CC BY
31
В. Г. Халин, докт. экон. наук, профессор, Санкт-Петербургский государственный университет, v.halin@spbu.ru
Г. В. Чернова, докт. экон. наук, профессор, Санкт-Петербургский государственный университет, g.chernova@spbu.ru
А. В. Юрков, докт. физ.-мат. наук, профессор, Санкт-Петербургский государственный университет, a.v.yurkov@spbu.ru
Укрупненная классификация систем поддержки принятия решении1
Окончание. Начало в № 1(61) 2016
Целью исследования является анализ методологических аспектов функционирования систем поддержки принятия решений (СППР) и их укрупненная классификация. Новизна работы состоит в том, что выбранные классификационные признаки и их возможные значения соответствуют разрабатываемому управленческому решению, подчинены цели создания такой системы, а построенная классификация может быть использована для создания конкретной СППР.
Ключевые слова: система поддержки принятия решений (СППР), классификационные признаки СППР, возможные результаты функционирования СППР, лицо, принимающее решение (ЛПР), степень участия ЛПР в работе СППР по формированию управленческого решения, степень охвата СППР методологической информации, структура СППР
Часть 2
Подсистема 2 «Общая информация по экономико-математическим методам и инструментальным средствам принятия решений» (рис. 3). Ее цель — обеспечение методологической поддержки принятия решений путем предоставления информации о возможных методах и инструментальных средствах принятия решений.
Так как экономико-математические методы и инструментальные средства могут быть использованы для решения задач по переработке информации, а также по формированию альтернативных и/или окончательных решений, информация этой подсистемы также может быть систематизирована в двух разделах:
• Раздел 1 «Информация по экономико-математическим методам и инструменталь-
1 Работа выполнена при поддержке гранта РФФИ 16-06-00221.
ным средствам принятия решений, связанная с решением задач по переработке информации»;
• Раздел 2 «Информация по экономико-математическим методам и инструментальным средствам принятия решений, связанная с решением задач формирования альтернативных и/или окончательных решений».
В Разделе 1 «Информация по экономико-математическим методам и инструментальным средствам принятия решений, связанная с решением задач по переработке информации», в свою очередь, могут быть выделены следующие блоки:
• Блок 1 — описание алгоритмов переработки исходных данных в информацию, приемлемую для ЛПР и используемую им для формирования окончательного решения;
• Блок 2 — описание алгоритмов преобразования полученной переработанной информации в форму, необходимую для ЛПР.
[ 53 ]
ПРИКЛАДНАЯ ИНФОРМАТИКА / JOURNAL OF APPLIED INFORMATICS
[ Vol. 11. No. 3 (63). 2016 ] _
«Общая информация по экономико-математическим методам и инструментальным средствам принятия решений» (подсистема 2)
Методологическая информация
по экономико-математическим методам и инструментальным средствам принятия решений, связанная с решением задач по переработке информации
Функциональные блоки:
- алгоритмы переработки исходных данных
- алгоритмы представления переработанной информации
Методологическая информация
по экономико-математическим методам и инструментальным средствам принятия решений, связанная с решением задач формирования альтернативных и/или окончательных решений
Функциональные блоки:
- методы принятия решений в условиях определенности методы принятия решений
в условиях неопределенности
- эвристические методы
Рис. 3. Структура Подсистемы 2 «Общая информация по экономико-математическим методам и инструментальным средствам принятия решений»
Fig. 3. The Structure of the Subsystem 2 «General information on the economic and mathematical methods and tools of decision-making»
В разделе 1 могут быть выделены и другие дополнительные блоки.
В Разделе 2 «Информация по экономико-математическим методам и инструментальным средствам принятия решений, связанная с решением задач формирования альтернативных и/или окончательных решений» информационные блоки могут быть выделены с учетом принятой ЛПР классификации методов принятия решений и доступного для использования программного обеспечения.
В качестве примерной укрупненной классификации методов принятия решения может быть предложена, например, такая:
• методы принятия решений в условиях определенно сти;
• методы принятия решений в условиях вероятностной неопределенности;
• методы принятия решения в условиях полной неопределенности;
• эвристические методы. Примерами программного обеспечения, используемого для реализации тех или иных математических методов обработки информации, могут быть программные среды Matlab2, Mathematica3, аналитическая платформа Deductor4 и др.
