Teorien om å lage informasjonsanalysesystemer. Det siste arkitektoniske nivået er webportalen. Analytiske systemer: prosesser og verktøy

Legg igjen en kommentar 6,950

3. Klassifisering av analysesystemer .

4. Konsepter for å bygge IAS.

1. Det generelle begrepet et informasjonsanalytisk system.

Den nåværende fasen i utviklingen av markedsforholdene i den russiske økonomien er preget av begynnelsen på en økonomisk oppgang. I dag kommer et økende antall organisasjoner til å forstå at uten at det er tilgjengelig rettidig og objektiv informasjon om markedets tilstand, og som forutsier utsiktene, kontinuerlig evaluering effektiviteten av funksjonen til deres egne strukturer og analyse av forhold til forretningspartnere og konkurrenter, blir deres videre utvikling nesten umulig. Kunnskap om pågående økonomiske prosesser begynner å få en avgjørende betydning. Både objektive og subjektive faktorer påvirker suksessen med å drive forretninger. Objektive faktorer inkluderer:

· forretningsmessige prosesser,

Juridisk miljø,

· uskrevne regler og tradisjoner for å gjøre forretninger,

· økonomisk situasjon osv.

Av stor betydning er den subjektive faktoren, som forstås som innflytelse på forretningsprosessene til foretakets ansatte, og spesielt beslutningstakerne (DM).

For utvikling og vedtak av beslutninger som er passende for den nåværende situasjonen, trengs informasjon som må oppfylle kravene til fullstendighet, pålitelighet, aktualitet (relevans) og nyttighet.

Den grunnleggende rollen i forberedelsen av beslutningstaking spilles av dens begrunnelse i henhold til informasjonen som er tilgjengelig for beslutningstakeren. Det er vanligvis hentet fra forskjellige interne og eksterne kilder. For å utvikle en tilstrekkelig løsning brukes interne informasjonsressurser, som består av refleksjon av objektets aktivitet (funksjon) i dokumenter, andre typer og metoder for innsamling, behandling, lagring av informasjon. I tillegg til informasjonsressurser utenfor objektet, for eksempel (hvis det er et foretak) - selskaper, næringer, regioner, så vel som globale - fra media, spesiallitteratur, det verdensomspennende informasjonsnettverket Internett, etc.

Så grensene informasjonsrom som en refleksjon av virksomhetens virksomhet og samspill med det ytre miljøet, der beslutninger tas, går langt utover virksomheten.

Disse omstendighetene tvinger oss til å bruke den for tiden tilgjengelige høyt utviklede programvare- og maskinvareverktøyene. Den brede og effektive bruken av disse midlene har blitt en av faktorene for virksomhetens overlevelse og suksess i møte med intens konkurranse. Automatiserte informasjonssystemer har blitt utbredt.

Problemet med å analysere den første informasjonen for beslutningstaking viste seg å være så alvorlig at det dukket opp en egen retning eller type informasjonssystemer - informasjons- og analysesystemer (IAS).

Informasjons- og analysesystemer (IAS) er designet på grunnlag av data innhentet i sanntid for å hjelpe til med å lage ledelsesbeslutninger... IAS er et moderne, svært effektivt verktøy for å støtte vedtakelsen av strategiske, taktiske og operative ledelsesbeslutninger basert på visuell og rask levering av hele det nødvendige settet med data til brukere som er ansvarlige for å analysere situasjonen og ta ledelsesbeslutninger. Komplekset med informasjon og analysesystemer påvirker hele ledelsesvertikalen: bedriftsrapportering, finansiell og økonomisk planlegging og strategisk planlegging.

2. Funksjoner og omfang av IAS.

Hovedformålet med IAS er dynamisk presentasjon og multivariat analyse historiske og aktuelle data, trendanalyse, modellering og prognoser for resultatene av ulike ledelsesbeslutninger.

Hovedfunksjonene til informasjons- og analysesystemet er:

· Datalagring;

· Dataanalyse, inkludert operativ og intelligent;

· Utarbeidelse av resultatene fra operasjonell og intellektuell analyse for deres effektive oppfatning av forbrukere.

Resultatet av bruken av IAS-verktøy er på den ene siden forskriftsmessige analytiske rapporter fokusert på behovene til brukere i forskjellige kategorier, på den andre siden verktøy for interaktiv analyse av informasjon og rask konstruksjon av rapporter av ikke-programmerere som bruker kjente begreper. fagområde.

Funksjonen med å samle og lagre informasjon med samtidig forbedring i informasjons- og analysesystemer utføres av informasjonslagre (Data Warehouse).

På grunn av det store volumet og kompleksiteten har dataanalyse to retninger-online analyse av data (informasjon), den engelskspråklige forkortelsen av navnet er utbredt-On-line Analytical Processing (OLAP). Hovedoppgaven med online eller OLAP -analyse er å raskt (innen sekunder) hente den nødvendige analysen for å rettferdiggjøre eller ta en beslutning om informasjon. Denne funksjonen utføres av forskjellige OLAP -verktøy.

Intelligent analyse av informasjon har også det engelske navnet Data Mining, som er utbredt i russisk spesiallitteratur. Den er beregnet på grunnleggende forskning på problemer i et bestemt fagområde. Tidskrav er mindre strenge, men mer sofistikerte teknikker brukes. Som regel settes oppgaver og resultater av strategisk betydning oppnås. Denne funksjonen utføres av alle slags data mining verktøy.

Det er ingen harde grenser mellom OLAP og prediktiv analyse, men når du løser komplekse problemer, må du bruke svært kraftige spesialprogramvareverktøy.

Fra et teknisk synspunkt er IAS et sett med prosedyrer, metoder og forskrifter som fører til regelmessig planlagt innsamling, lagring, analyse og levering av informasjon som brukes for å ta ledelsesbeslutninger.

Informasjons- og analysesystemer er en overbygning over informasjonsapplikasjonene som allerede fungerer i virksomheten og krever ikke erstatning; disse systemene samler data om alle typer virksomhetsaktiviteter - fra lagertilstand til finans- og regnskapsrapporter.

Informasjons- og analysesystemer på øverste nivå brukes til å ta strategiske beslutninger. De lar lederen løse følgende oppgaver:

· utarbeidelse av konsernregnskap og levering av oppsummerende informasjon om virksomhetens virksomhet (finans-, produksjons- og andre indikatorer, dynamikken i deres endringer og trender),

· analyse av virksomheten til datterselskaper, filialer og divisjoner i selskapet (analyse av lønnsomhet, kostnader, planoppfyllelse),

· analyse av finansiell virksomhet (finansielle hovedindikatorer, trender, gjensidige oppgjør), optimalisering av finansstrømmer, reell vurdering av produksjonskostnader,

· gjennomføre en omfattende vurdering av selskapets aktiviteter basert på konstant overvåking av de fire viktigste aspektene (økonomi, forhold til omverdenen, intern tilstand i selskapet, innovasjon),

· analyse av salgsprosesser (lage en plan, overvåke gjennomføringen av ordrer, betalinger for leverte produkter, forutsi mottak av midler, prognose etterspørsel).

Informasjons- og analysesystemer for underavdelinger innebærer større detaljer og mer kompleks analytisk behandling. Disse systemene hjelper til med å forberede informasjon for å ta avgjørelser innen salg, produkttilbud, finansiell planlegging.

Det er to typer informasjon og analysesystemer i henhold til analysemodus og hastighet:

· statisk - ha et forhåndsutviklet scenario for databehandling med svært begrensede alternativer for spørringsvariasjoner;

· dynamisk - gi behandling av ad hoc -forespørsler og et fleksibelt rapporteringssystem.

Følgende prinsipper for å bygge IAS i et foretak kan skilles:

· forener alle informasjonsprosesser bedrifter;

· innebygd systemet i den allerede eksisterende organisasjonsstrukturen i virksomheten;

· koordinering av innsatsen til alle divisjoner i foretaket i gjennomføringen av tildelte oppgaver;

· åpenhet i systemet for videre utvikling;

· integrert bruk av alle tilgjengelige metoder analyse;

· informasjonsetikk - "fra hver - til den vanlige sparegrisen, og fra den - til hver".

3. Klassifisering av analysesystemer.

Det er generelt akseptert å bruke begrepet " Business intelligence "eller kort sagt - BI. BI -konsept forener forskjellige midler og teknologier for analyse og behandling av data i virksomhetsskala. På grunnlag av dem, BI -systemer. Målet deres er å forbedre informasjonskvaliteten for å ta ledelsesbeslutninger.BI -systemer var tidligere kjent som Decision Support Systems (DSS, DSS - Decision Support System).Som synonymer for begrepet "DSS" opererer de også med begrepene "analytisk system" eller "styringssystem". Nå er klassen av systemer BI er en uavhengig systemklasse, som inkluderer systemer i DSS -klassen.

IDC anslår BI -markedet består av 5 segmenter:

1. OLAP -produkter,

2. data mining verktøy,

3. midler for å bygge depoter og Databutikk,

4. ledelsesinformasjonssystemer og applikasjoner,

5. avslutte brukerverktøy for spørring og bygging av rapporter,

6. DSS -systemer.

Komplett klassifisering av analytiske systemer

OLAP produkter	Datalagringsmetode	MOLAP
		ROLAP
		HOLAP
	plassering OLAP -maskiner	OLAP -servere
	plassering OLAP -maskiner	OLAP -klienter
	Beredskap for bruk	OLAP -komponenter
		Instrumental OLAP -systemer
		OLAP -applikasjoner
Data mining verktøy	Data mining metode	Filtrering
		Beslutningstrær
		Genetiske algoritmer
		Foreningsregler
		Nevrale nettverk
	Leverings metode	Som en del av OLAP -systemer
	Leverings metode	I form av uavhengig Datasystemer Gruvedrift
Verktøy for å bygge datavarehus og datamart	Datavarehusdesignverktøy	Som en del av DBMS
		Universelle rettsmidler
		Ettromsleiligheter
	Ekstraksjon, transformasjon og laster inn data	Som en del av DBMS
	Ekstraksjon, transformasjon og laster inn data	Universelle rettsmidler
	Ferdiglaget domenespesifikk CD
Admog applikasjoner	Type problem som løses	Finansiell analyse
		Investeringsanalyse
		Utarbeidelse av forretningsplaner
		Markedsføringsanalyse
		Prosjektledelse
		Budsjettering
		Økonomistyring
	Omfanget av problemet som løses	Automatisering av arbeidskraft til en spesialist
		For teamarbeid av en gruppe ansatte
		Til bruk i et geografisk distribuert selskap
	Teknologisk konstruksjon	Monolitisk
	Teknologisk konstruksjon	Kan tilpasses
Sluttbruker forespørsler og rapporteringsverktøy	Som en del av OLAP -systemer
Sluttbruker forespørsler og rapporteringsverktøy	I form av Query & Reporting -systemer
DSS -systemer	Innenfor rammene av dette materialet blir DSS -systemer ikke vurdert i detalj, siden dette er et eget spesifikt område av intelligente informasjonssystemer.

La oss se nærmere på hvert segment.

OLAP-Produkter.

Til dags dato har mange produkter blitt utviklet i verden som implementerer OLAP -teknologi. For å gjøre det lettere å navigere blant dem, er det flere klassifiseringer. OLAP -produkter:

· måten data lagres på,

· etter sted OLAP -maskiner,

· i henhold til bruksberedskapen.

Vurder klassifiseringen av systemer etter måten data lagres på. Grunnleggende ide om OLAP er å bygge flerdimensjonale tabeller som vil være tilgjengelige for brukerforespørsler. Flerdimensjonale tabeller (flerdimensjonale kuber) er bygget på grunnlag av kilde- og aggregerte data. Både kildedata og aggregerte data for flerdimensjonale tabeller kan lagres i både relasjons- og flerdimensjonale databaser. Derfor brukes tre måter å lagre data for tiden: MOLAP (flerdimensjonal OLAP), ROLAP (relasjonell OLAP) og HOLAP (hybrid OLAP).

Følgelig OLAP -Produkter er delt inn i tre lignende kategorier ved hjelp av datalagring:

Når det gjelder MOLAP , lagres kilde- og aggregerte data i en flerdimensjonal database eller i en flerdimensjonal lokal kube. Denne lagringsmetoden gir en høy hastighet på utførelsen OLAP -operasjoner. Men den flerdimensjonale basen i dette tilfellet vil oftest være overflødig. Kuben som er bygget på grunnlaget, vil sterkt avhenge av antall dimensjoner. Etter hvert som antallet dimensjoner øker, vil volumet på kuben vokse eksponensielt. Noen ganger kan dette føre til "eksplosiv vekst" av data, som kan lamme brukerforespørsler som et resultat.

