Проверяемый текст
Гагарин, Александр Владимирович; Системная оценка и выбор инноваций на рынке информационных услуг (Диссертация 2001)
[стр. 51]

51 концепция DRP (Distribution Requirements Planning планирование разделенных ресурсов).
Наконец, следует специально остановиться на характеристике рынка информационных систем и компьютерных технологий «интеллектуального анализа данных»,
так называемом KDD (Knowledge Discovery in Databases обнаружение знаний в базах данных).
Это наиболее “инновационная” технология в компьютерных системах поддержки управленческих решений.
В настоящее время на западе происходит
резкое увеличение количества программных продуктов, применяющих данную технологию, а также типов задач, где их использование ведет к значительному экономическому эффекту.
Элементы автоматической обработки и анализа данных становятся неотъемлемой частью концепции электронных хранилищ данных и часто
в этом контексте называются data mining (добыча знаний из данных) [60].
Можно выделить следующие восемь классов систем интеллектуального анализа данных, применяемых в бизнесе и финансах
[152]: 1.
Предметно-ориентированные аналитические системы; 2.
Статистические пакеты; 3.

Нейронные сети; 4.
Системы рассуждений на основе аналогичных случаев; 5.
Деревья решений (decision trees);
6.
Генетические алгоритмы; 7.Нелинейные регрессионные методы; 8.Эволюционное программирование.
На российском рынке эти подходы и информационные продукты выступают фактически как инновационные технологии.
При их выборе и оценке должно быть учтено действие некоторых специфичных для России факторов и условий, влияющих на эффективность применения технологии data mining как в целом, так и в конкретной хозяйственной организации.
Рассмотрим действие этих факторов, которые, по нашему мнению,
оказывают непосредственное влияние на выбор того или иного инновационного продукта из данного класса систем (информационных технологий) и которые следует рассматривать в качестве критериев, определяющих
[стр. 30]

27 недостаточный уровень поддержки данной концепции.
Информационная поддержка данной методологии обязательное требование, на наш взгляд, не только для крупных компаний.
Российская специфика состоит в том, что фактически с самого начала все сколько-нибудь значительные компании имели дело с управлением именно логистическими цепями, которые им приходилось создавать «с нуля», а нс с «простыми продажами».
Поддержка логистических цепей стала практически обязательным требованием для программных продуктов, предназначенных для автоматизации торговых и холдинговых структур.
Такие продукты должны поддерживать конфигурацию, позволяющую размещать объекты автоматизации на нескольких физически удаленных территориях, причем как с возможностью разделения финансового (бухгалтерского) учета (поддержки нескольких юридических лиц), так и с возможностью поддержки «распределенного», но единого юридического лица, со всеми вытекающими отсюда требованиями к распределенной структуре базы данных.
Отметим, что свои требования к информационному (программному) обеспечению предъявляют такие популярная ныне подходы к организации производственно-хозяйственной деятельности фирм как CFM (Customer Focused Manufacturing) производство «ориентированное на покупателя», или, например, концепция DRP (Distribution Requirements Planning планирование распределенных ресурсов).
Инновационные технологии и компьютерные системы поддержки принятия управленческих решений .
Наконец, следует специально остановиться на характеристике рынка информационных систем и компьютерных технологий «интеллектуального анализа данных»,
т.н.
KDD (Knowledge Discovery in Databases обнаружение знаний в базах данных).

В настоящее время на западе происходит
лавинообразный рост числа программных продуктов, использующих

[стр.,31]

28 технологии KDD, а также типов задач, где их применение дает значительный экономический эффект.
Элементы автоматической обработки и анализа данных становятся неотъемлемой частью концепции электронных хранилищ данных и часто
именуются в этом контексте data mining (добыча знаний из данных) [49].
Можно выделить следующие восемь классов систем интеллектуального анализа данных, применяемых в бизнесе и финансах
1.Предметно-ориентированные аналитические системы 2.Статистические пакеты 3.f !ейронные сети 4,Системы рассуждений на основе аналогичных случаев 5.Деревья реш ений (decision trees) б.Генетические алгоритмы 7.Нелииейные регрессионные методы -.8.Эволюционное программирование Па российском рынке эти подходы и информационные продукты выступают фактически как инновационные технологии.
При их выборе и оценке должно быть учтено действие некоторых специфичных для России факторов и условий, влияющих на эффективность применения технологии data mining как в целом, так и в конкретной хозяйственной организации.
Рассмотрим действие этих факторов, которые, по нашему мнению,
оказываю! непосредственное влияние на выбор того или иного инновационного продукта из данного класса систем (информационных технологий) и которые следует рассматривать в качестве критериев факторов, определяющих адекватность оценки и выбора соответствующих информационных инноваций (систем интеллектуального анализа данных) в условиях России.
Компьютерные системы поддержки принятия решений, в принципе, могут основываться на двух подходах.
Первый, более традиционный, заключается в том, что в системе фиксируется опыт эксперта, который и используется для выработки оптимального в данной ситуации решения.
Системы, реализующие

[Back]