A1/ Decizie – definiţie, niveluri şi tipuri de decizie Putem defini decizia ca fiind rezultatul unor activităţi conştiente de alegere a unei direcţii de acţiune şi a angajării �n aceasta. Decizia aparţine unei persoane sau unui grup de persoane care dispun de autoritatea necesară şi care răspund pentru folosirea resurselor �n anumite situaţii. Clasificarea deciziilor se poate face după mai multe criterii de clasificare:

� n funcţie de nivelul decizional, deciziile se clasifică � n : Decizii strategice, sunt acele decizii care determinaă obiectivele, resursele şi politicile organizaţiei. Una dintre principalele decizii la acest nivel o reprezintă anticiparea viitorului organizaţiei şi a mediului �n care va funcţiona. Decizii tactice – de control managerial, aceste decizii sunt legate de urmărirea eficienţei şi a eficacităţii cu care sunt utilizate resursele, precum şi eficienţa unor unităţi operaţionale.Decizii operaţionale – de control operaţional, sunt acele decizii care determină modalităţile �n care se execută sarcinile stabilite la niveluri superioare.Decizii privind cunoştinţele, sunt legate de evaluarea ideilor privind noi produse şi servicii, metodelor de comunicare a noilor cunoştinţe şi de difuzare a informaţiilor �n organizaţie.

� n funcţie de gradul de structurare al acestora, deciziile se pot clasifica � n: Decizii structurate (programabile), sunt acele decizii de rutină pentru adoptarea cărora există proceduri prestabilite. Ele intervin atunci c�nd există un proces cunoscut şi explicit care permite prelucrarea informaţiilor de intrare pentru alegerea alternativelor.Decizii nestructurate (neprogramabile), sunt acele decizii care fac apel la judecata şi intuiţia decidentului �n definirea problemei respective. Sunt decizii importante, cu caracter inovator şi deseori atipice, neexist�nd proceduri prestabilite pentru adoptarea lor. O problemă este neprogramabilă atunci c�nd elementele deciziei sunt calitative şi scopurile şi obiectivele nu sunt precise.Decizii semistructurale, sunt acele decizii �n adoptarea cărora se poate apela doar la parţial la proceduri cunoscute. O problemă este semistructurală atunci c�nd decizia are elemente predominant cantitative iar obiectivele şi scopurile nu sunt precise şi procedura algoritmică de rezolvare nu acoperă �n totalitate elementele problemei.

A2 / Procesul de adoptare a deciziilor – definiţie, etape, activităţi şi suport software pentru faza de informare generală Procesul decizional poate fi definit ca un ansamblu de activităţi pe care le desfăşoară un individ sau un grup, confruntat cu un eveniment care generează mai multe variante de acţiune, obiectivul fiind alegerea unei variante care să corespundă sistemului de valori al individului sau grupului. Acest proces parcurge mai multe etape:

Informarea generală, �n această etapă se analizează problemele care apar �n organizaţie, �n scopul identificării cauzelor care au dus la o anumită situaţie precum şi consecinţele acesteia. Informarea generală cuprinde mai multe activităţi:

-identificarea problemei, �n această etapă se identifică existenţa unei probleme, simptomele acesteia şi contextul ei. Existenţa unei probleme poate fi determinată prin analizarea nivelului productivităţii organizaţiei. Măsurarea şi construirea unui model se bazează, pe colecţii de date, şi previziunile acestora.-clasificarea problemei, �n această etapă are loc conceptualizarea problemei �n scopul de a o �ncadra �ntr-o anumită categorie pentru a o putea aborda printr-o metodă standard.-descompunerea problemei �n subprobleme, dacă este posibilă, are drept efect �mbunătăţirea comunicării �ntre diverşi factori de decizie.-stabilirea responsabilităţilor pentru problema respectivă, o problemă există �n organizaţie doar dacă aceasta are capacitatea de a o rezolva. De asemenea trebuie desemnate �n mod clar persoana sau persoanele care răspund de problema respectivă.

Etapa de informare generală are drept rezultat o descriere formală a problemei identificate, a categoriei din care face parte şi a responsabilităţilor.

Suportul software - un sistem de asistare a deciziei �n acestă etapă de informare generală trebuie să aibă capacitatea de a prelua şi de a interpreta informaţiile externe şi interne. Multe dintre tehnologiile informaţiilor destinate asistării decizei �şi pot dovedii utilitatea �n această etapă:- Sisteme informatice destinate conducerii executive EIS care au drept obiectiv principal monitorizarea surselor de informaţii interne şi externe pentru a sesiza �n timp posibilitatea apariţiei unor probleme.- Noile tehnologii, cum ar fi descoperirea de noi informaţii – data mining – sau prelucrarea analitică a datelor �n timp real – online analytic processing (OLAP).- Sistemele expert, pot furniza informaţii privind natura unei anumite probleme, clasa �n care se poate �ncadra.

A3/ Procesul de adoptare a deciziilor – definiţie, etape, activităţi şi suport software pentru faza de concepţie �n această etapă se stabilesc diversele modalităţi de acţiune pentru rezolvarea problemei definite anterior. Acest lucru implică realizarea unui model pentru adoptarea deciziei, testarea şi validarea acestuia.Modelarea implică conceptualizarea problemei şi abstractizarea ei �n expresii cantitative şi/sau calitative. Alegerea unui criteriu de selecţie exprimă modalitatea �n care sunt stabilite şi integrate �n model obiectivele procesului decizional. Există două principii de alegere:

1. normativ , alternativa aleasă este cea mai bună din toate alternativele posibile; acest proces mai este cunoscut şi sub denumirea de optimizare.

2. descriptiv , descriu o situaţie reală şi sunt utile pentru a analiza consecinţele diverselor acţiuni �n funcţie de mai multe ipoteze.

O parte importantă a acestui proces o reprezintă generarea acţiunilor posibile. �n modelele de optimizare această generare se realizează automat, dar pentru cele mai multe situaţii generarea se face manual necesit�nd timp mult, muncă multă şi intuiţie, dar se pot utiliza alternative de genul euristicilor.Pentru a evalua şi compara diferite alternative este necesară previzionarea rezultatelor fiecărei alternative �n parte.Suportul software - �n identificarea acţiunilor posibile, �n analiza criteriilor de alegere a acestora şi �n previzionarea consecinţelor se pot utiliza modele standard furnizate de SIAD, �n cazul problemelor complexe este necesară expertiza care poate fi furnizată de către un produs brainstorming sau un sistem expert. Dacă identificarea celor mai bune opţiuni implică utilizarea unui brainstorming, se pot utiliza cu succes sistemele de asistare a deciziei de grup SADG.

A4/ Procesul de adoptare a deciziilor – definiţie, etape, activităţi şi suport software pentru faza de alegere Alegerea este etapa cea mai importantă pentru că aici se concretizează rezultatele etapelor anterioare. �n această etapă se caută cea mai bună acţiune pentru rezolvarea problemei. �n funcţie de criteriile care stau la baza acestei alegeri se pot identifica mai multe tipuri de metode de căutare:

Metode analitice utilizează formule matematice pentru a obţine o soluţie optimă, se aplică �n general problemelor structurale aflate la nivel operaţional.

Metode exhaustive (blind search) presupune inspectarea tuturor căilor de acţiune pntru atingerea scopului urmărit. Este un proces neghidat �n urma căruia se alege soluţia optimă, �nsă posibilităţile de căutare sunt limitate.

Indiferent de metoda de căutare a căii de acţiune ce trebuie urmată, ea trebuie să fie cuplată cu evaluarea rezultatelor ce corespund soluţiei respective. Suportul software - sistemele informatice de asistare a deciziei pot oferi un real suport �n această fază, prin modelele cu ajutorul cărora se identifică rapid soluţia optimă, se realizează analiza de senzitivitate. De asemenea, un sistem expert poate analiza oportunitatea anumitor acţiuni şi poate recomanda diverse scenarii.

