CC BY
23
УДК 330
Андреасян Г.М. студент магистратуры Институт математики, физики и информационных технологий Тольяттинский государственный университет
Россия, г. Тольятти Федоров М.Е. студент
Институт финансов, экономики и управления Тольяттинский государственный университет
Россия, г. Тольятти
СИСТЕМЫ УПРАВЛЕНИЯ ИНФОРМАЦИЕЙ
Аннотация: в статье рассматривается процесс управления знаниями в организации. Показана актуальность создания автоматизированной системы управления информацией, ценность формирования библиотеки знаний компании.
Ключевые слова: знания, базы данных, информация, система управления информацией.
Andreasyan G.M. master student
Institute of Mathematics, Physics and Information Technologies
Togliatti State University Russia, Togliatti Fedorov M.E. student
Institute of Finance, Economics and Management
Togliatti State University Russia, Togliatti
INFORMATION MANAGEMENT SYSTEMS
Abstract: The article examines the process of knowledge management in an organization. The urgency of creating an automated information management system, the value offorming a library of company knowledge is shown.
Key words: knowledge, databases, information, information management system.
По мере того как информация стала занимать центральное место в деловом мире, потребовались системы для управления ее многочисленными видами использования. Для этого были разработаны системы управления
информацией. Эти системы включают в себя сбор, идентификацию, анализ, хранение, представление и распространение информации. Они играют центральную роль во многих бизнес-процессах, включая транзакции и коммуникации внутри организаций, а также между компаниями и их многочисленными деловыми партнерами (поставщиками, производителями, дистрибьюторами, поставщиками и клиентами).
Ассоциации по управлению информацией выделила несколько технологий управления информацией, которые играют ключевую роль в успехе и развитии электронного бизнеса, в том числе: управление контентом и документами, корпоративные порталы, управление бизнес -процессами, управление имиджем и знаниями, интеллектуальный анализ данных и хранение данных. [3]
Помимо облегчения многих различных процессов, системы управления информацией часто используются для конкретных глобальных целей или приложений. Например, организации используют информационные системы управления персоналом (ЯМБ) для управления важными данными о сотрудниках, такими как классификации должностей, диапазоны зарплат, зарплаты, подоходный налог удержания, информация о выгоде и так далее. [2]
В сфере здравоохранения медицинские практики, больницы, системы здравоохранения и страховые компании используют эти системы для управления информацией о пациентах, включая медицинские записи и данные, которые могут быть использованы для адаптации коммуникаций с ними в зависимости от состояния здоровья или областей интересов.
В сфере электронной коммерции информационные системы управления используются для организации и обработки сложных массивов данных о продуктах и клиентах. Информация о запасах доступных товаров компании может храниться в информационной системе управления наряду с конкретными данными о заказах клиентов. Интеллектуальный Анализ Данных
Интеллектуальный анализ — данных-это процесс обнаружения потенциально полезных, интересных и ранее неизвестных паттернов из большой коллекции данных. Этот процесс похож на обнаружение руд, зарытых глубоко под землей, и добычу их для извлечения металла. Термин "открытие знаний" иногда используется для описания этого процесса преобразования данных в информацию, а затем в знания. [1]
Данные-это любые факты, числа или текст, которые могут быть обработаны компьютером. Многие организации накапливают огромные и растущие объемы данных в различных форматах и базах данных. Эти данные могут быть свободно сгруппированы в три категории: операционные или транзакционные данные, такие как продажи компании, затраты, запасы, заработная плата и бухгалтерский учет; неоперативные данные, такие как отраслевые продажи, прогнозные данные и макроэкономические данные; и
метаданные, которые представляют собой данные о самих данных, такие как элементы, связанные с дизайном базы данных или протоколом запроса.
