Informační a analytická monitorovací technologie. Informační a analytické technologie, jejich úkoly Informační a analytické technologie umožňují

Jakoukoli analytickou práci zajišťuje komplex technologií zpracování informací založený na holistické metodologické základně. Informační technologie jsou nedílnou součástí moderních technologií obecně, především prediktivních, vzdělávacích, technických, počítačových a dalších ... V současné době, kdy se elektronické počítače a vysokorychlostní komunikační zařízení aktivně rozvíjejí a zavádějí, jejich význam značně roste. Všechny tyto technologie však závisí na „člověku s tužkou“ - mysliteli, analytikovi, schopném generovat nové produktivní nápady. Bez takového subjektu - generátoru a producenta nápadů, veškerá informační práce nic neznamená.

Úroveň rozvoje informačních technologií samozřejmě hraje rozhodující roli ve všech sférách lidské činnosti, zejména v oblasti řízení, politiky, technických zdrojů, humanitárních vědních oborů.

Pokud však podstatou informačních technologií je spíše to, že jsou navrženy tak, aby vhodně připravily datová pole pro jejich další studium lidským analytikem (tj. V jejich informační a referenční funkci), pak je podstata informačních a analytických technologií kreativní, intelektuální obsah analytických postupů, které analytik nebo osoba s rozhodovací pravomocí provádí po obdržení souboru údajů.

Informační a analytické technologie (IAT) lze definovat jako systém znalostí, metod, operací a pravidel, který na základě získávání energie, surovin, technických, intelektuálních, lidských, organizačních, informačních a dalších zdrojů zajišťuje nejvyšší účinnost konkrétního druhu činnosti. Nejdůležitější vlastností IAT je jejich interdisciplinární povaha, jsou na „křižovatce“ řady vědeckých oborů, někdy navzájem slabě souvisejících. Patří mezi ně filozofie, sociologie, logika, matematika, ekonomie, informatika, věda o řízení, psychologie a další vědní obory.

Informační a analytické technologie nejsou jen plány a projekty kreativní orientace ... Mohou také působit jako silné zbraně. Není náhoda, že s cílem zasadit nepříteli nejničivější úder, schopný přeměnit i jeho tvůrčí činnost na zničení jeho vlastní země, zkázu vlastního domova a rodiny, na boj proti fiktivním nepřátelům, orientovat ho k dosažení falešných cílů, bylo vytvořeno informační zbraň . Jedním z typů IAT je také technologie provádění informačních akcí destruktivní orientace. .

Připomeňme si však sovětsko-latinské rčení studentů medicíny „similis similis“ („vyrazí klín klínem“) ... V jistém smyslu se IAT neliší od drog v duchu středověké medicíny. Informační a analytické technologie jsou útočným nástrojem i nástrojem boje proti destruktivním informačním akcím. Můžeme říci, že „IAT je jed a protijed v jedné lahvičce.“

Pamatujete si „železnou logiku“ z filmu „Užijte si koupel“? - Takže ve filmu jsme viděli klasické schéma uvažování (analytická technika) zaměřené na překonání fragmentace znalostí a to, jak hrdinové uspěli, je další otázka. Zvažte, jak vypadají lidé příštího rána po výbuchu „informační bomby“, stejně jako alkoholici, po vystřízlivění, shromáždí dílčí vzpomínky. Právě tento postup obnovy světonázorového systému na obiloviny velmi dobře známe (od roku 1917 museli naši krajané v průměru jednou za 20 let radikálně změnit své názory, problém však je, že k tomu vždy dochází s velkými ztrátami ). Ano, a toto „ráno“ přichází zpravidla o roky později - jako tomu bylo v roce 1995. Poté, v důsledku transformací zahájených v roce 1988, skončili občané místo auta z Volhy kousky papíru, jejichž použití nebylo vůbec zřejmé, ale slovo „voucher“ jim už uvízlo v zubech a vypadal přátelsky a povědomě.

Takže to zopakujme na rozdíl od informačních zbraní zaměřených na destabilizaci a zničení podpůrných prvků integrálního systému světonázoru existují prostředky, které stabilizují a organizují procesy myšlení a stanovení cílů ... Přesně takhle analytické technologie jsou prostředkem boje proti informačním zbraním ... Aby však informační a analytické technologie skutečně fungovaly jako systém boje proti informačním zbraním, je nutné, aby analytik neustále implementoval kontrolu nad stavem svého světa modelování ... Tento modelový svět, „umístěný“ v hlavě analytika, slouží jako základ pro implementaci všech procesů stanovování cílů. Později se zamyslíme nad problémy týkajícími se způsobů modifikace modelu analytikova světa, určíme, jaký je analytický způsob vnímání informací a jaké způsoby vnímání informací obecně existují. Prozatím se omezíme na poznámku, že analytik by neměl připustit spontánní (nevědomou) modifikaci modelu světa a měl by se také starat o relevantnost obsahu tohoto modelu.

Je třeba také poznamenat, že čtení periodik, speciální literatury o nejrůznějších odvětvích lidské činnosti, literatura beletrie (a dokonce ne příliš beletrie) by měla být stejným zvykem analytika jako čištění zubů a další každodenní „rituály“. Například, i čtení fantasy zápisníku může být užitečné , protože vám umožňuje objevovat klišé stylu v ideologické literatuře určené mladým lidem nebo aktivně používat "rodný jazyk" Děti ve věku 14–17 let za organizaci programovaných psychologických a ideologických dopadů.

Jak vidíte, je to velmi důležité faktor osobnosti analytika , jeho sociální a osobní zkušenost. Stejně jako v žádné jiné oblasti hraje subjektivní faktor v analytice mimořádnou roli. Znalosti, zkušenosti a intuice analytika, jeho profesionalita a občanská odpovědnost slouží jako základ pro analytická hodnocení a závěry.

V současné době se v literatuře používá pojem „inteligentní technologie“. Ve skutečnosti je tento pojem ve svém obsahu ekvivalentní výrazu „informační a analytické technologie“.

