи ошибок в данных и методы их коррекции.

Список использованной литературы

8Оценочные средства для текущего контроля и аттестации студента

8.1Тематика заданий текущего контроля

Для домашнего задания - самостоятельного проектирования СППР на основе технологий Хранилищ данных и Добычи данных студентам предлагаются такие отрасли (предметные области):



  1. ретейл-торговля;

  2. инвентарный учет;

  3. контроль выполнения поручений (procurement);

  4. обработка заказов;

  5. взаимодействие с клиентами (CRM);

  6. бухгалтерский учет;

  7. управление кадрами;

  8. финансовые услуги;

  9. телекоммуникации;

  10. коммунальные услуги;

  11. транспорт;

  12. образование;

  13. здравоохранение;

  14. электронная торговля;

  15. страхование.

Рекомендации по структуре моделей данных для аналитической обработки информации и типичные запросы к Хранилищу данных студенты должны изучить по книге Kimball R., Ross M. The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling. John Wiley & Sons, 2002. Для учета Российских особенностей и специфики принципов управления в выбранных отраслях рекомендуется также пользоваться периодической литературой и доступными отечественными источниками.


8.2Вопросы для оценки качества освоения дисциплины


  1. Что понимается под стратегической информацией?

  2. Какие причины послужили основой неудач первых поколений СППР в своевременном снабжении стратегической информацией?

  3. Почему операциональные системы не подходят для снабжения стратегической информацией?

  4. Какие виды обработки информации реализованы в типичном Хранилище данных?

  5. Какие основные факторы постоянного роста объемов данных в СППР на основе технологии Хранилищ данных?

  6. Почему Хранилища данных предъявляет более сильные требования к интеграции информации по сравнению с операциональными системами?

  7. Почему в Хранилище данных практически каждая структура данных содержит атрибут времени?

  8. Какие внешние источники данных обычно используются в Хранилищах данных?

  9. На какой основе и с помощью каких средств следует проводить интеграцию ERP-систем и СППР на основе технологии Хранилищ данных?

  10. Каковы отличительные черты восходящего и нисходящего процесса проектирования Хранилища данных?

  11. В чем необходимость выделения отдельного компонента предобработки данных в технологии Хранилищ данных?

  12. Какие существенные характеристики процесса сбора требований для СППР?

  13. Какие виды информации должен содержать информационный пакет?

  14. Почему необходимо использовать различные уровни гранулярности данных в Хранилище данных?

  15. Что такое иерархии размерностей?

  16. Какие отличия между бизнес-размерностями и бизнес-метриками?

  17. В чем различия между полуаддитивными и аддитивными метриками?

  18. Каковы основные достоинства и недостатки STAR-схемы?

  19. Какие существуют общие принципы создания ключевых атрибутов для таблиц фактов и таблиц размерностей?

  20. Что такое слабо-изменяющиеся размерности?

  21. В чем основные отличия SnowFlake-схемы от Star-схемы?

  22. Какие основные средства многомерного анализа данных известны на практике?

  23. В чем основные отличия модели MOLAP от модели ROLAP?

  24. Почему не рекомендуется загружать в OLAP-системы данные непосредственно из операциональных систем?

  25. Какие пять характерных черт имеет архитектура СППР на основе технологии Хранилищ данных 7

  26. Каким образом поставщики современных СУБД дополняют их возможности для использования в составе СППР?

  27. Какие три основные типа метаданных используются в Хранилищах данных?

  28. В чем заключается существенная польза доступности метаданных для конечных пользователей СППР?

  29. Каковы основные способы использования метаданных в процессе эксплуатации СППР на основе технологии Хранилищ данных?

  30. В чем основные отличия технологии Добычи данных от OLAP-систем?

  31. Каковы основные этапы анализа данных на основе технологий добычи данных?

  32. В чем заключается преимущество технологии Добычи данных с точки зрения управленцев?

  33. Какие основные алгоритмы кластеризации используются в технологии Добычи данных?

  34. Какие преимущества и недостатки использования программных решений одного производителя в процессе разработки СППР?

  35. Каковы обязательные роли в команде разработчиков СППР на основе технологии Хранилищ данных?

  36. В чем отличия в управлении и организации проектов по построению СППР от проектов построения операциональных систем?

  37. Существуют ли общие индикаторы, которые можно использовать для оценки успешности хода работ по проектированию и реализации СППР?

  38. Каким навыкам работы с СППР необходимо обучить пользователей в первую очередь?

