Компьютерные технологии интеллектуальной поддержки управленческих решений

8.2.2. Хранилища данных (DW)

Специфика КИС проявляется, в первую очередь, благодаря новой форме организации внутримашинной информационной базы, представляющей совокупность взаимосвязанных компонентов (рис. 8.2-2):

• операционная БД, служит для обеспечения работы функциональных модулей ERP-системы, составляет основу OLTP-системы обработки данных КИС (системы обработки данных транзакционного типа);
• специализированные "хранилища данных" (Data Warehouse - DW), основа OLAP-систем обработки данных для различных функциональных компонентов КИС.

Рис. 8.2-2. Новая форма организации внутримашинной информационной базы

Операционные БД КИС обеспечивают хранение данных КИС большого объема и сложной логической структуры, находятся под управлением мощных СУБД, как правило, реляционного типа (ORACLE, MS SQL Server, Informix, DB/2 и др.). Такие БД используются в составе многоуровневой клиент-серверной архитектуры КИС; они могут размещаться на одном или нескольких серверах БД. Как правило, БД отделены от программ функциональных модулей, использующих эти данные. Интерфейс пользователя (формы, отчеты, запросы и т. п.) находится на рабочей станции или специализированном сервере.

Основные проблемы ведения операционных БД КИС:

• обеспечение требуемого уровня производительности КИС (измеряется количеством транзакций в единицу времени) для реализации регламентированных приложений КИС;
• соответствие требованиям приложений по составу, структуре, объемам данных, времени получения и качеству выходной информации;
• обеспечение надежного хранения данных (периодическое архивирование БД, восстановления БД после сбоев из страховых копий, ведения журнала транзакций для их "отката" и т. п.).

Операционную БД вместе с внешними информационными источниками следует рассматривать как "сырье" для создания предметно-ориентированных, интегрированных, неизменяемых по структуре хронологических данных - хранилищ данных, анализируемых в системах поддержки принятия решений. Витрина (киоск) - подмножество хранилища данных, обеспечивает:

• необходимую производительность получения и анализа данных для конечных пользователей;
• защиту хранилища данных от несанкционированного доступа.

По определению Б. Инмона, хранилище данных (ХД) это - "предметно-ориентированный, интегрированный, неизменяемый, поддерживающий хронологию набор данных, организованный для целей поддержки принятия решений". Как правило, ХД ориентированы на решение определенных задач анализа и представления данных. В ХД имеются три категории данных:

• метаданные (сведения об источнике, методах сбора информации);
• детальные данные;
• агрегированные (сводные) данные.

Программное обеспечение ХД обеспечивает загрузку, форматирование, анализ и реструктуризацию данных; управление доступом к данным; построение витрин данных.

8.3. Аналитическая обработка данных

8.3.1. On-Line Analytical Processing (OLAP)

On-Line Analytical Processing (OLAP) - средства оперативной (в реальном масштабе времени) аналитической обработки информации, направленные на поддержку принятия решений и помогающие аналитикам отвечать на вопрос: "Почему объекты, среды и результаты их взаимодействия такие, а не другие?". При этом аналитик сам формирует версии отношений между множеством информации и проверяет их на основе имеющихся данных в соответствующих базах структурированной информации.

Для ERP-систем характерно наличие аналитических компонент в составе функциональных подсистем. Они обеспечивают формирование аналитической информации в режиме реального времени. Эта информация является основой большинства управленческих решений.

OLAP-технологии используют гиперкубы - специально структурированные данные (иначе называемые OLAP-кубами). В структуре данных гиперкуба различают:

Меры - количественные показатели (реквизиты-основания), используемые для формирования сводных статистических итогов.

Измерения - описательные категории (реквизиты-признаки), в разрезе которых анализируются меры.

Размерность гиперкуба определяется количеством измерений для одной меры. Например, гиперкуб СБЫТ содержит данные:

Измерения: Потребители, Даты операций, Группы товаров, Номенклатура, Модификации, Упаковки, Склады, Виды оплаты, Виды отгрузки, Тарифы, Валюта, Организации, Подразделения, Ответственные, Каналы распределения, Регионы, Города;

Меры: Количество плановое, Количество фактическое, Сумма плановая, Сумма фактическая, Платежи плановые, Платежи фактические, Сальдо плановое, Сальдо фактическое, Цена реализации, Срок исполнения заказа, Сумма возврата.

Такой гиперкуб предназначен для аналитических отчетов:

• Классификация потребителей по объемам покупок.
• Классификация продаваемых товаров по методу АВС.
• Анализ сроков исполнения заказов различных потребителей.
• Анализ объемов продаж по периодам, товарам и группам товаров, регионам и потребителям, внутренним подразделениям, менеджерам и каналам сбыта.
• Прогноз взаиморасчетов с потребителями.
• Анализ возврата товаров от потребителей и т. д.

Аналитические отчеты могут иметь произвольное сочетание измерений и мер, они используются для анализа принимаемых управленческих решений. Аналитическая обработка обеспечивается инструментальными и языковыми средствами. В общедоступной электронной таблице MS Excel представлена информационная технология "Сводные таблицы", исходными данными для их создания являются:

• список (база данных) MS Excel - реляционная таблица;
• другая сводная таблица MS Excel;
• консолидированный диапазон ячеек MS Excel, расположенных в одной и той же или различных рабочих книгах;
• внешняя реляционная БД или OLAP-куб, источник данных (файлы формата .dsn, .odc).

Для построения сводных таблиц на основе внешних БД используются драйверы ODBC, а также программа MS Query. Пример создания сводной таблицы для исходной БД MS Excel приведен на рис. 8.3-1.

Рис. 8.3-1. Пример создания сводной таблицы для исходной БД в MS Excel

Макет сводной таблицы имеет следующую структуру данных (рис. 8.3-2): Измерения - код подразделения, должность; Меры - Стаж работы, Оклад и Премия. Ниже представлена табл. 8.3-2, которая позволяет проанализировать связь среднего стажа работы и оклада, среднего стажа работы и премии, оклада и премии.

Рис. 8.3-2. Структура данных в макете сводной таблицы

Для продолжения анализа средствами сводной таблицы можно:

• добавить новые итоговые показатели, например средний оклад, среднюю сумму премии и т. п.;
• использовать фильтрации записей и итогов сводной таблицы (например, по признаку "Пол", который помещается в макете в область "Страница");
• вычислить структурные показатели (например, распределение фондов оплаты труда и фонда премии по подразделениями - с помощью средств дополнительной обработки сводных таблиц, Доля от суммы по столбцу) и т. д.

MS Office позволяет публиковать данные электронных таблиц, включая сводные таблицы и сводные диаграммы в формате html.

Компонент Microsoft Office Web Components поддерживает работу с опубликованными данными в среде Internet Explorer, обеспечивая продолжение анализа (изменения структуры данных сводной таблицы, вычисление новых сводных итогов.