Sistemi za podporo pri odločanj u Vsebina predavanj

1. Sistemi za podporo pri odločanjuVsebina predavanj • Splošno o sistemih za podporo odločanja • definicija in umestitev v kontekst PIS • lastnosti, zgodovina, vrste, arhitektura • primeri • Podatkovna skladišča • podatkovnakocka • sprotna analiza podatkov (OLAP) • vrtilna tabela in vrtilni grafikon • primeri v Excelu in Accessu • Izkopavanje podatkov • Ekspertni sistemi Poslovni informacijski sistemi (UNG 2012/13)

2. Ponovimo: Vrste informacijskih sistemov • Transakcijski sistemi • Upravljavski informacijski sistemi • Sistemi za podporo odločanju • Ekspertni sistemi • Sistemi za podporo pisarniškemu poslovanju • Sistemi za osebno in skupinsko delo Poslovni informacijski sistemi (UNG 2012/13)

3. Področja uporabe PISJ.L. Whitten, L.D.Bentley : System Analysis and Design Methods, Irwin/McGraw-Hill, 1998, stran 43 PODPORA POSLOVANJA PODPORA ODLOČANJA IN UPRAVLJANJA Poslovni informacijski sistemi (UNG 2012/13)

4. DSS (širše) Sistemi za podporo odločanja in upravljanja • Upravljalski informacijski sistemi • MIS: ManagementInformationSystems • Direktorski informacijski sistemi • EIS: ExecutiveInformationSystems • ESS: ExecutiveSupportSystems • Sistemi za podporo priodločanju • DSS: DecisionSupportSystems • Ekspertni sistemi • ES: ExpertSystems • Sistemi za skupinsko delo • GDSS: Group DSS; Groupware Poslovni informacijski sistemi (UNG 2012/13)

5. Kaj so sistemi za podporo priodločanju? Sistemi za podporo priodločanju so: • informacijski sistemi, • ki pomagajo • uporabnikom • pri sprejemanju odločitev. • posebna oblika informacijskih sistemov • uporabniki: predvsem managerji, tudi drugi delavci v organizacijah, posamezniki • pomagajo pri odločanju, vendar ne odločajo sami Poslovni informacijski sistemi (UNG 2012/13)

6. Kaj vselahkopomagapriodločanju? SELECT ime, priimek, starost FROM pacient WHERE starost > 30 • podatek, pomnjenjena primer: poišči mi določen podatek • izračun, izpeljava, združevanje (“agregacija”)na primer: izračunaj vsoto podatkov • poročilokot urejena skupina podatkov • pregledovanje in analiziranje podatkovvrtilne tabele • vizualizacijagrafični prikaz podatkov oz. rezultatov • simulacija • logično sklepanje • ... SELECT PAC_postna_stevilka, count(*) FROM pacient SELECT PAC_ime, PAC_priimek FROM pacient ORDER BY PAC_priimek ASC Poslovni informacijski sistemi (UNG 2012/13)

7. Odločanje Odločitev: Izbira ene izmed več variant (alternativ, možnosti, različic). Izbrati želimo tisto varianto, ki najbolj ustreza našim ciljem. Odločanje: Proces (aktivnost), ki obsega: • spoznavanje odločitvenega problema • zbiranje in preverjanje informacij • identifikacija alternativ • predvidevanje posledic odločitev • odločitev • obveščanje o odločitvi in razlogih zanjo • realizacijaodločitve • vrednotenje odločitev Poslovni informacijski sistemi (UNG 2012/13)

8. Lastnosti in zmožnosti DSS • podpora odločevalcev pri reševanju strukturiranih in delno strukturiranih odločitvenih problemov • podpora upravljalcem (managerjem) na vseh ravneh organizacije • podpora posameznikov in skupin • podpora med seboj neodvisnih (“vzporednih”) in zaporednih odločitev • podpora različnih faz odločitvenega procesa • prilagodljivost • interaktivnost • preprosta uporaba • učinkovitost • jasnost, transparentnost • preprostost razvoja in prilagajanja spremembam • možnost modeliranja in analiz Poslovni informacijski sistemi (UNG 2012/13)