Informační a analytické technologie umožňují:

1. Snižte zátěž pro rozhodovatele provedením primárního filtrování datového proudu.

2. Osvobodit analytika od rutinní práce systemizace a abstrahování dat.

3. Zvýšit konzistenci vnímání údajů o situaci zavedením postupů pro integraci informací.

4. Zajistěte transformaci údajů o situaci do formy, která je pro analytika vhodnější pro vnímání.

5. Automatizujte hledání argumentů, abyste potvrdili nebo vyvrátili hypotézy předložené analytikem.

6. Zajistěte automatickou indikaci logicky protichůdných údajů (pokud existují vhodné postupy pro jejich formalizaci).

7. Zajistěte automatickou indikaci očekávaných událostí nastavením úkolů pro automatizované systémy.

8. Zvyšovat efektivitu informační a analytické práce prostřednictvím algoritmizace a standardizace analytických postupů.

9. Zajistit vyšší psychologickou odolnost odborníka-analytika vůči stresujícím vlivům pomocí speciálních technik.

Jak je patrné ze seznamu funkcí IAT, nejde pouze o software a hardware pro zpracování dat a signálů, ale spíše o specifické techniky vhodné jak pro jejich implementaci pomocí automatizačních nástrojů, tak pro použití mimo komplex automatizačních nástrojů. Nejprve se IAT používají v zájmu snížení napětí a zvýšení efektivity intelektuální práce, čehož se často dosahuje pomocí algoritmizace činnosti analytika (samozřejmě mírné).

Tj v rámci IAT lze rozlišit dvě složky : automatizace činností (instrumentální směr) a algoritmická aktivita analytika (metodické a organizační řízení).

Díky tomu může IAT efektivně řešit řadu praktických problémů v různých oblastech činnosti: ve vědě, technice, ekonomii, sociální sféře, politice, humanitárních oblastech a dalších. Na jejich základě se provádí: analýza sociálně-politické situace, zdůvodnění volby politických nebo ekonomických rozhodnutí na různých úrovních moci, prognóza výsledků voleb a také řešení mnoha dalších problémů, které jsou v rovině sociálních procesů.

V tomto smyslu jsou IAT zaměřeny na zajištění činnosti různých osob s rozhodovací pravomocí tváří v tvář nedostatku času, neúplných informací o studovaných procesech, nejednoznačnosti, nekonzistence nebo nespolehlivosti informací.

Informační a analytická monitorovací jednotka vykonává svou hlavní funkci, protože analýza a hodnocení stavu objektu a dynamiky jeho výkonnostních ukazatelů je důležité, aby příslušné orgány mohly činit informovaná rozhodnutí vedení. Efektivní informační a analytickou podporu pro řešení nezbytných úkolů mohou poskytnout systémy pro automatizaci analytických činností specialistů řídících orgánů, organizaci procesů sběru, ukládání a zpracování informací. Koncept těchto systémů pro širokou třídu spravovaných objektů by měl být založen na moderní technologii integrovaných datových skladů a hloubkovém analytickém zpracování nahromaděných informací na základě moderních informačních technologií.

Jak již bylo uvedeno, tradičními a obecně přijímanými zdroji primárních informací jsou statistické výkaznictví, účetní a manažerské účetnictví, finanční výkaznictví, dotazníky, rozhovory, průzkumy veřejného mínění atd.

Fáze analytického a statistického zpracování strukturovaných primárních informací je také několik tradičních obecně přijímaných přístupů. Vznik těchto přístupů a jejich systémová integrace byla způsobena objektivní potřebou automatizovat účetní a statistickou práci s cílem co nejpřesnější, kvalitnější a včasnější reflexe procesů vyskytujících se v analyzované oblasti předmětu, jakož i identifikace jejich charakteristické tendence.

Automatizace statistické práce se odrazila ve vytváření a provozu automatizovaných statistických informačních systémů: v 70. letech - v automatizovaném systému státní statistiky (ASDS) a od roku 1988 - v návrhu jednotného statistického informačního systému (ESIS). Hlavním úkolem tohoto vývoje byl sběr a zpracování účetních a statistických informací nezbytných pro plánování a řízení národního hospodářství na základě rozšířeného využívání ekonomických statistických metod, výpočetní a organizační technologie, komunikačních systémů ve státních statistických úřadech.

Z hlediska strukturálního a územního byl ASDS přísně hierarchický a měl čtyři úrovně: unijní, republikánskou, regionální, okresní (město). Na každé úrovni bylo prováděno zpracování informací za účelem realizace úkolů, především této úrovně.

Z funkčního hlediska rozlišuje ASDS funkční a bezpečnostní subsystémy. Tyto subsystémy, bez ohledu na obsah konkrétních statistických úkolů, implementovaly funkce sběru a zpracování statistických informací, komplexní statistické analýzy, sledování implementace indikátorů, získávání statistických údajů nezbytných pro současné a operativní plánování a včasné předkládání řídícím orgánům všechny potřebné statistické údaje. Z pohledu uživatele jsou úkoly monitorování rozděleny podle účelu na:

rutinní úkoly související se zpracováním statistických údajů na příslušných strukturálních a územních úrovních ASDS;

informační a referenční servisní úkoly; úkoly hloubkové ekonomické analýzy.

Rutinní úkoly související se zpracováním statistických údajů na úrovni ASDS. Každý rutinní úkol je zpravidla spojen se zpracováním údajů určité konkrétní formy statistického výkaznictví nebo několika úzce souvisejících formulářů hlášení. Řešení těchto problémů se provádí pomocí komplexů elektronického zpracování informací, které jsou kombinací softwarových, technických a organizačních nástrojů využívajících místní informační pole.

Úkoly informačních a referenčních služeb zajišťují tvorbu nezbytných statistických údajů na vyžádání pro rychlou přípravu zpráv, analytických poznámek a dotazů, nejsou obsahově upraveny. jejich řešení jsou poskytována pomocí automatizované databanky ve formě systému pro shromažďování, ukládání, vyhledávání, zpracovávání a vydávání informací na žádost uživatelů v požadované formě.

Úkoly hloubkové ekonomické analýzy jsou založeny na použití:

časové řady (konstrukce polygonů, histogramy frekvencí a kumulativních čar, výběr trendů z vybrané třídy funkcí);

vyhlazení počáteční časové řady, diagnostika na základě zvoleného trendu a autoregresního modelu, analýza zbytků pro autokorelaci a normálnost)

párová regrese (stanovení lineárních a nelineárních regresních rovnic, hodnocení jejich statistických charakteristik, výběr optimální formy komunikace);

vícenásobná regrese (stanovení matice párových korelačních koeficientů, stanovení více rovnic lineární regrese),

faktorová analýza (získání lineárního modelu, popsaného malým počtem faktorů, výpočet hodnot „zatížení na společné faktory“ a nejobecnějších faktorů, grafická interpretace faktorů v rovině a v prostoru);

korelační analýza (získání korelačních matic, střední a standardní odchylky).