Полезным для ЛПР в Подсистеме 2 может быть не только описание того или иного про-
2 MATLAB (сокр. от англ. «Matrix Laboratory») — пакет прикладных программ для решения задач технических вычислений. Сайт разработчика — фирмы MathWorks — http://www.mathworks.com
3 Mathematica — система символьных вычислений, визуализации данных, решения различных прикладных задач. Разрабатывается компанией Wolfram Research http://www.wolfram.com
4 Deductor — программный продукт для реализации методов информационной аналитики (Data Mining). Разработка отечественной компании Base Group Labs http://www.basegroup.ru
граммного обеспечения для обработки данных и реализации конкретных экономико-математических методов и вычислительных алгоритмов, применяемых для поддержки решений, но и изложение возможностей его применения.
Подсистема 3 «Конкретные задачи предметной области» (рис. 4). Ее цель — предоставление и использование конкретных методов и инструментальных средств для решения задач, связанных с формированием управленческих решений.
Данная подсистема включает описание и решение конкретных задач, переданных системе поддержки принятия решений. Для решения этих задач используются методы и инструментальные средства, систематизированные в подсистемах 1 и 2.
Информация, предоставляемая данной подсистемой, содержательно структурируется в двух разделах:
• Раздел 1 «Решение конкретных задач, связанных с переработкой информации»;
• Раздел 2 «Решение конкретных задач, связанных с формированием альтернативных и/или окончательных решений».
Раздел 1 «Решение конкретных задач, связанных с переработкой информации» должен содержать следующие информационные блоки:
• Блок 1 — общая постановка проблемы;
• Блок 2 — конкретная задача в рамках проблемы, которая переложена на СППР;
• Блок 3 — описание задачи по параметрам, общая методологическая информация по которым представлена в разделе 1 «Методологическая информация, связанная с решением задач по переработке информации» Подсистемы 1 «Общая информационная и методологическая поддержка принятия решений». Так, например, может быть указан конкретный перечень используемых ис-
«Конкретные задачи предметной области» (подсистема 3 ~ СППР в «узком» смысле)
Методологическая информация,
связанная с решением конкретных задач по переработке информации
Функциональные блоки:
- общая постановка проблемы
- конкретная задача СППР
- источники и данные
- программные реализации
F
Методологическая информация,
связанная с решением конкретных задач формирования альтернативных и/или окончательных решений
1
Функциональные блоки:
- общая постановка проблемы
- конкретная задача СППР
- описание задачи по параметрам
- программные реализации
Рис. 4. Структура Подсистемы 3 «Конкретные задачи предметной области»
Fig. 4. The Structure of the Subsystem 3 «The specific tasks of the subject area»
точников информации и данных, получаемых из них; предложен и описан алгоритм переработки и анализа исходных данных в сведения, приемлемые для ЛПР и используемые им для формирования окончательного решения; дано описание алгоритма преобразования исходных данных в форму, необходимую для ЛПР.
• Блок 4 — программная реализация решения задачи.
Список блоков может быть расширен.
В последнее время все более популярным становится использование СППР для обработки больших массивов данных, которые быстро меняются во времени5. Задача СППР в этом случае сводится к обработке и представлению их для ЛПР в форме, удобной для анализа ситуации.
Раздел 2 «Решение конкретных задач, связанных с формированием альтернативных и окончательных решений» может включать следующие самостоятельные блоки:
• Блок 1 — общая постановка проблемы;
• Блок 2 — конкретная задача в рамках проблемы, которая переложена на СППР. Это может быть задача по переработке исходных данных, предшествующая задаче формирования альтернативных и/или окончательных управленческих решений6, а также сама задача по формированию альтернативных и/или окончательных управленческих решений;
• Блок 3 — описание задачи формирования альтернативных и/или окончательных решений по параметрам, общая методологическая информация о которых представлена в Разделе 2 «Методологическая информация, связанная с решением задач формирования альтернативных и/или окончательных решений» Подсистемы 1 «Общая информационная и методологическая поддержка принятия решений». Так, например, если ставится задача формирования альтернативных и/или
5 Так называемые «большие данные» — Big Data.
6 Эти задачи должны быть представлены содержанием блоков раздела 1 «Решение конкретных задач, связанных с переработкой информации» этой подсистемы.
