Системы поддержки принятия решений (DSS).

В 70-е годы ряд компаний начал развивать информационные системы, которые совершенно отличались от традиционных MIS-систем. Эти новые системы были меньшими, интерактивными и были разработаны с целью помочь конечным пользователям использовать данные и модели, чтобы решать слабоструктурированные и неструктурированные проблемы. В 80-е годы эти системы были использованы для групп и целых организаций.

Эти системы названы системами поддержки принятия решений (DSS). Как мы отмечали ранее, системы поддержки принятия решений помогают принятию решений управления, объединяя данные, сложные аналитические модели и удобное для пользователя программное обеспечение в единую мощную систему, которая может поддерживать слабоструктурированное и не структурированное принятие решений. DSS находятся под управлением пользователя от начала до реализации и используются ежедневно.

Основная концепция DSS – дать пользователям инструментальные средства, необходимые для анализа важных блоков данных, используя легкоуправляемые сложные модели гибким способом. DSS разработаны, чтобы предоставить возможности, а не просто, чтобы ответить на информационные потребности.

Имеется существенное различие между структурированными, неструктурированными и частично структурированными решениями. Структурированные проблемы повторяемы и обычны, для них обеспечивают решения известные алгоритмы. Неструктурированные проблемы оригинальны и необычны, для них не имеется никаких алгоритмов для решения: каждый находит свой ответ. Частично структурированные проблемы находятся между структурированными и неструктурированными проблемами. DSS разработаны, чтобы поддерживать слабоструктурированный и неструктурированный прикладной анализ.

Принятие решений включает четыре стадии: распознавание, проект, выбор и реализация. DSS предназначены, чтобы помогать проектировать, оценивать альтернативы и контролировать процесс реализации.

Ошибочно думать, что решения принимаются в больших организациях только отдельными личностями. Фактически большинство решений принимается коллективно. В большой организации принятие решений по существу групповой процесс, и DSS могут быть разработаны, чтобы облегчить принятие решений группой.

Компоненты DSS.

Рассмотрим рис. 2 и увидим, что система поддержки принятия решений имеет три основных компонента: базу данных, модель и систему программного обеспечения DSS. База данных DSS – собрание текущих или исторических данных из ряда приложений или групп, организованных для легкого доступа к областям применения. Система управления базой данных DSS защищает целостность данных при управлении, которое хранит поток данных, а также сохраняет исторические данные. DSS используют организационные данные (из таких систем, как производство и продажа) так, чтобы личности и группы были способны принять решения, основанные на фактических данных. Данные обычно извлекаются из соответствующих баз данных и запасены специально для использования DSS. Модель – собрание математических и аналитических моделей, которые могут быть сделаны легко доступными для пользователя DSS. Модель – абстрактное представление, которое поясняет компоненты или связи явления.

Анализ моделей часто используется, чтобы предсказать продажу. Пользователь этого типа модели мог быть снабжен набором предыдущих данных, чтобы оценить будущие условия и продажу, которые могли бы следовать из этих условий. Изготовитель решения может затем изменить эти будущие условия (например, повышение затрат сырья или появление новых конкурентов на рынке), чтобы определить, как эти новые могли бы влиять на продажу. Компании часто используют это программное обеспечение, чтобы попытаться предсказывать действия конкурентов.

Среди наиболее широко используемых моделей – модели анализа чувствительности, которые задают вопросы типа «что, если?» неоднократно, чтобы определить влияние одного или большего количества факторов на результаты. Анализ «что, если?» на основе известных или принятых условий допускает, чтобы пользователь изменял некоторые значения результатов испытаний, чтобы лучше предсказывать результаты, если изменения появляются в этих значениях.

Рис. 2. Принципиальная схема DSS.

 

 

Что случится, если мы поднимем цену на 5 % или увеличим смету расходов на рекламу на 100000$? Что случится, если мы оставим цену и смету расходов на рекламу на прежнем уровне? В обратном направлении программное обеспечение анализа чувствительности используется для целевого поиска: если я желаю продать один миллион единиц изделия в следующем году, насколько я должен снизить цену изделия?