Organizační a technologickou formou řešení této třídy problémů jsou analytické komplexy, což je soubor aplikovaných softwarových balíčků zaměřených na implementaci matematických a statistických metod. K pokrytí širokých časových rozsahů analyzovaných dat se používá registrační forma monitorování založená na automatizovaných registrech, což umožňuje ukládat a zpracovávat významné sbírky dat organizovaných

ve formě polí, nezávisle na struktuře statistických zpráv pro každý objekt nebo určitou skupinu monitorovaných objektů. Registrová forma monitorování je zvláště účinná u statistických informací charakterizujících relativně stabilní objekty, proto lze registry považovat za automatizovaný kartový index skupin homogenních jednotek statistického pozorování určitého typu. Jeho aplikace umožňuje uživateli získat různá data charakterizující stav objektu vyplněním jednotného formuláře žádosti.

Důležitým směrem při zlepšování statistického monitorování bylo zajistit zvýšení obsahu, spolehlivosti a efektivity údajů z hlášení na základě kombinace aktuálního hlášení, jednorázového účetnictví, výběrového a monografického průzkumu, jakož i optimalizace informačních toků. Zvláštní důraz je kladen na zdokonalování ekonomických a matematických metod analýzy a předpovídání vývoje systémů. Kromě toho používání nových informačních technologií sloužilo jako významný pokrok ve vývoji metod monitorování, konkrétně:

vývoj integrované technologie pro zpracování informací pomocí databází a počítačových sítí;

tvorba nástrojů pro počítačové modelování pro systémy zpracování dat;

vývoj intelektualizovaných typů rozhraní koncového uživatele s počítačem založeným na automatizovaných pracovních stanicích, zahrnující použití expertních systémů.

Nové informační technologie významně rozšířily možnost přímého automatizovaného přístupu k potřebným statistickým informacím, diverzifikovaly složení a obsah analytických prací. Nyní je možné integrovat jeden monitorovací systém statistických informací s dalšími informačními systémy všech úrovní správy telekomunikačních kanálů.

Všechny uvažované metody analytického a statistického zpracování dat však mají významnou nevýhodu. Celá sada dat je v nich zpracovávána jako různorodý soubor, díky čemuž neexistuje systémová jednota. Mezi jedním nebo jiným informačním tokem lze navázat pouze umělé spojení jejich kombinací do určité formy hlášení. Nelze si však představit všechny formy všech možných jevů a souvislostí. Tradiční metody zpracování analytických a statistických údajů neberou v úvahu skutečnost, že existuje přirozený vztah mezi jakýmkoli druhem jevů a událostmi, založený na univerzálních ukazatelích obsažených ve všech z nich. V přítomnosti tak přirozeného systému

spojení, je možné porovnat s uvažovaným jevem všechny faktory, události, data s ním spojená v explicitní nebo implicitní formě. Monitorování založené na tomto přístupu je charakterizováno úplností pokrytí kauzálních vztahů mezi faktory vzájemného ovlivňování skrytých trendů. To vše je považováno za nerozpustnou systémovou jednotu.

Tuto nevýhodu lze odstranit díky nedávno velmi rozšířenému přístupu k problému analytického a statistického zpracování dat založeného na nejnovější technologii OLAP - Online Analitical Processing (analýza provozních dat).

Termín OLAP označuje techniky, které uživatelům databáze umožňují generovat popisné a srovnávací údaje v reálném čase a získat odpovědi na různé analytické dotazy. Definující principy konceptu OLAP zahrnují:

vícerozměrná konceptuální reprezentace - databáze OLAP musí podporovat multidimenzionální reprezentaci dat, poskytuje klasické operace rozdělení a otáčení konceptuální datové krychle;

transparentnost - uživatelé nemusí vědět, že používají databázi OLAP. Mohou používat nástroje, které znají, k získání dat a správnému rozhodování. také nepotřebují vědět nic o zdroji dat;

dostupnost - software si musí vybrat a komunikovat s nejlepším zdrojem dat, aby vytvořil odpověď na daný požadavek. Měli by poskytovat automatické mapování své vlastní logiky na různé heterogenní zdroje dat;

výkon dohodnutý - výkon by měl být prakticky nezávislý na počtu rozměrů v požadavku. Systémové modely musí být dostatečně výkonné, aby zvládly všechny změny daného modelu;

podpora architektury klient-server - nástroje OLAP musí být schopné pracovat v prostředí klient-server, protože se předpokládá, že vícerozměrný databázový server musí být přístupný z jiných programů a nástrojů;

rovnost všech dimenzí - každá dimenze dat musí být ekvivalentní jak ve struktuře, tak v operačních schopnostech. Základní datová struktura, vzorce a formáty zpráv by se neměly zaměřovat na žádnou jednu datovou dimenzi;

dynamické zpracování řídkých matic - typické vícerozměrné modely mohou snadno přistupovat k velké sadě

odkazy na buňky, z nichž mnohé v daném okamžiku nemají žádná data. Tyto chybějící hodnoty musí být uloženy efektivně a nesmí negativně ovlivnit přesnost nebo rychlost načítání informací;

podpora mnoha skvělých nástrojů OLAP by měla podporovat a povzbuzovat týmovou práci a výměnu nápadů a analýzu mezi uživateli. Z tohoto důvodu je velmi důležité mít k datům přístup více uživatelů;

podpora operací mezi různými dimenzemi. Všechny vícerozměrné operace (např. Agregace) musí být definovány a přístupné tak, aby byly prováděny jednotným a konzistentním způsobem bez ohledu na počet dimenzí;

intuitivní správa dat - data poskytovaná analytikovi uživatele by měla obsahovat všechny informace nezbytné pro efektivní navigaci (vytváření řezů, změna úrovně podrobností v prezentaci informací) a plnění příslušných dotazů;

flexibilní reporting - uživatel má schopnost extrahovat veškerá data, která potřebuje, a generovat je v jakékoli formě, kterou potřebuje;

neomezené dimenze a úrovně agregace - počet podporovaných dimenzí by neměl být nijak omezen.

