Оновлено (спрощено) 22.11.2013 р.

Сайт Система+ змінив адресу.

Нова адреса:

http://dss-bi.com.ua/System

Якщо доступ до цієї директорії захищений, то

пользователь – system , пароль – student.

Зв`язок з викладачем (доцент кафедри АСУ, к.т.н./Ph.D., с.н.с. Круковський Ігор Анатолійович):

095-931-50-50, System.k7@gmail.com (листи, аудіо чи відеочат Gmail),

Додатково: Скайп – DSS-BI, е-поштова скринька – S@dss-bi.com.ua.

ЗАВДАННЯ З НАВЧАЛЬНОЇ ДИСЦИПЛІНИ

СППР/DSS

студентам заочної форми навчання

(заняття під керівництвом викладача:14год=5л (10год)+2лр (4год))

ТРИ ФОРМИ ЗАВДАНЬ ДЛЯ ПІДГОТОВКИ ДО ЗАЛІКУ З СППР/DSS

(контрольна робота, теоретичні завдання, практичні завдання)

Перше завдання. Виконати контрольну роботу, результати якої представити у друкованій формі і на компакт-диску до початку екзаменаційної сесії, за винятком: одне часткове завдання на діслати електронним листом на вказані адреси, рекомендовано до 01.12.2013 р. Зміст та особливості контрольної роботи див. у ДОДАТКУ1.

Друге завдання. Знати відповіді на теоретичні питання (ДОДАТОК 2).

Третє завдання. Вміти виконувати практичні завдання (ДОДАТОК 3).

Список навчальної літератури поданий у ДОДАТКУ 4.

ДОДАТОК 1

Зміст та особливості контрольної роботи

Контрольна робота містить 7 часткових завдань, які необхідно виконати і подати:

у формі друкованого звіту і додатку до нього у формі компакт-диску з електронним файлом 301z DSS Family Name 2014.rtf, який містить результати виконання 7-ми завдань. Термін виконання – до початку екзаменаційної сесії зареєструвати у журналах обліку у навчальній частині факультету та у чергового кафедри, подати особисто викладачу;
у формі електронного файлу (назва файлу за шаблоном: “DSS 301z Borisov.Oleksandr 2013.rtf) з виконаним частковим завданням №7 контрольної роботи. Файл надіслати до 01.12.2013 р. зі своєї навчальної адреси у @gmail.com, яку створити за шаблоном: 301z.Borisov.Oleksandr@gmail.com. Файл направити на дві адреси: System.k7@gmail.com та S@dss-bi.com.ua. Після отримання рецензії викладача виправити статтю та надіслати оновлений варіант. Публікація статей є необхідною умовою для отримання оцінки “добре” і вище.

Примітка: червоним кольором виділені змінні величини, які заповнює про себе кожен студент.

Сім часткових завдань контрольної роботи

1. Вирішити варіант задачі “Майор Джонс і міс Сміт” .

Задачу вирішити за допомогою: 1) зведених таблиць, 2) зведених діаграм, 3) зведених схем. Відобразити результати вирішення задачі з копіями екранних форм (зведені таблиці, діаграми, схеми) і з висновками, корисними для підтримки прийняття рішення у даному випадку. Навести приклади можливого застосування даного аналітичного шаблону для підтримки прийняття рішень в інших сферах ділової діяльності. До 10 балів.

2. Вирішити варіант задачі “Аналіз збуту магазину за рік”.

Аналіз здійснити за допомогою: 1) зведених таблиць; 2) зведених категоризованих діаграм; 3) зведених схем. Відобразити результати вирішення задачі з копіями екранних форм (зведені таблиці, діаграми, схеми) і з висновками, корисними для підтримки прийняття рішення у даному випадку. Навести приклади можливого застосування даного аналітичного шаблону для підтримки прийняття рішень в інших сферах ділової діяльності. До 20 балів.

3. Провести аналіз використання ключових слів у пошуковій системі Google за допомогою засобу “Google Тренди”.

