Содержание к диссертации
Введение
Глава 1. Методология системного анализа 9
1.1.Количественные методы системного анализа. Статистические методы исследования 9
1.2. Качественные методы системного анализа. Анализ задач теории приня тия решений 18
Выводы к главе 1 24
Глава 2. Разработка автоматизированной технологии системного анализа разви тия экономики малого предпринимательства в регионе 25
2.1. Описание методов количественного анализа для изучения экономики малого предпринимательства в регионе 25
2.2. Описание методов качественного анализа для изучения экономики малого предпринимательства в регионе 32
2.3. Технология системного анализа 38
2.4 Характеристика интеллектуальной системы поддержки принятия решений 43
Выводы к главе 2 49
Глава 3. Применение автоматизированной технологии системного анализа для изучения экономики малого предпринимательства в Волгоградской области 50
Выводы к главе 3 79
Заключение 80
Библиографический список
- Качественные методы системного анализа. Анализ задач теории приня тия решений
- Описание методов качественного анализа для изучения экономики малого предпринимательства в регионе
- Технология системного анализа
- Характеристика интеллектуальной системы поддержки принятия решений
Введение к работе
Актуальность работы. Разгосударствление и приватизация государственных монополий в процессе рыночных преобразований привели к созданию малых предприятий. Они возникли во всех сферах экономики России, что вполне соответствует мировым тенденциям. Значительный рост числа таких предприятий за последние годы отмечался в отраслях, где не требуется больших инвестиций, дорогостоящего оборудования и кооперации большого числа работников. Речь идет о наукоемких производствах, об отраслях, выпускающих потребительские товары, а также о сфере услуг.
Роль малого бизнеса уже давно оценена мировой практикой. Эти формы производства способны эффективно функционировать, поскольку они располагаются в непосредственной близости к рынку, способны чутко реагировать на спрос, выпускать продукцию небольшими партиями (что невыгодно крупным фирмам). Наконец, достоинством малых предприятий является отсутствие лишних звеньев управления.
Необходимо отметить одно важное обстоятельство: малый бизнес создает благоприятные условия для оздоровления экономики, поскольку способствует развитию конкуренции, создает новые рабочие места, расширяет потребительский сектор. Функционирование малых предприятий ведет к насыщению рынка товарами и услугами, повышает экспортные возможности, содействует более эффективному использованию местного сырья. В малом бизнесе заложен огромный потенциал, который необходимо использовать для совершенствования экономики нашей страны. В связи с этим актуальной является задача по разработке методологии системного анализа для изучения экономики малого ігоедпринимательства на уровне региона.
Этот подход основан, с одной стороны, на использовании статистических методов анализа, позволяющих выявлять закономерности развития экономических систем на основе количественной исходной информации, а с другой стороны, на использовании для целей стратегического прогнози-
рования и планирования многокритериальных методов теории принятия решений, оперирующих экспертной исходной информацией.
Одной из актуальных задач является также разработка автоматизированной технологии системного анализа. Следует отметить, что устоявшихся интеллектуальных технологий системного анализа в практике нет. Таким образом растет потребность технологического освоения системного анализа, которое разработано весьма недостаточно.
Степень разработанности проблемы. Системный анализ представляет собой важный объект методологических исследований и одно из наиболее бурно развивающихся научных направлений. Ему посвящено множество монографий и статей. Наиболее известные его исследователи: В. Г. Афанасьев, Л. Берталанфи, И. В. Блауберг, А. А.Богданов, В. М. Глушков, Т. Гоббс, О. Конт, В. А. Карташов, С. А. Кузьмин, М. Месарович, Т. Пар-сонс, Г.Спенсер и др.
Математическое направление в статистике развивалось в работах Ф. Гальтона (1822-1911), К. Пирсона (1857-1936), В. Госсета (1876-1936), Р. Фишера (1890-1962), М. Митчела (1874-1948) и др. Так, К. Пирсон внес значительный вклад в разработку теории количественной оценки связи между явлениями; В. Госсет, писавший под псевдонимом Стьюдента, разработал теорию малой выборки; Р.Фишер развивал методы количественного анализа.