Použití systémů založených na technologii OLAP umožňuje:

organizovat jednotné úložiště informací na základě statistických a jiných údajů z hlášení;

poskytnout jednoduchý a efektivní přístup k ukládání informací s rozlišením přístupových práv

poskytnout možnost operativního analytického zpracování uložených dat, statistické analýzy;

zefektivnit, standardizovat a automatizovat vytváření forem analytických zpráv se zobrazením dat v dané formě.

Hlavním rozlišovacím znakem a důležitou výhodou prezentace multidimenzionálních dat ve srovnání s tradičními informačními metodami je schopnost společně analyzovat velké skupiny parametrů ve vzájemném spojení, což je důležité při studiu složitých jevů.

Technologie OLAP významně zkracuje čas pro sběr a analýzu primárních informací nezbytných pro rozhodování v konkrétní oblasti lidské činnosti a také zvyšuje viditelnost a informační obsah zpráv o procesech a jevech vyskytujících se v těchto oblastech.

Systémy OLAP vám umožňují akumulovat velké množství dat shromážděných z různých zdrojů. Tato informace je obvykle

Před vytvořením takového systému je třeba zvážit a vyjasnit tři hlavní otázky:

shromažďovat data a jak modelovat data na koncepční úrovni a spravovat jejich úložiště; jak analyzovat data;

jak efektivně načítat data z více nezávislých zdrojů.

Tyto problémy lze korelovat se třemi hlavními komponentami systému podpory rozhodování: server datového skladu, nástroje pro on-line zpracování analytických dat a nástroje pro obohacení datového skladu.

Vzhledem k tomu, že organizace informačních skladů je předmětem jiných oborů, budeme uvažovat pouze o otázce analytického zpracování dat. V současné době existuje řada nástrojů OLAP, které můžete použít k analýze informací. Jedná se o softwarové produkty, jako jsou MicroStrategi 7 a WebIntelligence, Cognos Powerplay, AlphaBlox a podobně. Podívejme se na tyto produkty na základě následujících kritérií:

snadné použití - softwarový produkt by měl být dostatečně jednoduchý pro uživatele bez zvláštního školení;

interaktivita - softwarový nástroj má interaktivní funkce, včetně: prohlížení dokumentů, dynamické aktualizace existujících dokumentů, poskytování přístupu k nejnovějším informacím, dynamického provádění dotazů na zdroje dat, dynamického neomezeného „ponoru do dat“;

funkčnost - aplikace musí poskytovat stejné funkce jako tradiční protějšky klient / server;

dostupnost - informace by měly být dostupné pro jakékoli zařízení a pracoviště a klientská část by měla být malá, aby vyhovovala různým úrovním šířky pásma uživatelské sítě a splňovala standardizovanou technologii;

architektura - toto kritérium charakterizuje aspekty softwarové implementace produktu;

nezávislost na zdrojích dat - aplikace musí poskytovat přístup k dokumentům jakéhokoli typu a poskytovat interaktivní přístup k relačním a vícerozměrným databázím,

výkon a škálovatelnost - k zajištění výkonu a škálovatelnosti aplikace je nutné implementovat možnosti univerzálního přístupu k databázím, schopnost mezipaměti datového serveru a podobně;

bezpečnost - aspekty správy aplikací pro udělování různých přístupových práv různým kategoriím uživatelů;

náklady na implementaci a správu - náklady na implementaci produktu OLAP na uživatele by měly být výrazně nižší než u tradičních produktů.

MicroStrategi 7 a : - sada softwarových produktů se širokou škálou funkcí postavená na jednotné architektuře serveru. Uživatelské prostředí je implementováno v Misgo-Strategi Web Professional.

Uživatelé mají k dispozici řadu statistických, finančních a matematických funkcí pro komplexní OLAP a relační analýzu. Všichni uživatelé mají přístup k souhrnným i podrobným informacím (na úrovni transakce). Můžete provádět nové výpočty, filtrovat data sestavy, otáčet a přidávat mezisoučty a rychle měnit obsah sestavy.

Hlavní funkce je dosaženo pomocí následujících prostředků:

MicroStrategi 7 a OLAP Services - rozhraní k produktům třetích stran;

technologie Intelligent Cube - zjednodušuje analýzu a nasazení tím, že poskytuje souhrnné informace pro rychlé a interaktivní prohlížení.

MicroStrategi Narrowcaster - dává uživatelům možnost odesílat metriky nebo platit prostřednictvím webového rozhraní. Uživatelé mohou zasílat své zprávy e-mailem, plánovat dodávky zpráv, publikovat je do pracovních skupin a exportovat do formátu Excel, PDF nebo HTML.

Tento produkt poskytuje podporu a integraci napříč platformami, přenositelnost do Unixu, podporu aplikačních serverů třetích stran.

Produkt je založen na architektuře XML. Uživatelé mohou do svých aplikací integrovat XML vygenerovaný v MicroStrategi Web nebo jej podle potřeby naformátovat.

Tenký klient implementovaný ve formátu HTML eliminuje problémy s kompatibilitou s prohlížeči, nasazuje se přes všechny brány firewall. Typ a funkce programu lze přizpůsobit konkrétním potřebám. Web MicroStrategi můžete vložit do jiných aplikací spuštěných na webu.

Počítače, na nichž běží MicroStrategi Web, lze seskupovat, což poskytuje škálovatelnost a spolehlivost. Dodatečné vybavení je poskytováno. -li

úloha se nezdaří, je přenesena do jiného počítače ze stejného clusteru.

Data jsou zabezpečena na úrovni buňky pomocí bezpečnostních filtrů a ACL. Zabezpečení webového provozu zajišťuje technologie šifrování dat na úrovni přenosu - SSL (Secire SocxeT Level).

WebIntelligence -Webový produkt pro vytváření dotazů, sestav a analýzu dat. Poskytuje uživatelům sítě (intranet i extranet) zabezpečený přístup k datům pro další výzkum a správu. Zpřístupňuje analytické funkce různým kategoriím uživatelů. K dispozici je široká škála nástrojů business intelligence, včetně vytváření komplexních zpráv, provádění výpočtů, filtrování, vrtání a agregace.

Weblntelligence poskytuje následující funkce:

formátování a tisk zpráv v režimu vizuálního designu;

zprávy o blokování chyb. Ve složitých sestavách je někdy nutné umístit několik tabulek nebo grafů najednou, aby bylo možné sdělit komplexní informace. Za tímto účelem poskytuje WebIntelligence možnost přidat do jedné sestavy několik bloků a diagramů;

schopnost interaktivně procházet data.