9. 1950 1960 1970 1980 1990 2000 Kratka zgodovina DSS teorija: operacijske raziskave, odločitvena analiza praksa: razvoj interaktivnega računalništva osnove DSS prvi sistemi specializacija: MIS, EIS, ES, GDSS, ... podatkovna skladišča (“DataWarehouses”) sprotna analiza podatkov (OLAP) izkopavanje podatkov (“DataMining”) omrežni DSS (“Web-based DSS”) širše: poslovna inteligenca (“Businessintelligence BI”) Poslovni informacijski sistemi (UNG 2012/13)

10. Vrste DSS (1) Gledenanačin iskanja rešitve odločitvenega problema • Pasivni: nudijo podporo (npr. podatek, grafikon),vendar ne predlagajo rešitve • Aktivni: predlagajo rešitve odločitvenega problema • Kooperativni: kombinacija obeh: • DSS predlaga rešitev • uporabnik spremeni ali dopolni rešitev in • jo vrne sistemu v oceno; • možnih je več ciklov Poslovni informacijski sistemi (UNG 2012/13)

11. Vrste DSS (2) Gledenasestavine in prevladujoči način delovanja Osnovani na ... • ... podatkih (“Data-driven DSS”) • ... dokumentih (“Document-driven DSS”) • ... modelih (“Model-driven DSS”) • ... znanju (“Knowledge-driven DSS”) • ... komunikaciji (“Communication-driven DSS”) in kombinirani. Poslovni informacijski sistemi (UNG 2012/13)

12. Splošna arhitektura DSS baza podatkov dokumenti uporabniški vmesnik jedro DSS modeli + komunikacijski del baza znanja Poslovni informacijski sistemi (UNG 2012/13)

13. Razvrstitev in opredelitev DSS: vprašalnik • Kakšne odločitve podpira DSS? • Na kakšen način podpira odločitve?Kaj nudi uporabniku? • Kdo je uporabnik sistema?Ali je uporabnik posameznik ali skupina? • Ali je sistem: pasiven, kooperativen ali aktiven? • Katere komponente vsebuje sistem: • podatke? • dokumente? • modele? • znanje? • Ali sistem podpira komunikacijo? • Ali sistem deluje na omrežju? • Ali je sistem: MIS, EIS, GIS, ESS, ES, GDSS? Poslovni informacijski sistemi (UNG 2012/13)

14. Primeri: Rezultatiposlovanja: prodaja Poslovni informacijski sistemi (UNG 2012/13)

15. Primeri: Struktura prihodkov in odhodkov Poslovni informacijski sistemi (UNG 2010/11) Poslovni informacijski sistemi (UNG 2012/13) 15

16. Primeri: Rezultatiposlovanja Poslovni informacijski sistemi (UNG 2010/11) Poslovni informacijski sistemi (UNG 2012/13) 16

17. Primeri: Analiza uporabe virov Poslovni informacijski sistemi (UNG 2012/13)

18. Primer: Analiza trendov Poslovni informacijski sistemi (UNG 2012/13)

19. Primer: Ocenjevanje požarne ogroženosti http://www.arso.gov.si/vreme/napovedi%20in%20podatki/pozarna_ogrozenost.html Poslovni informacijski sistemi (UNG 2012/13)

20. Primer: Medicinska diagnostika http://easydiagnosis.com/ Poslovni informacijski sistemi (UNG 2012/13)

21. Primer: Avtocestni nadzorni sistem Poslovni informacijski sistemi (UNG 2012/13)

22. Na vrsti ste! Opredelite in razvrstite sistem za vrednotenje mobilnih telefonov Poslovni informacijski sistemi (UNG 2012/13)

23. Na vrsti ste! Večparametrski model za vrednotenje mobilnih telefonov Poslovni informacijski sistemi (UNG 2012/13)

24. Na vrsti ste! Obiski pri zdravniku • Ali bi lahko te podatke uporabili za podporo odločanja? • Za podporo kakšnih odločitev? • Katere informacije/funkcije bi lahko nudil takšen sistem? • Predlagajte nekaj prikazov (grafikonov) Poslovni informacijski sistemi (UNG 2012/13)

25. Podatkovna skladišča Podatkovnoskladišče (“Data Warehouse”) je zbirkapodatkov, namenjenapodporiodločanja(priupravljanjupodjetij). Lastnosti: • vključujepodatkeizrazličnihvirov • namenjenopodrobnianalizivelikekoličinepodatkov • urejenopo: • predmetuobravnave(kupec, proizvod, prodaja, dobavitelj) • času • relativnostatično(občasnaažuriranja, sicerpoizvedovanje) Poslovni informacijski sistemi (UNG 2012/13)

