SIAD - SISTEME INFORMATICE PENTRU ASISTAREA DECIZIEI Business Intelligence Capacitatea de a transforma datele existente in informatie utila care

e sa furnizeze perspective bogate si noi asupra afacerii in prezent si sa ofere o idee asupra viitorului acesteia Concept generic care grupeaza instrumente din domeniul afacerii si al informaticii, utilizate in vederea tranformarii datelor in informatii, a informatiilor in decizii si a deciziilor in actiuni Tehnologiile grupate sub numele Business Intelligence vin n sprijinul companiilor care au realizat valenele informaionale ale datelor acumulate de-a lungul timpului n sistemele lor informatice. Tehnologiile moderne de stocare i procesare a datelor orientate spre exploatarea inteligent a acestui potenial se impun prin trei direcii principale: Data Warehouse , OLAP, Data mining Data Warehouse (Depozitarea datelor) tehnologie de centralizare, consolidare, reorganizare i stocare a vol umelor mari de date preluate din sisteme informatice eterogene, date care vor fi baza procesrilor analitice necesare proceselor de decizie. Depozitul de date : stocheaza toate datele relevante pentru o organizatie in diferite contexte decizionale OLAP(On-line analytical processing) tehnologie de agregare a datelor stocate n depozite ntr-o abordare multidimensional care asigur acces rapid la informaiile necesare analitilor i managerilor ntr -o manier consistent, interactiv i foarte flexibil Data mining tehnologie de explorare a datelor stocate n depozite n ncercarea de a descoperi aspecte noi ale activitii desfurate, aspecte trecute n mod normal cu vederea: corelaii ntre evenimente, asociaii ntre anumite fapte, secvene, t ipare de comportament. OLAP , Data Warehouse i Data mining se completeaz reciproc, transformnd volumul imens de date stocate n depozite n informaii utile procesului de decizie. O solutie de Business Intelligence reprezinta un set de instrumente care : ajuta organizatiile sa valorifice informatiile provenite din sisteme sursa eterogene unifica aceste informatii in vederea exploatarii si difuzarii lor in randul utilizatorilor de tip corporativ, al clientilor si a altor parteneri strategici Tematica cursului 1. Asistarea informatic a deciziilor n organizaii 2. Suport analitic pentru procesele decizionale 3. Depozite de date concepte de baz 4. Proiectarea i dezvoltarea DD 5. Alimentarea cu date a DD 6. Prezentarea informaiilor 7. Analiza informaiilor prin OLAP 8. Explorarea informaiilor prin DM SUPORT PENTRU MANAGEMENTUL AFACERILOR 1. 2. 3. 4. Managementul afacerii Decizii. Mediu decizional Procesul decizional faze, activitati Procesul decizional suport informatic.

Tehnologii informationale Management - un proces prin care se urmareste atingerea obiectivelor organizatiei prin utilizarea resurselor de care aceasta dispune. Management Proces decizional (alegerea celei mai bune solutii din mai multe alternative posibile) Mediu decizional - Decizii Decizia rezultatul unor activitati constiente de alegere a unei directii de actiune si a angajarii in aceasta, fapt care implica, de obicei, alocarea unor resurse. apartine unei persoane sau unui grup de persoane care dispun de autoritatea necesara si care raspund pentru folosirea resurselor in anumite situatii date. Decizii - clasificari

Deciziile strategice determin obiectivele, resursele i politicile organizaiei. Deciziile tactice -de control managerial- urmrirea eficienei i a eficacitii cu care sunt utilizate resursele, precum i a eficienei unitilor operaionale. Deciziile operaionale -de control operaional- determin modalitile n care se execut sarcinile stabilte la nivelele superioare. Deciziile privind cunotinele evaluarea ideilor privind noi produse i servicii, metodelor de comunicare a noilor cunotine i de difuzare a informaiilor n cadrul organizaiei Deciziile nestructurate (neprogramabile) elementele deciziei sunt mai mult calitative obiectivele si scopurile nu sunt precise nu exista un algoritm de rezolvare cunoscut fac apel la judecata, evaluarea, experienta decidentului Deciziile structurate (programabile) obiectivele i scopurile sunt precise exist un algoritm de rezolvare., o procedura clara deci nu trebuie sa fie tratate ca fiind probleme noi Repetitive, de rutina Deciziile semistructurate decizia are elemente predominant cantitative obiectivele si scopurile nu sunt precise procedura algoritmic de rezolvare nu acoper n totalitate ansamblul elementelor problemei. Procesul decizional - un ansamblu de activitati pe care le desfasoara un individ/grup, confruntat cu un eveniment ce genereaza mai multe variante de actiune, obiectivul fiind alegerea unei variante care corespunde sistemului de valori al individului/grupului. Informare generala - etape Identificarea problemei Clasificarea problemei Descompunerea problemei in subprobleme Stabilirea responsabilitatilor REZULTAT: descrierea formala a problemei identificate, a categoriei din care face parte si a responsabilitatilor implicate Concepere (modelare)- etape Alegerea unui criteriu de selectie : normativ descriptiv Generarea alternativelor automat manual euristici Stabilirea rezultatului fiecarei alternative certitudine risc incertitudine Decizii structurate Deciziile structurate pot fi abstractizate,analizate si clasificate in diverse categorii ( alocare de resurse, distributie, aprovizionare, gestionarea stocurilor etc). Pentru fiecare categorie poate fi formulata o solutie. Management si cercetari operationale Utilizarea modelelor matematice pentru a analiza o decizie manageriala (probleme, oportunitati) Decizii structurate Automatizarea procesului de adoptare a deciziilor SAD Sisteme automate de adoptare a deciziilor Sisteme bazate pe reguli care ofera solutii pentru probleme puternic structurate, repetitive intr-un domeniu specific Decizii nestructurate Solutii particulare Intuitie si judecata Comunicare/ tehnologii colaborative Gestionarea cunostintelor (KM) Decizii semistructurate Proceduri pentru imbinarea obtinerii unor solutii standard si a judecatii umane Modele pentru partea structurata a problemei Pentru partea nestructurata, un SIAD poate contribui la imbunatatirea calitatii informatiilor care stau la baza deciziei, prin furnizarea unui numar de solutii alternative si estimand impactului probabil al acestora.

Procesul decizional suport informatic modelare (decizii structurate ): decizii automatizate modelare personalizata (decizii semistructurate / nestructurate): experimentarea mai multor modele, adaptarea unor modele existente sau construirea unor modele proprii DSS (1970) Sisteme INTERACTIVE de asistare a deciziei (1980) suport soft (instrumente software )+ aplicatii - un proces iterativ si interactiv in cadrul caruia se elaboreaza mai multe schite de solutii 1990 - SIAD bazate pe modele Tehnologiile business intelligence - 1990 Accesul imediat la date si obtinerea de informatii utile in orice context decizional (indiferent de gradul de structurare a deciziei) Realizarea unui mecanism pentru analize ad-hoc ale datelor actuale sau cu caracter istoric Analiza informatiilor DIC 1990 - SIAD bazate pe date Exploatarea inteligent a datelor DATE INFORMAII CUNOTINE un proces de valorificare a datelor prin: sintetizarea datelor dup diverse criterii, analiza datelor astfel centralizate pentru identificarea anumito r tipare i corelaii interpretarea datelor Sintetizarea datelor Soluiile clasice n informatica de gestiune: Programe dedicatecare exploateaz flexibilitatea limbajelor procedurale n gruparea dup anumite criterii i sintetizarea datelor Interogri care grupeaz datele dup criteriile cerute i aplic funcii pe domeniile astfel create (clauza Group by din limbajul SQL i funciile Sum, Count, Avg, Min, Max, Last, First, etc) Mecanismul de de totaluri i subtotaluri din rapoarte care permit indicarea unor ierarhii de criterii de grupare n informatic modern volumul imens de date ce trebuie explorate face ca tehnicile clasice s devin inaplicabile din cauza timpului necesar pentru procesare. Tehnologiile moderne de centralizare a datelor : Data Warehousing (depozitarea datel or) On-line Analytical Processing (OLAP) Analiza datelor Identificarea unor relaii ntre datele sintetizate: tipare, asocieri, corelaii pe plan structural, funcional i cauzal. prin compararea datelor sintetizate cu date similare utare de soluii (goal seek) iilor tehnici de prezentare grafic a datelor transform informaia cantitativ n informaie calitativ. tehnici de observare analitic a datelor fundamentate pe teorii matematice (theory-driven) - compar datele reale cu datele teoretice produse de un model ipotetic. tehnici de observare automat, bazate pe date (data-driven) - data mining. Interpretarea datelor un proces cognitiv care conduce la o apreciere general a situaiei, identificarea unor probleme sau sesizarea unor oportuniti,

