Systemy Wspomagania Decyzji

Prezentacja na temat: "Systemy Wspomagania Decyzji"— Zapis prezentacji:

1 Systemy Wspomagania Decyzji
W. Bartkiewicz Systemy Wspomagania Decyzji Wykład 1. Zagadnienia wstępne

2 Proces podejmowania decyzji i rozwiązywania problemu
Rozpoznanie Projektowanie Wybór Implementacja Monitorowanie Rozwiązywanie problemu Podejmowanie decyzji

3 Etap rozpoznania Podczas tego etapu identyfikowane i definiowane są problemy, cele jakie mają zostać osiągnięte i możliwości. Zbierana jest informacja odnosząca się do zakresu problemu: możliwych rozwiązań, ograniczeń i otoczenia problemu. Przykład: Sprowadzenie z zagranicy dostawy owoców tropikalnych, do okolicznych sklepów. Ograniczeniami problemu będą wówczas trwałość owoców i maksymalna cena jaką klienci byliby skłonni zapłacić za owoce. Podczas tej fazy muszą zostać również uwzględnione aspekty otoczenia problemu, takie jak dla przykładu regulacje prawne związane ze sprowadzaniem produktów żywnościowych.

4 Etap rozpoznania – rola systemu informacyjnego
Dostarczanie niezbędnych informacji na temat zakresu problemu. Do określenia problemów i analizy możliwości wykorzystane mogą zostać symulacje i komputerowe badania analityczne. Informacje na temat cen i wielkości sprzedaży owoców tropikalnych w sklepach. Informacje na temat dostawców, firm spedycyjnych, ich cenników, warunków dostaw, itd. Konieczność ewidencji transakcji gospodarczych. Internet jako medium pozyskiwania informacji handlowej oraz dotyczącej otoczenia problemu – uwarunkowań transportu, przepisów tranzytowych, importowych, itp. Analizy cenowo popytowe dotyczących sprowadzanych partii owoców.

5 Etap projektowania Budowane są wówczas możliwe rozwiązania problemu, oraz szacowana wykonalność poszczególnych alternatyw. W naszym przykładzie rozważane byłyby różne sposoby organizacji dostawy, włączając oszacowanie kosztów transportu związane z każdym z nich. Niektóre z nich, takie jak np. dostawa owoców statkiem do portu w Lizbonie i dalszy transport ciężarówką, mogą być uznane za niewykonalne, ponieważ zajęłoby to tyle czasu, że owoce by się popsuły.

6 Etap projektowania – rola systemu informacyjnego
Na etapie projektowania systemy informatyczne wykorzystane mogą być przede wszystkim do budowania i kalkulacji kosztów poszczególnych alternatyw. System informatyczny może, biorąc pod uwagę warunki zidentyfikowane w poprzednim etapie, sugerować ewentualne sposoby realizacji dostawy, a przede wszystkim wyliczać koszt finansowy i czas transportu. Warianty niewykonalne, np. przekraczające pewne założone z góry limity mogą być przez system automatycznie odrzucane. Konieczność ewidencji transakcji gospodarczych. Modele finansowe, kalkulacji kosztów.

7 Etap wyboru Jest to ostatnia faza podejmowania decyzji. Wymaga on określenia toku akcji podejmowanych w celu rozwiązania problemu. Ten na pierwszy rzut oka łatwy akt wyboru zwykle nie jest taki prosty jak mogłoby się to wydawać. Istnieje wiele czynników, trudnych do rozpoznania, często o charakterze niejawnym, mogących wpływać na ostateczny wybór alternatywy decyzyjnej. W tym etapie swoje zastosowanie znajdują przede wszystkim modele decyzyjne, analityczne, komputerowe metody badań operacyjnych, pozwalające na znalezienie rozwiązania optymalnego pod kątem założonych celów, lub przynajmniej określenie najlepszego rozwiązania spośród rozważanych.

8 Etap implementacji Ten etap rozwiązywania problemu wykracza już poza fazę podejmowania decyzji. Polega on na wykonaniu akcji wprowadzających rozwiązanie w życie. W tej fazie systemy informatyczne wykorzystywane są przede wszystkim do obsługi procesu realizacji decyzji oraz rejestracji transakcji gospodarczych z nią związanych. Np. zarejestrowanie w systemie informacyjnym dostawcy, firmy spedycyjnej, tworzenie dokumentów obsługujących dostawę (takich jak zamówienia zakupu, dokumenty przyjęcia towaru, itp.), ewidencja danych związanych z historią realizacji dostawy, itd. Realizacja funkcji komunikacyjnej systemu informacyjnego, związana na przykład z wykorzystaniem jako medium komunikacyjnego usług sieci Internet, czy też z realizacją podjętej decyzji za pośrednictwem mechanizmów elektronicznej wymiany danych EDI. .

