- •1*. Как меняется организация управления предприятием при установке ис?
- •2*. Как меняются функциональные обязанности и полномочия лпр при внедрении ис?
- •3*. Какие проблемы возникают при изменении обязанностей и полномочий лпр при внедрении ис?
- •4*. Охарактеризуйте траекторные и творческие цели.
- •5*. В чем состоит применение ит и ис в управлении?
- •6*. Классифицируйте задачи по степени их структурированности и укажите их отличительные особенности.
- •7*. Какова роль ис при организации поддержки принятия решения на предприятии?
- •8*. Исходя из каких факторов формируется информационное пространство лпр?
- •9.* В чем состоит сущность адаптации лпр к изменению процесса управления?
- •10*. Назовите этапы принятия управленческого решения (по Саймону).
- •11.* (Из пособия) Опишите виды поддержки решения на этапе выработки альтернатив.
- •12*. Назовите основные поколения ис (информационных систем).
- •13*. Опишите и дайте характеристику mis.
- •14*. Опишите и дайте характеристику ipss.
- •15*. В чем состоит горизонтальная интеграция сппр?
- •16*. Перечислите и опишите основные компоненты сппр.
- •17*. Опишите структуру и функции подсистемы управления моделями.
- •18*. Опишите структуру и функции подсистемы управления пользовательским интерфейсом.
- •19.* Классифицируйте спир.
- •Использующие формальные подходы (на производственных циклах при возможности бинарной логики)
- •Гибкие спир (используют нейросети и нечеткую логику - получение результатов исходя из большого кол-ва инфы и его оцени вать по 100 балльной системе)
- •Расчетные спир (алгаритмизируются)
- •20*. Охарактеризуйте ит констатирующего типа. Опишите их назначение и вид.
- •21.* Какие существуют параметры оценки ит констатирующего типа?
- •22. Какая роль ит аналитического типа в принятии решений?
- •23. Что такое olap- системы?
- •24. Что такое информационное хранилище dwh?
- •25. Опишите технологии применения oltp и olap систем.
- •26. Назовите наиболее распространенные аналитические продукты и экспертные системы аналитического типа.
- •27*. Перечислите основные технологии интеллектуального анализа данных и их особенности применения при создании сппр.
- •28*. Опишите модели и методы Data Mining.
- •29. Особенности процесса обнаружения знаний.
- •30. Назовите основные методы экспертных оценок.
- •31*. Определение теории важности критериев и ее определение количественной важности критериев.
- •32. * Охарактеризуйте ит моделирующего типа. Опишите их назначение и вид.
- •33. Какие существуют параметры оценки ит моделирующего типа?
- •34*. Какая роль ит советующего типа в принятии решений?
- •35*. В чем сложность проблемы оценки эффективности решения при выборе альтернатив?
- •36. Что такое ис мониторинга исполнения решений?
- •37*. Назовите основные виды и классифицируйте ис мониторинга исполнения решений.
- •38. * Опишите взаимное влияние стратегии развития сппр и стратегии развития предприятия.
- •Если стратегия развития предприятия экспансия, то сппр должны быть на шаг впереди
- •39*. Что Вы понимаете под системным развитием предприятия и плановыми организационными изменениями?
- •40*. Опишите инструменты аналитической обработки информационных потоков.
- •41*. Как оценивается качество данных?
- •42.* Как обеспечивается защита безопасности доступа к информации и защита информации?
- •43.* Классифицируйте интегрированные спир.
- •Ibm (ватсон)
- •Майкрософт
- •44*. Назовите способы адаптации лпр.
- •45. Охарактеризуйте возможности бизнеса в области создания и внедрения сппр.
- •46. * Назовите критерии оценки и выбора сппр
- •Виды ис
28*. Опишите модели и методы Data Mining.
Data Mining (добыча данных, интеллектуальный анализ данных, глубинный анализ данных) — собирательное название, используемое для обозначения совокупности методов обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности.
Основные методы Data Mining:
-
Статистические методы
-
Полный и ограниченный перебор
-
Нечеткая логика
-
Генетические алгоритмы
-
Нейронные сети
-
Деревья решений.
Методы Data Mining помогают решить многие задачи, с которыми сталкивается аналитик. Из них основными являются: задача классификации и регрессии, задача поиска ассоциативных правил и задача кластеризации.
-
Задача классификации сводится к определению класса объекта по его характеристикам.
-
Задача регрессии подобно задаче классификации позволяет определить по известным характеристикам объекта значение некоторого его параметра.
-
Задача поиска ассоциативных правил. При поиске ассоциативных правил целью является нахождение частных зависимостей (или ассоциаций) между объектами или событиями.
-
Задача кластеризации заключается в поиске независимых групп (кластеров) и их характеристик во всем множестве анализируемых данных.
Модели Data Mining. Знания, добываемые методами Data mining, принято представлять в виде моделей. Основными моделями Data mining являются:
-
ассоциативные правила,
-
деревья решений,
-
кластеры,
-
математические функции.
29. Особенности процесса обнаружения знаний.
Процесс обнаружения знаний (Data Mining’a):
-
Анализ предметной области
-
Постановка задачи
-
Подготовка данных
-
Построение моделей
-
Проверка и оценка моделей
-
Выбор модели
-
Применение модели
-
Коррекция и обновление модели
Data Mining - процесс поддержки принятия решений, который основан на поиске в больших объемах данных скрытых закономерностей.
Важной особенностью Data Mining является нестандартность и неочевидность разыскиваемых шаблонов. Иными словами, средства Data Mining отличаются от инструментов статистической обработки данных и средств OLAP тем, что вместо проверки заранее предполагаемых пользователями взаимозависимостей они на основании имеющихся данных способны находить такие взаимозависимости самостоятельно и строить гипотезы об их характере.
30. Назовите основные методы экспертных оценок.
Экспертное оценивание — процедура получения оценки проблемы на основе мнения специалистов (экспертов) с целью последующего принятия решения (выбора). Экспертные исследования могут иметь как самостоятельное значение, так и использоваться при проверке истинности (верификации) логических исследований и моделирования.
31*. Определение теории важности критериев и ее определение количественной важности критериев.
(из книги “Введение в теорию важности критериев” Подиновского В.В.).
Теория важности критериев - математическая теория, основанная на строгих (формальных) определениях понятия относительной важности критериев, которая включала бы методы корректного анализа многокритериальных задач с использованием информации о важности
Определение количественной важности критериев (формальное определение использует понятие N-модели, которое потребует введение ряда других понятий, поэтому привожу лишь это):