  39. В каких случаях безусловно необходимо реализовать пилотный проект СППР?

  40. Перечислите основные отличительные черты многоагентных технологий, каково их значение для современных СППР?

  41. Какие основные характеристики имеют СППР на основе Web-технологий?

  42. Какие вопросы безопасности данных наиболее важны для распределенных СППР (особенно в Интернете)?



9Порядок формирования оценок по дисциплине


Преподаватель оценивает работу студентов на семинарских занятиях и самостоятельную работу, выставляя баллы за активность в аудитории, контрольные работы и домашние расчетные задания. Оценки за все виды работ преподаватель выставляет в рабочую электронную ведомость. Критерии их оценивания приведены выше в пункте 5.1.

Результирующая оценка Оаудиторная по 10-ти балльной шкале за работу в аудитории определяется перед итоговым контролем.

Результирующая оценка за текущий контроль учитывает результаты студента по текущему контролю следующим образом:

Отекущий = 0.15·Ок/р + 0.85·Одз ;

Результирующая оценка за итоговый контроль в форме экзамена выставляется по следующей формуле, где Оэкзамен – оценка за работу непосредственно на экзамене:



Оитоговый = 0.45·Оэкзамен +0.35·Отекущий + 0.2·Оаудиторная

10Учебно-методическое и информационное обеспечение дисциплины

10.1Базовые учебники


  1. Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям. СПб.: Питер, 2010. — 704 с.

  2. Бабкин Э., Козырев О., Куркина И. Принципы и алгоритмы искусственного интеллекта. Н. Новгород: Нижегородский гос. Тех. Университет. 2006. ISBN 5-93272-360-2. – 132 с.

  3. Witten I., Frank E. Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann. 2005. ISBN: 0120884070. PP. 560.

  4. Ponniah P. Data Warehousing fundamentals, John Willey & Sons, Inc. 2001. ISBN 0-471-41254-6. PP.528.

10.2Основная литература


  1. Барсегян А., Куприянов М., Степаненко В, Холод И. Методы и модели анализа данных: OLAP и DataMining. . – Спб: БХВ-Питербург. 2004. ISBN 5-94157-522-Х. – 336 с.

  2. Системный анализ и принятие решений: Словарь-справочник: Учеб. пособие для вузов/под ред. В.Н. Волковой, В.Н. Козлова. – М.: Высшая школа. 2004. ISBN 5-06-004875-6. – 616 с.

  3. Трахтенгерц Э. Компьютерная поддержка принятия решений: Научно-практическое издание. Серия «Информатизация России на пороге XXI века». – М.: Синтег. 1998. ISBN 5-89638-003-8. – 376 с.

  4. Спирли Э. Корпоративные хранилища данных. Планирование, разработка и реализация. Т.1 – Вильямс. 2001. ISBN 5-8459-0191-X. – 400 с.

  5. Кравченко Т., В. Пресняков В. Инфокоммуникационные технологии управления предприятием, М.:ГУ-ВШЭ, 2003. ISBN 5-7598-0217-8 – 272с.

  6. Лодон Д., Лодон К. Управление информационными системами. – Спб:Питер. 2005. ISBN 5-318-00088-6. – 912 с.

  7. Moss L.T., Atre S. Business Intelligence Roadmap: The Complete Project Lifecycle for Decision-Support Applications, Addison-Wesley, 2003. - 576 с. ISBN: 0-201-78420-3

  8. R. Elmasri R.. Navathe S. Fundamentals of Database Systems, 5th ed., ISBN 0321369572 . Addison Wesley, 2005. PP.1168.

10.3Дополнительная литература


  1. Дюк В., Самойленко А. Data Mining: учебный курс. – Спб: Питер. 2001. ISBN 5-318-00227-7. – 386 с.

  2. Тарасов В. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. – М.: Эдиторал УРСС. 2002. ISBN 5-8360-0330-0. – 352 с.

  3. Трахтенгерц Э. Компьютерная поддержка переговоров при согласовании управленческих решений. М.: Синтег. 2003. ISBN 5-89638-062-3. – 284 с.

  4. Трахтенгерц Э. Субъективность в компьютерной поддержке управленческих решений. М.: Синтег. 2004. ISBN 5-89638-041-0. – 256 с.

  5. Хювенен Э., Сеппянен Й., Мир Лиспа. В 2х. т. Т.2: Методы и системы программирования. – М.: Мир, 1990. – 319с.