26. BAZA PODATKOV podpiradelo s podatki vnos in branjepodatkov dinamičnospreminjanjevsebine struktura se redkospreminja velikouporabnikov transakcijskeobdelave vnaprejdoločeniizpisialipoizvedovanja s SQL SKLADIŠČE PODATKOV podpiraanalizopodatkov branjepodatkov podatki so statični, le občasnoažuriranje strukturoprilagajamopotrebam malouporabnikov analitične in sintetičneobdelave ad-hoc analize, korelacije, statistike, OLAP Baza : Skladišče Poslovni informacijski sistemi (UNG 2012/13)

27. Podatkovna skladišča: osnovni pojmi • podatkovnakocka(“Data Cube”) • hierarhičnourejenedimenzije(“Concept Hierarchy”) • sprotna analiza podatkov(OLAP: “On Line Analytical Processing”) • vrtilna tabela (“Pivot Table”) • vrtilni grafikon (“Pivot Chart”) Poslovni informacijski sistemi (UNG 2012/13)

28. 605 825 14 400 680 952 31 512 812 960 30 501 927 995 38 580 Podatkovna kocka (“Data Cube”) Prodaja [enot] CE Lokacija 1 MB 2 LJ Čas [četrtletje] 3 4 A B C D Izdelek Število dimenzij ni nujno 3 Poslovni informacijski sistemi (UNG 2012/13)

29. podatkovna kocka Izdelek Datum Kolicina Primer: od transakcij do podatkovne kocke transakcije • Vsebina: vsota Kolicin • Dimenziji: • Datum • Izdelek Poslovni informacijski sistemi (UNG 2012/13)

30. HIERARHIJA VSE LOKACIJA ČAS Italija Slovenija Država Leto ... Centr. Gorenjska Dolenjska Regija Četrtletje ... ... LJ KR Kraj Mesec Teden ... Prod. A Prod. B Prod. C Prodajalna Dan Hierarhične dimenzije (“Concept Hierarchy”) LOKACIJA Poslovni informacijski sistemi (UNG 2012/13)

31. Dimenzije in elementi podatkovne kocke LOKACIJA Država Leto ČAS Regija Četrtletje Kraj Mesec Prodajalna Dan Prodano [enot] Elementi Prodaja [€] Ime Ime Kategorija Znamka KUPEC Skupina Vrsta IZDELEK Poslovni informacijski sistemi (UNG 2012/13)

32. Drill-Down: razvij četrtletje v mesec CE CE 1 1 MB MB 2 2 LJ LJ Sep Jan 3 3 Feb Okt 4 4 Nov Mar Apr Dec A A A B B B C C C D D D Roll-Up: združi kraj v regijo Štajerska Centr. Operacije OLAP Poslovni informacijski sistemi (UNG 2012/13)

33. Slice: presek CE 1 1 A MB 1 5 7 3 MB 2 2 B LJ C 3 3 1 D 4 4 2 A B D A 1 A B B 2 C 3 C D D 4 Pivot: obrni 1 Dice: izsek 5 MB 7 MB 3 LJ Operacije OLAP Poslovni informacijski sistemi (UNG 2012/13)

34. Vrtilna tabela (“Pivot Table”) Dvodimenzionalnizbirniprikaz večdimenzionalnih podatkov (podatkovnih kock) Vsebuje področja: • podatki: vsebina, prikazuje osnovne ali zbirne podatke • vrstice: prva dimenzija • stolpci: druga dimenzija • strani: izbira (filtriranje) podatkov V vsakem področju je lahko več spremenljivk (polj osnovne tabele) Poslovni informacijski sistemi (UNG 2012/13)

35. Vaja: Naredimo vrtilno tabelo v Excelu Kaj pa, če želimo: • več vsebine (npr. Cena)? • hierarhične dimenzije (npr. hrana/pijača)? Poslovni informacijski sistemi (UNG 2012/13)

36. Podatkovne kocke in OLAP v Accessu S programom Microsoft Access lahko: • Simuliramo podatkovno kocko z relacijsko podatkovno shemoModel “zvezde” ali “snežinke”: • centralna tabela vsebuje podatke, ki jih spremljamo • in je relacijsko povezana s tabelami, ki opisujejo dimenzije • Pregledujemo podatkovno kocko z: • vrtilno tabelo • vrtilnim grafikonom Poslovni informacijski sistemi (UNG 2012/13)