Produkt poskytuje řadu funkcí:

přístup k datům uloženým jak v tradičních relačních databázích, tak na serveru OLAP;

funkce analýzy dat;

schopnost sdílet informace. WebIntelligence je tenký klient, který nevyžaduje instalaci a údržbu aplikačního softwaru nebo databázového middlewaru na klientské stránce. Při instalaci klientské části je k dispozici výběr technologie. K dispozici je nasazení na platformách Microsoft Windows a Unix.

S WebIntelligence můžete zkoumat a analyzovat různé zdroje dat OLAP a sdílet OLAP a relační data.

Produkt je nakonfigurován tak, aby co nejlépe odpovídal podnikové struktuře jakéhokoli zařízení.

WebIntelligence může běžet na jednom serveru nebo na více počítačích NT nebo Unix. Podle potřeby lze do systému přidat servery; pokud některá ze složek selže, automaticky se použije druhá. Vážené vyvažování zátěže mezi více servery optimalizuje systémové prostředky a zaručuje rychlé doby odezvy.

Weblntelligence používá různé technologie zabezpečení informací. V případě potřeby jsou komponenty identifikovány pomocí digitální certifikační technologie. Hypertext Transfer Protocol se používá pro práci s různými systémy brány firewall.

Aplikace má standardní webové rozhraní. Jsou podporovány hlavní funkce (načítání dat se specifikovanými rozměry a hodnotami, „prohlubování“ do dat, vnořené křížové tabulky, výpočty, povolení / zakázání zobrazení řádků, sloupců a grafů; filtry, třídění) pro prohlížení, průzkum, vykazování a publikování OLAP data v interaktivním režimu.

Cognos Powerplay poskytuje následující funkce: Aplikace HTML / JavaScript, která poskytuje univerzální přístup pro uživatele pomocí Netscape Navigator 3.0 nebo novější nebo Microsoft Internet Explover;

přístup k datům OLAP kteréhokoli uživatele objektu; Vytváření a publikování zpráv BPM (Business Performance Management) ve formě dokumentů PDF pro portál Cognos Upfront, aby uživatelé měli přístup k nejdůležitějším podnikovým datům na webu;

převod dat z formátu PDF do dynamických zpráv, jejich další průzkum a přenos výsledků do předem;

server podporuje práci s platformami: Windows NT, Windows 2000 a vyšší, SUN Solaris, HP / UX, IBM AIX.

Díky podpoře protokolu SSL zaručuje PoverPlay zabezpečení dat odesílaných přes web. Kromě toho zadáním tříd uživatelů mohou správci systému řídit jejich přístup jak k místním kostkám, tak ve skořápce webového portálu. Tyto třídy jsou uloženy ve speciální softwarové komponentě Light Directory Access Protocol (LDAP), která je zodpovědná za centralizovanou správu zabezpečení celého systému i za integraci se současným zabezpečením.

Použití HTML k implementaci umístění na straně klienta umožňuje serveru PoverPlay pracovat v zabezpečeném prostředí. To umožňuje bezpečné nasazení aplikací pro zákazníky, partnery a dodavatele.

Alphablox - middleware, který poskytuje nástroje a stavební bloky pro práci na webu. Tím se eliminují složitosti spojené se zabezpečením síťových připojení k databázím, autorizací a formátováním dat.AlphaBlox analytická platforma je implementována na základě standardizované architektury kompatibilní s I2EE.

Produkty AlphaBlox jsou určeny pro analytické výpočty uvnitř i vně zařízení.

Zvláště zajímavé jsou komponenty Java (Vioh). Z těchto komponent můžete vytvořit analytickou webovou aplikaci. Jedním z zdlouhavých úkolů při vytváření webového produktu OLAP je převrácení a formátování dat v prohlížeči. Data je často nutné zobrazovat jako tabulku nebo grafy. Když vytváříte program pomocí AlphaBloxu, můžete do něj vložit libovolný počet takových komponent Java a přizpůsobit je tak, aby řešily nezbytné úkoly nastavením určitých parametrů appletů, čímž budete řídit vzhled a funkce komponent. Tento softwarový produkt poskytuje následující funkce: přístup k informacím - data se načítají z různých relačních a vícerozměrných databází;

dotazy a analýza - komponenty provádějí jednoduché a složité dotazy na různé zdroje dat, aniž by bylo nutné programovat CQL;

prezentace - schopnost prezentovat data v různých formátech (ve formě zpráv, tabulek, diagramů).

Komponenty Java jsou modulární a opakovaně použitelné. mohou být použity k implementaci analytických schopností pro různé obchodní funkce. Jelikož jsou řízeny sadou parametrů, lze jejich vlastnosti změnit pomocí textového editoru. To poskytuje flexibilitu při vývoji a aktualizaci vašeho analytického řešení. Komponenty lze přizpůsobit konkrétním obchodním požadavkům a lze je znovu použít přidáním dalších aplikací do jiných průmyslových odvětví. Vývojáři aplikací mohou psát další kód v JSP, JavaServlets nebo JavaScript.

Řešení AlphaBlox využívají služby poskytované aplikačním serverem a prostředím Java Runtime Environment (JRE), jakákoli rozšíření Java nebo vlastní rozšíření vyvinutá pro danou platformu.

Aplikační rámec AlphaBlox je založen na standardech a lze jej integrovat do stávajících operačních systémů, transakčních infrastruktur a starších systémů. Poskytuje uživateli přístup k datům z různých zdrojů a jejich následnou analýzu.

AlphaBlox využívá standardní zdroje a funkce průmyslového aplikačního serveru, včetně zpracování / ukládání do mezipaměti a správy paměti / procesů a integrace webového serveru. Architektura kompatibilní s 12EE navíc eliminuje zbytečné aktualizace stránek a umožňuje běh základní logiky na serveru.

AlphaBlox používá stejný model zabezpečení a aplikační server implementovaný pomocí standardních funkcí platformy J2EE. To eliminuje potřebu modelu nezávislého obranného mechanismu.

Snadné nasazení je jednou z hlavních výhod webové aplikace. To plně platí pro aplikace AlphaBlox. Vyžadují však konkrétní verze prohlížečů a platformu Java, zatímco tenký klient HTML funguje ve většině prohlížečů.