B1-B2/ SIAD – definiţie, caracteristici, clasificări şi utilizare Definiţie : Sistemul informatic de asistare a deciziei este un sistem informatic destinat

asistării decidenţilor �n rezolvarea unor probleme prin �mbinarea judecăţilor umane cu procesarea automată a informaţiilor şi al cărui obiectiv principal este ameliorarea calităţii procesului decizional (eficacitatea �n primul r�nd şi nu eficienţa).

Principalele caracteristici ale unui SIAD sunt:-SIAD sunt destinate problemelor care nu pot fi rezolvate cu ajutorul altor sisteme informatice sau metode cantitative-SIAD asistă manegerii at�t la nivel individual c�t şi la nivel de grup, de la diverse niveluri organizaţionale �n toate fazele procesului decizional-Căutarea soluţiilor necesită manipulări de date, căutare de informaţii, modelare şi calcule-Criteriile de decizie sunt numeroase, conflictuale şi depind de utilizatori-Experienţa, intuiţia, judecăţile şi preferinţele decidentului sunt esenţiale-Timpul de răspuns pentru obţinerea unei soluţii satisfăcătoare este limitat.

Cel mai utilizat criteriu de clasificare al SIAD �l constituie gradul �n care soluţia oferită de sistem se bazează pe analiza datelor sau pe modelare. Putem deci clasifica SIAD �n două categorii:

SIAD bazat pe modele; au fost primele SIAD care au apărut �n anii 70-80 fiind sisteme autonome separate de sistemele informatice ale organizaţiei şi utilizau un anumit tip de model pentru efectuarea unor analize de tipul what if.SIAD bazat pe date; acest tip de sistem analizează un volum mare de date stocate �n sistemele informatice ale organizaţiei ele susţin�nd procesul decizional oferind posibilitatea de a se extrage informaţii utile din multitudinea datelor disponibile. De regulă acestea sunt stocate �n depozite de date data warehouse iar pentru analiza lor se folosesc noi tehnologii informaţionale: OLAP (procesarea datelor �n timp real) şi data mining (forarea datelor adică căutarea de informaţii). La această clasificare se pot adăuga SIAD bazate pe cunoştinţe, care �nglobează tehnologii ale inteligenţei artificiale şi pot fi numite şi SIAD adică sisteme inteligente de asistare a deciziei. O altă clasificare a SIAD făcută de Holsapple şi Whinston, grupează aceste sisteme �n următoarele 5 categorii:SIAD bazate pe analiza textelor- datele, informaţiile şi cunoştinţele sunt regăsite de cele mai multe ori sub forma unui text ce trebuie analizat de decident. Un astfel de sistem asigură crearea, revizuirea şi vizualizarea automată a diferitelor documente şi va utiliza tehnologii ca: hypertext, agenţi inteligenţi, tehnologii WEB.SIAD bazate pe baze de date- pentru acest tip de SIAD baza de date a organizaţiei este componenta esenţială a structurii saleSIAD bazate pe procesoare de tabele- procesoarele de tabel reprezintă limbaje de modelare care permit utilizatorului să descrie modele pentru a efectua diverse analize. Cel mai utilizat procesor de tabele este EXCEL care include diferite tipuri de modele: statistice ,financiare , de optimizare, de simulare şi de previzune.SIAD bazate pe funcţii- o funcţie este un algoritm sau o procedură tradusă �ntr-un program pentru a rezolva un anumit tip de problemă

SIAD bazate pe reguli-regulile se regăsesc �n componenta sistemului de gestiune a cunoştinţelor, ca formalism de reprezentare a acestora �n cadrul sistemelor expert, ele pot �nlocui sau se pot �ncadra �n modelele cantitative.

Utilizarea SIAD – SIAD alături de celelalte sisteme informatice se utilizează pe scară tot mai largă şi ca urmare �n ultimii ani s-au dezvoltat tot mai multe sisteme �n diverse domenii de activitate:

Conform unui studiu realizat �n 1994 �n 2001de corporaţii americane, beneficiile aşteptate din utilizarea de SIAD s-au concretizat �n următoarele direcţii: -O mai bună calitate a procesului decizional-O mai bună comunicare �n cadrul organizaţiei-Reducerea costurilor-Creşterea productivităţii-Creşterea satisfacţiei clienţilor şi angajaţilor Principalele motive care duc la utilizarea unor astfel de sisteme sunt:-Instabilitatea mediului economic-Competiţia din ce �n ce mai acerbă-Apariţia şi dezvoltarea comerţului electronic-Necesitatea efectuării unor analize speciale privind profitabilitatea şi eficienţa-Necesitatea informării c�t mai corecte-Sistemele informatice existente nu asistă procesul decizional. Din ce �n ce mai frecvent SIAD sunt integrate �n cadrul sistemelor ERP, sisteme care acoperă toate domeniile de activitate, de la nivelul operaţional la cel decizional.

B3/ Locul SIAD � n cadrul sistemului informaţional al � ntreprinderii, tipuri de sisteme informatice şi posibilităţi de integrare Plec�nd de la modelul OID (operaţie – informaţie – decizie ) la care se adaugă sistemul de cunoştinţe al unei organizaţii ( modelul OICD ) putem plasa diferitele tipuri de sisteme informatice, astfel: figura 3 pagina 24. Sistemele informatice care se ocupă numai cu culegerea datelor, stocarea şi prezentarea lor �n detaliu se cheamă sisteme informatice tranzacţionale (ST). Sistemele informatice utilizate pentru conducerea operativă a sistemului operaţional (SCO) descompun deciziile �n ordine şi le transmit spre execuţie sistemului operaţional. Sistemele informatice care se ocupă de prelucrarea datelor preluate din ST pentru obţinerea informaţiilor de sinteză care sunt necesare sistemului de decizie sunt sisteme informatice manageriale (MIS). Sistemele informatice de asistare a deciziei (SIAD) sunt sisteme informatice care au ca obiectiv asistarea procesului managerial. �n anumite cazuri conducerea poate apela la servicii de consultanţă oferite de experţi de la care primeşte confirmări sau infirmări de supoziţii, diagnostice, sfaturi, propuneri şi soluţii. Aceste tipuri de sisteme care susţin consilierea sunt denumite sisteme informatice inteligente (SII). Pe măsura dezvoltării tehnologiilor informatice a apărut posibilitatea integrării diverselor tipuri de sisteme informatice:MIS & ST , MIS preia datele direct din sistemul operaţional, lucru posibil datorită tehnologiilor bazelor de date.SIAD & SCO , SIAD se extinde spre implementarea deciziei, prin descompunerea acesteia �n ordine. Configuraţia unui SIAD bazat pe model este : figura 4 pagina 25.SIAD & ST , SIAD �şi extrage informaţiile necesare prin explorarea datelor de detaliu furnizate de ST, figura 5 pagina 26.SIAD & MIS , SIAD utilizează datele de sinteză produse de MIS pe l�ngă datele preluate din alte surse externe �ntreprinderii pentru a fundamenta decizia la nivel executiv (EIS –sisteme informatice destinate conducerii executive) figura 6 pagina 26. �n cadrul SIAD EIS este o clasă aparte fiind cel mai bine delimitat sistem de asistare a deciziilor. Au apărut iniţial ca sisteme care implementau conceptul de tablou de bord al �ntreprinderii şi s-au dezvoltat cu rapidiate datorită necesităţii de informare a conducerii, fiind sisteme extrem de prietenoase care permit accesul rapid la informaţiile de detaliu necesare adoptării deciziilor.SIAD & SCO & MIS , �n această configuraţie se pot �ncadra sistemele de asistare a deciziei prin simulare. Se utilizezaă un model al sistemului operaţional pe baza căruia se experimentează deciziile prin descompunere �n ordine. SIAD & SE , SIAD face apel la tehnologii inteligente pentru a putea rezolva acele probleme al căror context este insuficeint definit şi parametrii sunt mai mult calitativi. �n această configuraţie avem de a face cu un SIAD inteligent (SIIAD) figura 8 pagina 28. Cea mai mare parte a SIIAD sunt sistemele expert, care sunt destinate rezolvării unor probleme nestructurate cu ajutorul tehnologiilor inteligenţei artificiale utiliz�nd cunoştinţele unui expert uman �n domeniul respectiv.SIAD & MIS & SCO & ST , toate tipurile de sisteme informatice integrate pe verticală se constituie �n sisteme informatice integrate pentru management ( ERP) .