 stabilirea poten ialelor cauze ale problemelor sau sugestii de rezolvare a lor. un proces n care se face apel la cunotinele cu caracter general, fundamental i specific asociate domeniului respectiv precum i la experiena existent. produce cunotine noi care se vor aduga la cele existente. Tehnologii informaionale Instrumentele software clasice de valorificare a potenialului informaional al datelor asigurarea unor tehnici de analiz, optimizare i simulare prezentarea grafic a rezultatelor, aspectul calitativ al informaiei fiind astfel mai uor de sesizat de ctre utili zatorii finali. tabloare (Lotus, Excel) orientate pe volume mici de date, sistemele de gestiune a bazelor de date (Access, Visual Fox) capabile s exploateze volume mari de date cu structur uniform Sistemele moderne fac uz de tehnici speciale pentru : comasarea datelor stocate n structuri neuniforme, utilizarea informa iilor implicite, nespecificate n datele existente completarea datelor cu criterii de agregare. faciliti utilizatorului final: interogare n limbaj natural, accesul la modelele conceptuale, sisteme de gestiune a serviciilor OLAP, noi limbaje de exploatare a bazelor de date multidimensionale, servicii de prezentare a datelor (tabele pivot, grafice) precum i servicii de integrare cu alte suporturi software (ta bloare, baze de date). Data warehouse - depozitarea unor volume mari de date istorice acumulate. Depozitele de date centralizeaz, consolideaz, organizeaz i stocheaz date din diverse surse eterogene, date care vor fi b aza procesrilor analitice necesare obinerii de informaii utile procesului decizional de la diverse nivele ale ntreprinderii. OLAP - exploatarea depozitelor de date prin procesarea analitic on-line. OLAP este o tehnologie de agregare a datelor stocate n depozite ntr-o abordare multidimensional care asigur acces rapid la informaii ntr-o manier consistent, interactiv foarte flexibil Exemplu: Valoarea vanzarilor intr-un anumit judet in luna Martie comparativ cu celelalte judete DATA MINING - tehnologie de explorare a datelor stocate n depozite n ncercarea de a descoperi aspecte noi ale activitii desfurate, aspecte trecute n mod normal cu vederea: corelaii ntre evenimente, asociaii ntre anumite fapte, secvene, tipare de comportament. Exemplu: Identificarea unor modele de comportament exploatand datele referitoare la clienti (campanii de marketing) sau pentru identificarea clientilor profitabili ANALIZA PREDICTIVA - Utilizeaza tehnici DM si ipoteze privind evolutia viitoare pentru a previziona rezultate Exemplu: Care este probabilitatea ca un client sa raspunda unei anumite oferte? TEXT MINING - Extragerea de informatii din colectii de date nestructurate E-mail ,Chat Documente ,Prezentari Datele nestructurate (semistructurate) reprezinta 80% din informatiile utile pentru organizatie WEB MINING - Identificarea si analiza de informatii utile din WWW Web content mining Web structure mining Web usage mining Tehnologiile inteligenei artificiale completeaz ciclul procesului de valorificare a datelor prin interpretarea, explicarea, atribuirea de sens ntr-un anumit context, justificarea informaiilor obinute. cunotine noi, care se vor aduga la cele existente n baza de

cunotine

organizaiei.

Procesul decizional suport informatic Adaptive business intelligence 2005 Asistarea deciziei adoptarea deciziei Optimizare, predictie pentru a furniza decizii cat mai bune (aproape optime) Adaptabilitate pentru ajustrea solutiilor oferite in functie de evolutia viitoare Suport COGNITIV (cunostintele si experientele anteriare ale decidentului, capacitatea sa de rationament) Integrarea componentei cunoastere in cadrul SIAD : SIAID (1990) Utilizarea anumitor tehnologii in mod independent, pentru rezolvarea diferitelor aspecte ale unei probleme complexe Utilizarea unor tehnologii care comunica intre ele in sensul transferului de date si informatii Utilizarea mai multor tehnologii integrate intr-un singur sistem SIAD SIAD definitii, caracteristici Avantajele si limitele utilizarii SIAD SIAD componente, clasificari Locul SIAD in cadrul SI al organizatiei Suport informatic pentru procesul decizional ( suport organizational pentru fazele procesului decizional ) Sisteme suport pentru asistarea procesului decizional SIAD (DSS) Sisteme suport pentru decizii SIAD (DSS) Un cadru conceptual corespunzator unui proces de sustinere a deciziilor manageriale, de regula prin modelarea problemelor si utilizarea modelelor cantitative pentru analiza solutiei SIAD (DSS) , la fel ca si BI, este un termen umbrela descrie orice sistem informatic destinat asistarii procesului decizional intr-o organizatie SIAD - sistemul informatic destinat asistrii decidenilor n rezolvarea unor probleme prin mbinarea judecii umane cu procesarea automat a informaiilor n scopul ameliorrii calitii procesului decizional

1. 2. 3. 4. 5. 6.

Eficacitate acces rapid la informaiile relevante identificare i recunoatere rapid a problemei acces facil la instrumente informatice adecvate abilitate mrit n generarea i evaluarea seturilor de alternative i eficien reducerea costului deciziilor reducerea timpului de adoptare a deciziilor pstrnd acelai nivel al analizei calitatea superioar a feedback-ului prezentat decidentului SIAD - caracteristici se utilizeaz pentru toate tipurile de decizii particip n toate fazele procesului decizional funcioneaz sub controlul utilizatorului se adreseaz tuturor nivelelor decizionale ofer suport pentru decizii multiple, independente sau interdependent se adreseaz mai multor contexte decizionale: individuale, de grup, de echip SIAD - caracteristici Interactivitate Flexibilitate

Accesibilitate Orientare spre descoperirea de solutii

SIAD - avantaje extind abilitatea decidenilor de a obine i prelucra informaii ofer posibiliti de a controla probleme de mari dimensiuni, complexe, consumatoare de timp reduc timpul necesar adoptrii deciziilor ncurajeaz explorarea unui numr mare de alterantive relev noi abordri n spaiul problemei sau n contextul decizional creeaz avantaje strategice sau competitive Depasirea limitelor cognitive umane legate de procesarea informatiilor SIAD - limite nu pot include abilitile specific umane folosite n adoptarea deciziilor: creativitatea, intuiia, imaginaia sunt restricionate de performanele echipamentelor pe care se exploateaz, de modul n care au fost proiectate i de cunotinele pe care le pun n lucru n timpul funcionrii sunt limitate la o arie bine definit de aplicare, nu au veleiti generalizatoare SIAD - clasificari Initial, criteriul de clasificare a SIAD a fost metoda/tehnologia utilizata preponderent de acestea: 1. SIAD bazate pe modele 2. SIAD bazate pe date 3. SIAD bazate pe cunostinte 4. SIAD bazate pe dialog (comunicare) 5. SIAD bazate pe analiza textelor 6. SIAD bazate pe tehnologiile WEB SIAD -clasificari Odata cu aparitia tehnologiilor BI, cea mai frecventa clasificare a SIAD: Gradul in care solutia oferita se bazeaza pe modelare sau analiza datelor (1990 2005) SIAD bazate pe modele SIAD bazate pe date SIAD bazate pe cunostinte Arhitectura

SIAD

DATE

MODELE

CUNOSTINTE

INTERFATA

UTILIZATOR

Business Intelligence BI este un concept care a aparut in contextul asistarii informatice a procesului decizional - Gartner Group (1990) Informarea proceselor decizionale furnizarea informatiilor utile, relevante intr-un anumit context decizional SIAD bazate pe date

Date -> -> Informatii -> -> Cunostinte -> -> Decizie -> -> Actiune
analiza BI (SIAD bazat pe date) - asista in mod indirect decidentul intr-un anumit context decizional (accesul la informatiile relevante) - monitorizeaza si analizeaza performantele organizatiei orientare strategica SIAD vs BI BI este un concept care a aparut in contextul asistarii informatice a procesului decizional, ca o extensie a sistemelor existente (DSS) informare Nu exista o opinie unanim acceptata privind relatia dintre BI si SIAD. Principalele abordari: 1. SIAD reprezinta o componenta a BI unul dintre instrumentele sale analitice vs. 2. BI este un tip de SIAD care este destinat in special raportarii, comunicarii furnizarii de informatii relevante intr-un anumit context decizional (o forma de SIAD bazat pe date) SIAD orice sistem informatic destinat asistarii procesului decizional, indiferent de tehnologiile utilizate SIAD ofera facilitati de informare si analiza suport analitic (modele) interpretare fiind utilizat in toate fazele procesului decizional SIAD -clasificari Tipul si nivelul decizional SIAD destinate conducerii executive (SICE) SIAD destinate managementului tactic si/sau operational Periodicitatea cu care sunt utilizate SIAD institutionale -SIAD ad-hoc Numarul de utilizatori SIAD individuale SIAD de grup potentarea avantajelor aduse de lucrul in echipa * reducerea potentialelor disfunctionalitati * tendinta spre uniformizare * tendinta de a transfera responsabilitatea * inclinatia prea mare catre risc * fragmentarea timpului SIAD organizational Componentele unui sistem BI Depozitul de date (Data Warehouse) Business Analytics o colectie de instrumente folosite pentru exploatarea si analiza datelor stocate in depozitul de date Managementul performantelor (BPM) monitorizarea si analiza performantei organizationale Interfata utilizator DSS (SIAD bazat pe modele) asista in mod direct decidentul intr-un anumit context decizional orientare spre

Locul SIAD in cadrul SI al organizatiei ORGANIZATIA ABORDARE SISTEMICA ABORDARE MANAGERIALA ABORDARE FUNCTIONALA

!! ANEXE

Suport pentru managementul afacerilor Suport cognitiv teorii, modele, expertiz Suport tehnic - software Suport organizational - sisteme

Suport software pentru etapa de informare general (intelligence) Tehnologii si sisteme suport clasice ! Baze de date - sisteme informatice de gestiune (MIS) Tehnologii si sisteme moderne Baze de date istorice, baze de informaii (Dataware) - (EIS) Prelucrarea analitic a datelor n timp real ( OLAP) Data mining - descoperirea de noi informaii Inteligena artificial ageni, sisteme cu baze de cunotine, sisteme expert Tehnologiile Web Suport software pentru faza de concepere (design)