Существенный вклад в развитие многокритериальных методов принятия решений внесли такие зарубежные и отечественные ученые, как Р. Беллман, Л. Заде, О. Моргенштерн, Дж. Фон Нейман, Э. Парето, X. Рай-фа, Б. Руа, Т. Саати, А. В. Андрейчиков, О. Н. Андрейчикова, Л. С. Беляев, А. Н. Борисов, А. М. Дубров, О. А. Крумберг, Б. А. Лагоша, О. Н. Ларичев, Н. Г. Ярушкина и др.
Классические положения теории предпринимательства сформированы в работах Ф. Кенэ, К. Маркса, Ж. Б. Сея, А. Смита, Й. А Шумпетера, И. Г. Тю-нен, Ф. Хайек, П. Дукер. Теоретические основы российского предпринима-
тельства были заложены А. Волынским, Д. Голицыным, А. Радищевым, М. Сперанским, М. Чулковым.
Цель и задачи исследования. Целью диссертационной работы является разработка автоматизированной технологии системного анализа развития экономики малого предпринимательства в регионе.
В соответствии с указанной целью необходимо решить следующие задачи:
систематизировать и проанализировать статистические данные, характеризующие основные показатели развития малого предпринимательства для ряда исследуемых регионов, в том числе для Волгоградской области;
провести анализ и осуществить обоснованный выбор математических методов статистического анализа и многокритериального принятия решений с целью разработки автоматизированной технологии системного анализа развития экономики малого предпринимательства в регионе;
разработать модель корреляционно-регрессионного анализа краткосрочных и среднесрочных перспектив развития экономики малого предпринимательства в регионе;
разработать модель для стратегического прогнозирования и планирования уровня развития экономики малого предпринимательства в регионе на основе многокритериальных методов принятия решений;
разработать автоматизированную технологию системного анализа экономики малого предпринимательства в регионе на основе комплексного использования методов статистического анализа и многокритериального принятия решений;
выявить закономерности изменения основных показателей развития малого предпринимательства в Волгоградской области с использованием модели корреляционно-регрессионного анализа;
сформулировать и осуществить обоснованный выбор социально-экономических и правовых программ, которые обеспечат эффективное развитие малого предпринимательства в будущем.
Объектом исследования является сектор экономики малого предпринимательства в регионах.
Предметом исследования являются социально-экономические процессы, протекаемые в секторе малого предпринимательства.
Методологическую основу диссертационного исследования составили научные разработки и публикации ведущих отечественных и зарубежных ученых в области экономического и статистического анализа. В диссертационной работе используются методы теории многокритериального принятия решений, статистического анализа, проектирования интеллектуальных систем.
Научная новизна результатов, полученных в диссертационной работе:
1. Предложена автоматизированная технология системного анализа
экономики малого предпринимательства в регионе на основе комплексного
использования методов статистического анализа и многокритериального
принятия решений,
2. Разработан вариант интеллектуальной системы поддержки принятия
решений, основанной на методах многокритериального принятия решений
и статистического анализа.
3.Разработана модель корреляционно-регрессионного анализа краткосрочных и среднесрочных перспектив развития экономики малого предпринимательства Волгоградской области.
На основе многокритериальных методов принятия решений (метода анализа иерархий (МАИ) и метода пересечения нечетких множеств) разработаны модели для стратегического прогнозирования уровня развития экономики малого предпринимательства в регионе в условиях неопределенности.
На основе корреляционно-регрессионного анализа выявлены закономерности изменения основных показателей развития малого предпринимательства Волгоградской области.
6. С использованием моделей многокритериального принятия решений выбраны обоснованные социально-экономические и правовые программы, реализация которых позволит вывести малое предпринимательство в регионе на качественно новый уровень развития.