Третий компонент DSS – система программного обеспечения DSS, которая обеспечивает простое взаимодействие между пользователями системы, базой данных DSS и эталонным вариантом. Система программного обеспечения DSS управляет созданием, хранением и восстановлением моделей в образцовой основе и интегрирует их с данными в базе данных DSS. Система программного обеспечения DSS также обеспечивает графический, легкий в использовании, гибкий интерфейс пользователя, которые поддерживает диалог между пользователем и DSS. Пользователи DSS – обычно исполнители или менеджеры. Часто они имеют малый опыт работы с компьютером или вообще не имеют его, поэтому интерфейс должен быть дружественным.

Системы поддержки принятия решений (DSS) также обслуживают уровень управления организацией. DSS помогают менеджерам принимать решения, которые являются слабоструктурированными, уникальными или быстро изменяющимися и которые не могут быть легко указаны заранее. DSS должны быть достаточно гибкими, чтобы использоваться несколько раз в день, соответствуя изменяющимся условиям. DSS в основном используют внутреннюю информацию из TPS и MIS, но часто вводят информацию из внешних источников типа текущих цен на бирже или цен изделия конкурентов.

Ясно, что в соответствии с замыслом DSS имеют большую аналитическую мощность, чем другие системы: они построены с рядом моделей, чтобы анализировать данные. DSS построены так, чтобы пользователи могли работать с ними непосредственно; эти системы явно включают удобное для пользователя программное обеспечение. Системы DSS интерактивны; пользователь может изменять предположения и включать новые данные.

Пример интересной DSS – система, оценивающая рейсы филиала большой американской металлургической компании, которая перевозит сыпучие грузы – каменный уголь, руду и готовые продукты для материнской компании. Фирма владеет несколькими судами, фрахтует другие, чтобы доставлять общий груз. Оценивающая рейс система вычисляет финансовые и технические детали рейса. Финансовые вычисления включают затраты корабля (топливо, рабочая сила, капитал), фрахтовые ставки для различных типов груза и издержки порта. Технические детали включают несметное число факторов типа грузоподъемности корабля, скорости, расстояний от порта, топлива, водопотребления и моделей погрузки. Система может отвечать на вопросы такого типа: при наличии графика поставки клиента и предлагаемой фрахтовой ставки какой корабль должен быть выбран для максимизации прибыли? Какова оптимальная скорость, в которой данный корабль может оптимизировать прибыль и все еще выполнять график поставки? Какова оптимальная модель погрузки для корабля, направляющегося на запад США, если он двигается из Малайзии? Система устанавливается на мощном настольном микрокомпьютере, имеет систему меню, которая делает работу простой для пользователей, позволяя легко войти в данные или получать информацию.

Системы поддержки принятия решений помогают находить ответы не только на прямой вопрос «что, если?», но и на подобные. Приведем типичные вопросы по системам поддержки решений.

1) Анализ примеров – оценка значений выходных величин для заданного набора значений входных переменных.

2) Параметрический («что, если?») анализ – оценка поведения выходных величин при изменении значений входных переменных.

3) Анализ чувствительности – исследование поведения результирующих переменных в зависимости от изменения значений одной или нескольких входных переменных.

4) Анализ возможностей – нахождение значений входной переменной, которые обеспечивают желаемый результат (известен также под называнием «поиск целевых решений», «анализ значений целей», «управление по целям».

5) Анализ влияния – выявление для выбранной результирующей переменной всех входных переменных, влияющих на ее значение, и оценка величины изменения результирующей переменной при заданном изменении входной переменной, скажем, на 1 %.

6) Анализ данных – прямой ввод в модель ранее имевшихся данных и манипулирование ими при прогнозировании.

7) Сравнение и агрегирование – сравнение результатов двух или более прогнозов, сделанных при различных входных предположениях, или сравнение предсказанных результатов с действительными, или объединение результатов, полученных при различных прогнозах или для разных моделей.

8) Командные последовательности – возможность записывать, исполнять, сохранять для последующего использования регулярно выполняемых серий команд и сообщений.

9) Анализ риска – оценка изменения выходных переменных при случайных изменениях входных величин.

10) Оптимизация – поиск значений управляемых входных переменных, обеспечивающих наилучшее значение одной или нескольких результирующих переменных.