Đọc truyện hhtqd_bvquynh

Chào các bạn! Vì nhiều lý do từ nay Truyen2U chính thức đổi tên là Truyen247.Pro. Mong các bạn tiếp tục ủng hộ truy cập tên miền mới này nhé! Mãi yêu... ♥

hhtqd_bvquynh

Trước Sau

Màu nền

Font chữ

Font size

Chiều cao dòng

Chương 1:Định nghĩa Hệ trợ giúp quyết định

1.Định nghĩa hệ hỗ trợ quyết định

Có nhiều định nghĩa khác nhau về một hệ DSS, nhưng tất cả đều có 3 điểm chung:

(1) Được áp dụng cho các bài toán không có cấu trúc,bán cấu trúc

(2) Chỉ hỗ trợ chứ không thay thế quá trình ra quyết định,

(3) luôn được đặt dưới sự giám sát của con người.

Các đặc trưng của hệ trợ giúp quyết định

Được sử dụng trong ngữ cảnh quyết định phi/hoặc nửa cấu trúc

Thiên về hỗ trợ chứ không thay thế người ra quyết định

Hỗ trợ tất cả các pha của quá trình ra quyết định

Chú trọng tới hiệu quả

của quá trình hơn là hiệu suất

Luôn đạt dưới sự kiểm soát của người dùng DSS

Sử dụng các dữ liệu và mô hình của bài toán đặt ra

Làm cho quá trình học từ quá khứ của người ra quyết định trở nên dẽ ràng hơn

Tương tác một cách thân thiện với người dùng

Thông thường được phát triển bởi quá trình lặp và tiến hóa

Có khả năng hố trợ nhiều quyết định độc lập hoặc phụ thuộc lẫn nhau

Hố trợ việc ra quyết định của nhóm hoặc cá nhân

2.Khả năng của hệ trợ giúp quyết định

Các hệ DSS được kỳ vọng là sẽ mở rộng khả năng của người ra quyết định trong việc xử lý thông tin.

Các hệ DSS sẽ giải các phần việc tốn kém thời gian của bài toán để tiết kiệm thời gian cho người dùng.

Việc sử dụng các DSS có thể cung cấp cho người dùng các lựa chọn mà người dùng có thể không quan sát được.

Tuy nhiên, các hệ này luôn bị giới hạn bởi các tri thức được cung cấp.

Mỗi

DSS đều có số lương tiến trình lập luận giới hạn.

Và cần nhấn mạnh rằng, không tồn tại một “DSS vạn năng”.

3.Thành phần của DSS

Người ta phân lọai các thành phần của DSS thành 7 nhóm phụ thuộc vào ảnh hưởng của chúng tới quyết định như thế nào.

Cách tiếp cận khác hướng vào ngôn ngữ xử lý dữ liệu mà DSS cung cấp.

Trên cơ sở đó, các thành phần cơ bản của một DSS có thể gồm:

Hệ thống quản lý dữ liệu :gồm một cơ sở dữ liệu chứa các dữ liệu cần thiết của tình huống và được quản lý bởi một hệ quản trị cơ sở dữ liệuPhân hệ này có thể được kết nối với nhà kho dữ liệu của tổ chức– là kho chứa dữ liệu của tổ chức có liên đới đến vấn đề ra quyết định

Hệ thống quản lý mô hình còn được gọi là hệ quản trị cơ sở mô hình (MBMS) là gói phần mềm gồm các thành phần về thống kê, tài chánh, khoa học quản lý hay các phương pháp định lượng nhằm trang bị cho hệ thống năng lực phân tích; cũng có thể có các ngôn ngữ mô hình hóa ở đây. Thành phần này có thể kết nối với các kho chứa mô hình của tổ chức hay ở bên ngoài nào khác.

Một công cụ tri thức có thể hỗ trợ các phân hệ khác hay hoạt động độc lập nhằm đưa ra tính thông minh của quyết định đưa ra. Nó cũng có thể được kết nối với các kho kiến thức khác của tổ chức

4.Giao diện người dùng

giúp người sử dụng giao tiếp với và ra lệnh cho hệ

thống. Các thành phần vừa kể trên tạo nên HHTQĐ, có thể kết nối với intranet/extranet của tổ chức hay kết nối trực tiếp với Internet.

5.Chính các người dùng

4.Dữ liệu và mô hình quản lý

Mối quan tâm ngày càng tăng về giá trị dữ liệu đối với một tổ chức chỉ ra rằng chất lượng và cấu trúc của CSDL là yếu tố cơ bản xác định sự thành công của DSS.

CSDL sẽ tổ chức dữ liệu dưới dạng phân cấp logic dưa trên mức độ mịn hóa dữ liệu.

Sự phân cấp chứa 4 thành phần tử cơ bản:

1.CSDL

2. Tập tin

3.Bản ghi

4.Dữ liệu

Hệ thống quản lý CSDL

Dữ liệu trong mỗi file có cấu trúc giống nhau

(bản ghi), các files có thể hoàn tòan khác nhau.

DBMS giữ vai trò quan trọng trong việc tổ chức files và CSDL.

DBMS có 2 trách nhiệm chính:

Phối hợp các công việc liêm quan tới lưu trữ và truy cập thông tin.

Duy trì sự phụ thuộc logic giữa dữ liệu trong CSDL của DSS và ứng dụng DSS.

Các hàm chức năng trong DBMS

Định nghĩa dữ liệu - cung cấp ngôn ngữ định nghĩa dữ liệu và cho phép tương quan dữ liệu

Thao tác dữ liệu - cung cấp một ngôn ngữ truy vấn, cho phép nắm bắt và khai thác dữ liệu

Toàn vẹn dữ liệu - cho phép người sử dụng để mô tả các quy tắc duy trì tính toàn vẹn và kiểm tra các lỗi

Cơ sở mô hình

Mô hình là sự đơn giản hóa của sự kiện nào đó được xây dựng để nghiên cứu sự kiện.

Cơ sở mô hình là một biến thể của CSDL; Nó lưu trữ và tổ chức các mô hình khác nhau mà DSS sử dụng khi phân tích chúng.

MBMS là biến thể của DBMS.

Cơ sở mô hình chính là cái thể hiện sự khác biệt của một DSS với các hệ thống thông tin khác.

Tổng quan chức năng của MBMS

Modeling language –

Cho phép tạo lập

các mô hình quyết định và cung cấp cơ chế liên kết nhiều mô hình để tạo mô hình phức tạp hơn

Model library –

Lưu trữ và quản lý tất cả các mô hình, cung cấp một catalog cùng với mô tả.

Model manipulation – Cho phép quản lý và xử lý cơ sở mô hình với các chức năng (run, store, query, etc.) tương tự như các chức năng trong một DBMS.

5.Cơ sở tri thức của

DSS

Mọi quyết định đúng đắn đều đòi hỏi quá trình lập luận và quá trình này lại đòi hỏi thông tin.

Cơ sở tri thức là nơi lưu trữ tất cả các thông tin dạng này trong DSS.

Tri thức có thể đơn giản chỉ là các thông tin thô, các quy tắc, các heuristics, các ràng buộc hoặc kết quả của quá khứ.

Tri thức này khác với thông tin cả trong CSDL và cơ sở mô hình ở chỗ nó mang đặc trưng của bài toán.

Nội dung kiến thức cơ sở

Tri thức trong cơ sở tri thức có thể được phân làm 2 loại.

Facts thể hiện điều chúng ta coi là đúng tại thời điểm cho trước.

Hypotheses thể hiện các quy tắc hoặc các quan hệ mà chúng ta tin là tồn tại giữa các facts.

Kiến thức thu nhận và truy hồi

Một hoặc một vài người sẽ thu thập thông tin cho cơ sở tri thức. Đây là những người được đào tạo đặc biệt về các kỹ thuật để thu thập thông tin từ các chuyên gia lĩnh vực.

Mô tơ suy diễn (inference engine) là một phần của cơ sở tri thức. Nó áp dụng các quy tắc để lấy ra thông tin dưới dạng mà người dùng mong muốn.

6.Giao diện người dùng

Giao diên người dùng là một thành phần được thiết kế để cho phép người dùng truy cập tới các thành phần bên trong của hệ thống.

Thông thường, giao diện càng gần gũi thì càng ít đòi hỏi việc huấn luyện người dùng. Hãy suy nghĩ xem có bao nhiêu chương trình Windows dùng cùng cấu trúc menu như Microsoft Word?

Các chức năng chính của một giao diện của DSS: Communication language và Presentation language

Communication language – Cho phép tương tác với DSS theo nhiều cách, xác định các dạng input, cung cấp các hỗ trợ cho người dùng, thu giữ các hội thoại đã qua để cải thiện các tương tác trong tương lai.

Presentation language – Cung cấp khả năng thể hiện dữ liệu theo nhiều cách, cho phép sinh các báo cáo chi tiết, cung cấp nhiều khung nhìn khác nhau về dữ liệu.

7.Vai trò người dùng

Trong một DSS, người dùng cũng là một thành phần của hệ thống giống như hardware và software.

User roles:

Người dùng được phân thành 5 lớp (decision maker, intermediary, maintainer, operator and feeder).

Patterns of DSS use:

Là sự phân loại tiến theo của các user roles khác nhau thành 1 trong 4 basic patterns of use. Slide tiếp theo sẽ mô tả các patterns này.

8.Các mô hình sử dụng DSS

Subscription mode _

nhà sản xuất quyết định nhận các báo cáo thường xuyên theo

dự kiến

Terminal mode_

nhà

sản xuất quyết định tương tác trực tiếp với DSS.

Clerk mode

- nhà sản xuất quyết định sử dụng hệ thống trực tiếp,nhưng không trực tuyến. Đầu ra phản

hồi

có thể mất một thời gian.

Intermediary mode

- nhà sản xuất quyết định tương tác thông qua việc sử dụng mộthoặc nhiều mô hình

trung gian

9.Danh mục và lớp của DSS

Có nhiều phương pháp để cố gắng phân loại các DSSs:

Data-centric and model-centric

Formal and ad hoc systems

Directed versus nondirected DSSs

Procedural and nonprocedural systems

Hypertext systems

Spreadsheet systems

Individual and group DSSs

Các đặc trưng thống nhất của mỗi lược đồ cụ thể giữ vai trò quan trọng trong việc xác định cách tiếp cận tốt nhất để thiết kế một hệ thống mới.

Chương 2:Quyết định và quyết định của nhà sản xuất

10.Quá trình ra quyết định

Quá trình ra quyết định gồm có 3 giai đoạn (Simon 1977)

• Tìm hiểu bài toán dẫn đến quyết định

+Xác định mục tiêu tổ chức

+Tìm kiếm và tập hợp dữ liệu

+Nhận diện, xác định chủ thể bài toán,

+phân loại và phát biểu vấn đề

• Thiết kế (design): phân tích và xây dựng các diễn trình hành động

+Thiết lập mô hình

+Lập bảng tiêu chuẩn chọn lựa

+Tìm kiếm các phương án

+Tiên đoán và đo lường các kết cục

• Chọn lựa (choice): chọn một diễn trình trong tập diễn trình

+Giải pháp cho mô hình

+Phân tích độ nhạy

+Chọn (các) phương án tốt nhất

+Hoạch định việc hiện thực

tiếp theo giai đoạn chọn lựa là giai đoạn hiện thực (implementation)

11.Người ra quyết định

Người ra quyết định (decision maker) giữ

một vai trò tâm thần phân liệt vì vừa được coi là một bước trong quá trình và cũng lại là người tham gia

Phân lớp người ra quyết định

-Quyết định cá nhân có thể là 1 người hoặc một hệ thống máy tính đơn lẻ

-Nhiều người ra quyêt định có thể là :

+Nhóm (group):trong đó mọi thành viên đều có tiếng nói trong

việc ra quyết định

+Đội(team) :Các thành viên hỗ trợ một người ra quyết định duy nhất

+Tổ chức:Trong đó cần sự thỏa thuận chung

12.Các kiểu ra quyết định

Style là cách mà người quản lý ra quyết định.

Hiệu lực của mỗi style riêng biệt phụ thuộc vào ngữ cảnh bài toán, nhận thức của người ra quyết định và tập các giá trị cá nhân của bản thân họ.

Độ phức tạp của các điều đó liên kết lại với nhau trong việc hình thành decision style.

Các kiểu ra quyết định:

Directive – kết hợp đòi hỏi về cấu trúc bài toán cao với mức độ nhập nhằng thấp. Thông thường đây là các quyết định có bản chất kỹ thuật và đòi hỏi ít thông tin.

Analytical – Mức độ nhập nhằng lớn hơn và đòi hỏi nhiều thông tin hơn.

Conceptual – Mức độ nhập nhằng cao và thường gần gũi với cách ra quyết định của con người.

Behavioral – đòi hỏi lượng dữ liệu nhỏ và thể hiện cái nhìn ngắn hạn.

Thường xảy ra xung đột nên phải dựa vào sự đồng thuận.

Các kiểu ra quyết định trong thiết kế hệ trợ giúp quyêt định

Những cản trở lớn chính là phản ứng của người ra quyết định trước áp lực và phương pháp dùng để giải bài toán.

Ví dụ, đối với những người không chịu được áp lực trong dạng directive thì giao diện cần cho phép người ra quyết định kiểm soất được hệ thống với không có quá nhiều dữ liệu đầu vào.

Đối với kiểu analytic, DSS cần cho phép truy cập tới nhiều nguồn dữ liệu mà người ra quyết định sẽ phân tích.

13.Khó khăn khi xây dựng DSS

- Thông tin mô hình, cấu trúc

-> ít thông tin

- Khả năng của con người (khả năng hiểu biết) chỉ xử lý được từ 5->9 quá trình thông tin khác nhau

- Không chắc chắn ( mức độ hoàn thành và tính chính xác)

- Có nhiều lựa chọn và đa mục tiêu

Chương 3:Quyết định trong tổ chức

14.Tổ chức là gì?

Tổ chức

Là 1 hệ thống

thống nhất

các nguồn tài nguyên.Được cấu thành bởi các hệ thống nhỏ hơn ràng buộc với nhau bởi các

mục tiêu

đề ra

Tổng thể

1 tổ chức sẽ

mạnh mẽ

hơn rất nhiều so với tất cả các thành phần của nó cộng lại

Mối liên hệ của các quyêt định

Mục đích chính của

các tổ chức là đưa ra các quyết định trong môi trường kinh doanh

Các Quyết định phải phù hợp với giới hạn,các chính sách, các thủ tục và lĩnh vực hoạt động

Nó không phụ thuộc vào

người đưa ra quyết định là ai; Đó có thể là 1 cá nhân,1 nhóm hay thậm chí DSSs

Độ đo của quyết định

Năm khía cạnh ảnh hưởng tới Quyết định

Kết cấu nhóm (

Group Structure

)

Vai trò trong nhóm(

Group Roles

)

Quá trình làm việc(

Group Processes

)

Tác phong(

Group Style

)

Quy tăc nhóm(

Group Norm

)

Kết cấu nhóm : Trong 1 nhóm chuẩn, các thành viên có trách nhiệm và thẩm quyền ra quyết định như nhau

Vai trò trong nhóm:Trong nhóm , các thành viên đều có vai trò riêng và

là 1 phần quan trong trong

cả tiến trình

Quá trình làm việc:

Quá trình dùng người trong nhóm ảnh hưởng tới loại quyết định gây hiệu quả và ảnh hưởng tới cả tiến trình

Tác phong :Có phải tác phong của người ra quyết định có ảnh hưởng tới chất lượng quyết định cuối không?

Quy tắc nhóm:

Quy tắc nhóm là cực kỳ quan trọng trong việc xác định hành vi các thành viên nhóm trong các tình huống xã hội

Phân cấp quyết định trong tổ chức:3 cấp

Chiến lược:

Ban lãnh đạo cấp cao hoặc nhà quản lý

Các quyết định mang tính lâu dài nhất

Chiến thuật

Quản lý tầm trung

Thực thi các quyết định chiến lược đề ra

Thực hiện

Cá nhân chuyên ngành

Tự đưa ra các quyết định

từng ngày

15.Năng lực của hệ HTQD

1. HHTQĐ cơ bản hỗ trợ các nhà ra quyết định trong các tình huống nửa cấu trúc và phi cấu trúc bằng cách kết hợp phán xử của con người và xử lý thông tin bằng máy tính. Các bài toán như vậy không thể/không thuận tiện giải quyết được chỉ bằng các công cụ máy tính hóa hay các phương pháp định lượng

2. Phù hợp cho các cấp quản lý khác nhau từ cao đến thấp

3. Phù hợp cho cá nhân lẫn nhóm. Các bài toán ít có tính cấu trúc thường liên đới đến nhiều cá nhân ở các đơn vị chức năng hay mức tổ chức khác nhau cũng như ở các tổ chức khác

4. Hỗ trợ cho các quyết định tuần tự, liên thuộc, được đưa ra một lần, vài lần hay lặp lại

5. Hỗ trợ cho các giai đoạn của quá trình ra quyết định: tìm hiểu, thiết kế, lựa chọn và hiện thực

6. Phù hợp cho một số các phong cách và quá trình ra quyết định

7. Có thể tiến hóa theo thời gian. Người dùng có thể thêm, bỏ, kết hợp, thay đổi các phần tử cơ bản của hệ thống

8. Dễ dùng và thân thiện với người dùng

9. Nhằm vào nâng cao tính hiệu dụng của quyết định (chính xác, thời gian tính, chất lượng) thay vì là tính hiệu quả (giá phí của việc ra quyết định)

10. Người ra quyết định kiểm soát toàn bộ các bước của quá trình ra quyết định, HHTQĐ chỉ trợ giúp, không thay thế người ra quyết định

11. Người dùng cuối cùng có thể tự kiến tạo và sửa đổi các hệ thống nhỏ và đơn giản

12. Thường dùng mô hình để phân tích các tình huống ra quyết định

13. Cung ứng các truy đạt dữ liệu từ nhiều nguồn, dạng thức và kiểu khác nhau

14. Có thể dùng như một công cụ độc lập hay kết hợp với các HHTQĐ/ứng dụng khác, dùng đơn lẻ hay trên một mạng lưới máy tính (intranet, extranet) bất kỳ với công nghệ WEB

16.Văn hóa tổ chức

Văn hóa của tổ chức là tập hợp của rất nhiều thứ (lòng tin, biểu tượng đặc trưng, rèn luyện...) được phát triển qua thời gian dài

Nó gây ra ảnh hưởng mạnh mẽ còn hơn cả những hoạt động của tổ chức đó

10 đặc điểm văn hóa của tổ chức

Điều khiển

Hệ thống khen thưởng

Sự đồng nhất

Chịu đựng xung đột

Mô hình giao tiếp

Hỗ trợ quản lý

Sự hòa nhập

Định hướng

Chịu đựng rủi ro

Cá nhân khởi xướng

Mối quan hệ của văn hóa với hiệu năng làm việc

1 tổ chức thành công phải có xu hướng hòa hợp giữa văn hóa với môi trường

trong

và

ngoài

tổ chức

Phù hợp trong nội bộ cho thấy một sự kết hợp giữa văn hóa của tổ chức với những công nghệ của chính nó

Phù hợp với bên ngoài cho thấy một nền văn hóa phù hợp với chiến lược thị trường

Văn hóa và sự thay đổi

1 tổ chức mà không biết thay đổi văn hóa sẽ không thể giữ được vị trí của mình trên thị trường

Các công ty xuất sắc luôn biết cách tích cực tiếp cận khách hàng, động viên đầu tư

17.Quyền lực và chính trị

Quyền lực và chính trị luôn đi liền với nhau

a.Quyền lực:

là khả năng ảnh hưởng đến việc phân phối các nguồn lực trong tổ chức

Gồm 5 yếu tố cơ bản

Phân quyền

Uy quyền

Quyền lực cá nhân

Sức ảnh hưởng

Chính trị

Một vài thành phần của quyền lực ra quyết định

Quyết định việc nào có sẵn

Quyết định sản phẩm nào được sản xuất

Quyết định đầu tư vào đâu

Quyền đặt và quản lý quản lý giá

Thanh toán và khấu trừ tiền lãi

b.Chính trị

Yếu tố cốt lõi trong quá trình hình thành chiến lược ra quyết định

Chính trị liên quan tới việc ra quyết định thông qua đàm phán,ảnh hưởng,và hình thành sự nhất trí

Trong nhiều trường hợp nó có thể cho ta sự linh hoạt hơn

18.Hệ trợ giúp quyết định trong tổ chức

DSS của 1 tổ chức hỗ trợ công nghệ tập trung vào các quyết định ảnh hưởng tới rất nhiều người

1 hệ thống DSS hiện đại có thể chấp nhận nhiều quyết định vượt qua những giới hạn phân cấp truyền thống

a.Các hoạt động gần DSS

Giải quyết các nhiệm vụ đặc biệt

Thu thập thông tin

Liên lạc qua các chi nhánh

Động thái chính trị

Phân loại tư duy chiến lược

cho DSS

Sắp xếp quyết định:Xếp hạng quyết định sao cho thứ tự đứng trước thì được ưu tiên trước

Chia sẻ thông tin:Các quyêt định có thể độc lập nhưng người ra quyết định phải chia sẻ các thông tin liên quan

Lựa chọn đàm phán:Vài quyết định có thể xác lập thông qua đàm phán và kết quả được làm đồng thời

Không phải công nghệ tự nó có thể đưa ra quyết định mà nó nằm ở trình độ công nghệ hỗ trợ, các chiến lược quyết định, quyền lực và chính trị cùng phối hợp với nhau

Chương 4.Mô hình hóa quá trình ra quyết định

(Cấu trúc của hệ HTQD)

19.Vấn đề Mô hình

• Là phần tử chủ chốt trong hầu hết hệ hỗ trợ quyết định và là điều kiện cần trong hệ hỗ trợ quyết định dựa vào mô hình (model-based DSS).