На защиту выносятся:
модель корреляционно-регрессионного анализа краткосрочных и среднесрочных перспектив развития экономики малого предпринимательства в регионе, в основе которой лежит прогнозирование уровня развития малого предпринимательства в Волгоградской области;
модели стратегического прогнозирования и планирования уровня развития экономики малого предпринимательства в регионе, основанные на многокритериальных методах анализа иерархий и теории нечетких множеств;
автоматизированная технология системного анализа экономики малого предпринимательства в регионе;
выявленные закономерности изменения основных показателей развития малого предпринимательства в Волгоградской области;
социально-экономические и правовые программы, которые позволят обеспечить эффективное развитие малого предпринимательства в Волгоградской области в будущем.
Теоретическая и практическая значимость результатов исследования. Теоретическая значимость результатов исследования заключается в создании комплексного подхода для системного выявления закономерностей развития экономики малого предпринимательства в регионе на базе методов статистического анализа и теории принятия решений, а также в разработке методологии проектирования интеллектуальных систем поддержки принятия решений, основанных на статистических моделях и методах теории принятия решений.
Практическая значимость результатов исследования заключается в разработке автоматизированной технологии системного анализа, позво-
ляющих проводить исследования по определению уровня развития малого предпринимательства в регионах и выбирать программы, которые позволят обеспечить эффективное развитие малого предпринимательства в будущем.
Апробация результатов исследования. Основные положения и результаты работы докладывались и обсуждались на научных конференциях Волгоградского государственного университета (2005 г.), Волгоградского государственного технического университета (2006 г.), Волгоградского государственного педагогического университета (2006 г.), а также на международных научных конференциях: международной научно-методической конференции «Инновационные технологии организации обучения в техническом вузе: на пути к новому качеству образования» (г. Пенза, 2005 г.); П Международной научно-практической конференции «Интеллектуальные технологии в образовании, экономике и управлении» (г. Воронеж, 2005 г.); П Международной научно-практической конференции «Наука и образование-2006» (г. Белгород); П Международной научно-практической конференции «Современные научные достижения-2006» (г. Днепропетровск); I Международной научно-практической конференции «Наука и технологии: шаг в будущее-2006» (г. Белгород); П Международной научно-практической конференции «Дни науки-2006» (г. Белгород); П Международной научно-практической конференции «Единое образовательное пространство славянских государств в XXI веке: проблемы и перспективы» (г. Брянск, 2006 г.)
По теме диссертации опубликовано 8 работ объемом 4,4 п.л. (из них 4 п.л. авторские).
Исследование проводилось в рамках проектов РФФИ № 04-07-96502 «Разработка системы, основанной на знаниях, для принятия стратегических социально-экономических, технологических и политических решений в условиях неопределенности» и проекта РГНФ № 03-02-12009в «Интеллектуальная система многокритериального принятия решений в условиях неопределенности и риска».
Структура и объем диссертации. Работа состоит из введения, трех глав, заключения и библиографического списка литературы.
Качественные методы системного анализа. Анализ задач теории приня тия решений
К качественным методам системного анализа чаще всего относят экспертные методы исследования. Рассмотрим данные методы, проведя анализ задач теории принятия решений, которые отличаются большим многообразием; классифицировать их можно по различным признакам, характеризующим количество и качество доступной информации. В общем случае задачи принятия решений можно представить следующим набором информации: Т, А, К, X, F, G, D , где Т- постановка задачи (выбор лучшей альтернативы или упорядочение всего набора); А - множество допустимых альтернативных вариантов; К - множество критериев выбора; Х- множество методов измерения предпочтений (например, использование различных шкал); F - отображение множества допустимых альтернатив в множество критериальных оценок (исходы); G - система предпочтений эксперта; D - решающее правило, отражающее систему предпочтений.
Любой из элементов этого набора может служить классификационным признаком принятия решений. Рассмотрим традиционные классификации:
1. По виду отображения F. Отображение множества в К может иметь детерминированный характер, вероятностный или неопределенный вид, в соответствии с которым задачи принятия решений можно разделить на задачи в условиях риска и задачи в условиях неопределенности.