I ROLAP -produkter lagres kildedataene i relasjonsdatabaser eller i flate lokale tabeller på en filserver. Samlede data kan plasseres i servicetabeller i samme database. Konvertering av data fra en relasjonsdatabase til flerdimensjonale kuber skjer på forespørsel OLAP -midler. Samtidig vil hastigheten på å bygge en kube sterkt avhenge av typen datakilde og noen ganger føre til uakseptable systemresponstider.

· Ved bruk av Hybridarkitekturen forblir kildedataene inne relasjonsgrunnlag og aggregatene plasseres i flerdimensjonale. Bygning OLAP -kube utføres på forespørsel OLAP -Midler basert på relasjons- og flerdimensjonale data. Denne tilnærmingen unngår eksplosiv datavekst. Samtidig er det mulig å oppnå optimal utføringstid for klientforespørsler.

Den neste klassifiseringen er etter sted OLAP -biler. På dette grunnlaget OLAP -produktene er delt inn i OLAP -servere og OLAP -klienter.

Server OLAP -beregningsmetoder og lagring av aggregerte data utføres av serveren. Klientprogrammet mottar bare resultatene av spørringer mot flerdimensjonale kuber som er lagret på serveren. Noen OLAP -servere støtter kun datalagring i relasjonsdatabaser, andre - bare i flerdimensjonale. Mange moderne OLAP -servere støtter alle tre måtene å lagre data:MOLAP, ROLAP og HOLAP.En av de vanligste serverløsningene som brukes for tiden er OLAP - selskapsserver Microsoft.

OLAP -klienten er ordnet annerledes. Å bygge en flerdimensjonal terning og OLAP -datamaskinene utføres i minnet til klientdatamaskinen.OLAP -klienter er også delt inn i ROLAP og MOLAP.Og noen kan støtte begge typer datatilgang. Blant de første kundene OLAP -midler kan kalles Oracle Discoverer ... De samme mulighetene er gitt av innenlands utvikling - produkter fra Kontur Analytical Platform fra selskapetIntersoft Lab.

Hver av disse tilnærmingene har sine egne fordeler og ulemper. Det er umulig å snakke entydig om fordelene med serververktøy fremfor klientverktøy og omvendt. I praksis er dette valget et resultat av et kompromiss i "ytelse", kostnad programvare og kostnadene ved utvikling, implementering og vedlikehold av analysesystemet.

Neste klassifisering OLAP -produkter - i henhold til bruksberedskapen. Skille: OLAP -komponenter, instrumental OLAP - systemer og siste OLAP -applikasjoner.

OLAP -component er et utviklerverktøy. Med sin hjelp, klient OLAP -programmer. Skille MOLAP og ROLAP -komponenter: MOLAP -komponenter er verktøy for å generere forespørsler til OLAP -server.De gir også visualisering av mottatte data.ROLAP -komponenter inneholder sine egne OLAP -maskin.OLAP -maskin gir konstruksjon OLAP -terninger i tilfeldig tilgangsminne og viser dem på skjermen.En av de mest tilgjengelige, men samtidig en av de svakeste OLAP -komponentene er Decision Cube i Borland Delphi.

· Instrumental OLAP -systemer er programvareprodukter designet for å lage analytiske applikasjoner. Det er to kategorier instrumental OLAP -systemer: systemer for programmering og systemer for hurtig oppsett... Systemer for programmering er et utviklingsmiljø for analytiske systemer. I den, ved å programmere dataforespørsler, beregningsalgoritmer og OLAP -grensesnitt kan opprettes OLAP -applikasjon for sluttbrukeren. Representanten for denne programvareklassen er den analytiske plattformenKnosys Pro Clarity ... På den andre siden, OLAP -systemer for hurtig oppsett er verktøy som gir et visuelt grensesnitt for å lage OLAP -applikasjoner uten programmering. Slike systemer inkluderer en visuell spørringsgenerator, innebygde aggregeringsalgoritmer og tilpasningsverktøy. OLAP -grensesnitt. Denne teknologien implementerer de fleste verktøyene i pakken.BusinessObjectsog analytisk plattform Kontur.

· Til slutt, til den tredje kategorien OLAP -produkter, i henhold til bruksberedskapen, inkluderer finalen OLAP -applikasjoner. Det er klart anvendte løsninger for sluttbrukeren. De krever bare installasjon og, ikke alltid, tilpasning for brukeren. Et eksempel på en slik løsning - OLAP -applikasjoner av "Kontur Standard" -systemet, forberedt for dataanalyse i forskjellige bransjer og for å løse ulike analytiske oppgaver.

Data mining verktøy.

Kunnskap Discovery in Databases (KDD) er prosessen med å finne nyttig kunnskap i rådata. KDD inkluderer spørsmålene om dataforberedelse, valg av informative funksjoner, datarengjøring, anvendelse av dataminingmetoder, samt behandling og tolkning av oppnådde resultater.

Det sentrale elementet i denne teknologien er Data Mining -metoder, som gjør det mulig å oppdage kunnskap ved hjelp av matematiske regler:

· Filtrering. Behovet for filtrering oppstår når det er nødvendig å skille nyttig informasjon fra støy som forvrenger den ved å jevne, rengjøre, redigere uregelmessige verdier, eliminere ubetydelige faktorer, redusere informasjonens dimensjon, etc. Bruk av filtrering i dataanalysesystemer refererer til den primære behandlingen av data og forbedrer kvaliteten på de første dataene, og følgelig nøyaktigheten av analyseresultatet.

· Beslutningstrær. De lar deg representere regler i en hierarkisk, sekvensiell struktur, hvor hvert objekt tilsvarer en enkelt node som gir en løsning. En regel forstås som en logisk konstruksjon presentert i formen "hvis ... da ...". Beslutningstrær brukes til å løse problemer med å finne optimale løsninger basert på den beskrevne atferdsmodellen.

· Foreningsregler. De lar deg finne mønstre mellom relaterte hendelser. Et eksempel på en slik regel er utsagnet om at hvis hendelse A har skjedd, vil hendelse B også forekomme med sannsynlighet C ... Dette problemet ble først foreslått for å finne typiske handlemønstre i supermarkeder, derfor kalles det noen ganger også markedskurvanalyse.

· Genetiske algoritmer. De brukes til å løse optimaliseringsproblemer. Disse metodene ble oppdaget i studiet av artens evolusjon og opprinnelse. Genetiske algoritmer er nødvendige for å justere nevrale nettverk, samt for å løse forskjellige problemer, når det er mulig å lage en beskrivelse av mulige løsninger i form av en vektor med parametere, og et kriterium er kjent som bestemmer effektiviteten til hvert alternativ. Genetiske algoritmer brukes til å lage tidsplaner, porteføljer av verdipapirer, fylle containere under transport (forsendelse) av varer, velge bevegelsesveier, konfigurasjon av utstyr, etc.

· Nevrale nettverk. De implementerer algoritmer basert på feil backpropagation nettverk, selvorganiserende Kohonen kart, RBF nettverk, Hamming nettverk og andre lignende dataanalyse algoritmer. Nevrale nettverk brukes til å løse en rekke oppgaver - å gjenopprette hull i data, finne mønstre, klassifisere og gruppere data, prognoser og modellering.

Data mining verktøy leveres til kundene på to måter:

Som en del av OLAP -systemer,

· som uavhengige systemer Datautvinning.

Data Mining -funksjonalitet er inkludert i analytiske systemer i ulik grad av fullstendighet forskjellige produsenter – Oracle, Hyperion, SAS etc. Imidlertid er de mest "avanserte" i denne forbindelse spesialiserte systemer matematisk analyse data. I Russland, en autoritær utvikler av systemer innen teknologi KDD er selskapet "LaboratoryBasegruppe".

Verktøy for å bygge datavarehus og marts.

Datalagre og datamart er opprettet ved hjelp av spesialiserte verktøy for å bygge datavarehus / marts. Disse midlene inkluderer:

· datavarehusdesignverktøy,

· verktøy for å trekke ut, transformere og laste inn data,

· ferdiglagd fagorientert CD.

Data Warehouse Design Tools er en del av relasjons- og flerdimensjonale databasesystemer fra leverandører som Microsoft, Oracle, IBM, Sybase og andre. Generelle CASE -verktøy som BPWin og ErWin brukes ofte også. Etter beskrivelsen av datalagringsstrukturer av spesielle systemverktøy, genereres de. Denne tilnærmingen til å opprette et datavarehus lar deg bygge et individuelt lager eller dataoppbevaring på kort tid. Samtidig gjør denne tilnærmingen det vanskelig å overføre utviklingen fra en kunde til en annen og utveksling av praktisk erfaring med å løse analytiske problemer.

En alternativ måte å bygge datavarehus er å bruke andre spesialiserte verktøy - Studios for å bygge datavarehus. Slike produkter tilbyr et sett med maler og forhåndsinnstillinger for raskt å lage et hvelv. Som en del av Studio kan en grunnleggende modell av Data Warehouse tilbys, fokusert på et bestemt forretningsområde. Ved hjelp av slike verktøy kan du opprette et datavarehus mye raskere og dra nytte av erfaring tidligere vedtak og begynne å bruke den. Spesielt produkter av denne klassen tilbys av Sybase - dette er et produkt av Industry Warehouse Studio.

ETL) - Data Extraction, Transformation and Loading Tools) gir tre hovedprosesser som brukes til å overføre data fra en applikasjon eller et system til et annet. ETL -verktøy trekker ut informasjon fra kildedatabasen, konverterer den til et format som støttes av måldatabasen, og laster deretter den konverterte informasjonen inn i den. Disse verktøyene er vanligvis en del av funksjonaliteten til relasjons- og flerdimensjonale DBMS eller studioer for å bygge datavarehus. Imidlertid er det også spesialiserte systemer som bare implementerer ETL. -funksjoner. Klassisk ETL -system er for eksempel Ascential DataStage fra Ascential Software.

Og til slutt er det en annen måte å bygge datalagre og data marts på-dette er bruken av ferdige domenespesifikke datavarehus. Dette er den mest pålitelige måten å bygge et datavarehus på en stram tidsplan. Klar til bruk datavarehus er preget av tilstedeværelsen av mekanismer for å bygge datavarehus / marts, sammenkoblet gjennom en enkelt metadataordbok. Disse inkluderer - prosedyrer for å trekke ut, transformere, rengjøre og laste inn data, funksjoner for generering av databaser og behandlingsprosedyrer, mekanismer for å bygge dataprøver, grensesnitt for visning og analyse av data. En begrensning i bruken av ferdige datavarehus er deres fagorientering. For eksempel kan det finansielle datavarehuset ikke brukes til å løse problemene med optimalisering av kjemisk produksjon. Et eksempel på et ferdig domenespesifikt datavarehus er Kontur Corporation-systemet fra selskapetIntersoft Lab ... Bruken av domenespesifikke datavarehus gjenspeiler den globale markedstrenden BI skissert i i det siste- tilby plattformer for "rask" utvikling av analytiske applikasjoner.

Admog applikasjoner.

Det er en annen veldig allsidig klasse med analytiske systemer. Dette er de ultimate løsningene for ledere og analytikere. Historisk sett har det teknologiske grunnlaget for implementering av slike systemer variert betydelig. Noen av dem er basert på moderne analyseverktøy, mens andre er basert på grunnleggende informasjonsteknologi. For å gjøre det lettere å navigere i disse systemene, introduseres 3 klassifikasjoner:

· ved hvilken type problem som løses,

· ved omfanget av problemet som er løst,

· etter teknologisk struktur.

Analytiske systemer er klassifisert i henhold til typen oppgaver de løser. Blant typer oppgaver er:

· Analyse av den finansielle tilstanden til en bank eller et foretak, utført i henhold til eksterne offentlige data, for eksempel en balanse, en oversikt over økonomiske resultater, noen ganger vedlegg til balansen og en kontantstrømoppstilling. Systemer-Audit Expert (Pro-Invest), Alt-finance (Alt), ABFI (Weston), Analyst, AFSP, ADP (INEC) og andre.

· Investeringsanalyse - for en omfattende vurdering av effektivitet investeringsprosjekter og ta en beslutning om deres finansiering, Project Expert (Pro-Invest), Alt-Invest (Alt) og andre.

· Utarbeidelse av forretningsplaner, med tanke på variasjoner i produksjons-, salgs- og finansieringsordninger, en omfattende analyse av markedsføringssituasjonen, prosjektets følsomhet når det gjelder viktige parametere. Systemer-Prosjektekspert (Pro-Invest), Alt-Invest (Alt) og andre.

· Markedsføringsanalyse, som gjør det mulig å vurdere et selskaps posisjon i markedet, å foreta en komparativ analyse av salgsaktivitetene sine med konkurrenter, for å danne en optimal salgsstruktur, for å bestemme lønnsomheten til ulike markedssegmenter og produkter, selskapets markedsandel , vekstrater og mer. Systems - Marketing Expert (Pro -Invest), Kasatka og andre.