Online analýza dat založená na technologii OLAP umožňuje analytikům, manažerům a vedoucím pracovníkům porozumět datům pomocí pevného, \u200b\u200bsdíleného a interaktivního přístupu k široké škále možných datových formátů, které byly získány z nezpracovaných dat, aby odrážely skutečnou pozici objektu v forma srozumitelná uživatelům. Funkčnost OLAP je charakterizována dynamickou vícerozměrnou analýzou agregovaných objektových dat potřebných k podpoře koncového uživatele s analytickými aktivitami, včetně počtu a modelování, aplikovaných na data analýzou trendu po sobě jdoucích časových intervalech, krájením a hlubokými úrovněmi generalizace a podobně .

Nástroje OLAP se zaměřují na poskytování vícerozměrné analýzy informací. K dosažení tohoto cíle se používá vícerozměrné úložiště dat a prezentační modely. Data jsou uspořádána do kostek (nebo hyperkrychlí) definovaných ve vícerozměrném prostoru složeném z jednotlivých dimenzí. Každá dimenze zahrnuje mnoho úrovní podrobností. Typické operace OLAP zahrnují změnu úrovně detailů informačního pohledu (pohyb nahoru a dolů v hierarchii dimenzí), výběr konkrétních částí krychle a přeorientování multidimenzionálního zobrazení dat na obrazovce (získání kontingenční tabulky).

Referenční hodnota ARV-1 byla vyvinuta pro databáze OLAP. Tento test simuluje skutečnou situaci pro serverový software OLAP. Standard definuje sadu dimenzí, které definují logický rámec. Logická struktura databáze se skládá ze šesti měr: času, scénáře, míry, produktu, zákazníka a kanálu. Referenční hodnota neposkytuje konkrétní fyzický model: vstupní data jsou poskytována ve formátu souboru ASCII. Testovací operace úzce modelují standardní operace OLAP na velkém množství dat, která jsou postupně načítána z interních nebo externích zdrojů. Mezi tyto operace patří agregace informací, hloubková analýza dat podle hierarchie, výpočty nových dat na základě obchodních modelů a podobně.

Jsou brány v úvahu možnosti technologie OLAP, která je základem pro organizaci a vícerozměrnou analýzu monitorovacích informací. Uvažujme o fázích tohoto procesu.

Před načtením informací do multidimenzionální monitorovací databáze (DBB) je třeba je extrahovat z různých zdrojů, vyčistit, transformovat a konsolidovat (obr. 1.3). V budoucnu by informace o qi měly být pravidelně aktualizovány.

Postava: 1.3.

Extrakce dat je proces extrakce dat z provozních databází a jiných zdrojů. Analýza dostupných zdrojů informací ukazuje, že většina z nich je prezentována ve formě tabulkových dat, která jsou přijímána v elektronické nebo tištěné podobě. Moderní nástroje pro skenování a rozpoznávání obrázků umožňují téměř úplně automatizovat tuto fázi přípravy dat.

Před zadáním informací do databáze je nutné ji vyčistit. Vyčištění obvykle zahrnuje vyplnění chybějících hodnot, opravu překlepů a dalších chyb při zadávání dat, definování standardních zkratek a formátů, nahrazení synonym pomocí standardních identifikátorů a podobně. Data, u nichž se zjistí, že jsou nepravdivá a nelze je opravit, jsou zahozena.

Po vymazání dat je nutné převést všechny přijaté informace do formátu, který bude splňovat požadavky použitého softwarového produktu (server OLAP). Proces převodu se stává obzvláště důležitým, když potřebujete kombinovat data z několika různých zdrojů. Tento proces se nazývá konsolidace.

Fází načítání informací do databáze je vytvoření požadované datové struktury a vyplnění jejích informací získaných v předchozích fázích přípravy dat.

Načítání dat z databáze umožňuje Microsoft SQL Server Analysis Services, která je poskytovatelem multidimenzionálních dat i poskytovatelem tabulkových dat. Spuštění dotazu tedy vrací buď multidimenzionální datovou sadu, nebo běžnou tabulku v závislosti na použitém dotazovacím jazyce. Analysis Services podporuje rozšíření SQL i MDX (vícerozměrné výrazy).

Dotazy SQL lze předat Analysis Services pomocí následujících nástrojů pro přístup k datům:

Microsoft OLE DB a OLE DB pro OLAP

Microsoft ActiveX Data Objects (ADO) a ActiveX Data Objects Multidimensional (ADO MD).

OLE DB pro OLAP rozšiřuje možnosti OLE DB o objekty specifické pro vícerozměrná data. ADO MD rozšiřuje ADO podobným způsobem.

Microsoft SQL Server Analysis Services umožňuje provádět výplně s příponami MDX, které poskytují bohatou a výkonnou syntaxi dotazů pro práci s vícerozměrnými daty uloženými serverem OLAP v kostkách. Analysis Services podporuje funkce MDX pro definování vypočítaných polí, vytváření místních datových kostek a dotazování pomocí komponenty Pilot Table Services.

Je možné vytvořit vlastní funkce, které pracují s vícerozměrnými daty. Interakce s nimi (předávání argumentů a vrácení výsledku) probíhá pomocí syntaxe MDX.

Analysis Services poskytuje více než 100 integrovaných funkcí MDX pro definování složitých vypočítaných polí. Tyto funkce spadají do následujících kategorií: práce s poli; práce s měřeními; práce s hierarchiemi; pracovat s úrovněmi hierarchií; logické funkce; práce s předměty; číselné funkce; práce se sadami; práce s řetězci; práce s n-ticemi.

Je možné vytvořit lokální kostky určené k prohlížení na počítačích, kde je nainstalován server OLAP. Vytvoření místních krychlí vyžaduje použití syntaxe MDX a prochází komponentou Pilot Table Services, což je klient OLE DB serveru OLAP. Tato součást také umožňuje, aby místní kostky fungovaly offline, když není k serveru OLAP žádné připojení, a to poskytnutím rozhraní zdroje dat OLE DB. Chcete-li vytvořit místní kostky, použijte příkazy CREATE CUBE a INSERT INTO.

Jazyk dotazů MDX, který je rozšířením jazyka SQL, umožňuje dotazovat se na krychle na datech a vracet výsledky jako multidimenzionální datové sady.