B4/ SIAD bazate pe sinteza si analiza datelor - generalitati

Sintetizarea datelor consta in transformarea datelor in informatii si a acestora in cunostinte.

Centralizarea lor dupa anumite criterii, rezulta sisteme de sinteza, rapoarte periodice pentru informarea managerilor, constituind suportul pe care acestia isi sintetizeaza deciziile. Pentru sintetizarea datelor informationale de gestiune a oferit solutia:-programe dedicate care exploateaza flexibilitatea limbajelor procedurale in gruparea dupa anumite criterii si sintetizarea datelor;- interogari care grupeaza datele dupa criteriile cerute si aplica functii pe domeniile astfel create (Group By-SQL, SUM, COUNT, AVG, MIN, MAX, etc).Tehnicile clasice de sintetizare sa devina inaplicabile in cazul unui volum mare de date din cauza timpului necesar pentru procesare.Tehnicile de centralizare transforma datele in informatiiÞsinteza.

Analiza datelor – identificarea aumitor tipare si corelatii, urmata de interpretarea lor. Incearca sa descopere relatiile dintre datele sintetizate: tipare, asocieri, corelatii in plan structural si cauzal. Cea mai simpla analiza consta in compararea datelor sintetizate cu date similare.

Ex: vanzarile din anul trecut din zona de vest cu vanzarile din anul acesta, din aceeasi zona. Se modifica un singur criteriu pentru comparatie, toate celelalte ramanand identice.

Comparatia permite scoaterea in evidenta a unor similitudini sau dimpotriva sesizeaza abaterile, exceptiile, situatiile anormale. S-au dezvoltat tehnici de observare analitica a datelor fundamentate pe teorii matematice care compara datele reale cu datele teoretice produse de un model ipotetic. Daca se potrivesc, modelul poate fi considerat ca o reprezentare corecta a procesului care a produs setul de date; daca nu se schimba, modelul ipotetic isi se reia procesul de comparatie pana se obtione un model suficient de reprezentativ.Tehnicile de observare automata se bazeaza pe date. Rezultatul acestor tehnici se poate concretiza intr-un model general, utilizabil ca fundament teoretic, in primul rand de tehnica de observare. Aceste tehnici de observare analitica se grupeaza intr-o tehnica moderna, data mining. Observarea analitica conduce la : tipare , corelatii sau chiar modele din care se pot deduce tendinte. Puterea descriptiva a modelului reprezentativ permite interpretarea datelor.

C1/ Sisteme suport pentru decizii - structură generală, funcţii

o SIAD ca orice alt sistem informatic presupune existenţa unui suport software care să asigure un mediu de dezvoltare , �ntreţinere şi funcţionare. SIAD vor funcţiona �ntr-un mediu creat de un sistem suport de asistare a deciziei (SSAD) figura 11 pagina 32.

o Principalele funcţii ale unui SSAD:-Gestiunea datelor-Gestiunea modelelor-Gestiunea cunoştinţelor-Gestiunea dialogului, �ntre utilizator şi sistem pe de o parte şi �ntre date, modele şi

cunoşinţe pe de altă parte. Pe baza acestor funcţionalităţi un sistem suport pentru realizarea unui SIAD va cuprinde �n arhitectura sa următoarele subsisteme:-Subsistemul de gestiune a datelor-Subsistemul de gestiune a modelelor -Subsistemul de gestiune a cunoştinţelor-Subsistemul de gestiune a dialogului.

C2/ Subsistemul de gestiune a datelor Subsistemul de gestiune a datelor este alcătuit din următoarele componente:Baza de date proprie SSAD sau creată prin extragerea de date din altă bază de date sau chiar dintr-un depozit de date. Datele pot fi extrase din surse interne şi / sau externe organizaţiei acestea put�nd fi menţinute �n cadrul bazei de date sau accesate direct �n momentul utilizării sistemului.SGBD – datele nu pot fi utilizate dec�t prin intermediul unui SGBD, cele mai multe SSAD au �ncorporate un SGBD relaţional şi / sau sisteme de gestiune a bazelor de date multidimensionale.Dicţionarul datelor – este catalogul tuturor datelor din baza de date conţin�nd definiţiile datelor şi fiind utilizat �n prima fază a procesului decizional, informare generală, �n identificarea problemelor.Facilităţi de interogare a datelor- sunt limbaje declarative de interogare.

C3/ Subsistemul de gestiune a modelelor Subsistemul de gestiune a datelor este alcătuit din următoarele componente:Modelele (biblioteca de modele) - reprezintă setul de modele cantitative care conferă sistemului capacitatea de a analiza şi soluţiona problemele de decizie. Capacitatea de a utiliza modele este caracteristica esenţială care diferenţiază SIAD de celelalte siteme informatice.Sistemul de gestiune a modelelor (gestionar de modele ) – are rolul de a crea noi modele utiliz�nd limbaje de programare, instrumente de asistare a deciziei, de a actualiza modelele existente fiind capabil să coreleze modelele prin intermediul unei baze de date.Dicţionarul de modele – este un catalog al modelelor care conţine definiţiile acestora, domenii de aplicare sau alte informaţii privind utilizarea lor.Procesorul de execuţie şi integrare a modelelor – este utilizat �n procesul de interpretare a instrucţiunilor privind modelele de la utilizator şi transmiterea acestora către sistemul de gestiune a modelelor, �n combinarea mai multor modele, sau �n integrarea sistemului de asistare a deciziei �n alte aplicaţii.

C4/ Subsistemul de gestiune a dialogului Un SSAD este utilizat �n activităţi de rutină şi adhoc, cu ajutorul tastaturii sau prin intermediul unui asistent. �n procesul de realizare al unui SIAD interactivitatea este necesară conferind un rol aparte interfeţei sistemului suport. Dacă această interfaţă nu este concepută corespunzător, SSAD nu poate fi folosit. Interfata este cea mai importantă componentă, ea fiind singura percepută de utilizator, iar operaţiile care conferă sensibilitate şi flexibilitate se datorează interfeţei. Acest subsistem este gestionat de un produs software, sistemul de gestiune al feţei cu utilizatorul SGIU care are următoarele facilităţi:-Oferă o interfaţă grafică-Prezintă datele �ntr-o mare varietate de formate-Diverse stiluri de a dialoga cu utilizatorulDacă componenta de gestiune a modelelor este preponderentă �n arhitectura SSAD atunci acesta este destinat realizării unui SIAD bazat pe modele. Dacă componenta de gestiune a datelor are un rol preponderent �n arhitectura SSAD atunci acesta este destinat realizării unui SIAD bazat pe date. Dacă componenta de gestiune a cunoştinţelor are un rol preponderent �n arhitectura SSAD atunci acesta este destinat realizării unui SIAD bazat pe cunoştinţe. Dacă sistemul de dialog are facilităţi extinse de comunicare, adică colaborare on line �ntre utilizatori SSAD se constituie �n sistem suport pentru decizia de grup (groupware).

D1/ Modele – definiţie, tipuri de modele, structura unui model Un model = o reprezentare simplificată ( o abstractizare) a realităţii. Această

simplificare este necesară datorită faptului că realitatea este mult prea complexă pentru a putea fi descrisă exact. Această reprezentare simplificată a realităţii �n cadrul unui model poate fi realizată cu un grad mai mare sau mai mic de abstractizare.

In funcţie de acest criteriu, modelele se pot �ncadra �n una din următoarele categorii: Modele iconice - cel mai puţin abstracte - sunt reprezentări similare realităţii, �nsă la o scară diferită.Modele analogice- au acelaşi comportament, dar sunt diferite de sistemul real. Prezintă un grad de abstractizare mai ridicat dec�t modelele la scară, fiind reprezentări simbolice ale realităţii. Aceste modele sunt de regulă diagrame sau grafice bidimensionale.Modele cantitative ( matematice ) – prezintă cel mai �nalt grad de abstractizare şi sunt cel mai des utilizate �n cadrul SIAD. Complexitatea sistemelor organizaţionale nu poate fi reprezentată de regulă dec�t cu ajutorul modelelor matematice.