· Prosjektledelse, brukt til å utvikle en prosjektgjennomføringsplan, bestemme den kritiske banen og tidsreserver for gjennomføring av prosjektoperasjoner; prosjektfinansiering, behov for materialer og utstyr, risikoanalyse og risikobasert planlegging, og så videre. Systemer - MS Project (Microsoft), Open Plan (Welcom Software Technology) andre.

· Budsjettering, som gir planlegging, regnskap og analyse av sentre for økonomisk ansvar, virksomheter, produkter når det gjelder eiendeler og gjeld, inntekter og utgifter, implementering av tildelinger og beregning av økonomiske resultater. Systemer - Hyperion Søyle, Comshare MPC , Contour Corporation. Budsjett (Intersoft Lab) og andre.

· Økonomistyring, inkludert, i tillegg til budsjetteringsoppgaver, oppgaver med økonomisk planlegging, ledelsesregnskap, t overføringsressursstyring, verdivurdering av virksomheten ved bruk av ABC -metoden, analyse av eiendeler, gjeld, risiko. Systemer - Oracle Financial Services -applikasjoner (Oracle ), Kontur Corporation.Økonomistyring (Intersoft Lab) og andre.

I praksis er det mange flere typer oppgaver, men her er det bare listet opp en rekke av de oppgavene som har funnet sin utførelse i sirkulasjonsanalysesystemer. Noen av disse systemene kan bare løse en oppgave, andre er et kompleks som inkluderer et bredt spekter av sammenhengende oppgaver.

Analytiske systemer er også klassifisert i henhold til omfanget av problemet som skal løses:

· Arbeidsautomatiseringssystemer for en spesialist. Dette er de såkalte DeskTop-systemer designet for å automatisere arbeidet til en smal spesialist. Som regel krever driften av slike systemer ikke hjelp fra automatiseringstjenesten.

· Systemer for teamarbeid av en gruppe ansatte. Slike systemer inneholder verktøy som sikrer brukernes kollektive arbeid i sanntid med en enkelt database innenfor rammen av tilgangsrettigheter. Slike systemer krever allerede administrasjons- og vedlikeholdsfunksjoner.

· Systemer for bruk i et geografisk distribuert selskap. Disse systemene inkluderer egenskapene til analytiske systemer for brukergrupper, samt midler til interaksjon med eksterne bedriftsavdelinger (filialer) i form av datainnsamlingsteknologi, distribusjon av referansedata og rapporter. Systemer av denne klassen er vanskelige å betjene, men gir samtidig den mest komplette løsningen på analytiske og håndteringsproblemer.

I henhold til den teknologiske strukturen kan analytiske systemer betinget deles inn i monolitisk og tilpasses:

· Monolitiske analysesystemer er preget av det faktum at analytisk teknikk i dem er implementert i koden til selve programmet, og ikke i form av å sette opp et universelt analyseverktøy. I dette tilfellet krever analysesystemet som regel ikke vesentlig arbeid med oppsettet (med unntak av systemer i Data Mining -klassen). Den kan brukes nesten umiddelbart etter installasjon. Samtidig er slike systemer ikke "fleksible" og egner seg ikke godt til endringer i henhold til brukernes krav. Monolitiske systemer er utviklet ved hjelp av grunnleggende programmeringsverktøy og et DBMS.

· Tilpassede analytiske systemer er preget av bruk av universelle analyseverktøy og spesialiserte verktøy, som f.eks OLAP, Studios, ETL, Datautvinning. Søknaden deres forbedrer kvaliteten på analysesystemet, gir utviklingsutsikter, men fører samtidig til en økning i kostnadene for den endelige løsningen. Anvendte analysesystemer, laget i form av innstillinger for universelle analyseverktøy, krever mer arbeid under implementeringen, men de lar deg implementere unike analysemetoder som er vedtatt i organisasjonen.

Et kompromiss mellom disse to systemklassene er implementering av den analytiske metodikken i form av en Universal Analytical System Application. Denne tilnærmingen lar dem replikeres uavhengig av hverandre. Men det er svært få slike systemer på markedet.

Sluttbrukerverktøy for spørring og bygging av rapporter.

Systemer i denne klassen (Query & Reporting) er designet for å danne forespørsler til informasjonssystemer i brukerbetingelser, samt utførelse av dem, dataintegrasjon fra forskjellige kilder, se på data med mulighet for å detaljere og oppsummere og bygge fullverdige rapporter, både på skjermen og trykt. Det antas at opplæringsnivået til en spesialist som lager rapporter kan sidestilles med erfaringen av et gjennomsnitt Excel -bruker... Derfor sender brukeren en forespørsel til datakilden ved hjelp av en oversiktskatalog (semantisk lag) utarbeidet av programmereren på forhånd. Visualisering av spørringsresultater kan presenteres for brukeren i forskjellige former - flate eller flerdimensjonale tabeller, grafer, diagrammer, forskjellige spesialiserte grensesnitt.

Sluttbrukerverktøy for spørring og bygging av rapporter leveres på to måter:

Som en del av OLAP -systemer,

· i form av spesialiserte spørrings- og rapporteringssystemer.

Nesten alle klassesystemer OLAP utstyrt med ved hjelp av spørring& Rapportering. Disse verktøyene kan begge bygges inn i hovedproduktet (eksempler - Forretningsobjekter , "Kontur Standard", Oracle Discoverer) eller som et eget produkt (for eksempel et system Impromptusom en del av produkteneCognos).

Det finnes også spesialiserte systemer for generering og distribusjon av rapporter. Den vanligste av disse er produkter fra Crystal Decisions and Actuate. Samtidig har disse systemene sine egne OLAP -midler. Tegn derfor en klar linje mellom OLAP -systemer og systemer i Query & Reporting -klassen er nesten umulig. Et eksempel er produktene fra MicroStrategy -selskapet, som ulike analytikere og publikasjoner med like regelmessighet klassifiserer som produkter fra begge klasser.

4. Konsepter for å bygge IAS.

For en stund nå har det moderne utviklingsnivået for maskinvare og programvare muliggjort omfattende vedlikehold av databaser med operasjonell informasjon på forskjellige styringsnivåer. I løpet av sin virksomhet har industriforetak, selskaper, avdelingsstrukturer, offentlige organer og administrasjoner samlet store mengder data. De lagrer i seg selv et stort potensial for å trekke ut nyttig analytisk informasjon, på grunnlag av hvilken det er mulig å identifisere skjulte trender, bygge en utviklingsstrategi og finne nye løsninger.

De siste årene har en rekke nye konsepter for lagring og analyse av bedriftsdata tatt form i verden:

1) Datavarehus eller datavarehus;

2) On-Line Analytical Processing (OLAP);

3) Data mining - IAD (Data Mining).

OLAP -teknologier er nært knyttet til teknologier for å bygge datavarehus og metoder for intelligent behandling - Data Mining. Derfor det beste alternativet er en integrert tilnærming til implementeringen av dem.

For at eksisterende datavarehus skal lette ledelsesbeslutninger, må informasjon presenteres for analytikeren i ønsket form, det vil si at den må ha avanserte verktøy for tilgang til og behandling av data i depotet.

Svært ofte, informasjon og analytiske systemer opprettet med forventning om direkte bruk av beslutningstakere viser seg å være ekstremt enkelt i applikasjon, men sterkt begrenset i funksjonalitet. Slike statiske systemer omtales i litteraturen som Executive Information Systems (EIS), eller Executive Information Systems (EIS). De inneholder forhåndsdefinerte sett med forespørsler, og er tilstrekkelig for daglig gjennomgang, og klarer ikke å svare på alle spørsmålene om tilgjengelige data som kan oppstå når du tar beslutninger. Resultatet av arbeidet med et slikt system er som hovedregel flersidige rapporter, etter en grundig studie som analytikeren har en ny serie med spørsmål. Hver ny forespørsel som ikke er forutsatt i utformingen av et slikt system, må imidlertid først formelt beskrives, kodes av programmereren og først deretter utføres. Ventetiden i dette tilfellet kan være timer og dager, noe som ikke alltid er akseptabelt. Dermed blir den eksterne enkelheten til statisk ISR, som de fleste kunder med informasjon og analytiske systemer aktivt kjemper om, til et katastrofalt tap av fleksibilitet.

DynamiskIAS er tvert imot fokusert på behandling av ad hoc -analytikerforespørsler om data. Analytikere jobber med disse systemene i en interaktiv sekvens for å danne spørsmål og studere resultatene deres.

Men dynamisk IAS kan operere ikke bare innen online analytisk behandling (OLAP); støtte for å ta ledelsesbeslutninger basert på akkumulerte data kan utføres på tre grunnleggende områder:

1. Sfære med detaljerte data. Dette er domenet til de fleste informasjonsinnhentingssystemer. I de fleste tilfeller relasjons DBMS gjør en utmerket jobb med oppgavene som oppstår her. Den allment aksepterte standarden for språket i relasjonsdatamanipulering er SQL. Informasjonshentingssystemer som gir et sluttbrukergrensesnitt i oppgavene med å søke etter detaljert informasjon, kan brukes som tillegg både over separate databaser med transaksjonelle systemer og over et felles datavarehus.

2. Omfang av aggregater. En omfattende titt på informasjonen som er samlet inn i datalageret, dets generalisering og aggregering, hyperkubisk presentasjon og multivariat analyse er oppgaver for online analytisk behandling (OLAP) -systemer. Her kan du enten fokusere på spesielle flerdimensjonale DBMS, eller holde deg innenfor rammen av relasjonelle teknologier. I det andre tilfellet kan forhåndsaggregerte data samles inn i en stjerneformet database, eller informasjonen kan samles i farten mens du skanner detaljerte tabeller i en relasjonsdatabase.

3. Regularitetens sfære. Intellektuell behandling utføres ved hjelp av data mining (IAD, Data Mining), hvis hovedoppgaver er å lete etter funksjonelle og logiske mønstre i den akkumulerte informasjonen, konstruksjon av modeller og regler som forklarer de funnet avvikene og / eller forutsier utvikling av noen prosesser.

5. Generell struktur for informasjonsanalysesystemet.

Den komplette strukturen til et informasjonsanalytisk system bygget på grunnlag av et datalager er vist i figur 1. I spesifikke implementeringer er individuelle komponenter i denne ordningen ofte fraværende.

Figur 1. Strukturen til informasjonsanalysesystemet (IAS)

La oss vurdere sammensetningen av de viktigste undersystemene.

Datalagringsundersystem.

Et flerdimensjonalt datavarehus kan organiseres i form av en av følgende strukturer:

1. en fysisk struktur, kalt MOLAP, der data fra filer - kilder som tilhører operasjonelle databaser lastes inn med jevne mellomrom

2. en virtuell struktur kalt ROLAP, som brukes dynamisk for forespørsler. ROLAP - systemet betraktes ganske enkelt som et tillegg over relasjonsdatabaser, og gir et praktisk brukergrensesnitt. Typiske ROLAP-aktiverte verktøy er Business Objects.

3. en hybridstruktur kalt H OLAP, som brukes til å bygge informasjonslagre på flere nivåer som brukes på forskjellige ledelsesnivåer i store selskaper.

En analyse av parametrene for bruk av ROLAP og MOLAP informasjonslagre viser at implementeringen og driften av ROLAP - systemer er enklere og billigere enn MOLAP - systemer, men de er dårligere enn sistnevnte når det gjelder effektiviteten av operative dataanalyser.

Delsystem for metainformasjon.

Oppbevaringssteder en beskrivelse av strukturen til informasjonslagringen: sammensetningen av indikatorer, hierarkiet av aggregasjoner av dimensjoner, dataformater, funksjoner som brukes, fysisk plassering på serveren, brukerrettigheter, oppdateringsfrekvens.

Depotet angir opplegget for å vise strukturen til datakildefiler på strukturen til dem, samt opplegget for å vise strukturen til dem på datamart. Depotet brukes til å tolke forespørsler til THEM om operasjonell dataanalyse.

Datatransformasjonsundersystem (lagring).

Lastundersystemet til THEM er bare opprettet for MOLAP - systemer. For ROLAP - systemer, i prosessen med å utføre spørringer, blir data konvertert fra kildefiler. I begge tilfeller kreves følgende grunnleggende funksjoner:

· datainnsamling,

· data rensing,

· samling av data.

Dataindsamling innebærer overføring av data fra kilder til deres i samsvar med visningsopplegget som presenteres i depotet.

I prosessen med datarensing utføres integritetskontroll, dataduplisering elimineres, tilfeldige data avvises, manglende data gjenopprettes og data konverteres til et enkelt format.