Suport cognitiv modele standard ale cercetrii operaionale (modele financiare, de stocuri, optimizari, simulari etc). modele ale proceselor de faceri, analize statistice, analiza predictiva expertize Tehnologii si sisteme suport suport funcii, proceduri, programe, sisteme modele standard ! analitici Inteligena artificial - sisteme expert Software pt. brainstorming- Groupware (SADG) Suport software pentru faza de alegere (choice) Suport cognitiv: modele - identific rapid soluia optim sau satisfctoare - realizeaz analiza de senzitivitate - analizeaz diverse scenarii. expertize - analizarea oportunitii anumitor aciuni - recomandarea unei soluii. Tehnologii si sisteme suport: funcii, proceduri, programe, sisteme modele standard Inteligena artificial - Sisteme expert (Knoware) Tehnologii de colaborare, negociere, votare, asigurarea consensului ( Groupware) Suport software pentru faza de implementare Obiective: Comunicarea, explicarea i justificarea deciziei. Transformarea deciziei n ordine Repartizarea sarcinilor Urmrirea execuiei Depirea problemelor (ineria la schimbare, formarea personalului etc.). Tehnologii si sisteme suport: ! Comunicaii / tehnologii colaborative Groupware IA - Sisteme expert - consultan Sisteme suport pentru asistarea deciziei Suport software care asigur un mediu de dezvoltare, ntreinere i funcionare sistemelor informatice pentru asistarea deciz iei Principalele funcii ale unui SSAD gestiunea datelor gestiunea modelelor gestiunea cunotinelor gestiunea dialogului Motivaii pentru utilizarea sistemelor informatice de asistare a deciziei mediul economic din ce n ce mai instabil dificulti n urmrirea tuturor afacerilor competiie tot mai acerb noile tehnologii informationale (comert electronic, tehnologii colaborative, Web 2.0) au un impact puternic asupra organizatiilor, determinanad aparitia a noi modele de afaceri si multiplicarea numarului de alternative decizionale necesitatea efecturii unor analize speciale prind profitabilitatea i eficiena necesitatea informrii ct mai corecte Acest tip de sistem informatic este considerat ca un factor ce condiioneaz tot mai mult succesul afacerii

Care sunt pricipalele deosebiri intre SIG (MIS) si SIAD? SIAD pot asista decidentul in toate ipostazele (rolurile manageriale) ? De ce investitiile in IT (SIAD) nu produc intotdeauna rezultatele asteptate ? SIAD pot fi mai inteligente decat oamenii

care

le

utilizeaza

SUPORT ANALITIC PENTRU PROCESUL DECIZIONAL OBIECTIVE MODELAREA concept, tipuri de modele Structura unui model Optimizari, simulari, euristici concepte de baza si conditii de utilizare Analiza de senzitivitate, what if si goal seeking (valoare tinta) Predictii si modele predictive Procesoarelede tabele suport in utilizarea modelelor Modelarea Implic: conceptualizarea unei probleme (definit n termeni generali n urma etapei de informare din cadrul procesului decizional) abstractizarea ei n expresii cantitative i/sau calitative clase de modele i metode specializate n rezolvarea lor (cercetare operaional, finane, economie aplicat, econometrie) Aplicarea modelrii n organizaii: activitatea de producie activitatea de distribuie activitatea financiar gestiunea resurselor umane Metode i tehnici teoria deciziei cercetarea operaional: programare matematic, teoria stocurilor, teoria grafurilor,teoria firelor de ateptare,teoria jocurilor,teoria echipamentelor econometrie

Modele i metode
reprezentare simplificat (o abstractizare) a realitii. Gradul de abstractizare: Modele fizice Modele simbolice ce cuprind : modelul matematic,verbal,analog,iconic Modele mentale n condiii de certitudine risc incertitudine n funcie de cunotinele de care dispune decidentul care se pot situa pe o scal ntre dou extreme: i inexistente Modele Statice si Modele Dinamice Analiza statica unica prezentare a situatiei Un singur interval

 Analiza

Stare de echilibru

dinamica Evaluarea unor scenarii care se modifica in timp Dependenta fata de timp Reprezentareaunor trenduri/ patternuri Deciziile n condiii de certitudine cunoaterea exact a evenimentelor economice viitoare Rezultatele posibile sunt cunoscute in totalitate Aparent idealist, aceast situaie se poate produce pentru anumite tipuri de activiti. Luarea unei astfel de decizii are la baz o regul de tipul cel mai mic cost o productivitate mai bun. profit maxim ->poate conduce la obtinerea unei solutii optime Deciziile n condiii de risc Decidentul posed anumite cunotine obiective asupra mediului decizional este capabil s prevad probabilitatea de apariie a valorilor variabilelor necontrolabile posibile i rezultatele fiecrei strategii analizate Distribuia probabilitilor astfel definite va permite decidentului s aleag varianta cu sperana matematic cea mai buna. Aceste decizii sunt luate pe baza criteriului speranei matematice Deciziile n condiii de incertitudine De regul aceste decizii sunt din categoria celor de "orientare". n acest caz alegerea unei variante se face n funcie de criterii obiective, care presupun un raionament logic. Teoria deciziei pune la ndemna modele matematice care conin i criterii de evaluare cum ar fi: Laplace, Maximin, Hurwicz, ca o medie ponderat a celor dou extreme (pesimist si optimist), Maximax, etc subiective , fondate pe ideea despre viitor a decidentului; fiecrui eveniment viitor i se asociaz o probabilitate Modele normative Selecteaza automat cea mai buna solutie Optimizare programare liniara analiza cost profit tehnici de analiza a investitiilor Modele bine definite si structurate Procesul decizional este un proces complet rational Modele descriptive Explicarea / analiza comportamentului real in cadrul procesului decizional Descriu lucrurile asa cum sunt (sau asa cum se crede ca sunt) Nu ofera o solutie, ci doar informatii care pot conduce la o solutie Procesul decizional mai putin structurat nu este complet rational Modele euristice Alternativa aleasa este cea mai buna dintrun set de alternative posibile Se ajunge la o solutie satisfacatoare mai repede

 Suboptimizare Modele finaciar-contabile estimarea rezultatelor actiunilor posibile pe baza definitiilor contabile (planificare, bugetare) Modele de reprezentare - evalueaza consecintele actiunilor posibile pe baza simularilor (planificare, bugetare) Modele de optimizare posibile cai de actiune prin generarea unor solutii optime (planificare, alocarea resurselor) Modele sugestive sugereaza o directie de actiune pentru o decizie structurata (operational) Structura unui model variabile de decizie descriu posibile aciuni alternative. Nivelul acestor variabile este determinat de ctre decident parametri variabile care influeneaz rezultatul dar care nu pot fi controlate de ctre decident n general, aceste variabile devin restricii ale problemei, limitnd soluiile posibile ale acesteia. variabile rezultat sunt variabile dependente att de adoptarea unei anumite aciuni, ct i de parametrii modelului respectiv Cele mai des utilizate tipuri de modele n cadrul procesului de adoptare a deciziilor n domeniul economic. Optimizarea problemelor n care intervin puine alternative tabelele de decizie arbori de decizie fiecrei alternative i sunt ataate valorile estimate ale participrii la realizarea obiectivului propus (i probabilitil e de atingere a acestora) valorile i probabilitile sunt nscrise ntr -o tabel sau un graf. Decizia const n a alege cea mai bun alternativ din numrul finit de alternative posibile Optimizarea cu ajutorul unui algoritm programare matematic Programarea matematic reprezint un set de metode i instrumente pentru rezolvarea problemelor manageriale n care decidentul trebuie s aloce o cantitate limitat de resurse mai multor activiti n scopul optimizrii valorii unui obiectiv (msurabil)Cea mai cunoscut i des utilizat metod o reprezint programarea liniar: determinarea min (max) unei funcii obiectiv de una sau mai multe variabile ETAPELE rezolvarii unei probleme prin programare liniara 1. IDENTIFICAREA elementelor modelului Variabile de decizie Variabila rezultat functia obiectiv si coeficientii acesteia Variabilele necontrolabile 2. FORMULAREA MODELULUI expresii matematice liniare 3. REPREZENTAREA MODELULUI 4. REZOLVAREA MODELULUI Simularea A simula = a asuma apari ia unor aspecte ale realitii simularea este o tehnic de experimentare (analize de tip what if a plicate unui model managerial) instrument cantitativ de evaluare a diferitelor alternative pe baza unor ipoteze descrise intr -un model matematic al unui proces decizional in conditii de incertitudine Simulare- Carcteristici IMITA realitatea si surprinde complexitatea acesteia Tehnica pentru efectuarea unor experimente Descriptiva (nu normativa) Utilizata frecvent pentru rezolvarea unor probleme complexe Simularea trebuie utilizata DOAR ATUNCI cand problema este mult prea complexa pentru a putea fi abordata cu ajutorul unei metode normative ETAPELE PROCESULUI DE SIMULARE REALITATE - definirea problemei realizarea modelului de simulare testarea i validarea modelului stabilirea modlitaii de efectuare a experimentelor