Stuctura unui model:Orice model prezintă trei componente de bază:Variabile de decizie – descriu posibile acţiuni alternative. Nivelul acestor variabile este determinat de către decident.Parametrii – variabile care influenţează rezultatul dar care nu pot fi controlate de către decident. Aceste variabile devin restricţii ale problemei, limit�nd soluţiile posibile ale acesteia.Variabile rezultat –sunt variabile dependente at�t de adoptarea unei anumite acţiuni c�t şi de paramertii modelului respectiv.

D2/ Optimizarea – descriere şi utilizare Situaţiile decizionale care implică un număr rezonabil şi infinit de alternative sunt modelate prin analiză decizională, abordare �n cadrul căreia fiecărei alternative �i sunt ataşate valorile estimate ale participării la realizarea obiectivului propus care sunt �nscrise �ntr-o tabelă sau un gref. Tabela de decizie se contituie �ntr-o modalitate de reprezentare sistematică a informaţiilor ce caracterizează o anumită situaţie decizională:Stările naturii: ansamblu de condiţii �n care se desfăţoară o acţiune.Criteriile decizionale: punctele de vedere din care poate fi analizată problema.Variantele ( alternativele) decizionale: modalităţile de realizare a unei acţiuni de care decidentul poate dispune dar care există independent de voinţa sa .Consecinţele decizionale: efectele compuse ale variantelor, criteriilor şi stărilor naturii; numărul de consecinţe mai mare sau egal cu numărul de criterii.. Vom considera exemplul unei societăţi de plasare a capitalului care alege �ntre trei alternative: acţiuni, obligaţiuni sau certificate de depozit, pe baza unui singur criteriu: maximizarea eficienţei investiţiei după un an. Investiţiile combinate (exemplu , 60 % din capitalul �n acţiuni şi restul de 40% �n certificate de depozit) sunt considerate noi alternative. �n cazul �n care această alegere este realizată �n condiţii de certitudine, valorile variabilei necontrolabile (starea naturii) pot fi determinate, iar decizia adoptată imediat. Să presupunem că ştim cu certitudine că �n următorul an economia va stagna; vom alege investiţia �n certificate de depozit. Probleme apar �n momentul �n care nu există această certitudine; dacă putem stabili probabilităţile de apariţie a diverselor valori pentru variabila necontrolabilă, este vorba de o decizie �n condiţii de risc, iar �n caz contrar �n condiţii de incertitudine.�n cazul �n care nu se pot estima probabilităţi pentru valorile variabilei necontrolabile (incertitudine) , se poate considera, �ntr-o abordare optimistă că aceasta va fi cea mai favorabila dintre valorile posibile ( creştere economică), situaţie �n care se alege cea mai bună alternativă (investiţia �n acţiuni) sau, �ntr-o abordare pesimistă cea mai puţin favorabilă ( inflaţia), situaţie �n care se alege cae mai bună alternativă dintre cele posibile ( certificate de depozit). �n cazul problemelor de decizie multicriteriale, sunt definite mai multe criterii care condiţionează alegerea unei anumite alternative, criterii care pot fi exprimate şi calitativ. Rezolvarea acestor probleme porneşte de la atribuirea unor ponderi fiecărui criteriu. �n acest context apare conceptul de utilitate - o mărime subiectivă , care depinde de aprecierea decidentului, şi care exprimă preferinţa acestuia pentru o anumită acţiune. Pentru problemele de decizie multicriterială �n condiţii de certitudine se va alege varianta care are uitlitatea cea mai mare. De exemplu, �n condiţiile �n care economia va stagna (SN2), �n afară de randamentul investiţiei, se consideră şi alte două criterii: gradul de siguranţă şi lichiditatea. Utilităţile se calculează astfel: se atribuie utilitatea 1 pentru valoarea cea mai favorabilă a criteriului respectiv şi utilitatea 0 pentru valoarea cea mai puţin favorabilă. Utilităţile pentru celelalte valori vor fi determinate cu ajutorul relaţiei:U = (valoarea curentă –valoarea minimă) / (valoarea maximă – valoarea minimă)Pentru primul criteriu (randamentul investiţiei) utilităţile vor fi : 1 pentru certificatele de depozit, 0 pentru acţiuni şi 0,85 pentru obligaţiuni.

Soluţia optimă pentru o problemă de decizie multicriterială �n condiţii de risc (se cunosc probabilităţile de realizare a fiecărei stări a naturii - pi) va fi cea căreia �i corespunde utilitatea medie ponderată maximă:Voptim=maxI

Pentru o problemă de decizie multicriterială �n condiţii de incertitudine, soluţia optimă va fi determinată pe baza uneia din următoarele reguli :Criteriul prudenţei (WARD) - nu se acceptă nici un fel de risc. Se determină cel mai rău rezultat posibil al fiecărei variante şi se alege cea care conduce la cel mai bun dintre cele mai slabe rezultate.Criteriul SAVAGE (regul regretului - utilizează conceptul de � regret economic�, care decurge din faptul că nu s-a ales o variantă mai bună.Criteriul LAPLACE – se consideră toate stările naturii ca fiind echiprobabile şi se alege acea variantă pentru care speranţa matematică a efectului economic este maximă. Criteriul Hurwicz – se calculează un indicator decizional ca medie ponderată a rezultatelor extreme.Arborii de decizie constituie o reprezentare a tabelelor de decizie �n care sunt evidenţiate grafic relaţiile dintre variabilele problemei, fiind posibilă prezentarea unor situaţii complexe �n cadrul unei structuri compacte.

D3/ Simularea – descriere şi utilizare A simula �nseamnă a asuma apariţia unor aspecte ale realităţii. �n cadrul sistemelor de asistare a deciziei, simularea este o tehnică de experimentare cu ajutorul calculatorului aplicată unui model managerial. Simularea nu poate fi considerată ca fiind strict un model, modelele sunt reprezentări ale realităţii, �n timp ce prin simulare se imită realitatea. Simularea presupune testarea valorilor diferitelor variabile necontrolabile ale modelului şi influenţa acestora asupra valorilor variabilelor rezultat. Simularea este o metodă descriptivă; nu există o procedură automată pentru obţinerea unei soluţii optime. Un model de simulare descrie comportamentul, caracteristicile unui sistem �n diferite ipoteze. �n funcţie de valorile acestora, va fi aleasă cea mai bună alternativă dintre toate ipotezele. Procesul de simulare presupune parcurgerea următoarelor etape:Definirea problemei – pornind de la o situaţie reală, �ncadrarea ei �ntr-o anumită categorie (complexitate, grad de structurare) şi justificarea utilizării simulării ca metodă de rezolvare.Realizarea modelului de simulare –specificarea variabileleor şi relaţiilor dintre eleTestarea şi validarea modelului – acesta trebuie să reprezinte c�t mai corect problema reală.Stabilirea modalităţii de efectuare a experimentelor – perioada de simulare, limitele �n care se lucrează( de regulă cel mai prost şi cel mai bun scenariu).Realizarea experimentelor (a simulării propriu-zise).Evaluarea rezultatelor – interpretarea lor prin metode statistice sau efectuarea unor analize de sensibilitate.Implementarea rezultatelor simulării –beneficiază de o implicare mai mare a managerilor dec�t �n cazul altor modele. Principalele avantaje ale simulării ca modalitate de abordare a unor probleme decizionale sunt:-Oferă o imagine de condensare a timpului-Fiind o metodă mai mult descriptivă dec�t normativă, permite decidenţilor o abordare prin �ncercări repetate a soluţionări unei probleme-Este un model construit din perspectiva decidentului-Modelele de simulare sunt realizate pentru probleme particulare-Simularea este singura metodă din cadrul SIAD care poate fi aplicată problemelor nestructurate.-�n cadrul acestei metode este surprinsă complexitatea reală a problemei, nefiind necesare simplificări �n reprezentarea acesteia-Simularea poate fi aplicată unei mari diversităţi de probleme manageriale Ori de c�te ori se apelează la metoda simulării �n scopul formulării unei soluţii, trebuie avute �n vedere şi limitele acesteia:-Nu este garantată obţinerea unei soluţii optime, ci doar a unei soluţii relativ bune-Soluţiile unor simulări anterioare nu pot fi fructificate, deoarece modelul de simulare corespunde unei singure probleme -Simularea este at�t de familiară şi facilă decidenţilor, �nc�t există riscul renunţării nejustificate la alte metode analiticeConstruirea modelului de simulare poate necesita mult timp şi un cost destul de mare.