Hvis det er nødvendig å samle dataene, summeres totalene i henhold til egenskapene som er angitt i depotet.

Delsystem for datapresentasjon (organisering av data marts).

En datakart er et domenespesifikt datavarehus, vanligvis av aggregerte opplysninger, beregnet for bruk av en gruppe brukere innenfor en bestemt type virksomhetsaktivitet, for eksempel markedsføring, etc.

Datamart er vanligvis delsett av et selskaps delte datavarehus som fungerer som en kilde for dem. Vanligvis utvikles vanlige IH- og datamart parallelt.

Delsystem for online dataanalyse.

Delsystemet for operasjonell dataanalyse brukes som regel av personer som forbereder informasjon for beslutningstaking ved å utføre forskjellige statistiske grupperinger av de første dataene.

Innenfor rammen av brukergrensesnittet brukes følgende grunnleggende operasjoner for driftsdataanalyse:

· Sving. Legger til en ny analysefunksjon.

· Projeksjon... Prøvetaking av et delsett med et gitt sett med målinger. I dette tilfellet summeres verdiene som ligger på projeksjonsaksen.

· Formidling. Nedbrytningen av aggregeringskarakteristikken til komponenter utføres, for eksempel er årskarakteristikken delt inn i kvartaler. Samtidig blir numeriske indikatorer automatisk detaljert.

· Konvolusjon... Operasjonen er det motsatte av å åpne. I dette tilfellet summeres verdiene til de detaljerte indikatorene i den aggregerte indikatoren.

· Snitt eller skive. Tildeling av et delsett med data for spesifikke verdier av en eller flere dimensjoner.

Data mining undersystem.

Data mining -undersystemet brukes av en spesiell kategori av brukere - analytikere, som på grunnlag av dem oppdager mønstre i virksomheten til et foretak og i markedet, som deretter brukes til å underbygge strategiske og taktiske beslutninger. Prediktiv analyse krever mer sofistikerte analyseteknikker enn statiske grupperinger og utføres i flere økter.

Typiske data mining -oppgaver er:

· Etablere korrelasjoner, årsakssammenheng og tidspunkt for hendelser, for eksempel å finne lønnsomme virksomheter.

· En klassifisering av situasjoner som lar deg generalisere spesifikke hendelser i klasser, for eksempel å definere en typisk kundeprofil for spesifikke produkter.

· Forutsi utviklingen av situasjoner, for eksempel prognoser for priser, salgsvolum, produksjon.

De viktigste metodene for datautvinning inkluderer:

- Multivariate statistiske analysemetoder,

- Induktive metoder for å bygge beslutningstrær,

Nevrale nettverk.

Delsystem "Informasjonssystem for hodet".

Lederens informasjonssystem er beregnet på direkte beslutningstakere. Derfor bør grensesnittet til slike systemer være så forenklet som mulig. Som grensesnitt tilbys bedriftsledere vanligvis et sett med standardrapporter og grafer som kan tilpasses lederens behov gjennom et menysystem. Ishikawa -diagrammer tilbys ofte som et grensesnitt selvutvidende et tre av indikatorer, der bladene på grenene er malt i forskjellige farger, som symboliserer tilstanden til indikatorens tilstand (normal, alarmerende, krise). Bladet til en hvilken som helst gren av treet kan utvides til en tabell med indikatorverdier eller en graf.

DelsystemWEB - publikasjoner.

WEB -publiseringsundersystemet forutsetter transformasjon av informasjon mottatt fra dem til HTML - et skjema som er tilgjengelig for visning av eksterne klienter ved hjelp av nettlesere.

Kommentarer (1)

- analyse av salgsprosesser

Metoder for å konstruere informasjon og analysesystemer

- OLAP -produkter,

- data mining verktøy,

OLAP produkter

- måten data lagres på,

- I server -OLAP -verktøy utføres beregningene og lagringen av aggregerte data av serveren. En av de mest utbredte serverløsningene i dag er Microsofts OLAP -server.

Bilde 1.

Gvozdev, V.

A., Automatisert informasjonsteknologi og -systemer - Moskva 2011 - 541 s.

Informasjons- og analysesystemer

Funksjoner og omfang av IAS

Hovedformålet med IAS er dynamisk presentasjon og flerdimensjonal analyse av historiske og aktuelle data, trendanalyse, modellering og prognoser for resultatene av ulike ledelsesbeslutninger.

Hovedfunksjonene til informasjons- og analysesystemet er:

Trekker ut data fra forskjellige kilder, deres transformasjon og lasting til lagring;

· Datalagring;

· Dataanalyse, inkludert operasjonelle og intellektuelle;

· Utarbeidelse av resultatene fra operasjonell og intellektuell analyse for deres effektive oppfatning av forbrukere.

Resultatet av bruk av IAS-verktøy er på den ene siden forskriftsmessige analytiske rapporter fokusert på behovene til brukere av forskjellige kategorier, på den andre siden, verktøy for interaktiv analyse av informasjon og rask konstruksjon av rapporter av brukere som ikke er programmerere ved hjelp av kjente begreper. av fagområdet.

Funksjonen med å samle og lagre informasjon med samtidig forbedring i informasjons- og analysesystemer utføres av informasjonslagre (Data Warehouse).

Det er ingen harde grenser mellom OLAP og prediktiv analyse, men når du løser komplekse problemer, må du bruke svært kraftige spesialprogramvareverktøy.

Informasjons- og analysesystemer på øverste nivå brukes til å ta strategiske beslutninger. De lar lederen løse følgende oppgaver:

Utarbeidelse av konsoliderte uttalelser og oppsummering av oppsummerende informasjon om virksomheten i virksomheten (finansielle, produksjonsmessige og andre indikatorer, dynamikken i deres endringer og trender),

Analyse av virksomheten til datterselskaper, filialer og divisjoner i selskapet (analyse av lønnsomhet, kostnader, planimplementering),

Analyse av finansielle aktiviteter (grunnleggende finansielle indikatorer, trender, gjensidige oppgjør), optimalisering av finansstrømmer, reell vurdering av produksjonskostnader,

Gjennomføre en omfattende vurdering av selskapets aktiviteter basert på konstant overvåking av de fire viktigste aspektene (økonomi, forhold til omverdenen, selskapets interne tilstand, innovasjon),

· Analyse av salgsprosesser (utarbeidelse av en plan, overvåking av gjennomføring av ordrer, oppgjør for leverte produkter, prognoser for mottak av midler, prognoser for etterspørsel).

Informasjons- og analysesystemer for underavdelinger innebærer større detaljer og mer kompleks analytisk behandling. Disse systemene hjelper til med å forberede informasjon for beslutningstaking innen salg, produkttilbud, økonomisk planlegging.

Det er to typer informasjon og analysesystemer i henhold til analysemodus og hastighet:

· Statisk - ha et forhåndsutviklet scenario for databehandling med svært begrensede alternativer for spørringsvariasjoner;

Dynamisk - gi behandling av ad hoc -forespørsler og et fleksibelt rapporteringssystem;

Følgende prinsipper for å bygge IAS i et foretak kan skilles:

· Samling av alle informasjonsprosesser i virksomheten;

· Innbygging av systemet i den allerede eksisterende organisasjonsstrukturen i virksomheten;

· Koordinering av innsatsen til alle divisjoner i foretaket i gjennomføringen av tildelte oppgaver;

· Åpenhet for systemet for videre utvikling;

· Omfattende bruk av alle tilgjengelige analysemetoder;

· Informasjonsetikk - "fra hver - til den felles sparegrisen, og fra den - til hver".

Konklusjon

Informasjons- og analysesystemer er en overbygning over de som allerede fungerer i virksomheten informasjonsprogrammer og krever ikke erstatning; disse systemene samler data om alle typer virksomhetsaktiviteter - fra lagertilstand til finans- og regnskapsrapporter.

Bruk nettstedssøket:

ANALYTISKE INFORMASJONSSYSTEMER FOR BESLUTNINGSSTØTTE

Kommentarer (1)

Teksten i verket er plassert uten bilder og formler.
Fullversjon arbeid er tilgjengelig i kategorien "Filer of work" i PDF -format

Bred og effektiv bruk av programvare tekniske midler ble en av faktorene for overlevelse og suksess for virksomheten under akutte forhold konkurransekamp... Automatiserte informasjonssystemer har blitt utbredt.

Problemet med å analysere den første informasjonen for beslutningstaking viste seg å være så alvorlig at det dukket opp en egen type informasjonssystemer - informasjons- og analysesystemer (IAS).

Informasjons- og analysesystemer (IAS) er designet på grunnlag av data innhentet i sanntid for å hjelpe til med å ta ledelsesbeslutninger.

Hovedformålet med IAS er dynamisk presentasjon og flerdimensjonal analyse av historiske og nåværende data, trendanalyse, modellering og prognoser for resultatene av ulike ledelsesbeslutninger.

Resultatet av bruk av IAS-verktøy er på den ene siden forskriftsmessige analytiske rapporter fokusert på behovene til brukere i forskjellige kategorier, på den andre siden, verktøy for interaktiv analyse av informasjon og rask konstruksjon av rapporter av brukere som ikke er programmerere som bruker kjente begreper i fagområdet.

Funksjonen med å samle og lagre informasjon med samtidig forbedring i informasjons- og analysesystemer utføres av informasjonslagre (Data Warehouse).

På grunn av det store volumet og kompleksiteten har dataanalyse to retninger - driftsdata (informasjon) analyse, den engelske forkortelsen av navnet er utbredt - OLAP. Hovedoppgaven med OLAP-analyse er å raskt trekke ut nødvendig analyse for begrunnelse eller beslutningsinformasjon.

Informasjons- og analysesystemer på øverste nivå brukes til å ta strategiske beslutninger. De lar lederen løse følgende oppgaver:

- utarbeidelse av konsoliderte uttalelser og sammenfattende informasjon om virksomheten i virksomheten

- analyse av virksomheten til filialer og divisjoner i selskapet

- analyse av finansielle aktiviteter

- gjennomføre en omfattende vurdering av selskapets virksomhet

- analyse av salgsprosesser

Informasjons- og analysesystemer for underavdelinger innebærer større detaljer og mer kompleks analytisk behandling. Disse systemene hjelper til med å forberede informasjon for beslutningstaking.

Klassifisering av analytiske systemer.

For å referere til analytiske teknologier og verktøy generelt, er det vanlig å bruke begrepet "Business Intelligence". BI -konseptet forener forskjellige verktøy og teknologier for analyse og behandling av data i en virksomhetsskala. BI -systemer er laget på grunnlag av dem. Målet deres er å forbedre informasjonskvaliteten for å ta ledelsesbeslutninger. BI -systemer var tidligere kjent som Decision Support Systems. Som synonymer for begrepet "DSS", opererer de også med begrepene "analytisk system". Nå er klassen av BI -systemer en uavhengig systemklasse, som inkluderer systemer av DSS -klassen.

Antatt IDC -markedet BI består av 5 segmenter:

- OLAP -produkter,

- data mining verktøy,

- verktøy for å bygge datavarehus og marts,

- informasjonssystemer og applikasjoner for ledelse,

- sluttbrukerverktøy for å utføre spørringer og bygge rapporter,

OLAP produkter

Til dags dato har mange produkter blitt utviklet i verden som implementerer OLAP -teknologier. For å gjøre det lettere å navigere blant dem, er det flere klassifiseringer av OLAP -produkter:

- måten data lagres på,

- på stedet for OLAP -maskinen,

- i henhold til bruksberedskapen.

Foreløpig er det tre måter å lagre data på: MOLAP, ROLAP og HOLAP.

Når det gjelder MOLAP, lagres rådata og aggregerte data i en flerdimensjonal database eller flerdimensjonal lokal kube.

I ROLAP -produkter lagres kildedataene i relasjonsdatabaser

Ved bruk av Hybridarkitekturen forblir kildedataene i den relasjonsdatabasen, og aggregatene plasseres i den flerdimensjonale.

Den neste klassifiseringen er basert på plasseringen av OLAP -maskinen. På dette grunnlaget er OLAP -produkter delt inn i OLAP -servere og OLAP -klienter.

- I server -OLAP -verktøy utføres beregningene og lagringen av aggregerte data av serveren.

Informasjons- og analysesystem

En av de mest utbredte serverløsningene i dag er Microsofts OLAP -server.

- OLAP -klienten er konfigurert annerledes. Flerdimensjonal kubeoppbygging og OLAP -beregninger utføres i minnet til klientdatamaskinen. Et av de tidligste OLAP -klientverktøyene var OracleDiscoverer.

Klassifisering av OLAP -produkter - i henhold til bruksberedskapen. Skill: OLAP -komponenter, instrumentale OLAP -systemer og siste OLAP -applikasjoner.