Stejně jako v běžném SQL musí tvůrce dotazu MDX nejprve definovat strukturu vrácené datové sady. Ve většině případů si tvůrce dotazu MDX myslí o vrácené datové sadě jako o vícerozměrných strukturách. Na rozdíl od běžného dotazu SQL, který pracuje na tabulkách za účelem získání dvourozměrné sady záznamů, se dotaz MDX zabývá krychlemi k vytvoření mnohorozměrné sady výsledků. Je třeba poznamenat, že dotaz MDX může také vrátit dvourozměrné datové sady, které jsou zvláštním případem multidimenzionální datové sady.

Vizualizace vícerozměrných datových sad může být těžkopádná. Jednou vizualizační technikou je omezení posuvu do ploché, dvourozměrné tabulky pomocí mnoha vnořených kót podél jedné osy. Výsledkem tohoto vnoření budou podnadpisy.

Pilot Table Services, součást služby Microsoft SQL Server Analysis Services, je server OLAP pro přístup k datům OLAP. Tato komponenta funguje jako klient služby Analysis Services.

Mezi funkce služby Pilot Table Services patří analýza dat, krychle a optimální správa paměti. Komponenta poskytuje rozhraní k vícerozměrným datům. Je možné ukládat data do místní krychle v počítači klienta a poté je analyzovat bez připojení k serveru OLAP. Služby Pilot Table Services jsou vyžadovány k provádění následujících úkolů:

navázání připojení k serveru OLAP jako klientské součásti;

poskytování programů s rozhraním OLE DB s rozšířeními OLAP;

funguje jako tabulkový zdroj dat a podporuje podmnožinu SQL;

funguje jako multidimenzionální zdroj dat, podporuje rozšíření MDX;

vytvoření lokální datové krychle;

fungující jako mobilní desktopový OLAP klient.

Komponenta kontingenční tabulky může fungovat pouze na jednom místním oddílu krychle. Také nemá integrovaný systém správy úrovně pro poskytování informací. Výkon služby Pilot Table Services je proto přímo úměrný množství dat, kterým je adresován.

Je třeba poznamenat, že rozhraní OLAP je jednoduché a nevyžaduje více znalostí než tabulka. OLAP vám umožňuje používat různé formy zpráv, interaktivní rozhraní pro analýzu dat a schopnost generovat tisknutelné formuláře. Ve srovnání s tradičními metodami programování a generování vlastních sestav však OLAP nejenže stokrát snižuje náklady na programování, ale také mění způsob, jakým uživatel se sestavou pracuje.

Rozdíl mezi OLAP jako nástrojem pro podávání zpráv spočívá ve schopnosti automaticky a interaktivně provádět takové operace s daty:

rekurzivní seskupení dat; výpočet mezisoučtů pro podskupiny; výpočet konečných součtů.

Příkazy pro tyto operace dává sám uživatel. Sekce použité tabulky se používají jako ovládací prvky. Když uživatel změní formulář sestavy (například přesune pruhy), provede systém výpočty mezisoučtu a zobrazí novou sestavu.

Uživatel může navíc změnit řazení a filtrování libovolnými kombinacemi dat, zobrazit data v procentech, změnit měřítko a provést další nezbytné transformace sestavy (tyto funkce nejsou nepostradatelným atributem technologie OLAP, ale závisí na konkrétní implementace nástroje).

Výsledkem je, že uživatel může nezávisle, intuitivním způsobem, z existující sady dat generovat všechny typy zpráv, které jsou pro tuto sadu možné. To pomáhá překonat prastará omezení informačních systémů, to znamená, že výkon rozhraní je vždy nižší než výkon databáze.

Technologie OLAP umožňuje implementovat téměř všechny možné typy tabulkového zobrazení obsahu databáze. Je-li produkt dostatečně flexibilní, jeho úkolem je popsat sémantickou vrstvu (slovní zásobu), po které může kvalifikovaný uživatel samostatně vytvářet nové krychle za podmínek jemu známých. Ostatní uživatelé mohou generovat zprávy pro každou krychli.

Technologie OLAP tedy slouží vývojářům i uživatelům ve všech případech, kdy potřebujete zobrazit informace ve formě tabulkových sestav, ve kterých jsou seskupeny údaje a pro skupiny jsou počítány součty.

Zkušenosti ukazují, že nestačí poskytnout uživatelům velkou krychli mnoha dimenzí a faktů. Je to z následujících důvodů.

Za prvé, v každém okamžiku uživatel potřebuje velmi konkrétní zprávu.

Zadruhé, některé algoritmy pro výpočet součtů jsou popsány složitými vzorci a uživatel nemusí mít dostatečnou kvalifikaci k jejich určení.

Za třetí, zpráva OLAP může mít specifickou metodu pro výpočet součtů, umístění dimenzí a podmínek počátečního třídění, kterou zadal autor zprávy.

Za čtvrté, v mnoha případech je snazší porozumět datům, pokud se nedíváte na tabulku s čísly, ale na diagram. Nastavení grafu OLAP někdy vyžaduje hodně prostorové představivosti, protože vícerozměrná krychle se musí ve 3D výkresu projevit jako sada tvarů nebo čar. V moderních grafických součástech existují tisíce vlastností, takže přednastavení grafu nebo grafu pro sestavu OLAP může trvat dlouho.

Za páté, stejně jako u jakékoli jiné zprávy, u zprávy OLAP je důležitý její efektivní design, včetně nastavení nadpisů a titulků, barev a písem.

Pro pohodlný uživatelský zážitek tedy musí sestava OLAP obsahovat určitou sadu aplikovaných metadat popisujících agregační algoritmy, předpoklady pro filtrování a třídění, záhlaví a komentáře a pravidla vizuálního návrhu.

Při vykreslování informací ve vícerozměrné krychli je významným faktorem uspořádání dimenzí podle jejich podobnosti. Základní myšlenkou je, že měření, která charakterizují podobné parametry, jsou umístěna vedle sebe. K určení těchto měření se používají různé metody shlukování, zejména lze použít heuristické algoritmy.

Popsaná informační a analytická technologie není jediná možná. Jde však o vývoj business intelligence (VI), jehož účelem je shromažďovat, organizovat, analyzovat a prezentovat informace. Volba konkrétní informační a analytické technologie zůstává na uživateli, s přihlédnutím k charakteristikám objektu předmětu.

Na Ukrajině se již vytvářejí relevantní informační a analytické struktury, které vyvíjejí vlastní technologie zpracování informací, ale stále fungují samostatně, částečně, bez koordinace a interakce.