2. Мощность множества К. Множество критериев выбора может содержать один элемент или несколько. В соответствии с этим задачи принятия решений можно разделить на задачи со скалярным критерием и задачи с векторным критерием (многокритериальное принятие решений).
3. Тип системы G. Предпочтения могут формироваться одним лицом или коллективом, в зависимости от этого задачи принятия решений можно классифицировать на задачи индивидуального принятия решений и задачи коллективного принятия решений.
Из рассмотренной классификации выберем класс задач, который будет необходим для диссертационного исследования. К данному классу задач относятся многокритериальные методы принятия индивидуальных решений в условиях неопределенности. Методы индивидуального принятия решений при многих критериях можно разделить на следующие группы: аксиоматические методы многокритериальной теории полезности; методы сравнения многомерных альтернатив (методы доминирования, компенсации, порогов несравнимости); методы построения обобщенного критерия; вербальные методы; методы теории нечетких множеств; интеллектуальные методы.
Методы теории полезности [66,80] основаны на аксиомах рационального выбора, которые можно разделить на две группы. В первую группу входят аксиомы общего характера, утверждающие сравнимость рассматриваемых исходов по предпочтению, транзитивность отношений предпочтения, а также устанавливающие соотношение между полезностями исходов на основе объективной и субъективной вероятности. Вторую группу составляют аксиомы независимости, выполнение которых позволяет декомпозировать многомерную функцию полезности и совместное распределение исходов. Аксиоматический подход к выбору основан на предположении рационального поведе ния человека при решении ЗПР. Одним из основных ограничений на применение методов теории полезности является выполнение условий независимости. Другим ограничением является длительность процедур восстановления условных распределений критериальных оценок и функций полезности. Следует также учитывать отклонения поведения ЛПР от рационального и трудность количественного измерения предпочтений.
Методы сравнения многомерных альтернатив. При парном сравнении альтернатив выявляются несравнимые альтернативы, выбор наилучшей из которых основан на какой-либо стратегии компенсации недостатков достоинствами. Наиболее известными представителями методов этой группы являются методы ELECTRE, разработанные под руководством Б. Руа [109, ПО, 150]. В методах ELECTRE на основе парного сравнения альтернатив вычисляются индексы согласия и несогласия с гипотезой о превосходстве одной альтернативы над другой. Доминируемые альтернативы исключаются из рассмотрения. Оставшиеся после исключения альтернативы образуют ядро, которое последовательно усекается путем измерения значений уровней согласия и несогласия. Последовательный анализ предпочтений позволяет исследовать множество альтернатив и выделить альтернативы с противоречивыми оценками.
Методы построения обобщенного критерия основаны на сведении многокритериальной задачи к задаче с единственным критерием. Большинство методов данной группы основано на предположении взаимной независимости критериев. Вопросы выявления независимости между критериями решаются на этапе постановки ЗПР при формировании набора критериев для оценки качества решений. При построении обобщенного критерия необходимо решить следующие проблемы: обоснование выбора принципа оптимальности; измерение и нормализация векторного критерия; учет степени важности локальных критериев.
Описание методов качественного анализа для изучения экономики малого предпринимательства в регионе
Применение метода анализа иерархий начинается с построения иерархической структуры задачи принятия решений, которая включает цель, расположенную в ее вершине (фокусе иерархии), промежуточные уровни (например, критерии) и альтернативы, формирующие самый нижний иерархический уровень. При построении иерархии можно использовать три способа. Первый способ заключается в конкретизации (декомпозиции) заданного множества элементов (в частности, критериев). Второй способ противоположен первому и предполагает синтез более общих элементов из заданных частных. Третий способ состоит в упорядочении предварительно заданного множества элементов на основе их попарного сравнения.