D4/ Previziunea – descriere şi utilizare Modelele predictive au drept obiectiv anticiparea viitorului pe baza informaţiilor trecute pentru anumite scenarii. �n termeni statistici, legătura �ntre două sau mai multe variabile se numeşte corelaţie, iar stabilirea tipului de legătură al unei variabile numite dependente, de una sau mai multe variabile numite independente se face prin analiza de regresie. Principalele etape �n alcătuirea modelului de regresie sunt:Identificarea –faza descriptivă �n care se identifică dependenţele şi tipurile de relaţii pe care la exprimă.Specificarea – etapa prin care se caută cea mai potrivită formă de exprimare a variabilelor.Estimarea parametrilor modelului.Testarea semnificaţiei parametrilor estimaţi.Validarea modelului.Utilizarea modelului �n operaţiuni de simulare şi predicţie.Realizarea efectivă a previziunilor pe baza analizei de regresie presupune parcurgerea următoarelor etape:Formularea problemei – decidentul trebuie să definească problema, �n termenii variabilelor care trebuie explicate şi a căror valori urmează a fi previzionate. �n aceasta primă formulare se descrie situaţia decizională şi se identifică variabila sau variabilele pentru care se vor efectua predicţii, precum şi variabilele de care depind acestea.Alegerea indicatorilor economici – după identificarea prealabilă a variabilelor independente, se caută şi alţi factori suplimentari susceptibili de a influenţa variabila respectivă şi care pot fi incluşi �n ecuaţia de regresie.O primă analiză a ecuaţiei de regresie – reprezintă, �n fapt, o analiză statistică a componentelor acestei ecuaţii care se realizează Autom�t., unul din rezultate fiind stabilirea elementelor matricei de corelaţie.Analiza matricei de corelaţie simple - �n scopul alegerii variabilelor ce trebuie incluse �n ecuaţia de regresie. �n această analiză trebuie identificate acele variabile care sunt puternic corelate cu variabila dependentă, dar slab corelate �ntre ele. La sf�rşitul acestei etape, sunt reţinute 3 sau 4 ecuaţii de regresie care urmează a fi analizate.Alegerea unei ecuaţii de regresie dintre cele identificate - pe baza datelor disponibile, calculatorul va determina coeficienţii de regresie, dar şi elementele care permit testarea semnificaţiei acestora. Vor fi reţinute doar ecuaţiile semnificative. Verificarea validităţii condiţiilor de regresie.Pregătirea previziunii - odata identificată o ecuaţie de regresie care are o valoare a coeficientului de corelaţie suficient de mare şi care răspunde testelor de semnificaţie, decidentul poate utiliza această ecuaţie ca bază pentru previziunea pe care doreşte să o realizeze. �n această etapă este necesară stabilirea unui interval de �ncredere pentru previziunile individuale şi precizia valorii fiecărei variabile independente.Principalul avantaj al analizei regresiei constă �n faptul că este o metodă statistică, care presupune efectuarea unor estimări ale gradului de precizie şi de semnificaţie, put�nd fi utilizată �n toate tipurile de relaţii cauzale, cu condiţia ca variabila vizată să depindă de variabilele independente.Principalul dezavantaj �l constituie �nsă tot faptul că este o metodă statistică; motiv pentru care mulţi decidenţi ezită să facă apel la acest tip de analiză. Un alt dezavantaj �l constituie volumul mare de date şi costurile antrenate de colectarea acestora pentru stabilirea ecuaţiei de regresie iniţială şi pentru analiza validităţii sale �n timp

E1/ Tehnologia OLAP- descriere si utilizare OLAP este o tehnologie de agregare a datelor stocate in depozite intr-o abordare multidimensionala care asigura acces rapid la informatiile necesare analistilor, managerilor si directorilor intr-o maniera consistenta, interactiva si foarte flexibila. OLAP si depozitele de date se completeaza reciproc, OLAP transferand volumul imens de date stocate si gestionate in depozite, in informatii utile procesului de decizie. Caracteristicile unei aplicatii OLAP sunt grupate in teste FASMI:Fast- rapiditate (capacitatea de a livra informatiile in timp util, de ordinul secundelor).Analysis – analizeaza (capacitatea de a efectua analize numerice statistice prin aplicatii predefinite sau create ad-hoc de utilizatori).Shared- partajata (utilizata in regim concurent de mai multi utilizatori, fapt ce impune asigurarea securitatii si confidentialitatii datelor).Multidimensional- caracteristica esentiala a OLAP.Information- acces la date si informatii relevante pt. analiza, oriunde s-ar gasi si-n orice volum.Tehnicile utilizate de OLAP cuprind de la simpla navigatie si selectie a datelor pana la analize complexe incluzand modele si serii temporale. Aplicatiile construite cu tehnologia OLAP asigura analiza rapida a informatiei multidimensionale distribuita in locatii multiple si accesibila in acelasi timp unui nr. mare de utilizatori . OLAP utilizeaza in acest scop baze da date multidimensioanale.O faciliate extrem de puternica oferita de OLAP este posibilitatea de a construi scenarii si posibiliatea de a raspunde la intrebari de tipul: �ce ar fi daca?�Analiza datelor poate fi predefinita de creatorul aplicatiei dar si de utilizatorul final in cazul unor interogari ad-hoc, OLAP asigura suport acestei analize prin capacitatea sa de a efectua calcule intensive.

E2/ Tehnologia Datawarehousing - descriere, utilizare

Structurile de date utilizate de SY de asistare a deciziei bazate pe date sunt numite depozite de date (dataware house) . Aceste structuri pot depozita volume mari de date preluate din arhivele si bazele de date ale aplicatiilor informative ale intreprinderilor, iar exploatarea acestor depozite de date este asigurata de motoare speciale ce permit interogarea maselor mari de date precum si servicii speciale ce asigura analiza on line a datelor(OLAP).Datele referitoare la tranzactiile primare sunt prelucrate pt. a extrage informarii de sinteza pt. planificarea si luarea deciziilor cu instrumentele oferite de SBBD: total queries si rapoarte.In depozitul de date pot fi stocate date arhivate provenind din activitatea din anii anteriori sau date despre concurenta. Depozitele de date sunt alimentate periodic cu date referitoare la tranzactii ulterioare, datele putind fi stocate selectiv pe animite activitati sau domenii in magazii de date (data marts).Mediul de lucru Data Ware hausing ofera:-arhitectura deschisa usor de integrat cu produse provenind de pe alte platforme-servicii de imp-exp cu validare, curatirea si transformarea datelor-metode integrate pt. proiectarea depozitului, serviciile de populare cu date sistemul de gestiune al serviciului si instrumente ale utilizatorului final-managementului infrastructurii ( gestiunea suportului, a taskurilor, a evenimentelor)-instrumente necesare pt. Proiectarea unui depozit de date-instr. Pt. descrierea logica si fizica a surselor de date-instr. Pt. validarea, curatirea si transformarea datelor cu care urmeaza sa se populeze depozitul-instr. Destinate utilizatorului final care permit accesul la informatia stocata in depozit incluzand: medii de dezvoltare de aplicatii, produse specializate in analiza datelor, aplicatii personale.

E3/ Diferenţe � ntre tehnologiile ROLAP, MOLAP şi HOLAP Rolap ( ralational OLAP) utilizează tehnoloigia relaţională care are avantajul că este la

�ndem�na celor ce dezvoltă aplicaţii de baze de date şi are o legătură directă cu sursele primare. Tabelele centralizatoare sunt asociate cu nomenclatoarele. Pentru fiecare dimensiune cheile acestor nomenclatoare formează cheia compusă a tabelei de fapte.

Tehnologia dedicată acestor structuri este reprezentată de baze de date multidimensionale care stochează datele din tabela de fapte �n fişiere cu acces asigurat prin tehnica de indexare bitmap. Tehnologia care utilizează acest model fizic se numeşte Multidimensional OLAP (MOLAP) care are ca avantaje : spaţiul de memorare este mic iar timpul de acces foarte rapid şi adăugarea de fapte noi orin completarea tabelelor bitmap. Dezavantajele sunt timpul foarte mare de conversie a datelor �n formatul comprimat şi necesitatea unui suport software special.

tehnologie hibridă – Holap – stochează agregate la cel mai mic nivel �n bate relaţionaleiar agregările la nivelurile superioare sunt stocate �n baze multidimensionale. �n acest fel se păstrează o legătură directă cu datele operaţionale şi se poate miza pe timpul de acces foarte rapid al bazelor de date multidimensionale. Dezavantajul care apare este timpul de comutare �ntre cele două sisteme, ROLAP şi MOLAP.

E4/ Tehnologia Data Mining - descriere, utilizare Data mining este tehnologia de procesare a datelor dintr-un depozit, care are capacitatea de a descoperi aspecte noi ale activitatii desfasurate, aspecte trecute in mod normal cu vederea: corelatii intre evenimete, asociatii intre anumite fapte, secvente, tipare de comportament- extrem de utile in precesul de luare a deciziei. Procesarea datelor prin tehnologia data mining se desfasoara fara interventia utilizatorului, in background, rezultatele fiind stocate pt. consultare ulterioara la cerere.Data mining este un proces de extragere de informatii noi din colectiile de date existente. Principiul de functionare in data minig este urmatorul: se prelucreaza datele referitoare la perioadele trecute examinand o varietate de situatii care s-au produc si a caror rezultate sau consecinte sunt bine cunoscute pentru a evidentia caracteristicile acestora si a permite elaborarea unui model. Modelul poate fi aplicat situatiilor noi de acelasi tip. Informatiile obtinute prin cata mining sunt de masura predicativa sau descriptiva.Un ciclu de utilizare a data minig presupune parcurgerea a 4 etape:-identificarea oportunitatii comerciale si a datelor pe care se poate baza exploatarea-extragerea de informatii din colectiile de date existente prin tehnici de data mining-adoptarea de decizii si intreprinderea de actiuni pe baza informatiilor obtinute-masurarea rezultatelor concrete pt. a identifica si alte modalitati de experimentare a datelor disponibile.Utilizari ale tehnicilor de data miningData mining Verificarea ipotezelorCautarea de cunostinte-dirijata-nedirijataAplicarea tehnicilor de data mining poate fi facuta din perspectiva:-unui demers descendent, efortul e orientat spre confirmare sau infirmare a unor idei (ipotaze) formulate in prealabil prin alte mijloace-unui demers ascendent: urmareste extragerea de cunaostinte sau informatii noi din datele disponibile-cautare dirijata( cea nefolosita in practica) ia in considerare un atribut sau un camp ale carui valori incearca sa le explice prin alte campuri-cautare nedirijata care are ca scop identificarea relatiilor sau structurilor existente in ansamblul unui canp sau altul.

F1/ Depozite de date – definiţie, conţinut, caracteristici şi utilizare Depozitele de date sunt structuri create pentru stocarea nuor volume mari de date organizate pe domenii, ce constituie subiecte de interes decizional �n activitatea �ntreprinderii. Depozitele de date centralizează, consolidează, organizează şi stochează date din diverse surse eterogene, date care vor fi baza procesărilor analitice necesare proceselor de decizie. �n depozitele de date se pot stoca şi date noi, calculate pe baza celor existente, date cerute de regulă �n majoritatea rapoartelor scurt�ndu-se astfel timpul cerut pentru obţinerea lor. O caracteristică principală a depozitelor de date este transformarea codurilor �n date explicite, integrarea datelor din nomenclatoare �n datele despre tranzacţii.Un alt aspect este redundanţa datelor care este iarăşi permisă(data calendaristică se poate exprima şi �n luni şi �n semestre şi �n sezoane). Cu alte cuvinte, datele care se pot calcula din datele primare se stochează explicit �n depozit pentru a fi gata calculate la o eventuală solicitare. Datele stocate �n depozit sunt date pentru asistarea deciziei, referitoare la subiecte de interes decizional, sunt date centralizate sau derivate din datele operaţionale, nu se schimbă �n timp şi sunt orientate către utilizatori finali – managerii de nivel tactic şi strategic. Putem spune că bazele de date utilizate de sistemele operaţionale sunt orintate spre tranzacţii şi reflectă situaţia curentă, �n timp ce depozitele de date uitlizate de sistemele de asistare a deciziei sunt orintate spre subiectele analizelor şi reflectă situaţii globale, cu caracter istoric. Sistemele de asistare a deciziei evoluează �n timp �ntr-o manieră incrementală, cerinţele nu sunt cunoscute �n totalitate �n momentul proiectării şi realozării sistemului. �n consecinţă depozitul de date va trebui să se adapteze mereu cerinţelor. Depozitele de date sunt organizate şi gestionate av�nd �n vedere scopul final al analizelor, sunt orientate spre subiecte ca de exemplu: clienţi, furnizori, resurse, produse. Pentru a fi stocate �n depozitele de date, datele se centralizează pe mai multe nivele de agregare primare (aflate �n datele operaţionale), primul fiind timpul (luna). Al doilea nivel de agregare depinde de subiectul analizei: clientul sau produsul. Al treilea nivel de agregare poate fi localitatea. Pe baza unor asemenea date de sinteză stocate �n depozitul de date, se poate construi o suprastructură cu date din ce �n ce mai agregate pe multipli ai dimensiunilor primare (timp, localitate ): numărul sau suma tranzacţiilor pe luni, numărul anual al tranzacţiilor pe oraşe, numărul anual al tranzacţiilor pe zone, etc.

Modelele cele mai utilizate �n faza de concepţie a unui depozit de date sunt modelele dimensionale care regrupează datele din tabelele relaţionale �n scheme de tip stea sau fulg de zăpadă, �n care se regăsesc datele cantitative (cantităţi, valori) din tabelele de tranzacţii agregate �n principal pe unitatea de timp (ziua) şi apoi după alte criterii ( pe client, pe produs, pe serviciu, pe filială de tip de tranzacţie).Astfel datele cantitative din bazele de date dimensionale vor fi totaluri, medii, număr de tranzacţii, date centralizate pe diferite criterii materializate de regulă prin coduri (cod client, cod produs, cod serviciu, tip tranzacţie, cod filială) şi �ntotdeauna prin data calendaristică, primul criteriu de agregare, Aceste date cantitative centralizate sunt măsuri ale activităţii, iar criteriile de agregare sunt denumite dimensiuni. Măsurile identificate prin dimensiuni sunt stocate �ntr-o tabelă relaţională denumită tabela de fapte. Codurile criteriilor de agregare sunt explicitate �n tabele de tip nomenclator asociate tabelei de fapte, schema relaţională căpăt�nd forma de stea. Mai multe asemeni scheme de tip stea care folosesc aceleaşi nomenclatoare formează un model de tip constelaţie iar dacă dimensiunile se pot divide �n subdimensiuni, atunci nomenclatoarele pot avea la r�ndul lor asociate alte

nomenclatoare. De asemeni, pot exista nomenclatoare alternative pentru acelaşi cod. Prin integrarea acestor subdimensiuni şi dimensiuni alternative, schema rezultată are forma unui fulg de zăpadă. UTILIZAREA DEPOZITELOR DE DATE : Depozitele de date au fost g�ndite cu structuri unice, integrate şi cumulative, destinate să asiste informaţional procesul de decizie de al diverse nivele ale �ntreprinderii. Dat fiind faptul că sunt orintate spre necesităţile utilizatorului final, anumiţi factori de decizie pot selecta din depozit doar datele care le sunt utile, pentru a le putea procesa mai uşor sau pentru a le transporta pe calculatoare personale. Astfel de colecţii specializate pe domenii, regiuni, ani sau alte criterii se numesc magazii de date (data marts). Un alt mod de abordare a depozitelor de date este stocarea exhaustivă a datelor din sistemele tranzacţionale �n depozitul de date �n vederea aplicării unei alte tehnologii de procesare asupra lor (data mining). Această tehnologie relativ nouă c�ştigă din ce �n ce mai mult teren prin capacitatea sa de a descoperi aspecte noi ale activităţii desfăşurate, aspecte trecute �n mod normal cu vederea : corelaţii �ntre evenimente, asociaţii �ntre anumite fapte, secvenţe, tipare de comportament- toate extrem de utile �n procesele de luare a deciziei.

