19. Интеллектуальные базы данных в экономике и бизнесе.

Развитие приложений ИС требует реализации более легкого и удобного доступа к базам данных.

Технологии ИИ, особенно ЭС (экспертные системы) и искусственные нейронные сети (ИНС), могут сделать доступ и манипуляции в сложных БД проще. Одним из путей является усиление роли СУБД в обеспечении этого, совместно со способностью выведения заключений, что в результате получило общее название интеллектуальная БД.

Трудности в соединении ЭС с большими БД являются главной проблемой даже для больших корпораций. Многие продавцы ПО, осознавая важность такой интеграции, развивают свою программную продукцию для ее поддержки. Примером такого продукта является реляционная СУБД компании Oracle, которая объединяет функциональность ЭС с БД и представляет в форме оптимизатора запросов, которые отбирает наиболее эффективные пути следования запросов БД.

Оптимизация важна для пользователей, т.к. с такой способностью им нужно знать только несколько правил и команд для использования БД. 

Одним из главных текущих направлений в разработке коммерческих программ ИИ компании IBM является обеспечение подсистемы обработки знаний для работы с БД, которая дает возможность пользователям выделить информацию из БД и передать ее в базу правил ЭС в нескольких различных структурах представления знаний.

Другой продукт - это КЕЕ Connection (Intelli Corporation), который переводит команды КЕЕ (КЕЕ - Knowledge Engineering Environment) в запросы БД и автоматически поддерживает тракт данных, флуктуирующих туда и обратно между базой знаний КЕЕ и реляционной БД, использующей SQL. Другими преимуществами такой интеграции являются способности использовать символьное представление данных и улучшения в конструкции, операциях и поддержании СУБД. 

Некоторые программные инструменты для добычи данных включают интеллектуальные системы, которые поддерживают интеллектуальный поиск. Интеллектуальная добыча и анализ данных (ИАД) позволяет открыть информацию в хранилищах данных, когда запросы и отчеты не могут быть обнаружены.

Инструменты ИАД находят образцы в данных и выводят из них правила. Эти образцы и правила могут быть использованы для руководства при принятии решений и прогнозировании результатов этих решений. ИАД может ускорить анализ путем сосредоточения внимания на наиболее важных переменных.

Пять типов информации может быть применено при ИАД: ассоциации, последовательности, классификации, кластеры и прогнозирование.

Основными типами программных инструментариев, используемых в ИАД, являются:

-   рассуждения на основе прецедентов;

-   нейронные вычисления;

-   интеллектуальные агенты;

-   другие средства: деревья решений, ролевая индукция, визуализация данных.

20. Оперативная аналитическая обработка данных olap. Система data mining.

OLAP – online analytical processing – оперативн. аналитич. обработка данных.

Информационные технологии много лет концентрируются на построении систем поддержек обработки координат транзакций. Позже в этой области начали добавл. архитект. клиент – сервис. Поэтому многие компании избрали путь разделения

OLAP и OLТP.

OLAP информационный процесс, опер. аналитич. обработка данных, позволяющих запрашивать систему проводить анализ и в операционном режиме (online), генерируя в течении секунд результаты для поддержки принятия решений. Т.о. OLAP – система для конечных пользователей.

Для обеспечения OLAP необходимо работать с Хранилищем Данных (ХД), а также с набором инструментальных средств, типа электр. таблицы, средств визуализации данных и средств анализа данных (data mining).

В основе концепции OLAP лежит принцип многомерного представления данных.

Известны 12 осн. правил, кот. должен удовл. программный продукт класса OLAP:

• многомерное концептуальное представление данных

• прозрачность представления

• доступность

• устойчивость

• клиент-серверная архитектура

• равноправие измерений информации

• динамич. обработка разреженных матриц

• поддержка многопользоват. режима

• неограниченная поддержка кроссмерных операций

• интуитивное манипулирование данными

• гибкий механизм генерации отчетов

• неогранич. кол-во измерений и уровня агрегирования информации

Англ. термин data mining исп. Для описания открытия знаний в БД, выделение, исследов., обработка с очисткой данных. Все эти действия осущ. посредством специального ПО и позвол. получ. быстрые результаты для поддержки принятия решений.

Эти методы интеллектуального анализа данных тесно связаны с технологией OLAP и технологич. построением ХР. В связи с этим наилучш. вариантом является комплексный подход к их внедрению.