окончательных управленческих решений, необходимо иметь информацию о следующем: какая концепция принятия решения реализуется — максимизации полезности или ограниченной рациональности; на основе какой модели принятия решения она будет реализована — нормативной или дескриптивной; будут ли использоваться дополнительные частные концепции принятия решений, если за основу взята дескриптивная модель; какой алгоритм будет использоваться для поиска оптимальных и эффективных решений, если задача будет реализована в рамках нормативной модели принятия решений; какие стратегии будут использоваться, если в рамках реализуемой дескриптивной модели принятия решений имеет место многокритериальный выбор; какие правила предпочтения альтернатив используются и каков алгоритм их применения, если задача решается в рамках дескриптивной модели; как рассчитывается критериальная оценка для каждой из альтернатив, если задача решается в рамках дескриптивной модели принятия решения; какие источники информации (источники исходных данных) используются для формирования альтернативных и окончательных решений и т. д.;
• Блок 4 — программная реализация решения задачи.
Дополнительно могут быть выделены и другие блоки.
В целом подсистемы 1-3 реализуют три основные функциональные компоненты СППР: базу данных (и/или базу знаний), библиотеку моделей, методов и инструментальных средств, а также интерактивный пользовательский интерфейс.
Структура СППР, рассматриваемой в узком смысле
По существу, содержание СППР, рассматриваемой в узком смысле, соответствует подсистеме 3 «Конкретные задачи предметной области» системы поддержки принятия решения, рассматриваемой в широком смысле. Отсутствие в ней других подсистем,
аналогичных подсистемам 1 и 2 расширенной СППР, объясняется тем, что вопросы более подробной методологической и информационной поддержки принятия решений вынесены за пределы самой СППР, рассматриваемой в узком смысле.
Построение конкретноИ СППР
Выделенные классификационные признаки СППР — основные параметры СППР, связанные с построением окончательного управленческого решения, а также их значения определяют возможное многообразие систем поддержки принятия решений. Поэтому для того чтобы обоснованно создать конкретную СППР, определить ее содержание и структуру, отвечающие формируемому управленческому решению, т. е. исходя из специфики исследуемой области и с учетом цели и содержания управленческого решения, необходимо последовательно осуществить:
• выбор конкретного значения первого классификационного признака СППР — возможного результата функционирования СППР;
• выбор конкретного значения второго классификационного признака СППР — варианта формирования результата внутри системы;
• выбор конкретного значения третьего классификационного признака СППР — степени охвата системой поддержки принятия решений методологической информации.
Пример. Известная торговая продуктовая сеть должна принять управленческое решение по развозке молочных продуктов по торговым точкам, находящимся в различных районах города. С этой целью ЛПР должно проанализировать ситуацию с продажей этих продуктов по объемам, местам и времени. Провести такой анализ можно на основе данных чеков реальных продаж. Если для проведения такого анализа в целях принятия управленческого решения по эффективной развозке молочных продуктов по тор-
говым точкам будет использоваться система поддержки принятия решения, она должна иметь следующие значения классификационных признаков:
• первый классификационный признак (возможный результат функционирования СППР) — переработанная информация по чекам реальных продаж, которая должна быть представлена в виде, удобном для принятия управленческого решения по развозке молочных продуктов;
• второй классификационный признак (вариант формирования решения внутри СППР) — для переработки информации по чекам реальных продаж достаточно использовать известные методы, алгоритмы и инструментальные средства, не требующие дополнительно опыта и знаний экспертов в исследуемой области и не предполагающие генерирование решений самой системой поддержки принятия решений. Это означает, что соответствующая СППР является простой — она не является экспертной, интеллектуальной, экспертно-интеллектуальной;
• третий классификационный признак (степень охвата системой поддержки принятия решений методологической информации) — для переработки данных чеков реальных продаж достаточно использовать конкретные известные методы переработки исходной информации, что отвечает СППР, рассматриваемой в узком смысле.
Результаты и рекомендации
В целях повышения эффективности принятия управленческих решений могут создаваться системы поддержки принятия решений. На практике в качестве классификационных признаков СППР могут быть выбраны такие, выбор которых обусловлен, прежде всего, целями и интересами ЛПР и создателей СППР. Так, известны классификации СППР, построенные по признакам «операции, выполняемые системой», «количество используемых компьютеров», «управляемый объект — сообщения, данные, документы,
[ 57 ]
знания, модели», «участие пользователя в формировании решения», «уровень познания» и т. д. Большое многообразие СППР обусловливает целесообразность разработки укрупненной классификации СППР. В качестве классификационных признаков СППР авторами были выбраны те, которые напрямую увязывают цель и содержание СППР с формируемым управленческим решением. Именно эта специфика выбранных классификационных признаков определяет особенности предложенной укрупненной классификации.