• Có nhiều lớp mô hình kèm theo là các kỹ thuật xử lý thao tác mô hình đặc thù tương ứng

•

Các vấn đề chính:

nhận diện bài toán và phân tích môi trường, nhận diện biến số, dự báo, đa mô hình, các phạm trù mô hình, quản lý mô hình và mô hình hóa dựa vào kiến thức

• Mô hình hóa là tác vụ không đơn giản. Người xây dựng mô hình phải cân bằng giữa tính đơn giản của mô hình với các yêu cầu biểu diễn để mô hình có thể nắm bắt đủ thực tại cần thiết cho người ra quyết định

• Mô phỏng là kỹ thuật mô hình hóa thông dụng; dùng để tìm hiểu vấn đề tuy không nhất thiết phải tìm ra được các giải pháp biến thể; mở rộng quá trình ra quyết định của tổ chức và cho phép tổ chức xem xét tác động/ảnh hưởng của các chọn lựa tương lai.

• Mô phỏng tiết kiệm rất nhiều chi phí và thời gian – rất dễ thay đổi mô hình hoạt động của một hệ thống vật lý bằng mô hình hóa máy tính

• Mô hình có thể được phát triển và cài đặt bằng một số các ngôn ngữ lập trinh (thế hệ 3, 4 ..) và hệ thống phần mềm khác nhau

Mô hình tĩnh và động

• Mô hình tĩnh: thể hiện bức tranh tại thời điểm của tình huống. Các khía cạnh của bài toán được xét một thời kỳ nhất định, trong một khung thời gian nhất định (có thể “cuốn” về tương lai). Các tình huống được giả sử là sẽ lập lại với tập các điều kiện đồng nhất

􀂉 Giả định có được tính ổn định của dữ liệu

􀂉 Mô phỏng quá trình dạng tĩnh - làm việc trên các trạng thái ổn định để tìm ra các thông số tối ưu – thường được dùng như công cụ chủ yếu để thiết kế quá trình

􀂉 vd: quyết định sản xuất/mua 1 sản phẩm; báo cáo thu nhập hàng quý/năm

• Mô hình động: biểu diễn các kịch bản thay đổi theo thời gian

􀂉 Phụ thuộc thời gian; các trạng thái thay đổi theo thời gian

􀂉 Thường dùng để tạo sinh và biểu diễn các xu hướng và khuôn mẫu theo thời gian

􀂉 Mô phỏng động: thể hiện các diễn tiến khi các điều kiện theo thời gian khác với các trạng thái ổn định – thường được dùng để thiết kế việc kiểm soát các hệ thống

􀂉 VD: dự báo lời-lỗ trong 5 năm với các nhập lượng như giá phí, số lượng .. thay đổi theo từng năm

Mô hình chắc chắn

tương đối dễ phát triển, giải quyết và có thể sinh ra các giải pháp tối ưu

􀂉 Các bài toán có một số lớn/vô hạn các giải pháp khả thi đặc biệt quan trọng

􀂉 Các mô hình tài chánh được xây dựng trong điều kiện chắc chắn

Mô hình bất định

bằng cách thu thập thêm thông tin, cố gắng đưa bài toán trở về dạng chắc chắn hay dạng rủi ro

Mô hình rủi ro

: các quyết định kinh doanh được đưa ra dưới các rủi ro giả định.

􀂉 Đôi khi biết được xác suất của các sự kiện xảy ra trong tương lai

􀂉 Các trường hợp khác (bất định): ước lượng các rủi ro và giả sử các tình huống rủi ro xảy ra

20.Mô hình hóa

MÔ HÌNH HÓA BẰNG BẢNG TÍNH

• Bảng tính: phần mềm mạnh, linh hoạt và dễ dùng, cho phép tạo sinh các ứng dụng trong kinh doanh, kỹ thuật, toán và khoa học .. với tập các hàm mạnh về tài chánh, thống kê, toán ..

• Kèm theo là các thành phần cộng thêm (add-ins) giúp xây dựng và giải các lớp mô hình đặc thù

• Là công cụ mô hình hóa thông dụng nhất của người dùng cuối cùng

• Có các chức năng về phân tích “what-if”, dò tìm mục tiêu, quản lý dữ liệu và lập trình (dạng macro)

• Có khả năng đọc, ghi các cấu trúc tập tin thông dụng để giao tiếp được với các CSDL và công cụ khác

• Có thể xây dựng mô hình tĩnh và động

• Dùng trên máy tính cá nhân và máy tính lớn

• Cơ sở để xây dựng các bảng tính đa chiều và các công cụ xử lý phân tích trực tuyến (OLAP)

MÔ HÌNH HÓA BẰNG PHÂN TÍCH QUYẾT ĐỊNH

• Tiếp cận mô hình hóa các tình huống quyết định có một số hữu hạn/không quá nhiều các phương án – mỗi phương án được trình ra, dưới dạng bảng hay đồ thị - các kết quả tương ứng (dự báo được kèm xác suất) theo mục tiêu bài toán – từ đó chọn phương án tốt nhất

• Đơn mục tiêu: bảng quyết định hay cây quyết định

• Đa mục tiêu: AHP (analytic hierarchy process), khác ..

MÔ HÌNH HÓA BẰNG QUY HOẠCH TOÁN

• Quy hoạch toán học (mathematical programming) là họ các công cụ giải quyết các bài toán quản lý theo đó người ra quyết định phải cấp phát các tài nguyên khan hiếm cho các hoạt động cạnh tranh nhau (các phương án) nhằm tối ưu hóa mục tiêu có khả năng đo lường được

• Các mô hình quy hoạch tuyến tính (linear programming) thông dụng nhất trong quy hoạch toán; có nhiều ứng dụng trong thực tế; được dùng nhiều trong các hệ hỗ trợ quyết định

• Bài toán quy hoạch tuyến tính:

􀂉 Các biến quyết định (cần tìm giá trị)

􀂉 Hàm mục tiêu (hàm toán học dạng tuyến tính xác định quan hệ giữa biến quyết định và mục tiêu; đo lường mức độ đạt đạt mục tiêu và cần được tối ưu hóa)

􀂉 Các hệ số của hàm mục tiêu (cho biết mức đóng góp vào mục tiêu của 1 đơn vị biến quyết định)

􀂉 Ràng buộc (biểu thức tuyến tính cho biết giới hạn tài nguyên và/hay các quan hệ giữa các biến số)

􀂉 Dung lượng (mô tả cận trên và dưới của các biến và ràng buộc)

􀂉 Hệ số (công nghệ) vào-ra (cho biết mức độ sử dụng tài nguyên của biến quyết định)

• Đặc điểm của bài toán quy hoạch tuyến tính:

􀂉 Tài nguyên kinh tế của bài toán là có hạn và sẵn sàng

􀂉 Có nhiều cách (>2 cách) sử dụng tài nguyên được gọi là giải pháp hay chương trình

􀂉 Mỗi hoạt động dùng tài nguyên đều sinh ra kết quả dưới dạng mục tiêu đã phát biểu trước

􀂉 Việc cấp phát nằm trong các ràng buộc cho trước

• Giả định của bài toán quy hoạch tuyến tính

􀂉 Các kết quả của các cấp phát có thể đem so sánh với nhau, có thể đo lường bằng một đơn vị chung

􀂉 Các cấp phát độc lập với nhau về mặt kết quả

􀂉 Kết quả cuối cùng là tổng của các kết quả từ các hoạt động riêng rẽ khác nhau

􀂉 Dữ liệu có tính chắc chắn

􀂉 Tài nguyên được dùng một cách kinh tế nhất

􀂉 Thường có một số lớn các giải pháp với kết quả khác nhau

􀂉 Trong số các giải pháp có thể, có 1 giải pháp tốt nhất – mức độ đạt được mục tiêu cao nhất – gọi là giải pháp tối ưu được tìm ra bằng một giải thuật đặc biệt

MÔ HÌNH HÓA BẰNG HEURISTIC

• Việc tìm giải pháp tối ưu của một số bài toán quyết định phức tạp có thể tốn nhiều thời gian, chi phí hay không thể tìm ra được. Còn nếu dùng tiếp cận mô phỏng cũng có thể kéo dài, phức tạp, không thích hợp hay thậm chí không chính xác

• Là một tiếp cận giúp tìm ra các giải pháp khả thi/thỏa mãn/đủ tốt cho các bài toán phức tạp. Có thể có giải pháp đủ tốt (90-99.9% giá trị của lời giải tối ưu) nhanh chóng và đỡ tốn kém hơn bằng cách dùng heuristics

• Quá trình heuristic là dãy các bước xây dựng các quy luật giải quyết vấn đề thông qua việc tìm kiếm các con đường hứa hẹn nhất dẫn đến lời giải; tìm kiếm cách thức thu thập và phân giải thông tin theo quá trình giải và phát triền các phương pháp dẫn đến một giải thuật tính toán hay một lời giải tổng quát đã có

• Áp dụng chủ yếu cho bài toán cấu trúc yếu; cũng dùng để tìm ra giải pháp chấp nhận được cho bài toán cấu trúc chặt

• Không đủ tổng quát như các giải thuật; thường chỉ dùng cho tình huống đặc thù đang xét

• Có thể dẫn đến một giải pháp dở - các thủ tục từng bước giải quyết vấn đề không đảm bảo tìm ra giải pháp tối ưu

• Heuristic có thể là định lượng vì vậy có thể đóng vai trò quan trọng trong cơ sở mô hình của hệ hỗ trợ quyết định

• Heuristic có thể là định tính vì vậy có thể đóng vai trò quan trọng trong cung ứng kiến thức cho hệ chuyên gia

• Quá trình heuristic liên quan đến tìm kiếm, học tập, ước lượng, phân xử và lặp lại các hoạt động này dọc theo tiến trình

• Kiến thức thu được dù thành công hay thất bại trong quá trình đều được phản hồi và sửa đổi chính quá trình, nhờ đó có thể định nghĩa lại mục tiêu hay bài toán

􀂉 Giải thuật di truyền: bắt đầu bằng tập các giải pháp được sinh ngẫu nhiên, tái kết hợp các cặp giải pháp một cách ngẫu nhiên

• Tình huống nên dùng heuristics

􀂉 Dữ liệu đầu vào không chính xác hay có giới hạn

􀂉 Thực tế quá phức tạp đến nỗi không dùng được các mô hình tối ưu

􀂉 Chưa có được giải thuật chính xác và đủ tin cậy

􀂉 Bài toán phức tạp nên sẽ không kinh tế nếu dùng tối ưu hay mô phỏng hoặc tốn quá nhiều thời gian tính toán

􀂉 Có thể cải thiện tính hiệu quả của quá trình tối ưu (tức có thể sinh ra các giải pháp ban đầu tương đối tốt)

􀂉 Liên quan đến xử lý ký hiệu chứ không phải xử lý ký số (như hệ chuyên gia)

􀂉 Cần có quyết định nhanh và các xử lý dựa vào máy tính đều không khả thi (một số heuristic không cần đến máy tính)

• Thuận lợi:

􀂉 Dễ hiểu, dễ giải thích và dễ cài đặt

􀂉 Nâng cao tính sáng tạo và năng lực heuristic cho các vấn đề khác

􀂉 Tiết kiệm thời gian xác lập vấn đề

􀂉 Tiết kiệm yêu cầu về bộ chứa và xử lý máy tính

􀂉 Tiết kiệm thời gian tính toán và do vậy tiết kiệm thời gian thực trong ra quyết định. Một số vấn đề phức tạp đến nỗi chỉ có thể giải được bằng heuristics

􀂉 Thường sinh ra nhiều giải pháp chấp nhận được

􀂉 Thường có thể phát biểu lý thuyết hay đo lường thực nghiệm về chất lượng của giải pháp (tức giá trị mục tiêu của giải pháp gần với giá trị tồi ưu đến mức nào, dù giá trị tối ưu chưa biết được)

􀂉 Có thể kết hợp tính thông minh vào để hướng dẫn phép tìm kiếm (tìm kiếm tabu). Năng lực thông minh đó có thể là đặc thù theo bài toán hoặc dựa trên ý kiến chuyên gia được cấy trong hệ chuyên gia hoặc cơ chế tìm kiếm

􀂉 Có thể dùng heuristic hiệu quả vào các mô hình có thể giải bằng quy hoạch toán học. Đôi khi heuristic là phương pháp được ưa thích hơn, khi khác giải pháp heuristics được dùng như giải pháp ban đầu cho các phương pháp quy hoạch toán học

• Hạn chế

􀂉 Không đảm bảo có được giải pháp tối ưu

􀂉 Các quy luật có rất nhiều ngoại lệ

􀂉 Các lựa chọn quyết định tuần tự có thể không tiên đoán được các kết cục tương lai của mỗi chọn lựa

􀂉 Sự liên thuộc giữa các phần trong hệ thống đôi khi có thể gây ra các ảnh hưởng lớn lao lên toàn hệ thống

• Phân loại các giải thuật heuristic

􀂉 Heuristic xây dựng: xây dựng giải pháp khả thi bằng cách cộng thêm từng thành phần một. VD: bài toán người bán hàng – luôn ghé thành phố chưa viếng thăm kế tiếp gần nhất

􀂉 Heuristic cải tiến: bắt đầu bằng một giải pháp khả thi và cố gắng cải tiến liên tục trên đó. VD trên, thử hoán đổi 2 thành phố

􀂉 Quy hoạch toán: áp dụng vào các mô hình chứa ít ràng buộc nhằm có được thông tin về thỏa hiệp tốt nhất với mô hình nguyên gốc. Thường được dùng trong tối ưu hóa nguyên (integer optimization)

􀂉 Chia giai đoạn: giải quyết một vấn đề theo từng giai đoạn. VD ở P&G trên đây, bài toán phân phối được giải quyết trước, sau đó dùng giải quyết bài toán chiến lược sản phẩm

􀂉 Phân rã: chia bài toán thành các phần nhỏ hơn, có thể giải quyết được sau đó kết hợp các giải pháp đó lại. VD: chia lãnh thổ bán hàng thành 4 vùng khác nhau, giải quyết cho từng vùng sau đó kết nối các giải pháp

21.Mô phỏng

• Giả định các đặc điểm của thực tại

• Là kỹ thuật tiến triển các thực nghiệm (như phân tích “what-if”) - bằng máy tính -

trên một mô hình của hệ thông tin quản lý

• Không thực sự là một mô hình vì không biểu diễn thực tại mà là cố gắng bắt

chước thực tại

• Một trong những phương pháp thông dụng nhất trong HHTQĐ

• HHTQĐ làm việc với các bài toán phi cấu trúc và cấu trúc yếu, tình huống thực tế

phức tạp – không dễ biểu diễn bằng mô hình tối ưu hay các dạng mô hình khác

nhưng lại thường có thể xử lý được bằng mô phỏng

• Đặc điểm:

􀂉 Ít đưa ra các đơn giản hóa về thực tại hơn các mô hình khác

􀂉 Do triển khai các thực nghiệm nên nó có thể kiểm thử các giá trị cụ thể của các

biến quyết định/biến không kiểm soát được của mô hình và xem xét ảnh hưởng

lên các biến kết quả

􀂉 Phương pháp có tính mô tả (như vậy khác với phương pháp danh định)

􀂉 Không tự động tìm kiếm giải pháp tối ưu – nó mô tả/tiên đoán các đặc tính của hệ

thống đã cho dưới các điều kiện khác nhau từ đó có thể chọn ra phương án tốt

nhất

􀂉 Quá trình mô phỏng thường lặp lại một thực nghiệm nhiều lần để có được ước

lượng về hiệu ứng tổng quát của một số hành động nhất định

􀂉 Mô phỏng máy tính thích hợp cho hầu hết các tình huống mặc dù cũng có một số

mô phỏng thủ công thành công

􀂉 Thường chỉ được dùng khi bài toán quá phức tạp không thể xem xét bằng các kỹ

thuật tối ưu dạng số. Tính phức tạp theo nghĩa bài toán không thể công thức hóa

cho tối ưu (do không thõa các giả định), hoặc công thức quá lớn, quá nhiều tương

tác giữa các biến hoặc về bản chất bài toán là bất định hay rủi ro

Phương pháp mô phỏng:

thiết lập mô hình của hệ thống thực và tiến hành các thực

nghiệm lặp lại trên mô hình

• Thuận lợi:

􀂉 Lý thuyết tương đối trực tiếp hiệu ứng dài hạn của nhiều chính sách -> nén thời

gian lớn

􀂉 Do tính chất mô tả (khác với danh định)

􀂉 Có thể thấy được nhanh chóng, có thể đặt ra các câu hỏi “what-if”, có thể dùng

tiếp cận thử-và-sai vào giải quyết vấn đề một cách nhanh chóng, rẻ, chính xác, ít

rủi ro hơn

􀂉 Thử nghiệm được biến quyết định, phần nào của môi trường thực sự quan trọng

với các phương án khác nhau

􀂉 Yêu cầu kiến thức riêng biệt về bài toán vì thế buộc người xây dựng mô hình phải

làm việc thường xuyên với nhà quản lý – đối tượng mong muốn của HHTQĐ để

từ đó bản chất bài toán và các quyết định được hiểu tốt hơn

􀂉 Mô hình được xây dựng từ viễn cảnh/cách nhìn của nhà quản lý

􀂉 Mô hình chỉ cho một bài toán riêng biệt, thường không thể dùng giải các bài toán

khác. Như vậy mỗi thành phần của mô hình ứng với một phần của hệ thống thực,

do đó sẽ không yêu cầu nhà quản lý phải tổng quát hóa các hiểu biết của mình

􀂉 Phổ bài toán giải được rất rộng: tồn kho, nhân sự, hoạch định chiến lược ..