OLAP Component er et utviklerverktøy. Med sin hjelp blir OLAP -klientprogrammer utviklet. En av de mest tilgjengelige, men samtidig en av de svakeste OLAP -komponentene er Decision Cube som en del av Borland Delphi.

OLAP instrumental systemer er programvareprodukter designet for å lage analytiske applikasjoner. Denne teknologien implementerer de fleste verktøyene i BusinessObjects -pakken og Contour Analytical Platform.

Til slutt er den tredje kategorien av OLAP-produkter når det gjelder beredskap for bruk, OLAP-applikasjoner for sluttbruk. Dette er ferdige applikasjonsløsninger for sluttbrukeren. De krever bare installasjon. Et eksempel på en slik løsning er OLAP -applikasjonene til Kontur Standard -systemet, forberedt for dataanalyse i forskjellige bransjer og for å løse ulike analytiske problemer.

Kunnskapsoppdagelse i databaser er prosessen med å finne nyttig kunnskap i rådata. KDD inkluderer spørsmålene om dataforberedelse, valg av informative funksjoner, datarensing, anvendelse av dataminingmetoder, samt behandling og tolkning av resultatene.

Midtpunktet i denne teknologien er Data Mining -metoder. Funksjonaliteten til Data Mining er i ulik grad av fullstendighet inkludert i analysesystemene til forskjellige produsenter - Oracle, Hyperion, SAS, etc. I Russland er BaseGroup Laboratory en autoritær utvikler av systemer innen KDD -teknologi.

ETL -verktøy (ekstraksjon, transformasjon, lasting) - verktøy for å trekke ut, transformere og laste inn data) gir tre hovedprosesser som brukes til å overføre data fra en applikasjon eller et system til andre. ETL -verktøy trekker ut informasjon fra kildedatabasen, konverterer den til et format som støttes av måldatabasen, og laster deretter den konverterte informasjonen inn i den. Det finnes også spesialiserte systemer som bare implementerer ETL -funksjoner. Det klassiske ETL -systemet er for eksempel Ascential DataStage fra Ascential Software.

Admog applikasjoner.

Analytiske systemer er klassifisert i henhold til typen oppgaver de løser. Blant typer oppgaver er:

- Analyse av den økonomiske tilstanden til en bank eller et foretak. Systems-Audit Expert (Pro-Invest), Alt-finance (Alt), ABFI (Weston), Analyst, AFSP, ADP (INEC) og andre.

- Investeringsanalyse- for en omfattende vurdering av effektiviteten til investeringsprosjekter og å ta en beslutning om finansieringen av dem, Project Expert (Pro-Invest), Alt-Invest (Alt) og andre.

- Utarbeidelse av forretningsplaner. Systemer-Prosjektekspert (Pro-Invest), Alt-Invest (Alt) og andre.

- Markedsføringsanalyse. Systems - Marketing Expert (Pro -Invest), Kasatka og andre.

- Prosjektledelse. Systemer - MS Project (Microsoft), Open Plan (Welcom Software Technology) og andre.

- Budsjettering. Systemer - Hyperion Pillar, Comshare MPC, KonturCorporation. Budget (Intersoft Lab) og andre.

- Økonomistyring. Systemer - Oracle Financial Services Applications (Oracle), ContourCorporation. Økonomistyring (IntersoftLab) og andre.

Sluttbrukerverktøy for spørring og bygging av rapporter.

Systemer i denne klassen (Query & Reporting) er designet for å generere forespørsler til informasjonssystemer i brukerdefinerte termer, samt deres utførelse, dataintegrasjon fra forskjellige kilder, datavisning med detaljering og generalisering, og bygge fullverdige rapporter, både på skjermen og trykt.

Nesten alle OLAP -klassesystemer er utstyrt med Query & Reporting -verktøy. Disse verktøyene kan enten bygges inn i hovedproduktet (eksempler - "Kontur Standard", Oracle Discoverer) og skilles i et eget produkt (for eksempel Impromptu -systemet).

Det finnes også spesialiserte systemer for generering og distribusjon av rapporter. Den vanligste av disse er produkter fra Crystal Decisions and Actuate.

Bilde 1. Strukturen til informasjonsanalysesystemet (IAS)

Sosnov A.R., Organisering av en automatisert arbeidsplass for en analytiker http://www.bibliotekar.ru/deyatelnost-predpriyatiya-2/84.htm

Ermolovich L.L., Analyse av foretakets økonomiske og økonomiske aktiviteter. - Minsk: BSEU, 2001.- 545 s.

Adamadziev K.R., Gadzhiev N.K. Enterprise Management Information Systems: Textbook - Makhachkala: Publishing and Printing Center of DGU, 2007. - 139 s.

Gvozdeva, V.A., Automatisert informasjonsteknologi og systemer - Moskva 2011 - 541 s.

Bubnova N.G., Informatikk i økonomi: lærebok, Moskva 2011, 476 s.

Isaev G.N., modellering informasjonsressurser: teori og problemløsning. Moskva 2012 - 224 s.

IAS Godstransport 4.3.0.3093 - Automatisering av godstransport og transportlogistikk.

Lastetransportprogrammet er designet for å automatisere godstransport, logistikk, og fullt automatisere arbeidet til et transportselskap.

Systemet består av flere sammenkoblede moduler.
Lastregnskap
Det er grunnlaget for IAS Trucking -programvaren. Følgende funksjoner er implementert i godstransportregnskapsmodulen:
behandling av informasjon om søknader om godstransport;
registrering av transaksjoner med kunder og utøvere;
dannelse av "tekniske" dokumenter;
dannelse av dokumenter på vegne av andre entreprenører;
kontroll av kjørelengde til traktorer og tilhengere;
kontroll av transportens varighet;
bruk av fleksible tariffskalaer ved beregning av transporthastigheten;
behandling av informasjon om tilleggstjenester;
regnskap for mottak av kundebetalinger og betalinger til transportører;
regnskapsføring av overheadkostnader;
regnskap for generelle inntekter og utgifter som ikke er knyttet til transport;
import av betalinger fra klient-banksystemer;
import av dokumenter fra regnskapssystemer;
automatisk fordeling av betalinger for transaksjoner;
gjeldskontroll;
påminnelser for dannelse av dokumenter;
kontroll av innkommende og utgående dokumentasjon;
lagring av dokumenter for entreprenører, transport, sjåfører, transport;
sende e -post med varsler;
sende e-post med filer fra lagring;
innebygd chat for forretningskorrespondanse;
utskrift av kontrakter-søknader, handlinger, fakturaer, fakturaer, fraktbrev;
skrive ut rapporter om transport, betalinger og gjeld;
eksport av dokumenter til de vanligste formatene;
kraftig tillatelsessystem, tilgangskontroll til alle funksjoner;
distribusjon av tilgang til motparter;
distribusjon av tilgang til transport;
distribusjon av rapporteringsdokumenter;
muligheten til å jobbe på Internett ved hjelp av en tilleggspakke med en ekstern klient.

Lønnsberegning
Modulens verktøy lar deg beregne overskuddet fra hver ansatt og på dette grunnlaget beregne lønnen.

Lagerkontroll
Denne modulen gir ikke bare standardverktøy for å kontrollere ankomst og forbruk av reservedeler og materialer, men lar deg også holde oversikt over kundebestillinger, generere informasjon om behovet for materialer for innkjøpsavdelingen.

Analyse av bedriftens kvalitet
Modulverktøysettet er designet for å analysere all informasjonen som er lagt inn i andre moduler. På grunnlag av dette er det mulig å trekke en konklusjon om kvaliteten på foretakets arbeid i løpet av få minutter.

Tilleggsinformasjon
Tillatelse: Shareware
Programvareutvikler: Firma CIRITAS
Støttet operativsystem: Windows XP, Windows 2003, Windows Vista, Windows 7, Windows 8
Grensesnittspråk: Russisk
Oppdater dato: 2016-06-01
Programstørrelse: 45519 Kb

Last ned IAS godstransport 4.3.0.3093

En betydelig begrensning er dimensjonen til tallserien, som ikke kan overstige 30 (tretti). Dermed er omfanget av anvendelsen av dette verktøyet innsnevret og reduseres hovedsakelig til bruk av små datasett av individuelle og små bedrifter.

Den allerede nevnte statistikkpakken er utbredt, har gode muligheter for implementering av intellektuell analyse og integreres med andre verktøy gjennom OLE -verktøyet. Selskapsutvikleren har til hensikt å bringe produktet til kravene til Codd, a. Det er ingen begrensninger på utvalgsstørrelser. Designet for profesjonelt analytisk arbeid med ubegrensede datamengder innen ulike fagområder.

Innebygd OLAP og gruveverktøy

Stor IMS, for eksempel SAP og andre systemer av lignende klasse, inkluderer fult sett verktøy for å lage og støtte dem, OLAP og Data mining. Mindre utviklede systemer, spesielt russiske, inkluderer verktøy fra andre firmaer eller har egen utvikling begrenset omfang og evner.

Et eksempel er utviklingen av russiske selskaper "PiBi" "OLAP 7.7", fokusert på å jobbe med det utbredte systemet "1C: Enterprise 7.7" og selskapet "1C-Rarus"-"1C-Rarus: Dynamiske rapporter", der Kontur -produktet er integrert med 1C systemversjoner 7.7 og 8.

Brukernivået må tas i betraktning. Du kan kjøpe et dyrt verktøy med mange muligheter, men på grunn av mangel på profesjonalitet hos brukerne eller på grunn av mangel på et konstant behov for å bruke verktøyet i full grad av dets evner, vil det finne begrenset bruk. I dette tilfellet er det tilrådelig å tiltrekke seg konsulentfirmaer som vil utføre slikt arbeid etter behov.

Et eksempel på å legge inn lånte pakker er Galaxy, som bruker Oracle verktøy, Nikos-soft med NS-2000-produkt og innebygde analyseverktøy og IC fra det kanadiske selskapet COGNOS.

Mange russiske selskaper - EIS -produsenter integrerer intuitivt OLAP- og data mining -verktøy i systemene sine, og innser ikke at de gir slike egenskaper til produktene sine.

Spesialiserte IAS -verktøy

De mest kjente spesialiserte verktøyene for opprettelse og støtte av IAS er produktene fra selskapene:

- SAS Institute - et sett med programmer som sikrer alt arbeid med å lage og støtte dem, utføre alle typer analyser, har modelleringsverktøy og har sitt eget objekt DBMS;

- Oracle er det mest komplette settet med programvareverktøy, inkludert et DBMS, CASE -verktøy og simuleringsverktøy, men data mining -verktøy presenteres i et begrenset sett. Programvarepakken er fokusert på kraftige plattformer i form av superdatamaskiner, mainframes. Det er tilpasninger for personlige datamaskiner, men med funksjonshemninger, som noen ganger er vanskelige å skille i praksis.

- et sett med spesialiserte programvareprodukter for opprettelse og støtte av bedriftens IC og beslutningsstøttesystemer i selskapet Microsoft. Microsoft -produkter SQL Server med Microsoft Data Transformation -tjenester og Microsoft Decision Support Services (DSS). De nevnte produktene gir opprettelse og støtte av dem, samt utførelse av OLAP -analyse. For implementering av Data mining er produkter fra andre selskaper involvert. Komponenter for å lage klientapplikasjoner er mye brukt.

- kraftige systemer inkluderer også produkter fra Informix, Sybase, IBM, Hiperion;

- middelklasseprodukter inkluderer Seagete Software, Act, Arbor Software, Disse pakkene utfører hovedsakelig funksjonene til å lage og vedlikeholde dem, OLAP analyse;

- produktet for massebruk, som sikrer ytelsen til de ovennevnte funksjonene for middelklasseprodukter, er selskapets programvarepakke av versjon 5.1 Business Objects, som inkluderer modulene BO, BM, BQ. Den største fordelen er muligheten til å jobbe på PC -er i lokale nettverk Windows -nivå... Dette produktet er mest egnet for mellomstore bedrifter. Neste Den sjette versjonen brakte produktet til nisjen til store brukere.

Selskapet har implementert integrasjonen av produktene med programvarepakkene til det kjøpte selskapet Crystal Decisions, som dramatisk utvider grensene for applikasjonen på grunn av brukervennlighet, bred funksjonalitet og relativ rimelig pris. Slike kjente IMS som BAAN og andre, inkludert russiske, er integrert med selskapets produkter.

En mektig aktør på markedet for IAS -verktøy for opprettelse var det russiske selskapet Intersoft Lab, som lanserte Kontur -serien på markedet som en del av Kontur Standard og Kontur Corporation. "Contour Cube Designer", "Contour OLAP Browser", "Contour Cube komponenter", Disse produktene tilfredsstiller alle kravene til OLAP -systemer og informasjonslagre, har noen fordeler når det gjelder tilgangshastighet, brukervennlighet i grensesnittet. Forskjeller mellom produkter i omfanget av objektene og systemene som serveres: små, mellomstore objekter, bedriftssystem. Produktene "Contour Cube Designer", "Contour OLAP Browser", "Contour Cube komponenter" er verktøy for å lage objekttillegg og OLAP-applikasjoner.

