- •1. Организационная структура предприятия. Информационные процессы в управлении предприятием. Классификация структур управления.
- •2. Понятие информационной системы (ис). Классификация информационных систем.
- •3. Архитектура ис, типы архитектур.
- •4. Этапы развития и базовые стандарты ис.
- •7. Информационное обеспечение ис и требования к нему.
- •8. Информационные ресурсы, информационные продукты и услуги.
- •9. Классификация информационных ресурсов.
- •10. Информационные ресурсы ис. Корпоративные базы данных. Единое информационное пространство организации. Электронный документооборот.
- •11. Проблемы создания информационных ресурсов и обеспечения доступа к ним.
- •12. Понятие, компоненты и уровни зрелости ит-инфраструктуры предприятия.
- •13.Способы организации ит-инфраструктуры: центр обработки данных (цод) и его компоненты, виртуальный цод.
- •14. Корпоративные информационные системы (кис). Основные компоненты кис. Требования кис.
- •15. Технологии интеграции ис. Технологии открытых систем. Эталонная модель среды и взаимосвязи открытых систем.
- •16. Техническое обеспечение ит-инфраструктуры ис: компоненты и требования к нему.
- •17. Технические средства front- и back- офиса ис в предметной области. Критерии выбора технических средств для ис в предметной области.
- •18. Корпоративная сеть (кс) предприятия: назначение, структура и основные компоненты.
- •19.Сети Интранет и Экстранет. Требования предъявляемые к кс.
- •20. Организация сетевого доступа к ресурсам ис.
- •21. Администрирование кс.
- •22.Программному обеспечению (по) ис: состав и требования.
- •23. Сегментация рынка прикладного по для ис.
- •24. Предметно-ориентированное прикладное по предметной области.
- •25. Интегрированное прикладное по.
- •26. Критерии выбора программного обеспечения для ит-инфраструктуры.
- •27. Тенденции развития программного обеспечения.
- •28. Понятие искусственного интеллекта (ии), направления использования ии.
- •29. Математические модели и методы искусственного интеллекта.
- •30. Системы ии и их роль в поддержке управленческих решений.
- •32. Интеллектуальный анализ данных (Data Mining) и знаний (Knowledge Мining). Управление и анализ больших объемов данных (Big data). Системы бизнес-аналитики (Business Intelligence, bi).
- •33. Управление знаниями. Системы управления знаниями.
- •34. Экспертные системы (эс): назначение и классификация. Основные компоненты эс.
- •35. Системы поддержки принятия решений (сппр): назначение и классификация. Основные компоненты сппр.
- •36. Интеллектуальные агенты: назначение и классификация.
- •37. Роль и место систем ии в информационных системах.
- •38. Понятие информационной безопасности (иб) ис.
- •39. Угрозы инф-ной безопасности иб ис и их классификация.
- •40. Методы и средства защиты информации. Криптографический метод защиты. Электронная цифровая подпись. Компьютерная стеганография и др.
- •41. Оценка информационной безопасности ис: стандарты и классы иб, требования к иб.
- •42. Правовое обеспечение ис. Политика безопасности предприятия. Государственное законодательство в области информационной безопасности ис.
- •43. Жизненный цикл (жц) ис. Стандарты разработки ис. Этапы и модели разработки ис, формируемые документы. Роль заказчика и разработчика ис в формировании требований к ней.
- •44. Проектирование ис. Подходы к проектированию ис. Методологии проектирования ис.
- •45. Средства автоматизации проектирования ис. Case-системы.
- •46. Оценка качества информационной системы. Критерии качества ис.
- •47. Реинжиниринг ис и его место в жц ис. Методы и технологии реинжиниринга ис.
- •48. Сетевая экономика.
- •49. Электронный бизнес. Модели электронного бизнеса.
- •50. «Облачные» сервисы в экономике.
- •51. Роль социальных сетей в экономике.
32. Интеллектуальный анализ данных (Data Mining) и знаний (Knowledge Мining). Управление и анализ больших объемов данных (Big data). Системы бизнес-аналитики (Business Intelligence, bi).
Интеллектуальный анализ данных (ИАД) – общий термин для обозначения анализа данных с активным использованием математических методов и алгоритмов (методы оптимизации, генетические алгоритмы, распознавание образов, статистические методы, Data Mining и т.д.), использующих результаты применения методов визуального представления данных.
В общем случае процесс ИАД состоит из трех стадий:
выявление закономерностей (свободный поиск);
использование выявленных закономерностей для предсказания неизвестных значений (прогнозирование);
анализ исключений для выявления и толкования аномалий в найденных закономерностях.
Методы выявления и использования формализованных закономерностей, требующие извлечения информации из первичных данных и преобразования ее в некоторые формальные конструкции, вид которых зависит от конкретного метода.
Data Mining (DM)– это технология обнаружения в «сырых» данных ранее неизвестных нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Алгоритмы, используемые в Data Mining, требуют большого количества вычислений, что ранее являлось сдерживающим фактором широкого практического применения этих методов, однако рост производительности современных процессоров снял остроту этой проблемы.
Под «управлением знаниями» (Knowledge Management) обычно понимают систематическое приобретение, синтез, обмен и использование опыта для достижения успеха в бизнесе или в управлении компанией.
Системы бизнес-интеллекта (Business Intelligence, BI) - класс информационных систем, которые позволяют преобразовать разрозненные и необработанные данные операционной деятельности предприятия в структурированную информацию и знания, используемые для принятия управленческих решений.
33. Управление знаниями. Системы управления знаниями.
Под «управлением знаниями» обычно понимают систематическое приобретение, синтез, обмен и использование опыта для достижения успеха в бизнесе или в управлении компанией. Обычно выделяют 2 типа знаний – явные и неявные. Явные знания – знания, представлен. в компании в виде должностных инструкций, регламентов и положений о деятельности подразделений, корпоративные учебные пособия и др. Управление такими знаниями осущ-тся с использованием след. технологий:
1. корпоративные архивы и таксономия
2.создание систем обеспечения разграничен. доступа персонала компании к необход. знаниям
3. навигация в системе формальных знаний
4. поиск необход. формальн. знаний
Неявные знания – знания, носителем которых является человек (продукт личного опыта), их нельзя увидеть, сложно задокументировать, передавать их можно только посредством личного и непосредствен. общения.
Для извлечения неявных знаний можно использовать различные методы извлечения знаний:
экспертные интервью, проводимое инженером по знаниям с целью формализации знаний, обучающее интервью - заполнение анкет и форм отчёта знаний - формализация экспертных дискуссий - наблюдение.
В управлении знаниями организации выделяются основные задачи (функции):
-Приобретение, усвоение, передача знаний (обучение персонала).
Получение или создание собственными силами новых знаний.
Оценка (учет, мониторинг) знаний и процессов их производства
Включение новых знаний в состав объектов интеллект. собственности, нематериальных активов
-Защита знаний (обеспечение информационной безопасности).