После построения иерархии устанавливается метод получения оценок ее элементов относительно элементов более высокого уровня иерархии: метод парных сравнений, метод стандартов. Сравнение альтернатив отно сительно стандартов альтернатив может применяться в случае, когда сравниваемых элементов более чем десять и когда требуется включение в иерархию новых альтернатив. Метод попарного сравнения элементов имеет ограничения на количество сравниваемых элементов (не более десяти).
Рассмотрим метод определения векторов приоритетов на основе матриц парных сравнений. Для измерения степени предпочтительности используется шкала отношений, где: отсутствие предпочтительности -1; слабая предпочтительность - 3; умеренная предпочтительность -5; сильная предпочтительность - 7; абсолютная предпочтительность— 9; промежуточные градации - 2,4,6,8.
Данная шкала позволяет ЛПР ставить некоторые числа в соответствие степеням предпочтения одного сравниваемого объекта перед другим. Правомочность этой шкалы доказана теоретически при сравнении со многими другими шкалами. При использовании указанной шкалы ЛПР, сравнивая два объекта в смысле достижения цели, расположенной на вышележащем уровне иерархии, неоьходимо поставить в соответствие этому сравнению число в интервале от 1 до 9 или обратное их значение.
Для каждой матрицы парных сравнений А вычисляется главный правый собственный вектор w, который интерпретируется как вектор приоритетов сравниваемых объектов. Главный правый собственный вектор матрицы А находится из уравнения Aw = XmmW, где Х х - максимальное собственное значение матрицы А. Максимальное собственное значение для каждой матрицы может быть получено следующими вычислениями: сначала суммируется каждый столбец суждений, затем сумма первого столбца умножается на величину первой компоненты нормализованного вектора приоритетов, сумма второго столбца - на вторую компоненту и т. д. Затем полученные числа суммируются. Так можно получить величину, обозначаемую Хщ . Для обратносимметричной матрицы всегда Лтах п. и J 1 (2.3) Кох = Si - 1+ Щ +...+5я wn, где w,- - элементы нормализованного вектора приоритетов, ад - элементы матрицы А, п - размерность матрицы, S,- - сумма 7-го столбца.
Для положительной квадратной матрицы А правый собственный вектор W, СООТВеТСТВуЮЩИЙ МаКСИМаЛЬНОМу Собственному ЗНачеНИЮ Лщах, с точностью до постоянного сомножителя С можно вычислить по формуле: k- e А е где е = {1,1,..., 1}т- единичный вектор; к = 1,2, 3, ... - показатель степени; С - константа; Т - знак транспонирования.
Вычисления собственного вектора w по выражению (2.1) производится до достижения заданной точности: где 1 - номер итерации, такой, что 1=1 соответствует к=\\ /=2, к=2; /=3, к=А и т. д.; - допустимая погрешность (=0.01).
Максимальное собственное значение вычисляется по формуле: /-max = Є AW.
Однородность суждений эксперта, представленных в матрице парных сравнений, оценивается индексом однородности (ИО) или отношением согласованности (CR) в соответствии со следующими выражениями: ИО = (Хпшх-п)/(п-1), СЯ = ИО/М(ИО), где М(ИО) - среднее значение (математическое ожидание) индекса однородности случайным образом составленной матрицы парных сравнений А,
Технология системного анализа
Технологический аспект системного анализа выделял Герберт Спенсер (1820-1903) - последний западноевропейский философ-энциклопедист, козе торый писал: "Систематический анализ должен начинаться с самых сложных явлений анализируемого ряда. Разложив их на явления, непосредственно следующие за ним по своей сложности, мы должны перейти к подобному же разложению их составных частей; таким образом, благодаря последовательным разложениям, мы должны спускаться к все более простому и более общему, пока не достигнем, наконец, самого простого и самого общего. Быть может, нужно некоторое терпение, чтобы производить эти высокосложные операции сознания". Ныне проблеме структуры системного анализа уделяется довольно значительное место в концепциях различных авторов [22,26,27,61,87,116,120,126,134,136,139].