  6. Kimball R., Caserta J. The Data Warehouse ETL Toolkit: Practical Techniques for Extracting, Cleaning, Conforming, and Delivering Data. John Wiley & Sons, 2004. ISBN: 0764567578. PP. 525.

  7. Kimball R., Ross M. The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling. John Wiley & Sons, 2002. ISBN: 0471200247. PP. 464.

  8. Mundy J., Thornthwaite W., Kimball R. The Microsoft Data Warehouse Toolkit: With SQL Server 2005 and the Microsoft Business Intelligence Toolset. John Wiley & Sons, 2006. ISBN: 0471267155. PP. 792.

  9. Gonzales Michael L. IBM Data Warehousing: With IBM Business Intelligence Tools. John Wiley & Sons, 2003. ISBN: 0471133051. PP. 640

  10. Silverston L.. The Data Model Resource Book, Vol. 1: A Library of Universal Data Models for All Enterprises. John Wiley & Sons, 2001. ISBN: 0471380237. PP. 542.

  11. Silverston L.. The Data Model Resource Book, Vol. 2: A Library of Data Models for Specific Industries.. John Wiley & Sons, 2001. ISBN: 0471353485. PP. 576.

  12. Marco D., Jennings M. Universal Meta Data Models. John Willey & Sons, Inc. 2004. ISBN: 0471081779. PP. 478.

  13. Larose D. Discovering Knowledge in Data: An Introduction to Data Mining. Wiley-Interscience . 2004. ISBN: 0471666572. PP. 240.

10.4Справочники, словари, энциклопедии


  1. Интернет-портал Basegroup. http://www.basegroup.ru

  2. OLAP-сервер Mondrian . http://mondrian.sourceforge.net .

  3. OLAP-интерфейс Jpivot. http://jpivot.sourceforge.net .

  4. Объектно-ориентированная библиотека алгоритмов Добычи данных Xelopes. http://www.zsoft.ru/rus/index.php .

  5. Интегрированная оболочка для подготовки и анализа данных WEKA. http://www.cs.waikato.ac.nz/~ml/index.html .

  6. Свободно распространяемая ERP-система OFBIZ. http://incubator.apache.org/ofbiz/ .

  7. Свободно распространяемая оболочка эксперных систем CLIPS. http://www.ghg.net/clips/CLIPS.html .

  8. Интегрированная среда инженерных расчетов Matlab. http://www.mathworks.com.

  9. Интегрированная оболочка для подгтовки и анализа данных Deductor. http://www.basegroup.ru.

  10. Комплекс средств построения СППР на основе технологий Хранилз данных и Добычи данных IBM DataWarehouse. http://www.ibm.com/software/data/db2/dwe/ .

  11. Интернет-портал, посвященный вопросоам построения и эксплутации СППР. http://dssresources.com/tour/index.html .

  12. Интернет-портал, посвященный вопросам извлечения и использования знаний в процессе управления. http://www.businessintelligence.com/ex/asp/id.6/page.1/xe/biextractdetail.htm

  13. Интернет сайт поддержки книги Kimball R., Ross M. The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling. http://www.EWSolutions.com/book.asp .

  14. Интернет-портал, посвященный вопросам управления данными в процессах принятя решенийй. DM Review: http://www.dmreview.com .

  15. Интернет-портал, посвященный вопросам использования технологии Хранилищ данных в СППР. Journal of Data Warehousing: http://www.dw-institute.com .

  16. Интернет-словарь важных технических терминов в области СППР. http://www.techweb.com/encyclopedia .

  17. Интернет-словарь важных технических терминов в области СППР. http://www.ncits.org/tc_home/k5htm/ANSDIT.htm .

  18. C. L. Blake and C. J. Merz, Churn Data Set, UCI Repository of Machine Learning Databases, http://www.ics.uci.edu/~mlearn/MLRepository.html. University of California, Department of Information and Computer Science, Irvine, CA, 1998.

  19. Интернет-портал, посвященный вопросам использования знаний в СППР. http://www.businessintelligence.com .

10.5Программные средства


Для успешного освоения дисциплины, студент использует следующий профессиональные пакеты программных средств:Deductor Academic 5.2.

10.6Дистанционная поддержка дисциплины


Предусмотрено регулярное снабжение студентов текущими материалами по анализу данных в форме электронных документов, содержащих лекции, практические пособия по использованию вычислительных сред, примеры компьютерного экспериментирования в ходе выполнения учебного плана.
Автор программы Э.А. Бабкин