realizarea experimentelor, evaluarea rez implementarea rezultatelor simulrii

Simulare - avantaje Ofer o imagine de condensare a timpului Permite decidenilor o abordare prin ncercri repetate a soluionrii unei probleme, fr a implica i riscurile ataate acestui demers n situaiile reale. Este un model construit din perspectiva decidentului. n cadrul acestei metode, este surprins complexitatea real a problemei, nefiind necesare simplificri n reprezentarea acesteia. Simularea poate fi aplicat unei mari diversiti de probleme manageriale. Exist produse soft relativ uor de utilizat pentru efectuarea de simulri Simulare - limite nu este garantat obinerea unei soluii optime, ci doar a unei soluii relativ bune soluiile unor simulri anterioare nu pot fi fructificate, deoarece modelul de simulare corespunde unei singure probleme. simularea este att de familiar i facil decidenilor, nct exist riscul renunrii nejustificate la alte metode analitic e. construirea modelului de simulare poate necesita mult timp i un cost destul de mare Simulare vs. Optimizare Descriptiv / Normativ variabilele de decizie (I / E ale modelului cantitativ) simpatie /reticenta din partea decidentilor Analiza de senzitivitate, what-if si valoarea tinta (goal seeking) Analiza de senzitivitate Evalueazaimpactul schimbarilor variabilelor de intrare asupra variabilelor rezultate Se pot elimina sau reduce variabile Automat sau prin incercari repetate What-if Evalueaza solutii pe baza modificarilor unor cvariabile si a unor ipoteze de lucru (scenarii) Goal seeking Abordare inversa se pleaca de la obiectiv Determinarea valorilor pentru variabilele de intrarae astfel incat sa se ajunga la rezultatul dorit Previziunea Obiectiv: anticiparea viitorului pe baza informaiilor trecute pentru anumite scenarii. Ele sunt rezolvate n principal cu metode statistice, care stabilesc relaii de dependen ntre diverse variabile i evoluiile acestora descriptive sau analitice Modele bazate pe serii temporale - viitorul este o extrapolare a trecutului medii mobile , trend , cretere exponenial Modele asociative analiza de regresie - stabilirea tipului de legtur ale unei variabile numite dependente de una sau mai multe variabile numite independente analiza de corelaie - valuarea intensitii relaiei dintre dou sau mai multe variabile o metod de previzionare bazat pe o relaie cauzal Principalele etape n alctuirea modelului de regresie Identificarea faza descriptiv n care se identific dependenele i tipurile de relaii pe care le exprim. Specificarea etapa prin care se caut cea mai potrivit form de exprimare a variabilelor. Estimarea parametrilor modelului. Testarea semnificaiei parametrilor estimai. Validarea modelului. Utilizarea modelului n operaiuni de simulare i predicie.

Modele predictive - avantaje interes practic deosebit un suport teoretic solid, rezultatele furnizate prezentnd un mare grad de ncredere. produse soft specializate pentru astfel de analize a datelor, care presupun efectuarea unor calcule complexe (SPSS) se pot formula ca ipoteze un numr mare de relaii cauzale, testarea acestora realizndu-se automat uor de aplicat, toate calculele statistice fiind realizate cu ajutorul unor programe specializate Modele predictive - limite volumul mare de date necesar - i costurile antrenate de colectarea acestora - pentru stabilirea ecuaiei de regresie iniial i pentru analiza validitii sale n timp . se utilizeaz n previziunile pe termen lung i pentru variabile agregate reticena decidenilor Modele euristice o metod de generare a unei soluii aproximative ansamblul strategiilor care permit explorarea spaiului de cutare a unei soluii satisfctoare pentru o problem complex, nestructurat, pentru care nu se poate defini sau nu este eficient s se utilizeze un algoritm pentru obinerea une i soluii optime. Euristicile: cantitative : apar n baza de modele a unui SIAD calitative : furnizarea cunotinelor pentru un SE Cand se utilizeaza euristici Date inexacte sau insuficiente Nivel ridicat de complexitate Algoritnm inexistent Timp excesiv de evaluare a diferitelor alternative Decizii rapide Avantaje ale metodelor euristice Sunt metode uor de neles, de implementat i de explicat Produc mai multe soluii acceptabile (satisfctoare) i nu una singur, ca n cazul metodelo r algoritmice. Utilizarea lor are un efect pozitiv asupra creativitii managerilor , care vor folosi aceast experien n rezolvarea altor probleme. Este posibil o msurare empiric sau teoretic a calitii soluiei obinute. Pot ncorpora inteligen n procesul de cutare a soluiei Riscuri asumate de decident Nu ofer garania obinerii unei solu ii optime pot exista excepii de la reguli riscul de a nu se anticipa corect consecinele fiecrei alegeri

MODELARE suport soft Diagrame de influenta produse software Analytica, Lumina Decision Systems

Diagrame ierarhice DecisionPro, Vanguard Software Co. DATA Decision Analysis, TreeAge Software Diagrame de influenta, arbori de decizie, simulari Definitive Scenario, Definitive Software Integreazadiagramele de influenta cu Excel, asista simulari Monte Carlo PrecisionTree, Palisade Co. Creeaza diagrame de influenta si arbori de decizie direct in EXCEL exist: limbaje de modelarecare asist utilizatorul n gestionarea modelelor. sisteme de gestionare a modelelor ntr-o manier similar sistemelor de gestiune a bazelor de date: sisteme relaionale de gestiune a bazelor de modele (modelul este considerat ca fiind un fiier virtual sau o relaie virtual) care ofer posibilitatea de a efectua trei operaii de baz: execuia, optimizarea i analiza de senzitivitate sisteme de gestiune a bazelor de modele orientate obiect, n cadrul crora exist independen la nivel logic ntre baza de modele i alte componente ale sistemului de asistare a deciziei. ns... nu exist pachete soft pentru gestionarea modelelor , aa cum exist numeroase sisteme de gestiune a bazelor de date. Cu toate c exist clase de modele standard acestea sunt prea numeroase iar fiecare dintre ele este structurat n mod diferit. n cadrul fiecrei clase de modele pot exista diverse abordri n rezolvarea unei probleme, n funcie de structura i gradul de complexitate ale acesteia. Facilit ile oferite de un sistem de gestiune a modelelor (selectarea modelului, a metodei de rezol vare a acestuia, a parametrilor utilizai) necesit expertiz Procesoarele de tabele cele mai utilizate instrumente de modelare Flexibile si usor de utilizat Functii puternice Programabilitate (macro) Analiza WHAT-IF Goal seeking Gestiunea si analiza datelor Integrare perfecta a datelor si a modelelor Incorporeaza modele statice si modele dinamice SIAD bazate pe analiza si sinteza datelor Baze de informatii - Depozite de date Obiectiv: furnizarea de informaii precise, relevante si in timp util factorilor de decizie din cadrul organizaiei. Arhive depozite de date Potenialul informaional al datelor acumulate n sistemele informatice date istorice stocate in: baze de date fisiere foi de calcul Exploatarea inteligent - un important avantaj n faa concurenei: mrirea capacitii de acomodare la tendinele pieei o mai bun satisfacere a clienilor diminuarea costurilor creterea profitului. Integrarea datelor istorice ntr-o structur unic fundament pentru procesul de luare a deciziilor Sistemele de asistare a deciziei bazate pe sinteza i analiza datelor Realizeaz acest deziderat prin Comasarea

 Consolidarea Sistematizarea Corelarea Gruparea datelor existente n vederea obinerii de informaii pertinente care s evidenieze factorii care afecteaz performanele ntreprinderii aciuni pentru ameliorarea lor. Tehnici speciale de exploatare a masivelor de date s descopere diverse corelaii ntre date, s fac estimri i prognoze, s atrag atenia asupra unor puncte nevralgice, s sugereze eventuale soluii Structurile de date utilizate de SIAD bazate pe date sunt numite depozite de date (data warehouse) Funcii: Stocarea de volume mari de date (1012 bytes) organizate pe domenii orientate pe subiecte de interes decizional Exploatarea motoare speciale ce permit interogarea masivelor mari de date servicii speciale ce asigur analiza on-line a datelor (On Line Analytical Processing OLAP). Modaliti de realizare corelarea completarea crearea dicionarelor de date care asigur accesul la structurile primare (stocarea modelelor conceptuale) Stocarea i procesarea datelor n sisteme tranzacionale tranzaciile curente ale ntreprinderilor - un numr foarte mare de mici operaii standardizate) Datele - introduse sub controlul SGBD servicii de integritate recuperare n caz de eroare confidenialitate Datele - prelucrate pentru a extrage informaii de sintez cu instrumentele oferite de SGBD: total queries rapoarte Inconveniente: timpul necesar pentru explorarea volumelor mari de date, stocate conform principiului bazelor de date ntr-o singur locaie. aglomerarea motorului bazei de date cu taskuri de centralizare cu efect de ncetinire a tranzaciilor curente. Pentru managerii operativi decizii pe termen scurt - situaii bazate de obicei pe date recente Pentru managementul strategic explorarea arhivelor din anii precedeni nglobarea unor informaii externe Soluii: Stocarea informaiilor de sintez finale n table valabile doar la momentul executrii nu pot fi actualizate dect prin reluarea ntregului proces. Stocarea datelor necesare pentru planificare i decizii strategice ntr -un sistem diferit de sistemul operaional Avantaje: exploatarea ambelor sisteme posibil fr inconveniente reciproce pot fi stocate date care pot oferi baza de comparaie necesar n aprecierea tendinelor, n efectuarea de analize complexe: date arhivate provenind din activitatea din anii anteriori date despre concuren

 actualizarea - alimentarea periodic cu date referitoare la tranzaciile ulterioare, fr intervenia explicit a utilizatorului final. creterea performanelor exploatrii - magazii de date (data marts) DD - definitie O colectie de date orientate pe subiecte integrate corelate in timp non-volatile care se constituie in suport pentru procesul de decizie Orientarea pe subiecte de analiza Spre deosebire de sistemele operaionale, care sunt organizate n jurul unei aplicaii funcionale ale companie spre exemplu aplicaii de facturare (Billing), de management al relaiilor cu clienii (CRM) - sistemele data warehouse au ca nucleu al informaiei un anumit subiect cheie a crui analiz se dorete. Integrarea datelor Datele sunt organizate ntr- un unic format de msur i referint (sunt msurate n acelai fel i refer acelai lucru). Datele cae provin din mai multe surse trebuie s fie convertite, reformatate, renumerotate, sumarizate, etc. Rezultatul este o unic imagine a activitilor companiei.