Э. А. Капитонов выделяет следующие последовательные этапы системного анализа: постановка целей и основных задач исследования; определение границ системы, которое выступает в качестве основания для отделения объекта от внешней среды, разграничения его внутренней и внешней связей; выявление сути целостности. Выявление последней предполагает охват всей типологической совокупности связей применительно к данному объекту и содержит стремление к абсолютной полноте его изображения; определение строения системы - поэлементного состава; анализ взаимосвязей элементов системы; построение структуры и организации системы, через которые выражается определяемая устойчивыми связями упорядоченность системы и направленность этой упорядоченности; установление функций системы и ее подсистем; анализ функционирования, обеспечивающего реальную жизнедеятельность (работу) системы; выявление управляемости системы. Наличие механизмов взаимосвязи в иерархическом строении системы, прямых и обратных связей функционирования делают объект управляемым.
Более детальную схему обосновал Ю. И. Черняк [139], который процесс системного анализа декомпозировал на 12 этапов: анализ проблемы; определение системы; анализ структуры систем; формулирование общей цели и критерия системы; декомпозиция цели, выявление потребностей в ресурсах и процессах; выявление ресурсов и процессов, композиция целей; прогноз и анализ будущих условий; оценка целей и средств; отбор вариантов; диагноз существующей системы; построение комплексной программы развития; проектирование организации для достижения целей. Достоинство технологии Ю. И. Черняка заключается в ее операционализме, а также в том, что в ней представлены соответственно каждому этапу научные инструменты системного анализа.
В рамках диссертационного исследования автором была предложена своя технология системного анализа, которая представляет собой результат синтеза операций комплексного подхода и научного исследования (рис. 2.3). Объектом системного анализа выступает сектор экономики малого предпринимательства в регионах. В его предмет входят многообразные характеристики системности, наиболее важные среди них: состав системы (численность элементов, зависимость элемента от его места и функций в системе, виды подсистем, их свойства); структура системы (сложность структуры, многообразие связей, прямые и обратные связи, иерархичность структуры, воздействие структуры на свойства и функции системы); функционирование системы (цели системы, поведение в условиях неопределенности).
Рассмотрим основные этапы технологии системного анализа для изучения экономики малого предпринимательства в регионе. Технология системного анализа включает три основных этапа. На первом этапе необходимо провести экономический анализ в разрезе отраслей малого предпринимательства с тем, чтобы выявить внутренние закономерности развития и проследить за приоритетностью развития отраслей малого предпринимательства в регионе. На втором этапе проводится экономический анализ в общем региональном аспекте, где рассматривается классификация по совокупности индикаторов, характеризующих текущее состояние малого бизнеса и на их основе строится модель прогнозирования для определения уровня развития малого предприниматель ства в регионе на краткосрочную vt среднесрочную перспективу. На третьем этапе необходимо провести качественный анализ методами теории принятия решений и, опираясь на полученные вьшоды, предложить дальнейшую программу по совершенствованию малого бизнеса в регионе.
На настоящий момент разработано множество компьютерных программ, реализующих те или иные методы статистического анализа и теории принятия решений.
Характеристика интеллектуальной системы поддержки принятия решений
Интеллектуальная система поддержки принятия решений (ИСППР) выполняется в двух базовых сферах: в сфере агрегированных показателей, где дается комплексный взгляд на собранную в хранилище данных информацию, и в сфере закономерностей, где происходит обработка данных методами интеллектуального анализа данных.
Рассмотрим архитектуру СППР, где технологии оперативной аналитической обработки данных тесно связаны с технологиями построения Хранилищ данных и методами интеллектуальной обработки. Дадим краткую характеристику данным подсистемам.
