UNIVERSITATEA "SPIRU HARET"

FACULTATEA DE MANAGEMENT
SPECIALITATEA .Contabilitate şi informatică de gestiune

SUBIECTE LA DISCIPLINA
SISTEME INFORMATICE PENTRU ASISTAREA DECIZIEI
TITULAR: Prof. univ. Alexandrescu Gelu
Nr. DENUMIREA CONTINUTUL BIBLIOGRAFI PAGINILE
crt. TEMEI INTREBARILOR E
1 Definirea, rolul şi locul sistemelor Zenovic 11-14
informatice pentru asistarea deciziei Gherasim,
2 Decizia: loc, rol, clasificare Doina Fusaru, 14-18
3 Asistarea deciziei DecidenŃii: rol, asocierea tipurilor de Maria 18-21
economice. Definirea, sisteme informatice cu tipurile de Andronie
locul şi rolul deciziei decizii Andronie
4 economice. Metode de ConsideraŃii asupra asistării deciziilor Maria, Sisteme 21-26
5 asistare a deciziei Clasificarea sistemelor informatice informatice 26-28
economice. pentru asistarea deciziei pentru asistarea
6 Sisteme suport pentru asistarea deciziei 28-29
deciziei economice,
7 Subsistemul de gestiune a datelor Editura 29-31
8 Subsistemul de gestiune a modelelor FundaŃiei 31
9 Subsistemul de gestiune a România de 32
cunoştinŃelor Mâine,
10 InterfaŃa cu utilizatorul Bucureşti, 2008 33
11 ConsideraŃii referitoare la modele şi 33-36
metode
12 Algoritmi euristici 36-38
13 Tabele de decizie şi arbori de decizie 38
14 Optimizarea cu algoritmi – 39-44
programare matematică
Sisteme informatice
15 Simularea 44-46
pentru asistarea
16 Conceperea şi proiectarea modelului 46-57
deciziei bazate pe
bazat pe simulare
modele.
17 Simularea cu instrumente din Excel 57-70
18 Teoria jocurilor 70-76
19 Modelele predictive 77-78
20 Programarea euristică 78-79
21 Metoda utilităŃii globale maxime 79-81
22 Sistemul de gestiune a modelelor 81
23 Sisteme informatice Problematica generală 82-84
24 pentru asistarea Depozite de date (Data Warehouse). 84-92
deciziei bazate pe Definirea conceptului de depozit de
analiza şi sinteza date. Caracteristicile depozitelor de
datelor. Problematica date
25 generală. Depozite de Rafturile de date 92-93
26 date (Data Memorii-tampon de date operaŃionale 93-94
 27 Warehouse): definire, Depozite de date de tip întreprindere 94
28 necesitate, avantaje şi DiferenŃierea depozitului de date de 94-95
dezavantaje, baza de date
29 comparaŃie cu bazele Ciclul de viaŃă al depozitelor de date 95
30 de date, ciclul de Modelarea conceptuală a depozitului 96
viaŃă, modelare de date
31 conceptuală, mod de Modul de utilizare a depozitului de 96
utilizare date
32 Mediul de depozitare al datelor 96-97
33 Abordarea multidimensională a 97-101
datelor stocate în depozite. Definirea
şi caracterizarea OLAP (On Line
Analytical Processing)
34 Modelarea dimensională (cuburi 101-104
OLAP)
35 Baze de date multidimensionale 104-105
36 OperaŃii OLAP asupra hipercubului 105-106
37 Formule utilizate în bazele de date 106-107
OLAP
38 AplicaŃie privind analiza datelor cu 118
Microsoft OLAP. Analiza problemei
de rezolvat
39 Definirea schemei bazei de date 118-132
multidimensionale
40 Exemple de sisteme (aplicaŃii) şi 132-134
instrumente OLAP de firmă
41 Problematica generală 135-139
42 Definirea conceptului Data Mining 139-143
43 Categorii de date care pot fi 144
Data mining – „minerite”
44 tehnologii dedicate Baza de date relaŃională 144-146
45 extragerii Baza de date tranzacŃională 146-150
46 cunoştinŃelor. Depozitul de date – Data Warehouse 150-155
47 Problematica generală. Baza de date obiecturală 155
48 Căutarea cunoştinŃelor Baza de date în tehnologii avansate 155-162
49 şi verificarea Sistemul Data Mining 196-201
50 ipotezelor. DestinaŃia Structura sistemului Data Mining 201-213
51 şi caracteristicile Arhitectura sistemului Data Mining 213-217
52 acŃiunilor de Data Clasificarea sistemelor Data Mining 218-220
53 Mining. Exploatarea Rezultatele utilizării tehnologiei Data 221
datelor – conŃinut şi Mining
etape. RaŃionamentul
54 Metodologii Data Mining 221-223
bazat pe cazuri
55 PerformanŃele procesului Data Mining 223-225
56 Explorarea datelor – conŃinut şi etape 226-227
57 RaŃionamentul bazat pe cazuri 227-229
Sisteme informatice pentru asistarea deciziei
SIAD