37. Vaja: Podatkovna kocka in OLAP v Accessu Poslovni informacijski sistemi (UNG 2012/13)

38. MS Analysis Services: Podatkovne kocke Poslovni informacijski sistemi (UNG 2012/13)

39. MS AnalysisServices: OLAP in vrtilna tabela Poslovni informacijski sistemi (UNG 2012/13)

40. Izkopavanje podatkov (“Data Mining”) OLAP: nudi dober pregled nad podatki (“kaj se dogaja”) Izkopavanje podatkov: poglobljeno iskanje zakonitosti (vzorcev) v podatkih Nameni: • napovedovanje(“forecasting”) • klasifikacija (“classification”) • razvrščanje v skupine(“clustering”) • povezovanje (“associating”) izidov, ki se pogosto zgodijo hkrati • iskanje vzročnih in časovnih odvisnosti (“sequencing”) Poslovni informacijski sistemi (UNG 2012/13)

41. 3. Interpretacija, vrednotenje in predstavitev Podatki 2. Izkopavanje podatkov 1. Priprava podatkov Znanje Faze iskanja zakonitosti v podatkih ZNANJE: modeli, pravila, odvisnosti, vzorci, ... VIRI PODATKOV Poslovni informacijski sistemi (UNG 2012/13)

42. 1d. Transformacija 1c. Selekcija Pod. skladišče 1b. Integracija 1a. Čiščenje Baze podatkov Datoteke Zun. viri 1. faza:Priprava podatkov Poslovni informacijski sistemi (UNG 2012/13)

43. 2. faza:Izkopavanje podatkov Uporaba številnih in raznovrstnih metod: • statistične metode • osnovne statistike • korelacije • diskriminantne in regresijske analize • vizualizacija • metode strojnega učenja: • odločitvena drevesa • odločitvena pravila • asociacijska pravila • nevronske mreže • razvrščanje v skupine • ... Poslovni informacijski sistemi (UNG 2012/13)

44. Asociacijska (povezovalna) pravila Tipični problem: analiza nakupovalnih košaric Naloga: Poiskati "zanimiva" pravila oblike če kupi mleko, potem kupi tudi maslo mleko  maslo Tri pravila: mleko  maslo[sup 75%, conf 75%] maslo mleko [sup 75%, conf 100%] med mleko[sup 50%, conf 100%] Poslovni informacijski sistemi (UNG 2012/13)

45. Dohodki  50.000  50.000 Starost Stranka=da  32  32 Stranka=ne Stranka=da Odločitvena drevesa Odločitveno drevo: • opisuje zakonitosti v obstoječih podatkih • napoveduje (klasificira) nove primere Poslovni informacijski sistemi (UNG 2012/13)

46. Dohodki  50.000  50.000 Starost Stranka=da  32  32 Stranka=ne Stranka=da Klasifikacijsko odločitveno drevo Poslovni informacijski sistemi (UNG 2012/13)

47. Spol Ž M Starost Dohodek=75.000  53  53 Dohodek=7.500 Dohodek=205.000 Regresijsko odločitveno drevo Poslovni informacijski sistemi (UNG 2012/13) primer povzet po: Sašo Džeroski: Decision Trees

48. Primer Dobiček Starost Konkurenca Vrsta _______________________________________________________________________________________ padastaro ne SW pada srednje da SW narašča srednje ne HW pada staro ne HW narašča novo ne HW narašča novo ne SW narašča srednje ne SW narašča novo da SW pada srednje da HW pada staro da SW _______________________________________________________________________________________ Poslovni informacijski sistemi (UNG 2012/13) povzeto po: Bojan Cestnik: Strojno učenje

49. Starost staro srednje, novo pada Konkurenca ne da Starost narašča srednje novo pada narašča Primer: Odločitveno drevo Uporaba: • opisuje zakonitosti v obstoječih podatkih • napoveduje (klasificira) nove primere Poslovni informacijski sistemi (UNG 2012/13) povzeto po: Bojan Cestnik: Strojno učenje

50. Vreme sončno oblačno dež Vlaga Veter da visoka norm da ne ne da ne da Primer: Igranje tenisa Rešitev? Poslovni informacijski sistemi (UNG 2012/13)