􀂉 Có thể chứa các phức tạp thực sự của bài toán, không cần các đơn giản hóa (TD:

dùng các phân phối xác suất thực thay vì phân phối lý thuyết xấp xỉ)

􀂉 Có thể tự động sinh ra nhiều đo lường hiệu năng quan trọng

􀂉 Thường là phương pháp duy nhất của HHTQĐ có thể xử lý các bài toán tương đối

phi cấu trúc

􀂉 Có một số các gói phần mềm mô phỏng (Monte Carlo) tương đối dễ dùng

• Điểm yếu:

􀂉 Tuy thường tìm được các phương án đủ tốt nhưng không đảm bảo lời giải tối ưu

􀂉 Quá trình xây dựng mô hình thường dài và tốn kém

􀂉 Giải pháp và suy diễn từ nghiên cứu mô phỏng thường không thể chuyển sang bài

toán khác vì mô hình kết hợp các yếu tố đặc thù

􀂉 Đôi khi do mô hình quá dễ giải thích cho nhà quản lý nên các phương pháp phân

tích thường xem nhẹ

􀂉 Phần mềm mô phỏng đôi khi yêu cầu các kỹ năng đặc biệt do độ phức tạp của

phương pháp giải hình thức

• Các loại mô phỏng

􀂉 Mô phỏng xác suất: một hay nhiều biến độc lập mang tính xác suất với 2 loại

phân phối – thường dùng kỹ thuật Monte Carlo

􀂾 Phân phối rời rạc: tình huống có một số giới hạn các biến cố (biến) với hữu hạn

các giá trị cho mỗi biến cố (biến)

􀂾 Phân phối liên tục: tình huống có số lượng không giới hạn các biến cố tuân theo

các hàm mật độ xác suất như phân phối chuẩn

􀂉 Mô phỏng độc lập/phụ thuộc theo thời gian:

􀂾 Độc lập: không cần thiết phải biết chính xác thời điểm xảy ra biến cố (nhu cầu

tiêu thụ lượng sản phẩm trong ngày, không biết chính xác thời điểm tiêu thụ)

􀂾 Phụ thuộc: cần biết chính xác thời điểm xảy ra sự kiện (bài toán hàng đợi)

􀂉 Mô phỏng tương tác trực quan:

􀂉 Mô phỏng hướng đối tượng: dùng tiếp cận hướng đối tượng để xây dựng mô hình

mô phỏng. Chú ý ngôn ngữ mô hình hóa nhất thể UML (unified modeling

language) kể cả khi mô phỏng các hệ thời gian thực

MÔ HÌNH HÓA ĐA CHIỀU – XỬ LÝ PHÂN TÍCH TRỰC TUYẾN

• Người ra quyết định thường phải xem xét nhiều chiều của dữ liệu (TD: các chiều

của dữ liệu bán hàng là sản phẩm, vùng, thời gian, người bán ..); dữ liệu cần được

phân tích trực tiếp bằng các công cụ chuẩn hay phân tích tự động bằng các

phương pháp khai mỏ dữ liệu (data mining)

• Hầu hết các hệ thống phân tích đa chiều được nhúng trong các hệ xử lý phân tích

trực tuyến (HXLPTTT – online analytic processing - OLAP)

• Mục tiêu của XLPTTT: nắm bắt cấu trúc của dữ liệu thực để hỗ trợ ra quyết định

• Trong HHTQĐ có sự gắn nối tự nhiên giữa mô hình hóa dữ liệu, mô hình hóa ký

hiệu và các khía cạnh của phân tích “what-if”

• Các báo cáo của HXLPTTT đều có tính tương tác, dễ khai thác sử dụng, đặc biệt

phù hợp cho các báo cáo về chỉ số hiệu năng chủ yếu (key performance indicators

- KPI), báo cáo về đo lường hiệu năng kinh doanh ..

• Thế hệ hiện tại của HXLPTTT và hệ khai mỏ dữ liệu (data mining) tích hợp các

đặc tính của hệ thông tin lãnh đạo (executive information system –EIS- nhiều

cách nhìn dữ liệu, chi tiết hóa theo nhu cầu..) và các hệ đồ họa khác – thường có

giao diện người dùng dạng kiểu WEB

• Các hệ thống như trên còn được gọi là các công cụ trí tuệ kinh doanh (business

intelligence - BI) vì có các đặc trưng về mô hình hóa và tối ưu hóa nhưng lại

trong suốt đối với ngươì dùng

• Hiện các công cụ được đưa ra bởi các nhà cung cấp về CSDL, về hoạch định tài

nguyên tổ chức (ERP), về nhà kho dữ liệu (data warehouse), về HXLPTTT ..

MÔ HÌNH HÓA VÀ MÔ PHỎNG TƯƠNG TÁC TRỰC QUAN

• Ích lợi: Người ra quyết định tham gia vào quá trình phát triển mô hình và thực

nghiệm mô phỏng vì vậy sẽ tin tưởng khi sử dụng mô hình

• Mô hình hóa tương tác trực quan (visual interactive modeling - VIM) dùng các

biểu diễn đồ họa máy tính để trình bày các ảnh hưởng của các quyết định quản lý

khác nhau, ở một thời điểm (tĩnh) hay tiến triển theo thời gian (động với kỹ thuật

hoạt hình)

• Mô phỏng tương tác trực quan (visual interactive simulation - VIS) cho phép

người dùng theo dõi tiến trình xây dựng và sử dụng khai thác mô hình mô phỏng

dưới dạng hoạt hình

• Mô hình hóa tương tác trực quan có thể kết hợp với tiếp cận trí tuệ nhân tạo để

đưa ra các khả năng mới thay đổi từ xây dựng hệ thống dạng đồ họa đến tìm hiểu

về động học của hệ thống

• Cần đến các hệ thống máy tính xử lý song song tốc độ cao để xây dựng các mô

phỏng - phức tạp, quy mô lớn, dạng hoạt hình - mang tính khả thi ở thời gian thực

22.Các dạng hệ thống hỗ trợ ra quyết định

Hệ hỗ trợ quyết định nhóm

Ra quyết định nhóm, giao tiếp và cộng tác

- Các đặc điểm của công việc nhóm:

+ Một nhóm thực hiện một nhiệm vụ, thỉnh thoảng ra quyết định, thỉnh thoảng

không ra quyết định.

+ Các thành viên trong nhóm có thể ở những nơi khác nhau.

+ Các thành viên trong nhóm có thể làm việc ở những thời gian khác nhau.

+ Các thành viên trong nhóm có thể làm việc cùng nhau hoặc ở các tổ chức khác

nhau.

+ Nhóm có thể vĩnh viễn hoặc tạm thời.

+ Nhóm có thể ở bất kỳ mức quản lý nào hoặc mức thời gian nào.

+ Có sự điều phối (quá trình và nhiệm vụ đạt được) hoặc mâu thuẩn trong

nhóm.

+ Có sự đạt được hoặc/và mất mát năng suất trong tổ chức.

+ Nhiệm vụ phải hoàn thành rất nhanh.

+ Không thể hoặc quá đắt cho tất cả các thành viên trong nhóm cùng hợp ở một

nơi.

+ Một số dữ liệu, thông tin, hoặc kiến thức cần thiết nằm ở nhiều nơi, một số

khác ở ngoài tổ chức.

+ Chuyên môn của các thành viên không có trong nhóm là cần thiết.

- Các hoạt động và các quá trình miêu tả các cuộc họp:

+ Cuộc họp là hoạt động chung liên quan bởi một nhóm người có địa vị bằng

nhau hoặc gần bằng nhau.

+ Kết quả của cuộc họp phụ thuộc một phần vào kiến thức, ý kiến, các đánh giá

của các thành viên.

+ Kết quả của cuộc họp cũng phụ thuộc vào sự kết hợp của nhóm và phụ thuộc

vào quá trình ra quyết định được sử dụng bởi nhóm đó.

+ Giải quyết các ý kiến khác nhau bởi người có quyền hạn hoặc thương lượng

hoặc phân xử.

Hỗ trợ giao tiếp

- Giao tiếp là thành phần quan trọng cho hỗ trợ quyết định. Không có giao tiếp, thì

không có cộng tác. Những người ra quyết định cá nhân phải giao tiếp với các

đồng nghiệp, chuyên gia, cơ quan chính phủ, khách hàng, đối tác kinh doanh, …

Họ cũng cần dữ liệu và thông tin (và kiến thức) từ nhiều nơi trên thế giới. Các

nhóm ra quyết định phải giao tiếp, cộng tác, và thương lượng trong công việc.

Hầu hết các tổ chức sẽ nhanh trở thành không có chức năng, nếu không có các hệ

thống giao tiếp. Thương mại điện tử có thể hiệu quả chỉ qua các kỹ thuật giao tiếp

hiện đại.

- Các kỹ thuật thông tin hiện đại cung cấp các phương tiện hỗ trợ giao tiếp rẻ,

nhanh, có khả năng, có thể tin cậy. Nền tảng hỗ trợ giao tiếp là các hệ thống máy

tính mạng.

+ Bắt đầu bằng điện báo, điện thoại, radio và ti vi.

+ Trong 100 năm, chúng ta phát triển máy fax, thư điện tử, chương trình chat,

nhóm tin tức, hệ thống hội nghị truyền hình. Hầu hết các kỹ thuật này đều

hoạt động trên internet.

+ Sự phát triển giao tiếp sau cùng là hệ thống họp điện tử, các dịch vụ và hệ

thống hội nghị điện tử, thường sử dụng internet để kết nối các người ra quyết

định.

- Các thuận lợi áp dụng các phương pháp giao tiếp cải tiến trong các tổ chức:

+ Cải tiến năng suất của nhân viên

+ Liên quan đến nhiều người ra quyết định chính

+ Không quan tâm nhiều đến đường biên giới địa lý

+ Tạo nền văn hóa hợp tác nhất quán

+ Cải tiến chất lượng cuộc sống của nhân viên

Hỗ trợ cộng tác: Máy tính hỗ trợ cộng tác

- Khung thời gian/nơi chốn:

+ Sự hiệu quả của kỹ thuật tính toán cộng tác phụ thuộc vào vị trí của các thành

viên trong nhóm và phụ thuộc vào thời gian chia sẽ thông tin gởi và nhận.

+ Chia sự giao tiếp thành bốn ô, và tổ chức bốn ô dọc theo 2 chiều thời gian và

nơi chốn.

􀂃 Thời gian: Khi gởi và nhận thông tin hầu như đồng thời, giao tiếp là đồng

thời. Ví dụ: Điện thoại, ti vi, và các cuộc họp gặp mặt nhau. Giao tiếp bất

đồng bộ xảy ra khi người nhận nhận thông tin ở thời điểm khác thời điểm

gởi thông tin đó.

􀂃 Nơi chốn: Người gởi và người nhận có thể ở cùng phòng hoặc không.

+ Bốn ô là:

􀂃 Cùng thời gian/cùng nơi chốn: Các thành viên gặp mặt nhau cùng một lúc,

giống như phòng quyết định hoặc gặp mặt truyền thống.

􀂃 Cùng thời gian/khác nơi chốn: Các thành viên ở các nơi khác nhau, nhưng

giao tiếp cùng nhau. Ví dụ: hội nghị truyền hình (videoconferencing).

􀂃 Khác thời gian/cùng nơi chốn: Nhiều người làm việc theo ca. Ca này để lại

thông tin cho ca khác.

􀂃 Khác thời gian/khác nơi chốn: Các thành viên ở các nơi khác nhau. Các

thành viên này gởi và nhận thông tin ở những lần khác nhau.

23.Thực thi hệ DSS

Hệ thống hỗ trợ quản lý (MSS) không phải lúc nào cũng luôn thành công. Nhiều trường hợp

thất bại của ES không hoàn toàn là lý do kỹ thuật. Thực thi hệ thống là một quá trình liên tục

nhằm đảm bảo cho tổ chức chuẩn bị tiếp nhận một hệ thống mới và đưa hệ thống vào sử dụng

thành công.

Thực hiện công nghệ hệ thống hỗ trợ quản lý là việc phức tạp vì các hệ thống này không đơn

thuần là hệ thống thông tin chỉ thu thập, thao tác và phân phối thông tin. Mà xa hơn, chúng

liên quan tới các công việc có thể làm thay đổi đáng kể cách thức hoạt động của tổ chức. Tuy

vậy, đa số các yếu tố thực thi đều liên quan tới hệ thống thông tin.

Thực thi MSS là quá trình liên tục diễn ra trong suốt thời gian phát triển hệ thống, từ đề xuất

ban đầu, đến nghiên cứu khả thi, thiết kế và phân tích hệ thống, lập trình, huấn luyện, chuyển

đổi, và lắp đặt. Các chuyên gia hệ thống thông tin thường gọi thực thi là giai đoạn cuối trong

vòng đời hệ thống. Định nghĩa thực thi MSS phức tạp hơn vì bản chất lặp của sự phát triển

các hệ thống.

THỰC THI KHÔNG HOÀN CHỈNH

Các quyết định về tính khả thi thường có giả định về lợi ích đạt được khi kế hoạch thực thi

được thực hiện hoàn toàn. Trong thực tế thường chỉ thực hiện 90 thậm chí 70 phần trăm so

với phân tích khả thi. Lý do là sự thay đổi tại một nơi trong hệ thống có thể ảnh hưởng và có

thể tác động tiêu cực đến chỗ khác. Do vậy cấp quản lý có thể bỏ những phần trong dự án có

thể gây ra tác động xấu. Do đó dự án sẽ thực hiện ít hơn 100% so với dự án kế hoạch. Các lý

do khác có thể là do khấu trừ ngân sách hoặc vượt chi phí.

ĐÁNH GIÁ SỰ THÀNH CÔNG CỦA THỰC THI HỆ THỐNG

Phải có các chỉ số đo lường thì mới có thể đánh giá sự thành công khi thực thi một hệ thống.

Dickson va Powers (1973) đề ra 5 tiêu chuẩn độc lập:

• Tỷ lệ thời gian thực hiện dự án với thời gian ước lượng

• Tỷ lệ chi phí thực tế và ngân sách thực hiện

• Thái độ của cấp quản lý đối với hệ thống

• Nhu cầu thông tin của các nhà quản lý được đáp ứng như thế nào qua hệ thống

• Tác động của dự án đối với những hoạt động máy tính trong công ty

Các đo lường khác để đánh giá thành công của hệ hỗ trợ quản lý (MSS)

• Sự sử dụng hệ thống (dự định dùng hoặc thực sự dùng)

• Thỏa mãn của người dùng

• Thái độ tán thành

• Mức độ hệ thống hoàn thành các mục tiêu ban đầu

• Phần thưởng đối với tổ chức (giảm chi phí, tăng doanh thu…)

• Tỷ số lợi ích chi phí

• Mức độ thể chế hóa của MSS trong tổ chức

Do bởi tính đa dạng của DSS nên việc đánh giá sự thành công của hệ này cũng khó khăn, tuy

nhiên cũng có thể có một số yếu tố giúp cho DSS thành công như sự tham gia người dùng,

huấn luyện người dùng, hỗ trợ quản lý cấp cao, nguồn thông tin, đặc điểm của những nhiệm

vụ có liên quan (cấu trúc, bất định, độ khó, phụ thuộc).

Chương5:Nhóm hỗ trợ quyết định và nhómcông nghệ phần mềm

5.1:Nhóm tạo quyết định

MDM-Holsapple đã gợi ý chúng ta sử dụng giới hạn người tạo quyết định.

Một nhóm là kết cấu MDM, nơi mà nhiều người ra quyết định hoàn toàn tương tác

Một đội là kết cấu MDM nơi các thành viên tư vấn cho người đưa ra quyết định nhưng không tương tác

Một Ủy ban là kết cấu MDM với một người tạo quyết định duy nhất và sự tương tác giữa các thành viên.

Mạng thông tin :

Mạng lưới bánh xe:

mỗi người tham gia có thể giao tiếp với người đưa ra quyết định ở trung tâm nhưng không phải với người tham gia khác.Cấu trúc này là không thỏa mãn tất cả những người tham gia, ngoại trừ người ra quyết định.

Mạng dây chuyền:

Tham gia chuyển tiếp thông tin chỉ để nó luôn liền kề nhau trong chuỗi.

Thành viên cuối cùng ko được đáp ứng.

Mạng vòng tròn:

Tương tự như chuỗi nhưng kết thúc được kết nối.

Mạng kết nối hoàn toàn:

không có hạn chế về giao tiếp và tương tác giữa các thành viên.Nói chung,nó đáp ứng hầu hết các kết nối của người tham gia nhưng truyền đạt thông tin mất nhiều thời gian và có nhiều cơ hội xảy ra lỗi.

Nhóm hành vi và chuẩn mực.

MDMs thiết lập các chỉ tiêu hướng dẫn quá trình ra quyết định.

Một chuẩn mực quy định cụ thể những gì thành viên trong nhóm dự kiến sẽ làm trong những hoàn cảnh nhất định.

Quy tắc "gửi" có thể được thông qua ví dụ, đánh giá ngang hàng hoặc xử phạt

Làm thế nào để đưa ra quyết định ?

Việc chọn lựa mà trong đó việc sử dụng cấu trúc MDM phải được dựa trên một số yếu tố liên quan với bối cảnh quyết định.

Ví dụ:một cấu trúc riêng lẻ sẽ làm việc nơi mà quyết định được cấu trúc cao và thông tin là có sẵn

Một ủy ban cơ cấu sẽ là sự lựa chọn khi người ra quyết định không thể đưa ra quyết định một mình.

5.2:Các vấn

đề

ường

gặp trong nhóm

Kích th

ước

: Nói chung, sự nhất trí và gắn kết giữa các thành viên tỉ lệ nghịch với phạm vi nhóm. Trong nhóm lớn rất dễ hình thành các nhóm nhỏ và hoạt

động

rời rạc.

duy tập thể

: Trong nhóm lớn, mọi ng

ười

có xu h

ướng

suy nghĩ

đểđạtđược

sự nhất trí nên không phát huy

được

sự sáng tạo

Các vấn

đề

về xã hội

Xung

đột

: Trong

1 nhóm, ai cũng muốn mình là giỏi nhất nên dễ dẫn

đế

n xung

độ

t .

Ẩn danh(Giấu tên)

: Đây là ph

ươn

g pháp

được

sử dụng

để

kiểm soát xung

đột

.Cho các thành viên tham gia ẩn danh.

Vấn

đề

giới tính

: Nam và nữ th

ường

có những thế mạnh khác nhau,

iều này có thể là sức mạnh trong 1 thiết lập MDM.

Đàm phán và quyết

định

Một quyết

định

có thể liên quan

đế

n nhiều quan

iểm khác nhau, vì thế cần phải có sự

đàm

phán.

Các thiết kế của c

chế hỗ trợ cho MDM phải phù hợp với các hoạt

độngđàm

phán .

Những hoạt

động

này bao gồm việc thu nhận ý kiến của các thành viên 1 cách công bằng

5.3:Công nghệ hỗ trợ MDM

Organizational DSS

–

1 hệ thống cung cấp các quyết

định

hỗ trợ.

Group Support System

–

Công nghệ sử dụng sự hỗ trợ của nhiều bên tham gia.

Group DSS

– Là 1 hệ thống

được

thiết kế

đặc

biệt

để

hỗ trợ cho MDM.

DSS

– Là 1 hệ thống d

ưới

sự kiểm soát của 1 ng

ười

quyết

định

, hệ thống này cung cấp 1 bộ công cụ giúp phân tích hoàn cảnh

đểđư

a ra quyết

định

và nâng cao hiệu quả của quyết

địnhđó

5.3:Công nghệ hỗ trợ MDM

Organizational DSS

–

1 hệ thống cung cấp các quyết

định

hỗ trợ.

Group Support System

–

Công nghệ sử dụng sự hỗ trợ của nhiều bên tham gia.

Group DSS

– Là 1 hệ thống

được

thiết kế

đặc

biệt

để

hỗ trợ cho MDM.

DSS

– Là 1 hệ thống d

ưới

sự kiểm soát của 1 ng

ười

quyết

định

, hệ thống này cung cấp 1 bộ công cụ giúp phân tích hoàn cảnh

đểđư

a ra quyết

định

và nâng cao hiệu quả của quyết

địnhđó

Mục tiêu của công nghệ hỗ trợ MDM

Quy trình hỗ trợ tập trung vào quá trình tạo điều kiện thuận lợi cho sự tương tác.

Cơ chế cấu trúc quá trình chi phối các hoạt động truyền thông

Nhiệm vụ hỗ trợ công việc có thể chọn lựa, tổ chức hoặc lấy thông tin.

Nhiệm vụ cấu trúc công việc cho phép truy cập đến kỹ thuật lọc , kết hợp phân tích kiến thức liên quan đến công việc.

Các lớp , loại công nghệ hỗ trợ MDM

Phân loại theo đặc điểm do DeSanctis và Gallupe đưa ra đề xuất một chương trình ba cấp dựa trên các tính năng được cung cấp:

Hệ thống cấp 1: Mục đích chính là tạo điều kiện thông tin liên lạc giữa các thành viên

Hệ thống cấp 2: Thiết kế để giảm thiểu

rủi ro

Hệ thống cấp 3 : Giúp điều chỉnh xử lý quyết định

Phân loại theo công nghệ -Kraemer và King tập trung vào công nghệ áp dụng:

Công nghệ bảng mạch điện tử .

Hội nghị trực tuyến.

Mạng lưới tập đoàn

Trung tâm thông tin

Môi trường cộng tác

Phòng quyết định

Nhóm phần mềm:

Phần mềm được thiết kế để hỗ trợ sự hợp tác , bao gồm việc thu hút và lưu trữ thông tin.

Các tổ chức dẫn đầu thị trường hiện tại là Lotus Notes and Domino, Microsoft Exchange, Novell GroupWise and Oracle Office.

Các công cụ trong một bộ phần mềm bao gồm người quản lý hội nghị (Lotus Sametime) và trao đổi thông điệp (Lotus Notes Mail)

Xếp hạng phần mềm cho nhóm

Ellis, v.v... đề xuất một hệ thống xếp hạng dựa vào kiểu sự hỗ trợ nó Cung cấp:

Hệ thông điệp

Hệ thống hội thảo truyền hình.

Hệ thống cộng tác soạn thảo

Nhóm phân phối giải pháp phần mền

Hệ thống phối hợp

Hệ thống thông minh đại diện

Lực lượng điều khiển phát triển phần mềm cho nhóm:

Một số nhân tố chính bao gồm:

Tăng năng suất

Giảm số lượng các cuộc họp

Tăng cường tự động hóa các quy trình làm việc thường xuyên.

Cần phối hợp toàn cầu tốt hơn.

Tính sẵn sàng của những mạng lan rộng.

Coleman và Khanna liệt kê 10 nhân tố khác..

5.4:Quản lý hoạt động MDM (Mobile Device Management - Quản lý thiết bị di động)

Một số phương pháp phối hợp phổ biến hơnMDM là:

Kỹ thuật nhóm định danh

Kỹ thuật Delphi.

Sự phân xử

Hệ thông tin dựa trên vấn đề.

Nemawashi

Kỹ thuật nhóm định danh

1-Mỗi người tham gia viết ra những ý tưởng về những gì nên quyết định

2-Lần lượt mỗi người tham gia trình bày ý tưởng của mình, được ghi lại trên bảng. Không thảo luận ở đây

3-Sau khi tất cả các ý tưởng được trình bày, các đại biểu có thể chất vấn những người khác.

4-Mỗi người tham gia bỏ phiếu cho mỗi ý tưởng

Kỹ thuật Delphi

Về cơ bản tương tự như kỹ thuật nhóm định danh, ngoại trừ những người không bao giờ tham gia cuộc họp

Một công cụ khảo sát được sử dụng để thu thập đầu vào ban đầu từ các thành viên

Một cuộc khảo sát thứ hai được gửi đi với một bản tóm tắt các kết quả chung

Những bước lặp lại cho đến khi đạt được một sự đồng thuận hoặc nhìn nhận của đa số.

Sự phân xử(Arbitration ):

Thích hợp nhất khi các thành viên của MDM

đại diện

cho

các yếu tố đối lập.

Những người tham gia đồng ý rằng nếu lựa chọn thay thế hai bên thỏa thuận không được tìm thấy,

thì

một trọng tài viên bên ngoài sẽ tham gia.

Trọng tài sau đó lựa chọn thay thế ông hoặc xét thấy thích hợp nhất.

Hệ thống thông tin dựa trên vấn đề (IBIS)

Là m

ột phương pháp lập luận cấu trúc.

ột đại diện

cho IBIS

là một đồ thị với các nút và các liên kết.

IBIS bắt đầu với lựa chọn của một nút vấn đề gốc, sau đó các nút vị trí khác nhau được liên kết

với nút

gốc.

Các nút vị trí này sau đó được đánh giá dựa trên những lập luận gắn liền với chúng.

Nemawashi (được sử dụng rộng rãi tại Nhật Bản)

Một hoặc nhiều thành viên của MDM

được chỉ định là điều phối viên.Các điều phối viên sau đó chọn người tham gia còn lại.

Điều phối viên xây dựng một

tổng hợp các sự

lựa chọn và sau đó

các chuyên gia

đánh giá các

lựa chọn.

Điều phối viên lựa chọn một sự lựa chọn dựa trên kết quả

ở trên(ở 2).

4-Sự thay thế được luân chuyển

, điều phối viên tìm kiếm sự đồng thuận thông qua sự thuyết phục và đàm phán

Nếu đạt được sự đồng thuận, điều phối viên

cho

lưu

thông

một tài liệu mà mỗi thành viên MDM

để lại dấu hiệu trên đó.

5.5:Nơi làm việc ảo.

Nhiều tổ chức trên toàn thế giới kinh doanh bất động sản cho công nghệ hợp tác.

Công việc được trở thành một điều bạn làm hơn là một nơi bạn đi.

Những thay đổi lớn nhất mang lại bởi nơi làm việc ảo có thể

là về

văn hoá hay xã hội hơn là

về

công nghệ.

Chương 6 : Hệ thống thông tin điều hành

6.1.

Ý nghĩa của EIS- Hệ thống thông tin điều hành

EIS là một dạng đặc biệt của DSS được thiết kế để hỗ trợ ra quyết định ở cấp cao nhất của một tổ chức

Là một hệ thống thông tin hỗ trợ nhu cầu lập kế hoạch và đánh giá của các nhà quản lý điều hành.

EIS có thể giúp một CEO có được bức tranh tổng thể chính xác nhất về các hoạt động và một bản tóm tắt những gì mà đối thủ cạnh tranh đang làm

Các hệ thống này nói chung hoạt động dễ dàng và trình bày thông tin theo những cách dễ hiểu để việc tiếp thu được nhanh chóng (biểu đồ, đồ thị,…)

(Tài liệu thêm: EIS là những loại hệ thống là rất phức tạp trong tự nhiên.

Có thể nói hệ thống này cũng cung cấp cho các nhà quản lý với các thiết bị có khả năng ra quyết định bằng cách sử dụng của nó.

Hệ thống này hoạt động trong điều kiện như vậy quan trọng như trong các hệ thống khác không hỗ trợ.

Khả năng lưu trữ dữ liệu nặng làm cho nó lý tưởng để được thông qua không chỉ bởi các doanh nghiệp lớn mà còn bởi các doanh nghiệp nhỏ hơn.

Nhìn chung hệ thống này là dành cho các nhân viên cấp cao, hỗ trợ thành thạo trong việc đưa ra các quyết định quan trọng.)

Các phiên EIS tiêu biểu

Phiên làm việc có thể bắt đầu với một báo cáo về tình hình tài chính và kinh doanh của một công ty, các chỉ số hoạt động quan trọng được hiển thị rõ ràng

EIS sẽ cho phép các giám đốc điều hành có thể đi sâu vào dữ liệu từ những con số bất kỳ mà nó hỗ trợ

Việc điều hành có thể lựa chọn một mức độ chi tiết ( VD: danh số bán hàng) nếu như cần điều tra thêm

Là một phương pháp tiếp cận có thể giúp việc ra quyết định tốt hơn

Những điều mà EIS ko có

EIS không phải là sự thay thế cho các hệ thống dựa trên các máy tính khác. EIS thực sự chỉ cung cấp dữ liệu cho các hệ thống này

Nó không thể biến các bộ hệ điều hành của máy tính thành những “chuyên viên giỏi”

Có thể được ví một cách cao hơn như là một trợ lý đáng tin cậy có thể được gọi đến bất khi nào và mỗi khi cần thiết

Tài liệu thêm: Sự khác nhau giữa EIS và DSS:

+ EIS thiết kế để hỗ trợ những người điều hành cấp cao, giúp họ khám phá các vấn đề và các cơ hội. DSS hỗ trợ những nười phân tích cố gắng trả lời câu hỏi cái gì có thể làm cùng với một cơ hội hoặc một vấn đề.

Chiều

EIS

DSS

Những người sử dụng thông thường

Duyệt dữ liệu đi xuống, truy xuất trạng thái

Hỗ trợ phân tích và quyết định

Sự thúc đẩy

Tính thích hợp

Tính hiệu quả

Ứng dụngQuét môi trường, đánh giá hiệu suất, nhận dạng các vấn đề và các cơ hộiCác quyết định quản lý trên các lĩnh vực đa dạng

Hỗ trợ quyết định

Các chính sách, các quyết định không có cấu trúc, ở mức cao và hỗ trợ gián tiếp

Hỗ trợ các quyết định lặp lại, các quyết định không thể đoán trước, ra quyết định không có cấu trúc và bán cấu trúc

Loại thông tin

Các thông tin tin tức, thông tin bên ngoài về khách hàng, đối thủ cạnh tranh, môi trường, các báo cáo theo yêu cầu và định thời về các hoạt động bên trong

Các thông tin hỗ trợ các tình huống đặc biệt

Sử dụng có nguyên tắc

Dò theo vết và điều khiển, nhận dạng cơ hội

Hoạch định, tổ chức, phân nhóm và điều khiển

Khả năng phù hợp với những người sử dụng cá nhânThiết kế loại ra quyết định cho mỗi người điều hành cá nhân bằng nhiều lựa chọn đầu raCho phép các đánh giá cá nhân, các khả năng what-if, lựa chọn loại hộp hội thoại

Đồ họa

Phải có

Là một phần quan trọng của nhiều DSS

Thân thiện người sử dụng

Phảicó

Phải có nếu không có người sử dụng trung gian

Xử lý thông tin

Lọc, nén thông tin, dò theo vết dữ liệu và thông tin quan trọng

EIS kích thích các câu hỏi, các câu trả lời bằng cách sử dụng DSS và phản hồi lại EIS

Hỗ trợ các thông tin chi tiết

Truy xuất thường xuyên các mức, chi tiết của bất kỳ thông tin tổng hợp nào (duyệt dữ liệu chi tiết)

Có thể có trong DSS nhưng không thường

Cơ sở mô hình

Các chức năng có sẵn bị hạn chế

Là điểm cốt lõi của DSS

Cấu trúcTheo người bán sản phẩm hoặc theo các chuyên gia hệ thống thông

tin

Theo người sử dụng, hoặc cá nhân hoặc các chuyên gia từ các trung tâm thôngtin hoặc phòng ban hệ thống thông tin

Phần cứng

Mainframe, các trạm RISC, mạng LANs hoặc các hệ thống phân bố

Mainframe, các trạm RISC, các máy PC hoặc các hệ thống phân bố

Bản chất các gói phần mềm

Truy xuất tương tác, dễ dàng đến nhiều cơ sở dữ liệu, truy xuất trực tuyến, các khả năng DBMS phức tạp, các liên kết phức tạp

Các khả năng tính toán lớn, các ngôn ngữ mô hình, mô phỏng, ứng dụng và các bộ tạo DSS

Bản chất các thông tin

Trình bày thông tin được phát sinh trước về quá khứ và hiện tại, tạo các thông tin mới về quá khứ, hiện tại, tương lai

Tạo thông tin mới về quá khứ, hiện tại, tương lai

6.2.

Lịch sử EIS

EIS xuất hiện lần đầu tiên tại MIT vào những năm 1970

Những EIS đầu tiên được phát triển bởi các doanh ngiệp lớn sẵn sàng chấp nhận rủi ro để đạt được lợi thế cạnh tranh

Vào những năm 1980 các nhà cung cấp đã phát triển một số cơ sở khách hàng rộng và công nghệ EIS được tiếp tục phát triển cho đến ngày nay

(Tài liệu thêm: Sử dụng DSS/EIS cho phát triển bền vững

+ Một số nghiên cứu đã được tiến hành để kiểm tra việc thực hiện của EIS trong khu vực công cộng và chính phủ các nước,

tổ chức kể từ khi chúng được phát triển theo định hướng lợi nhuận cho các

công ty tư nhân (Hasan và Hasan, năm 1997). Theo một nghiên cứu tiến hành tại Mỹ ở hơn 300 công ty kết quả cho thấy sự khác biệt của EIS giữa tư nhân và chính phủ, một số kết quả thú vị được phát hiện.Ví dụ,

khó khăn hơn để chuyển tiền từ một tài khoản khác trong một EIS của chính phủ, cũng là khó khăn hơn để biện giải thích

cho những chi phí phát triển EIS của

chính phủ . Một nghiên cứu khác được tiến hành ở Australia cho thấy rằng EIS cung cấp cho quản lý một hình ảnh chính xác hơn về tổ chức thực hiện và cung cấp hỗ trợ cho các lợi ích chiến lược cải thiện không chỉ cho các nhà quản lý, nhưng còn cho phần còn lại của tổ chức. Dựa trên các hệ thống được thiết kế cho các công ty tư nhân với một cách rõ ràngxác định mục tiêu, EIS là thích hợp cho các tổ chức công cộng hiện đại, nhưng cần phải được linh hoạt hơn và kết thành chùm một phạm vi rộng hơn khả năng và phương tiện hơn so với khu vực tư nhân ban đầu theo định hướng sản phẩm (Hasan và Hasan, năm 1997). Điều này có thể là do thực tế rằng các hoạt động khu vực công là bắt buộc, có tác động rộng, phải đáp ứng sự mong đợi duy nhất công cộng, thường có mục tiêu mơ hồ và mâu thuẫn; ít quyền tự chủ và kiểm soát việc ra quyết định và nhân viên là khó khăn hơn (Watson và Carte,2000).

+ Tóm lại EIS là một khái niệm thành công, nó phát triển qua nhiều năm, tuy nhiên EIS khắc phục khiếm khuyết của mình bằng cách tiến hành nghiên cứu liên tục).

6.3.

Tại sao những người điều hành hàng đầu lại khác nhau

Họ là những doanh nghiệp theo định hướng có suy nghĩ

Có một khoảng không gian rộng để kiểm soát

Họ chịu trách nhiệm cho việc thiết lập chính sách

Họ đại diện cho tổ chức môi trường bên ngoài

Hành động của họ tạo ra những kết quả

đáng kể về tài chính và con người

Tần số các hoạt động điều hành

Xử lý xáo trộn: 42%

Hoạt động kinh doanh : 32%

Phân bổ nguồn lực: 17%

Đàm phán: 3%

Những điều khác: 6%

Những thông tin điều hành cần thiết

Quản lý xáo trộn có thể yêu cầu sự chú ý xung quanh đồng hồ

Hoạt động kinh doanh yêu cầu điều hành để dự đoán những thay đổi trong môi trường

Nhiệm vụ phân bổ tài nguyên yêu cầu lựa chọn người quản lý và các nguồn lực hạn chế được triển khai

Đàm phán yêu cầu cập nhật thông tin từng phút để có thể xây dựng được sự đồng thuận

Các loại thông tin điều hành

Hệ thống kế toán có liên quan đến việc tính toán thu nhập hoạt động cho các lĩnh vực cụ thể

là quan trọng hơn so với các hệ thống kế toán truyền thông

Thông tin về thị trường khách hàng cung cấp giá trị trong việc quyết định chiến lược

Các thông tin cần thiết thường được truyền đi trên một số hệ thống máy tính và nằm trong toàn tổ chức

Các thông tin được sử dụng thường là ngắn hạn và dễ thay đổi

Phương thức để xác định thông tin cần thiết

Rockart

xác định được năm phương thức cơ bản để xác định thông tin cần thiết:

Phương thức dựa trên kết quả

Phương thức rỗng

Phương thức chỉ số khóa

Phương thức tổng hợp nghiên cứu

Phương thức dựa vào nhân tố then chốt dẫn đến thành công

6.4.

Thành phần EIS

Sản phẩm EIS đầu tiên được phát triển để sử dụng trên máy tính cấu hình cao nhưng các sản phẩm hiện nay nhằm mục tiêu là nền tảng Client/Server

Những nền tảng linh hoạt hơn có thể thích ứng với thay đổi trong tổ chức và công nghệ

Sử dụng dữ liệu thời gian thực dẫn đến quyết định nhanh hơn, nhiều thông tin hơn

Thành phần phần cứng

Một EIS không đòi hỏi có phần cứng cụ thể hoặc duy nhất nào

Chìa khóa của vấn đề là để đảm bảo rằng các thành phần của EIS tối ưu hóa và phù hợp với tài nguyên máy tính của tổ chức

Hệ thống này phải được cấu hình để các nguồn tài nguyên phù hợp với những người điều hành chúng

Thành phần phần mềm

Trái ngược với phần cứng, phần mềm thường được chuyên môn hóa cao cho các bài toán về miền

Sự chuyên môn hóa này thường đạt được bằng cách sử dụng thành phần off-the-shelf cho toàn bộ EIS và các mô-đun tùy chỉnh để đáp ứng nhu cầu cụ thể

Lotus Notes là một ví dụ điển hình. Nó có thể được sử dụng một mình hoặc có thể phục vụ bên thứ ba mô-đun plug-in.

Công nghệ EIS hiện nay

Dobrzeniecki

đề xuấtphân loạitừng cấp

theo

bachức năng

Loại 1

sản phẩm bao gồmmột bộ đầy đủcác ứng dụngtừ mộtnhà cung cấp

Loại 2

sản phẩm đượcthựchiện

ở phần đầu

củacácsản phẩmDSS

được

phát triển bởicùngmộtnhà cung cấp

Loại

sản phẩmkết hợp với nhau

theo

bất kỳ số lượngthuộc sở hữu củacông ty

6.5.

Xây dựng EIS

Xây

dựngmộtEISgiống nhưxâydựng

một số hệ thống khác

của

mô hình hệ thống thông tin.

Việc

phát triểncấu trúcnên được theo dõitừ quá trình thiết kế đến

quá trình

thực hiện

Tuy nhiên,

một

dự án

phát triển EIS

có xu hướnglà

thống nhất

và

yêu cầu hỗ trợ các nhà quản lý, lãnh đạo.

Xây dựng một

EIScó thể

phát hiện

ra đượccác

tình huống khó khănmà

một nhà phát triển

chưa

bao giờ

gặp phải

Mô hình EIS:

Khung phát triển một EIS

Watson

et al.

đề nghị

xây dựngkhung

với ba thành phần:

+ Cách tiếp cận

: tập trung vào

yếu tốcon người

và dữ liệu có liên quan đến EIS.

+ Quá trình phát triển: cần sự linh hoạt và tương tác.

+ Người s

ử dụng

hệ thống hộp thoại:

bao gồm

một ngôn ngữ hành động để xử lý các lệnh.

Lợi ích của EIS

Dễ duy trì các mục tiêu có tổ chức

Dễ truy xuất thông tin

Cho phép người sử dụng nâng cao hiệu suất hơn

Tăng chất lượng ra quyết định

Cung cấp sự cải tiến cạnh tranh

Tiết kiệm thời gian của người sử dụng

Tăng khả năng và chất lượng giao tiếp

Cung cấp khả năng điều khiển tốt hơn trong tổ chức

Cho phép tham gia các vấn đề và các cơ hội

Cho phép hoạch định

Cho phép tìm kiếm nguyên nhân của một vấn đề

Thảo mãn các yêu cầu của người điều hành

Hạn chế của EIS và 1 số sai lầm cần tránh

Chi phí:

một cuộc khảo sátnăm199

chothấychi phí phát triểntrungbình365.000USDvớichi phí vận hànhhàng năm là$200.000

(EIS)

Công nghệ

hạn chế:EIScần phảiđượctích hợp hoàn toànvàokiếntrúccủa

doanh nghiệp

hiện tại

do đó, nólà một thách thứclớn đối vớithiết kế

Hạn chế

tổ chức

cơ cấu tổ chứccó thể khôn

g phù hợp.

Sự hạn chế về tổ chức

Chương trình nghị sự và thời gian chệch: EIS mô tả một phần việc thực hiện một chương trình nghị sự và có thể dễ dàng đạt được sự tin cậy một cách chắc chắn.

Đồng bộ hóa việc quản lý: sự tin cậy đúng lúc, đặc biệt, báo cáo EIS có thể phá vỡ sự ổn định, thiết lập các chu trình báo cáo một cách tốt nhất

Sự bất ổn: EIS phản ứng nhanh có thể gây ra việc tác động trở lại một cách nhanh chóng, dẫn đến sự thiếu ổn định trong tổ chức.

Sự thất bại là thay thế không thể chấp nhận được

Một số yếu tố làm EIS thất bại:

+ Thiếu sự hỗ trợ về mặt quản lý

+ Vấn đề chính trị

+ Thất bại của nhà phát triển

+ Lỗi về công nghệ

+ Giá cả

+ Thời gian

6.6.

Ra quyết định điều hành trong tương lai và EIS

Có một vài điều kiện sẽ được hợp nhất cho việc chuyển đổi công nghệ. Trong đó một vài điều kiện có thể dễ dự đoán. Hai điều kiện mà ta có thể thấy là:

+ Phát triển công nghệ máy tính trong việc điều hành sẽ tạo ra sự chuyển đổi được chấp nhận một cách dễ dàng hơn.

+ Mở rộng trách nhiệm điều hành sẽ mở rộng nhu cầu thông tin.

Tương lai của EIS

EIS thông minh: Những tiến bộ trong công nghệ AI sẽ được triển khai trong các EIS.

EIS đa phương tiện: Cơ sở dữ liệu đa phương tiện sẽ cho phép tích hợp văn bản, giọng nói và hình ảnh trong tương lai.

EIS thông tin: Tương lai EIS sẽ mở rộng hơn trong việc sử dụng dữ liệu bên ngoài doanh nghiệp.

EIS kết nối: Giao tiếp với băng thông rộng cho phép kết nối liên thông lớn hơn.

Chương 7

HỆ CHUYÊN GIA VÀ TRÍ TUỆ NHÂN TẠO

7.1. Các khái niệm

7.2. Trí thông minh của trí tuệ nhân tạo

7.3. Khái niệm và cấu trúc của hệ chuyên gia

7.4. Thiết kế và xây dựng hệ chuyên gia

7.5. Lợi ích và hạn chế của hệ chuyên gia

7.1. Các khái niệm

Chuyên môn (Expertise):

sự hiểu biết rộng trong 1 lĩnh vực hẹp

Hệ chuyên gia (Expert Systems):

1 chương trình máy tính sử dụng 1 tập các luật dựa trên tr

thức của con người để giải quyết các vấn đề đòi hòi phải có sự chuyên môn.

Một số hệ chuyên gia nổi tiếng:

DENDRAL (Standford, 1960s, Edward Feigenbaum)

MYCIN (Standford,1970s, Edward Shortliffe)

PROSPECTOR (MIT, 1979)

Trí tuệ nhân tạo (Artificial Intelligence – AI)

Trí tuệ nhân tạo:

một bộ phân của ngành khoa học máy tính, quan tâm đến việc thiết kế các hệ thống máy tính thông minh, đó là các hệ thống đưa ra các đặc điểm mà từ đó chúng ta liên hệ với sự thông minh trong hành động của con người (Barr và Feigenbaum, 1981)

Mục đích của AI:

Mục đích khoa học: xác định các gợi ý để giải thích các loại khác nhau của trí tuệ thực

Mục đích kỹ thuật : giải quyết các vấn đề trong thế giới thực

Trí tuệ nhân tạo kế thừa nhiều ý tưởng, quan điểm, kỹ thuật từ các ngành khoa học khác:

- Triết học

- Logic/ Toán học

- Tính toán

- Khoa học tâm lý/ Khoa học nhận thức

- Sinh học/ Thần kinh học

- Tiến hóa

Các lĩnh vực ứng dụng trong Trí tuệ nhân tạo

Mạng nơ ron thần kinh (Neural Networks)

Tính toán sự tiến hóa

(Evolutionary Computation)

Hệ chuyên gia (Expert Systems)

Kỹ thuật xử lý tiếng nói (Speech Processing)

Kỹ thuật xử lý ngôn ngữ tự nhiên

(Natural Language Processing)

Lập kế hoạch (Planning)

Robot (Robotics)

Khoa học hình ảnh (Vision)

Các kỹ thuật thông dụng dùng trong AI

Biểu diễn(Representation)

Học (Learning)

Các luật (Rules)

Tìm kiếm (Search)

7.2. Trí thông minh của trí tuệ nhân tạo

Con người suy diễn như thế nào?

Phân loại (Categorization)

Các quy tắc cụ thể

Heuristics

Kinh nghiệm trước đó

Dự tính trước

Máy tính suy diễn như thế nào?

Lập luận dựa trên luật:

IF-THEN mô tả tri thức được mã hóa dưới dạng các luật

Các khung (Frames)

: là các đại diện mô tả các tình huống giống nhau, là điển hình của một vài phân loại

Lập luận dựa trên các trường hợp:

mô phỏng giải pháp trước đó cho một vấn đề hiện tại.

Nhận dạng mẫu:

phát hiện âm thanh, hình dạng hoặc các chuỗi dài

Các dạng khác của Trí tuệ nhân tạo

Học máy-

mạng nơron và giải thuật di truyền

Lập trình tự động

– là những kỹ thuật tạo ra các chương trình để làm 1 nhiệm vụ riêng biệt (cho phép những người không phải là người lập trình có thể lập trình được)

Cuộc sống nhân tạo

–

nỗ lực để tá

tạo các hiện tượng sinh học trong các hệ thống dựa trên máy tính

Khái niệm và cấu trúc của hệ chuyên gia(

Expert Systems-

ES)

Theo Jackson (1999): Một hệ chuyên gia là một chương trình máy tính mô tả và suy diễn với tri thức của một vài lĩnh vực để giải quyết vấn đề hay đưa ra các lời khuyên.

Cấu trúc cơ bản của ES được dựa theo cấu trúc chung của DSS

Sự khác biệt chính giữa ES vàDSS là hệ ES thu thập các kiến thức từ những chuyên gia trong lĩnh vực quan tâm.

Đặc trưng của hệ chuyên gia

Hiệu quả cao

Thời gian trả lời thỏa đáng

Độ tin cậy cao

Dễ hiểu

Giao diện người dùn

g trong ES

Thiết kế giao diện người dùng tập trung vào các yếu tố như: dễ dàng sử dụng,có độ tin cậy cao, giảm tải những khó khăn khi sử dụng.

Thiết kế nên có một số tương tác (đầu vào, kiểm soát và truy vấn)

Cấu tạo giao diện người dùng gồm có: màn hình cảm ứng, bàn phím, bút sáng, lệnh thoại, các phím chuyên dụng.

Cơ sở tri thức (Knowledge Base)

Chứa đựng các tri thức cụ thể miền thu được từ các chuyên gia miền

Có thể chứa các mô tả, các hành vi giải quyết vấn đề, các ràng buộc, các heuristics

Thành công của một ES dựa trên tính đầy đủ và tính chính xác của cơ sở tri thức

Mô tơ suy diễn (Inference Engine)

Ở đây, tri thức được đặt để sử dụng tạo ra các giải pháp để giải quyết vấn đề

Mô tơ này có khả năng thực hiện diễn dịch hoặc suy diễn dựa trên các luật hay các các sự kiện.

Đồng thời cũng có khả năng sử dụng các suy diễn mờ hay không chính xác dựa trên xác suất hay ánh xạ mẫu

Vòng điều khiển suy diễn

Ánh xạ các luật với các sự kiện đã được cho

Chọn luật để thực hiện

Thực hiện luật bằng cách thêm các sự kiện được suy diễn ra vào bộ nhớ làm việc

Chuỗi suy diễn (Chaining)

Suy diễn tiến

(forward chaining): máy suy diễn bắt đầu từ dữ liệu ban đầu và thực hiện việc suy luận để đưa ra các kết luận cuối cùng.

Suy diễn lùi

(backward chaining): máy suy diễn bắt đầu từ dữ liệu đích và tìm ra tri thức hỗ trợ cho dữ liệu đích đó.

Ví dụ suy diễn lùi

R1:

Nếu

có A và B

thì

suy ra có D

R2:

Nếu

có B

thì

suy ra có C

R3:

Nếu

có C và D

thì

suy ra có E

Ta có E, ta xem trong 3 luật R1, R2, R3 luật nào có E, ta thấy R3 chứa E, đồng thời chứa C và D. Xét tiếp trong 2 luật R1, R2 luật nào chứa C và D. R2 chứa C. R3 chứa D. Từ đó ta có được các tri thức hỗ trợ suy diễn, và kết luận là nếu có A và B thì sẽ có E. Hay nếu A và B đúng thì sẽ có E.

Ví dụ suy diễn tiến

Giả sử có tập chứa 3 luật sau:

R1:

Nếu

có A và B

thì

suy ra có D

R2:

Nếu

có B

thì

suy ra có C

R3:

Nếu

có C và D

thì

suy ra có E

Nếu ta có A và B, thì chúng ta suy ra được D từ R1 và suy ra C từ R2. Với D và C đã được suy ra ở trên, giờ chúng ta suy ra được E từ R3

Ví dụ thực tế

Giả sử muốn biết màu của một con vật nuôi tên là Fred biết rằng nó

kêu ộp ộp và ăn ruồi

Có tập 4 luật ban đầu như sau:

R1:

Nếu

X kêu ộp ộp và ăn ruồi

thì

X là con ếch

R2:

Nếu

X kêu chiêm chiếp và biết hót

thì

X là con chim

R3:

Nếu

X là con ếch

thì

X có màu xanh

R4:

Nếu

X là con chim

thì

X có màu vàng

7.4 Thiết kế và xây dựng hệ chuyên gia

Expert system shells: là một tập các gói phần mềm và các công cụ dùng để phát triển các hệ chuyên gia

Những Expert system shells đầu tiên thường rất rườm rà. Mặc dù vậy, nó vẫn giúp cho người sử dụng sẽ không

phải bắt đầu

lại từ đầu khi xây dựng một hệ chuyên gia mới.

Những shell hiện đại bao gồm hai mô-đun chính là công cụ xây dựng một tập quy tắc và mô tơ suy diễn.

Xây dựng hệ chuyên gia

Bước 1: xây dựng mô hình bài toán : xác định vấn đề, nhiệm vụ mà hệ thống sẽ thực hiện. Các dạng bài toán cần hệ chuyên gia:

Bài toán diễn giải (InterPretation)

Bài toán dự báo (Prediction)

Bài toán chuẩn đoán (Diagnose)

Bài toán gỡ rối (Debugging)

Bài toán thiết kế

Tương tự như một dự án phần mềm, để xây dựng một hệ chuyên gia cần phải có các yếu tố về nhân lực, tài nguyên và thời gian. Những yếu tố này ảnh hưởng đến giá thah của một hệ chuyên gia. Trong phần này câu hỏi thường được đặt ra là tại sao cần phải xây dựng một hệ chuyên gia? Trước khi bắt đầu phải xá định rõ bài toán đạt ra là ji? Ai là chuyên gia? Ai là người sử dụng?

1. Diễn giải (InterPretation): Nghiên cứu 1 vấn đề -> Dựa trên những biểu hiện, thuộc tính, đặc trưng bên ngoài -> Tư vấn

(hoặc đưa ra kết luận hay mô tả dễ hiểu từ tập dữ liệu thô).

2. Bài toán dự báo (Prediction): Có thể dự đoán được hành vi, kết quả dựa trên các hiện tượng -> dự báo

VD: Dự báo thời tiết, động đất,…

3. Bài toán chẩn đoán (Diagnoss): Xác định các lỗi, các bộ phận hỏng hóc của hệ thống dựa trên các dữ liệu quan sát được.

4. Bài toán gỡ rối (Debugging): Mô tả các phương pháp khắc phục hệ thống khi gặp sự cố.

5. Bài toán thiết kế: Lựa chọn cấu hình các đối tượng nhằm thoả mãn một số ràng buộc nào đó.

6. Giảng dạy: Phần mềm dạy học, có thể chuẩn đoán và sủa lỗi của học sinh trong quá trình học tập.

Để xác định đúng bài toán mà chúng ta cần giải quyết thì phải trả lời đc một số câu hỏi:

- cần hệ chuyên gia

Bước 2 : thu thập tri thức, lựa chọn công cụ và áp dụng.

Trong bước thu thập tri thức, vấn đề quan trọng là lựa chọn chuyên gia, những người mà sẽ đóng góp tri thức cho hệ thống. Thông thường, trong suốt quá trình phát triển thì chuyên gia được xem như một thành viên của đội phát triển.

Hiện nay có rất nhiều công cụ để xây dựng một hệ chuyên gia. Phổ biến nhất là

JESS,

CLIPS

và

OPS5

Bước 3: Thiết kế cơ sở tri thức, thiết kế hệ thống.Tri thức được biểu diễn trường minh trong cơ sở tri thức

Các chuyên gia và

kỹ sư

tri thức sẽ đối thoại với nhau bằng các kỹ thuật

đối thoại: Suy diễn (SD) bảng, Mô hình hóa,, SD quy nạp, phân loại

...

Vấn đề bào trì và phát triển:

Các hệ chuyên gia đòi hỏi phải b

ả

o trì và phát triển nhiều hơn so với các hệ thống khác. Phải thường xuyên bổ

ung tri thức mới và thay đổi các tri thức cũ để đổi mới hệ chuyên gia.

Thu thập và khắc phục lỗi do người sử dụng phát hiện để kịp thời khắc phục những sai sót của hệ chuyên gia.

7.5 Lợi ích và hạn chế của các hệ chuyên gia

Một số lợi ích chính :

Thời gian trả lời hợp lý, bằng hoặc nhanh hơn so với chuyên gia (người) để đi đến cùng một quyết định. Hệ chuyên gia là một hệ thống thời gian thực (real time system).

Khả năng trả lời với mức độ tinh thông bằng hoặc cao hơn so với chuyên gia (người) trong cùng lĩnh vực.

Hệ chuyên gia giúp cho hiệu quả làm việc tăng bằng việc sử dụng tập các luật một cách nhanh chóng mà ko bị nhầm lẫn, chuyên gia là người có thể quên đi một số tri thức, cơ sở lý luậ nhưng HCG thì ko

Quyết định của một người chuyên gia có thể bị thay đổi và ko có tính thống nhất như quyết định của một hệ chuyên gia tạo ra

Hệ chuyên gia giúp cho người sử dụng có thể trau dồi sự hiểu biết trên lĩnh vuej cụ thể mà nó giải quyết, hỗ trợ người ra quyết định có trình độ như 1 chuyên gia trong quá trình gia quyết định

Kiến thức của rất nhiều chuyên gia về một lĩnh vực nào đó được đưa vào hệ chuyên gia, làm cho CSTT cuat HCG phong phú và rộng lớn hơn rất nhiều

HCG giải thích các bước suy luận một cách dễ hiểu, nhất quán, lúc nào cũng có thể sử dụng ko như chuyên gia con người

Hạn chế của các hệ chuyên gia

Nhược điểm lớn nhất của hệ chuyên gia là những ý kiến chuyên môn thường rất khó mã hóa và giải nén.