F2/ OLAP – Definiţie, caracteristici şi domenii de utilizare

OLAP este o tehnologie de agregare a datelor stocate �n depozite �ntr-o abordare multidimensională care asigură acces rapid la informaţiile necesare analiştilor, managerilor şi directorilor �ntr-o manieră consistentă, interactivă şi foarte flexibilă.

OLAP şi depozitele de date se completează reciproc, OLAP transform�nd volumul imens de date stocate şi gestoinate �n depozite �n informaţii utile procesului de decizie.

�n 1993 E. F. CODD, inventatorul modelului relaţional spunea: � punerea la dispoziţia analiştilor a unui instrument de procesare analitică on-line: un mandat pentru tehnologiile informaţionale�. �n acel articol, autorul a prezentat 12 reguli care defineau caracteristicile unor aplicaţii OLAP pe care ulterior le-a restr�ns la 5 reguli grupate �ntr-un test ce se numeşte FASMI (Fast Analysis Shared Multidimensional Information).Fast - rapiditate (capacitatea de a livra informaţiile �n timp util , de ordinul secundelor).Analysis - analiză (capacitatea de a efectua analiza numerice şi statistice prin aplicaţii predefinite sau create ad-hoc de către utilizator).Shared - partajată (utilizată �n regim concurent de mai mulţi utilizatori, fapt ce impune asigurarea securităţii şi confidenţialităţii datelor).Multidimensional - caracteristca esenţială a OLAP.Information - acces la orice date şi informaţii relevante pentru analiză, oriunde s-ar găsi şi �n orice volum.Aplicaţiile construite cu tehnologia OLAP asigură analiza rapidă a informaţiei multidimensională distribuită �n locaţii multiple şi accesibilă �n acelaşi timp unui număr mare de utilizatori. OLAP utilizeză �n acest scop baze de date multidimensionale, prin contrast cu bazele de date relaţionale care sunt bidimensionale prin definiţie. O facilitate extrem de putrenică oferită de OLAP este posibilitatea de a construi scenarii şi �n consecinţă, posibilitatea de a răspunde la �ntrebări de tipul � ce ar fi dacă � �n timp ce depozitele de date pot oferi răspunsuri numai la �ntrebări de tipul �cine�, � ce unde�.Principalele caracteristici ale OLAP sunt :Perspectivă (view) multidimensională asupra datelor; se referă la capacitatea de a integra mai multe aspecte ale activităţii �ntreprinderii privite din diferite perspective: timp, locaţie, produs, bani, persoane, etc. Fiecare dimensiune poate avea mai multe nivele: dimensiunea temporală se poate divide �n: ani, luni, trimestre, sezoane; dimensiunea geografică �n emisfere, continente, ţări, regiuni, oraşe. Produsul , privit ca o dimensiune, poate avea subdimensiuni de genul: categorie, clasă, fel.Conceptul �dimensiune� este utilizat �n sensul de aspect, dimensiunile fiind complet independente şi av�nd ca unităţi de măsură toate valorile �nt�lnite �n dimensiunea respectivă. Perspectivele multidimensionale asupra datelor sunt numite hipercuburi de date, prin extinderea noţiunii de cub tridimensional la cub n-dimensional sau hipercub.Capacitate de calcul intensiv; se referă la abilitatea de a aplica algoritmi complecşi asupra datelor structurate �n hipercub, care implică posibilitatea de adresare multidimensională directă a locaţiilor (cuburilr unitare) şi optimizarea timpului de răspuns.Orientare �n timp (time intelligence ); se referă la abilitatea de exploatare a acestei dimensiuni universale, necesară pentru comparaţii şi judecăţi de valoare �n orice analiză economică. Timpul este preluat din datele calendaristice ale tranzacţiilor economice aşa cum apar �n bazele de date ale sistemelor informatice ale �ntreprinderilor. .

F3/ OLAP - Concepte fundamentale ale modelarii multidimensionale Principalul element structural al datelor utilizate in procesul de analiza on-line este cubul OLAP ,o structura multidimensionala (hipercub) care modeleaza aspectul complex al activitatii desfasurate pe o lunga perioada de timp prin trei concepte:

- masura activitatii , aspectul cantitativ, comensurabil in unitati clasice de masura: Kg, m, u.m. Exemple: volumul vanzarilor (cantitativ/valoric), costul transportului, marja comerciala bruta, profitul.- dimensiunile activitatii , parametrii activitatii masurate, decupajul din activitatea globala care corespunde masurii. Exemple: ziua, luna, anul, locatia, clientul, furnizorii, produsul, angajatul, structura organizatorica.Tot ca dimensiune se pot modela scenarii , valori reale, valori bugetate, valori estimate. Dimensiunile nu se intersecteaza, sunt de natura complet diferita ( timp, spatiu, produse, terti, etc) si raspund de regula la intrebari de tipul: cand?, unde?, ce?, cine?, cu cine?, de cine?, catre cine?.- fapte- colectii de masuri ale activitatii si dimensiunile care identifica contextul in care s-au desfasurat. Faptele se colecteaza din inregistrarile stocate in tabelele de tranzactii ale aplicatiilor oprtationale ce sustine activitatea respectiva. Prin intermediul dimensiunii scenariu , se pot stoca in tabelul de fapte pe langa masurile reale si masuri imaginare care permit utilizatorului sa stocheze valorile bugetate sau estimate ale masurii respective. Aceste masuri sunt introduse de catre persoane responsabile direct in tabelele de fapte.

F4/ Operatii specifice structurilor multidimensionale Proiectarea hipercubului trebuie sa tina seama de nivelul de detaliu necesar la analiza (granularitate) si care exprima numarul de membri ai unei dimensiuni.Daca granularitatea din start este prea ,grupe de clienti, datele sunt prea centralizate si nu se poate face o analiza fina. Sub nivelul de granularitate initial nu se poate merge. OLAP ajusteaza nivelul de granularitate prin exploatarea ierarhiilor dimensiunilor , efectuand comasari si descompuneri ale masurilor prin procedurile denumite roll-up (ofera date mai sintetice si drill-down (operatia ofera mai multe detalii). Aceste proceduri deplaseaza proiectia cubului in sus si in jos pe nivelel ierarhice ale fiecarei dimensiuni (zoom in, zoom out) efectuand de fiecare data centralizari ale masurilor stocate la cea mai mica granularitate dupa criteriile ierarhice cerute.Un alt grup de opratii pe care OLAP le poate executa sunt sectionarea (slicing) si defalcarea (dicing). Sectionarea este posibilitatea de a selecta pentru vizualizare doar un singur memebru al dimensiunii (un plan din cubul tridimensional). Sectiunea apare ca o tabela pivot cu valorile dimensiunilor pe laturi si cu mentionarea valorii alese pentru dimensiuna suprimata. Ex: vanzari in anul 1999 pe clienti si produse.Defalcarea este proiectarea unei dimensiuni pe o alta dimensiune, in general una din dimensiunile din prim plan se combina cu o dimensiune din adancime , proces numit si embricarea diemnsiunilor. Ex:vanzarile catre clienti in anul 1999 pe produse si agenti.Dimensiunile unui cub pot fi private (apartin unui singur cub) sau pot fi utilizate in comun de mai multe cuburi (provenind din depozite cu schema tip constelatie).

