Можливості проведення автоматичного аналізу даних, які надходять з різних оперативно-тактичних джерел та накопичуються у пул різнорідної інформації. Особливості інтелектуалізації баз даних, переваги та недоліки від використання технології Data Mining.
Аннотация к работе
Автоматизовані інформаційні системи підвищують ефективність роботи органів управління за рахунок впровадження сучасних інформаційних технологій (методів, алгоритмів, систем та засобів), збору, обробки, зберігання і використання бази оперативно-тактичних даних (БОТД), комплексної автоматизації процесу управління та переходу до інтелектуалізації баз даних [1]. З досвіду експертів в області IT, одну із особливих ролей в життєвому циклі формування знань із сховища різнорідних даних, займає саме технологія Data Mining, яка виконує роль їх інтелектуалізації. Тобто, Data Mining є не просто інструмент, а збірна назва, що використовується для позначення сукупності методів виявлення в даних раніше невідомих, нетривіальних, практично корисних і доступних інтерпретацій знань, необхідних для прийняття рішень у різних сферах людської діяльності. Традиційні методи аналізу даних (статистичні методи) [3] і OLAP в основному орієнтовані на перевірку заздалегідь сформульованих гіпотез (verification-driven Data Mining) і на "грубий" розвідувальний аналіз, що становить основу оперативної аналітичної обробки даних (Online Analytical Processing, OLAP) [4], у той час як одне з основних положень Data Mining - пошук неочевидних закономірностей [5]. Більшість статистичних методів для виявлення взаємозвязків у даних використовують концепцію усереднення за вибіркою, що приводить до операцій над неіснуючими величинами, тоді як Data Mining оперує реальними значеннями.Виходячи з сказаного вище ми приходимо до наступних висновків, що дійсно процес Data Mining нерозривно повязаний з процесом прийняття рішень. Весь комплекс заходів від збору даних, їх підготовки, інтеграції та до застосування методів і алгоритмів інтелектуалізації даних, вимагає залучення осіб, з широким розумінням та професіоналізмом у обраній предметній області, що підлягає моделюванню. Визначені етапи інтелектуального аналізу даних (рис.1), які можуть бути використані для розробки, наближеної до ідеальної, моделі досліджуваної предметної області та для отримання в результаті найкращих пропозицій щодо прийняття управлінських рішень, повинні виконуватися циклічно, тобто проходити певну кількість ітерацій.
Вывод
Виходячи з сказаного вище ми приходимо до наступних висновків, що дійсно процес Data Mining нерозривно повязаний з процесом прийняття рішень. За своєю природою він є досить складний, і вимагає від відповідальних осіб, які будуть задіяні в організації виконання зазначених етапів підготовки та видобутку знань, достатньо скрупульозного ставлення до нього. Весь комплекс заходів від збору даних, їх підготовки, інтеграції та до застосування методів і алгоритмів інтелектуалізації даних, вимагає залучення осіб, з широким розумінням та професіоналізмом у обраній предметній області, що підлягає моделюванню.
Визначені етапи інтелектуального аналізу даних (рис.1), які можуть бути використані для розробки, наближеної до ідеальної, моделі досліджуваної предметної області та для отримання в результаті найкращих пропозицій щодо прийняття управлінських рішень, повинні виконуватися циклічно, тобто проходити певну кількість ітерацій. Як результат ми отримаємо саме очікувані оптимальні рішення тих задач, які будуть поставлені перед аналітиками центру компетенції, що використають в АІС технологію Data Mining.
Набута база знань в результаті роботи інструментарію Data Mining, що зберігатиметься в централізованому сховищі даних АІС центрів компетенції, дозволить в подальшому зекономити багато часу на пошук подібних рішень а також передбачати проблемні ситуації і попереджати їх виникнення в майбутньому.
Отже обрана нами технологія Data Mining, 2000. - 384 з її широким і різноманітним інструментарієм c.ttp://studopedia.ru/2_82956_ponyattya-Data- добування знань, зможе у повній мірі Mining.html забезпечити інтелектуалізацію бази даних та сприяти прискоренню та поліпшенню процесу прийняття рішень керівним складом центрів компетенції військового призначення.