MULTIPLE CHOICE

1. Procesul de modelare implică:

2. Programarea euristică:

3. Care dintre următoarele subsisteme nu face parte din arhitectura unui sistem suport pentru SIAD
(SSAD)?

4. Care dintre etapele de mai jos nu este specifică tehnicilor de Data Mining?

5. FuncŃiile unui SIAD sunt:

6. Un sistem suport pentru SIAD (SSAD) prezintă în arhitectura sa următoarele subsisteme:

7. Gradul de abstractizare al unui model este dat de mai multe criterii, după care se face şi clasificarea
lor:

8.Principalele componente structurale ale modelului sunt:

9. În cazul programării euristice, spaŃiul de rezolvare a problemelor implică:

10. Pentru ca un depozit de date să poată fi procesat este necesară existenŃa:

11. Clasificarea deciziilor în funcŃie de nivelul decizional şi gradul de structurare este:

12. Care este varianta corectã pentru clasificarea deciziilor:

13. In asistarea deciziilor, pentru a găsi soluŃia optimă, metodele analitice utilizează:

14. Metodele de căutare exhaustivă au la bază:

15. Pentru procesul decizional structurat şi pentru cel semistructurat se pot folosi modelele cantitative
bazate pe metode şi modele ale cercetării operaŃionale. Această abordare presupune automatizarea
totală sau parŃială a procesului de adoptare a deciziei şi constă în următorii paşi:

16. Clasificarea SIAD-urilor se face după mai multe criterii, cel mai des utilizat fiind gradul de analiză a
datelor pe care se bazează soluŃia:

17. Subsistemul de gestiune a datelor din arhitectura unui sistem suport pentru SIAD are următoarele
componente:

18. Subsistemul de gestiune a modelelor din arhitectura unui sistem suport pentru SIAD are următoarele
componente:

19. Analiza decizională conŃine:

20. În programarea euristică, când se execută evaluarea rezultatelor:

21. În programarea euristică, euristicile se pot grupa în:

22. Paşii de urmat într-un proces de simulare pot fi:

23. Pentru a alcătui un model de regresie se va Ńine cont de următoarele etape:

24. Pentru previzionarea variabilei Y din regresia liniară simplă Y=f(x) se poate folosi una din
următoarele metode:

25. În raŃionamentul bazat pe cazuri, există două funcŃii fundamentale de prelucrare:

26. Metoda raŃionamentului bazat pe cazuri se poate aplica pentru:

27. Tehnicile de Data Mining se pot aplica:

28. Gradul de structurabilitate a deciziei depinde de:

29. Termenul de “asistare a deciziei” trebuie definit la modul general ca fiind:

30. Procesul de adoptare a deciziilor este constituit din următoarele etape:

31. Sistemele de asistare a deciziei orientate pe date:

32. Adoptarea deciziilor constituie un proces care pe lângă suportul tehnic are nevoie de un suport:

33. Sistemele informatice de asistare inteligentă a deciziei sunt sisteme informatice de asistare a deciziei
bazate pe:

34. Caracteristicile principale ale SIAD (DSS) sunt:

35. Clasificarea sistemelor informatice de asistare a deciziei (SIAD), oferită de Holsapple şi Whinston,
grupează sistemele SIAD în tipurile:

36. Sistemele informatice pentru asistarea deciziei de grup (Groupware) au ca scop:

37. Referitor la subsistemele componente ale unui sistem suport pentrru SIAD, care dintre afirmaŃiile
prezentate mai jos nu este corectă?

38. Care dintre regulile prezentate mai jos nu există pentru soluŃia optimă a problemei de decizie
multicriterială în condiŃii de incertitudine?

