Г. М. СЕРГИЕВСКИЙ, А. С. СЕРОВ
Московский инженерно-физический институт (государственный университет)
РАСШИРЕНИЕ ВОЗМОЖНОСТЕЙ OLAP-ТЕХНОЛОГИИ ДЛЯ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
Рассматриваются варианты постановок задач и состав компонентов, которые необходимо использовать для преобразования OLAP-приложений из класса «систем отображения» в класс «экспертно-аналитических» систем
Аналитические системы на основе многомерной модели данных (OLAP-технологии) [1] решают простейшую задачу поддержки принятия решений (ППР) – обработку и отображение «сырых» данных, извлекаемых из БД учетной системы, в максимально гибком и удобном виде. При этом задача формирования собственно решения возлагается целиком на самого пользователя. Системы такого типа можно назвать «системами отображения». Закономерен вопрос – можно ли и как именно, расширить функциональность таких систем, чтобы обеспечить следующий уровень ППР – выработку рекомендаций. Одна из таких постановок, которую можно назвать «объектным анализом» состоит в классификации объектов по принципу формирования одинаковых управленческих решений для всех объектов одной группы. В терминах многомерной модели эта задача сводится к разбиению членов измерения (интерпретируемых как объекты) на основании анализа значений показателей в одномерном гиперкубе. В докладе предлагается набор дополнительных компонентов, реализованных в среде разработки OLAP-приложений UNIBOM, необходимых для поддержки объектного анализа. Первый компонент называется «селектор». Его назначением является выполнение трех основных операций: пересчет значений показателей из абсолютных величин в относительные по различным алгоритмам; «квантование» вычисленных относительных значений - переход от непрерывной шкалы к дискретной по настраиваемым правилам; отбор членов измерения по поисковым условиям, сформулированным в терминах допустимых дискретных значений.
Вторым компонентом является «база знаний», содержащая информацию о правилах классификации - поисковых условиях и сопоставляемых им управленческих решениях. Этот компонент снабжен подсистемой «извлечения знаний», облегчающих эксперту формирование правил классификации.
Кроме «объектного анализа» данные механизмы позволяют решать задачи «процессного анализа», например, обнаружения «дефектных» бизнес-процессов. Для этого достаточно хранить информацию о связи бизнес-процессов с показателями, на которые они влияют. Тогда наличие большого числа объектов, для которых управленческое решение состоит в изменении значений некоторых показателей, может означать, что бизнес-процессы, ответственные за эти показатели, требуется скорректировать.
Данные механизмы в сочетании со средствами выполнения настраиваемых сценариев, позволяют осуществлять в автоматическом режиме полный «аудит» деятельности организации. Например, для торгового предприятия можно выделить на разных уровнях иерархии товарные категории, товарные группы, конкретные товары, по которым необходимо принимать управленческие решения с указанием этих решений, а также оценить бизнес-процессы, ответственные за формирование данных решений, включая конкретных лиц.
Список литературы
1. и др. Методы и модели анализа данных:OLAP Data Mining. С-Пб.: БХВ-Петербург 2004.