Аналіз виконати в Україні та в інших країнах світу на прикладі таких слів:

– Business Intelligence, Data Mining, OLAP;

– ВКонтакте, Одноклассники, Facebook, Tweetter;

– інших, за власним вибором.

Навести приклади можливого застосування даного аналітичного шаблону для підтримки прийняття рішень в інших сферах ділової діяльності. Примітка.

Для переходу до засобу “Google Тренди” зручно використати початок заголовку “Статистика Google пошуку за ключовими словами…” на сторінці http://dss-bi.com.ua/index.files/Page953.htm, який виконаний як гіперпосилання на відповідний засіб. Для відображення форми для аналізу ключових слів необхідно завчасно зареєструвати акаунт в Google (301z.Family.Name @gmail.com). Приклади подібних графіків у режимі real–time можна переглянути на сторінках сайту “Нотатки про BI+” https://dss-bi.com.ua/WP/social-media-analytics/ та “Business Intelligence +KMS” http://dss-bi.com.ua/index.files/BI_Statistics1.htm. На інших сторінках цих сайтів є зображення статичних графіків у формі рисунків. До 15 баллів.

4. Провести аналіз обраних студентом 2-х сайтів за тематикою DSS та BI за допомогою Alexa.com (Web site DSS).

Відобразити результати аналізу з копіями екранних форм, де відображені результати роботи Alexa.com, а також зробити висновки. Навести приклади можливого застосування даного аналітичного шаблону для підтримки прийняття рішень в інших сферах ділової діяльності. До 5 балів.

5. Провести аналіз обраних студентом 2-х сайтів, виконаний за допомогою MyWOT (Web site DSS).

Відобразити результати вирішення задачі з копіями екранних форм, де відображені результати роботи MyWOT, зробити висновки. Навести приклади можливого застосування даного аналітичного шаблону для підтримки прийняття рішень в інших сферах ділової діяльності. До 5 балів.

6. Написати відповідь на одне з 37-ми теоретичних питань з Додатку 2 (згідно порядкового номеру студента у списку групи). Знати зміст статей, виділених зеленим кольором у списку навчальної літератури (Додаток 4).

Відповідь оформити як статтю на сайт Система+, об’єм – до 2-х сторінок. Відповідь включити до друкованого звіту і до файлу на компакт-диску, а також надіслати у одному електронному файлі із завданням №7 – до 01.12.2013 р. До 15 балів.

7. Сформувати статтю обсягом 2-4 сторінки на основі англомовних першоджерел за тематикою СППР/DSS (1-3 автори-студенти).

Рекомендації щодо виконання завдання див. у додатку 1.1. До 30 балів.

ДОДАТОК 1.1

Особливості часткового завдання №7 контрольної роботи (підготовка і подання статті для публікації на сайті студентських робіт “Система+”)

Результатом виконання завдання №7 є стаття, яка написана одним студентом або у співавторстві з іншими та опублікована на сайті студентських робіт “Система+”.
Студент не зобов’язаний формувати статтю, яка є ідентичною за перекладом іноземному першоджерелу – це надто трудомістке завдання для даного випадку. Підготовка статті і публікація її на сайті показує знання, уміння й навички студента Державного університету телекомунікацій користуватися авторитетними іноземними джерелами технічної інформації та засобами підтримки інформаційно-аналітичної роботи для розуміння історії, стану і перспектив розвитку hi-tech у сфері СППР/DSS (ТССА, АСУ СП, ін.).
Тема статті обирається студентом відповідно до категорій сайту “Система+”, які утворюють часткове меню сайту (друга стрічка меню: System, NIT R&D, BIG DATA, ін.)
Як правило, стаття повинна містити такі структурні елементи:
- назва статті;
- вступ (сформовані студентом кілька речень про зміст й актуальність статті);
- основна частина (виконаний студентом близький за змістом переклад іноземної публікації чи публікацій, який включає 1-2 рисунки з гіперпосиланнями на авторитетні першоджерела);
- висновки (сформовані студентом кілька коментарів до викладеного студентом матералу)
- “Перелік першоджерел” (авторитетні іноземні першоджрела перекладеного матеріалу);
- “Ключові слова”;
- “Автор (автори) публікації” за шаблоном: “Автор: Дейсан Аліна, 305.deysan.a@gmail.com”.
Для формування статей рекомендовано використовувати гіперпосилання на авторитетні іншомовні джерела новин у сфері інформаційних hi-tech, які приєднані до малюнків на сторінках “Новини BI+KMS” http://dss-bi.com.ua/index.files/News_BI_KMS.htm та “Army BI+KMS” http://dss-bi.com.ua/index.files/BI_Army.htm.
На сайті “Система+” можна ознайомитися із відомостями “Про Систему+” http://dss-bi.com.ua/System/?page_id=9 та “Як публікувати” http://dss-bi.com.ua/System/?page_id=2), а також із статттями інших студентів, див. http://dss-bi.com.ua/System/.
Надішліть статтю на дві адреси: System.k7@gmail.com та S@dss-bi.com.ua . Стаття повинна бути надіслана з Вашої навчальної адреси у gmail.com. Для прикладу: 301z.Galash.S@gmail.com. Після отримання рецензії викладача виправити статтю та надіслати оновлений варіант. Станом на 22.11.2013 статті з різною мірою готовності подали більше 40 студентів очної форми навчання.

