- •5. Тренды в цифровой трансформации при внедрении систем интеллектуального анализа данных 37
- •Введение
- •1. Цифровая трансформация
- •Причины стратегии цифровой трансформации
- •Перспективы всеобщего перехода в «цифру»
- •2. Примеры новых бизнес-моделей
- •3. Системы интеллектуального анализа данных
- •4. Методы интеллектуального анализа данных
- •4.1. Статистические методы
- •4.2 Кибернетические методы
- •Анализ и прогноз на основе нейронных сетей,
- •Эволюционное программирование,
- •Метод группового учета аргументов.
- •4.2.1 Анализ и прогноз на основе нейронных сетей
- •4.2.2 Эволюционное программирование
- •4.2.3 Генетический алгоритм
- •4.2.4 Метод группового учета аргументов
- •4.3 Оптимизационные методы
- •4.4 Экспертные методы
- •Метод последовательного логического вывода,
- •Предметно-ориентированные аналитические системы.
- •4.4.1 Ассоциативные средства
- •4.4.2 Метод последовательного логического вывода
- •4.4.3 Методы визуализации данных и результатов их анализа
- •4.4.4 Предметно-ориентированные аналитические системы
- •4.5. Работа с Big Data
- •5. Тренды в цифровой трансформации при внедрении систем интеллектуального анализа данных
- •Список использованных источников
4.3 Оптимизационные методы
К данным методам относятся методы и алгоритмы, которые решают следующие традиционные оптимизационные задачи:
математическое программирование,
динамическое программирование,
методы систем массового обслуживания,
вариационные методы и другие.
Большинство из них не существуют в виде отдельных программных пакетов, а в составе пакетов прикладных программ – Mathcad (1), Matlab (2), Mathematica (3) (рисунок 4.3.1).
Рисунок 4.3.1 – Прикладные программы, использующие оптимизационные методы
4.4 Экспертные методы
В данные методы входит:
ассоциативные средства (метод “ближайшего соседа”),
Метод последовательного логического вывода,
методы представления и визуализации решений,
Предметно-ориентированные аналитические системы.
Названия условны, так как применяют их исходя из индивидуального опыта эксперта.
4.4.1 Ассоциативные средства
Ассоциативные средства или метод “ближайшего соседа” – для оценки корректности и достоверности решения системы находят в прошлом близкие аналогичные ситуации и выбирают тот же ответ, который был правильным. Известный программный пакет – Pattern Recognition Workbench (рисунок 4.4.1.1).
Рисунок 4.4.1.1 – Программный пакет на основе метода “ближайшего соседа”
4.4.2 Метод последовательного логического вывода
Самый распространенный – “дерево решений” – использует разбиение данных на группы на основе значений переменных, и как результат получается иерархическая структура операторов “If… then…” в виде дерева. Для классификации необходимо проходить по правой или левой ветви дерева и приходить к ветви с окончательным решением.
Их используют для решения задач классификации и поэтому они наименее распространены в области финансов и бизнеса.
Достоинства:
простое и понятное представление признаков для пользователей,
целевая переменная - измеряемые и не измеряемые признаки – как следствие обширная область применения метода.
Недостатки:
сложность во множестве частных случаев, которые не могут давать обоснованных ответов,
полезные результаты только в случае независимых признаков.
Известный программный пакет – SIRINA (рисунок 4.4.2.1).
Рисунок 4.4.2.1 – Программный пакет на основе метода последовательного логического вывода
4.4.3 Методы визуализации данных и результатов их анализа
Могут наглядно отображать полученные выводы. Например, графики, таблицы и так далее (рисунок 4.4.3.1).
Рисунок 4.4.3.1 – Пример возможного результата методов визуализации данных и результатов их анализа
4.4.4 Предметно-ориентированные аналитические системы
Основаны на фиксированных математических моделях, которые отражают определенную теоретическую концепцию. Эксперт выбирает подходящую его условиям и критериям систему и интерпретацию конечного алгоритма. Такие методы просты и доступны, но порой возникают вопросы достоверности и точности полученного результата.
Известный программный продукт – MetaStock (рисунок 4.4.4.1).
Рисунок 4.4.4.1 – Программный продукт на основе предметно-ориентированной аналитической системе
4.5. Работа с Big Data
Крупные компании работают просто с колоссально большими объемами данных, которые человеку обрабатывать придется T→∞ минут. На помощь придут следующие программные предложения, которые являются на данный момент лучшими на рынке:
Informatica.
IBM.
Collibra.
Alation.
SAP.
На российском рынке также можно встретить решения от компаний Alteryx и SAS.