Презентация на тему Лекция 2

пособие. ‒ М.: ИНФРА-М, 2009. ‒ 392 с.
Фрейдлина

Е.В. Исследование систем управления: учебн. пособие. / Е.В. Фрейдлина под ред. Ю.В. Гусева. ‒Москва: Издательство «Омега-Л», 2008. ‒ 367 с. ISBN 978-5-370-00907
Основная литература
Шкляр М.Ф. Основы научных исследований: учебн. пособие / М.Ф. Шкляр. ‒ 3-е изд. ‒ М.: Издательско-торговая корпорация «Дашкова и К0», 2010. ‒ 244 с. ISBN 978-5-394-00392-9
Барсегян А. А. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP: учебное пособие по специальности 071900 «Информационные системы и технологии» направления 654700 «Информационные системы» / А. А. Барсегян и др.; [гл. ред. Е. Кондукова] ─ СПб.: БХВ-Петербург, 2007. − 384 c.
Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям (+CD).─ Спб.: Питер, 2009. ─ 624 с.: ил.
Когнитивная бизнес-аналитика: Учебник / Под науч. ред. д-ра техн. наук, проф. Н.М. Абдикеева. ─ М.: ИНФРА-М, 2010. 511с. + CD-R. ─ (Высшее образование).
Хазанова Л.Э. Математическое моделирование в экономике. –М.: Издательство БЕК,1998.-141с.
Интернет-ресурсы
http://web.snauka.ru/- электронный научно-практический журнал «Современные научные исследования и инновации»
http://www.cemi.rssi.ru/- Центральный экономико-математический институт РАН

исследованиях. Краткий обзор функциональных возможностей
Практика научных исследований средствами ИТ/ИС

АНАЛИЗ

АНАЛИЗ(1)
Оценка структуры и динамики статей отчетности по показателям для

оценки:
общей суммы активов и источников их формирования, динамики их развития за период;
структуры активов (величина денежных средств, дебиторской задолженности, внеоборотных средств, запасов, направление изменения этих статей за период);
структуры пассивов компании (источники средств финансирования).
Оценка финансовой устойчивости, которая определяется как способность выполнять свои долгосрочные обязательста.

настройки отчетов и запросов пользователем
Аналитические отчеты OLAP
Преднастроенные кубы

и возможность создания собственных
Встроенный мастер создания отчетов
Возможность экспорта/импорта любых данных в MS Excel путем Copy/Paste
Универсальный генератор финансовой отчетности на основе шаблонов MS Excel

1

Components - http://www.contourcomponents.ru
2
3

реализуют технологию оперативной аналитической обработки (OLAP).
Ориентированы на решение задач

многомерного анализа:
исследование закономерностей в структурированных данных;
выявление временных тенденций;
просмотр данных в различных аналитических разрезах;

формирования запросов, отчетов, анализа.
Contour Publisher- инструмент обновления и доставки

отчетов.
Contour BI Portal – инструмент публикации отчетов в Интернет/Интранет.

программе и связаны с ее Базами данных:
OLAP-отчеты - позволяют

выполнять интерактивный анализ данных.
Табличные отчеты - предназначены для получения списков, реестров, а также детализации OLAP-отчетов.
Карточки (форма табличного отчета) - показывают одну запись таблицы базы данных для просмотра атрибутов одного объекта
Внешние отчеты - ссылки на внешние документы - микрокубы, html-страницы, документы MS Office.

сбор информации, необходимой для реализации аналитической маркетинговой деятельности.
Модуль Analyzer

предназначен для анализа продаж с использованием различных методов анализа.
Модуль GEO служит для отображения на электронных картах показателей компании в различных регионах.
Модуль Predictor обеспечивает прогнозирование объемов продаж компании, емкости и объема рынка с использованием метода многоканальной авторегрессии главных компонент.
Модуль Portfolio предназначен для построения матричных моделей, позволяющих сравнивать рыночные сегменты по нескольким критериям и определять для них обобщенные стратегии развития.

задач микроэкономического анализа, оперативного и стратегического планирования. Он позволяет

прогнозировать различные макро- и микроэкономические показатели, характеризующие рыночное положение предприятия, такие как спрос, объемы продаж, цены.

для создания законченных прикладных решений.
Реализованные в Deductor технологии

позволяют на базе единой архитектуры выполнить все этапы построения аналитической системы: от создания хранилища данных до автоматического подбора моделей и визуализации полученных результатов. Эти свойства делают Deductor оптимальным базисом для создания систем поддержки принятий решений, в основе которых лежат методики интеллектуального анализа данных.

анализа структурированных данных.

Data Warehouse – хранилище данных
OLAP – многомерный

анализ данных
Data Mining – добыча данных
Knowledge Discovery in Databases – обнаружение знаний в базах данных

анализ
Прогнозирование
Поиск закономерностей
Управление рисками
Сегментация клиентов/товаров/услуг
Построение профилей потребителей
Оценка эффективности рекламы

и многое

другое…

Простота использования и интуитивно понятная модель данных позволяет проводить

анализ по принципу «что-если», соотносить гипотезы со сведениями, хранящимися в базе данных, находить аномальные значения, оценивать последствия принятия бизнес решений.
Прогнозирование. Построив модель на исторических примерах, ее можно использовать для прогнозирования ситуации в будущем. По мере изменения ситуации нет необходимости перестраивать все, необходимо всего лишь дообучить модель.
Управление рисками. Реализованные в системе алгоритмы позволят достаточно точно определиться с тем, какие характеристики объектов и как влияют на риски, благодаря чему можно прогнозировать наступление рискового события и заблаговременно принимать необходимые меры к снижению размера возможных неблагоприятных последствий. Deductor уже используется в Российских банках для создания скоринговых систем.
Анализ данных маркетинговых и социологических исследований. Например, анализируя сведения о потребителях, можно определить, кто является вашим клиентом и почему. Как изменяются их пристрастия в зависимости от возраста, образования, социального положения, материального состояния и множества других показателей. Понимание этого будет способствовать правильному позиционированию ваших продуктов и стимулированию продаж.
Диагностика. Механизмы анализа, имеющиеся в системе Deductor, с успехом применяются в медицинской диагностике и диагностике сложного оборудования. Например, можно построить модель на основе сведений об отказах. При ее помощи быстро локализовать проблемы и находить причины сбоев.
Обнаружение объектов на основе нечетких критериев. Часто встречается ситуация, когда необходимо обнаружить объект, основываясь не на четких критериях, таких, как стоимость, технические характеристики продукта, а на размытых формулировках, например, найти похожие продукты с точки зрения потребителя.

данных
Файл
Механизмы импорта
Обработка данных
Механизмы экспорта
Deductor Warehouse