Аспекти прояву невизначеності в процесах розроблення систем підтримки прийняття рішень

Abstract

Описано класифікацію і підходи до побудови СППР, які враховують різноманітні аспекти проблеми невизначеності процесу розроблення СППР. Запропоновано та описано ознаки класифікації, удосконалено узагальнену класифікацію СППР. Про- аналізовано види архітектури, розглянуто архітектуру інформаційного ресурсу систем підтримки прийняття рішень, яка ґрунтується на принципах побудови сховища даних. Наведено аналітичний опис підходів до побудови концептуальної моделі, а також розглянуто підходи до проектування основних компонентів системи підтримки прийняття рішень. Запропоновано та описано трирівневу архітектуру концептуальної моделі СППР. Проаналізовано можливості багаторазового використання компонентів різних типів структур. Описано принципи побудови користувацької СППР з використанням багаторазових компонент. Побудована онтологія очищення даних для методологічної систематизації методів у реалізації функціональних елементів моделі СППР. Розглянуто особливості застосування “великих даних” як інформаційної технології побудови СППР. Запропоновано та описано складові елементи узагальненої формальної моделі “великих даних”. This article describes the classification and approaches to the construction of DSS that take into account various aspects of the uncertainty of the development of DSS. Features of the classification were proposed and described. Generalized classification of DSS was improved. The analysis of the types of architecture, architecture reviewed information resource decision support systems, based on the principles of building a data warehouse. The analytical description of the conceptual approaches to building models and considered approach to the design of the main components of decision support were given. A three-level architecture and describes a conceptual model of DSS. The analysis of possible reusable components for various types of structures was carried out. We describe the principles of building a custom DSS use of multiple components. Ontology data cleaning techniques for methodological systematization of functional elements in the implementation model of DSS were built. Features of the application of Big Data as information technology to build DSS were described. Components of generalized formal model of Big Data technologies were proposed and described.