Det bør bemerkes på markedet det russiske selskapet "Relex", Voronezh. Dette selskapet tilbyr svært sofistikerte originale Linter -verktøy - MS SQL Server, Oracle -klasse DBMS, som har nesten alle fordelene ved de navngitte systemene og Nevod informasjonsanalysesystem, som gir presentasjon av resultatene av intellektuell analyse, i tillegg til tradisjonelle representasjoner, også i form av grafiske strukturer av de identifiserte forbindelsene og assosiasjonene ... Det er en kontinuerlig utvikling av de navngitte produktene. Særpreget trekk Er mest høy grad beskyttelse av informasjon fra alle midler på markedet og rimelige produkter.

Generelt tilbyr russiske firmaer nå et komplett utvalg av svært sofistikerte produkter som utfører funksjonene verktøy opprettelse og vedlikehold av informasjons- og analysesystemer.

Selvtest spørsmål

1. Hva er inkludert i strukturen til IAS -programvaren? 2. Hva er hensikten med datainnsamlings- og forbedringsverktøyene?

3. Hva er funksjonene til datatransformasjonsverktøyene?

4. Hvilke oppgaver og hvilke metoder utfører operative analyseverktøy?

5. Hva er funksjonene til gruveverktøy?

6. Hvilke typer gruveverktøy kjenner du, hva er forskjellene deres?

7. Hvilke gruveverktøy er på markedet, hva er deres evner?

9. Hvilke metoder brukes for å kombinere programvareverktøy for implementering av informasjon ionanalytiske systemer?

10. Hva er essensen av ledelse et informasjons- og analysesystem?

11. Hvilken informasjonsstruktur om fagområdet er styringen av IAS basert på?

12. Hva er viktigheten av "metadata" for opprettelse og vedlikehold av IAS?

13. Hva er metodikken for å lage en metadatabase?

14. Hva er IAS -administrasjonens oppgaver?

15. Utvid innholdet i oppgavene med å laste og oppdatere data i DEM.

16. Utvid innholdet i planleggingen av arbeidet med IAS.

Grunnleggende om å lage og bruke informasjonsanalysesystemer

17. Hva er innholdet i organisasjonen og implementeringen av IAS -operasjonen?

18. Hva er hovedoppgaven med å designe IAS?

19. Hva er betingelsene for å gjøre data til kunnskap?

20. Beskriv innholdet i IAS -designfasen.

21. Hvilke faktorer må tas i betraktning når du designer en IAS?

1. Programvareverktøy for å lage og bruke IAS er strukturert i henhold til:

1. funksjonene de utfører;

2. basert på tilgjengeligheten av programvare.

Gi det riktige svaret.

2. Prøve- og databehandlingsverktøy velger data fra databaser ved å bruke:

1. DBMS -drivere, for eksempel ...

Svar: BDE (Borland Databasemotor) og ODBC (Open Database Connectivity).

2. Midlene som utgjør ...

3. Alle informasjonskilder er registrert i:

1. informasjon og analytisk system;

2. kontrollerende tjeneste. Velg det riktige svaret

4. Før du laster dataene inn i informasjonslagringen, verifiserer og forsikrer vi om påliteligheten til forskjellige maskinvare og programvare og på mange måter, inkludert:

1. omvendt kontroll;

2. kontrollsum;

3. koding mot jamming;

4. logisk databehandling, semantisk kontroll, etc.

Hva slags obligatorisk kontroll er ikke navngitt?

5. Hvordan brukes dataene oftere til analyse?

1.Detaljert;

2. samlet.

6. Den viktigste måten å lage rapporter på OLAP -systemer er:

1. montering av rapportstrukturer fra elementer presentert i en grafisk form;

2. skrive spørsmål i SQL.

7. For å lage komplekse scenarier OLAP -analyse brukes hovedsakelig:

1. mnemonisk betyr;

2. standard SQL;

3. spesielle versjoner av SQL;

4. spesialiserte proprietære språk.

8. Kan MS Office -programvaremiljøet brukes til å organisere OLAP -analyse og gruvedrift?

9. Et fullt funksjonelt profesjonelt intellektuelt analysesystem er et produkt av ... det russiske selskapet "Megaputer".

10. Det mest utviklede systemet som støtter multivariat statistisk analyse er det tilsvarende settet med programmer ...

Informasjonsanalysesystemer

11. Et universelt spesialisert verktøy for å lage IAS med en bred funksjonalitet og et bredt spekter av virksomhetsskalaer er et kompleks av programmene til selskapet ...

12. Komplekset av midler informasjons- og analysesystem inkluderer:

1. teknisk plattform;

2. systemplattform som en del av operativsystemer og miljøer;

3. databasesystemer og spesialverktøy for å lage og vedlikeholde IAS.

Hvilken del av IAS var ikke inkludert i denne listen?

13. Hvem leder alle aktiviteter for opprettelse og bruk av IAS?

1. beslutningstakere;

2. informasjonssystemadministratorer.

14. Oppgavene med å administrere dem inkluderer:

1. planlegging av arbeidet med DEM;

2. drift av dem;

3. opprettelse (deltakelse i etableringen) av domenemodeller, hyperkuber og brukergrensesnitt;

4. kontroll over fyllingen.

Hvilken viktig funksjon ikke inkludert på listen?

15. En av de viktigste stadiene av IAS -design er ...

16. I den innledende fasen med å opprette en IAS eller den tilsvarende modulen i den integrerte IS -fasen for å strukturere informasjonsrommet til et foretak, er det nødvendig å utføre følgende arbeid når det gjelder å strukturere IP -en til et foretak (selskap):

1. å analysere tilstanden, arten og nivået på arbeidet som utføres ved foretaket (aksjeselskapet) i denne delen av arbeidet;

2. bli enige om hovedbestemmelsene i IP -strukturen med de høyere myndighetene (hvis noen), samhandlende og partnerorganisasjoner;

3. å vurdere klassifiserings- og kodingssystemet og grensesnittene som brukes av de utvalgte IAS -verktøyene fra et synspunkt for å vurdere omfanget av arbeidet for å koble det til den eksisterende utviklingen i foretaket;

4. utvikle eller modernisere, med tanke på erfaring og beste praksis i foretaket (i selskapet), et system for klassifisering, koding, detaljer, indikatorer, med fokus på kravene til rådende forhold og evt.

levert av verktøyene som distribueres. Hvilken del av arbeidet var ikke inkludert i denne listen?

17. For å transformere data til informasjon eller lage den mest hensiktsmessige arkitekturen for IAS -verktøy, må en rekke betingelser være oppfylt:

1. beslutningen om valg av instrument bør omfatte bedriftens forretningsbehov;

2. integrering av midler må sikres;

3. betingelsen om ubegrensning må være oppfylt;

4. garantien må overholdes.

Det harmoniske samspillet mellom moduler basert på standarder er sikret innenfor rammene av betingelsen ... Løsningen må verifiseres, etc. - tilstand…

Den valgte konfigurasjonen må være tilpassbar osv. - betingelse ... Settet med programmer må sikre oppfyllelsen av alle oppgavene til foretaksbetingelsen ...

18. Betingelsen "et kompleks av midler for å støtte intellektuell analyse" bør sikre oppfyllelse av analyseoppgavene som oppstår i tre vitenskapsdeler:

1. matematisk økonomi;

2. økonometri.

Hvilken del er ikke inkludert på listen?

Grunnleggende om å lage og bruke informasjonsanalysesystemer

19. Betingelser for suksess i datautvinning:

1. klarhet i presentasjonen av formålet med analysen;

2. utarbeidelse av data som er avgjørende for utført forskning;

3. kvalifisert og grundig implementering av analysemetoder;

4. beslutning om anvendelse av analyseresultatene.

Hvilken tilstand er ikke inkludert i listen?

Informasjonsanalysesystemer

For den endelige kontrollen er det nødvendig:

Å studere spørsmål om disiplinen "Informasjon og analytiske systemer".

1. Hovedoppgavene utført av IAS.

2. Analysens rolle og sted i beslutningsprosessen.

3. Analyseproblemer i lys av bruk av informasjonsteknologi.

4. Innholdsaspekt ved datainnsamling og lagring.

5. Innholdsaspekt ved dataanalyse og presentasjon av analyseresultater for brukerne.

6. Klassifisering av verktøy for å utføre analyse ved hjelp av IT.

7. Sammensetningen av informasjonsteknologi og informasjonssystemer i bedriften og fra eksternt miljø- datakilder for konsentrasjon i et informasjonslager eller direkte for analyse.

8. Konseptet og strukturen til informasjonsrommet.

9. Elementer av informasjonsromstrukturen.

10. Konseptene til indikatoren og detaljer.

11. Romlig tolkning av begrepet indikator.

12. Innholdet i økonomiske indikatorer.

13. Typer systemer av økonomiske indikatorer.

15. Innholdet i økonomisk analyse.

16. Essensen i vurderingssystemet.

17. Prinsippene for fleksibel dataarkitektur og åpne systemer som leder etableringen av IAS.

18. Informasjonsutveksling knyttet til analytisk arbeid.

19. Informasjon lagringskonsept.

20. Prinsipper for bygging av informasjonslagre.

21. Krav til datakvalitet og måter å sikre det når de lastes inn i et informasjonslager.

22. Problemer som skal løses når data bringes til en enkelt struktur i informasjonslagringen.

23. Konsepter for å bygge datavarehusstrukturer.

24. Formål, sammensetning og utførte funksjoner for metadatabasen - depotet til DEM.

25. Prinsipper for å lage et depot av DEM.

26. Elementer av datamodellene deres(faktatabell, dimensjonstabeller, konsollbord).

27. Presentasjonsskjemaer er flerdimensjonale datamodeller.

28. Tegn på OLAP -systemer.

29. Typer av flerdimensjonale OLAP -systemer.

30. Klassifisering av IT -analyse etter modus og tempo.

31. Mål og innhold i online (OLAP) analyse.

32. Innholdet i begrepet "kunnskap", klassifisering av kunnskapstyper.

33. Data mining, mål og oppgaver som skal løses.

34. Sammensetning og innhold i spesifikke oppgaver for intellektuell analyse.

35. Klassifisering av analysemetoder.

Sluttkontroll av kunnskap for emnet

36. Innholdet i analysemetoder i det økonomiske fagområdet.

37. Sammensetning av IAS -programvareverktøy.

38. Verktøy for datainnsamling og forbedring

39. Online verktøy for analyse av OLAP.

40. Data mining verktøy.

41. Håndtering av informasjon og analysesystemer.

42. Oppgaver og administrasjonsmåter for IAS.

43. Teknologier for å laste inn data i informasjonslagring.

44. Innholdet i planleggingen av arbeidet til IAS.

45. Prinsipper og stadier av IAS -design.

46. IAS verktøy markedet.

Fullfør en typisk oppgave:

Emnene for laboratoriearbeid om opprettelse av fagsektorer i et informasjonslager og et system for å analysere dataene som er konsentrert i det, er beskrevet i en workshop om denne disiplinen.

Informasjonsanalysesystemer

Verksted

Introduksjon til verkstedet

Utnevnelse av en workshop om kurset "Informasjons- og analysesystemer" for studenter som er påmeldt spesialitetene "Management, Marketing, Crisis Management, Finance and Credit", for å innpode ferdighetene til å utføre dataanalyse ved hjelp av informasjons- og analysesystemer (IAS ) i de relevante spesialitetens fagområder deltakelse i etableringen av IAS.

V I samsvar med dette gjennomføres klasser i to retninger:

1. Utførelse av oppgaver for analyse av dataarays ved hjelp av masse og spesialiserte verktøy ved hjelp av metoder for operativ og intellektuell analyse.

2. Løse problemene brukerne står overfor i prosessen med å lage og utvikle IAS.

Arbeidet kan utføres av studenter individuelt eller som en del av en gruppe på 2-3 personer

århundre alene eller etter råd fra en lærer.

Opprettelse og anvendelse av IAS

Oppgavene som utføres av brukerne av systemet - beslutningstakere (DM), analytikere, eksperter på stadiene av opprettelsen og bruken - er å utvikle krav til innhold og struktur av data i dem, kontrollere fylling av datavarehus, utvikle og implementere analysescenarier.