Анализ возможных целей и содержания СППР с формируемым управленческим решением позволил выделить три основных классификационных признака СППР. Значения первого классификационного признака «возможный результат функционирования СППР» позволили выделить виды СППР, имеющие разные результаты их функционирования:
• переработанную информацию о состоянии управляемой системы, представленную в удобном для ЛПР виде и позволяющую ему сделать вывод о наличии или отсутствии проблемной ситуации с управляемой системой;
• обработанную информацию о текущем состоянии управляемой системы, которая, при наличии проблемной ситуации, позволяет ЛПР сформулировать цель искомого управленческого решения, а также определить соответствующие ей критерии, признаки, отвечающие им необходимые характеристики управляемой системы;
• сформированное множество допустимых альтернативных управленческих решений;
• сформированное множество оптимальных управленческих решений, позволяющих достичь сформулированную ЛПР цель управленческого решения и перевести управляемую систему в оптимальное состояние.
Значения второго классификационного признака «степень участия ЛПР в ра-
боте СППР по формированию управленческого решения» позволили выделить:
• простые СППР, формирование решений внутри которых осуществляется на базе использования исходных данных, описывающих исследуемую область, а также правил и алгоритмов формирования решений, закладываемых в систему;
• экспертные СППР, формирование решений внутри которых осуществляется не только на основе известной исходной информации и заданных правил и алгоритмов ее переработки, но и с использованием знаний и опыта экспертов, применяемых в самом процессе формирования результата системой поддержки принятия решений;
• интеллектуальные СППР, формирование решений внутри которых генерируется самой системой на основе имеющейся базы знаний в исследуемой области;
• экспертно-интеллектуальные СППР, в которых результаты формируются не только за счет генерирования решений самой системой на основе накопленной базы знаний, но и на основе диалога системы с ее пользователем, имеющим опыт в исследуемой области.
Значения третьего классификационного признака «степень охвата системой поддержки принятия решений методологической информации» позволили выделить:
• СППР, рассматриваемые в узком смысле, которые фактически выполняют единственную функцию — реализуют применение конкретных экономико-математических методов и инструментальных средств для достижения конкретных целей и задач, связанных с формированием управленческого решения;
• СППР, рассматриваемые в широком смысле, которые помимо обязательно выполняемой ими функции, совпадающей с единственной функцией СППР, рассматриваемых в узком смысле, выполняют ряд дополнительных функций, например, функций, связанных с предоставлением сведе-
ний по методологической и информационной поддержке принятия решений, с моделированием поведения управляемой системы, с подбором подходящих инструментальных средств и т. д.
Взаимосвязь выделенных классификационных признаков между собой и с формируемым управленческим решением позволила построить общую блочную структуру для СППР, рассматриваемых в узком и широком смысле. Общую блочную структуру СППР можно использовать для построения любой конкретной СППР.
Вышеперечисленное позволяет считать выдвинутую гипотезу подтвержденной.
Полученные результаты могут быть использованы при создании конкретных СППР. При этом создатели системы, исходя из цели и содержания формируемого управленческого решения, должны определиться с возможным результатом функционирования СППР, вариантом формирования результата внутри системы и необходимой степенью охвата системой поддержки принятия решений методологической информации. Выбор конкретных значений данных классификационных признаков СППР, в свою очередь, определит конкретную блочную структуру СППР и ее содержание.
Материалы, изложенные в статье, были представлены на Международной научной конференции «New Challenges of Economic and Business Development — 2016. Society, Innovations and Collaborative Economy», http://www.evf.lu.lv/conf2016 [34].
Список литературы
1. Андрейчиков А. В., Иванюк В. А. Разработка качественной модели оценки деятельности предприятий сектора экономики малого предпринимательства на основе теории многокритериального принятия решений // Известия Волгоградского государственного технического университета. 2006. №. 4. С. 26-29.
2. Бабкин Э. А., Визгунов А. Н., Куркин А. А., Козырев О. Р. Общие принципы построения интеллектуальных систем поддержки принятия решений. Н. Новгород: Литера, 2011. — 306 с.
3. Беляева С. В. Разработка системы поддержки принятия решений в вузе с применением процессного, проектного и компетентностного подходов // Аудит и финансовый анализ. 2010. № 2. С. 126-131.
