Зачастую человеку тяжело принять то или иное решение по разным причинам – страх поступить неправильно, нехватка времени на раздумье, или же неполнота информации. И если в обычных бытовых ситуациях иногда можно допустить ошибку, то, когда дело доходит до принятия организационных решений, вы не захотите рисковать. Причины очевидны. Одно неверное решение может испортить имидж вашей компании, жизненный цикл продукта, финансовое положение и т.д. Во многих ситуациях вы не можете применить основы экономики, статистики и исследования операций, чтобы сделать осознанный выбор.
Для того, чтобы не совершать критичных ошибок, вам нужны системы, основанные на знаниях, которые поддерживают деятельность по принятию бизнес-решений. Здесь на помощь приходит система поддержки принятия решений (СППР). Это компьютеризированная система, которая помогает вам принимать решения в области планирования, производства, эксплуатации и управления на основе доступной информации [1].
Вы должны помнить, что эти системы не предлагают ответ на ваш вопрос – они просто помогают в принятии решений, предлагая информацию, на которую вы можете не обратить внимания. Окончательное решение принимаете только вы.
Приведем примеры бизнес-задачи, с которыми могут помочь СППР. Например, нужно разработать стратегию движения цепочки поставок. СППР анализирует товарно-материальные запасы и производственное движение. Основываясь на доступных данных, он сравнивает результаты различных решений, помогая вам понять, какой вариант будет наиболее оптимальным в данной ситуации. Это поможет вам создать работающую цепочку поставок. Возьмем другой пример. Предположим, вы хотите оптимизировать свои продажи. Можно собирать данные, факты и цифры, просматривать отчеты, изучать закономерности и, наконец, сделать выбор. Проделав данные операции вручную, можно допустить немалое количество ошибок. В такой ситуации СППР может собирать и анализировать данные и делать прогнозы, отслеживая существующие закономерности. Это ускоряет весь процесс, давая вам представление о том, как вы можете оптимизировать процесс продаж.
Система поддержки принятия решений – это программа, которая собирает, объединяет и анализирует необработанные данные, а также личные знания (лиц, принимающих решения). Она помогает выявить проблемы и найти пути их решения, прогнозирует показатели выручки на основе предположений, связанных с продажами продукции. Также она способна составить новые сценарии, основываясь на различных альтернативных решениях, предлагать сравнительные данные между периодами [1].
Системы поддержки принятия решений можно разделить на следующие категории:
1. СППР на основе модели
Модельно-ориентированные СППР были основаны на простых количественных моделях. Они использовали ограниченные данные и делали упор на манипулирование финансовыми моделями. Модельно-ориентированные СППР использовались при планировании производства, составлении графиков и управлении. Они обеспечивали самые элементарные функциональные возможности для производственных предприятий [1].
2. СППР на основе данных
СППР, управляемые данными, делали упор на доступ и манипулирование данными, предназначенными для конкретных задач, с использованием общих инструментов.
3. Коммуникационные СППР
Как следует из названия, коммуникационные СППР используют коммуникационные и сетевые технологии для облегчения принятия решений. Основное различие между этим и предыдущими классами СППР заключалось в том, что он поддерживал совместную работу и общение, используя различные инструменты, включая компьютерные доски объявлений, аудио- и видеоконференции [1].
4. СППР на основе документов
СППР, управляемые документами, используют большие базы данных файлов, в которых хранятся документы, изображения, звуки, видео и гипертекстовые документы. Они имеют основной инструмент поисковой системы, связанный с поиском данных, когда это необходимо. Сохраняемая информация может представлять собой факты и цифры, исторические данные, протоколы совещаний, каталоги, деловую переписку, спецификации продуктов и т. д. [1].
5. СППР на основе знаний
СППР, основанные на знаниях – это человеко-компьютерные системы, обладающие опытом решения проблем. Они сочетают искусственный интеллект с когнитивными способностями человека и могут предлагать действия пользователям. Эти системы имеют опыт работы в определенной области.
6. WEB-СППР
Веб-система СППР считается самой сложной системой поддержки принятия решений, которая расширяет свои возможности за счет использования всемирной сети Интернет.
Раньше основное внимание уделялось ускорению принятия решений, однако по мере развития концепции она перешла к созданию интерактивных компьютерных систем, которые могли бы использовать данные и предлагать идеи для решения плохо структурированных проблем. Современные СППР приспособлены для принятия более сложных решений.
СППР может самообучаться. Разработка повторяется через три этапа - входы, действия и выходы на каждом этапе жизненного цикла разработки системы. Вы предоставляете входные данные, выполняете необходимые операции и измеряете результат. Вы продвигаетесь дальше, если он дает правильный результат, или же вы возвращаетесь к фазе ввода и вносите коррективы [1]. Принцип самобучения СППР представлена ниже (рис.).
Рис. Принцип самообучения СППР
Зачастую СППР построены на основе анализа больших данных. Большие данные можно определить как общий термин для любой коллекции больших сложных наборов данных, которые трудно хранить, обрабатывать, анализировать и понимать с помощью традиционных инструментов обработки баз данных. Большие данные появились как парадигматический сдвиг в том, как организации принимают решения [2].
В последние годы использование больших данных стало популярным в бизнес-среде. Их используют либо для поддержки принятия решений, либо для принятия автоматизированных решений. С помощью СППР можно обрабатывать большие объемы данных, используя модели вывода и выходные данные с интерфейсами, которые все больше проникают в сферы с большим объемом данных.
Большие данные могут играть значительную экономическую роль на благо не только частной торговли, но и национальных экономик и их граждан. Самыми популярными областями применения больших данных являются здравоохранение, государственный сектор, розничная торговля, производство и глобальные личные данные о местоположении. Аналитика больших данных в сфере здравоохранения обладает огромным потенциалом, особенно в том, что касается лучшего понимания стратегических последствий. Современные системы производят наборы данных настолько большие и сложные, что их невозможно хранить и обрабатывать вручную [2].
Использование больших данных также помогает в принятии решений в области государственной политики за счет объединения географической информации с данными о здравоохранении, такими как потребление табака, алкоголя и экономические факторы. Обработка больших данных также изучалась как система мониторинга и анализа бизнес-процессов логистики, обслуживания и планирования. С другой стороны, идет дискуссия о снижении конфиденциальности, которое происходит в средах с высокой степенью централизованного контроля.
Чтобы оценить ценность больших данных, необходимы методы и технологии, использующие ряд дисциплин, таких как математика и статистика, с помощью вычислительных инструментов и анализ больших данных. Машинное обучение, искусственный интеллект и когнитивные вычисления доминируют в разговорах о том, как расширенная аналитика может предоставить компаниям, например, конкурентное преимущество для бизнеса. Машинное обучение – это форма искусственного интеллекта, которая позволяет системе учиться на данных, а не на явном программировании, и позволяет специалистам по данным и бизнес-аналитикам делать прогнозы на основе аналитических моделей на основе данных.
Системы поддержки принятия решений приобрели огромную популярность в различных областях, включая военные, безопасность, медицину, производство, инженерию и бизнес. Они могут помочь в принятии решений в ситуациях, когда важна точность. Кроме того, они обеспечивают доступ к соответствующим знаниям, объединяя различные формы и источники информации, в том числе опыт человека. СППР на основе анализа больших данных позволяют выявить неочевидные связи, которые было бы тяжело определить при ручном анализе. Подобные системы значительно упрощают нашу жизнь, но следует помнить, что они лишь помогают нам с выбором, а окончательное решение всегда остается за человеком.
.png&w=640&q=75)