Non- volatilitatea Data Warehouse trebuie s fie o structur informaional stabil, a unui mediu de suport decizional. Modelul trebuie s fie astfel proiectat, nct s susin o astfel de stabilitate. Datele nu vor fi direct modificate ci vor fi populate periodic cu datele noi din aplicaiile operaionale. Non- volatilitatea Date corelate in timp

DW se constituie ntrun istoric al sistemului operaional, constituit dintr- o serie de "instantanee", imagini la diverse momente n timp. Orizontul de timp pe care l acopera DW este de cel puin cinci ani, ajungnd la zece ani, n funcie de dinamica evoluiei pieei i, deci, de relevana datelor cu caracter istoric pentru nevoile analizei. Date corelate in timp Din punct de vedere tehnic, acesta implic faptul c orice nregistrare din DW corespunde unui moment de timp specificat. Orice cheie de acces la informaiile din DW va cuprinde i o component temporal . DD - obiectiv Furnizarea informatiilor corecte, oportune si relevante factorilor de decizie Afacerea propriu-zisa, procesele intreprinderii care stau la baza modelarii si proiectarii sistemelor informatice operationale nu influenteaza designul DD, nu sunt reflectate in structura sau comportamentul acestuia Depozitul de date - continut Centralizeaz, consolideaz, organizeaz i stocheaz date din diverse surse eterogene Se pot stoca i date noi, calculate pe baza celor existente, date cerute de regul n majoritatea ra poartelor (sume, procente,) Depozitul de date - caracteristici Se construiete ntr-o manier incremental Datele stocate sufer un proces de curire i transformare care asigur calitatea informaiei generate pe baza lor Transformarea codurilor n date explicite integrarea datelor din nomenclatoare n datele despre tranzacii denormalizarea tabelelor din bazele de date primare Redundana datelor este permis Depozitul de date rspunde cerinelor de INTEGRARE a datelor ce provin din surse eterogene ACCESABILITATE a datelor ATRIBUIRE DE SENS datelor Obiectivele DD S furnizeze utilizatorilor accesul sporit la date S furnizeze o singur versiune a adevrului S nregistreze cu acuratee trecutul S jongleze cu nivelurile de acces sintez -detaliu la date S separe prelucrrile de nivel operaional i analitic Datele stocate in sisteme OLTP date operaionale referitoare la un anumit proces sau funcie a ntreprinderii date de detaliu cu un anumit grad de volatilitate sunt gestionate ca un ntreg prezint interes n primul rnd pentru cei ce le introduc Datele stocate in depozite date pentru asistarea deciziei referitoare la subiecte de interes decizional date centralizate sau derivate din datele operaionale nu se schimb n timp pot fi gestionate i pe seciuni - sunt organizate distinct pe subiecte de analiz sunt orientate ctre utilizatorii finali managerii de nivel tactic i strategic. Migrarea datelor din bazele de date operaionale n depoz ite de date Date operaionale stocate n tabele: Nr_fct 11223344 Client_id 11223344 Operaie vnzare Nume_client AleXa SRL Data 12 aug 2001 Cod_fiscal R3458881998 Client-id 111111 Adresa Sighioara Suma 10600000 Data_intrare Rol 23 ian 2000

Linii_factura_client Nr_fct 11223344 Produs 2233 Cantitate Pre 104500

Produse Cod_produs Denumire 100 Categorie Subcategorie bcnie Unitate_msur kg Cost

2233 cafea aliment

90800

Date de sintez referitoare la totalul tranzaciilor lunare ale fiecrui client stocate n depozitul de date n vederea analizei clienilor: Nume_client AleXa SRL Localitatea Sighioara Data_intrare 23 ian 2000 Anul 2001 Luna august Nr tranzacii 18 Valoare_medie 207904 Date de sintez referitoare la cantitatea comandat din fiecare produs stocate n depozitul de date n vederea analizei produselor: Denumire cafea Anul 2001 Luna august Total cantitate 23000 Unitate_msur kg Cost marf 90800 Pre mediu 103207 Pentru a fi stocate n depozitele de date, datele se centralizeaz pe mai multe nivele de agregare Primul nivel de agregare - timpul (luna). Al doilea nivel de agregare depinde de subiectul analizei: clientul sau produsul. Un al treilea nivel de agregare poate fi localitatea. Pe baza unor asemenea date de sintez stocate n depozitul de date, se poate construi o suprastructur cu date din ce n ce m ai agregate pe multipli ai dimensiunilor primare (timp, localitate): numrul sau suma tranzaciilor pe luni, ani, decenii numrul anual al tranzaciilor pe orae, zone, tri, etc. Procesarea datelor n sistemele tranzacionale se aplic unui set mic de date - de regul introduse recent i stocate compact n cel mult cteva tabele- fiind n consecin foarte rapid Fundamentarea unei decizii necesit procesarea unui volum foarte mare de date stocate dispersat, fiind n consecin foarte lent. ST SIAD sunt dirijate de tranzacii sunt dirijate de subiectele analizelor orientate spre procese (vnzri, achiziii, orientate spre subiecte (clieni, furnizori, resurse, ncasri, pli) reflect situaia curent produse) integritate, siguran, confidenialitate, timp reflect situaii globale, cu caracter istoric de rspuns Concurena n utilizare este redus. Utilitate : management operativ (ofera procedurile de salvare i recuperare sunt mult mai informatii bazate pe date recente) relaxate fa de sistemele tranzacionale Utilitate: managementul strategic (explorarea arhivelor din anii precedenti, inglobarea unor

informatii externe)

Baze de date - Depozite de date sunt proiectate i realizate pe baza unor evolueaz n timp ntr-o manier incremental cerine cunoscute n prealabil cerinele nu sunt cunoscute n totalitate n momentul adaptarea sistemului la cerine ulterioare proiectrii i realizrii sistemului necesit reluri ale unor faze din ciclul de via sistemul o dat dat n exploatare funcioneaz fr modificri majore o lung perioad

Proiectarea structurii depozitului de date Modelarea dimensionala Ciclul de via al depozitelor de date Masa de informaii care se va stoca n depozit trebuie organizat de aa manier nct s reflecte att datele importante ct i contextul lor Cerine Datele operaionale sunt integrate n depozit prin utilizarea de convenii consistente n privina numelor, msurtorilor, atributelor i semanticii. Depozitul de date se proiecteaz innd cont de cerinele exprese ale viitorilor utilizatori. Structura depozitului de date are n vedere identificarea precis a datelor stocate i accesul rapid Realizarea depozitelor de date Modelarea dimensional ofer suportul necesar pentru proiectarea structurii depozitului de date. Structura se implementeaz sub forma unei baze de date care s asigure att stocarea unui volum imens de date ct i accesul rapid la ele (baze de date client-server). Urmtoarea etap este popularea cu date a depozitului - Aceast etap va fi reluat periodic pentru a aduga datele noi. n final, depozitul este dat n exploatare curent exploatare- analiz raportare. activiti asistate de instrumente software de la simple browsere i generatoare de rapoarte la instrumente sofisticate de data mining. Exploatarea curent va evidenia noi cerine informaionale pentru asistarea deciziei, cerine care vor conduce la extinderea structurii depozitului, popularea cu date istorice a extensiei integrarea noilor date n aplicaii de analiz. Procesul de dezvoltare a depozitelor de date este incremental i ciclic pe tot parcursul vieii. Principiul : obiectivul major al unui sistem decizional este analiza performanelor organizaiei. Indicatorii de performan vor fi analizai de-a lungul unor dimensiuni - axe de analiz . Acest tip de modelare este independent de tehnologiile ce vor fi utilizate. tehnic de proiectare logic ce permite structurarea variabilelor , fiind folosit pentru vizualizarea modelelor de date sub forma unui set de variabile cheie pentru activitatea analizat (variabile descrise n funcie de caracteristicile activitii respective) permite conceptualizarea i reprezentarea aspectelor cantitative, msurabile ale activitii n strns legtur cu contextul n care s-a desfurat activitatea respectiv. Sistemele tranzactionale Aceste corelatii intre valorile inregistrate ale activitatii si contextul in care s-a desfasurat aceasta constituie temele multiplelor rapoarte de sinteza pe care le produc sistemele tranzactionale. Aceste rapoarte sunt insa predefinite si sintetizarea lor in vederea efectuarii unor analize comparative a mai multor parametrii se face de obicei off - line, prin copierea rapoartelor in alte medii de lucru si procesarea lor ad-hoc.