G1/ Suport software de date şi OLAP – schemă generală şi SERVICIUL DTS

Bazele de date relaţionale ale SQL sever constituie principala sursă de date pentru depozitul de date şi bazele de date OLAP. Datele pot proveni �nsă şi din alte surse cum ar fi ORACLE sau alte platforme.Serviciul DTS asigură colectarea şi transferul datelor din aplicaţii tranzacţionale. �n cursul acestui proces DTS realizează validarea, curăţirea, consolidarea şi transformarea datelor �n caz de necesitate.Validarea datelor se referă �n principal la uniformizarea unităţilor de măsură, la verificarea �ncadrării �n categorii, clase, grupe, la conversia unităţilor monetare, la verificarea apartenenţei geografice, cu alte cuvinte procesul de validare asigură consistenţa datelor.Curăţirea datelor se referă la concilierea datelor provenind din mai multe surse. Reconcilierea este un proces prin care nomenclatoarele utilizate �n diverse aplicaţii sunt comparate iar diferenţele sunt analizate pentru a se ajunge la un nomenclator unic şi la dicţionare de conversie. Reconcilierea datelor este esenţială pentru acurateţea analizelor ulterioare.Migrarea datelor se referă la transpotul datelor �n depozit, transport care are loc de obicei �n mai mulţi paşi trec�nd prin locaţii intermediare unde se desfăşoară procesele de validare şi de curăţire. Un aspect important este sincronizarea surselor de date pentru a prelua datele la acelaşi moment. Strategia cel masi des utilizată este de atransporta datele imediat dup� procedura de backup efectuată �n cursul nopţii.Transformarea datelor este un proces care pregăteşte datele preluate din sursele primare �n vederea utilizării lor �n analize complexe. Cea mai curentă transformare este divizarea unei coloane �n mai multe. O altă transformare este completarea datelor cu date implicite, un alt gen de transformare ar putea fi comasarea unor c�mpuri �ntr-unul singur sau transformarea datelor din format numeric �n format text sau invers.Componentele sreviciului DTS sunt:-Asistenţii de import-Asistenţii de export-Interfeţele de programare COM care permit crearea de aplicaţii de transformare personalizate.

G2/ Suport software pentru depozite de date si OLAP - schema generala si SERVICIUL OLAPManagerul OLAP este un mediu de lucru accesibil printr-o interfata grafica care permite utilizatorului sa construiasca o solutie OLAP pe baza surselor de date existente . este accesibil prin Consola de Management Microsoft (MMC). Manageul OLAP ofera asistenta pentru construirea de noi cuburi OLAP sau de schimbare a structurii celor existente prin adaugarea de noi dimensiuni sau de nivele de complexitate , totul sub un control riguros ale drepturilor de acces pentru asigurarea securitatii.

G3/ Suport software de date şi OLAP – schemă generală DEPOZITUL DE METADATEEste o structură destinată stocării informaţiilor referitoare la structura de date. Serviciile OLAP şi DTS utilizează această structură pentru a avea acces la datele de care au nevoie.Depozitul de metadate este o structură relaţională, accesul la metadate este posibil prin interfaţa grafică a OLAP manager şi prin obieste de suport păentru decizie DSO. Depozitul de metadate este o structură specială de tip relaţional utilizată de SQL sever pentru a stoca informaţii despre obiectele cu care lucrează serviciile şi instrumentele sale. �n depozitul de metadate se pot stoca şi utiliza �n comun diverse componente software precum şi instrumente de dezvoltare de tipul add-in, servicii, descrieri ale sistemului. Arhitectura depozitului de metadate este formată din patru nivele:- Baza de date REPOSITORY (baza de date relaţională SQL server sau ACCES)- Motorul bazei de date REPOSITORY – instrument care asigură funcţiile de stocare sub forma unei colecţii de obiecte şi interfeţe de automatizare OLAP care pot fi utilizate pentru a se construi aplicaţii care să acceseze direct depozitul de metadate- Modelul informaţional al instrumentelor – este o combinaţie �ntre un model obiectual care specifică tipurile de informaţii necesare mai multor instrumente şi modele informaţionale ale fiecărui tip- Intrumente de dezvoltare de aplicaţii – mediul de lucru pentru utilizatori

Suport software de date şi OLAP – schemă generală şi serviciile Tabele Pivot şi English Query

Serviciul Tabele Pivot oferă facilităţi de prezentare a datelor experimentate deja �n EXCEL şi ACCES. Acest serviciu este o interfaţă pentru utilizatorul familiarizat cu mediile de lucru, tabelele pivot extrase din cuburi OLAP put�nd fi utilizate pentru analize ulterioare. Pe l�ngă analiza şi prezentarea datelor, aceste serviciu permite şi configurarea de noi cuburi OLAP sau reconfigurarea celor existente. Serviciul Tabele Pivot funcţionează ca o interfaţă de conectare la toate serviciile oferite de OLAP server. Un instrument foarte puternic care este oferit utilizatorului este limbajul de interogare multidimensională MDX care permite accesul la structurile OLAP din aplicaţii. Serviciul Tabele Pivot poate gestiona un singur cub o dată, performanţele sale fiind legate direct de volumul de date. Fiind partea client a serviciului OLAP, acesta nu deşine un sistem propriu de gestiune a bazelor de date multidimensionale. Serviciul English Query permite utilizatorului să formuleze interogări �n limbaj naturl traduse �n claute SQL �n vederea executării lor. Serviciul utilizează un constructor de aplicaţii care prei solicitare utilizatorului ce conţine specificaţii precise de tipul denumirea produsului sau localitatea şi o completează cu detalii tehnice cerute de clauza SQL. Serviciul English Query suprapune interogarea utilizatorului peste modelul semantic al depozitului şi restaurează informaţia absentă. Aplicaţiile English Query depind de calitatea modelului sematic al depozitului de date.

G4/ Suport software pentru depozitedate şi OLAP – schemă generală si modalitati de stocare a datelor OLAP Modelele structurale multidimensionale specifice tehnologiei OLAP se pot implementa in mai multe moduri, numele tehnologiei OLAP fiind asociat cu solutia fizica aleasa. ROLAP (relational OLAP) utilizeaza tehnologia relationala are avantajul ca este la indemana celor ce dezvolta aplicarea de baze de date si are o legatura foarte directa cu sursele primare de date. Tabale centralizatoare, create prin Make Table , Total Query, sunt aosciate cu nomenclatoare. Pentru fiecare dimensiune, cheile acestor nomenclatoare formeaza cheia compusa a tabelei de fapte . tabela de fapte se poate oricand reface pentru a reda situatia curenta.Multidimensional OLAP (MOLAP) utilizeaza baze de date multidimensionale care stocheaza datele din tabela de fapte in fisiere cu acces direct asigurat prin tehnica de indexare bitmap. Avantajele sunt spatiul de memorie mic, timpul de acces foarte rapid si adaugarea de fapte noi prin completarea tabelelor bitmap.dezavantaje: timpul mare de conversie al datelor in formatul comprimat si necesitatea unui suport software special.O tehnologie hibrida (HOLAP) HYBRID OLAP stocheaza datele agregate la cel mai mic nivel in baze relationale iar agregarile la nivele superioare sunt stocate in baze multidimensionale. In acest fel se pastreaza o legatura directa cu datele operationale si se poate miza pe timpul de acces foarte rapid al bazelor de date multidimensionale. Dezavantajul care apare este timpul de comutare intre cele doua sisteme ROLAP si MOLAP.Extragerea datelor din cuburile OLAP, indiferent de tehnologia de stocare aleasa , se face prin componenta client a serviciului OLAP instalata pe calculatorul utilizatorului final serviciul Tabele Pivot care furnizeaza utilizatorului o serie de interpretari care permit aplicatiilor OLAP accesul la datele aflate pe server sau in memoria cache.

© 50.ro Cura de slabire | Revelion 2012