Det viktigste i kravdannelsen er å bestemme sammensetningen av dataene som må samles i løpet av foretakets aktiviteter fra forskjellige kilder, for å bringe dem til et enkelt format og en struktur for praktisk bruk i analyseprosessen . På neste trinn i arbeidet til brukerne med å lage en IAS, er det bestemt hva som må gjøres med disse dataene.

Oppgaven til profesjonelle innen informasjonsteknologi er å implementere brukerkrav i form av spesifikke fysiske modeller.

Datasammensetningen presenteres i form av en metadatabase (BMD) eller et depot. BMD er et sett med egenskaper til objekter som skal undersøkes under analysearbeid. I praksis er dette en samling av attributter eller detaljer om indikatorer som viser objekter. Den opprettes basert på resultatene av undersøkelsen av emneområdet der IAS eller dets fragment er opprettet, inkludert informasjonslagring eller seksjon.

Som et resultat av undersøkelsen, bør brukerne motta et sett med dokumenter eller innledende materialer for analyse og senere bruk for å ta avgjørelser. Fra slike kilder trekkes attributter ut for å overføres til informasjonslageret eller til dets seksjon. Duplikatattributter legges inn i MD -databasen en gang, men det legges til attributter som indikerer dataggregering. I fig. 1 viser et diagram over opprettelsen av en sluttbruker-metadatabase. De suppleres med metadata knyttet til kompetansen til administratorer av informasjonslagre og IAS generelt, de såkalte tekniske metadataene i motsetning til forretningsmetadata. Blant tabellene i fig. 1 kan det være materialer relatert til teknisk side implementering av IH og IAS.

Kolonne- eller attributtnavn i tabeller som representerer historier eller rapporter indikerer egenskapene til objektene som beskrives. Strengene inneholder verdiene til egenskapene til forekomster av disse objektene.

Verksted

Det gjøres et estimat av antall forekomster av objektene i denne tabellen og dimensjonen av verdiene til deres attributter for å bestemme mengden nødvendig minne.

Ris. 1. Metadatabaseens struktur

Materialer 1

Attributt 11

Atr12

Attr. 1k


Attributt21		Atr22	Atr2 l


Materialer N
Attributen1	Atrn2			Attr.nm

Metadatabase for p -delen av informasjonslageret (Repository)

Settet Q for attributter i seksjonen P i informasjonslageret bestemmes av skjemaet

Q = U A i B, hvor:

Et i - sett med attributter for rapporter og materialer.

N er antall rapporter og materialer.

B er et sett med ryggrad attributter.

Informasjonsteknologi utvikler seg spesielt raskt i disse dager. Dette lar deg forbedre ledelsesprosedyrene og dermed forbedre kvaliteten på administrasjonen i forskjellige institusjoner og organisasjoner. Dette oppnås hovedsakelig gjennom introduksjon av informasjons- og analytiske støttesystemer. Med sin bruk brukes analytiske aktiviteter og forskjellige hjelpeverktøy mest aktivt og i kombinasjon, noe som bidrar til å ta mer objektive ledelsesbeslutninger.

Informasjons- og analysesystemer, uavhengig av hvilket område som brukes, utvikles under hensyntagen til behovet for å oppfylle alle kravene i fagorientert utvikling, samtidig som det tas hensyn til alle de viktigste sosialt viktige områdene. Slik informatisering av ledelsen er utformet for å sikre et tilstrekkelig og stabilt nivå av levering av brukerdata om alle aspekter av aktivitetene til en institusjon eller organisasjon. Samtidig blir rammen for alle viktige områder og hele komplekset av aktiviteter som utføres av virksomheten tatt i betraktning. Dermed inneholder et enhetlig informasjons- og analysesystem på utdanningsområdet all informasjon relatert til utdanningsfeltet i en bestemt stat, i tillegg til ulike alternativer for beslutningstaking.

Hva er IAS?

Analysen av den innsamlede og stadig oppdaterte informasjonen kan forårsake problemer knyttet til behandling av en stor mengde data av høy kvalitet og overvåking av dem. Et informasjons- og analysesystem er på sin side et sett med maskinvare, informasjonskilder, programvareløsninger og andre praktiske bruksområder. I denne forbindelse blir hver IAS opprettet og utviklet under hensyntagen til følgende omstendigheter:

Motta en rekke data fra mange kilder samtidig. Denne informasjonen presenteres i mange formater og utsettes deretter for forening og integrering i en bestemt struktur. Det meste godt eksempel det informasjonsanalytiske systemet "Education" kan tjene.
Akkumulering av data og opprettelse av matriser fra dem, bruk av søk og indekseringsteknologi.
For hver av brukerne blir leveransen av nødvendig informasjon kontinuerlig organisert, noe som er nødvendig for å ta beslutninger, iverksette spesifikke tiltak eller utføre visse handlinger i det valgte området. Dermed bør et medisinsk informasjons- og analysesystem inneholde og raskt produsere data relatert til helsesektoren, delt på emne og struktur.
Verktøy for intellektuell og operasjonell analyse, utarbeidelse av regelmessige og planlagte vurderinger av forskjellige tilstander av kontrollobjekter. De kan presenteres i form av dokumentarbærere, i tillegg til digitale rapporteringsskjemaer på skjermen.
All informasjon og de resulterende resultatene av analysen presenteres i en strengt bestilt form. Dette er nødvendig for at alle data skal bli oppfattet effektivt av brukerne. Som et eksempel kan vi nevne det enhetlige informasjons- og analysesystemet "Monitor", laget for å innhente statistikk og utføre forskjellige overvåkinger.

Hvorfor trenger vi IAS?

Hovedaspektet ved driften av IAS er omorientering fra avanserte versjoner av forskjellige databasesystemer til et mer utviklet og kvalitetsnivå som lar deg utføre analytiske eksperthandlinger. Arbeidet med informasjons- og analysesystemer er basert på anvendelse av kunnskap om et bestemt område på en slik måte at IAS -brukere har muligheten til å tilby objektive løsninger på nye spørsmål, og deretter lykkes med å anvende dem i praksis. Dette settet kan inneholde komponenter som tilstandsdiagnostikk, datatolkning, prognoser, diverse overvåking og så videre.

IAS -funksjoner

Enhver privat eller statlig informasjon og analysesystem har visse parametere og systemfunksjoner... Disse inkluderer følgende:

Verktøy beregnet på analytisk behandling av mottatt informasjon.
Informasjonsbase, informasjon som tilbys for analytisk behandling.
Et sett med spesifikke regler designet for å løse problemer som oppstår innen informasjonsbehandling.
Et programvare- og maskinvarekompleks som lar brukerne samhandle med IAS -systemet.
Modulær funksjonalitet for å vise data, lage forslag og variable anbefalinger.

Hvordan opprettes IAS?

Når du oppretter IAS, brukes en rekke økonomiske og matematiske metoder og prosesser. I dette tilfellet er den eneste begrensningen muligheten for vellykket bruk av den ferdige IAS av brukere. Så i det enhetlige informasjons- og analysesystemet "Monitor" bør all informasjon være strukturert på en slik måte at brukeren raskt kan sette sammen statistikken han trenger og utføre forskning på et gitt område.

I henhold til egenskapene til den interne strukturen og de grunnleggende prinsippene for konstruksjon, bør IAS ha følgende funksjoner:

De skal ikke ha subjektive fordommer, mens deres motstand mot ulike eksterne forstyrrelser bør være høy.
IAS bør ikke trekke urimelige konklusjoner, formålet er å hjelpe brukeren med å ta beslutninger.
Slike systemer gir ikke den første tilgjengelige informasjonen til en brukerforespørsel, men gir en optimal løsning som oppfyller de angitte betingelsene.
Informasjonsmengden kan være ganske betydelig, spesielt sammenlignet med størrelsen på databasene. Dermed tilbyr et enhetlig informasjons- og analysesystem på utdanningsområdet mye mer informasjon og alternativer for å løse problemer enn tidligere brukte programvareløsninger.

Imidlertid er det nødvendig å vurdere de virkelige egenskapene til IAS riktig. Selvfølgelig er de ikke i stand til å løse alle eksisterende problemer. Men hvis de brukes riktig, lar de deg ta den mest riktige og informerte avgjørelsen.

IAS innen økonomi

I dag er effektiviteten i arbeidet til de fleste økonomiske enheter i stor grad bestemt av godt organisert informasjonsstøtte. Enhver moderne organisasjon i dag er utstyrt med datamaskinressurser, og det er derfor det ikke bare er behov for å beskytte innsideinformasjon, men også for å beskytte den mot uautorisert tilgang fra eksterne kilder.

Som regel er løsningen på dette problemet begrenset til bruk av antivirus programvare... I praksis er det ikke alle som bruker informasjon og analysesystemer som effektivt kan bruke innkommende og tilgjengelig informasjon. Men hvis et slikt system er til stede, og det fungerer problemfritt, kan dette oppheve sannsynligheten for ledelsesbeslutninger, duplisering av data og tap av dem, og også føre til en økning i ledelseeffektivitet. Hva er det?

Hvordan det fungerer?

Hva er fordelene med å implementere teknologien ovenfor? Først og fremst påvirker det effektiviteten til kommersielle strukturer. Når man analyserer det russiske informasjonsmarkedet, bemerkes det at informasjonen og analysesystemene som brukes på det i dag ofte ikke rettferdiggjør navnet sitt. Dette forklares med at de faktisk er en forbedret versjon av en spesialisert database. For å ta en seriøs ledelsesbeslutning, er det nødvendig å behandle en enorm mengde forskjellig informasjon... Volumene overstiger betydelig de fysiologiske evnene. Menneskehjerne rettet mot oppfatning, vurdering og behandling av data. Det er denne faktoren som bestemmer bruken av tekniske midler som en obligatorisk egenskap. Samtidig er informasjons- og analytiske sikkerhetssystemer ikke bare et ønskelig element i arbeidet, men en nødvendighet.

Eksperter bemerker at det er nettopp i kommersielle organisasjoner der de regelmessig løser vanskelige problemer med å tildele betydelige ressurser, når kostnadene ved mislykkede beslutninger velges, vil kostnaden for skader være ekstremt høy. Derfor, i disse situasjonene, er faktisk det eneste effektive middelet for å minimere feil under beslutningsprosessen bruk av spesialiserte metoder, programvareverktøy og teknologier. Alle disse verktøyene samlet er beregnet på informasjonsbehandling, og de inkluderer informasjon og analysesystemer.

Hvor viktig er det?

I generell forstand, i prosessen med å administrere systemer av økonomisk type, presenteres informasjon som et sett med data som brukes til å løse økonomiske og spesielt ledelsesmessige problemer. I ledelse er verdien av informasjon udiskutabel, men tradisjonelle systemer bruker hovedsakelig informasjon som oppsummerer tilstanden til lederemnet, og dekker en lengre periode. Av denne grunn kan det hende at all nødvendig informasjon ikke alltid gis i tide, og deres for sterke generalisering fører til en relativitet, omtrentlige verdier (i sammenligning med reelle indikatorer).

Utviklingen av informasjons- og analytiske kontrollsystemer bidrar til å øke volumet av data som behandles samtidig betydelig, og gjør det også mulig å raskere gi all nødvendig informasjon, forespørsler som i de nyeste systemene endring (for eksempel bruk av kvantitative metoder i ledelse). Det er også naturlig at automatisering av godkjenning av ledelsesbeslutninger bruker store mengder informasjon som ikke tidligere ble registrert og lagret i tradisjonelle systemer. Samtidig er ekstrakostnadene for datainnsamling fullt ut begrunnet med de mest raske og nøyaktige avgjørelsene.

Kvalitet og aktualitet av informasjon

Et annet aspekt kan være forbundet med muligheten for å forbedre informasjonskvaliteten på grunn av at det er aktuelt. I praksis viser det seg at informasjon og analytiske støttesystemer gjør det mulig å øke hastigheten på behandling og sending av data.

De mest grunnleggende prinsippene i systemet ovenfor ble utviklet av to forskere: et vitenskapelig team ledet av Reiter fra Storbritannia og V. Bloomberg fra USA. De er basert på hovedregelen - informasjonen som legges inn brukes til å løse eventuelle styringsoppgaver, og det er ut fra det informasjonsgrunnlaget er samlet. Dette prinsippet ble fremhevet på grunn av det faktum at det tidligere implementerte automatiserte kontrollsystemet så ut som en unødvendig tungvint mekanisme, som representerer opprettelse av data og inkludering i faser, individuelle oppgaver og delsystemer. Å utvikle spesifikk oppgave, det var nødvendig å designe og lage Informasjonsstøtte for henne, som ble utført ved å lage en hel rekke data, muligens nødvendig for å løse et gitt separat problem. Hvis dukket opp ny oppgave, det krevde også opprettelse av en ny datamasse.