Ofera un model conceptual comun tuturor acestor rapoarte si posibilitatea de agregare a lor intr-o structura Uniforma simpla flexibila pastrand in acelasi timp legatura cu sursele initiale de date si, in consecinta, accesul la diferite nivele de detaliu, pana la setul de tranzactii initiale (drill down) 1. Fapte colectii de fapte 2. Dimensiuni (criterii de analiza, context) Ierarhii 3. Masuri (variabile, indicatori) 4. Granularitate 5. Grad de imprastiere Colecia de fapte un ansamblu de date corelate constnd din variabile i date de context. Faptele modeleaz subiectul de analiz. O fapt reprezint msura activitii determinat la intersecia tuturor informaiilo r referitoare la activitate. O tranzacie a activitii sau un eveniment Starea unui obiect Modificrile strii unui obiect Modelarea dimensional Dimensiunile parametrii activitii, decupajul din activitatea global care corespunde msurii criteriile de agregare. zi, lun, an, trimestru, sezon (interval de timp),locaie, zon geografic,client, furnizor, produs sau grup (clas, categorie) de clieni, furnizori, produse,angajat, structur organizatoric Dimensiunea modeleaz o perspectiv de analiz; ea se compune din parametrii corespunznd informaiilor care fac s varieze msurile activitii. Tot ca dimensiune se pot modela variante de msuri: valori reale, valori bugetate, valori estimate. Aceast dimensiune oarecum artificial se cheam scenariu Caracteristici Furnizeaz informaii descriptive despre fiecare variabil (msur, indicator) Conin n general date statistice. Atributele dimensionale nu se schimb aa de des ca faptele totui, pot apare modificri iar modelul dimensional trebuie s permit modificarea pentru a asigura coerena i corectitudinea datelor. Sunt eseniale pentru analiz. Un model dimensional ce ofer un numr mare de atribute dimensionale permite analize ct mai complexe i ct mai variate Dimensiunile sunt identificate n bazele de date tranzacionale ca fiind cmpurile ce conin caracteristicile unei tranzacii, datele de identificare a tranzaciei respective, de obicei coduri -chei externe care fac legtura cu nomenclatoarele ce le expliciteaz. Dimensiunea se materializeaz prin setul de valori posibile care alctuiesc domeniul caracteristicii respective, valorile se numesc membrii dimensiunii. Parametrii (atributele dimensionale) Sunt de obicei campuri calitative, de tip text In cazul in care un parametru este numeric, acesta trebuie sa indeplineasca doua conditii: Sa aiba valori discrete Sa fie cvasiconstante Reprezentarea grafic la nivel conceptual a unei dimensiuni

Dimensiunile pot avea multiplii - grupe de valori ale dimensiunii respective cu o caracteristic comun. IERARHII structuri arborescente formate din dimensiuni i multiplii acestora. grupare de parametrii de agregare care urmeaza o directie de agregare Membrii unei dimensiuni se pot aranja n una sau mai multe ierarhii . Ierarhia organizeaz parametrii unei dimensiuni dup o relaie de tip este mai fin n conformitate cu nivelul lor de detaliu Parametrii (atributele dimensionale) 1. De prezentare nu au valoare analitica 2. De agregare - stabilesc nivelele de agregare la care se va efectua analiza 3. De cauzalitate se folosesc in realizarea de modele (descriptive sau predictive) care sa explice evolutia indicatorilor. Variabile (msuri) - aspectul cantitativ, comensurabil n uniti clasice de msur (kg.,buci, uniti monetare). O variabil este un atribut numeric al unui element din baza de fapte, un indicator sau o msur prin care se poate analiza performana activitii modelate. Exemple volumul vnzrilor (cantitativ/valoric), volumul achiziiilor, costul transportului, volumul datoriilor , volumul creanelor, profitul, volumul taxelor i impozitelor. datele cantitative centralizate Tabela de fapte ocup locul central n cadrul unui model dimensional i corespunde coleciei de fapte. regrupeaz toi indicatorii referitori la un subiect de analiz care partajeaz acelai ansamblu de dimensiuni i care nu pot fi dedui din ali indicatori. Reprezentarea grafic la nivel conceptual a unei tabele de fapte

Granularitatea FAPTELOR reprezint gradul de detaliere a acestora - nivelul de detaliu necesar analizelor, care exprim numrul de membri ai unei dimensiuni. Se recomand ca tabela de fapte s menin granularitatea cea mai fin posibil. determin dimensiunile principale ale modelului determin volumul bazei de date Este un aspect important n proiectarea depozitelor de date, deoarece determin volumul ocupat de date" Granularitatea se refer la nivelul de detaliu (sau de rezumare) a unei uniti de date din depozit:" Cu ct nivelul de detaliu este mai mare, cu at t granularitatea este mai mic (mai fin) de ex. o simpl tranzacie este de granularitate mic" Cu ct rezumarea este mai puternic, cu att granularitatea este mai mare; de ex. suma tuturor tranzaciilor dintr -o lun " Nivelul de granularitate fin (detaliere mare) se folosete n bazele de date operaionale i ca date nerezumate ( sau slab rezumate) n depozite"Pe nivelul de granularitate ridicat (date puternic rezumate) se pot stoca date pe perioade ndelungate i se folosesc pentru decizii de organizare Gradul de imprastiere a datelor ex: masura: vanzari dimensiuni : client, produs, timp Indicatorul volumul vanzarilor va avea valori valide numai pentru o mica fractiune a produsului cartezian a dimensiunilor ( daca vanzarile reale se inregistreaza doar pentru 1% din combinatiile posibile clienti *produse*nr zile gradul de imprastiere este de 9,99%) Un model tridimensional se poate vizualiza/reprezenta cu ajutorul unui cub. Un model multidimensional are ns mai multe dimensiuni un hypercub. Perspectivele multidimensionale asupra datelor sunt numite cuburi de date. Modelul stea o reprezentare intuitiv a cubului de date conine o tabel de fapte (coninutul cubului de date)

un set de tabele dimensionale (dimensiunile activitii). Modelul fulg de zpad o variant a schemei stea, rezultatul descompunerii uneia sau mai multor dimensiuni care au ierarhii (integrarea unor subdimensiuni sau a unor dimensiuni alternative). dimensiunile sunt normalizate - apariia unui numr mare de noi tabele poate compromite performanele de navigare complicnd lucrurile n termeni de lizibilitate i gestiune Galaxia (constelaia) o colecie de scheme stea care au atribute dimensionale comune. Fuzionarea mai multor modele stea i/sau fulg de nea care utilizeaz di mensiuni comune. Modelarea logic Implementarea modelului dimensional n mediul relaional: fiecare fapt corespunde unei tabele, numit tabele de fapte fiecare dimensiune corespunde unei tabele, numit tabel de dimensiuni. Tabela de fapte CARACTERISTICI: Conine un numr foarte mare de tupluri milioane- care reprezint produsul cartezian al dimensiunilor Dimensiunea ei crete dinamic, n funcie de cantitatea de date ncrcate la fiecare ciclu de mprosptare a bazei de date, precum i n funcie de cantitatea de date istorice stocate n baza de date. Este tabela care reflect performana activitii analizate. Conine toate msurile importante. Cheia primar a tabelei este o cheie compus din cheile primare ale tabelelor dimensional e Este normalizat i realizeaz o legtur indirect ntre dimensiuni Modelul stea Tabela de fapte se leag de dimensiuni prin join-uri de egalitate. Fiecare atribut din cheia primar a tabelei de fapte reprezint cheia primar a unei dimensiuni Atributele care nu sunt chei pot fi agregate (tabelele de fapte conin doar atribute numerice) Tabelele sunt denormalizate Vnzri (IDProdus, IDMagazin, IDTimp, Cantitate, Valoare) Timp (IDTimp, Zi , Lun, Trimestru , Semestru, An) Magazin (IDMagazin, DenMagazin, Localitate, Jude Regiune, ar) Produs (IDProdus, Denumire prod., Marc prod., Subcategorie prod., Categorie prod., Raion) Modelarea logic Paradigma obiect Fiecare tabel de fapt corespunde unei clase, denumit clas de fapt; fiecare dimensiune corespunde unei clase, denumit clas de dimensiuni. Etapele generale ale procesului de proiectare a unui depozit de date Delimitarea procesului economic ce va fi modelat. Stabilirea nivelului de granularitate. Alegerea dimensiunilor - criterii de agregare Alegerea msurilor Aspecte particulare ale proiectrii dimensionale Aditivitatea faptelor faptele sunt numerice i n general aditive i valorificate de o manier continu (msurile sunt numerice i aditive pentru a permite rezumarea unui numr mare de nregistrri n cteva nregistrri). Fapte semi-aditive : fapte care pot fi adiionate doar dup anumite dimensiuni (stocuri, solduri de conturi, contoriz area unor indicatori)

Fapte non-aditive : nu pot fi deloc adiionate (indicatori calculai ca raport intre ali indicatori) Tabelele de fapte fr fapte - pentru reprezentarea acelor procese ale activitii care dei nu prezint fapte msurabile sunt interesante pentru procesul de analiz, deci trebuie s fie cuprinse n depozitul de date Tabelele de urmrire a evenimentelor au ca scop contorizarea evenimentelor rezultate din prezena simultan a mai multor dimensiuni n acelai loc i n acelai timp Tabelele de acoperire spre deosebire de cele de urmrire a evenimentelor au ca scop de a pune n eviden ceea ce nu s -a ntmplat mai degrab dect ceea ce s-a ntmplat. Tabelele de acoperire in evidena tuturor instanierilor unor dimensiuni care la un moment dat sunt supuse unor stri, explicnd astfel componenta de acoperire din denumirea lor Un exemplu clasic este tabela de urmrire a produselor aflate n promoie. Prin comparaie cu tabela aferent activitii de vnzare se pot determina produsele aflate n promoie dar care nu au fost vndute

OLAP PRELUCRAREA ANALITIC A DATELOR ON-LINE O categorie de instrumente software care permit decidentilor s neleag esena datelor printr -un acces rapid, consistent i interactiv la o mare varietate de perspective asupra acestora Sintetizarea, analiza si consolidarea dinamica a unor volume ma ri de date multidimensionale OLAP On-Line Analytical Processing tehnologie de agregare a datelor stocate n depozite ntr-o abordare multidimensional care asigur acces rapid la informaiile necesare decidenilor ntr-o manier consistent, interactiv i foarte flexibil. testul FASMI(Fast Analysis Shared Multidimensional Information ) Fast rapiditate (capacitatea de a livra informaiile n timp util de ordinul secundelor) Analysis analiz (capacitatea de a efectua analize numerice i statistice prin aplicaii predefinite sau create ad -hoc de ctre utilizator. Shared partajat (utilizat n regim concurent de mai muli utilizatori, fapt ce impune asigurarea securitii i confidenialitii datelor ) Multidimensional Caracteristica esenial a OLAP Information Acces la orice date i informaii relevante pentru analiz, oriu nde s-ar gsi i n orice volum Se refera la o varietate de activitati realizate de obicei de utilizatorii finali in cadrul sistemelor on-line ( generare interogari, reintorogari ad-hoc, reprezantari vizuale, analiza si reprezentarea multidimensionala a datelor) Modelarea, analiza si vizualizarea unor seturi mari de date intr-o perspectiva multidimensionala OLAP - DD OLAP transform volumul imens de date stocate i gestionate n depozite n informaii utile procesului de decizie. DD acumuleaza informatii cu caracter istoric cu scopul de a furniza raspunsuri la intrebari de tipul : CINE? CE? UNDE? CAND? OLAP analizeaza datele agregate in perspective multidimensionale pentru a putea raspunde la intrebari suplimentare de tipul DE CE? CE AR FI DACA (WHAT IF)? OLTP Procesarea tranzactiilor prelucrari simple pentru operatii repetitive Rapoarte predefinite Asigura continuitate in analiza OLAP Examinarea datelor si a relatiilor complexe dintre acestea Se pot formula ad-hoc interogari specifice

Cerinele funcionale ale sistemelor OLAP:

OPORTUNITATE prelucrarea datelor pentru analiz acces rapid la date calcule rapide ACURATEE INTELIGIBILITATE Tehnicile utilizate de OLAP simpla navigaie n BD selecia datelor analize complexe incluznd modele i serii temporale. posibilitatea de a construi scenarii Principalele caracteristici ale OLAP Perspectiv (view) multimensional asupra datelor Capacitate de calcul intensiv Orientare n timp (time intelligence) Perspectiva multidimensional asupra datelor Capacitatea de a integra mai multe aspecte ale activitii ntreprinderii privite din diferite perspective: timp, locaie, pr odus, bani, persoane, etc. Fiecare dimensiune poate avea mai multe nivele: dimensiunea temporal se poate divide n ani, luni, trimestre, sezoane, etc dimensiunea geografic n emisfere, continente, ri, regiuni, orae, etc dimensiunea produs poate avea subdimensiuni de genul: categorie, clas, fel, etc. Conceptul dimensiune este utilizat n sensul de aspect Dimensiunile sunt complet independente posibile criterii de agregare a datelor nivelele unei dimensiuni formeaz o ierarhie (criterii de agregare) IERARHIE o grupare de atribute dimensionale care urmeaza o directie de agregare Perspectivele multidimensionale asupra datelor sunt numite hipercuburi de date, prin extinderea noiunii de cub tridimensiona l la cub n-dimensional sau hipercub. Capacitatea de a efectua calcule intensive abilitatea de a aplica algoritmi compleci asupra datelor structurate n hipercub, implic posibilitatea de adresare multidimensional direct a locaiilor (cuburile unitare) optimizarea timpului de rspuns. Orientarea n timp (time intelligence) abilitatea de exploatare a acestei dimensiuni universale, necesar pentru comparaii i judeci de valoare n orice analiz economic. Timpul este preluat din datele tranzaciilor. Pe baza acestor date primare se fac agregri pe luni, semestre, sezoane, ani, decenii, etc. Dimensiuni mai puin obinuite: perioada curent, perioada precedent, aceeai perioad a anului trecut, etc. Modelarea datelor este un pas important n procesul de dezvoltare a unui depozit de date pentru c permite vizualizarea structurii nainte de a fi construit. Modelul multidimensional hipercubul - este ns dificil de vizualizat n toate dimensiunile i trebuie prezentat desfurat n seciuni sau proiecii tridimensionale pentru a putea fi neles seciunea este o felie transversal din cub, identificat prin coordonatele seciunii proiecia este o seciune care centralizeaz datele de pe toate dimensiunile suprimate Vizualizarea datelor on-line se face n seciuni sau proiecii tridimensionale Datele din celule pot fi prezentate numai n seciuni sau proiecii transversale bidimensionale (forma clasic a tabelelor pivot). Intuitiv, hipercubul poate fi imaginat ca un set de tabele pivot grupate pe dimensiunea comun. n mod abuziv, hipercubul este considerat un set de cuburi tridimensionale distincte.

Pot exista i hipercuburi distincte, chiar dac au dimensiuni comune, dar cu alte msuri. Aplicaiile construite cu tehnologia OLAP asigur : analiza rapid a informaiei multidimensionale distribuit n locaii multiple i accesibil n acelai timp unui numr mare de utilizatori. OLAP utilizeaz n acest scop baze de date multidimensionale n plan fizic, hipercubul poate fi stocat ntr-o tabl coloane n care sunt stocate msurile identificatori de rnduri (chei) formai din toate combinaiile posibile de valori ale dimensiunilor. Utilizarea indecilor pentru acces rapid nu este de prea mare ajutor ntruct cheia este format din multe caracteristici iar cmpurile de valoare sunt puine i numerice. Tabela de indeci este aproape la fel de mare ca i tabla iniial. Accesul direct rapid este asigurat prin tabele bitmap. Bazele de date dedicate datelor modelate ca hipercuburi sunt bazele de date multidimensionale Baze de date multidimensionale Structura datelor - n care sunt stocate msurile activitii preluate din tabela de fapte a depozitului de date (cantiti, valori, contoare, etc), date care sunt prezentate utilizatorului n celulele tabelelor pivot. Structura metadatelor - n care sunt stocate dimensiunile i membrii acestora precum i structurile ierarhice ale dimensiunilor, toate informaiile care apar pe axele cuburilor i sunt prezentate utilizatorului ca nume de rnduri i coloane n tabelele p ivot. Operaii OLAP asupra hipercubului Proiectarea hipercubului trebuie s in seama de nivelul de detaliu necesar la analiz, nivel de detaliu denumit granularitate i care exprim numrul de membri ai unei dimensiuni. Dac granularitatea din start este prea mare (grupe de clieni sau structuri organizatorice de ageni), datele sunt prea centralizate i nu se poate face o analiz fin. OLAP ajusteaz nivelul de granularitate prin exploatarea ierarhiilor dimensiunilor efectund comasri i descompuneri ale msurilor prin procedurile denumite roll-up (consolidarea) drill-down.(parcurgerea in jos) Aceste proceduri deplaseaz proiecia cubului n sus i n jos pe nivelele ierarhice ale fiecrei dimensiuni (zoom in; zoom o ut) efectund de fiecare dat centralizri ale msurilor stocate la cea mai mic granularitate dup criteriile ierarhice cerute. Operaia drill-down ofer mai multe detalii Operaia roll-up ofer date mai sintetice - datele sunt agregate pe structuri de tip ierarhie Roll-up & Drill down Domenii de utilizare ale OLAP Instrumentele OLAP i aplicaiile construite cu aceast tehnologie i gsesc multiple domenii de utilizare n activitatea ntreprinderilor: vnzri , marketing , finane , [Link] financiar i contabilitate construirea bugetelor analiza performanelor financiare modelare financiar; departamentul vnzri analize complexe ale vnzrilor previziuni; departamentul marketing cercetri i analize de pia, analize ale campaniilor publicitare, analiza clienilor i a segmentelor de pia. Activitatea de producie planificarea operaiilor, asigurarea i controlul calitii produselor analiza rebuturilor optimizarea raportului cost-performan Caracterisitici Baze de date relaionale Baze de date relaionale Baze de date multidimensionale OLAP

OLTP

Datawarehouse

Operaia tipic Nivelul de analiz cerut Ecrane Volum de date pe tranzacie Nivel de detaliu date Vechimea datelor Orientare

Actualizare Sczut Neschimbat Mic Detaliu Curente nregistrare

Raportare Mediu Definit de utilizator Mic/Mare D e t a l i i ,Sumarizare Istorice i curente nregistrare