4. Варшавский П. Р., Еремеев А. П. Поиск решения на основе структурной аналогии для интеллекту аль-ных систем поддержки принятия решений // Известия Российской академии наук. Теория и системы управления. 2005. № 1. С. 97-109.
5. Геловани В. А. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды. М.: Эдиториал УРСС. 2001. — 300 с. URL: http://www.rfbr.ru/rffi/portal/books/o_36705 (дата обращения 10.01.2016).
6. Саймон Г. Рациональность как процесс и продукт мышления / Лекция в память Ричарда Т. Эли, прочитанная на ежегодной конференции Американской экономической ассоциации в 1977 г. М.: THESIS, 1993. Вып. 3. C. 16-38. URL: http://ecsocman.hse. ru/data/629/779/1217/3_1_2simon.pdf (дата обращения 10.01.2016).
7. Гольфанд И. Я., Крапухина Н. В. Разработка СППР на основе управления стоимостью предприятия в условиях неопределенности // Прикладная информатика. 2009. №. 5. С. 94-102.
8. Джексон П. Введение в экспертные системы: пер. с англ. М.: Вильямс, 2001. — 624 с.
9. КаргинВ. А., Майданович О. В., ОхтилевМ. Ю. Автоматизированная система информационной поддержки принятия решений по контролю в реальном времени состояния ракетно-космической техники // Известия высших учебных заведений. М.: Приборостроение. 2010. Т. 53. №. 11. С. 20-23.
10. Кравченко Т. К. и др. Информатизация принятия экономических решений // Журнал научных публикаций аспирантов и докторантов. 2008. № 9. C. 46-55.
11. Курейчик В. М. Особенности построения систем поддержки принятия решений // Известия ЮФУ. Технические науки. 2012. №. 7. С. 92-98. URL: http: //izv-tn.tti. sfedu.ru/wp-content/uploads/2012/7/13. pdf (дата обращения 10.01.2016).
12. Лавров Е. А., Пасько Н. Б. Модели для обоснования структуры системы поддержки принятия решений оператора руководителя // Восточно-Европейский журнал передовых технологий. 2010. Т. 1. № 5 (43). С. 58-62.
13. Лычкина Н. Н. Компьютерное моделирование социально-экономического развития регионов в системах поддержки принятия решений // Материалы III Международной конференции «Идентификация систем и задачи управления» SICPR004. М.: ИПУ РАН, 2004. — 26 с. URL: http://simulation.su/
uploads/files/default/lych-comp-sim.pdf (дата обращения 10.01.2016).
14. Морозов А. А. Состояние и перспективы нейросете-вого моделирования СППР в сложных социотехни-ческих системах // Математические машины и системы. 2010. Т. 1. №. 1. С. 127-149.
15. Орлов А. И. Организационно-экономическое моделирование: теория принятия решений: учебник. М.: КНОРУС, 2013. — 576 с.
16. Пучков Е. В. Разработка системы поддержки принятия решений для управления кредитными рисками банка // Инженерный вестник Дона. 2011. Т. 15. № 1. С. 410-419.
17. Романов В. П. Интеллектуальные информационные системы в экономике: учебник / под ред. Н. П. Тихомирова. М.: Экзамен, 2003. — 496 с.
18. Симанков В. С., Черкасов А. Н. Методологическое обеспечение этапов поддержки принятия решений при синтезе сложных систем // Перспективы науки. 2012. № 12 (39). С. 85-89. URL: http://moofmk. com/assets/files/journals/science-prospects/39/science-prospects-12 (39) — 2012.pdf#page=85 (дата обращения 10.01.2016).
19. Системы поддержки принятия решений: учебник и практикум / под ред. В. Г. Халина и Г. В. Черновой. М.: Юрайт, 2015. — 494 с.
20. Смирнова Г. Н. Проектирование экономических информационных систем. М.: Финансы и статистика, 2002. — 223 с.
21. Халин В. Г., Чернова Г. В., Юрков А. В. Методологические аспекты создания и функционирования систем поддержки принятия решений // Экономический анализ: теория и практика. 2015. № 7 (406). С. 20-34.
22. Юрков А. В. Интернет-аналитика для поиска наукометрических данных // Прикладная информатика. 2015. Т. 10. № 3. С. 44-51.
23. Brans J. P., MareschalB. The PROMCALC & GAIA decision support system for multicriteria decision aid // Decision support systems. 1994. Vol. 12. No. 4, P. 297-310.