9 Etap monitorowania Finalny etap procesu rozwiązania problemu. W tej fazie decydent ocenia implementację rozwiązania, określając czy zostały osiągnięte przewidywane wyniki i modyfikując proces w świetle nowej informacji zdobytej podczas implementacji. Może to wywołać sprzężenie zwrotne i powrót do któregoś ze wcześniejszych etapów rozwiązywania problemu. Systemy informatyczne na tym etapie wykorzystywane są przede wszystkim do ewidencji transakcji gospodarczych będących skutkiem zrealizowanej decyzji oraz do bieżącej operacyjnej analizy ich efektów finansowych lub innych założonych wcześniej celów. Rejestracja transakcji sprzedaży sprowadzonych owoców, sporządzanie raportów z jej wyników oraz analiz zyskowności (przychodów i kosztów).

10 Stopień złożoności decyzji
Problemy strukturalne (decyzje programowalne) – łatwe, powtarzalne, rutynowe zagadnienia, dla których istnieją standardowe rozwiązania, dające się często przedstawić w postaci określonej procedury postępowania, algorytmu. Dla decyzji tego typu modele decyzyjne zostały zbudowane już wcześniej, podjęcie decyzji polega wiec jedynie na zastosowaniu znanego rozwiązania. Niejednokrotnie decyzje o charakterze strukturalnym podejmowane są automatycznie, przez systemy informatyczne. Problemy niestrukturalne (decyzje nieprogramowalne) – rozmyte, kompleksowe, nierutynowe problemy, dla których nie ma łatwych rozwiązań. Nie ma dla niech wypracowanej metodologii ani modelu ich rozwiązania. Dla ich podejmowania niezbędne są subiektywne sądy i intuicja menedżera. Systemy informatyczne sugerują zwykle pewne rozwiązania, ostateczna decyzja zawsze należy jednak do człowieka.

11 Stopień złożoności decyzji
Problemy częściowo strukturalne (semistrukturalne) (decyzje częściowo programowalne) – w ich przypadku jedynie pewne fazy procesu podejmowania decyzji mają charakter strukturalny. Nie mogą one zostać w pełni zautomatyzowane. Wymagają subiektywnych ocen i osądów, w powiązaniu z formalną analizą danych i budową modeli.

12 Możliwe alternatywy rozwiązań
Model optymalizacyjny – znajduje rozwiązanie najlepsze, zwykle pod względem dopasowania do celów organizacji. Na przykład maksymalizacja zysków lub minimalizacja kosztów danego przedsięwzięcia. Modele optymalizacyjne biorą pod uwagę ograniczenia problemu. Typowym przykładem ograniczenia może być maksymalna kwota nakładów inwestycyjnych dla danego przedsięwzięcia. Model satysfakcjonujący – znajduje on rozwiązanie dobre, ale niekoniecznie najlepsze. Powodem ich stosowania jest zwykle przypadek gdy właściwy model problemu, dający decyzję optymalną byłby zbyt skomplikowany lub kosztowny. Tego typu metody zwykle nie przeglądają wszystkich możliwych rozwiązań, ale tylko te które prawdopodobnie dadzą dobre wyniki.

13 Możliwe alternatywy rozwiązań
Rozważmy dla przykładu decyzję dotyczącą lokalizacji nowej fabryki. Analiza wszystkich możliwych lokalizacji wymagałaby rozważenia wszystkich miast w Polsce. Podejście satysfakcjonujące wymaga rozważenia np. pięciu miast spełniających wymagania organizacji. Wybrana lokalizacja może nie być najlepsza, ale jest dostatecznie dobra – satysfakcjonująca, i nie wymaga czasu i nakładów do analizy pozostałych miast w Polsce.