Analiz Ridicat Definit de utilizator Mare nsumate Istorice, curente, previzionate Matrice

Data Mining
un proces de extragere de informaii noi din coleciile de date existente. dat - descriere a unui eveniment precis, produs n lumea real i verificabil prin raportare la aceasta. informaia (cunoaterea transmis)-descrierea unei categorii abstracte, ce acoper mai multe evenimente sau exemple concrete reorientare semnificativ n utilizarea volumelor de date stocate, de la un proces de explorare retrospectiv spre unul cu caracter prospectiv. Utilizeaza metode statistice, matematice si tehnologii IA pentru a identifica si a extrage informatii utile si cunostinte din colectii de date (reguli, corelatii, trenduri, predictii) Termenul DM KDD acopera astazi toate tipurile de analiza automata a datelor Premise existena coleciilor de date istorice memorate pe suporturi informatice maturizarea algoritmilor i a produselor program dedicate creterea capacitii de memorare i preluc a calculatoarelor, care permite tratarea n corelaie a volumelor f mari de date. Reducerea costurilor de stocare si procesare a datelor Competitia Tendinta de demasificare a practicilor de afaceri Consolidarea inregistrarilor in bazele de date ( o singura perspectiva pentru utilizator) si a bazelor de date (depozite de informatii) Datele analizate sunt stocate intr-un depozit de date Mediul DM este de regula o arhitectura client-server sau bazata pe Web Presupune utilizarea unor instrumente si tehnici sofisticate inclusiv de vizualizare si prezentare a informatiilor Analiza datelor este realizata direct de utilizatorul final decidentul Instrumentele DM sunt de obicei corelate cu alte instrumente soft pentru a permite o analiza rapida a informatiilor obtinute Procesare paralela Principiul de funcionare : se prelucreaz datele referitoare la perioadele trecute, examinnd o varietate de situaii care s -au produs i ale cror rezultate sau consecine cunoscute se evideniaza caracteristicile acestora, se elaboreaza un model, care poate fi aplicat situaiilor noi de acelai tip. Informaiile obinute prin data mining sunt de natur predictiv descoperirea de comportamente viitoare de narur descriptiv caracterizarea generala a datelor (comportamente individuale)

ciclu n utilizarea data mining identificarea oportunitii comerciale i a datelor pe care se poate baza explorarea extragerea de informaii din coleciile de date existente prin tehnici adecvate de data mining adoptarea de decizii i ntreprinderea de aciuni pe baza informaiilor obinute msurarea rezultatelor concrete pentru a identifica i alte modaliti de exploatare a datelor disponibile Aplicarea tehnicilor de data mining : Abordarea descendent : efortul este orientat spre confirmarea sau infirmarea unor idei (ipoteze) formulate n prealabil prin alte mijloace. Un demers asemntor se aplic n statistic i n analiza datelor, dar folosind alte tehnici i metode Abordarea ascendent : se urmrete extragerea de cunotine sau informaii noi din datele disponibile Cutarea dirijat ia n considerare un atribut sau un cmp, ale crui valori ncearc s le explice prin celelalte cmpuri. Cutarea nedirijat are ca scop identificarea relaiilor sau structurilor existente n ansamblul datelor examinate, fr a acorda prioritate unui cmp sau altul. Data Mining -Tehnici i aciuni Explorarea datelor n vederea obinerii de informaii recurge la diverse tehnici: reelele neuronale analiza grupurilor arborii de decizie raionamentele bazate pe cazuri algoritmii genetici analiza legturilor tehnici statistice- regresiile, analiza factorial etc Metode utilizate in DM: Metode simple (SQL, OLAP, judecata umana) Metode intermediare (regresie, arbori de decizie, clustering) Metode complexe (retele neuronale, inductie atomata) Clasificarea - plasarea obiectelor prelucrate ntr-un grup limitat de clase predefinite. Obiectele clasificate sunt reprezentate, n general, sub form de nregistrri, compuse din atribute sau cmpuri. Tehnici:arborii de decizie, raionamentul bazat pe cazuri, retele neuronale. Estimarea - atribuirea unei valori unei variabile, pe baza celorlalte date de intrare. Rezultatele obinute prin estimare sunt valori continue. Tehnici : Reelele neuronale Predicia urmrete s claseze nregistrrile tratate n funcie de un comportament sau o valoare estimat viitoare . n acest scop, se recurge la o colecie de exemple, bazate pe date din trecut, n care valorile variabilei de previzionat sunt deja cunoscute. Cu ajutorul acestora se construiete un model care s explice comportamentul observat. Aplicnd acest model asupra nregistrrilor de prelucrat, se obine o predicie a comportamentului sau valorilor acestora n viitor. Tehnici: arborii de decizie raionamentul bazat pe cazuri reelele neuronale Gruparea urmrete s determine care sunt obiectele care apar cel mai frecvent mpreun. Analiza grupurilor urmrete s divid o populaie eterogen n grupuri mai omogene , numite cluster. Spre deosebire de celelalte tipuri de aciuni asemntoare, aici nu exist un set predeterminat de clase ca n cazul clasificrii i nici exemple trecute. Segmentarea se face n exclusivitate pe baza similitudinilor sesizate ntre obiecte Data mining utilizare Finante Comert Medicina DM mituri si realitati DM ofera instantaneu predictii DM nu este deocamdata viabil pentru afaceri Doar profesionistii pot utiliza DM DM necesita un DD separat Doar pentru firme mari, care dispun de foarte multe date

DM este un proces iterativ, proiectat si utilizat proactiv DM este aplicabil in orice domeniu Toti decidentii pot utiliza DM Nu este necesar un DD separat Orice companie poate utiliza DM, indiferent de marimea sa

Etapele procesului de explorare a datelor Definirea problemei declanarea procesului este determinat de sesizarea unei oportuniti sau necesiti de afaceri. ce urmeaz a fi rezolvat prin data mining obiectivele urmrite rezultatele ateptate. Problema de rezolvat prin data mining contribuie, ca parte component, la valorificarea oportunitii sesizate de ntreprinde re, dar nu se identific cu ea. n plus, trebuie s primeasc o form n care s poat fi tratat prin aceste tehnici Identificarea surselor de date stabilirea structurii generale a datelor necesare rezolvrii sale i a regulilor de constituire a acestora. localizarea surselor acestora. examinarea coninutului fiecreia dintre surse, pentru o familiarizare cu coninutul su i pentru identificarea, ct mai precoce, a eventualelor incoerene sau probleme de definire, care pot compromite rezultatele analizelor urmtoare Colectarea i selecia datelor extragerea i plasarea ntr-o baz comun a tuturor datelor ce urmeaz a fi folosite . - prelucrarea ntregului fond de date disponibil - prelucrarea unui eantion. Pregtirea datelor - transformri comune care vizeaz: valorile extreme sau aberante - ncadrarea ntre limitele cuprinse ntre medie i un anumit numr de abateri standard prin excludere sau plafonare - izolarea vrfurilor valorile lips - eliminarea nregistrrilor avnd cmpuri cu valori nule - completarea datelor omise cu valori medii, cu valoarea cea mai frecvent sau cu valori calculate dup alte relaii valorile de tip text -codificarea prin tabele de corespondene, n care s figureze toate irurile valide de caractere . rezumarea -detaliile coninute n date sunt nesemnificative pentru rezolvarea problemei abordate, -numrul de exemple analitice este insuficient -datele sunt prea numeroase codificarea incoerent - obiecte identice sunt reprezentate diferit n unele dintre sursele folosite arhitecturile informatice incompatibile - diferenele n modul de reprezentare intern a valorilor ( date create cu sisteme din generaii diferite). Construirea modelului - crearea modelului informatic care va efectua explorarea propriu-zis Evaluarea modelului : stabilirea capacitii modelului de a determina corect valorile pentru cazuri noi. Performanele unui model se apreciaz cu ajutorul unei matrice de confuzie, care compar situaia real cu cea furnizat de acesta. Calitatea global se exprim prin raportul dintre numrul de predicii exacte i numrul total de predicii Integrarea modelului - includerea modelului obinut ntr-un SIAD, sau integrarea sa ntr-un proces decizional mai general din ntreprindere. Orice model are o durat de via limitat; modelele trebuie actualizate permanent, pentru a putea urmrile schimbrile survenite n domeniul la care se refer. Rezolvarea unei probleme se obine prin combinarea mai multor tehnici ..

Integrarea DM in aplicatiile tip SIAD Procesul DM situat deasupra DD Procesul DM situat in afara DD server dedicat DM Procesul DM integrat cu DD Produse program pentru Data Mining aplicaii adiionale sau ncorporate n produse mai mari, cel mai frecvent n SGBD sau de data wharehouse i OLAP - SQL Server 2012 care ncorporeaz algoritmi de clustering i de arbori de decizie, ce pot fi aplicai att asupra bazelor de date relaionale ct i a surselor de date OLAP. Sisteme complexe (suite), care integreaz mai multe tehnici i algoritmi diferii IBM Intelligent Miner for Data, care acoper ntregul proces de data mining, oferind nu numai algoritmi de explorare a datelor ci i instrumente de pregtire i interpretare a rezultatelor Clementine, produs de SPSS Alice, produs de firma Isoft, cu faciliti pentru tratarea datelor provenind de pe Web Predictive Dynamix, care integreaz reele neuronale, algoritmi genetici, algoritmi de clustering i instrumente de vizualizare