24. Fang C., Marle F. A simulation-based risk network model for decision support in project risk management // Decision Support Systems. 2012. Vol. 52. No. 3. P. 635-644.
25. Grabski S. V., Leech S. A., Schmidt P. J. A review of ERP research: A future agenda for accounting information systems // Journal of Information Systems. 2011. Vol. 25. No. 1. P. 37-78.
26. March S. T., Hevner A. R. Integrated decision support systems: A data warehousing perspective // Decision Support Systems. 2007. Vol. 43. No. 3. P. 1031-1043.
27. Ngai E. W. T. et al. The application of data mining techniques in financial fraud detection: A classification
framework and an academic review of literature // Decision Support Systems. 2011. Vol. 50. No. 3. P. 559-569.
28. Shim J. P. et al. Past, present, and future of decision support technology // Decision support systems. 2002. Vol. 33. No. 2. P. 111-126.
29. Expert Choice — Collaboration and Decision Support for Groups. URL: http://expertchoice.com/ (дата обращения 10.01.2016).
30. Программные системы поддержки принятия оптимальных решений. MPRIORITY 1.0. URL: http:// tomakechoice.com/mpriority. html (дата обращения 10.01.2016).
31. Super Decisions | Super Decisions Software for Decision-Making. URL: http://www.superdecisions. com/ (дата обращения 10.01.2016).
32. Аналитические технологии. Deductor. URL: https: // basegroup.ru/deductor/description (дата обращения 10.01.2016).
33. Представляем Qlik Sense® — доверьтесь интуиции. URL: http://global.qlik.com/ru/explore/products/sense (дата обращения 10.01.2016).
34. Chernova G., Khalin V., YurkovA. DSS Objectives and Content: Methodological View // International Scientific Conference «New Challenges of Economic and Business Development». Abstracts of Reports. Riga, May 12-14, 2016. P. 28. URL: http://www.evf.lu.lv/ fileadmin/user_upload/lu_portal/projekti/evf/konfer-ences/konference_2016/Abstracts_2016_EVF_Con-ference_FINAL.pdf (дата обращения 24.05.2016).
References
1. Andreichikov A. V., Ivanyuk V. A. Razrabotka kachest-vennoi modeli otsenki deyatel'nosti predpriyatii sektora ekonomiki malogopredprinimatel stva na osnove teorii mnogokriterial'nogoprinyatiya reshenii [Development of a qualitative model for assessment of activity of the small business economy sector on the basis of multi-criteria decision making theory]. Izvestiya Volgograd-skogo gosudarstvennogo tekhnicheskogo universiteta, 2006, no. 4, pp. 26-29.
2. Babkin E. A., Vizgunov A. N., Kurkin A. A., Ko-zyrev O. R. Obshchie printsipy postroeniya intellektual'nykh sistem podderzhki prinyatiya reshenii [General principles of construction of intellectual decision support systems]. N. Novgorod, Litera Publ., 2011. 306 p.
3. Belyaeva S. V. Developing decision support system in the university with the use of process, project and TOmpetence аpproach. Audit i Finansovyi Analiz — Audit and Financial Analysis, 2010, no. 2, pp. 126-131 (in Russian).
4. Varshavskii P. R., Eremeev A. P. Analogy-based search for solutions in intelligent systems of decision support.
Journal ofComputer and Systems Sciences International, 2005, vol. 44, no. 1, pp. 90-101.
5. Gelovani V. A. et al. Intellektual'nye sistemy podder-zhki prinyatiya reshenii v neshtatnykh situatsiyakh s ispol 'zovaniem informatsii o sostoyaniiprirodnoi sredy [Intellectual decision support systems in emergency situations, using information on natural environment condition]. Moscow: Editorial URSS, 2001. 300 p. Available at: http://www.rfbr.ru/rffi/portal/books/o_36705 (accessed 10.01.2016).
6. Herbert A. Simon. Rationality as Process and as Product of Thought. Richard T. Ely Lecture. American Economic Review, 1978, vol. 68, no. 2, pp. 1-16. Available at: http://www.jstor.org/stable/1816653 (accessed 10.01.2016).
7. Golfand I. Y., Krapukhina N. V. Development of decision-making system for the value-based company management problem under uncertainty condition. Priklad-naya Informatika — Journal of Applied Informatics,
2009, no. 5, pp. 94-102 (in Russian).