14 Ryzyko decyzji Decyzje podejmowane w warunkach pewności – występują w sytuacjach gdy decydent w fazie rozpoznania zebrał informacje na tyle wyczerpujące i dokładne, aby móc dogłębnie zrozumieć rozwiązywany problem. Wszystkie istotne fakty, mogące wpłynąć na wynik decyzji znane są decydentowi, tak że jest on w stanie z góry określić wynik każdej alternatywy. Nie ma więc ryzyka, że da ona w wyniku nieoczekiwane efekty. Oczywiście w praktyce znajomość absolutnie wszystkich faktów jest w zasadzie niemożliwa. Tym niemniej w pewnych sytuacjach decydent może wiedzieć na tyle dużo, aby czynnik ryzyka był pomijalny. Z tego typu zjawiskiem mamy do czynienia w przypadku decyzji strukturalnych (oraz do pewnego stopnia częściowo strukturalnych). To właśnie rolą systemu informacyjnego jest dostarczenie odpowiedniej wiedzy decydentowi.

15 Ryzyko decyzji Decyzje podejmowane w warunkach niepewności – występują w sytuacjach gdy system informacyjny o pewnych faktach lub zjawiskach nie jest w stanie dostarczyć decydentowi żadnej wiedzy. Jedynym rozwiązaniem w takim przypadku jest stosowanie technik symulacyjnych, analizując efekty decyzji dla różnych wartości nieznanych zmiennych. Tym niemniej należy pamiętać że nawet najlepszy system informacyjny pewnych informacji nie jest w stanie dostarczyć. Decyzje podejmowane w warunkach ryzyka – wiążą się z rozwiązywaniem problemów dla których możemy określić jedynie prawdopodobieństwo wyniku. W rzeczywistości w biznesie niewiele jest decyzji dla których wszystkie istotne fakty znane są w momencie ich podejmowania. Dla tych decyzji decydent nie wie z całą pewnością, czy wybrana alternatywa da oczekiwane efekty, stąd pojawia się ryzyko.

16 Pojęcie systemu DSS Omawiane w wcześniej kategorie systemów informatycznych koncentrują się przede wszystkim na zaspokajaniu potrzeb informacyjnych decydentów, usprawniając prace związane z ewidencją i przetwarzaniem danych transakcyjnych przedsiębiorstwa. Kolejny krok na drodze informatycznego wspomagania procesu zarządzania związany jest ze wspomaganiem samego procesu podejmowania decyzji, z wykorzystaniem Systemów Wspomagania Decyzji (DSS – Decision Support Systems). Systemy Wspomagania Decyzji są zorganizowanym zbiorem ludzi, procedur, baz danych i urządzeń wykorzystywanych w celu wspomagania podejmowania decyzji na wszystkich etapach tego procesu, poczynając od rozpoznania czyli zdefiniowania problemu i zaklasyfikowania go do określonej grupy standardowej, następnie poprzez wybór odpowiednich danych stworzenie i analizę modelu informacyjnego opisującego rzeczywistość, dalej pomagając w generowaniu wariantów dopuszczalnych rozwiązań oraz w wyborze najlepszego rozwiązania.

17 Pojęcie systemu DSS DSS stosowane są w sytuacji gdy podjęcie decyzji jest zadaniem skomplikowanym, gdy mamy do czynienia z problemami słabo ustrukturalizowanymi. Systemy te skupiają więc uwagę na wspomaganiu, a nie automatyzacji decyzji. Tym samym ich celem jest podnoszenie skuteczności a nie sprawności zarządzania. W szczególności DSS pozwalają na realizację następujących zadań: wyszukiwanie danych jednostkowych, czyli wyodrębnionych ze zbiorów danych, swobodny dostęp do danych oraz ich analizę przyczynowo-skutkową, dostarczanie danych zbiorczych wcześniej zdefiniowanych, przygotowywanie projektów możliwych decyzji, przedstawienie konsekwencji (ocenę) proponowanych decyzji przy wykorzystaniu modeli obliczeniowych i symulacyjnych: "co - jeżeli?", określanie danych problemu niezbędnych do realizacji określonego celu: wykonywanie analiz sterowanych celami wybranie wariantu decyzji na podstawie zadanych kryteriów.