Подальші дослідження доцільно присвятити аналізу переваг у поєднанні технологій OLAP та Data Mining для ефективної обробки великого обєму інформації, за рахунок багатовимірної моделі побудови бази даних, що прискорює процес аналітичної обробки, та реалізації алгоритмів інтелектуалізації даних, необхідних для своєчасного прийняття рішень.
Список литературы
1. Уотермен Д. Руководство по экспертным системам: Пер. с англ./Под ред. В. Л. Стефанюка - М.: Мир, 1989. - 388 с., ил.
2. Дроговоз П.А., Иванов П.Д. Перспективы развития бизнес-информатики как междисциплинарного подхода к управлению наукоемкими промышленными предприятиями // Электронное научно-техническое издание «Инженерный журнал: наука и инновации». ISSN 2308-6033. М.: МГТУ им. Н.Э. Баумана, 2013. Выпуск № 3 []
3. Кулинич О. І. Теорія статистики. К.: Вища школа., 1992. 135 с.
4. Барсегян А. А., Куприянов М. С., Степаненко В. В., Холод И. И. Технологии анализа даннях: Data Mining, Visual Mining, Text Mining, OLAP. - СПБ.: БХВ-Петербург, 2007. - 384c., ил.
5. Степанов P. Г., Технология Data Mining: Интеллектуальный анализ данных. - К.: ГОУ ВПО «КГУ им. В.И.Ульянова-Ленина», 2008. - 57 с.
6. Барсегян А. А., Куприянов М. С., Степаненко В. В., Холод И.И, Методы и модели анализа данных: OLAP и Data Mining. - СПБ.: БХВ-Петербург, 2004. 336с., ил.
7. Норенков И. И, Кузьмик П. К. Информационная поддержка наукоемких изделий. CALS-технологии. М.: МГТУ им. Н.Э. Баумана, 2002. 320 с.
8. Репин В.В., Елиферов В.Г. Процессный подход к управлению. Моделирование бизнес- процессов. М.: РИА «Стандарты и качество», 2004. 408 с.
9. Han L, Kamber М., Data mining: Concepts and Techniques. - Morgan Kaufmann Publishers. - 2001.
10. Konar A., Artificial intelligence and soft computing: behavioral and cognitive modeling of the human brain. - CRC Press LLC. - Boca Raton, Florida/ 2000.
11. Mitra S., Acharya T., Data Mining. Multimedia, Soft Computing, and Bioinformatics. - John Wiley & Sons, Inc. - Hoboken, New Jersey. - 2003.
12. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский. - СПБ.: Питер,
Кондратенко Ю. В.
Центр военно-стратегических исследований Национального университета обороны Украины имени Ивана Черняховского, Киев
Интелектуализация управленческих решений с использованием технологии Data- Mining в АИС
Резюме. В статье рассматриваются возможности проведения автоматического анализа данных, поступающих из разных оперативно-тактических источников и накапливаются в огромный пул разнородной информации. Определены особенности интеллектуализации баз данных, преимущества и недостатки использования технологии Data Mining, а также важность добытых данных для своевременного принятия управленческих решений руководством предприятия (ведомства).
Ключевые слова: Интеллектуализация базы данных, добыча данных, оперативно-тактические данные, принятие управленческих решений, методы Data Mining.
U. Kondratenko
Center for Military and Strategic Studies National Defence University of Ukraine named Ivan Chemyhovskij
Intellectualization of administrative decisions with the use of technology of Data-Mining in the AIS
Resume. The article deals with the possibility of automatic analysis of data coming from different operational and tactical sources and accumulated into a vast pool of heterogeneous information. Defined the features of intellectualization databases, advantages and disadvantages of the use of Data Mining technology and the importance of extracted knowledge for timely decision-making by leadership of enterprise (department).
Keywords: Intellectual database, data mining, operational and tactical information, management decisions, methods of Data Mining.