ВУЗ:
Составители:
Рубрика:
Аналитические методы в средствах разведки данных (Data Mining)
Аналитические методы дают конечному пользователю возможность осуществить весь
цикл работы с исходными данными, имеющими большие объемы и невыясненную
статистическую структуру. Этот цикл называется разведкой данных (Data Mining) и состоит
из нескольких этапов: выборка, исследование, модификация, моделирование, оценка
результатов (Sample, Explore, Modify, Model, Assess).
Средства Data Mining дают возможность ставить и решать как традиционные, так и
нетрадиционные задачи анализа. Например, традиционной является постановка задачи:
«Определить, имеется ли статистическая связь между такими показателями, как объем
производства товара и объем его реализации (продажи)».
Нетрадиционной же была бы следующая постановка задачи: «Имеется несколько
десятков (или даже сотен) показателей деятельности предприятия, и необходимо определить,
между какими из них следует искать статистические связи вообще, какого рода связи следует
искать (считать ли показатели равноправными, или считать одни показатели независимыми,
а другие зависимыми переменными), на каких объектах эти связи проявляются».
При работе приложения на этапе выборки происходит формирование подмножества
наблюдений из исходных данных (отбор по критериям или случайный отбор). На этапах
исследования и модификации могут быть осуществлены: фильтрация данных, отбрасывание
данных с большими выбросами, преобразование исходных переменных. На этапе
моделирования осуществляется построение регрессий и оптимизация подмножества
переменных, принятие решений на основе методик нейронных сетей, реализующих
различные алгоритмы обучения классификации объектов, построение классификационных
деревьев для отбора оптимального набора переменных и оптимального разбиения множества
объектов, кластеризация и оптимальная группировка объектов. Наконец, на этапе обзора и
оценки результатов пользователь имеет возможность сопоставить различные результаты
моделирования, выбрать оптимальные класс и параметры моделей, представить результаты
анализа в удобной форме.
В начале пути
Если говорить о практике внедрения рассмотренных систем и информационных
технологий в России, то она находится в самом зачаточном состоянии. Опыт автора статьи
по проведению подготовительной работы к внедрению рассматриваемых продуктов показал,
что, с одной стороны, на украинских предприятиях исторические данные недооцениваются, а
имеющиеся базы данных часто очень «бедны» для извлечения из них значимой информации,
т.к. разрабатывались для решения учетных, а не управленческих задач. С другой стороны,
очень ограничены возможности извлечения знаний из данных вследствие большой скорости
изменений законодательной базы, что очень сильно искажает временную статистику.
11. Тенденция развития и возможности применения информационных
систем поддержки исполнения решений на объекте управления
16
1.2. Качество систем поддержки принятия решений
Большой объем данных, необходимость их структурирования для последующего
анализа, подготовка информации для принятия решений, как с учетом регламента, так и
оперативно – это те исходные предпосылки, чтобы воспользоваться нашим опытом и
знаниями. СППР представляют собой системы, максимально приспособленные к
решению задач повседневной управленческой деятельности.
В общем случае, затраты на управление состоят из фонда оплаты труда управленцев и
стоимости информационного обеспечения деятельности управленцев. Однако, существуют
16
Источник информации http://www.abc.org.ru/smd.html
Страницы
- « первая
- ‹ предыдущая
- …
- 47
- 48
- 49
- 50
- 51
- …
- следующая ›
- последняя »