18 Cechy DSS Analizując zadania DSS, możemy powiedzieć, że są to systemy informatyczne, które wspomagają decydentów w słabo ustrukturalizowanym środowisku decyzyjnym przy wykorzystaniu analitycznych modeli decyzyjnych z dostępem do baz danych. Biorąc pod uwagę powyższe cele Systemów Wspomagania Decyzji, możemy sformułować kilka cech tej klasy systemów: Zakres zastosowań. DSS koncentrują się wspomaganiu rozwiązywania rzeczywiście powstających problemów decyzyjnych. Są wyspecjalizowane w kierunku i tylko w kierunku podejmowania ściśle określonych decyzji. DSS koncentruje się więc na konkretnym problemie, w przeciwieństwie np. do systemów MIS, dostarczających informacji wspomagających kompleksowo proces zarządzania daną dziedziną. W konsekwencji DSS wspiera przede wszystkim pojedynczych decydentów i niewielkie grupy, a dopiero w dalszej kolejności całą organizację.

19 Cechy DSS Konieczność wykonywania skomplikowanych, wyrafinowanych analiz i porównań, przy wykorzystaniu zaawansowanych pakietów oprogramowania. Zadania stawiane DSS wymagają zwykle zastosowania znacznie bardziej skomplikowanych algorytmów działania niż w przypadku tradycyjnie rozumianego przetwarzania danych. W związku z tym tworzone są one często w specjalistycznych środowiskach programistycznych dostarczających odpowiednich procedur obliczeniowych (takich jak np. SAS, Matlab, czy nawet w prostszych przypadkach MS Excel). DSS może również stanowić platformę integrującą dla samodzielnych zewnętrznych programów analitycznych.

20 Cechy DSS Możliwość przetwarzania dużych ilości danych. DSS nie jest systemem przetwarzania danych masowych w tradycyjnym tego słowa znaczeniu. Wiele z nich jednak wyposażonych jest w możliwości przeszukiwania obszernych baz danych, co pozwala na integrację tradycyjnego przetwarzania danych z metodami badań operacyjnych, ułatwiając kadrze menedżerskiej stosowanie ilościowych technik zarządzania. Należy ponadto zwrócić uwagę, że możliwości gromadzenia obszernych zbiorów danych oferowane przez współczesną technologię informatyczną nie do końca idą w parze z możliwościami ich interpretacji i wykorzystania. Fakt ten uznawany jest obecnie za jedno z najistotniejszych „wąskich gardeł” w procesie rozwoju cywilizacyjnego. DSS wyspecjalizowane w analizie dużych zbiorów danych, określane jako systemy „eksploracji danych” (data mining) stanowią jedną z najbujniej rozwijających się dziedzin informatyki.

21 Cechy DSS Pobieranie i przetwarzanie danych z różnych źródeł. Niektóre dane mogą rezydować w bazach danych na komputerach osobistych, kolejne mogą być ulokowane w innych systemach operacyjnych lub sieciowych. Dane mogą być przechowywane również w arkuszach kalkulacyjnych, lub innych specyficznych formatach, związanych z np. oprogramowaniem analitycznym. DSS powinien mieć możliwości, pozwalające na integrację danych z jak największej liczby źródeł.

22 Cechy DSS Tworzenie raportów i elastyczność prezentacyjna. Jedną z przyczyn powstania DSS był fakt, że systemy transakcyjne i systemy informatyczne zarządzania nie były dostatecznie elastyczne do zaspokojenia wszystkich potrzeb informacyjnych i problemów decydentów. Wyjściami z tego typu systemów są zwykle drukowane raporty o ustalonej strukturze i formacie. W przypadku Systemów Wspomagania Decyzji menedżerowie mogą otrzymać informację, jakiej potrzebują, w formacie dostosowanym do ich indywidualnych wymagań. DSS opierają się przede wszystkim na interakcyjnych raportach na ekranie komputera, pozwalających na nawiązanie dialogu z użytkownika z systemem i współprace z nim w trybie on-line. W zależności od preferencji osoby rozwiązującej problem wyjście może być prezentowane oczywiście również w formie drukowanej, ale zasadniczo DSS są zorientowane ekranowo.