Интеллектуальный анализ данных сегодня используется компаниями с сильной потребительской ориентацией, такими как розничные, финансовые, коммуникационные и маркетинговые организации. Интеллектуальный анализ данных позволяет этим компаниям выявлять взаимосвязи между "внутренними" факторами, такими как цена, позиционирование продукта или квалификация персонала, и "внешними" факторами, такими как экономические показатели, конкуренция и демография клиентов. Это позволяет им определить, какое влияние эти отношения могут оказать на продажи, удовлетворенность клиентов и корпоративную прибыль. Наконец, это позволяет им "детализировать" сводную информацию, чтобы просмотреть подробные транзакционные данные и найти способы применения этих знаний для улучшения бизнеса. [2]
С помощью интеллектуального анализа данных розничный торговец может использовать записи о покупках клиентов в точках продаж для отправки целевых рекламных акций на основе истории покупок физического лица. Извлекая демографические данные из комментариев или гарантийных карточек, розничные торговцы могут разрабатывать продукты и акции, привлекательные для конкретных сегментов клиентов.
Интеллектуальный анализ данных имеет много применений в науке и медицине. Астрономы используют интеллектуальный анализ данных для идентификации квазаров по терабайтам спутниковых данных, а также для идентификации звезд в других галактиках. Он также может быть использован для прогнозирования того, как больной раком будет реагировать на лучевую или другую терапию. При более точных прогнозах эффективности дорогостоящего медицинского лечения стоимость медицинской помощи может быть снижена, а качество и эффективность лечения-улучшены.
Процесс интеллектуального анализа данных является интерактивным и итеративным, и многие решения принимаются пользователем. [3]
Интеллектуальный анализ данных - это не автоматический процесс. Это не происходит простым нажатием кнопки. Интеллектуальный анализ данных требует понимания намерений и целей лица, принимающего решение, характера и сферы применения, а также ограничений методов интеллектуального анализа данных. Интеллектуальный анализ данных-это исследование. Это процесс, который требует развития знаний о каждой поставленной задаче, исследования возможностей и вариантов, применения лучших методов интеллектуального анализа данных и передачи результатов в понятной форме. Вооружившись достоверной информацией, исследователи могут применять свои творческие способности и суждения для принятия лучших решений и получения лучших результатов. Сегодня доступны различные программные системы, которые будут обрабатывать технические детали, чтобы люди могли сосредоточиться на принятии решений. Большинство из этих систем используют различные методы,
которые могут быть использованы в нескольких комбинациях. Передовые методы дают информацию более высокого качества, чем более простые. Они автоматизируют этапы сбора информации, чтобы ускорить процесс принятия решений за счет скорости и легкодоступных результатов.
Кластерный анализ.
Кластерный анализ-это метод сокращения данных, который группирует вместе переменные или случаи на основе сходных характеристик данных. Этот метод полезен для поиска клиентских сегментов на основе таких характеристик, как демографическая и финансовая информация или покупательское поведение. Например, предположим, что банк хочет найти сегменты клиентов на основе типов счетов, которые они открывают. Кластерный анализ может привести к нескольким группам клиентов. Затем банк может искать различия в типах открытых счетов и поведении, особенно в истощении, между сегментами. Затем они могут по-разному относиться к сегментам, основываясь на этих характеристиках.
Линейная регрессия.
Линейная регрессия-это метод, который соответствует прямой линии через данные. Если линия наклонена вверх, это означает, что независимая переменная, такая как размер торгового персонала, оказывает положительное влияние на зависимую переменную, такую как выручка. Если линия наклонена вниз, возникает отрицательный эффект. Чем круче склон, тем большее влияние оказывает независимая переменная на зависимую.
Использованные источники:
1. Внедрение информационной системы управления предприятием, основные проблемы и задачи. // cmdsoft. URL: http://cmdsoft.ra/mformation_systems/erp/system_management/ (дата обращения: 03.03.2018).
2. А.И. Орлов. Менеджмент. — : Издательство «Изумруд», 2015. — 257 с.
3. СОВРЕМЕННЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ УПРАВЛЕНИЯ ПРЕДПРИЯТИЯМИ // apro. URL: http://www.apro.kz/articles/sis.htm (дата обращения: 05.03.2018)