Dette førte til at utgangen viste seg å være en enorm mengde informasjonsarrayer som på ingen måte var forbundet med hverandre. I tillegg ble de regelmessig gjentatt og økte dermed mengden av all tilgjengelig informasjon betydelig. Som regel brukes den samme informasjonen for å løse mange ledelsesproblemer, men på grunn av at forretningsstrukturer er veldig dynamiske, er endringer i denne informasjonen konstante. Dette fører til det faktum at indikatorer som stadig gjentas i datasett krever kontinuerlig justering. Informasjons- og analysesystemer inneholder igjen grupperte matriser som danner de såkalte databankene. Samtidig reduserte deres totale antall siden separate funksjonelle datasett ble identifisert. Eksempler inkluderer:

personalmatrise (informasjon om ansatte som jobber i organisasjonen);
en rekke anleggsmidler (tilgjengelig utstyr, lokaler og så videre);
om materielle eller arbeidsstandarder;
om teknologiske ruter.

Prinsippet om å minimere informasjonssirkulasjonen

For alle analytiske handlinger er det datainnmatings- og utdataprosessene som er mest sårbare hvis vi vurderer dem med hensyn til objektivitet, nøyaktighet og sammenlignbarhet. Hvis det gjøres en feil i denne prosessen, kan det ha avgjørende betydning for hele driften av et automatisert kontrollsystem. Det er derfor mest viktig.

Prinsippet om å legge inn endringer

Informasjon knyttet til ulike ledelsesoppgaver og mål endres kontinuerlig. Dette vises på forskjellige nivåer, men det er ikke alltid nødvendig å innføre alle endringer. Det er bare nødvendig å skrive til maskinmedia hva som endrer betydningen av dataene som allerede er lagt inn i systemet.

Teknologiutvikling

Informasjons- og analysesystemer av en mer utviklet andre generasjon, ble aktivt forbedret tilbake på 80 -tallet av 1900 -tallet i utviklede land (spesielt i Storbritannia, Japan, USA). Retningslinjene deres kommer til uttrykk i økt intelligens og dataanalyse, selvanvendelse av slutninger og økt produktivitet. Det var en til viktig poeng: organisatoriske relasjoner har blitt optimalisert.

Hvis tidligere fysiske deltakere i ledelsesprosesser utvekslet dokumenter og kommuniserte med deres hjelp, begynte introduksjonen av ny teknologi alt å skje gjennom automatiserte systemer. All informasjon legges inn og behandles automatisk, og andre deltakere er bare inkludert i denne prosessen etter behov.

Fra tid til annen må hver av deltakerne innhente generaliserte data, som kan innhentes ved hjelp av informasjons- og analysesystemet, uten å involvere noen spesialister. IAS, som all lignende teknologi, inneholder et sett med forskjellige materielle midler (midler til teknisk behandling, sending og endring av tilstander, informasjonsbærere og så videre), metoder for deres interaksjon, arbeidsobjekter og spesialisert kunnskap, så vel som organisasjonen av arbeid.

Informasjonsteknologi inneholder de grunnleggende prosedyrene, inkludert innsamling og registrering av informasjon, sending til behandlingsstedet, kryptering og koding av data, endring og anvendelse av informasjon, som generelt tar ledelsesbeslutninger.

Som regel går økonomisk informasjon gjennom alle transformasjonstrinnene, men det er situasjoner der sekvensen endres eller individuelle stadier gjentas. Disse endringene skjer avhengig av den økonomiske enheten som behandler informasjon automatisk.

- Dette er systemer som lar deg motta informasjon, behandle den og analysere den. Informasjon er informasjon i form av data som ikke er avhengig av presentasjonsformen. V moderne verden det er nok definisjoner av dette begrepet, men de fleste holder seg til den tradisjonelle typen forklaring. I absolutt alle aktivitetsområder møter man informasjon, hvis volum har betydelige indikatorer. Resultatet av analysen av mottatt informasjon avhenger av kvaliteten på behandlingen. Informasjons- og analytiske sikkerhetssystemer (IASB) er kvaliteten og suksessen til aktiviteter når du arbeider med informasjonsmateriale.

Et informasjons- og analytisk sikkerhetssystem innebærer en tendens til en generell omorganisering av forretningsdriften, ønsket om å oppnå forretningsinformasjon av bedre kvalitet, behovet for å opprettholde en strategisk plan og oppnå effektive løsninger.

Beskrivelse av den generelle strukturen

Informasjons- og analysesystemer består i fruktbar lagring av informasjon, samt i behandling og evaluering av dataene som er oppnådd av høy kvalitet. For øyeblikket er det mange varianter av metoder i implementeringen av arbeidet på dette området. Datalagring av høy kvalitet avhenger av eksistensen av et informasjonsanalytisk system og de tilsvarende kildene til innkommende informasjon.

Arkitektonikken i interaksjoner i arbeidet med et informasjons- og analysesystem har en ganske lang vei som glir gjennom alle datakilder, før den når analytisk analyse. På grunn av det faktum at antallet og mangfoldet av informasjonskilder har store mengder og variasjoner, må informasjon lagres på riktig måte i samsvar med organisasjonens mål. Når vi klassifiserer datakilder og prøver å distribuere dem etter type og formål, kan vi konkludere med at de er av en transaksjonstype, en datavarehustype og en datakart.

Diagrammet viser arbeid med data i systemet informasjonssikkerhet

Informasjonsanalysesystemet har to fyllingsmetoder: manuelt og automatisk. På stadiet med primær fiksering passerer informasjon gjennom informasjonsinnsamlingssystemet og dets dype studier. Det kan være mer enn én transaksjonsdatabase i et foretak, ofte er det flere.

Siden transaksjonelle informasjonskilder ikke har mye konsistens med hverandre, har analyse transformative og samlende funksjoner. Arkitekturen for moderne informasjonssikkerhet kan klassifiseres i følgende grader:

Akkumulering og første behandling;
Lager og distribusjon;
Konvertering til fremvisningstype;
Analyse og forskning;
Nettkilde.

Informasjonsanalytiske begreper om akkumulering og første behandling av informasjon

Nivå 1 i arkitekturen er transaksjonelle kilder. Transaksjonelle databaser har følgende funksjoner, som presenteres som krav for implementering av arbeid: muligheten til å umiddelbart behandle data og bestemme maksimal frekvens for endringen. Orientering forekommer ofte for en enkelt sak (prosess).

Slike analytiske databasesystemer er rettet mot spesifikke programmer og er underlagt transaksjonskontroll.

Informasjon i slike databaser bruker hyppig konkretisering, og blir derfor ofte redigert. Transaksjoner er i stand til effektivt å utføre oppgaver knyttet til et skaft av malemateriale. Malmateriale er en ganske rutinemessig forekomst som må håndteres hver dag. Men til slutt vil slik informasjon ikke gi et nøyaktig svar på spørsmålet om den generelle situasjonen, derfor blir den ikke brukt i en omfattende analyse. Mange transaksjoner organiseres siste nivå i arkitekturen til et informasjons- og analytisk sikkerhetssystem.

Analytiske systemer: prosesser og verktøy

ETL -verktøy er prosessene som trekker ut, transformerer og laster inn data. Formålet med ekstraksjonsprosessen hjelper til med å hente data fra kilder lokalisert på lavere nivåer... I løpet av infelimineres dataoverskuddet. Dette gjøres gjennom beregning og aggregering. Ekstraksjon, lasting og transformasjon kan være tre trinn, men bruken av dem er en reservert tidsplan.

Dataggregering etter lagringstype

Det tredje nivået i arkitekturen inneholder de første dataene, som kalles datavarehuset. Denne delen refererer til bakgrunnsinformasjon som fokuserer på lagring og analyse. Kildene kombinerer data fra en rekke transaksjoner, og gir også mulighet for kompleks analyse ved hjelp av svært intelligente verktøy.

I henhold til pioner innen data federation (Bill Inmon), er lagring et program som har noen spesifikke funksjoner:

Fagorientering;
Integrering;
Manglende mulighet for korreksjon;
Tidsavhengighet av innsamlingsdata;
Formålet avslører essensen i den valgte løsningen.

Diagrammet viser arkitekturen for moderne informasjonssikkerhet

Datalageret er et av de ledende arkitektoniske aspektene ved en organisasjons sikkerhetsintelligenssystemer. Denne lenken har betydning som en grunnleggende informasjonskilde for alternativ analyse.

Analytiske sikkerhetssystemer: konseptet med data i en mart

Det femte arkitekturnivået innebærer at informasjon som beskrives som et utstillingsvindu. Denne presentasjonen av data er basert på informasjonen som finnes i datalageret, men ikke alltid. Som regel kan de opprettes fra data som ble hentet fra transaksjoner, i tilfelle butikken ikke er opprettet.

Ofte tegner brukerne en diagonal mellom et datavarehus og et datakart og kommer med følgende dom: datavarehuset passer for hele organisasjonen, og kretsen betjener vanligvis separate nivåer og avdelinger. Med andre ord kan utstillingsvinduer brukes til individuelle behov, på grunn av det begrensede mulighetsnivået.

Kjennetegnet mellom transaksjoner og butikkfronter er at butikkfrontene er designet for å utføre målrettede oppgaver, og ikke være en del av profesjonell programmering.

Showcases brukes av mennesker som analytikere, ledere og administratorer. Transaksjoner er i stand til å oppfylle de overordnede oppgavene til en organisasjon. Transaksjoner brukes av mennesker som behandler og legger inn informasjon, men ikke analyserer den på noen måte og ikke tar kategoriske beslutninger.

Informasjonsanalysesystemer: informasjonsanalyse

Det sjette nivået av arkitektur representerer et sett med programvareverktøy som omtales som data mining. De kalles også BI-verktøy, det vil si Business Intelligence Tools. Slike verktøy hjelper til med å utføre grundig analyse, nemlig med den beste måten å distribuere store mengder informasjon og gjøre en endelig konklusjon i beslutningsprosessen.

Prediktiv analyse er et bruksverktøy for analytikere og ledere. Gruveoppgaver er visualisering og tilgang til informasjon. Som nevnt ovenfor, input informasjon er i større grad ikke en ressurs, men behandlet informasjon fra lagringen, som presenteres i et utstillingsvindu.

Det siste arkitektoniske nivået - Webportal

I dag følger oftere og oftere russiske organisasjoner de vestlige representantene for et lignende område. Internett -teknologier har nådd høy level og blir introdusert i arbeid hver dag mer og mer aktivt. Mange eksperter tok hensyn til oppfatningen om at når de bruker den nyeste teknologien effektiviteten i beslutningsprosesser øker. Essensen ved bruk av webportaler innen informasjons- og analytiske sikkerhetssystemer er å spare totale kostnader. Dette erstatter best de fysiske verktøyene i analyseområdet og utvider antall klienter. Implementeringen av slike teknologier forbedrer flyten av analytisk informasjon for både analytikere og brukere. Det gode med en nettportal er at den er tilgjengelig og anvendelig hvor som helst i verden. Takket være tilkoblingen til Internett, blir implementeringen mer tilgjengelig.

Opprettelse av IAS -arkitektur

Informasjonsteknologi har nådd utrolige muligheter i dagens verden. Hver dag får funksjonaliteten deres flere og flere ressurser. I forbindelse med denne trenden vokser det totale antallet informasjonssikkerhetsverktøy, og blir dermed mer tilgjengelig for bruk av mange bedrifter. Fremveksten av nye verktøy tvinger deg ikke til å revidere hele arbeidet med den gamle analysen, men tvert imot utfyller og forbedrer den. Med ankomsten av nye verktøy minimeres den totale driftstiden, mens kvaliteten på det oppnådde resultatet ikke reduseres, men tvert imot øker. Hvis driftstiden kan reduseres, har derfor den totale kostnaden en tendens til å redusere.

Som et resultat gir introduksjonen av nytt utstyr bare fordeler og bidrar til en positiv utvikling for dette aktivitetsfeltet.

Hver organisasjon har rett til å velge egne verktøy analyse de trenger. Et sett med verktøy kan monteres fra forskjellige enheter, hvis produsenter vil være forskjellige, eller det er mulig på annen måte - å sette sammen et sett med enheter fra samme produsent. For å være ærlig, er det ikke noe eksakt svar på hvilken av disse løsningene som er bedre. Hver er overlegen i noe separat. For eksempel, med et sett med enheter fra en produsent, vil ikke systemet bli forstyrret, noe som fortsatt er et godt faktum. Men hvis du ser fra sikkerhetssiden, så komponentene fra forskjellige produsenter vil gi bedre beskyttelse, siden adressene og de reserverte kodene til enhetene er forskjellige, og derved øker det generelle sikkerhetsnivået. Men med en hybridbygging kan det oppstå programvareproblemer, da det kan være en feil og inkompatibilitet mellom komponentressurser.

Videoen forteller om informasjonssikkerhet: