پردازش تحلیلی اطلاعات. روش های پردازش داده های تحلیلی برای پشتیبانی تصمیم. فناوری پردازش تحلیلی آنلاین (OLAP)

موضوع 6

سیستم های اطلاعاتی شرکت برای پردازش اطلاعات اقتصادی

مفهوم فناوری اطلاعات شرکت ها

ماهیت و اهمیت فناوری اطلاعات شرکت ها

در میان انواع برنامه ها برای کسب و کار، اصطلاح "فناوری اطلاعات در حاکمیت شرکتی" به طور سنتی به عنوان "سیستم های اتوماسیون مدیریت پیچیده" درک می شود. نام های دیگر آنها نیز شناخته شده است - سیستم های سازمانی، سیستم های اطلاعات شرکت (CIS)، سیستم های کنترل شرکتی (یا پیچیده) (CCS)، سیستم های کنترل خودکار (ACS).

به عنوان یک قاعده، سیستم های اتوماسیون کنترل پیچیده، راه حل های جهانی "اساسی" مناسب برای انواع مختلفشرکت ها اول از همه، این به مدیریت مالی، مدیریت موجودی، مدیریت خرید و فروش مربوط می شود. اما همین سیستم‌ها اغلب دارای راه‌حل‌های خاص صنعت هستند که این یا آن ویژگی را منعکس می‌کنند و حاوی پایه‌های نظارتی و مرجع مناسب هستند.

به عنوان مثال، راه حل سیستم SAP R/3 برای صنعت هوانوردی از حسابداری و کنترل شماره های سریال تمام قطعات هواپیما، عمر مفید آنها، تعویض یا تعمیر برنامه ریزی شده پشتیبانی می کند که نه تنها قابلیت اطمینان تولید، بلکه ایمنی مسافران را نیز تضمین می کند.

از آنجایی که سیستم‌های کنترل پیچیده عمدتاً بر شرکت‌های بزرگ حاوی ساختارهای چندگانه متمرکز هستند، آنها نه تنها مجموعه‌ای از عملکردهای توسعه‌یافته را ارائه می‌کنند، بلکه با استفاده از پلتفرم‌ها و ابزارهای سیستمی قدرتمند برای کار چند کاربره، ذخیره و پردازش قابل اعتماد مقادیر زیادی از اطلاعات را نیز فراهم می‌کنند. . .

فن آوری های اطلاعاتی مدرن، ارتباطات و اینترنت به ما امکان می دهد مشکلات را حل کنیم دسترسی از راه دوربه یک پایگاه داده واحد، که برای حاکمیت شرکتی نیز مرتبط است.

مفهوم ساختمان

اگرچه اکثر توسعه دهندگان محصولات نرم افزاری خود را مدیریت (تشکیلات، انبار، امور مالی و غیره) می نامند، در واقع تقریباً همه نرم افزارکه در حاکمیت شرکتی استفاده می شود، ثبت حقایق و اسناد فعالیت های مالی و اقتصادی، سیستم های حسابداری با قابلیت ساخت گزارش ها و گواهی ها در زمینه های مجاز توسط ویژگی های تحلیلی است. یعنی اطلاعات ساختار یافته وارد پایگاه داده می شود. این ساختار تا یک درجه توسط کتابهای مرجع به هم پیوسته، طبقه بندی کننده ها، پارامترها و اشکال اسناد استاندارد تنظیم شده است. بر اساس اطلاعات موجود در پایگاه داده، به اصطلاح "برش" توسط ابزار "ساخت"، "کشیده"، "مونتاژ" می شود. با دریافت گزارش‌ها و گواهی‌ها بر اساس چنین داده‌هایی که اغلب آن‌ها تحلیلی نامیده می‌شوند، مدیریت می‌تواند تصمیم‌گیری کند. این مفهوم معمولی و فناوری معمولی برای کار با سیستم های کلاس مورد بررسی است.

تصادفی نیست که چنین محتوای کاربردی متفاوتی، راه حل های سیستمیهدف و استفاده از نرم افزارهای «مدیریت» مانند «Galaktika»، «BEST» و «1C: Enterprise» از نظر اصول سازماندهی اطلاعات، فناوری شکل گیری و پردازش آن و همچنین روش ها مشابه است. تعامل با سیستم ها

با این وجود، شرکت ها، به عنوان مثال، OAO Uralelektromed، الزامات سختگیرانه و متنوعی را برای ابزارهای حاکمیت شرکتی مطرح می کنند که ایجاد آنها بر اساس چند سطح ضروری می شود. معمولاً هسته هسته سیستم است و فقط شامل کدهای برنامه است. عنصر مفهومی مهم بعدی جعبه ابزار داخلی سیستم است که بدون تغییر کدهای برنامه اجازه می دهد حداقل آن را در محل کار پیکربندی کنید، عملیات خاصی را انجام دهید، فرم های جدید و موجود اسناد اولیه و گزارش را وارد کنید و تغییر دهید. از سایر تنظیمات پارامتریک استفاده کنید. سیستم‌های توسعه‌یافته‌تر دارای ابزارهای داخلی برای ایجاد مدل‌های مختلف سازمانی هستند: اطلاعاتی، سازمانی، عملکردی و غیره. و در نهایت، خود پایگاه داده.

پردازش تحلیلی اطلاعات

برنامه ریزی فعالیت های یک شرکت، به دست آوردن اطلاعات عملیاتی و تصمیم گیری صحیح بر اساس تجزیه و تحلیل آن با پردازش حجم زیادی از داده ها همراه است. گزارش های تولید شده در حسابداری سیستم های شرکتیمدیریت ah، معمولاً فاقد انعطاف پذیری است. آنها را نمی توان "پیچان"، "بسط" یا "جمع کرد" برای به دست آوردن نمایش دلخواه از داده ها، از جمله نمایش گرافیکی. هرچه «برش‌ها» و «برش‌های» بیشتری بتوانید انجام دهید، می‌توانید تصویر واقعی‌تر از فعالیت‌های شرکت را تصور کنید و بهترین تصمیم را برای مدیریت فرآیندهای تجاری بگیرید. چنین کارهایی نیاز به مدل سازی ریاضی و اقتصادی و همچنین سرعت بالایی دارد. ماژول تحلیلی در سیستم "RepCo" موجود است، سیستم "Triumph-Analytics" (شرکت "PARUS" - "Tora Center") بیشتر شناخته شده است. به نظر می رسد که سیستم های حسابداری با توجه به اطلاعات ذخیره شده در پایگاه داده گواهی ها را در "بخش های" مختلف می سازند، آنها به سادگی آنچه را که هست نشان می دهند. و سیستم های تحلیلی اطلاعات جدید را بر اساس پارامترها یا معیارهای مشخص می سازند و آن را برای اهداف خاص بهینه می کنند. بنابراین، اغلب ابزار ویژهبرای مشاهده و تجسم اطلاعات، که "تجزیه و تحلیل داده های آنلاین" است (OLAP - پردازش تحلیلی آنلاین). مجموعه ای از ابزارهای راحت و سریع برای دسترسی، مشاهده و تجزیه و تحلیل چند بعدی اطلاعات انباشته شده در مخزن را فراهم می کند.

فن‌آوری‌های OLAP برای مدل‌سازی وضعیت بر اساس طرح «چه اتفاقی می‌افتد اگر…»، برای جمع‌آوری گزارش‌های تحلیلی مختلف استفاده می‌شوند. محصولات نرم افزاری تخصصی غربی وجود دارد.

معمولاً اطلاعات از سیستم های مدیریت شرکت به برنامه های تخصصی برای پردازش داده های تحلیلی منتقل می شود. بسیاری از توسعه دهندگان داخلی در تلاش هستند تا این مشکلات را به تنهایی حل کنند، به عنوان مثال، شرکت های Nikos-Soft (سیستم NS-2000)، Cepheus (سیستم مدیریت شرکت Etalon)، COMSOFT (مجموعه نرم افزاری-روش شناختی و ابزار COMSOFT-STANDARD "2.0) و دیگران.

6.4. چشم انداز توسعه و استفاده از فناوری اطلاعات شرکت ها

توسعه سیستم‌های شرکتی داخلی علاوه بر توسعه و استفاده از ابزارها و پلتفرم‌های مدرن و همچنین ابزارهای سیستمی، شامل اشباع عملکردی آنها به‌ویژه از نظر تولید می‌شود.

با وجود اشتیاق گسترده برای اجرای استانداردهای مدیریتی، بازیگران پیشرو در بازار نرم افزار داخلی در حال توسعه راه حل های صنعتی برای انواع مختلف صنایع هستند.

ترس شرکت‌ها از باز کردن «محرمانه بودن» پیشرفت‌هایشان کاهش می‌یابد، که به تثبیت تلاش‌های آن‌ها برای یکپارچه‌سازی محصولاتشان کمک می‌کند، نه اینکه همه چیز از «a» تا «z» را به تنهایی توسعه دهند. امروز هیچ کس منابع کافی ندارد. برای درک مطلب مفهوم جدید، توسعه یک پروژه و یک سیستم، یعنی سیستمی که بسته به آنچه در آن است، کیفیت خود را تغییر می دهد، سال ها طول می کشد. علاوه بر این، الزامات یکپارچه سازی محصولات نرم افزاری نیز توسط شرکت هایی مطرح می شود که می خواهند به طور معمول سیستم های تخصصی "کار" را ادامه دهند و آنها را به صورت اطلاعاتی با موارد تازه به دست آمده ترکیب کنند.

ادغام برای محصولات تولید کنندگان مختلف نیز مورد نیاز است - به نام ترکیب راه حل های پیچیده با راه حل های تخصصی:

- بودجه بندی، تحلیل مالی و اقتصادی، خدمات مشتری، پردازش داده های تحلیلی و غیره.

لازم به ذکر است که این خود سیستم های کنترل نیستند که امیدوارتر هستند، بلکه ابزاری ساده و جهانی برای ایجاد آنها هستند که برای واسطه های واجد شرایط بین توسعه دهنده و کاربر نهایی در نظر گرفته شده است. اکنون این توابع در تلاش هستند تا انجام شوند مدیران سیستمو تجزیه و تحلیل

اگر چنین ابزاری در دسترس باشد، راه حل های استاندارد "آماده" برای همه شرکت های همه صنایع مورد تقاضا خواهد بود.

اینترنت به عنوان یک ابزار اضافی برای توسعه کسب و کار تنها در صورت وجود یک سیستم مدیریت یکپارچه می تواند به طور موثر مورد استفاده قرار گیرد.

اگرچه اطلاعات مدرن و فن آوری های ارتباطیاز جمله اینترنت، و به شما اجازه می دهد تا اجاره نرم افزار را سازماندهی کنید، صحبت در مورد استفاده کوتاه مدت از چنین فرصت هایی به ویژه در کشور ما زود است. و نه به دلایل محرمانه بودن، بلکه به دلیل فقدان نظم و وسایل ارتباطی قابل اعتماد.

تلاش برای معرفی و استفاده از تجربه، حتی نه به طور کامل، از فناوری اطلاعات در شرکت های داخلی در عمل ثابت کرده است که "خودکارسازی هرج و مرج غیرممکن است". سازماندهی مجدد اولیه کسب و کار و خود شرکت و همچنین ساخت مقررات مدیریت (دستورالعمل) ضروری است. برای کارمندان شرکت دشوار است که به تنهایی با چنین کاری کنار بیایند. به خصوص با توجه به عامل زمان در شرایط بازار. بنابراین، عمل تعامل با شرکت‌های مشاور در همه جا در حال توسعه است، که به شرکت‌ها کمک می‌کند و به کارکنان خود آموزش می‌دهند تا "گستره‌ها" را گسترش دهند، فرآیند اصلی کسب‌وکار را ایجاد کنند، فناوری را توسعه دهند، جریان‌های اطلاعاتی ایجاد کنند و غیره. خودکار کردن یک فرآیند ایجاد شده آسان تر، ساده تر، ارزان تر، سریع تر است.

همه باید کار خود را انجام دهند. یک حسابدار، انباردار، مدیر فروش و سایر متخصصان "موضوع" نباید شکل فرم های اسناد را بهبود بخشند، ستون ها را از هم جدا کنند یا مکان آنها را به دلیل تغییر در قوانین یا الگوهای تجاری تغییر دهند. بنابراین، بازار نرم افزار به تدریج از یک «بقالی» به یک «سرویس» تبدیل می شود. برون سپاری شروع به توسعه می کند - انتقال برخی از وظایف شرکت به متخصصان شرکت های درگیر. آنها مشغول تعمیر و نگهداری تجهیزات، نرم افزار سیستم، اصلاح بخش کاربردی (عملکردی) سیستم ها و غیره هستند.

مهم ترین و مرتبط ترین در استفاده از سیستم های مدیریت شرکتی، فناوری اطلاعات و خدمات روش شناختی برای کاربران و مصرف کنندگان آنها است.

UDC 621. 37/39. 061.2/4

روشهای پردازش اطلاعات تحلیلی

GVOZDINSKYA.N.، KLIMKO E.G.، SOROKOVOY A.I.

بررسی تحلیلی روش های داده کاوی (همچنین به نام IAD، داده کاوی، کشف دانش در پایگاه های داده) با در نظر گرفتن استفاده از یک روش خاص برای شرایط اوکراین انجام می شود. بررسی روش‌های پردازش تحلیلی اطلاعات در سیستم‌های اطلاعاتی پیچیده از نقطه نظر سرعت استخراج داده‌ها، جمع‌آوری اطلاعات تعمیم‌یافته و افزایش قابلیت اطمینان فرآیند مورد توجه قرار می‌گیرد.

فرآیند داده کاوی مطالعه تحلیلی مقادیر زیادی از اطلاعات به منظور تعیین الگوها و روابط بین متغیرها است که سپس می تواند برای داده های جدید اعمال شود. اطلاعات دریافتی به سطح اطلاعات تبدیل می شود که به عنوان دانش مشخص می شود. این فرآیند شامل سه مرحله اصلی است:

تحقیق (الگوهای آشکار)؛

استفاده از الگوهای شناسایی شده برای ساخت مدل؛

تجزیه و تحلیل استثنا برای تشخیص و توضیح انحرافات در الگوهای یافت شده.

یافتن دانش جدید با استفاده از IAD یک جهت جدید و به سرعت در حال توسعه است که از روش های هوش مصنوعی، ریاضیات و آمار استفاده می کند. این فرآیند شامل مراحل زیر است:

تعریف مسئله (بیان مسئله)؛

آماده سازی داده ها؛

جمع آوری داده ها: ارزیابی، ادغام و تمیز کردن، انتخاب و تبدیل آنها.

ساخت مدل: ارزیابی و تفسیر، اعتبار سنجی خارجی.

استفاده از مدل؛

مشاهده مدل

برای ساخت یک مدل و بهبود کیفیت آن، اعتبارسنجی رسمی داده ها از طریق دنباله ای از پرس و جوها یا داده کاوی اولیه کمک می کند. ابزارهای چنین تحلیلی شامل روش های اصلی زیر است: شبکه های عصبی، درخت تصمیم، الگوریتم های ژنتیک و همچنین ترکیب آنها.

شبکه‌های عصبی به کلاس سیستم‌های تطبیقی ​​غیرخطی تعلق دارند؛ از نظر ساختار، به طور مشروط شبیه بافت عصبی نورون‌ها هستند.

این مجموعه ای از گره های متصل به یکدیگر است که داده های ورودی را دریافت می کنند، آنها را پردازش می کنند و نتیجه ای را در خروجی تولید می کنند. گره های لایه پایین با مقادیر پارامترهای ورودی عرضه می شوند، بر اساس آنها محاسبات لازم برای تصمیم گیری، پیش بینی توسعه وضعیت و غیره انجام می شود.

این مقادیر به عنوان سیگنال هایی در نظر گرفته می شوند که به لایه پوشاننده منتقل می شوند و بسته به مقادیر عددی (وزن) نسبت داده شده به اتصالات بین عصبی افزایش یا کاهش می یابند. در خروجی نورون بالاترین لایه، مقداری تولید می شود که به عنوان پاسخ، واکنش کل شبکه به ورودی در نظر گرفته می شود. مقادیر اولیه. از آنجایی که هر عنصر شبکه عصبی تا حدی از همسایگان خود جدا است، چنین الگوریتم‌هایی توانایی موازی کردن محاسبات را دارند. روی انجیر 1 یک شرطی را نشان می دهد

عکس. 1. شبکه عصبی

اندازه و ساختار شبکه باید با ماهیت پدیده مورد مطالعه مطابقت داشته باشد. شبکه ساخته شده تحت فرآیند به اصطلاح "آموزش" قرار می گیرد. نورون های شبکه داده های ورودی را پردازش می کنند که هم مقادیر پارامترهای ورودی و هم پاسخ های صحیح به آنها مشخص است. یادگیری شامل انتخاب وزن اتصالات بین عصبی است که بیشترین نزدیکی را از پاسخ های شبکه به پاسخ های صحیح شناخته شده ارائه می دهد. پس از آموزش بر روی داده های موجود، شبکه آماده کار است و می توان از آن برای پیش بینی رفتار یک شی در آینده، بر اساس داده های توسعه آن در گذشته، انجام تجزیه و تحلیل و شناسایی انحرافات و شباهت ها استفاده کرد. پیش‌بینی‌های قابل اعتمادی را می‌توان بدون مشخص کردن نوع وابستگی‌هایی که بر اساس آن است، شکل داد.

شبکه های عصبی برای حل مسائل پیش بینی، طبقه بندی یا کنترل استفاده می شوند.

مزیت - شبکه ها می توانند هر تابع پیوسته را تقریب بزنند، نیازی به پیش فرضی در مورد مدل نیست. داده های مورد بررسی ممکن است ناقص یا پر سر و صدا باشند.

عیب آن نیاز به تعداد زیادی نمونه آموزشی است. تصمیم نهایی بستگی به این دارد تنظیمات اولیهشبکه های. داده ها باید به شکل عددی تبدیل شوند. مدل به دست آمده دانش کشف شده (به اصطلاح "جعبه سیاه") را توضیح نمی دهد.

درختان تصمیم از پارتیشن بندی داده ها به گروه ها بر اساس مقادیر متغیرها استفاده می کنند. نتیجه یک ساختار سلسله مراتبی از عبارات «اگر... آنگاه...» است که شبیه یک درخت است. برای طبقه بندی یک شی یا موقعیت، باید به سؤالات موجود در گره های این درخت، از ریشه آن، پاسخ دهید. اگر پاسخ مثبت است، به گره سمت راست سطح بعدی بروید، اگر منفی - به گره چپ و غیره بروید. با پایان دادن به پاسخ ها، به یکی از گره های انتهایی می رسند، جایی که

RI، 2000، شماره 4

نشان می دهد که شی مورد نظر باید به کدام کلاس نسبت داده شود.

درختان تصمیم برای حل مشکلات طبقه بندی طراحی شده اند و بنابراین کاربرد بسیار محدودی در امور مالی و تجارت دارند.

مزیت روش ارائه ساده و قابل فهم ویژگی ها برای کاربران است. به عنوان یک متغیر هدف، از ویژگی های اندازه گیری شده و غیر اندازه گیری شده استفاده می شود - این دامنه روش را گسترش می دهد.

نقطه ضعف آن مشکل اهمیت است. داده ها را می توان به بسیاری از موارد خاص تقسیم کرد، یک "بوش" درخت وجود دارد که نمی تواند پاسخ های آماری معتبری بدهد. نتایج مفید تنها در مورد ویژگی های مستقل به دست می آید.

الگوریتم های ژنتیک فرآیند انتخاب طبیعی در طبیعت را تقلید می کنند. برای حل مسئله ای که از نظر معیاری بهینه تر است، همه راه حل ها با مجموعه ای از اعداد یا کمیت های غیر عددی توصیف می شوند. جستجو برای راه حل بهینه شبیه به تکامل جمعیتی از افراد است که با مجموعه کروموزوم های آنها نشان داده می شود. سه مکانیسم وجود دارد که در این تکامل عمل می کنند که در شکل 1 نشان داده شده است. 2.

مکانیسم های زیر را می توان تشخیص داد:

انتخاب قوی ترین مجموعه کروموزوم ها که با بهینه ترین راه حل ها مطابقت دارند.

متقاطع - به دست آوردن افراد جدید با مخلوط کردن مجموعه های کروموزوم افراد انتخاب شده.

جهش ها تغییرات تصادفی در ژن ها در برخی افراد در یک جمعیت است.

در نتیجه تغییر نسل ها، راه حلی برای مشکل ایجاد می شود که دیگر نمی توان آن را بیشتر بهبود بخشید.

مزیت - این روش برای حل مسائل مختلف ترکیبیات و بهینه سازی راحت است، بیشتر به عنوان ابزاری برای تحقیقات علمی ترجیح داده می شود.

نقطه ضعف آن توانایی فرمول بندی مؤثر مشکل، تعیین معیار انتخاب کروموزوم ها است و روش انتخاب خود اکتشافی است و فقط یک متخصص می تواند آن را انجام دهد. فرمول بندی مسئله بر حسب امکان تجزیه و تحلیل اهمیت آماری راه حل به دست آمده با کمک آنها را فراهم نمی کند.

فناوری‌های رایانه‌ای برای پردازش داده‌های تحلیلی هوشمند امکان استفاده از روش‌های هوش مصنوعی، آمار، تئوری پایگاه داده و ایجاد سیستم‌های هوشمند مدرن را ممکن می‌سازد.

در حال حاضر، یک موضوع حاد ایجاد انبارهای اطلاعاتی (انبار داده، انبار داده) وجود دارد - پایگاه های داده بهینه سازمان یافته که سریع ترین و راحت ترین دسترسی را به اطلاعات لازم برای تصمیم گیری فراهم می کند. ذخیره سازی اطلاعات قابل اعتماد را از منابع مختلف در یک دوره زمانی طولانی جمع آوری می کند که بدون تغییر باقی می ماند. داده ها با توجه به مناطقی که توصیف می کند (ویژه دامنه) جمع آوری و ذخیره می شود و نیازهای کل شرکت (یکپارچه) را برآورده می کند.

با توجه به دوره نسبتاً کوتاه بیشتر شرکت های داخلی، کمبود داده های تجزیه و تحلیل شده، بی ثباتی بنگاه هایی که در معرض تغییر هستند به دلیل تغییرات در چارچوب قانونی، در توسعه یک استراتژی تصمیم گیری موثر با استفاده از سیستم های داده کاوی مشکل وجود دارد. بنابراین الگوریتم های ژنتیک به عنوان قابل قبول ترین روش برای تحقیق داده ها در حوزه مالی و تجاری پیش بینی می شود و برای وظایف طبقه بندی تصاویر و حقایق بهتر است از روش های درخت تصمیم یا شبکه های عصبی استفاده شود.

ادبیات: 1. Shchavelev L.V. داده کاوی. http://www.citforum.ru/seminars/cis99/sch_04.shtml, 2. Burov K. کشف دانش در انبارهای داده / / سیستم های باز. 1999. شماره 5-6.، http: / /www.osp.ru/os/l999/05-06/14.htm. 3. Kiselev M، Solomatin E. ابزارهای استخراج دانش در تجارت و امور مالی // سیستم های باز. 1997. شماره 4. ص 41-44. 4. Krechetov N، Ivanov P. محصولات داده کاوی // هفته کامپیوتر - مسکو. 1376. شماره 14-15. صص 32-39. 5. Edelstein H. ابزارهای هوشمند برای تجزیه و تحلیل و ارائه داده ها در انبارهای اطلاعات // هفته کامپیوتر - مسکو. 1996. شماره 16. صص 32-35.

دریافت به هیئت تحریریه 22/06/2000

داور: Dr. tech. علوم، پروفسور پوتیاتین V.P.

گووزدینسکی آناتولی نیکولاویچ، دکتری. فن آوری علوم، استاد گروه هوش مصنوعی KhTURE. علایق علمی: ارزیابی اثربخشی سیستم های مدیریت اطلاعات پیچیده. علایق و سرگرمی ها: موسیقی کلاسیک، گردشگری. آدرس: اوکراین، 61166، خارکف، خ. آکادمی لیاپانووا، 7، آپارتمان. 9، تلفن 32-69-08.

کلیمکو النا گنریهوونا، دستیار گروه فناوری های کامپیوتری و سیستم های اطلاعاتی، دانشگاه فنی دولتی پولتاوا به نام یوری کوندراتیوک. دانشجوی کارشناسی ارشد (در حین کار) گروه هوش مصنوعی KhTURE. علایق علمی: تجزیه و تحلیل داده های تحلیلی. علایق و سرگرمی ها: خواندن، بافندگی. آدرس: اوکراین، 36021، پولتاوا، خیابان. الماس، 1-A، آپ. 34، تلفن (053-22) 3-43-12.

سوروکوف الکساندر ایوانوویچ، Ph.D. فن آوری در علوم، دانشیار گروه فناوری های کامپیوتری و سیستم های اطلاعاتی، دانشگاه فنی دولتی یوری کوندراتیوک پولتاوا. علایق پژوهشی: KDD (کشف دانش). علایق و سرگرمی ها: سگ. آدرس: اوکراین، 36022، پولتاوا، per. شکسته، 37A، تلفن (053-2) 18-60-87، ایمیل: [ایمیل محافظت شده]

پس از بررسی کامل بودن و قابلیت اطمینان اطلاعات، پردازش تحلیلی آن انجام می شود. این شامل تعریف سیستمی از شاخص ها است که مطالعه آن برای دستیابی به اهداف تجزیه و تحلیل ضروری است. این شاخص ها یا قبلاً در اطلاعات انتخاب شده موجود هستند یا در فرآیند پردازش تحلیلی آن محاسبه می شوند.

سیستم شاخص ها به معنای مجموعه مرتبی از آنهاست که در آن هر شاخص یک ویژگی کمی و کیفی از جنبه خاصی از فعالیت یک واحد اقتصادی می دهد، با سایر شاخص ها در ارتباط است، اما آنها را تکرار نمی کند و دارای ویژگی ها است. تقلیل پذیری و تقسیم پذیری

تعداد شاخص ها در فرآیند پردازش تحلیلی اطلاعات بسته به برنامه تجزیه و تحلیل، عمق مطالعه نتایج فعالیت ها و عوامل مؤثر بر آنها می تواند تقریباً نامحدود از طریق تمایز یا ادغام آنها افزایش یابد.

از آنجایی که فعالیت های واحدهای اقتصادی، تقسیمات ساختاری آنها و همچنین انجمن های مختلف آنها به طور کلی کاملاً پایدار است، سیستم شاخص هایی که با آن تجزیه و تحلیل می شود از ثبات خاصی برخوردار است، اما به تدریج با ظهور وظایف جدید، با تغییرات در شاخص های جدید غنی می شود. وضعیت عمومی اقتصادی، شرایط خارجی و داخلی فعالیت واحدهای اقتصادی.

یک پیش نیاز ضروری برای توسعه یک سیستم از شاخص های تحلیلی و کاربرد صحیح آن، گروه بندی این شاخص ها بر اساس معیارهای مختلف است (شکل 4.1 را ببینید).

تقسیم بندی شاخص ها به مطلقو نسبت فامیلیبرای تعیین مقیاس و پیچیدگی پردازش تحلیلی اطلاعات ضروری است.

اطلاعات جمع آوری شده از منابع مختلف عمدتاً شامل شاخص های مطلق است که حجم فعالیت واحد اقتصادی مورد تجزیه و تحلیل را مشخص می کند (به عنوان مثال، حجم فروش کالا، میزان هزینه های تولید کالا یا خدمات، حجم عمده فروشی یا خرده فروشی. تجارت، مقدار پیشرفته

برنج. 4.1. طبقه بندی شاخص های تحلیلی بر اساس مختلف

ویژگی های گروه بندی

سرمایه، مقدار سود یا زیان، تعداد کارکنان، هزینه دارایی های ثابت، اندازه موجودی ها).

شاخص های نسبی که برای ارزیابی عملکرد سازمان مورد تجزیه و تحلیل به عنوان یک کل یا بخش های ساختاری داخلی آن از اهمیت بالایی برخوردار هستند، قبلاً توسط عملیات ریاضی مختلف در فرآیند پردازش تحلیلی اطلاعات محاسبه می شوند. چنین پردازش تحلیلی ممکن است تا حدی توسط مقررات مربوطه به عنوان وظایف بخش حسابداری و سایر بخش های ساختاری داخلی یک واحد اقتصادی (به عنوان مثال، تعیین بهای تمام شده محصولات جداگانه، سطح سود نسبت به سرمایه، محاسبه) پیش بینی شود. استانداردهای اقتصادی به عنوان بخشی از گزارش بانک های تجاری).

محاسبه شاخص‌های نسبی قابلیت مقایسه داده‌ها را برای دوره‌های زمانی مختلف افزایش می‌دهد، زیرا تمام شاخص‌های مطلقی که برای این منظور در فرمول‌های ریاضی استفاده می‌شوند، با ارزی محاسبه می‌شوند که قدرت خرید یکسانی دارد، یعنی. تاثیر تورم از بین می رود. علاوه بر این، تمام شاخص های مطلق مربوط به یک دوره معین تحت تأثیر همان وضعیت داخلی و خارجی شکل می گیرند. به همین دلیل است که در تحلیل، مقایسه‌های دینامیکی و مکانی عمدتاً با استفاده از شاخص‌های نسبی و نه مطلق انجام می‌شود.

برای افزایش قابلیت مقایسه داده ها، در صورت امکان از آنها استفاده می شود. طبیعیو با کمک ضرایب خاص تعیین شده، به اصطلاح، به ضرایب طبیعی تبدیل می شود مشروط طبیعیمتر برای همین منظور، در برخی موارد، اولویت داده می شود کار یدیو هزینه عنصرمتر، که در صورت لزوم، امکان حذف تأثیر بر شاخص های مطلق تغییرات بهای تمام شده کالا و در شاخص های نسبی حاصل از این مقدار، تفاوت در بهای تمام شده کالا ناشی از نوسانات نسبت بهای تمام شده انتقالی را فراهم می کند. دارایی های ثابت، دستمزد نیروی کار و سود در قیمت محصولات. باید در نظر داشت که حتی در هنگام استفاده از ارز خارجی برای اندازه‌گیری بهای تمام شده شاخص‌های مطلق، تأثیر تغییرات ساختاری بر ارزیابی حجم فعالیت یک واحد اقتصادی و ویژگی‌های کیفی آن حذف نمی‌شود. لذا در ادامه ارائه، مسائل و استفاده از انواع کنتورهای طبیعی، مشروط طبیعی، کارگری و غیر تمام هزینه برای دستیابی به برخی اهداف تحلیل مورد توجه ویژه قرار خواهد گرفت.

گروه بندی شاخص های تحلیلی به کمیو کیفیتبسیار نزدیک به تقسیم آنها به مطلق و نسبی است، اما کاملاً با آن منطبق نیست. به عنوان مثال، مقدار کل سود یک شاخص کمی است، اما از نظر محتوای اقتصادی آن به ویژگی های کیفی فعالیت شی اشاره می کند، زیرا این واقعیت سود است، و نه زیان، حتی بدون کسب سود نسبی. شاخص ها در حال حاضر نتیجه مثبت فعالیت به نظر می رسد.

نقش بسیار مهمی در تجزیه و تحلیل اقتصادی با تقسیم شاخص ها بر اساس تعمیم دادنو خصوصی.

شاخص های خلاصه سازی شاخص هایی در نظر گرفته می شوند که به کمک آنها آورده شده است ویژگی های خلاصهوضعیت واحد اقتصادی مورد تجزیه و تحلیل، میزان استفاده آن از منابع در اختیار و کارایی مدیریت که در دستیابی به اهداف دنبال شده بیان می شود. اهداف اولیه ممکن است به دست آوردن سود بالاتر در مقایسه با نرخ ریفاینانس یا با سایرین باشد راه های جایگزیناستفاده از سرمایه در دسترس موضوع؛ دستیابی به کیفیت بالاتر کالاها و خدمات نسبت به رقبا در همان سطح یا پایین تر از هزینه های تولید و گردش آنها. بر این اساس تسخیر بازارهای جدید و افزایش قیمت بنگاه. شاخص‌های تعمیم‌دهنده همچنین شامل شاخص‌هایی هستند که عموماً سمت یا جهت خاصی از شرکت یا بخش‌های ساختاری فردی آن، اندازه منابع مورد استفاده و گردش مالی آنها را مشخص می‌کنند. هر شاخص تعمیم دهنده را می توان به تعدادی شاخص خاص که نقش فرعی در رابطه با آن ایفا می کنند، تجزیه کرد. این شاخص‌های خصوصی به شناسایی و اندازه‌گیری تأثیر عوامل داخلی و خارجی فردی کمک می‌کنند که اندازه و پویایی شاخص تعمیم‌دهنده را تعیین می‌کنند. با کمک شاخص های خصوصی، تبعیت اهداف محلی واحدها و فعالیت های یک واحد اقتصادی به اهداف کلی عملکرد آن محقق می شود. هدف کلی عملکرد یک واحد اقتصادی بدون ابهام نیست، بلکه حاکی از دستیابی همزمان و به هم پیوسته تعدادی از اهداف است و بنابراین میزان دستیابی به آن نه توسط یک، بلکه توسط یک سیستم کلی از شاخص های تعمیم دهنده و خاص منعکس می شود. .

برای مدیریت فعالیت‌های یک واحد اقتصادی به عنوان یک کل، حوزه‌های فردی آن و اقدامات هر مجری، ابتدا مدلی از این فعالیت ایجاد می‌شود. توسط سیستمی از شاخص‌های تعمیم‌دهنده و خاص ثابت شده در طرح کسب‌وکار توصیف می‌شود که سطح و اتصال آن باید دستیابی به نتایج عملکرد برنامه‌ریزی‌شده را تضمین کند.

سیستم شاخص های برنامه ریزی شده، به عنوان یک قاعده، فقیرتر از سیستم شاخص های حسابداری است، زیرا حسابداری تأثیر نه تنها عواملی را که می توان از قبل پیش بینی کرد، بلکه همچنین بسیاری از عوامل غیر قابل پیش بینی - عینی و ذهنی، به عنوان مثال، بلایای طبیعی را منعکس می کند. ، عدم صداقت مجریان، کلاهبرداری و سرقت. در نتیجه، حسابداری منعکس کننده تأثیر بر شاخص های تعمیم و خاص کل تنوع واقعیت است.

سیستم شاخص های تحلیلی حتی گسترده تر از برنامه ریزی و حسابداری است، زیرا باید بازتابی از نتایج مدیریت و ارزیابی سطح اثربخشی آن در تمام زمینه های برنامه ریزی شده و اهداف متعدد، و نه تنها به طور کلی برای سیستم اقتصادی نسبتا مستقل در حال مطالعه (تشکیلات، بانک تجاری) و همچنین برای بخش های بزرگ و کوچک آن. شناسایی نقش واحدهای فردی در نتایج نهاییفعالیت ها و تأثیر عوامل مختلف بر توسعه اقتصادی. بنابراین، سیستم شاخص های تحلیلی شامل شاخص های تعمیم دهنده (نتایج) متمایز شده بر اساس حوزه های فعالیت و شاخص های خصوصی (عاملی) است.

شاخص‌های جزئی که از تجزیه یک شاخص تعمیم‌دهنده تشکیل می‌شوند یا در یک شاخص تعمیم‌دهنده جمع می‌شوند، در تجزیه و تحلیل فعالیت اقتصادی، شاخص‌های عاملی نیز نامیده می‌شوند، زیرا استفاده از آنها امکان آشکارسازی و اندازه‌گیری تأثیر برخی عوامل اقتصادی بر شاخص‌های تعمیم‌دهنده را فراهم می‌کند. همانطور که می دانید، تغییرات در وضعیت جسم مورد تجزیه و تحلیل تحت تأثیر عوامل اقتصادی و اجتماعی رخ می دهد. معمولاً اصطلاح "علت" به گروهی از عوامل اطلاق می شود که تأثیر آنها را می توان مستقیماً از داده های حسابداری و گزارشگری تعیین کرد. با تجزیه بیشتر گروه به اجزای آن، شاخص های عامل جزئی به دست آمده را نیز علت می نامند، در صورتی که ارتباط آنها با شاخص تحلیل شده کاربردی باشد و بتوان آنها را با انجام عملیات ریاضی مختلف بر روی شاخص های گزارشگر محاسبه کرد.

در مواردی که تأثیر بر شاخص تحلیل شده سایر افراد مرتبط با آن در یک همبستگی آشکار و اندازه گیری می شود و قدرت تأثیر آنها با استفاده از روش های آماری و ریاضی سنجیده می شود، معمولاً شاخص های خاصی که برای جزئیات تجزیه و تحلیل به دست می آیند دیگر نامیده نمی شوند. علل، اما عوامل

بنابراین، تمایز بین اصطلاح «علت» و «عامل» بسیار مشروط است. عمدتاً بر اساس احتمالات اندازه گیری مستقیم یا غیرمستقیم تأثیر آنها با در نظر گرفتن ماهیت ارتباط با شاخص تعمیم یافته تحلیل شده است.

به عنوان مثال، انحراف از برنامه برای حجم تولید ممکن است به دلیل اختلاف بین برنامه تعداد و ترکیب پرسنل و در عین حال، میانگین تولید هر کارگر برای دوره مورد تجزیه و تحلیل باشد. مقادیر گروه های مجموع عوامل فوق و انحرافات آنها از برنامه به طور مستقیم در گزارش منعکس می شود و در تجزیه و تحلیل نامیده می شود. دلایل انحرافات. با این حال، هر یک از این دلایل را می توان بیشتر به عنوان تابعی از بسیاری از متغیرها در نظر گرفت. بنابراین، تغییر در تعداد کارکنان بر اساس دسته‌های پرسنل به تفصیل بیان می‌شود، خروجی هر کارمند به عنوان حاصلضرب خروجی هر کارگر و سهم کارگران از تعداد کل کارکنان ارائه می‌شود. این شاخص های تحلیلی را می توان با استفاده مستقیم از داده های گزارشی محاسبه کرد و به همین دلیل به آنها دلایل متمایزتر برای تغییر شاخص خلاصه نیز می گویند.

اجازه دهید فرض کنیم که تجزیه و تحلیل بیشتر عمیق تر می شود تا تأثیر آن بر تغییر در شاخص تعمیم دهنده - حجم تولید عواملی که به نوبه خود بر اجرای برنامه برای تولید به ازای هر کارگر تأثیر می گذارد، که رابطه آنها تأثیر می گذارد. با این شاخص نمی توان به طور مستقیم ایجاد کرد. به عنوان مثال، وظیفه تعیین تأثیر بر میانگین سطح خروجی سطح سازمانی و فنی تولید (درجه مکانیزاسیون و اتوماسیون اصلی) است. فرآیندهای تکنولوژیکیو کار کمکی، معرفی روش های سازماندهی علمی کار، همکاری خارجی و غیره) و عوامل شخصی (تحصیلات عمومی و ویژه، سابقه کار، جنسیت، سن).

با توجه به داده های تعمیم یافته حسابداری و حسابداری آماری، اندازه گیری تأثیر عوامل ذکر شده بر تولید و از طریق آن بر حجم تولید یا نرخ رشد آن غیرممکن است. بدین منظور داده های اولیه حسابداری و اسنادی با روش های خاص اقتصادی و ریاضی (عمدتاً همبستگی) جمع آوری و پردازش می شوند. خدمات فنی، بخش های پرسنل، کار و دستمزد، و همچنین اطلاعات اضافی اضافی حسابداری (بررسی پرسشنامه، عکس ها و عکس های خود از روز کاری، صورتجلسات جلسات تولید و غیره) جمع آوری شده است. با چنین جزئیات بیشتر علل، ویژگی های آنها قبلاً عوامل نامیده می شود.

اندازه گیری تأثیر عوامل فردی بر پویایی توسعه اقتصادی، نتایج اجرای طرح و کارایی مدیریت به تعیین اهمیت نسبی آنها در کار شرکت، تمرکز بر عوامل اصلی و تعیین کننده و افزایش کمک می کند. اثربخشی تجزیه و تحلیل در شناسایی ذخایر

یکپارچگی سیستم شاخص ها و روش محاسبه آنها باید برای شرکت هایی با همان مشخصات تضمین شود. تلاش برای اعمال همان شاخص‌های برآورد شده در واحدهای اقتصادی بخش‌های مختلف اقتصاد ملی محقق نشد، زیرا هویت شاخص‌های مورد استفاده مورد نیاز نیست، بلکه انطباق آنها با رویکرد اساسی برای ارزیابی نتایج به‌دست‌آمده توسط تحلیل‌شده است. نهاد از منظر اهداف فعالیت خود، معیارهای محلی و جهانی برای دستیابی به آنها.

شرکت همیشه نمی تواند به تمام اهداف خود دست یابد و تمام وظایف محول شده را حل کند. همچنین در کنار اجرای طرح برای برخی از شاخص ها می توان نتیجه منفی برای برخی دیگر به دست آورد. در این راستا، هنگام تعیین رتبه یک واحد اقتصادی، تقسیمات ساختاری آن، توصیه می شود یک شاخص انتگرال مشروط محاسبه شود، که سطح آن منعکس کننده میزان تحقق اهداف برنامه ریزی شده برای هر یک از شاخص ها و نسبی آنها باشد. ارزش.

شاخص انتگرال، که بر اساس تعدادی دیگر از نظر محتوای اقتصادی و هدف عملی آنها بسیار متفاوت است، به دست آمده است، نتایج خاص کار موضوع مورد تجزیه و تحلیل و میزان دستیابی به اهداف متعدد تعیین شده برای او را مشخص نمی کند. از این شاخص می توان برای تعیین رتبه استفاده کرد. در تمام موارد دیگر، استفاده از آن با ماهیت چند منظوره عملکرد واحدهای اقتصادی مطابقت ندارد.

برای ارزیابی اجرای طرح و به‌علاوه سطح بازده اقتصادی، باید تمام شاخص‌های موجود در سیستم را در نظر گرفت، زیرا اجرای بیش از حد برنامه برای یکی از آنها، پیوند اقتصادی تحلیل‌شده را از بین نمی‌برد. تعهد به اطمینان از دستیابی به سطح برنامه ریزی شده برای سایر شاخص ها. بهبود برنامه ریزی شده بالاتر در یکی از شاخص ها معمولاً آسیب ناشی از تاخیر در شاخص دیگر را جبران نمی کند، که نشان دهنده عدم انجام، شاید حتی مهمتر از وظایف محول شده به این واحد اقتصادی است. به عنوان مثال، بیش از حد قابل توجهی از سطح برنامه ریزی شده تولید کالاها (کارها، خدمات) نیاز به اطمینان از سطح معینی از هزینه در هر واحد خروجی را رد نمی کند. اجرای بیش از حد طرح از نظر حجم تولید و سود نمی تواند عدم تحقق طرح راه اندازی تاسیسات تصفیه و سایر اقدامات حفاظت از محیط زیست را جبران کند.

قابل قبول ترین راه برای ساخت یک شاخص انتگرال، حل مسئله ریاضی محاسبه فواصل بین نقاطی است که مقادیر همان شاخص ها را در واحدهای اقتصادی مقایسه شده و در بهترین شرکت مشروط برای همه این شاخص ها مشخص می کند. استاندارد توسعه نامیده می شود و به این ترتیب شاخص «سطح توسعه» هر یک از آنها تعیین می شود. مزیت آن نسبت به سایر روش های محاسبه شاخص انتگرال، عینی بودن برآوردها است، زیرا بر اساس محاسبات ریاضی است.

راه های دیگر تجمیع شاخص ها به اندازه کافی عینی نیستند. به عنوان مثال، هنگام محاسبه یک شاخص انتگرال، اهمیت یک یا آن شاخص در سیستم کلی آنها نیز می تواند با استفاده از یک امتیاز تعیین شود. بنابراین اگر به دلیل کمیاب بودن فلزات کمیاب مورد استفاده، مقرون به صرفه ترین استفاده از آنها اهمیت ویژه ای داشته باشد، بالاترین امتیاز به شاخص کاهش شدت ماده تولید برای این فلزات تعلق می گیرد. اگر قبل از هر چیز لازم است از گسترش بیشتر مجموعه اطمینان حاصل شود، سپس با اختصاص امتیاز بالاتر به این شاخص، در وهله اول در تعدادی از شاخص های ارزیابی مطرح می شود. بنابراین، علیرغم اینکه ارزیابی کارایی تولید در بخش‌های تک‌تک اقتصاد ملی و بنگاه‌های آن‌ها بر اساس سیستم شاخص‌های یکسانی است، می‌توان به هر یک از آنها حتی در یک صنعت یا بنگاه در دوره‌های مختلف، امتیاز متفاوتی نسبت داد. زمان. امتیازدهی هر شاخص باید نشان دهنده اهمیت آن در دستیابی به اهداف عملکرد واحدهای اقتصادی مورد تجزیه و تحلیل باشد. در عین حال، مانند هر ارزیابی ذهنی، این نکات را می توان خودسرانه تنظیم کرد.

برای دوره تحت پوشش، شاخص هایی وجود دارد که وضعیت واحد اقتصادی مورد تجزیه و تحلیل و نتایج فعالیت های آن یا اقدامات کارکنان آن در یک منطقه خاص را با تعداد معینی مشخص می کند. که در ایستا، یا برای دوره تحلیل شده، یعنی. که در پویایی شناسی. به عنوان مثال، ترازنامه وضعیت مالی، توزیع دارایی، منابع تشکیل آن در تاریخ تدوین را منعکس می کند، و صورت جریان وجوه نقد موجودی، دریافت ها و واگذاری آنها را پوشش می دهد، یعنی. پویایی آنها برای کل دوره مورد تجزیه و تحلیل.

در رابطه با فعالیت های واحد اقتصادی مورد تجزیه و تحلیل و امکان تأثیرگذاری بر نتایج آن، شاخص های منعکس کننده مستقل عینیدلایل و ذهنیبسته به آن

در فرآیند تحلیل، از بین بردن تأثیر عوامل یک نظم عینی، که نمی توان آن را به نتایج مفید یا برعکس، به کاستی های فعالیت خود واحد اقتصادی نسبت داد، بسیار مهم است.

در کنار انتخاب سیستمی از شاخص ها برای تحلیل بر اساس برنامه پیش بینی شده، تعمیم اطلاعات در جداول و شکل های تحلیلی از اهمیت بالایی برخوردار است. جداول تحلیلی برای مقایسه داده های پردازش تحلیلی بر اساس دوره های زمانی و تعیین پویایی شاخص های مورد مطالعه، مقایسه مقادیر به دست آمده یا پیش بینی شده آنها با داده های پایه که می تواند شاخص های متناظر طرح قبلی و پیش بینی شده باشد، استفاده می شود. پیش بینی دوره های آتی، هنجارهای اجباری، شاخص های سایر واحدهای اقتصادی، میانگین برای صنعت یا هر مورد دیگری که توسط تحلیلگر بر اساس هدف مطالعه انتخاب شده است.

برای چنین مقایسه‌هایی معمولاً از ردیف‌های افقی جدول تحلیلی استفاده می‌شود که در آنها نام داده‌های مقایسه شده و مقادیر مطلق و نسبی آنها درج می‌شود. چنین مقایسه هایی در ردیف های جدول را تحلیل افقی می نامند.

با توجه به ستون‌های جدول تحلیلی، شاخص‌های تعمیم‌دهنده با اجزای خود - شاخص‌های خاص - مقایسه می‌شوند تا شناسایی شوند. ارزش نسبیاین شاخص های خصوصی در شکل گیری شاخص های تعمیم دهنده، به ویژه ساختار شاخص های تعمیم دهنده تعیین می شود. این روش انعکاس اطلاعات پردازش شده تحلیلی را تحلیل عمودی یا ساختاری می نامند.

جدول تحلیلی دارای بخش های متنی (چپ) و عددی (راست) است. برای پردازش کامپیوتری اطلاعات، قسمت متن جدول را می توان با استفاده از حروف الفبا یا عددی رمزگذاری کرد. اعداد در ستون های جدول در خطوط جداگانه ای که از آنها عبور می کنند قرار می گیرند.

سمت چپ جدول که نام سطرهای آن در آن قرار می گیرد «موضوع» و سمت راست متشکل از ستون هایی که بالای آن نام آنها نیز مشخص شده است «مقدم» نامیده می شود.

تعمیم اطلاعات جمع آوری شدهدر جداول تحلیلی به هم پیوسته، تکمیلی یا تفصیلی، امکان تحلیل به اصطلاح بدون متن را فراهم می کند. اطلاعات پردازش شده با دقت تحلیلی که در جداول قرار داده شده است، نتیجه گیری های لازم و توسعه تصمیمات مدیریت صحیح را ممکن می سازد. در این موارد نیازی به ارائه نتایج تحلیل در قالب متن نیست و یا همان متن فوق العاده فشرده ارائه می شود.

تهیه مجموعه ای از جداول تحلیلی که با عینیت و کامل بودن تمام مسائل برنامه تحلیل و نتایج آن را منعکس کند، مستلزم حرفه ای بودن بالا از سوی توسعه دهندگان چیدمان این جداول و دستورالعمل های تکمیل آنها است.

بنابراین در عمل از روش‌های استاندارد برای این منظور استفاده می‌شود و تنها تغییراتی در جداول توصیه‌شده در آن‌ها ایجاد می‌شود که ناشی از ویژگی‌های فردی واحد اقتصادی مورد تجزیه و تحلیل یا وضعیتی است که بر روی آن ایجاد شده است.

با استفاده از جداول تحلیلی و به خصوص ایجاد تغییرات در آنها، رعایت قوانین کلی برای طراحی آنها ضروری است:

1) بالای جدول باید نام و شماره سریال آن قرار گیرد.

2) اگر واحدهای اندازه گیری یکسان در تمام ردیف ها و ستون های جدول استفاده می شود، در پرانتز زیر نام جدول در گوشه سمت راست لازم است که تعیین استاندارد واحد اندازه گیری، به عنوان مثال (هزار) قرار گیرد. روبل) یا ($). اگر واحدهای اندازه گیری مختلف در ردیف های جدول استفاده شود، نام آنها در سرصفحه های ردیف قرار می گیرد که با کاما پس از نام آن جدا می شوند. اگر واحدهای اندازه گیری متفاوتی در ستون ها استفاده می شود، باید در عناوین ستون ها نیز مشخص شوند.

3) ستون های جدول به ترتیب شماره گذاری می شوند و از اول شروع می شوند که در آن شماره خطوط نشان داده شده است. در مواردی که شاخص های ستون های مختلف بر اساس مقادیر نشان داده شده در ستون های قبلی محاسبه می شود، به جز نام و شماره سریالدر این ستون، یک الگوریتم محاسبه باید داده شود که نشان دهنده تعداد ستون های حاوی داده های اولیه و همچنین عملیات ریاضی است که باید با آنها انجام شود تا مقادیر مشخص شده در این ستون به دست آید، به عنوان مثال: [ (ستون 4 - ستون 3) ∙ 100: 3] ;

4) عناوین در «مقدم» در مواردی که ستون‌های آن محتوای مشترک ندارند یا پیچیده هستند - زمانی که محتوای مشترک چندین ستون در هر یک از آنها به تفصیل آمده است. سپس عنوان در قالب چندین ردیف نشان داده می شود، به عنوان مثال:

برای افزایش دید مواد تجزیه و تحلیل، اغلب از آن استفاده می شود روش های گرافیکی. برای مثال جداولی که دینامیک اندیکاتورها را ثبت می کنند با ارقامی همراه هستند که در آنها این دینامیک به صورت منحنی یا میله ای ارائه شده است. ساختار شاخص های تعمیم دهنده در ستون های جداول تحلیلی به صورت نمودار دایره ای نشان داده شده است. شکل های دیگر نمودار نیز استفاده می شود.

آنا ایوانووا

امروزه تقریباً هر شرکتی اعم از بزرگ یا خیلی کوچک، خصوصی یا دولتی از سیستم های اطلاعاتی در فعالیت های خود استفاده می کند و قاعدتاً این اولین سال نیست. این بدان معنی است که اکثر شرکت ها قبلاً دارای مقدار مشخصی از داده های انباشته شده هستند و این مقدار اغلب دارای ارزش قابل توجهی است - حداقل با این واقعیت تأیید می شود که در سال های اخیر توجه زیادی در مطبوعات به نشت اطلاعات شرکت ها شده است. داده هایی که به عنوان یک کالای سودآور برای بازار جنایی در نظر گرفته می شوند.

توجه داشته باشید که ارزش داده های شرکتی نه تنها در ارزش کل سوابق فردی نهفته است، بلکه در ارزش اغلب به مراتب بیشتر مجموعه داده ها به عنوان منبع اطلاعات اضافی است که نمی توان از یک یا چند رکورد، مانند اطلاعات به دست آورد. در مورد الگوها، روندها یا وابستگی های متقابل بین هر داده ای که به شما امکان می دهد تصمیمات تجاری خاصی بگیرید. به همین دلیل است که ابزارهای مدرن مدیریت سازمانی و زنجیره تامین، سیستم‌های اطلاعات بانکی و سایر کاربردهای تجاری معمولاً نه تنها شامل ابزارهای ورود و ویرایش داده‌ها، بلکه ابزارهای پردازش تحلیلی نیز می‌شوند که به هر طریقی امکان شناسایی و ارائه الگوها و روندها را در داده‌ها فراهم می‌کنند. . امروزه این ابزارها بسیار متنوع هستند. آنها شامل ابزارهایی برای ساخت انبارهای داده های رابطه ای هستند - پایگاه های داده طراحی شده ویژه ای که به شما امکان می دهد به سرعت پرس و جوها را برای انتخاب داده ها اجرا کنید. ابزارهای سرور و مشتری برای ساخت انبارهای داده چند بعدی حاوی داده های انبوه (مجموع، میانگین ها) در یک ساختار غیر رابطه ای. برنامه های کاربردی مشتری برای ارائه رابط های کاربر به فروشگاه های داده های رابطه ای و چند بعدی. ابزارهایی برای ایجاد راه حل های مبتنی بر چنین ذخیره سازی، تجزیه و تحلیل داده های چند بعدی و رابطه ای، تولید گزارش در مورد داده های چند بعدی و رابطه ای. در زیر به بررسی محصولات هر یک از این دسته ها خواهیم پرداخت.

انبارهای داده

Data Warehouse معمولاً پایگاه داده نامیده می شود که هدف اصلی آن اجرای پرس و جوهای تحلیلی برای انتخاب داده ها است. ذخیره سازی داده ها می تواند هم رابطه ای و هم چند بعدی باشد.

رالف کیمبال، یکی از مبتکران مفهوم انبار داده، انبار داده را به عنوان "مکانی که مردم می توانند به داده های خود دسترسی داشته باشند" توصیف می کند (برای مثال به رالف کیمبال مراجعه کنید، مجموعه ابزار انبار داده: تکنیک های عملی برای ساخت انبارهای داده های بعدی، جان وایلی و پسران، 1996 و مجموعه ابزار خانه داده: ساخت انبار داده با قابلیت وب، جان وایلی و پسران، 2000). او همچنین الزامات اساسی برای انبارهای داده را فرموله کرد:

• پشتیبانی از بازیابی اطلاعات با سرعت بالا از ذخیره سازی؛
• پشتیبانی از سازگاری داده های داخلی؛
• توانایی به دست آوردن و مقایسه به اصطلاح برش های داده (برش و تاس)؛
• در دسترس بودن ابزارهای مناسب برای مشاهده داده ها در ذخیره سازی؛
• کامل بودن و قابلیت اطمینان داده های ذخیره شده؛
• پشتیبانی از فرآیند پر کردن داده با کیفیت

برآوردن تمام الزامات ذکر شده در چارچوب همان محصول اغلب غیرممکن است. بنابراین برای اجرای انبارهای داده معمولاً از چندین محصول استفاده می شود که برخی از آنها در واقع وسیله ذخیره سازی داده ها، برخی دیگر ابزار استخراج و مشاهده آنها، برخی دیگر ابزاری برای پرکردن آنها و ... می باشند.

توجه داشته باشید که هنگام طراحی انبارها، همواره فرضیات پیشینی در مورد ماهیت وابستگی های متقابل داده های قرار داده شده در آنها مطرح می شود و مزایای استفاده از انبار داده در تصمیم گیری های مدیریتی تا حد زیادی به صحت این فرضیات بستگی دارد.

ذخیره سازی داده های رابطه ای

برخلاف به اصطلاح پایگاه‌های داده آنلاین، که توسط برنامه‌هایی که داده‌ها را تغییر می‌دهند، استفاده می‌شوند، فروشگاه‌های داده‌های رابطه‌ای به گونه‌ای طراحی شده‌اند که حداقل زمان اجرای درخواست‌های خواندن را به دست آورند (پایگاه‌های اطلاعاتی آنلاین اغلب زمان اجرای درخواست‌های اصلاح داده‌ها را به حداقل می‌رسانند). به طور معمول، داده ها بر اساس یک برنامه زمانی خاص از پایگاه های داده آنلاین در فضای ذخیره سازی کپی می شوند.

ساختار معمولی یک انبار داده به طور قابل توجهی با ساختار یک DBMS رابطه ای معمولی متفاوت است. به طور معمول، این ساختار غیرعادی می شود (که عملکرد پرس و جو را بهبود می بخشد) و می تواند امکان افزونگی داده ها را فراهم کند. یک ساختار انبار داده معمولی در شکل نشان داده شده است. 1. اجزای اصلی این ساختار جدول واقعیت و جداول ابعاد هستند.

جدول حقایق(در مثال شکل 1 Sales_Fact نامیده می شود) جدول اصلی انبار داده است. به عنوان یک قاعده، شامل اطلاعاتی در مورد اشیا یا رویدادها است که کلیت آنها بیشتر مورد تجزیه و تحلیل قرار خواهد گرفت. به طور معمول، چنین جدولی حاوی یک کلید ترکیبی منحصر به فرد است که کلیدهای اصلی جداول ابعاد را ترکیب می کند. بیشتر اوقات ، اینها مقادیر صحیح یا مقادیر از نوع "تاریخ / زمان" هستند - از این گذشته ، یک جدول واقعیت می تواند صدها هزار یا حتی میلیون ها رکورد داشته باشد و ذخیره توصیفات متنی تکراری در آن معمولاً سودآور نیست. علاوه بر این، جدول حقایق حاوی یک یا چند فیلد عددی است که بر اساس آن داده های انبوه در هنگام اجرای پرس و جوهای تحلیلی به دست می آید.

توجه داشته باشید که در جدول حقایق اطلاعاتی در مورد نحوه گروه بندی رکوردها هنگام محاسبه داده های انبوه وجود ندارد. این اطلاعات در جداول ابعاد موجود است.

جداول ابعادحاوی داده های تغییرناپذیر یا به ندرت تغییر یافته است. آنها حداقل یک فیلد توصیفی و معمولاً یک فیلد کلید عدد صحیح دارند (معمولاً یک کلید جانشین). اغلب (اما نه همیشه)، یک جدول ابعاد ممکن است دارای فیلدهایی باشد که به ویژگی‌های اضافی که در پایگاه داده عملیاتی اصلی بودند، یا به ویژگی‌هایی که مسئول گروه‌بندی داده‌های خود هستند اشاره می‌کنند. هر جدول بعد باید در رابطه یک به چند با جدول واقعیت باشد.

توجه داشته باشید که نرخ رشد جداول ابعاد باید در مقایسه با نرخ رشد جدول واقعی ناچیز باشد. مثلا، ورودی جدیددر جدول اندازه گیری مشخص کننده کالا فقط زمانی اضافه می شود که یک محصول جدید و قبلاً فروخته نشده ظاهر شود.

ابزارهای مدرن طراحی داده، مانند مجموعه مدلسازی CA AllFusion، معمولاً شامل قالب هایی برای طراحی انبارهای داده است. باید گفت که گاهی اوقات از DBMS های تخصصی برای ایجاد انبارهای داده رابطه ای استفاده می شود که ذخیره سازی داده ها در آنها از نظر سرعت اجرای پرس و جو بهینه می شود. نمونه ای از چنین محصولی Sybase Adaptive Server IQ است که روشی غیر متعارف را برای ذخیره داده ها در جداول پیاده سازی می کند. با این حال، شما می توانید فضای ذخیره سازی را در DBMS رابطه ای معمولی ایجاد کنید.

OLAP و انبارهای داده چند بعدی

انبارهای داده چند بعدی اساس ابزارهای OLAP (پردازش تحلیلی آنلاین) را تشکیل می دهند که برای تجزیه و تحلیل داده های چند بعدی پیچیده طراحی شده اند. مفهوم OLAP در سال 1993 توسط E. F. Codd، نویسنده مدل داده های رابطه ای توصیف شد و پشتیبانی OLAP در حال حاضر در بسیاری از ابزارهای DBMS و تجزیه و تحلیل داده ها پیاده سازی شده است.

فروشگاه‌های چند بعدی معمولاً حاوی داده‌های جمع‌آوری شده (مثلاً مجموع، میانگین‌ها، تعداد) برای نمونه‌های مختلف هستند. اغلب، این توابع انباشته یک مجموعه داده چندبعدی به نام مکعب را تشکیل می‌دهند که محورهای آن (به نام ابعاد) حاوی پارامترها هستند و سلول‌های آن حاوی داده‌های انبوه وابسته به آن‌ها هستند (که گاهی اوقات اندازه‌گیری می‌گویند). در امتداد هر محور، داده ها را می توان در سلسله مراتبی سازماندهی کرد که سطوح مختلفی از جزئیات را منعکس می کند. به عنوان یک قاعده، داده های انبوه با اجرای یک سری پرس و جو برای گروه بندی داده ها از نوع به دست می آید:

توجه داشته باشید که اغلب به عنوان منبع داده برای درخواست های مشابهفروشگاه های داده های رابطه ای در این حالت، جداول ابعاد معمولا حاوی داده های منبع برای تولید ابعاد مکعب و جدول واقعیت حاوی داده های منبع برای محاسبه اندازه های مکعب است.

انبارهای داده چند بعدی حاوی داده های انبوه با درجات مختلفی از جزئیات، مانند فروش بر اساس روز، ماه، سال، دسته بندی محصول و غیره است. هدف از ذخیره داده های جمعی کاهش زمان اجرای پرس و جو است، زیرا در بیشتر موارد، تجزیه و تحلیل و پیش بینی انجام نمی شود. داده های جزئی به جای خلاصه. با این حال، ذخیره تمام داده‌های انباشته همیشه موجه نیست - بالاخره وقتی ابعاد جدید اضافه می‌شود، مقدار داده‌ای که مکعب را تشکیل می‌دهد به طور تصاعدی افزایش می‌یابد (گاهی اوقات آنها در مورد "رشد انفجاری" مقدار داده صحبت می‌کنند). برای حل مشکل "رشد انفجاری"، از طرح های مختلفی استفاده می شود که به هنگام محاسبه دور از همه داده های انبوه ممکن، امکان دستیابی به سرعت قابل قبولی در اجرای پرس و جو را فراهم می کند.

داده های منبع و کل را می توان در ساختارهای رابطه ای یا چند بعدی ذخیره کرد. بنابراین، در حال حاضر سه راه برای ذخیره داده ها وجود دارد:

• MOLAP (OLAP چند بعدی) - منبع و داده های انبوه در یک پایگاه داده چند بعدی ذخیره می شوند.
• ROLAP (OLAP رابطه‌ای) - داده‌های منبع در همان پایگاه داده رابطه‌ای باقی می‌مانند که در ابتدا در آن قرار داشتند، در حالی که داده‌های انبوه در جداول خدماتی که مخصوص ذخیره‌سازی آنها در همان پایگاه داده ایجاد شده‌اند، قرار می‌گیرند.
• HOLAP (هیبرید OLAP) - داده های منبع در همان پایگاه داده رابطه ای که در ابتدا در آن قرار داشت باقی می مانند، در حالی که داده های انبوه در یک پایگاه داده چند بعدی ذخیره می شوند.

برخی از ابزارهای OLAP از ذخیره سازی داده ها فقط در ساختارهای رابطه ای پشتیبانی می کنند، برخی دیگر فقط در ساختارهای چند بعدی. با این حال، اکثر ابزارهای مدرن سرور OLAP از هر سه روش ذخیره سازی داده پشتیبانی می کنند. انتخاب روش ذخیره سازی به حجم و ساختار داده های منبع، الزامات سرعت اجرای پرس و جو و فراوانی به روز رسانی مکعب های OLAP بستگی دارد.

DBMS تولید کنندگان پیشرو منتشر شده در سال های اخیر - IBM، مایکروسافت، اوراکل، حاوی ابزارهایی برای ایجاد انبارهای داده چند بعدی است (این سنت چندین سال پیش توسط مایکروسافت آغاز شد که شامل یک سرور OLAP در SQL Server 7.0 بود). همچنین محصولات جداگانه ای برای ایجاد فضای ذخیره سازی OLAP وجود دارد - آنها توسط Hyperion، Sybase، Business Objects و برخی دیگر منتشر می شوند.

داده کاوی

اصطلاح داده کاوی (کاوی در انگلیسی به معنای «کاوش») به فرآیند جستجوی همبستگی ها، روندها، روابط و الگوهای بین داده ها با استفاده از الگوریتم های مختلف ریاضی و آماری اطلاق می شود: خوشه بندی، ایجاد نمونه های فرعی، تحلیل رگرسیون و همبستگی. نمونه هایی از اطلاعات جستجو شده می تواند اطلاعاتی در مورد اینکه کدام دسته از خریداران اغلب یک محصول خاص را خریداری می کنند، چه بخشی از خریداران یک محصول خاص، محصول خاص دیگری را خریداری می کنند، کدام دسته از مشتریان اغلب وام ارائه شده را به موقع پرداخت نمی کنند. این نوع اطلاعات معمولاً در پیش بینی، برنامه ریزی استراتژیک، تحلیل ریسک استفاده می شود و ارزش آن برای شرکت بسیار بالاست.

توجه داشته باشید که آمارهای ریاضی سنتی و ابزارهای OLAP همیشه برای حل چنین مسائلی مناسب نیستند. معمولاً از روش‌های آماری و OLAP برای آزمایش فرضیه‌های از پیش تنظیم‌شده استفاده می‌شود، اما اغلب این فرمول‌بندی یک فرضیه است که هنگام انجام تجزیه و تحلیل کسب‌وکار برای تصمیم‌گیری‌های بعدی دشوارترین کار است، زیرا همه الگوهای موجود در داده‌ها نیستند. در نگاه اول آشکار است

اساس مدرن داده های فناوریکاوی مبتنی بر مفهوم الگوهایی است که الگوهای ذاتی در نمونه های فرعی داده ها را منعکس می کند. جستجوی الگوها با روش هایی انجام می شود که از هیچ فرض اولیه در مورد این نمونه های فرعی استفاده نمی کنند. اگر تجزیه و تحلیل آماری یا برنامه OLAP معمولاً سؤالاتی مانند "متوسط ​​تعداد مشتریان بانکی که وام را به موقع بازپرداخت نکرده اند در بین مردان مجرد 40 تا 50 ساله چقدر است؟"، به عنوان یک قاعده از داده کاوی استفاده می شود. مستلزم پاسخ به سؤالاتی مانند "آیا دسته ای از مشتریان هستند که وام ها را به موقع بازپرداخت نمی کنند؟" در عین حال، این پاسخ به سوال دوم است که اغلب اتخاذ یک تصمیم تجاری موفق را تضمین می کند.

یکی از ویژگی های مهم داده کاوی غیر استاندارد بودن و واضح نبودن الگوهای مورد جستجو است. به عبارت دیگر ابزارهای داده کاوی با ابزارهای آماری پردازش داده ها متفاوت است ابزارهای OLAPبا این واقعیت که به جای بررسی وابستگی های متقابلی که کاربران از قبل پیش فرض داشتند، می توانند این وابستگی های متقابل را بر اساس داده های موجود خود بیابند و فرضیه هایی در مورد ماهیت آنها بسازند. با این حال، استفاده از ابزارهای داده کاوی استفاده از ابزارهای آماری و ابزارهای OLAP را رد نمی کند، زیرا نتایج پردازش داده ها با استفاده از دومی، به عنوان یک قاعده، به درک بهتر ماهیت الگوهایی که باید جستجو شود کمک می کند. بنابراین، ابزارهای داده کاوی وجود دارند که می توانند الگوها، همبستگی ها و روندها را در هر دو فروشگاه داده های رابطه ای و چند بعدی جستجو کنند.

معمولاً پنج نوع الگوی استاندارد وجود دارد که با روش های داده کاوی شناسایی می شوند:

• ارتباط - احتمال زیاد اتصال رویدادها با یکدیگر (به عنوان مثال، اسکی آلپاین اغلب با چکمه های اسکی خریداری می شود).
• توالی - احتمال بالای زنجیره ای از رویدادهای مرتبط با زمان (به عنوان مثال، در یک دوره معین پس از خرید چاپگر با احتمال بالا مواد مصرفیبه او)؛
• طبقه بندی - نشانه هایی وجود دارد که گروهی را که این یا آن رویداد یا شی متعلق به آن است مشخص می کند (معمولاً قوانین خاصی بر اساس تجزیه و تحلیل رویدادهای طبقه بندی شده قبلی تدوین می شوند).
• خوشه بندی - الگویی شبیه به طبقه بندی و متفاوت از آن به این دلیل که خود گروه ها به طور همزمان تنظیم نمی شوند - آنها به طور خودکار در طول پردازش داده ها شناسایی می شوند.
• الگوهای زمانی - وجود الگوهایی در پویایی رفتار داده های خاص (نمونه معمولی نوسانات فصلی تقاضا برای کالاها یا خدمات خاص) است که برای پیش بینی استفاده می شود.

امروزه تعداد نسبتاً زیادی روش های مختلف داده کاوی وجود دارد که از میان آنها می توان موارد زیر را متمایز کرد.

تحلیل رگرسیون، پراکندگی و همبستگی- در اکثر بسته های آماری مدرن، به ویژه در محصولات موسسه SAS، StatSoft و غیره پیاده سازی شده است.

روش های تحلیل در یک حوزه موضوعی خاصبر اساس مدل های تجربی اغلب برای مثال در ابزارهای تحلیل مالی ارزان استفاده می شود.

الگوریتم های شبکه عصبی، ایده ای که مبتنی بر قیاس با عملکرد بافت عصبی است و در این واقعیت نهفته است که پارامترهای اولیه به عنوان سیگنال هایی در نظر گرفته می شوند که مطابق با اتصالات موجود بین "نورون ها" و پاسخ تبدیل می شوند. (نتیجه تجزیه و تحلیل) پاسخ کل شبکه به داده های اولیه است. پیوندها در این مورد با استفاده از به اصطلاح یادگیری شبکه ای از طریق یک نمونه بزرگ حاوی داده های اصلی و پاسخ های صحیح ایجاد می شوند.

روش نزدیکترین همسایه- انتخاب یک آنالوگ نزدیک از داده های اولیه از داده های انباشته شده موجود.

درختان تصمیم- یک ساختار سلسله مراتبی بر اساس مجموعه ای از سوالات، که متضمن پاسخ "بله" یا "خیر" است. اگرچه این روش پردازش داده ها همیشه الگوهای موجود را به طور ایده آل پیدا نمی کند، به دلیل وضوح پاسخ، اغلب در سیستم های پیش بینی استفاده می شود (شکل 3).

الگوریتم های شمارش محدود- محاسبه فرکانس های ترکیبی از رویدادهای منطقی ساده در زیر گروه های داده ها.

برنامه نویسی تکاملی- جستجو و تولید یک الگوریتم که وابستگی متقابل داده ها را بیان می کند، بر اساس الگوریتم اولیه مشخص شده، اصلاح شده در فرآیند جستجو. گاهی اوقات جستجو برای وابستگی های متقابل بین انواع خاصی از توابع (به عنوان مثال، چند جمله ای ها) انجام می شود.

ابزارهای داده کاوی به طور سنتی متعلق به ابزارهای نرم افزاری گران قیمت هستند - قیمت برخی از آنها به چند ده هزار دلار می رسد. از این رو تا همین اواخر مصرف کنندگان اصلی این فناوری بانک ها، شرکت های مالی و بیمه، بنگاه های تجاری بزرگ بودند و وظایف اصلی نیازمند استفاده از داده کاوی ارزیابی ریسک های اعتباری و بیمه ای و توسعه یک بازاریابی در نظر گرفته می شد. خط مشی، طرح های تعرفه ایو سایر اصول کار با مشتریان در سال های اخیر، وضعیت تا حدودی تغییر کرده است: ابزارهای نسبتاً ارزان داده کاوی از چندین تولید کننده (از جمله مایکروسافت) در بازار نرم افزار ظاهر شده اند که این فناوری را در دسترس مشاغل کوچک و متوسط ​​قرار داده است که قبلاً به آن فکر نکرده بودند.

ابزارهای تجسم برای داده های OLAP و نتایج داده کاوی

ابزارهای تجسم جهانی برای داده های OLAP توسط بسیاری از شرکت ها مانند Business Objects، Cognos، Panorama، ProClarity منتشر شده است. به عنوان یک قاعده، این ابزارها برای کاربرانی طراحی شده اند که اطلاعاتی در مورد پایگاه های داده و روش های آماری تجزیه و تحلیل دارند. به طور معمول، چنین ابزارهایی به شما امکان می دهند به انبارهای داده و منابع OLAP از فروشندگان مختلف (به عنوان مثال، ذخیره سازی های چند بعدی مبتنی بر Oracle، مایکروسافت و IBM DBMS) دسترسی داشته باشید، برش هایی از داده های چند بعدی را به دست آورید، و نمودارهایی را بر اساس آنها بسازید. اغلب، فروشندگان این ابزارها همچنین سرورهای میان‌افزاری را برای انجام تجزیه و تحلیل داده‌ها و ارائه نتایج برای نمایش در برنامه‌های کلاینت، و همچنین ابزارهایی برای ایجاد راه‌حل‌های مبتنی بر ابزارهای کلاینت و سرورهای میان‌افزار (به عنوان مثال، کتابخانه‌های کلاس یا کنترل‌های ActiveX) ارائه می‌کنند. با توجه به اینکه وضعیت استانداردهای هوش تجاری هنوز از ایده آل فاصله زیادی دارد (برخلاف DBMS رابطه ای، برای DBMS چند بعدی نه استاندارد پذیرفته شده ای برای یک زبان پرس و جو مشابه SQL وجود دارد و نه مکانیزم های دسترسی به داده های جهانی مشابه ODBC یا OLEDB) چنین ابزارهایی می توانند تا حدی مشکل ایجاد برنامه های تحلیلی را در شرکت ها با استفاده از ابزارهای DBMS و OLAP از چندین سازنده مختلف حل کنند.

فروشندگان ابزار OLAP، مانند Oracle و IBM، اغلب برنامه های مشتری را برای دسترسی کاربران به مخازن OLAP بر اساس ابزارهای سرور خود منتشر می کنند. بنابراین، شرکت اوراکل حتی چندین مورد از این محصولات را در بسته هوش تجاری Oracle دارد. علاوه بر این، افزودنی های صفحه گسترده برای تجسم داده های OLAP اخیراً گسترده شده اند. به عنوان مثال، ابزارهای نمایش داده های سرویس های تحلیلی Microsoft SQL Server در دسترس کاربران است مایکروسافت اکسلنسخه‌های 2000 و جدیدتر، و اوراکل و هایپریون ماژول‌های دسترسی اضافی را که در همان اکسل تعبیه شده‌اند برای دسترسی به حافظه‌های OLAP خود منتشر می‌کنند.

شایان ذکر است که در سال های اخیر گستره محصولات تحلیلی با تمرکز بر خدمات رسانی به صنایع خاص (به عنوان مثال تجارت خرده فروشی یا عمده فروشی، خدمات مالی) گسترش یافته است. آنها توسط شرکت های ذکر شده در بالا، و تعدادی از تولید کنندگان دیگر، به ویژه، تامین کنندگان سیستم های مدیریت سازمانی و سایر برنامه های کاربردی تجاری خاص صنعت تولید می شوند.

ابزارهای تولید گزارش

گزارش سندی است که محتوای آن بر اساس اطلاعات موجود در پایگاه داده به صورت پویا تولید می شود. در حال حاضر ابزارهای گزارش دهی زیادی در بازار نرم افزار وجود دارد: هم محصولات مستقل و هم در ابزارهای توسعه برنامه یا DBMS گنجانده شده و هم به عنوان خدمات سرور یا برنامه های مشتری پیاده سازی می شوند. به عنوان یک قاعده، ابزارهای گزارش از طیف گسترده ای از مکانیسم های دسترسی به داده های جهانی (ODBC، OLE DB، ADO.NET) پشتیبانی می کنند، اغلب - ابزارهایی برای دسترسی مستقیم به محبوب ترین DBMS با استفاده از API مشتری خود، حاوی ابزارهای گرافیکی تجاری، ادغام با برنامه های اداری، به شما امکان می دهد گزارش ها را در اینترنت منتشر کنید، شامل کلاس ها یا مؤلفه هایی است که برای ایجاد برنامه هایی طراحی شده اند که (در میان سایر ویژگی ها) تولید گزارش را پیاده سازی می کنند.

رهبر بلامنازع بازار در ابزارهای گزارش دهی، Crystal Reports است که متعلق به Business Objects است. هم به صورت جداگانه و هم به عنوان بخشی از محصولات تولیدکنندگان دیگر، از ابزارهای توسعه اپلیکیشن گرفته تا سیستم های اطلاعات جغرافیایی، در دسترس است. همچنین نسخه سرور این محصول برای ارائه گزارش به تعداد زیادی از کاربران طراحی شده است. علاوه بر Crystal Reports، چندین محصول کمتر محبوب در این کلاس وجود دارد.

نتیجه

در این بررسی، فناوری‌های اصلی را که زیربنای برنامه‌های تحلیلی مدرن هستند، مرور کردیم. همانطور که می بینید، انتخاب فناوری ها و محصولاتی که آنها را پیاده سازی می کنند بسیار گسترده است، به ویژه با توجه به این واقعیت که چنین ابزارهایی در DBMS سرورهای مدرن و طیف گسترده ای از ابزارهای مشتری برای تجسم نتایج تجزیه و تحلیل و ایجاد گزارش های تحلیلی موجود هستند. با این حال، فقدان استانداردهای عمومی پذیرفته شده در زمینه هوش تجاری تاکنون مشکلات خاصی را هنگام ایجاد راه حل هایی که از آن استفاده می کنند ایجاد می کند.

8.3.1. ابزارهای پردازش تحلیلی آنلاین (OLAP).

پردازش تحلیلی آنلاین - ابزاری برای پردازش تحلیلی عملیاتی (زمان واقعی) اطلاعات با هدف پشتیبانی از تصمیم گیری و کمک به تحلیلگران برای پاسخ به این سوال "چرا اشیاء، محیط ها و نتایج تعامل آنها چنین هستند و دیگران نیستند؟". در همان زمان، خود تحلیلگر نسخه هایی از روابط بین بسیاری از اطلاعات را تشکیل می دهد و آنها را بر اساس داده های موجود در پایگاه های اطلاعاتی ساختاریافته مربوطه بررسی می کند.

سیستم های ERP با حضور اجزای تحلیلی به عنوان بخشی از زیرسیستم های عملکردی مشخص می شوند. شکل گیری را فراهم می کنند اطلاعات تحلیلیدر زمان واقعی. این اطلاعات اساس اکثر تصمیمات مدیریتی است.

فن‌آوری‌های OLAP از ابرمکعب‌ها استفاده می‌کنند - داده‌های ساختاری ویژه (که در غیر این صورت مکعب OLAP نامیده می‌شود). در ساختار داده هایپرمکعب موارد زیر وجود دارد:

اندازه گیری ها - شاخص های کمی (جزئیات-پایه ها) مورد استفاده برای تشکیل نتایج آماری خلاصه.

ابعاد - مقوله های توصیفی (جزئیات-ویژگی ها)، که در چارچوب آن معیارها تحلیل می شوند.

بعد یک هایپرمکعب با تعداد ابعاد یک اندازه گیری تعیین می شود. به عنوان مثال، هایپرمکعب SALES حاوی داده هایی است:

اندازه‌گیری‌ها: مصرف‌کنندگان، تاریخ معاملات، گروه‌های کالا، نام‌گذاری، تغییرات، بسته‌بندی، انبارها، انواع پرداخت، انواع حمل‌ونقل، تعرفه‌ها، ارز، سازمان‌ها، بخش‌ها، مسئول، کانال‌های توزیع، مناطق، شهرها؛

اندازه گیری ها: مقدار برنامه ریزی شده، مقدار واقعی، مبلغ برنامه ریزی شده، مبلغ واقعی، پرداخت های برنامه ریزی شده، پرداخت های واقعی، مانده برنامه ریزی شده، مانده واقعی، قیمت فروش، زمان اجرای سفارش، مبلغ بازپرداخت.

چنین ابر مکعبی برای گزارش های تحلیلی در نظر گرفته شده است:

طبقه بندی مصرف کنندگان بر اساس حجم خرید؛

طبقه بندی کالاهای فروخته شده بر اساس روش ABC؛

تجزیه و تحلیل شرایط اجرای سفارشات مصرف کنندگان مختلف؛

تجزیه و تحلیل حجم فروش بر اساس دوره ها، محصولات و گروه های محصول، مناطق و مصرف کنندگان، بخش های داخلی، مدیران و کانال های توزیع؛

پیش بینی تسویه حساب های متقابل با مصرف کنندگان؛

تجزیه و تحلیل بازگشت کالا از مصرف کنندگان؛ و غیره.

گزارش های تحلیلی می توانند ترکیبی دلخواه از ابعاد و معیارها داشته باشند؛ از آنها برای تجزیه و تحلیل تصمیمات مدیریت استفاده می شود. پردازش تحلیلی با ابزارهای ابزاری و زبانی ارائه می شود. فناوری اطلاعات "Pivot Tables" در صفحه گسترده عمومی MS Excel ارائه شده است، داده های اولیه ایجاد آنها عبارتند از:

فهرست (پایگاه داده) MS Excel - جدول رابطه ای.

یکی دیگر از جدول محوری MS Excel.

محدوده تلفیقی از سلول های MS Excel واقع در کتاب های کاری مشابه یا متفاوت.

پایگاه داده رابطه ای خارجی یا مکعب OLAP، منبع داده (فایل های فرمت .dsn، .ode).

برای ساخت جداول محوری بر اساس پایگاه داده های خارجی، از درایورهای ODBC و همچنین برنامه MS Query استفاده می شود. جدول محوری برای پایگاه داده منبع MS Excel ساختار زیر را دارد (شکل 8.3).

طرح بندی جدول محوری دارای ساختار داده زیر است (شکل 8.4): ابعاد - کد بخش، موقعیت. اقدامات - طول خدمت، حقوق و پاداش. در زیر یک جدول خلاصه آمده است. 8.2، که به شما امکان می دهد رابطه بین میانگین سابقه کار و حقوق، میانگین سابقه کار و پاداش، حقوق و پاداش را تجزیه و تحلیل کنید.

جدول 8.2

جدول محوری برای تجزیه و تحلیل پیوند

انتهای جدول. 8.2

برای ادامه تجزیه و تحلیل با استفاده از جدول محوری، می توانید:

جمع های جدید را اضافه کنید (به عنوان مثال، میانگین حقوق، میانگین مبلغ پاداش و غیره)؛

از فیلتر کردن رکوردها و مجموع جدول محوری استفاده کنید (به عنوان مثال، بر اساس "جنسیت"، که در طرح بندی در منطقه * صفحه " قرار می گیرد).

محاسبه شاخص های ساختاری (به عنوان مثال، توزیع وجوه دستمزد و صندوق پاداش توسط بخش ها - با استفاده از ابزار پردازش اضافیجداول محوری، سهام مجموع به ستون)؛ و غیره.

مجموعه برنامه های MS Office به شما امکان می دهد داده های صفحه گسترده، از جمله جداول محوری و نمودارها را در قالب XTML منتشر کنید.

Microsoft Office Web Components از کار با داده های منتشر شده در محیط اینترنت اکسپلورر پشتیبانی می کند و تجزیه و تحلیل مستمر را ارائه می دهد (تغییرات در ساختار داده جدول محوری، محاسبه مجموع خلاصه جدید).

8.3.2. ابزارهای داده کاوی (DM)

ابزارهای DM شامل استخراج ("کاوش"، "کاوش") داده ها است و با هدف شناسایی روابط بین اطلاعات ذخیره شده در پایگاه های داده دیجیتالی یک شرکت است، که یک تحلیلگر می تواند از آنها برای ساخت مدل هایی استفاده کند که به او امکان می دهد میزان تأثیر عوامل را کمیت کند. علاقه به او علاوه بر این، چنین ابزارهایی می توانند برای ایجاد فرضیه هایی در مورد ماهیت احتمالی روابط اطلاعاتی در پایگاه های داده شرکت دیجیتال مفید باشند.

فناوری متن کاوی (TM) مجموعه ای از ابزارها است که به شما امکان می دهد مجموعه های بزرگی از اطلاعات را در جستجوی روندها، الگوها و روابطی که می تواند به تصمیم گیری استراتژیک کمک کند، تجزیه و تحلیل کنید.

فناوری تصویر کاوی (IM) شامل ابزارهایی برای تشخیص و طبقه بندی تصاویر بصری مختلف است که در پایگاه داده های سازمانی ذخیره شده یا در نتیجه جستجوی آنلاین از منابع اطلاعاتی خارجی به دست آمده اند.

برای حل مشکلات پردازش و ذخیره تمام داده ها، از روش های زیر استفاده می شود:

1) ایجاد چندین سیستم پشتیبان یا یک سیستم گردش کار توزیع شده که به شما امکان می دهد داده ها را ذخیره کنید، اما به درخواست کاربر دسترسی آهسته به اطلاعات ذخیره شده داشته باشید.

2) ساختن سیستم های اینترنتی که بسیار انعطاف پذیر هستند، اما برای اجرای جستجو و ذخیره اسناد متنی سازگار نیستند.

3) معرفی پورتال های اینترنتی که به خوبی برای درخواست های کاربران جهت گیری می کنند، اما اطلاعات توصیفی در مورد داده های متنی بارگذاری شده در آنها ندارند.

سیستم های پردازش اطلاعات متنی، فارغ از مشکلات ذکر شده در بالا، می توان به دو دسته تقسیم کرد: سیستم های تحلیل زبانی و سیستم های تجزیه و تحلیل داده های متن.

عناصر اصلی فناوری متن کاوی عبارتند از:

خلاصه سازی؛

جستجوی موضوعی (استخراج ویژگی)؛

خوشه بندی؛

طبقه بندی (طبقه بندی);

پاسخگویی به درخواست ها (پاسخ به سوال)؛

نمایه سازی موضوعی؛

جستجو بر اساس کلمات کلیدی (جستجوی کلمه کلیدی)؛

ایجاد و نگهداری آفتاکسونومی (افتاکسونومی) و اصطلاحنامه ( اصطلاحنامه ).

محصولات نرم افزاری که فناوری متن کاوی را پیاده سازی می کنند عبارتند از:

IBM Intelligent Miner for Text - مجموعه خدمات شهری، از خط فرمان یا اسکریپت ها اجرا شود. مستقل از یکدیگر (تاکید اصلی بر مکانیسم های داده کاوی - بازیابی اطلاعات است).

Oracle InterMedia Text - مجموعه ای ادغام شده در DBMS که به شما امکان می دهد با بیشترین کارایی با درخواست های کاربر کار کنید (به شما امکان می دهد با DBMS های رابطه ای مدرن در زمینه جستجوی چند منظوره پیچیده و تجزیه و تحلیل داده های متنی کار کنید).

Megaputer Text Analyst مجموعه ای از اشیاء ساخته شده در برنامه COM است که برای حل مشکلات متن کاوی طراحی شده است.

8.3.3. فناوری اطلاعات هوشمند

امروزه، در زمینه اتوماسیون مدیریت، تجزیه و تحلیل اطلاعات در مرحله مقدماتی آماده سازی تصمیم - پردازش اطلاعات اولیه، تجزیه یک موقعیت مشکل، غالب است، که این امکان را فراهم می کند که فقط قطعات و جزئیات فرآیندها را یاد بگیریم، نه وضعیت را به عنوان یک کل برای غلبه بر این نقیصه، یادگیری چگونگی ایجاد پایگاه های دانش با استفاده از تجربه بهترین متخصصان و همچنین تولید دانش گمشده ضروری است.

استفاده از فناوری اطلاعات در حوزه های مختلف فعالیت های انسانی، رشد تصاعدی حجم اطلاعات و نیاز به پاسخ سریع در هر شرایطی، نیازمند جستجوی راه های مناسب برای حل مشکلات نوظهور است. مؤثرترین آنها روش فکری سازی فناوری اطلاعات است.

زیر فناوری اطلاعات هوشمند(ITT) معمولاً چنین فناوری های اطلاعاتی را درک می کند که ویژگی های زیر را ارائه می دهد:

وجود پایگاه های دانش که منعکس کننده تجربه افراد خاص، گروه ها، جوامع، بشریت به عنوان یک کل است، هنگام حل مشکلات خلاقانه در زمینه های خاصی از فعالیت، به طور سنتی در انحصار عقل انسان در نظر گرفته می شود (به عنوان مثال، وظایف ضعیف رسمی مانند تصمیم گیری). ساخت، طراحی، استخراج معنا، توضیح، آموزش و غیره)؛

وجود مدل‌های تفکر مبتنی بر مبانی دانش: قواعد و نتیجه‌گیری‌های منطقی، استدلال و استدلال، شناخت و طبقه‌بندی موقعیت‌ها، تعمیم و درک و غیره.

توانایی تصمیم گیری کاملاً واضح بر اساس داده های فازی، غیر دقیق، ناقص و نامشخص.

توانایی توضیح نتیجه گیری و تصمیم گیری، یعنی. وجود مکانیزم توضیحی؛

توانایی یادگیری، بازآموزی و در نتیجه توسعه.

فن آوری های جستجوی غیررسمی برای الگوهای پنهان در داده ها و اطلاعات کشف دانش (KD) بر اساس آخرین فناوری هاشکل گیری و ساختار تصاویر اطلاعاتی از اشیاء، که نزدیک ترین به اصول پردازش اطلاعات توسط سیستم های هوشمند است.

فناوری‌های اطلاعاتی پشتیبانی تصمیم (DS) پوسته‌ای از متخصصان هستند

سیستم‌ها یا سیستم‌های خبره تخصصی که تحلیلگران را قادر می‌سازد تا روابط و روابط بین را تعیین کنند ساختارهای اطلاعاتیبر اساس اطلاعات ساختار یافته شرکت و همچنین برای پیش بینی نتایج احتمالی تصمیم گیری.

روند توسعه IIT سیستم های ارتباطی و ارتباطات.شبکه های اطلاعات جهانی و IIT می توانند اساساً طرز فکر ما را در مورد شرکت ها و خود کار دانش تغییر دهند. حضور کارکنان در محل کار تقریبا غیر ضروری خواهد شد. افراد می توانند از خانه کار کنند و در صورت نیاز از طریق شبکه با یکدیگر تعامل داشته باشند. به عنوان مثال، تجربه موفقیت آمیز ایجاد یک تغییر جدید در هواپیمای بوئینگ 747 توسط یک تیم توزیع شده از متخصصان که از طریق اینترنت در تعامل هستند، شناخته شده است. مکان شرکت کنندگان در هر توسعه نقش کمتری ایفا می کند، اما اهمیت سطح مهارت شرکت کنندگان افزایش می یابد. دلیل دیگری که توسعه سریع IIT را تعیین کرد به پیچیدگی سیستم های ارتباطی و وظایف حل شده بر اساس آنها مربوط می شود. سطح کیفی جدیدی از "فکری" محصولات نرم افزاری مانند سیستم هایی برای تجزیه و تحلیل داده های ناهمگن و غیر دقیق، تضمین امنیت اطلاعات، توسعه راه حل ها در سیستم های توزیع شده و غیره مورد نیاز بود.

تحصیلات. در حال حاضر امروز آموزش از راه دورشروع به ایفای نقش مهمی در آموزش می کند و معرفی IIT به طور قابل توجهی این فرآیند را مطابق با نیازها و توانایی های هر دانش آموز فردی می کند.

زندگی. اطلاع رسانی زندگی روزمره قبلاً آغاز شده است ، اما با توسعه IIT ، اساساً فرصت های جدیدی ظاهر می شود. به تدریج، عملکردهای جدید بیشتری به رایانه منتقل می شود: کنترل بر سلامت کاربر، کنترل لوازم خانگی مانند رطوبت ساز، خوشبو کننده هوا، بخاری، یونیزر، استریو، تشخیص پزشکی و غیره. به عبارت دیگر، سیستم ها همچنین به تشخیص وضعیت یک فرد و خانه او تبدیل خواهند شد. آسایش فراهم خواهد شد فضای اطلاعاتیدر مکان هایی که محیط اطلاعات بخشی از محیط انسانی خواهد شد.

چشم انداز توسعه IIT. به نظر می رسد که در حال حاضر IIT به مرحله اساسی جدیدی در توسعه خود نزدیک شده است. بنابراین، در طول 10 سال گذشته، به دلیل توسعه انواع جدید مدل های منطقی، ظهور مدل های جدید، قابلیت های IIT به طور قابل توجهی گسترش یافته است.

نظریه ها و ایده های vyh. نکات کلیدی در توسعه IIT عبارتند از:

گذار از استنتاج منطقی به مدل های استدلال و استدلال.

جستجو برای دانش مرتبط و تولید توضیحات؛

درک و ترکیب متون؛

گرافیک شناختی، یعنی نمایش گرافیکی و تصویری دانش؛

سیستم های چند عاملی؛

مدل های شبکه هوشمند؛

محاسبات مبتنی بر منطق فازی، شبکه های عصبی, الگوریتم های ژنتیک، محاسبات احتمالی (در ترکیب های مختلف با یکدیگر و با سیستم های خبره);

مشکل فرادانش.

سیستم های چند عاملی به یک الگوی جدید برای ایجاد IIT های امیدوارکننده تبدیل شده اند. در اینجا فرض بر این است که نماینده مستقل است سیستم هوشمند، که سیستم هدف گذاری و انگیزه خود را دارد ، حوزه عمل و مسئولیت خود را دارد. تعامل بین عوامل توسط یک سیستم سطح بالاتر - فراهوش - ارائه می شود. در سیستم های چند عاملی، یک جامعه مجازی از عوامل هوشمند مدل سازی می شود - اشیایی که مستقل، فعال هستند، وارد روابط اجتماعی مختلف می شوند - همکاری و همکاری (دوستی)، رقابت، رقابت، دشمنی و غیره. جنبه اجتماعی حل مشکلات مدرن ویژگی اساسی تازگی مفهومی فناوری های پیشرفته فکری - سازمان های مجازی، جامعه مجازی است.

(؟) سوالات و وظایف را کنترل کنید

1. شرحی از شرکت به عنوان یک هدف اطلاعاتی ارائه دهید. شاخص های اصلی توسعه سیستم مدیریت سازمانی چیست؟

2. فن آوری های اطلاعاتی پیشرو برای مدیریت شرکت های صنعتی را فهرست کنید.

3. فناوری های اطلاعاتی اصلی توسعه سازمانی و استراتژیک بنگاه ها (شرکت ها) را نام ببرید.

4. مبانی استانداردهای مدیریت استراتژیک با هدف بهبود فرآیندهای کسب و کار چیست؟ نسبت فناوری اطلاعات BPM و BPI چقدر است؟

5. فلسفه مدیریت کیفیت جامع (TQM) را تعریف کنید. مراحل توسعه کیفیت و فناوری اطلاعات چگونه به هم مرتبط هستند؟

6. مفاد اصلی توسعه سازمانی شرکت را نام ببرید، مراحل مدیریت استراتژیک را شرح دهید. استراتژی های گروه را نام ببرید.

7. مدل کسب و کار بنگاه اقتصادی چگونه ایجاد می شود؟ رویکردهای اصلی برای ارزیابی اثربخشی یک مدل کسب و کار چیست؟

8. کارت امتیازی متوازن چیست؟ اجزای اصلی SSP را نام ببرید. روابط بین گروه های شاخص BSC چیست؟

9. مبانی روش شناختی ایجاد سیستم های اطلاعاتی را فهرست کنید. رویکرد سیستمی چیست؟

10. رویکرد اطلاعاتی برای شکل گیری سیستم ها و فناوری های اطلاعاتی چیست؟

11. رویکرد استراتژیک برای شکل گیری سیستم ها و فناوری های اطلاعاتی چیست؟

12. محتوای رویکرد شی گرا برای توصیف رفتار نمایندگان در بازار چیست؟ تعریف شی را ارائه دهید، آنالوگ های سیستم عامل را نشان دهید.

13. اصول روش شناختی برای بهبود مدیریت سازمانی مبتنی بر فناوری اطلاعات و ارتباطات چیست؟ هدف ICT چیست؟

14. تعاریفی از سند، جریان اسناد، گردش کار، سیستم مدیریت اسناد ارائه دهید.

15. طرح فرم سند چگونه طراحی می شود؟ مناطق سند، ترکیب جزئیات آنها را نام ببرید.

16- فناوری های اطلاعاتی پایه سیستم مدیریت اسناد را نام ببرید.

17. سیستم اسناد یکپارچه چیست؟ اصول کلی اتحاد چیست؟

18. اسناد سازمانی و اداری را شرح دهید، نمونه هایی از اسناد را ذکر کنید.

19. سیستم مدیریت اسناد الکترونیکی باید چه الزاماتی را داشته باشد؟

20. سیستم اطلاعات شرکت چیست؟ حلقه های کنترل اصلی، ترکیب ماژول های کاربردی را نام ببرید.

21. محصولات نرم افزاری CIS را که می شناسید نام ببرید. یک توصیف مقایسه ای به آنها بدهید.

ادبیات SH

1. Vernet J., Moriarty S. ارتباطات بازاریابی. رویکرد یکپارچه سنت پترزبورگ؛ خارکف: پیتر، 2001.

2. Brooking E. سرمایه فکری. رمز موفقیت در هزاره جدید. سن پترزبورگ: پیتر، 2001.

3. Godin V.V., Korpev I.K. کنترل منابع اطلاعات. M.: INFRA-M، 1999.

4. سیستم های اطلاعاتیو فناوری در اقتصاد: کتاب درسی. ویرایش دوم، اضافه کنید. و دوباره کار کرد. / M.I. سمنوف، آی.تی. تروبیلین، وی.آی. لویکو، تی.پی. بارانوفسکایا؛ اد. در و. لویکو. م.: امور مالی و آمار، 2003.

5. فناوری اطلاعات در کسب و کار / ویرایش. M. Zheleny. سن پترزبورگ: پیتر، 2002.

6. کاپلان رابرت اس.، نورتون دیوید پی. کارت امتیازی متوازن. از استراتژی تا اقدام / Per. از انگلیسی. M.: CJSC "Olimp-Business"، 2003.

7. Karagodin V.I., Karagodina BJI. اطلاعات اساس زندگی است. دوبنا: فینیکس، 2000.

8. Karminsky AM.، Nesterov PZ. اطلاعات کسب و کار م.: امور مالی و آمار، 1997.

9. لیخاچوا T.N. فناوری اطلاعات در خدمت جامعه اطلاعاتی // فناوری های جدید اطلاعات در سیستم های اقتصادی. م.، 1999.

10. Ostreykovsky V.A. نظریه سیستم ها. مسکو: دبیرستان، 1997.

11. Piterkin S.V., Oladov N.A., Isaev D.V. درست به موقع برای روسیه. تمرین استفاده از سیستم های ERP. ویرایش دوم مسکو: ناشر آلپینا، 2003.

12. سوکولوف دی.و. مقدمه ای بر نظریه ارتباطات اجتماعی: Proc. کمک هزینه سن پترزبورگ: انتشارات SP6GUP، 1996.

13. Trofimov V.Z.، Tomilov V.Z. فناوری اطلاعات و ارتباطات در مدیریت: Proc. کمک هزینه سن پترزبورگ: SPbGUEF، 2002.