39. Care dintre metodele prezentate mai jos nu aparŃin programării liniare multidimensionale?

40. FacilităŃile oferite de un sistem de gestiune a modelelor (SGM) se pot grupa în categoriile:

41. Managerii utilizează sistemele informatice pentru:

42. În cazul deciziilor în condiŃii de risc:

43. În cazul deciziilor în condiŃii de certitudine:

44. În cazul deciziilor în condiŃii de incertitudine:

45. În etapa de alegere pentru adoptarea deciziei, metodele de căutare euristice se bazează pe:

46. Sistemele informatice de asistare a deciziei orientate pe date sunt rezultatul creării unor tehnologii
speciale cum sunt:

47. DiferenŃa dintre sistemele informatice pentru management (MIS) şi sistemele informatice pentru
asistarea deciziei, SIAD (DSS) constă în aceea că:

48. Sistemele informatice de sprijin al executivului, ESS (EIS), sunt sisteme informatice:

49. Modelarea este considerată esenŃială pentru sistemele informatice de asistare a deciziei şi implică:

50. Modelul unei probleme de programare liniară poate fi sintetizat astfel:

51. În SIAD-urile bazate pe analiza şi sinteza datelor, analiza datelor presupune:

52. În SIAD-urile bazate pe analiza şi sinteza datelor, rezultatul procesului de observare analitică este:

53. Programarea euristică prezintă o serie de avantaje:

54. Programarea euristică prezintă o serie de dezavantaje:

55. Sistemele de asistare a deciziei care au la bază sinteza şi analiza datelor realizează:

56. Principalele inconveniente ale depozitelor de date sunt:

57. Fără ca utilizatorul să poată interveni, în depozitul de date se pot stoca:

58. DiferenŃele dintre depozitul de date şi baza de date sunt următoarele:

59. Depozitul de date (Data Warehouse) este o colecŃie de date care sprijină decizia, în care datele sunt:

60. Una din subetapele design-ului sau modului de concepere al procesului de asistare a deciziei este
modelarea ce implică:

61. Mediul în care se construieşte şi se exploatează un depozit de date conŃine următoarele elemente:

62. Dintre cele 11 principii formulate de Ted Codd (1992) care stau la baza tehnologiei OLAP, fac parte:

63. Dintre cele 11 principii formulate de Ted Codd (1992) care stau la baza tehnologiei OLAP, fac parte:

64. Dintre cele 11 principii formulate de Ted Codd (1992) care stau la baza tehnologiei OLAP, fac parte:

65. Testul cu 5 reguli denumit FASMI (Fast Analysis Shared Multidimensional Information) pentru
definirea caracteristicilor unei aplicaŃii OLAP se referă la:

66. Testul cu 5 reguli denumit FASMI (Fast Analysis Shared Multidimensional Information) pentru
definirea caracteristicilor unei aplicaŃii OLAP se referă la:

67. Tehnologia OLAP se caracterizează prin:

68. În tehnologia OLAP, perspectiva multidimensională al datelor este dată de posibilitatea:

69. În tehnologia OLAP, conceptul de dimensiune este folosit:

70. În tehnologia OLAP, unităŃile de măsură pot constitui:

71. În tehnologia OLAP, fiecare dimensiune este definită în genere prin mai multe:

72. În tehnologia OLAP, nivelele unei dimensiuni formează:

73. În tehnologia OLAP, modelarea multidimensională este caracterizată de câteva concepte de bază:

74. Cubul OLAP este:

75. În cubul OLAP, prin operaŃia drill-down se obŃin:

76. În cubul OLAP, prin operaŃia drill-up se obŃin:

77. În cubul OLAP, prin secŃionare (slicing) se creează posibilitatea:

78. În cubul OLAP, defalcarea (dicing) este operaŃia de:

79.
79. Pentru realizarea unei aplicaŃii OLAP sunt necesare următoarele etape:

80. . Depozitele de date:

81. În Microsoft SQL Server, crearea cuburilor OLAP se efectuează prin parcurgerea următorilor paşi:

82. Ciclul în utilizarea Data Mining cuprinde etapele:

83. DestinaŃia acŃiunilor oferite de Data Mining este:

84. Data Mining presupune parcurgerea următoarelor etape:

85. Factorii care au dus la necesitatea Data Mining sunt:

86. InformaŃiile care se pot obŃine prin Data Mining sunt:

87. Prin tehnologia Data Mining se prelucrează date care se referă la: