Модели принятия решений служат для обработки данных, нужных для решения, и по способам представления результатов своей работы подразделяются на информационные (что есть и что будет, если…), советующие (в меру своего "разумения") и (редко) управляющие. Типы таких моделей представлены в таблице 1.
В настоящее время идеи DSS получили свое дальнейшее развитие. Прогресс в области вычислительной техники сделал возможным новые подходы к анализу данных.
5. Онлайновая аналитическая обработка данных (OLAP – Online Analytical Processing) – один из новых инструментов. Данные обычно берутся из уже существующих баз данных и подвергаются быстрому, но достаточно поверхностному предварительному разведочному анализу[7]. В OLAP обычно используется многомерная модель данных. Это позволяет гибко манипулировать информацией, но требует довольно серьезной специальной подготовки.
6. Для обработки данных, в том числе и находящихся в хранилищах, предложена концепция интеллектуального анализа данных (Data Mining – "добыча данных"). Это, согласно[8], "процесс обнаружения в сырых данных ранее неизвестных; нетривиальных; практически полезных; доступных интерпретации знаний … для принятия решений". Новизна подхода заключается в том, что современные мощные компьютеры в состоянии переработать огромные массивы данных и найти в них что-то полезное. Однако не следует считать, что компьютер полностью заменяет исследователя-человека. Наоборот, применение методов Data Mining – процесс, требующий от исследователя глубоких знаний. Система Data Mining требует четко согласованной работы всех своих компонентов. Пользователь должен быть квалифицированным специалистом в таких областях, как работа с базами данных, анализ данных традиционными математическими методами и средствами искусственного интеллекта. Наконец, интерпретация полученных данных и использование полученных результатов также остаются прерогативой человека.
Во многих организациях уже собираются большие объемы данных. Это и гипермаркеты, где регистрируется каждый чек, и некоторые поликлиники, имеющие полнофункциональную базу данных обо всех больных, врачах, пациентах, и предприятия-производители, регистрирующие все контакты с клиентами, и торговые площадки в интернет, где встречаются многочисленные продавцы и покупатели. Но еще далеко не все полезные сведения извлекаются из этих данных. Поэтом важно овладеть современными средствами анализа данных.
К средствам автоматизации сбора данных относятся в первую очередь сканеры штрих-кодов, которые, помимо ускорения оплаты товаров в кассе, позволяют собрать большие объемы полезной информации об объемах продаж, их динамике, совместно покупаемых товарах и т.д.
Все вышеперечисленные средства помогают в принятии стратегических решений, позволяют получить информацию о текущем состоянии организации, весьма хороши для раннего предупреждения о возникающих проблемах. К сожалению, они не дают подсказки в специальных, "нестандартных" случаях (что делать с новым товаром, как оптимизировать каналы товародвижения и т. д.).
7. Для сбора информации по отдельным конкретным проблемам, для поиска новых идей и гипотез используются маркетинговые исследования. Правильно проведенные, они дают исчерпывающую информацию о ситуации на рынке или о проблеме, возникшей в фирме.
Обычно рассмотренные средства используются совместно.