ДОДАТОК 2

Теоретичні питання до заліку

Особливості сучасного етапу розвитку суспільств – в інформаційному контексті. Особливості дефініцій: Information Societies, Knowledge Societies, Knowledge Based Organization, Big Data Age, Globalization 3.0. Визначення ролі знань які дали Т.Г. Шевченко, R. Kipling (Р. Кіплінг), В.М. Глушков, І. Нонака і Х. Такеучі, інші видатні вчені. Особливості історії формування DSS (СППР).
Системний підхід до підготовки і прийняття рішень. Роль і відповідальність основних учасників процесу прийняття рішення (аналітики і керівники). Особливості визначення понять “Інформація” (Information) “Дані” (Data),”Знання” (Knowledge), “Мудрість” (Wisdom), “Intellect”, “Intelligence”, “Artificial Intelligence” за кордоном і в СРСР, а також на пострадянському просторі – у контексті застосування у сфері СППР.
Особливості моделей структуризації експертних знань Six Ws та АВ+ВПП+РР. Особливості та критика інформаційної піраміди Data-Information-Knowledge-Wisdom та заснованих на ній моделей. “Інформаційна піраміда” підтримки прийняття рішень в організації на основі моделі АВ+ВПП+РР (АВ+ВПП+РО).
Особливості Tacit Knowledge, Implicit Knowledge, Explicit Knowledge. Особливості моделі SECI І. Нонаки і Х. Такеучі.
Особливості визначення дефініцій DSS (СППР) і зв‘язаних систем. Варіант класифікації СППР та зв‘язаних систем – згідно схеми, даної на лекції.
Особливості змісту й історії формування Knowledge Management System (Систем Управління Знаннями).
Особливості IDC`s Business Analytics Taxonomy і її зв’язок з DSS і DSS/BI, Spatial DSS/BI, Social Media Spatial DSS/BI. Співвідношення між Business Analytics & Business Intelligence.
Особливості моделі знань FPS та комплексної моделі подання знань, адаптованої для використання у засобах BI (КМЗ/BI).
Проблемні питання визначення, перекладу і використання Business Intelligence і Business Performance Management у світі і в Україні.
Особливості Business Intelligence 1.0 (Піраміда Business Intelligence 1.0) та архітектури DSS (СППР) на основі Business Intelligence 1.0 (DSS/BI 1.0)
Особливості Business Intelligence 2.0 (Піраміда Business Intelligence 2.0) та архітектури DSS/BI 2.0. Причини заміни концепції Business Intelligence 1.0 (DSS/BI 1.0) на Business Intelligence 2.0 (DSS/BI 2.0).
Особливості Business Intelligence 3.0 (Business Intelligence/Cloud Computing згідно авторського тлумачення) та Business Intelligence 3.0 у тлумаченні Panorama Software (Panorama.com). Особливості і доцільність використання Business Intelligence/Cloud Computing в організації.
Особливості Expert System (експертної системи) на фреймово-продукційній моделі.
Особливості інтегрованої системи Expert System/Business Intelligence 2.0 (ES/BI 2.0) на фреймово-продукційній моделі із семантичними мережами (Модель FPS – Frame, Productin rules, Semantic Networks).
Особливості Business Intelligence + KMS на прикладі DSS/BI 2.0, ES/BI 2.0.
Особливості Geospatial Business Intelligence (Geospatial BI).
Особливості Data Warehouse і Data Mart у тлумаченні “батька сховищ даних” Білла Інмона і “гуру сховищ даних” Ральфа Кімбалла.
Особливості Data Mart, OLTP, OLAP. Роль Едгара Кодда у формуванні концепцій реляційних баз даних і OLAP.
Особливості визначення і використання систем ROLAP. Модель даних Star Chema для OLAP систем. Модель даних Snowflake Schema для OLAP систем.
Особливості визначення Data Mining. Історія формування Knowledge Discovery and Data Mining. Особливості Knowledge Discovery and Data Mining. Відношення між Business Intelligence і Knowledge Discovery and Data Mining. Особливості Governmence Data Mining і контролю за його використанням.
Особливості Data Mining, Text Mining, Dashboards, Scorecard, а також Visual Mining, Video Mining, Web Mining.
Особливості Government Data Mining (Government Business Intelligence). Роль контролю за використанням цих hi-tech в організації і в державі.
Особливості Social Media DSS/BI (система підтримки прийняття рішень на основі аналізу інформації у Social Media) на прикладі системи українського виробника SemanticForse.
Особливості систем: Google desktop, Яндекс desktop, Copernic, Аrhivarius, SearchInfo, PROMT, Pragma, Translate, Google Translate, Bing Translate, Yandex Translate, ABBYY FineReader.
Особливості систем підтримки прийняття рішень на основі аналізу Web-сайтів: Alexa.com, MyWOT, Яндекс “підбір слів”.
Особливості ОГАС як інтегрованої системи підтримки прийняття рішень загальнодержавного масштабу. Роль у розробці ОГАС Інституту кібернетики України та В.М. Глушкова.
Особливості складу групи розробників DSS (СППР) та їх організації.
Особливості розробки СППР за допомогою “водоспадної” моделі.
Особливості розробки СППР за допомогою методики RAD/JAD.
Особливості розробки СППР за допомогою методики швидкого прототипуваня.
Особливості розробки СППР за допомогою методики гнучкої розро?бки програ?много забезпе?чення Agile.
Особливості оцінки ефективності DSS (СППР) на прикладі удосконаленого методу аналізу ієрархій Сааті. Особливості формування показників дерева оцінки ефективності з використанням удосконаленого методу Дельфи, інтегрованого з OLAP і Data Mining. Узгодженість експертних оцінок, коефіцієнт конкордації.
Основні положення книги 5-ти разового лауреата пулітцерівської премії Томаса Фрідмена: Thomas Friedman. The World Is Flat: A Brief History of the Twenty-first Century. (В Інтернеті є текст книги на рос. мові).
Роль мережевих й інформаційних технологій (NIT R&D), перспективи їх розвитку.
Перспективи розвитку DSS (СППР). Особливості мережево-центричних систем управління, їх зв’язок з концепціями DSS/BI та NEO – Network Ergatic Organism. Особливості концепції ергатичного організму (Ergatic Organism) та мережевого ергатичного організму (NEO – Network Ergatic Organism). Інтеграція Business Intelligence та KMS.

Кожен студент повинен знати зміст ключових слів у правому стовпчику на першій сторінці сайту Business Intelligence+KMS.

ДОДАТОК 3

Практичні завдання до заліку

Проаналізувати навчальний масив даних №1 (100 000 записів) за допомогою інтерактивних зведених таблиць. Знайти корисні знання для підтримки прийняття рішень.
Проаналізувати навчальний масив даних №1 (100 000 записів) за допомогою системи категоризованих OLAP графіків. Знайти корисні знання для підтримки прийняття рішень.
Проаналізувати навчальний масив даних №1 (100 000 записів) за допомогою системи зведених схем. Знайти корисні знання для підтримки прийняття рішень.
Проаналізувати навчальний масив даних №1 (100 000 записів) за допомогою системи зведених схем. Знайти корисні знання для підтримки прийняття рішень.
Розробити корисне для підтримки прийняття рішення правило логічного виведення та реалізувати його у програмній процедурі для виведення повідомлення користувачу про виявлену подію у кіоску даних.
Проаналізувати навчальний масив даних №3 (30 записів) і виявити зафіксовані в ньому одночасні події в однакових місцях за допомогою зведеної таблиці
Проаналізувати навчальний масив даних №3 (30 записів) і виявити одночасні події в однакових місцях за допомогою зведеної схеми.
Інсталювати повнотектову пошукову систему Copernic і проіндексувати каталог №1 на ПЕОМ, порівняти в ньому визначення Business Intelligence.
Інсталювати повнотектову пошукову систему Архіваріус, проіндексувати каталог №1 на ПЕОМ і порівняти в ньому визначення Business Intelligence.
Проаналізувати в Google частоту використання в Україні ключових пошукових слів Business Intelligence, Data Mining, OLAP. Зробити висновки.
Перетворити електронну таблицю з навчальним масивом даних №1 (100000 записів) у ROLAP Star Chema.
Перетворити електронну таблицю з навчальним масивом даних №2 (30 записів) у ROLAP Star Chema.
Проаналізувати навчальний масив даних №2 (40 000 записів) за допомогою системи категоризованих OLAP графіків. Знайти корисні знання для підтримки прийняття рішень.
Проаналізувати в Google частоту використання у світі соціальних мереж facebook, Tweetter, Однокласники, В Контакте – на основі частоти використання відповідних ключових пошукових слів. Порівняти з частотою використання Social CRM. Зробити висновки.
Проаналізувати навчальний масив даних №2 (40 000 записів) за допомогою системи зведених схем. Знайти корисні знання для підтримки прийняття рішень.
Проаналізувати навчальний масив даних №2 (40 000 записів) за допомогою системи зведених схем. Знайти корисні знання для підтримки прийняття рішень.
Інсталювати повнотекстову пошукову систему Infosearch, проіндексувати каталог №1 на ПЕОМ, відібрати в ньому файли за ключовим словом OLAP і знайти файли, які подібні лінгвістично не менше ніж на 80%.
Перетворити електронну таблицю з навчальним масивом даних №3 (40 000 записів) у ROLAP Star Chema.
Проаналізувати показники SEO та інші для обраного сайту за допомогою обраної Web системи оцінювання з позитивним рейтингом WOT. Зробити висновки.
Перерахувати важливі новини у сфері Business Intelligence за останню неділю на обраних Вами 5-ти провідних англомовних сайтах за цією тематикою. Перевести інформацію з сайтів на українську мову за допомогою відомих систем автоперекладу у Web. Показати використані сайти. Зробити висновки.

ДОДАТОК 4

Навчальна література

Ситник В. Ф. Системи підтримки прийняття рішень: навч. посіб. / С. В. Ситник. – К.: КНЕУ, 2004. – 624 с.
Герасимов Б.М. Системы поддержки принятия решений: проектирование, применение, оценка эффективности / Б.М. Герасимов, М.М. Дивизинюк, И.Ю. Субач. – Севастополь: СНИЯЭ и П, 2004. – 320 с.
Барсегян А. А. Методы и модели анализа данных: OLAP и Data Mining / А. А. Барсегян, М. С. Куприянов, В. В. Степаненко, И. И. Холод. – СПб. : БХВ-Петербург, 2004. – 336 с. : ил. (книга є в Інтернеті) або Барсегян А.А. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP/. А.А. Барсегян, М.С. Куприянов, В.В. Степаненко, И.И. Холод – СПб.: БХВ?Петербург, 2008. – 384 с. або Барсегян А.А. Анализ данных и процессов: учеб. пособие / А.А. Барсегян, М.С. Куприянов, И.И. Холод, М. Тесс, С.А. Елизаров – 3-е изд., перераб. и доп. – СПб.: БХВ-Петербург, 2009. – 512 с.
Гаврилова Т. А. Базы знаний интеллектуальных систем / Т. А. Гаврилова, В. Ф. Хорошевский – СПб. : Питер, 2001. – 384 с. (книга є в Інтернеті).
Круковський І.А. Удосконалені вимоги до реалізації OLAP у DSS для часткових проблемних областей інформаційно-аналітичної роботи: військ.-техн. зб. / І.А. Круковський // Академія сухопутних військ. – 2010. – Вип. 3. – С. 26–32. [Електронний ресурс]. – Режим доступу : http://archive.nbuv.gov.ua/portal/natural/Vtz/2010_3/26-33.pdf .
Круковський І.А. Узагальнена архітектура системи підтримки прийняття рішень на основі Business Intelligence у розширеному тлумаченні // Вісник ЖДТУ. – 2010. – Вип. 2 (53). – С. 103-111.
Валюх А.І. Експертна система, узгоджена з Business Intelligence 2.0 / А.І. Валюх, І.А. Круковський, В.Л. Сімаков // Вісник ЖДТУ. – Житомир, 2011. – Вип. 2 (57). – С. 53–62 [Електронний ресурс].
Круковський І.А. Проблемні питання розробки і реалізації Geospatial Business Intelligence // Геоінформаційні системи у військових задачах. Другий науково-технічний семінар 21?22 січня 2011 року. – Львів: Академія Сухопутних військ, 2011. – С. 117-125.
Круковський І.А. Ієрархічно-синергетичне об’єднання Social Media Analytics/Social CRM з Business Intelligence і з географічною інформаційною системою / І.А. Круковський, Б.А. Хомів, В.Л. Гаврилюк // Вісник ЖДТУ. – 2013. – Вип. 1 (64). – С. 60-69. [Електронний ресурс]. – Режим доступу: http://eztuir.ztu.edu.ua/6007/ , http://eztuir.ztu.edu.ua/6007/1/60.pdf ,
Круковський І.А. Проблемні питання використання і розвитку засобів Social Media Analytics, їх інтеграції з Business Intelligence та з елементами ГІС – на прикладі платформи SemanticForce / І.А. Круковський, В.Л. Гаврилюк, Б.А. Хомів // “IVСічневі ГІСи”: Інтелектуальна оборона” (науково-практичний форум ) / Академія Сухопутних військ імені гетьмана Петра Сагайдачного: Львів, 22-24 січня 2013 р. – С. 42-45. (нова стаття, буде розміщена на сайті “Нотатки про BI+”).
Business Intelligence + KMS, http://dss-bi.com.ua/index.htm
Business Intelligence + KMS, Business Intelligence NEO (Network Ergatic Organism), http://dss-bi.com.ua/index.files/BI_NEO.htm .
Business Intelligence + KMS, Статистика Google використання ключових слів на основі Data Mining і Business Intelligence по обраним країнам у 2004 – 2011 р.р. (станом на 28.12.2011 р., може уточнюватися з часом), http://dss-bi.com.ua/index.files/BI_Statistics1.htm .
Business Intelligence + KMS, Інтерактивна статистика Google використання ключових слів на основі Data Mining і Business Intelligence по обраним країнам у 2004 http://dss-bi.com.ua/index.files/BI_Statistic.htm .
Business Intelligence + KMS, Новини BI+KMS http://dss-bi.com.ua/index.files/News_BI_KMS.htm.
Business Intelligence + KMS, Army Business Intelligence + KMS, http://dss-bi.com.ua/index.files/BI_Army.htm.
Примітка. Гіперпосилання на електронні ресурси можуть бути змінені адміністраторами видавця.

СППР 2013 ЗФН