... Informační a analytické technologie v oblasti managementu je soubor metod pro sběr a zpracování informací o výzkumných procesech, konkrétních procesech diagnostiky, analýzy a syntézy, jakož i pro hodnocení důsledků různých možností rozhodování

Existují různé možnosti klasifikace informačních a analytických technologií, ale nejvhodnější je podle názoru vědců a odborníků typologizace podle čtyř základních rysů uvedených v tabulce 21

... Tabulka 21. typologizace. INFORMAČNĚ ANALYTICKÝ. TECHNOLOGIE

Rozlišovat zahájeno monitorování a kumulativní analytické studie. Monitorovací studie jsou určeny k dlouhodobému analytickému pozorování vývoje určité situace, aby byla zajištěna možnost apriorní syntézy manažerských rozhodnutí, která mají preventivní nebo preventivní povahu. Technologie může být obzvláště dobře vyvinuta pro monitorovací studie, protože jasně regulují jednotlivé fáze zpracování informací.

... Zahájeno analytické studie jsou prováděny na základě dříve neplánovaných pokynů vedení nebo v důsledku identifikace nových problémových situací během monitorovacích studií. Zahájený výzkum bude považován za samostatný typ výzkumu zaměřeného na počáteční fáze nového výzkumu.

... Kumulativní studie se vyznačují vysokými požadavky na efektivitu jejich realizace (včetně zahájení a dokončení), využití specializovaných metod zpracování odborných informací

U všech typů výzkumu se předpokládá multilaterální analýza situace, která je studována s přihlédnutím k historii jejího vývoje, výsledkům studií podobných situací a využití široké škály adekvátních teoretických poznatků. přístupy a heuristické problémy. Podívejme se podrobněji na každý z uvedených typů.

... Sledování analytických studií zpravidla jsou regulovány fázemi zpracování informací, zvoleným tématem a pevnou sadou zdrojů. Hlavní je zde striktní orientace na konkrétní formulaci problému, skupina analytiků a odborníků, kteří zajišťují účelné a smysluplné zpracování informací.

... Monitorování - průběžné sledování stavu životního prostředí a jeho řízení včasným informováním o možnosti nepříznivých, kritických nebo nepřijatelných situací

Monitorovací studie umožňují získat statistické nebo smysluplné ukazatele, které charakterizují předmět pozorování a které lze měřit. Pozorovací systém je založen na fixaci diskrétních kvantitativních charakteristik objektu pozorování, akumulaci těchto informací a na možnosti vyvozovat závěry o kvalitativním stavu objektu pomocí inteligentní interpretace získaných informací. Monitorování je založeno na pozorování typických znaků v chování pozorovacích objektů a na včasné fixaci různých odchylek od norem na pozadí.

... Informační a analytické monitorování - druh informační činnosti související s procesy analýzy, syntéza informací pomocí metod modelování, odborného posouzení, diagnostiky a předpovědi, prováděná v režimech neustálého sběru informací z tradičních i netradičních zdrojů za účelem pravidelného poskytování informací uživatelům.

Vzhledem k tomu, že v analytických službách současně probíhá několik monitorovacích studií a může existovat spousta informačních zdrojů, může být technologie pro organizaci jejího sběru a analytického zpracování prezentována po etapách.

V prvních fázích obdrží analytická služba registraci a primární zpracování přijatých informací. Tyto kroky jsou obvykle kombinovány s tradičním procesem přijímání korespondence pomocí nástrojů pro automatizaci kanceláře. Příchozí dokumenty jsou registrovány, jejich hlavní charakteristiky jsou zadávány do databáze, včetně názvu a anotace. Je důležité, aby abstrakt byl smysluplně zaměřen na téma výzkumu prováděného bitvou analytické služby.

Dále je nutné zajistit vazbu úplných textů dokumentů přijatých v elektronické podobě k registračním údajům a automaticky je načíst do systému vyhledávání informací, který v budoucnu umožní rychle najít potřebné fragmenty textu dokumentů, které nejsou pouze podle registračních údajů, ale také podle obsahu. K tomu by měl být použit software a hardware, který poskytuje vyhledávání informací prezentovaných v textové, grafické nebo tabulkové formě.

Pokud jsou dokumenty přijímány na papíře, je vhodné je převést do elektronické podoby pomocí skeneru. V tomto případě není rozpoznávání textu nutné - informace lze ukládat také ve faxové podobě (pokud jsou uloženy), protože postup rozpoznávání je poměrně pracný a nutnost dalšího využití veškerého zdrojového materiálu v textovém formátu není vždy nutná nyní na světovém trhu je zřejmé, že si zaslouží pozornost systémy podpory pro faxovou kancelářskou práci, které zahrnují použití softwarových a hardwarových nástrojů, které jsou pro ukrajinského R Inca zcela nekonvenční.

V další fázi analytického výzkumu existuje navíc tematická nebo problematická (s odkazem na konkrétní úkol) orientace obdržených informací, jejich distribuce se provádí podle příslušných nadpisů. Tuto práci zpravidla provádějí ručně vysoce kvalifikovaní odborníci, kteří mají zkušenosti a jsou dokonce zapojeni do výzkumu. Je to spojeno se smysluplným pochopením toho, co bylo přijato, a se stanovením potřeby jeho použití v konkrétní studii. Hlavní věcí je zajistit maximální úplnost shromažďování informací o každém problému řešeném v analytické službě. Přísné tematické filtrování informací je nepřijatelné. Každý koncový uživatel, analytik, by měl být schopen rychle přijímat otevřené informační materiály, i když se v prvních fázích týkaly tematických a problematických vztahujících se k jeho zájmům. Rubraubrik.

Hledání odpovědi na otázku vysoce kvalitní automatizace distribuce (mazání) vstupních textových informací podle tematických a problematických nadpisů probíhá již více než tucet let, řešení však podle našeho názoru dosud nebylo nalezeno s ohledem na plnotextové dokumenty v ukrajinském jazyce. K dispozici je teoretický a praktický výzkum zaměřený na poskytování vysoce kvalitního vyhledávání plnotextových dokumentů. Analytické materiály v procesu monitorování obecně připravují analytičtí odborníci. I zde však významné místo, zejména v závěrečné fázi, zaujímají interaktivní technologické prostředky pro úpravy a vizuální grafické znázornění informací. Tyto technologické komponenty se používají v jakékoli analytické studii a zaslouží si samostatné posouzení)