В основе концепции Хранилищ данных лежат две основополагающие идеи: интеграция ранее разъединенных детализированных данных (данные из внешних источников), их согласование и, возможно, агрегация и разделение наборов данных, используемых для операционной обработки, и наборов данных, используемых для решения задач анализа. Кроме средств выгрузки, агрегации и согласования данных концепция Хранилищ данных подразумевает: интегрированность, неизменчивость, поддержку хронологии и согласованность данных. И если, два первых свойства (интегрированность и неизменчивость) влияют на режимы анализа данных, то последние два (поддержка хронологии и согласованность), существенно сужают список решаемых аналитических задач. Без поддержки хронологии (наличия исторических данных) нельзя говорить о решении задач прогнозирования и анализа тенденций. Но наиболее критичными оказываются вопросы, связанные с согласованием данных. Основным требованием аналитика, является даже не столько оперативность, сколько достоверность ответа. Но достоверность, в конечном счете, и определяется согласованностью. Пока не проведена работа по взаимному согласованию значений данных из различных источников, сложно говорить об их достоверности.
В основе концепции Витрин данных лежит возможность построения тематических БД, содержащих информацию, относящуюся к отдельным аспектам деятельности отрасли, предприятия. Витрины данных обычно содержат тематические подмножества заранее агрегированных данных, их проще проектировать и настраивать. Для реализации Витрин данных не требуются высокомощная вычислительная техника. Но концепция Витрин данных имеет и очень серьезные пробелы. По существу, здесь предполагается реализация территориально распределенной информационной системы с мало контролируемой избыточностью, но не предлагается способов обеспечения целостности и непротиворечивости хранимых в ней данных. Поэтому было предложено объединить две концепции и использовать Хранилище данных в качестве единого интегрированного источника данных для Витрин данных.
В основе концепции оперативной аналитической обработки данных лежит принцип многомерного представления данных, когда проводится анализ по нескольким измерениям. Каждое измерение включает направления консолидации данных, состоящие из серии последовательных уровней обобщения, где каждый вышестоящий уровень соответствует большей степени агрегации данных по соответствующему измерению. Так, измерение "регион" может определяться направлением консолидации, состоящим из уровней обобщения "регион-отрасль-предприятие". Измерение "время" может включать два направления консолидации - "год-квартал-месяц-день" и "неделя-день", поскольку счет времени по месяцам и по неделям несовместим. В этом случае становится возможным произвольный выбор желаемого уровня детализации информации по каждому из измерений.
В основе концепции интеллектуального анализа данных лежит принцип выявления закономерностей в наборах данных. Выделяют пять стандартных типов закономерностей, которые позволяют выявлять методы интеллектуального анализа данных: ассоциация; последовательность ; классификация; кластеризация; прогнозирование.
Ассоциация имеет место в том случае, если несколько событий связаны друг с другом. Если существует цепочка связанных во времени событий, то говорят о последовательности. С помощью классификации выявляются признаки, характеризующие группу, к которой принадлежит тот или иной объект. Это делается посредством анализа уже классифицированных объектов и формулирования некоторого набора правил. Кластеризация отличается от классификации тем, что сами группы заранее не заданы. Основой для всевозможных систем прогнозирования служит историческая информация, хранящаяся в БД в виде временных рядов.
Выделяют следующие классы систем интеллектуального анализа данных (ИАД):
1. Предметно-ориентированные аналитические системы, получившие распространение в области исследования финансовых рынков.
2. Статистические пакеты, в которых основное внимание уделяется классическим методикам - корреляционному, регрессионному, факторному анализу.
3. Нейронные сети - это большой класс систем, архитектура которых пытается имитировать построение нервной ткани из нейронов. В одной из наиболее распространенных архитектур, многослойном перцептроне с обратным распространением ошибки, эмулируется работа нейронов в составе иерархической сети, где каждый нейрон более высокого уровня соединен своими входами с выходами нейронов нижележащего слоя. На нейроны самого нижнего слоя подаются значения входных параметров, на основе которых нужно принимать какие-то решения, прогнозировать развитие ситуации и т. д. Эти значения рассматриваются как сигналы, передающиеся в вышележащий слой, ослабляясь или усиливаясь в зависимости от числовых значений (весов), приписываемых межнейронным связям.