8. Jackson P. Introduction to expert systems. 3rd ed. Addi-son-Wesley, 1998. 542 p. (rus. ed. — Dzhekson P.) Vve-denie v jekspertnye sistemy, Moscow, Vil'jams Publ., 2001, 624 p.
9. Kargin V. A., Maidanovich O. V., Okhtilev M. Yu. Automated System for Information Support of Decision Making in Real-Time Control over Space Rocket Technique State. Izvestiya Vysshikh Uchebnykh Zavedeniy. Priborostroenie — Journal of Instrument Engineering,
2010, vol. 53, no. 11. pp. 20-23 (in Russian).
10. Kravchenko T. K. et al. Informatizatsiya prinyatiya ekonomicheskikh reshenii [Informatization of the decision-making management]. Zhurnal Nauchnykh Publikatsii Aspirantov i Doktorantov, 2008, no. 9, pp. 46-55.
11. Kureichik V. M. Features of decision making support system design. Izvestija JuFU. Tehnicheskie Nauki — Izvestiya SFedU. Engineering Sciences, 2012, no. 7, pp. 92-98 (in Russian). Available at: http://izv-tn.tti. sfedu.ru/wp-content/uploads/2012/7/13.pdf (accessed 10.01.2016).
12. Lavrov E. A., Pasko N. B. Models for the substantiation of structure of decision making support system of the operator-director. Vostochno-Evropeiskii Zhurnal Peredovykh Tekhnologii — Eastern-European Journal of Enterprise Technologies, 2010, vol. 1, no. 5 (43), pp. 58-62 (in Russian).
13. Lychkina N. N. Komp'yuternoe modelirovanie sotsial 'no-ekonomicheskogo razvitiya regionov v siste-makh podderzhki prinyatiya reshenii [Computer modeling of the socio-economic development of regions in the decision support systems]. Materialy IIIMezh-dunarodnoi konferentsii «Identifikatsiya sistem i za-dachi upravleniya» SICPRO04 — Proceedings of the
III International Conference «System Identification and Control Problems». Moscow: IPU RAN Publ., 2004, 26 p.
14. Morozov A. A. et al. Costoyanie i perspektivy neiro-setevogo modelirovaniya SPPR v slozhnykh sotsiotekh-nicheskikh sistemakh [State and prospects of neural network modeling of DSS in complex socio-technical systems]. Matematicheskie Mashiny i Sistemy — Journal "Mathematical Machines and Systems", 2010, vol. 1, no. 1, pp. 127-149.
15. Orlov A. I. Organizatsionno-ekonomicheskoe modelirovanie: teoriya prinyatiya reshenii: uchebnik [Organizational-economic modeling: decision theory. Textbook]. Moscow, KNORUS Publ., 2013. 576 p.
16. Puchkov E. V. Razrabotka sistemy podderzhki prinyatiya reshenii dlya upravleniya kreditnymi riskami ban-ka [The development of decision support systems for credit risk management of the bank]. Inzhenernyi Vest-nik Dona—Engineering Journal of Don, 2011, vol. 15, no. 1, pp. 410-419.
17. Romanov V. P. Intellektual'nye informatsionnye sistemy v ekonomike [Intelligent information systems in the economy. Textbook]. Ed. by N. P. Tihomirova. Moscow, Ekzamen Publ., 2003. 496 p.
18. Simankov V. S., Cherkasov A. N. Methodological Provision of Decision Making Support Stages in the Synthesis of Complex Systems. Perspektivy Nauki — Science Prospects, 2012, no. 12 (39), pp. 85-89 (in Russian).
19. Sistemy podderzhki prinyatiya reshenii. Uchebnik i praktikum [Decision support systems. Tutorial and Workshop]. Ed. by V. G. Khalin, G. V. Chernova. 2015, Moscow, Urait Publ. 494 p.
20. Smirnova G. N. et al. Proektirovanie ekonomicheskikh informatsionnykh system [Designing of economic information systems]. Moscow, Finansy i statistika Publ., 2002. 223 p.
21. Khalin V. G., Chernova G. V., Yurkov A. V. Methodological aspects of the establishment and operation of decision support systems. EkonomicheskiiAnaliz: Teo-rija i Praktika — Economic analysis: theory and practice, 2015, no. 7 (406), pp. 20-34 (in Russian).
22. Yurkov A. V. Internet Intelligence to search for scien-tometric data. Prikladnaya Informatika — Journal of Applied Informatics, 2015, vol. 10, no. 3, pp. 44-51 (in Russian).