23 Cechy DSS Orientacja tekstowa i graficzna. Sposób prezentacji informacji wyjściowych w DSS mogą zwykle jest bardzo elastyczny. Obejmuje on zarówno w format tekstowy, jak i graficzny (a coraz częściej również multimedialny). Współczesne DSS mogą tworzyć informacje tekstowe, tabelaryczne, wykresy liniowe, kołowe, linie trendu, itd. Stosowanie elastycznej techniki prezentacyjnej pozwala decydentom na lepsze zrozumienie sytuacji i łatwiejszą interpretację wyników działania systemu. Elastyczność i adaptacyjność. Systemy Wspomagania Decyzji dostosowują się do zmian, jakie zachodzą w otoczeniu decydenta, umożliwiając indywidualne podejście do problemu decyzyjnego. Użytkownik często ma możliwość ingerencji w strukturę wewnętrzną DSS i konfigurowania jej w zależności od swoich indywidualnych potrzeb i uwarunkowań sytuacji decyzyjnej.

24 Cechy DSS Oczywiście nie wszystkie Systemy Wspomagania Decyzji odpowiadają wszystkim wyżej wymienionym charakterystykom. Ponieważ tworzone są one na potrzeby konkretnych problemów decyzyjnych, stopień ich zaawansowania zależy w dużym stopniu od samego problemu jak i potrzeb decydenta. W wielu przypadkach Systemy Wspomagania Decyzji mają mniejszy zakres, posiadając jedynie wybrane z wymienionych właściwości. Przy budowie lub wyborze gotowego DSS zyski z jego właściwości powinny być w równowadze z kosztami systemu, jego złożonością i stopniem kontroli nad nim. Wyrafinowany DSS może być bardzo skomplikowany, podczas gdy inny, zaimplementowany np. w postaci modelu w arkuszu kalkulacyjnym może być bardzo prosty.

25 SAS

26 SAS dostęp do danych zarządzanie analiza i prezentacja SAS jest środowiskiem obejmującym język programowania, biblioteki, narzędzia do tworzenia interfejsów, pozwalające na: dostęp do danych z rozmaitych źródeł, zarządzanie danymi, analizę danych i prezentację wydobytej z nich jako wartościowej informacji w postaci raportów, dostarczanych dla dowolnych platform i w dowolnych niezbędnych formatach.

27 SAS przykłady użycia tworzenie nowych zmiennych
utworzenie interaktywnych wykresów połączenie danych Oracle’a i SASa

28 SAS – Przykłady użycia wczytanie surowych danych
obliczenia z użyciem danych obliczenie statystyk i wygenerowanie raportu HTML

29 SAS – Dostęp do danych zarządzanie dostęp do danych
analiza i prezentacja Relacyjne bazy danych DB2 under OS/390 DB2 under VM DB2 under UNIX or PC CA-OpenIngres Informix ODBC OLE DB ORACLE Oracle Rdb SYBASE MS SQL Server Teradata Nie-relacyjne bazy danych i inne źródła danych ADABAS CA-DATACOM/DB CA-IDMS IMS-DL/I PC File Formats SYSTEM 2000 software Systemy Enterprise Resource Planning (ERP) Baan PeopleSoft R/3 SAP BW

30 SAS – Zarządzanie danymi
dostęp do danych zarządzanie analiza i prezentacja formatowanie danych, tworzenie zmiennych (kolumn), wyliczanie wartości danych z wykorzystaniem operatorów, użycie funkcji do przeliczania wartości danych, generowanie podzbiorów, przetwarzanie warunkowe, łączenie danych z całej palety różnych źródeł, tworzenie, wyszukiwanie i aktualizacja baz danych.

31 SAS – Analiza i prezentacja informacji
dostęp do danych zarządzanie analiza i prezentacja SAS dostarcza potężnych narzędzi analitycznych, pozwalających między innymi na: tworzenie tabel z podsumowaniami, częstościami, itp., tworzenie dużej palety wykresów, wyliczanie szerokiego zestawu statystyk opisowych, włączając średnie, sumy, odchylenia standardowe, wariancje i inne, wyznaczanie korelacji i innych miar zależności, wnioskowanie statystyczne z ich użyciem, jak również z wykorzystaniem innych statystyk z próby.

32 SAS – Analiza i prezentacja informacji
dostęp do danych zarządzanie analiza i prezentacja Do raportowania i wyświetlania wyników analiz SAS dostarcza niemal nieograniczonej liczby wizualnie atrakcyjnych formatów wyjściowych: całej kolekcji języków znaczników, jak HTML, XML, wyjść formatowanych na drukarki, jak pliku PostScript-owe, PDF, PCL, itp., RTF, kolorowych wykresów, które mogą mieć charakter interaktywny, dzięki zastosowaniu kontrolek Active-X i apletów Javy.