Hệ chuyên gia không có khả năng tự học, tự cập nhật kiến thức mới như các chuyên gia mà cần phải được mã hóa lại khi nó được cập nhật.

Hệ chuyên gia không thể nhận ra được vấn đề không nằm trong miền kiến thức của hệ thống.

Chương 8: Tri thức và tiếp nhận

Bao gồm các vấn đề :

}

Dữ liệu: thực tế, đo lường hoặc quan sát có hoặc không có bối cảnh

}

Thông tin: dữ liệu được tổng hợp một cách hữu ích để giải quyết những khó khăn trong việc đưa ra quyết định

}

Tri thức: bao gồm các ứng dụng, quy tắc, thông tin hướng dẫn của người ra quyết định

Những cái nhìn về tri thức

}

Đại diện: làm thế nào để diễn tả tri thức ví dụ như một quyển sách không phải là tri thức nhưng nó lại là một đại diện của tri thức

}

Sản xuất: tri thức là một tập hơp của hàng tồn kho có thể được sản xuất cũng như mua lại

}

Tri thức là 1 trong 6 trạng thái của hệ thống:

1.Dữ liệu

2.Thông tin

3.Cấu trúc thông tin

4.Sự thấu hiểu

5.Ý kiến

6. Quyết định

Các loại tri thức :

Phổ biến:

}

mô tả: dữ liệu, thông tin

}

thủ tục: mọi thứ làm như thế nào

}

lập luận: chính sách hoặc các quy tắc

Thu thập Tri thức hệ chuyên gia

}

Hầu hết các phương pháp đều bắt đầu với mô hình của các tác vụ trong đó hệ chuyên gia được xây dựng

}

Trong đó, mô tả về các lĩnh vực được tạo ra

}

Các kỹ sư sử dụng các mô hình, giả thuyết, và nhận thức về quá trình phân tích để gợi ra cách giải quyết vấn đề về tri thức từ các chuyên gia

Các chiều của thu thập tri thức

}

KE- driven: các kỹ sư trao đổi trực tiếp với các chuyên gia.

}

Expert-driven: Các chuyên gia trực tiếp đưa chuyên môn của họ vào hệ thống máy tính

}

Machine-driven: Sử dụng các công cụ suy luận để trích xuất tri thức từ một tập các ví dụ.

Kỹ thuật thu thập tri thức

}

Trao đổi: gồm 2 loại cơ bản là có cấu trúc(có kịch bản) và không có cấu trúc( đối thoại trực tiếp)

}

Giao thức phân tích bằng lời: Khi các chuyên gia thực hiện một công việc của họ thì một bản ghi về công việc đó được thực hiện. Các kỹ sư sẽ xây dựng mô hình cho những gì được ghi lại trong bản ghi.

}

Phương pháp sàng lọc: các chuyên gia so sánh các nhóm liên tiếp trong ba đối tượng và cho biết tại sao nhóm thứ hai lại khác nhóm thứ ba.

Thu thập tri thức từ nhiều nguồn

}

Thu thập tri thức từ nhiều nguồn là cần thiết để có được đầy đủ các tri thức cho một vấn đề, quan điểm, ý kiến trái ngược nhau thường phát sinh.

}

Phương pháp đồng thuận sẽ giúp giải quyết được vấn đề mâu thuẫn

}

Kỹ thuật phân tích Meta: là kỹ thuật được áp dụng trong các trường hợp khác. Cách tiếp cận bằng định lượng đòi hỏi các kỹ sư cần cân nhắc yếu tố đầu vào của các chuyên gia khác nhau

Xác nhận hợp lệ và kiểm tra tri thức

}

Một khi thu thập tri thức, nó phải được đánh giá về khả năng sử dụng và độ chính xác. Hai vấn đề cụ thể là hiệu lực của những kiến thức và kiểm tra việc xây dựng cơ sở của tri thức

}

Cần xác nhận xem liệu hệ thống có thể hoạt động ở mức độ tối thiểu không?

}

Xác minh liên quan đến việc so sánh từng chi tiết kỹ thuật của hệ thống, những gì đã được thực hiện cuối cùng

Một số các biện pháp xác nhận

}

Độ chính xác

}

Khả năng thích nghi

}

Mức độ đầy đủ

}

Bề rộng

}

Độ sâu

}

Hiệu lực

}

Tổng quan

}

Chính xác

}

Hiện thực

}

Độ tin cậy

}

Tính hữu dụng

}

Mức độ

Chương 9 : Học máy

Logic mờ và ngôn ngữ mờ

(Fuzzy Logic and Linguistic Ambiguity

)

Ngôn ngữ tự nhiên gồm những khái niệm mơ hồ và không chính xác,truyền tải ngữ nghĩa thông qua tính xấp xỉ,không rõ ràng

Những xấp xỉ này

giúp con người có thể truyền tải hết được ý nghĩa nhưng máy thì không hiểu

Làm sao biểu diễn các tri thức sử dụng các khái niệm không rõ ràng(mờ)hoặc không chính xác?

2.Khái niệm cơ bản của logic mờ

·tập mờ là những tập hợp không có một giới hạn rõ. Mỗi phần tử của nó chỉ chứa một mức độ hàm liên thuộc của từng phần tử . Vì vậy, tập mờ không giống như tập cổ điển. Tập mờ có thể kết hợp với nhau qua những luật mờ mà đặc trưng cho những hành động/ trạng thái và thuộc tính của logic mờ được tận dụng khi thực hiện một bộ điều khiển mờ.

·Logic mờ dựa trên ý tưởng mỗi phần tử thuộc vào một tập hợp ở một mức độ nào đấy

·Lôgic mờ cho phép độ liên thu

ộc (µA )có giá trị trong khoảng (0,1)

·Lôgic mờ có thể được coi là mặt ứng dụng của lý thuyết tập mờ để xử lý các giá trị trong thế giới thực cho các bài toán phức tạp

3.So sánh tính đúng đắn logic mờ và xác suất

·Xác suất thì đề cập đến khả năng xảy ra một biến cố hay một điều gì đó

·Logic mờ đề cập đến cấp độ mà đặc tính ở hiện tại

oví dụ,1 người có chiều cao 6 feet

thì có cấp độ là 0.5 về chiều cao

u điểm của logic mờ

Cách tiếp cận rất tự nhiên,không phức tạp

Có thể mô hình hóa các hàm phi tuyến tùy ý phức tạp

Có thể tận dụng được kinh nghiệm từ những chuyên gia hàng đầu trong mọi lĩnh vực

Logic mờ được xây dựng dựa trên ngôn ngữ tự nhiên.Nền tảng của logic mờ là dựa trên cơ sở giao tiếp của con người

Nhược điểm của logic mờ

Trong 1 hệ thống phức tạp,sử dụng logic mờ có thể trở thành trở ngại cho việc xác thực độ tin cậy của hệ thống

Cơ chế lập luận mờ không thể học hỏi từ những lỗi sai

Mạng noron nhân tạo(ANN)

Mạng noron nhân tạo là một mô phỏng xử lý thông tin,được nghiên cứu ra từ hệ thống thần kinh của sinh vật,giống như bộ não để xử lý thông tin

ANNs là chương trình dựa trên máy tính đơn giản có chức năng là một mô hình bài toán không gian dựa trên thử nghiệm và báo lỗi

Học từ kinh nghiệm

Tiếntrình:

·Một mẫu dữ liệu được biểu diễn như một mạng lưới noron.ANN “dự đoán” 1 đầu ra,dự đoán được so sánh với giá trị thực tế hoặc giá trị chính xác.Nếu đoán được chính xác thì không có hành động nào được thực hiện

·Nếu dự đoán sai ,ANN kiểm tra lại và xác định lại thông số để điều chỉnh

·Một mẫu dữ liệu khác được biểu diễn và quá trình này được lặp lại

8.Nguyên tắc cơ bản của công nghệ nơron

·Các yếu tố xử lý cơ bản trong hệ

thống thần kinh của con người là tế bào thần kinh.Mạng lưới của tế bào này là liên kết với nhau nhận được thông tin từ các cảm biến trong mắt, tai…

Thông tin nhận được bởi tế bào thần kinhhoặc là sẽ kích thích nó(sẽ được chuyển qua 1 thông điệp dọc theo mạng lưới) hoặc là sẽ ngăn cản nó(ngăn cản dòng thông tin)

·Độ nhạy có thể thay đổi qua thời gian hoặc sau khi có được kinh nghiệm

9.Cấu trúc mạng

·Một ANN gồm 3 lớp cơ bản:

Lớp đầu vào nhận dữ liệu

·Lớp bên trong hoặc là lớp ẩn xử lý dữ liệu

·Lớp đầu ra chuyển tiếp kết quả cuối cùng của mạng

10.

Mạng nơ ron

hường có nhiều đầu vào, mỗi đầu vào với

mức ảnh hưởng

và tầm quan trọng riêng của nó.

Một đầu vào

quan trọng

có thể được sử dụng để khuếch đại đầu ra.

các

hàm

trạng thái tổng hợp

các

trọng

số

của các yếu tố đầuvào khác nhauvào một giá trị duy nhất.

Các

hàm

chuyển giao xử lý

các

giá trị

trạng thái

và

tạo

đầu ra.

11.

Huấn luyện mạng nơ ron

Trong mô hình có giám sát:

ANN được đến so sánh dự đoán

của chính nó

với

thông tin phản hồi có chứa các kết quả mong muốn.

ANN

sẽ phải tìm cách thay đổi các tham số bên trong củamình (các trọng số và các ngưỡng) để tạo nên một ánh xạ có khả năng ánh xạcác đầu vào thành các đầu ra mong muốn. Sự thay đổi này được tiến hành nhờ việc so sánh giữa đầu ra thực sự và đầu ra mong muốn

Trong mô hình không có giám sát:ANN nhận được dữ liệu vào nhưng không phảicó bất kỳ thông tin phản hồi về kết quả mong muốn.

Phần lớn

các ứng dụng nằm trong vùng của các bài toán ước lượng như mô hình hóathống kê, nén, lọc, phân cụm.

12.

Lợi ích Liên kết với

mạng noron

Tránh cách lập trình tường minh

Giảm nhu cầu của chuyên gia

ANNsthì thích nghi với các yếu tố đầu vào thay đổi

·Không cần thiết cho cơ sở tri thức tinh chế

ANNs có tính động và cải thiện với việc sử dụng

Có khả năng xử lý dữ liệu không chính xác hoặc không đầy đủ

Cho phép tổng quát hóa từ thông tin cụ thể

Cho phép thu thập cảm giác thông thường vào miền giải quyết vấn đề

13.

Hạn chế của việc liên kết với mạng noron

ANNs không thể giải thích được suy luận

Bản chất hộp đen thường khiến cho vấn đề trách nhiệm và độ tin cậy phát sinh là khó khăn

Lặp đi lặp lại quátrình huấn luyện rất tốn thời gian

·Nguồn lực các nhà phân tích và thiết kế có tay nghề cao

vẫn là đáng lo ngại

Công nghệ ANN thúc đẩy hạn chế của phần cứng hiện tại

ANN yêu cầu phải có sự tin tưởng ở đầu ra

14.

Giới thiệu về thuật toán di truyền

Cũng như mạng lưới thần kinh, các thuật toán di truyền được dựa trên lý thuyết sinh học

Thuật toán di truyền tìm thấy nguồn gốc của chúng trong các lý thuyết tiến hóa của chọn lọc tự nhiên và thích ứng với biến đổi khí hậu

Kết quả thuật toán di truyền là từ giao phối 2 cá thể trong quần thế để tạo ra con cái đôi khi tốt hơn so với bậc cha mẹ của chúng

15.

Các thành phần cơ bản của thuật toán di truyền

oán tử chọn lọc

Các cá thể tốt được chọn lọc để đưa vào thế hệ sau. Sự chọn lọc này căn cứ vào độ thích nghi với môi trường của mỗi cá thể.

Toán tử lai ghép (crossover). Hai cá thể cha và mẹ trao đổi các gen với nhau để tạo ra cá thể con.

·Toán tử đột biến (mutation). Một cá thể thay đổi một số gen để biến đổi thành một cá thể mới.

Tất cả các toán tử trên khi thực hiện đều mang tính ngẫu nhiên

16.

Quá trình

cơ bản của một thuật toán di truyền

Khởi tạo

Đánh giá quần thể

Lựa chọn NST thích hợp nhất và loại bỏ NST yếu

nhất

Quy trình giao nhau và cải thiện quần thể

đột biến tiến trình để khám phá ra NST mới

17.

Ưu nhược điểm của việc kết hợp với thuật toán di truyền

Kích thước quần thể là 1 yếu tố quan trọng trong tốc độ của việc tìm kiếm,nhưng nó tương đối dễ dàng để dự đoán tốc độ này

Giao nhau hoặc đột biến là khôngnên đc sử dụng quá thường xuyên

·Luôn có được ít nhất 1 giải pháp hợp lý

·Nên có thể áp dụng chúng cho các vấn đề mà chúng ta không có

hướng

về cách giải quyết

Sức mạnh của thuật toán xuất phát từ khái niệm đơn giản,khôngphải từ một thủ tục thuật toán phức tạp

18.Tương lai của học máy

·Mạng lưới thần kinh nhân tạo vượt quá năng lực của con người trong các trường hợp bị cô lập

·Về mặt lý thuyết,một máy tính có thể xử lý dũ liệu nhanh hơn hàng triệu lần so với 1 con người

·May mắn thay cho chúng ta,con người tốt hơn nhiều khi

mà có được dữ liệu,máy tính không có 1 số thứ như là 5 giác quan

CHƯƠNG 10: KHO DỮ LIỆU

Kho dữ liệu

là tuyển tập các cơ sở dữ liệu tích hợp, hướng chủ đề, được thiết kế đểtrợ

giúp cho một hệ hỗ trợ quyết định.

·Theo John Ladley, Công nghệ kho dữ liệu là tập các phương pháp, kỹ thuật và các công cụ có thể kết hợp, hỗ trợ nhau để cung cấp thông tin cho người sử dụng trên cơ sở tích hợp từ nhiều nguồn dữ liệu, nhiều môi trường khác nhau.

·Kho dữ liệu thường rất lớn tới hàng trăm GB hay thậm chí hàng Terabyte.

2.Kho dữ liệu vận hành (ODS)

·Một kho dữ liệu vận hành

: Áp dụng kỹ thuật kho dữ liệu vào các hệ xử lý giao tác, lưu trữ dữ liệu cho một ứng dụng đặc thù. Nó đưa vào kho dữ liệu một dòng các dữ liệu thô được thiết kế.

3.So sánh

Kho dữ liệu vận hành

Kho dữ liệu

Dữ liệu theo chủ đề

Dữ liệu tích hợp

ữ

liệu tích hợp

Dữ liệu thay đổi

Dữ liệu không thay đổi

Dữ liệu được cập nhật khi thay đổi

Dữ liệu giữ nguyên

Chỉ có dữ liệu hiện tại

Dữliệu hiện tại và dữ liệu lịch sử

Chu kỳ làm tươi dữ liệu ngắn

Chu kỳ làm tươi dữ liệu dài

Chỉ có dữ liệu chi tiết

Dữ liệu chi tiết và dữ liệu tổng kết

Dùng cho các quyết định ngắn hạnDùng cho hoạch định dài hạn

Kho dữ liệu cục bộ (Data Mart - DM)

Kho dữ liệu cục bộ là CSDL có những đặc điểm giống với kho dữ liệu nhưng với quy mô nhỏ hơn và lưu trữ dữ liệu về một lĩnh vực, một chuyên ngành

Data mart phụ thuộc:

Chứa những dữ liệu được lấy từ DW và những dữ liệu này sẽ được trích lọc và tinh chế, tích hợp lại ở mức cao hơn để phục vụ một chủ đề nhất định của Datamart .

Data mart độc lập

Không giống như Datamart phụ thuộc, Data mart độc lập được xây dựng trước DW và dữ liệu được trực tiếp lấy từ các nguồn khác nhau .

Siêu dữ liệu

Metadata là dữ liệu để mô tả dữ liệu.

Trong

kho dữ liệu

, metadata là dạng định nghĩa dữ liệu như: bảng, cột, một báo cáo, các luật doanh nghiệp hay những quy tắc biến đổi.

Metadata

bao quát tất cả các phương diện của kho dữ liệu.

Môi trường kho dữ liệu

Hệ thống của tổ chức và kho cung cấp dữ liệu để xây dựng kho dữ liệu

Trong quá trình chuyển dữ liệu từ các nguồn khác nhau, dữ liệu có thể được làm sạch hoặc chuyển đổi và vì thế DW được xem như là một chuẩn cho việc lưu trữ.

Đồng thời siêu dữ liệu được ghi lại

Cuối cùng, DW hoặc siêu thị có thể được sử dụng để tạo ra một kho dữ liệu “cá nhân”

Các đặc điểm của kho dữ liệu

Đặc điểm

Mô tả

Hướng chủ đề

tổ chức theo cách thức người dùng tham chiếu

Tích hợp

Dữ liệu “sạch”, loại bỏ tính thiếu

nhất quán

Không thay

đổi

“chỉ đọc”, người dùng không thay đổi được

Chuỗi thời gian

là chuỗi thời gian, không phải là trạng thái hiện tại

Được tổng kết

vận hành/thao tác khi cần thiết được kết hợp lại thành dạng có thể dùng được cho quyết định

Kích cỡ lớn hơn

Lưu giữ theo chuỗi thời gian tức là giữ lại nhiều

Không được chuẩn hóa

Có thể dư thừa

Siêu dữ liệu- Dữ liệu của dữ liệu được lưu trữ

guồn dữ liệu

DL vận hành (các hệ sẵn có) cùng với các nguồn ngoài

Kho dữ liệu hướng chủ đề

Hướng chủ để có nghĩa làkho dữ liệu được tổ chức xung quanh các chủ đề chính

như khách hàng, sản phẩm, sản xuất . Tập trung vào việc mô hình hóa và phân tích dữ liệu cho các nhà ra quyết định mà không tập trung vào các xử lý thông thường. Cung cấp cho người dùng một khung nhìn toàn vẹn, đơn giản và đầy đủ về các sự kiện quanh các chủ đề.

9.Dữ liệu trong DW được tích hợp

·Dữ liệu trong kho dữ liệu được xây dựng bằng cách tổng hợp dữ liệu từ nhiều nguồn khác nhau và các nguồn có tổ chức khác nhau :

Cơ sở dữ liệu, các file excel, các flat file hoặc các raw file. Khi đưa vào kho dữ liệu , các dữ liệu được làm sạch và tích hợp dữ liệu

nhằm

đảm bảo

tính nhất quán của dữ liệu.

10.

Kiến trúc kho dữ liệu

Tầng cơ sở dữ liệu hoạt động

Tầng truy xuất thông tin

Tầng truy xuất dữ liệu

Tầng siêu dữ liệu

Tầng quản lý tiến trình

Tầng thông điệp của ứng dụng.

Tầng vật lí của kho dữ liệu

Tầng trình diễn dữ liệu

11.

Hình trạng kho dữ liệu

Kho dữ liệu ảo - người dùng cuối có thể truy cập trực tiếp đến kho dữ liệu, sử dụng các công cụ cho phép ở tầng truy xuất dữ liệu

Kho dữ liệu trung tâm-1 cơ sở dữ liệu vật lý chứa tất cả dữ liệu cho một vùng chuyên dụng nào đó

Kho dữ liệu phân tán- Thành phần được phân tán qua nhiều hệ cơ sở dữ liệu vật lý

12.

METADATA- Siêu dữ liệu

Định nghĩa: Siêu dữ liệu là dữ liệu về dữ liệu

Là 1 lưu trữ dùng để:

}

Miêu tả kho dữ liệu tổng thể

}

Nhận dạng kiểu kho dữ liệu

}

Quản lí quá trình tích hợp dữ liệu

}

Quản lí quá trình cập nhật kho dữ liệu

}

Quản lí bảo mật

Là chìa khóa quyết định sự thành công của kho dữ liệu, luôn được thay đổi và cập nhật theo sự phát triển của kho dữ liệu

Dùng để quản lí, điều khiển kho dữ liệu

Sự ra đời của kho dữ liệu như 1 cấu trúc hỗ trợ ra quyết định, siêu dữ liệu được xem như nguồn tài nguyên dữ liệu.

Siêu dữ liệu là trừu tượng. Chúng là dữ liệu bậc cao cung cấp mô tả ngắn gọn các dữ liệu bậc thấp hơn

13.

Hoạt động của Siêu dữ liệu

Siêu dữ liệu rất cần thiết trong việc chuyển hóa thông tin trở thành tri thức

Là chìa khóa giúp chúng ta xử lý được dữ liệu thô

Ví dụ: một dòng dữ liệu bán hàng

·1023 K596 111.21

·à

Nó sẽ không có nghĩa gì cho đến khi chúng ta đưa vào siêu dữ liệu (thư mục chứa dữ liệu)

cửa hàng 1023, sản phẩm K596 và số tiền bán được là 111.21 đô la

14.Sự cần thiết phải nhất quán trong kho dữ liệu

·Kho dữ liệu được xây dựng cho lợi ích của những nhà phân tích kinh doanh, các nhà quản trị cho tất cả các khu vực chức năng.

·Trong cơ sở dữ liệu riêng, các khu vực khác nhau có thể định nghĩa và lưu trữ dữ liệu thông qua phiên bản của chính nó.

·Khi dữ liệu được lấy từ những vùng khác nhau đó, và được đặt vào kho dữ liệu. Việc chuyển đổi và làm sạch các tiến trình sẽ đảm bảo nó là duy nhất, được tích hợp tại một mức của tổ chức

15.Rà soát lại dữ liệu – Thực thi siêu dữ liệu.

·Bất kể cấu trúc tự nhiên của 1 câu truy vấn thế nào thì, các

thành phần của siêu dữ liệu rất quan trọng đối với

người ra quyết định:

}

Bảng , thuộc tính, khóađược lưu trữ bởi kho dữ liệu.

}Tập hợp dữ liệu được lấy từ đâu.

}Những chuyển đổi nào được thực thi với việc làm sạch.

16.Siêu dữ liệu là gì?

·Metadata - là thông tin mô tả nội dung của cơ sở dữ liệu (CSDL).

·Metadata báo cho người dùng biết thời gian cập nhật sau cùng của dữ liệu, định dạng và mục đích sử dụng của nó.

·Những thông tin này có thể hướng dẫn người dùng duyệt qua CSDL và giúp họ hiểu được ý nghĩa và ngữ cảnh của dữ liệu

·Trong

CSDL: metadata là các dạng biểu diễn khác nhau của các đối tượng trong CSDL.

·Trong

CSDL quan hệ: metadata là các định nghĩa của bảng, cột, CSDL, view và nhiều đối tượng khác.

·Trong kho dữ liệu, metadata là dạng định nghĩa dữ liệu như: bảng, cột, một báo cáo, các luật doanh nghiệp hay những quy tắc biến đổi

->Metadata bao quát tất cả các phương diện của kho dữ liệu.

Thành phần

Bảng chuyển đổi :Ghi lại những chuyển đổi đã được thực hiện

Lịch sử thực thi: Ghi lại những dữ liệu đã được phân tích

Thuật toán và tổng kết :Các phương thức

để phân loại và tổng kết dữ liệu.

Hình thái kết nối:Ghi lại những dữ liệu được kết nối và tần suất.

Quyền sở hữu dữ liệu.

17.

Ánh xạ thông thường của siêu dữ liệu

Bản ghi ánh xạ chuyển đổi

bao gồm

}

Định danh của nguồn gốc

}

Chuyển đổi thuộc tính

}

Chuyển đổi thuộc tính vật lý

}

Mã hóa/ tham chiếu bảng chuyển đổi

}

Đổi tên

}

Đổi khóa

}

Gán giá trị cho thuộc tính mặc định

}

Chọn logic cho các nguồn nhiều giá trị

}

Đổi thuật toán.

18.

Đặc tả kho dữ liệu

kho dữ liệu cần được thiết kế để phù hợp với nhu cầu của người dùng.

Bạn cần chú ý đến người dùng, khối dữ liệu, vòng cập nhật

Các giả định và khả năng xảy ra xung đột phải được tính đến trong khung

Một dự án kho dữ liệu cần nhiều công cụ khác nhau nhiều hơn công cụ để phát triển 1 ứng dụng

Trong một kho dữ liệu, vòng đời không bao giờ hết.

Giải quyết nó sẽ hiệu quả hơn rất nhiều.

Khi một dự án mới được hình thành thì việc rút kinh nghiệm từ những sai lầm trước đó sẽ giúp nâng cao chất lượng.

rích thông tin đặc tả có ý nghĩa quan trọng trong việc khai phá dữ liệu và tổng hợp nội dung.Với những loại dữ liệu khác nhau, chúng ta có những dữ liệu đặc tả khác

Trong một vài hệ thống Search, đặc tả dữ liệu trở thành những thành phần quan trọng nhất đánh giá độ chính xác của dữ liệu với yêu cầu của người tìm kiếm

Đặc tả dữ liệu còn gọi là meta data là những thông tin cơ bản cho một loại dữ liệu nhất định. Chẳng hạn một tập nhạc bao gồm tên, nhạc sĩ, ngày tạo,...

19.

Công nghệ kho dữ liệu

Không ai chào bán một giải pháp kho dữ liệu kiểu cá nhân. Tổ chức mua các phần dữ liệu từ một số nhà sản xuất và mong nó

hoạt động được cùng nhau.

SAS, IBM, Software AG, Information Builders và Platinum chào bán các giải pháp mà có thể tạm chấp nhận được.

Thị trường rất cạnh tranh.

Khi Kho dữ liệu trở thành phần tiêu chuẩn của một tổ

chức, nó sẽ tìm ra một đường mới để sử dụng dữ liệu. Như là việc mang lại một vài thách thức:

Những ràng buộc sẽ hạn chế khả năng liên kết dữ liệu của các dữ liệu riêng rẽ

Những nguồn khác nhau có thể có các dữ liệu phi cấu trúc và như vậy rất khó để lưu trữ.

Internet làm cho dữ liệu có thể được truy nhập từ mọi nơi. Đương nhiên điều này sẽ làm tăng những khoảng cách

CHƯƠNG 11: KHAI PHÁ DỮ LIỆU

Xử lý phân tích trực tuyến OLAP

Thuật ngữ OLAP được E. F. Codd đưa ra trong một bài báo có tên “Providing On-Line Analytical Processing to User Analysts” được công bố vào tháng 8 năm 1993

Trong bài báo này ông cũng đưa ra 12 quy tắc mà một hệ thống OLAP phải tuân theo. Từ đó OLAP được biết đến như một kỹ thuật phân tích dữ liệu sử dụng các thể hiện dữ liệu đa chiều gọi là các khối (cube). OLAP cung cấp khả năng tạo ra các khối dữ liệu và thực hiện các truy vấn tinh vi trên các ứng dụng người dùng

12 tiêu chuẩn để đánh giá một hệ thống OLAP của E. F. Codd

1. Khung nhìn đa chiều (Multidimensional View): Dữ liệu sẽ được trình bày cho người dùng trên khuân mẫu đa chiều.

2. Trong suốt (Transpa

rent to user

): Người dùng không cần biết họ đang sử dụng CSDL đa chiều OLAP

3. Tính truy cập (Accessib

): Các công cụ OLAP nên chọn dữ liệu nguồn tốt nhất đểhỗ trợ truy vấn.

4. Nhất quán trong thực thi báo cáo (Consistent Reporting): Sự thực thi báo cáo phải như nhau không phụ thuộc vào dung lượng CSDL và số chiều được sử dụng

5. Có kiến trúc

Client-Server

(Client-Server Architecture): Các công cụ OLAP được triển khai trên mô hình

Client-Server

6. Phân chiều tổng quát (Generic Dimensionality): Đảm bảo các chiều dữ liệu là như nhau trong cấu trúc và tính toán. Không thiên vị trong việc truy cập bất cứ chiều nào.

7. Xử lý động Ma trận dữ liệu thừa (Dynamic Sparse Matrix Handling): Các giá trị null được tổ chức lưu trữ hiệu quả trên ma trận động.

8. Hỗ trợ đa người dùng (Multi-User Support): Công cụ OLAP phải hỗ trợ nhiều người dùng đồng thời.

9.Các

toán

tử

qua

các

chiều

không

giới

hạn

(Unrestricted

Cross-Dimensional Operations): Quy tắc kết hợp được áp dụng trên tất cả các chiều.

10. Thao tác dữ liệu bằng trực giác (Intuitive Data Manipulation): Người dùng nhìn thấy mọi dữ liệu cần thiết trên giao diện, tránh phải sử dụng qua menu hoặc qua nhiều thao tác mới mở được giao diện.

11. Lập báo cáo động (Flexible Reporting): Cho phép người dùng trình bày báo cáo dữ liệu theo bất kỳ cách nào mà họ thích.

12. Mức độ kết hợp và số chiều không hạn chế (Unlimited Dimensions and Aggregation Levels): Sẽ không có giới hạn số chiều và mức kết hợp trong mô hình OLAP.

Xử lý phân tích trực tuyến OLAP

MOLAP

}

Mô hình OLAP đa chiều (MOLAP) lưu trữ dữ liệu cơ sở (là dữ liệu từ các bảng của kho dữ liệu hoặc data mart) và thông tin tổng hợp (là các độ đo được tính toán từ các bảng) trong các cấu trúc đa chiều gọi là các khối (cube). Các cấu trúc này được lưu bên ngoài cơ sở dữ liệu data mart hoặc kho dữ liệu.

ROLAP

}

Mô hình OLAP quan hệ (ROLAP) lưu trữ dữ liệu cơ sở và thông tin tổng hợp trong các bảng quan hệ. Các bảng này được lưu trữ trong cùng cơ sở dữ liệu như là các bảng của data mart hoặc kho dữ liệu.

HOLAP

}

Mô hình OLAP lai (HOLAP) là sự kết hợp giữa MOLAP và ROLAP

Khai phá dữ liệu

Khai phá dữ liệu (phát hiện tri thức trong cơ sở dữ liệu sẵn có) là việc trích lọc ra những thông tin có ích (không hiển

nhiên,không tường minh, không biết trước, và

có ích một cách tiềm năng), những mẫu dữ liệu trong các cơ sở dữ liệu lớn

Khai phá dữ liệu thường được biết đến với tên gọi là quá trình khám phá tri thức KDD (Knowledge Data Discovery), bao gồm phân tích thống kê, logic mờ, mạng nơron, tác tử thông minh, biểu diễn dữ liệu trực quan.

Các phương pháp cơ bản trong khai phá dữ liệu

Phân loại

Phân cụm

Phát hiện luật kết hợp

Các phương pháp cơ bản trong khai phá dữ liệu

Phân loại

}

Cho một tập các bản ghi được gọi là tập huấn luyện, mỗi bản ghi chứa một tập các thuộc tính, một thuộc tính trong đó gắn nhãn phân loại được gọi là thuộc tính lớp.

}

Nhiệm vụ của bài toán phân loại là tìm ra một mô hình thể hiện thuộc tính lớp là một hàm của giá trị của các thuộc tính khác

}

Sau khi tìm được mô hình thích hợp nhất cho bài toán, mục đích cuối cùng là áp dụng mô hình (hàm tìm được) đó để tiên đoán các bản ghi chưa được biết đến trước đó thuộc lớp nào một cách càng chính xác càng tốt.

}

Một tập bản ghi kiểm thử được dùng để xác định độ chính xác của mô hình. Thông thường, một tập dữ liệu được đưa ra sẽ được chia thành tập huấn luyện và tập kiểm thử, tập huấn luyện được dùng để xây dựng mô hình và tập kiểm thử

được dùng để kiểm tra.

Phân cụm

}

Cho một tập các điểm dữ liệu, mỗi điểm có một tập thuộc tính và có một độ đo sự tương đồng giữa chúng để phân cụm sao cho:

}

Những điểm dữ liệu trong cùng một cụm thì có sự tương đồng cao, nhiều hơn với các điểm khác.

}

Những điểm dữ liệu trong các cụm riêng rẽ thì ít tương đồng hơn các điểm thuộc cùng một cụm.

}

Các độ đo sự tương đồng có thể kể đến

}

Khoảng cách Ơclit nếu các thuộc tính là giá trị liên tục

}

Các độ đo khác theo từng bài toán và lĩnh vực

}

Mô tả một phân cụm dựa trên khoảng cách Ơclit trong không gian 3 chiều được thể hiện trong hình vẽ dưới đây

Phát hiện luật kết hợp

}

Cho một tập các bản ghi, mỗi

bản ghi đều có chứa một số mặt hàng nằm

trong một tập các mặt hàng cho sẵn.

}

Phương pháp phát hiện luật kết hợp sẽ tạo ra các luật phụ thuộc, thể hiện sự tiên đoán về sự xuất hiện của mặt hàng này dựa trên sự xuất hiện của các mặt hàng khác.

}

Một số khái niệm:

}

Tập mặt hàng

}

là tập hợp gồm 1 hoặc nhiều mặt hàng.

}

Ví dụ {Milk, Bread, Diaper}.

}

Đếm số hỗ trợ

là số lần xuất hiện của tập mặt hàng trong tổng số các giao dịch T.

Ví dụ:

({Milk, Bread,Diaper}) = 2

}

Độ hỗ trợ s

là tỷ lệ các giao dịch có chứa tập mặt hàng.

Ví dụ: s({Milk, Bread, Diaper}) = 2/5

}

Tập mặt hàng thường xuyên

là tập mặt hàng có độ hỗ trợ lớn hơn hoặc bằng ngưỡng minsup cho trước.

}

Luật kết hợp được thể hiện dưới dạng

X => Y

trong

đó X,Y là tập các mặt hàng

}

Các độ đo để đánh giá một luật kết hợp

Độ hỗ trợ (s) là tỷ lệ các giao dịch chứa cả X và Y.

Độ tin cậy (c) dùng để đo các mặt hàng của Y xuất hiện trong các giao dịch có chứa X

}

Nhiệm vụ khai phá tìm luật kết hợp:

Cho trước một tập các giao dich T, mục tiêu của khai phá luật kết hợp là tìm ra tất cả các luật có

độ hỗ trợ ≥ ngưỡng minsup

độ tin cậy ≥ ngưỡngminconf

Biểu diễn dữ liệu trực quan

Hệ thống trực giác của con người được điều khiển bởi mắt và bộ não. Đây là hệ thống có hiệu năng xử lý cao và khả năng tính toán song song lớn.

Dữ liệu có thể được trình bày dưới nhiều hình thức trực quan

khác nhau

, chẳng hạn như khối 3D

(3D cubes)

, biểu đồ phân phối dữ liệu, các đường cong, bề mặt, đồ thị liên kết

Biểu diễn dữ liệu trực quan

có thể giúp cung cấp cho người dùng một ấn tượng rõ ràng và tổng quan về các đặc tính

của

dữ liệu

Chương 13:

Hệ thống là gì ?

•Hệ thống là tập hợp của các thành phần khác nhau có

mối quan hệ ràng buộc,cùng hợp tác nhằm một mục tiêu chung

•

Hệ thống phần mềm khép kín hiếm khi tương tác với môi trường,thường chỉ nhận đầu vào và xuất ra kết quả. Được gọi là một hệ thống máy , ổn định

•

Hệ thống mở là một hệ thống có ít cấu trúc thành phần và tự hoạt động một cách có tổ chức. Cũng được gọi là có khả năng thích nghi cao

•

Hệ thống con được coi là một tập hợp liên kết của yếu tố nói trên

Hệ thống con và chức năng phân chia

•

Quá trình chia nhỏ một hệ thống thành các hệ thống con nhỏ hơn được gọi là chức năng phân chia

•

Bằng cách chia nhỏ một phần cấu trúc , chúng ta có thể nghiên cứu một hệ thống phụ độc lập từ các hệ thống lớn hơn

•

Tồn tại nhiều lớp phân chia. Chúng ta dừng lại ở các lớp cung cấp các thông tin hữu ích và có lợi nhất cho chúng ta

•

Chúng ta có thể áp dụng điều nàyđể quyết định việc chia nhỏ chúng thành các thành phần nhỏ hơn hoặc tập trung hơn

Hệ hỗ trợ quyết định trong

hệ thống

thông tin

•

DSS là 1 loại hình cụ thể của hệ thống thông tin,còn được gọi là hệ thống dựa trên chi thức

+ Dữ liệu được lưu trữ và được chia sẻ

+ Dữ liệu thường được lấy từ bên ngoài

+ Số người dùng cuối thường ít,và thường không có ranh giới trong việc giao tiếp

+ Người sử dụng có quyền kiểm soát cao

•

DSS là 1 loại hình cụ thể của hệ thống thông tin,còn được gọi là hệ thống dựa trên chi thức

+ Dữ liệu được lưu trữ và được chia sẻ

+ Dữ liệu thường được lấy từ bên ngoài

+ Số người dùng cuối thường ít,và thường không có ranh giới trong việc giao tiếp

+ Người sử dụng có quyền kiểm soát cao

2 phương pháp thiết kế DSS

Các câu hỏi đặt ra khi thiết kế DSS

Tại sao cần xây dựng hệ trợ giúp quyết định ?

-Giá thành và hiệu quả khi xây dựng hệ DSS?

Các công cụ khi xây dựng hệ DSS ?

vd:Clips ,OPS5,ART,ECLIPSE

-Người dùng cuối, giao tiếp giữa người dùng với hệ DSS?

- Sự chính xác của luồng dữ liệu?

- Dữ liệu được lưu trữ ở đâu trong DSS?

Đặc điểm của thông tin dùng để thiết kế DSS

•Càng nhiều thông tin chúng ta có được, chúng ta càng không chắc chắn về kết quả có được

•Việc sử dụng các thông tin dẫn rõ ràng chính xác bao nhiêu thì kết quả

có độ chi tiết hơn

•

Không đơn giản chỉ là việc có thật nhiều thông tin, bởi vì chúng ta không có khả năng xử lý tất cả chúng.

Đặc tính của thông tin dùng để thiết kế DSS

•

Các vấn đề có cấu trúcđòi hỏi thông tin ít hơn là các vấn đề không có cấu trúc

•Khi mà thông tin tốt hơn để sử dụng , chất lượng của thông tin trở thành tính toán chi phí giữa chi phí của thông tin và sự nhạy cảm của quyết định

Ảnh hưởng của chất lượng dịch vụ thông tin

•Thông tin có thể được coi là một loại hình dịch vụ với người dùng cuối. Mức độ

mà thông tin đóng góp vào quá trình quyết định phụ thuộc vào chất lượng của nó

•

Chất lượng của thông tin liên quan đến mục đích cần sử dụng

•Để đánh giá chất lượng của thông tin, trước tiên chúng ta cấn xác định độ ảnh hưởng của quyết định đến chất lượng của thông tin sẵn có

Các yếu tố trong xác định chất lượng thông tin

Một tập hợp các yếu tố theo thỏa thuận được sử dụng để xác định mức độ của các thông tin cần thiết và chất lượng của các thông tin sẵn có

Như vậy các yếu tố được sử dụng trong thiết kế DSS :

•

Mức độ phù hợp - nó có thể được trực tiếp áp dụng ?

•

Chính xác – không biểu hiện cho thực tế ?

•

Độ chính xác –các thông tin có thể coi là đúng?

•

Độ chính xác - chính xác tối đa là gì ?

•

Đầy đủ - là những thứ bị mất tích ?

•

Kịp thời - Khi được nó cần thiết? Khi là nó có sẵn ? Khi nó đã được thu thập ?

•

Khả năng sử dụng :người dùng có thể sử dụng thông tin đó?

•

Khả năng truy cập - người sử dụng có thể nhận được nó?

•Tính nhất quán

•Sự ảnh hưởng: Người sử dụng thực sự cần thông tin

•Chi phí tổng chi phí có được nó là gì ?

Kiến trúc thông tin trong hệ thống DSS

Có 3 vấn đề lớn trong kiến trúc thông tin hệ thống DSS :

•Khả năng cộng tác : mức độ mà thông tin có thể được chia sẻ và sử dụng một cách hiệu quả

•Khả năng tương thích :

phạm vi mà DSS sẽ làm việc trong sự kết hợp với các nền tảng khác và cơ sở dữ liệu trong một tổ chức

•Khả năng mở rộng : Khả năng có thể mở rộng để thích ứng với các yêu cầu xử lý

Các yếu tố tiêu biểu của kiến trúc DSS

•.

DSS thường được định nghĩa như là một tập hợp con của toàn bộ tổ chức Hệ thông minh, nhưng vẫn còn chứa hầu hết các yếu tố tương tự như “cha mẹ”

•Là một kiến trúc mạnh mẽ và để được xác định cần có các thông tin chi tiết về các yếu tố sau:

Cơ sở dữ liệu, mô hình, người dùng cuối, công cụ người dùng cuối, nền tảng, truyền thông, công cụ quản lý.

•

Là một kiến trúc mạnh mẽ và để được xác định cần có các thông tin chi tiết về các yếu tố sau:

Cơ sở dữ liệu, mô hình, người dùng cuối, công cụ người dùng cuối, nền tảng, truyền thông, công cụ quản lý.

Đặt câu hỏi xác đinh yêu cầu

•

Hạn chế của chính sách hiện hành hoặc lựa chọn nền tảng ?

•

Quy mô và phân bố của người dùng cuối là gì ?

•

Tất cả người dùng sẽ sử dụng một tập cơ bản của các ứng dụng ?

•

Ở mức độ nào thì hệ thống có khả năng chia sẻ dữ liệu với nền tảng DSS ?

•Cần phải để các công cụ phát triển tồn tại trong tổ chức ?

•Khả năng xử lý dự kiến được những gì ?

Vai trò Internet trong phát triển và sử dụng DSS

•Internet là thế giới cơ

sở dữ liệu và nhanh chóng trở thành nguồn dẫn đầu về thông tin

•

Mặc dù phụ thuộc và Internet, các vấn đề cơ bản giống nhau về chất lượng, thiết kế, phù hợp được giải quyết trên cơ sở dữ liệu

•

Internet có nhiều ưu điểm :

•(1) người dùng cuối DSS có thể ở bất cứ đâu, (2) kết nối DSS với chi phí thấp,

•(3) bất cứ ai với một máy tính có khả năng là người dùng cuối

•Nhược điểm :

•(1) truy cập chậm,

•(2) thiết kế web tốt chưa phải thiết kế DSS đã tốt,

•

(3) chỉ phát triển ngôn ngữ lập trình đủ mạnh, để xử lý các ứng dụng DSS nghiêm trọng

•

MOLAP

ROLAP

HOLAP

Lưu trữ dữ liệu cơ sở

Khối

Bảng quan hệ

Lưu trữ thông tin tổng hợp

Khối

Bảng quan hệ

Khối

Hiệu suất thực hiện truy vấnNhanh nhấtChậm nhấtNhanh
Tiêu thụ không gian lưu trữ
Nhiều
Thấp
Trung bình
Chi phí bảo trì
Cao
Thấp
Trung bình
Chương 14:
XÂY DỰNG HỆ HỖ TRỢ QUYẾT ĐỊNH
1. Các phương pháp phát triển DSS
1.1 Phương pháp SDLC
Gồm 4 bước :
Planning
•
Xác định yêu cầu nghiệp vụ.
•
Đánh giá lợi ích.
•
Kế hoạch phát triền.
•
Kế hoạch nhân sự, giấy tờ pháp lý.
•
Điều khiển và định hướng cho dự án
Analysic
•
Phân tích các vấn đề.
•
Thu thập thông tin.
•
Mô hình tiến trình.
•
Mô hình dữ liệu.
Desgin
•
Thiết kế hệ thống vật lý.
•
Thiết kế kiến trúc.
•
Thiết kế giao diện.
•
Thiết kế cơ sở dữ liệu.
•
Thiết kế chương trình
Implemention
•
Sinh code.
•
Kiểm thử.
•
Các tài liệu đặc tả.
•
Cài đặt.
•
Bảo trì.
1.1.1 Ưu nhược điểm của pp phát triển
Ø
Điểm mạnh:
•
Là phương pháp phát triển hệ thống có tính cấu trúc
và kỷ luật cao.
•
Thường được sử dụng ngày nay, đặc biệt trong các
trường hợp có hợp đồng thỏa thuận giữa nhà phát triển hệ thống DSS và người dùng.
•
Điểm yếu:
•
Cứng nhắc khi mà các yêu cầu về hệ thống có thể bị thay đổi.
1.2 Phương pháp Prototyping

Thực hiện các pha yêu cầu ,phân tích, thiết kế và cài đặt và lặp đi lặp lại các pha đó.

Người dùng sử dụng các chức năng của bản mẫu này và gửi thông
phản hồi cho nhà phát triển.

Nhà phát triển nhanh chóng nhận ra được các vấn đề thông phản hồi của người dùng.
Điểm mạnh của Prototyping

Tốn ít thời gian cho việc phát triền.

Thông tin phản hồi từ người dùng nhanh.

Mối quan hệ giữa người dùng và nhà phát triển cao
=> hỗ trợ nhiều cho việc quản lý của nhà phát triển.

Mức độ hiểu biết của
người dụng về hệ thống được cải thiện.

Chi phí cho việc phát triển thấp
Điểm yếu của prototyping
Gặp khó khăn trong các vấn đề sau:

Hiểu kĩ được lợi ích của hệ thống và chi phí tương ứng.

Mô tả chi tiết và thông tin cần thiết.

Bảo trì thiết kế hệ thống.
2.
Tiến trình phát triển một DSS
2.1 Người phát triển hệ thống hỗ trợ quyết đinh

Người phát triển DSS là một chuyên gia có kinh nghiệm cao về khoa học máy tính hoặc hệ thống thông tin quản lý.

Ngoài ra người phát triển DSS cũng là một nhà quản lý ra quyết định, nắm bắt được cái gì cần để hỗ trợ cho máy tính.
2.2Các kĩ năng cần thiết cho các nhà phát triển hệ hỗ trợ quyết định
Các kĩ năng cần thiết cho các nhà phát triển:

Hiểu biết về vấn đề domain.

Hiểu được các yêu cầu đặc tả của người dùng.

Hiểu được các công nghệ cho viêc phát triển.

Sử dụng được các kiến thức thích hợp.
Vì một người không thể thỏa mãn tất cả yêu cầu trên
nên để phù hợp cho việc phát triển ,một team sẽ được
thành lập.
2.3
End-User DSS Development
End-user development:

Sự phát triển và sử dụng các hệ thống thông tin trên nền
tảng máy tính.Cung cấp các phương thức, kỹ thuật,công cụ giúp cho người dùng xây dựng hoặc chỉnh sửa một hệ thống theo ý họ.
End-user:

Thuộc bất cứ vị trí nào trong một công ty, tổ chức.

Có một số kĩ năng máy tính khác nhau.
2.4Tiến trình phát triển hệ DSS bởi người dùng cuối

Khi người dùng muốn sửa đổi một hệ DSS để phù hợp với nhu cầu của họ.

Các tiến trình được xây dựng trên quan điểm của người dùng cuối.
Điểm mạnh

Nếu
người
dùng
cuối có kỹ năng và các công cụ
cần thiết , một lợi thế lớn
đó
là giảm thời
phân phối
.

Những người khác được giảm thời gian trong việc thu thập các thông
tin cụ thể
của người dùng cuối và các vấn đề
triển khai xảy ra ít đi.

Tốn ít chi phí cho việc phát triển và nhanh hơn trong việc triển khai.
Điểm yếu

Chất lượng sản phẩm thấp.

Các công cụ sử dụng và điều kiện làm việc không đạt tiêu chuẩn và phù hợp.

Thiếu các biện pháp an ninh,bảo mật ,đặc biệt là trên các ứng dụng truy nhập Internet.

Thiếu các tài liệu và thủ tục bảo trì.
3
Các ứng dụng cho việc phát triển DSS
3.1 Các ứng dụng cho phát triển DSS
Có rất nhiều công cụ có sẵn, gần như
nằm trong
ba loại:

Công cụ phát triển
chính : B
ao gồm các ngôn ngữ lập trình và
kỹ thuật
truy vấn cơ sở dữ liệu.

Bộ sinh DSS: Là một gói phần cứng và phần mềm có liên quan được tích hợp với nhau , giúp cho việc xây dựng nhanh các DSS ứng dụng.

DSS ứng dụng– một hệ thống đã thực sự hoàn chỉnh nhằm thực hiện một công việc cụ thể.

3.2Tiêu chí lựa chọn công cụ phát triển
Các tiêu chí này đặc biệt quan trọng trong lựa chọn của một
bộ tạo sinh DSS
:

C
hức năng
q
uản lý dữ liệu
.

C
hức năng
quản lý mô hình.

Giao diện người dùng.

Khả năng tương thích và
mức độ
kết nối
.

Có sẵn nền tảng phần cứng
.

Chi phí
.

Chất lượng và tính sẵn sàng hỗ trợ
từ phía
nhà cung cấp
.
4
Vấn đề giao diện người dùng DSS
4.1
Các vấn đề giao diện người dùng DSS
Các đặc điểm
riêng
của một giao diện người dùng DSS
hình thành
từ những đặc điểm
riêng
của người
dùng cuối
:

Họ đóng một vai trò tổ chức dựa trên một
kỹ năng gì đó
khác hơn so với các kỹ năng máy tính.

Họ có
toàn quyền
trong việc thực hiện phán quyết.

Quyết định của
họ
có
ảnh hưởng lớn
.

Họ dành nhiều thời gian vào những
việc
mà không cần
trợ giúp từ máy tính
.

Các tính chất
riêng
của các quyết định mà họ đưa ra có nghĩa là sở thích cá nhân của họ phải được
đáp ứng
.
.
4.2
Các yếu tố liên quan đến chất lượng của giao diện người dùng

Learning curve - người sử dụng tìm hiểu nhanh như thế nào?

Hỗ trợ vận hành-
phải mất bao lâu người dùng nhớ lại làm thế nào để sử dụng DSS
.

Thời gian–
thời gian bao lâu cho công việc
điển hình
?

Linh
hoạt –
Nó có
hỗ trợ
cho nhiều công việc của
người dùng cuối?

Lỗi
-
bắt lỗi
và hỗ trợ
: L
oại lỗi người sử dụng
mắc phải
?

Mức độ
tương thích
hệ thống
: N
ó sẽ điều
thế nào cho mục đích sử dụng cá nhân.

Quản lý tình trạng quá tải nhận thức
: DSS phải giảm thiểu những gì cần thiết đến mức độ nào để giảm tình trạng này?

Mức độ tham gia của
người dùng.

Mức độ
hướng dẫn và cấu trúc - giao diện hướng dẫn người sử dụng
đến mức độ nào
?
4.3
Quy định trình tự phát triển giao
diện
Có
12 bước để phát triển giao diện người dùng cuối. Tóm
gọn lại ta có
:

Các bước1-3 : xác định người sử dụng, những gì họ làm và làm thế nào họ hoàn thành nhiệm vụ của họ.

Các bước 4-6: phát triển một sơ đồ quá trình cho các nhiệm vụ và nghiên cứu cách họ tương tác.

Các bước 7-9: chọn một tập hợp các phương pháp tiếp cận giao diện cơ bản và thực hiện
chúng
.

Các bước 10-12: kiểm tra, phân tích, cập nhật, và
bắt lỗi
.
Chương 15
1.Cài đặt DSS
o
Cài đặt DSS có tầm quan trọng như việc thiết kế và xây dựng DSS
o
Bản chất của việc cài đặt là quá trình thực hiện các thay đổi trong tổ chức hoặc hệ thống đang tồn tại một cách có tính toán
Mô hình cài đặt
o
Có nhiều các mô hình được phát triển nhưng hai mô hình thông dụng hơn cả là:
o
Thuyết Lewin-Schein – bao gồm ba giai đoạn: unfreezing, moving và refreezing.
o
Mô hình Kolb-Frohman – có độ phức tạp cao hơn
và bao gồm 7 bước. Mô hình này được khuyến nghị dùng do có tính quy chuẩn cao.
Thuyết Lewin-Schein
o
Unfreezing: xác định xem có cần thay đổi không và các điều kiện để chuẩn bị cho việc thay đổi
o
Moving: thực hiện các thay đổi vào hoạt động của tổ chức
o
Refreezing: làm cho hệ thống sau khi thực hiện thay đổi hoạt động hiệu quả hơn với những thay đổi đó
o
Scouting – xác định tính khả thi của dự án
o
Entry – xác định các mục tiêu chung của dự án
o
Diagnosis – xác định mục tiêu của dự án một cách chi tiết hơn. Xác định các thành phần sẽ tham gia và dự án
o
Planning – lập kế hoạch thực hiện các mục tiêu của dự án dựa trên các tài nguyên về nhân lực, kinh phí và thời gian
Mô hình Kolb-Frohman
o
Action – tiến hành thực hiện các công việc đã được lên kế hoạch
o
Evaluation – đánh giá công việc đã thực hiện được
o
Termination – kết thúc dự án khi dự án thỏa mãn các mục tiêu đã đề ra
2.Đánh giá hệ thống
o
Các thước đo mức độ hiệu quả của hệ thống là không rõ ràng.
o
Có nhiều cách để đo mức độ hiệu quả của hệ thống, mỗi cách có tiêu chí riêng của nó.
o
Nhiều phương pháp tập trung vào chất lượng của phần mềm
o
.
Các đặc điểm của chất lượng phần mềm
o
Portability: Sự linh động
o
Reliability : Độ tin cậy
o
Efficiency : Hiệu quả
o
Human-engineering: kỹ thuật quản lý
o
Testability:
o
Understandability:
o
Modifiability: Khả năng thay thế
o
Các độ đo khác
o
Attitudinal Measures – xác định mức độ thỏa mãn của người dùng đối với hệ thống
o
Technical Measures – so sánh những tính năng của hệ thống với yêu cầu ban đầu của người sử dụng
o
Organizational Measures – xác định mức độ hệ thống đáp ứng được những yêu cầu từ tổ chức
o
Các tiêu chuẩn thành công của DSS
o
Cải thiện cách người ra quyết định giải quyết vấn đề
o
Phù hợp với các phương pháp lập kế hoạch của tổ chức
o
Phù hợp với các quy tắc đối với việc ra quyết định trong một tổ chức
o
Đưa ra được các lựa chọn khác nhau
o
Sử dụng chi phí phát triển hiệu quả
o
Có thể sử dụng trong một khoảng thời gian xác định
o
Xác định mức độ hiệu quả của DSS
o
System performance : Về kỹ thuật
o
Task performance:
o
Business opportunities: Về thương mại
o
Evolutionary aspects : Đánh giá về độ linh hoạt
o
Rủi ro trong việc cài đặt DSS
o
Không có người sử dụng
o
Nhiều người sử dụng hoặc người cài đặt
o
Thiếu người sử dụng, người cài đặt và bảo trì
o
Thiếu hỗ trợ
o
Thiếu kinh nghiệm
o
Các vấn đề về kỹ thuật và sử dụng kinh phí không hiệu quả
o
Chiến lược của Alter
o
Chia nhỏ dự án thành các phần có thể quản lý được, sử dụng các bản mẫu
o
Sử dụng các giải pháp đơn giản, không quá phức tạp
o
Cố gắng có được sự hợp tác tốt nhất từ người sử dụng
o
Đáp ứng yêu cầu người sử dụng, hỗ trợ và tập huấn sử dựng cho người sử dụng
o
3.Tầm quan trọng của việc tích hợp
o
Tích hợp là thêm một ứng dụng mới vào trong một hệ thống đang hoạt động. Việc tích hợp không làm ảnh hưởng đến hoạt động vốn có của hệ thống mà chỉ gia tăng tính năng cho hệ thống đó.
o
Hai loại tích hợp:
o
Functional
o
Physical
o
Functional – các chức năng của DSS được thực hiện ở một hệ thống khác và các chức năng đó được kết nối đến hệ thống được tích hợp
o
Physical – thêm trực tiếp phần cứng hoặc phần mềm đảm nhiệm các chức năng DSS vào hệ thống tích hợp
o
Các trở ngại trong tích hợp
o
Hệ thống mới có thể ảnh hưởng xấu đến tình trạng hiện tài
o
Người sử dụng lo ngại về việc học sử dụng một kỹ năng mới
o
Người sử dụng không tin tưởng vào sự hiệu quả của hệ thống mới
o
Người sử dụng ngại thay đổi vì cho rằng hệ thống hiện tại đang hoạt động tốt
o

Bạn đang đọc truyện trên: Truyen247.Pro

Trước Sau

Tags: #bvquynh #hhtqd