23. Brans J. P., Mareschal B. The PROMCALC & GAIA decision support system for multicriteria decision aid. Decision Support Systems, 1994, vol. 12, no. 4, pp. 297-310.
24. Fang C., Marle F. A simulation-based risk network model for decision support in project risk management. Decision Support Systems, 2012, vol. 52, no. 3, pp. 635-644.
25. Grabski S. VOL., Leech S. A., Schmidt P. J. A review of ERP research: A future agenda for accounting information systems. Journal of Information Systems, 2011, vol. 25, no. 1, pp. 37-78.
26. March S. T., Hevner A. R. Integrated decision support systems: A data warehousing perspective. Decision Support Systems, 2007, vol. 43, no. 3, pp. 1031-1043.
27. Ngai E. W. T. et al. The application of data mining techniques in financial fraud detection: A classification framework and an academic review of literature. Decision Support Systems, 2011, vol. 50, no. 3, pp. 559-569.
28. Shim J. P. et al. Past, present and future of decision support technology. Decision Support Systems, 2002, vol. 33, no. 2, pp. 111-126.
29. Expert Choice — Collaboration and Decision Support for Groups. Available at: http://expertchoice.com/ (accessed 10.01.2016).
30. Programmnye sistemy podderzhki prinyatiya optimal 'nykh reshenii. MPRIORITY 1.0 [Software systems for support
of the optimal decision making]. Available at: http://to-makechoice.com/mpriority.html (accessed 10.01.2016).
31. Super Decisions | Super Decisions Software for Decision-Making. Available at: http://www.superdecisions. com/ (accessed 10.01.2016).
32. Analiticheskie tekhnologii. Deductor [Analytical techniques. Deductor]. Available at: https: //basegroup.ru/ deductor/description (accessed 10.01.2016).
33. Qlik Sense® self-service visualization. Available at: http://www.qlik.com/products/qlik-sense (accessed 10.01.2016).
34. Chernova G., Khalin V., Yurkov A. DSS Objectives and Content: Methodological View. International Scientific Conference «New Challenges of Economic and Business Development». Abstracts of Reports. Riga, May 12-14, 2016, p. 28. Available at: http://www.evf.lu.lv/ fileadmin/user_upload/lu_portal/projekti/evf/konfer-ences/konference_2016/Abstracts_2016_EVF_Con-ference_FINAL.pdf (accessed 24.05.2016).
V. Khalin, St.-Petersburg State University, Saint Petersburg, Russia, v.halin@spbu.ru G. Chernova, St.-Petersburg State University, Saint Petersburg, Russia, g.chernova@spbu.ru A. Yurkov, St.-Petersburg State University, Saint Petersburg, Russia, a.v.yurkov@spbu.ru
Substantial classification of decision support systems (part 2)
The aim of the research is to analyze the methodological aspects of the decision support systems (DSS) processing and the DSS substantial classification. The novelty of the results lies in the fact that classification features and their possible values, being the subject and the goal of such a system, are suitable to the designed managerial decisions, as well as the classification can be used to create a specific DSS. Hypothesis: it is possible to allocate classification features of DSS, the list and the contents of which will determine the substantial (enlarged) DSS classification suitable to the construction of concrete DSS. Also, the selected classification features and their values can be used to construct DSS content, i. e. to design a block structure of created DSS. Method of research: systematic and logical analysis on the base of the subordination of the created DSS to aims and content of the generated managerial solutions. Results: based on the reasonable classification features and their values the substantial classification of decision support systems is built, as well as the block structure of the DSS, considered in the wide, and in the narrow sense as well. The research is supported by the grant RFBR 13.15.202.2016. The results published in the paper were presented at the International Scientific Conference «New Challenges of Economic and Business Development — 2016. Society, Innovations and Collaborative Economy», Riga, http://www.evf.lu.lv/conf2016.
Keywords: decision support system (DSS), classification DSS features, possible result of the functioning of the DSS, decision-maker, decision-maker participation level in the DSS generating of the managerial decision, DSS capability level for methodological information processing, the structure of DSS.
About authors:
V. Khalin, Dr of Economics, Professor G. Chernova, Dr of Economics, Professor A. Yurkov, Dr of Physics & Mathematics, Professor For citation:
Khalin V., Chernova G., Yurkov A. Substantial classification of decision support systems (part 2). Prikladnaya Informatika — Journal of Applied Informatics, 2016, vol. 11, no. 1 (61), pp. 53-62 (in Russian).
