SP Final

Sisteme suport de decizii (DSS)
1.1 Definirea şi caracteristicile sistemului suport de decizie

(DSS)
Odată cu introducerea pe scară largă a sistemelor de calcul în unităţi
economice de tip industrial, comercial, bancar sau de alt tip, a creşterii
complexităţii proceselor tehnice şi economice, a tendinţelor de realizare a
unui produs în mod distribuit în diferite zone de pe glob, a creşterii gradului
de incertitunine ce domină aceste procese s-a impus utilizarea unor noi
abordări în procesul de luare a deciziilor privind conducera acestor procese
şi sisteme. Sistemele informatice de management (MIS) precum şi metodele
clasice ale managementului ştiinţific, fie ele din teoria deciziei, cercetări
operaţionale, statistică, simulare, cibernetică, teoria sistemelor se dovedesc
ineficiente în luarea deciziilor mai ales în sistemele a căror probleme au un
caracter nestructurat sau semistructurat. A apărut asfel în anii ’70 idea
construirii unui sistem support de decizii (DSS), care să sprijine factorii
decizionali de pe diferite nivele ierarhice ale unui sistem, precum şi cele din
vârful organizaţiei în luarea deciziilor în timp util şi cu eficienţă sporită.
Avantajul principal al utilizării unui DSS constă în creşterea gradului
de înţelegere şi pregătire a deciziei prin implicarea factorului decizional în
toate fazele unei probleme decizionale de la formulare până la rezolvare şi
interpretare.
În 1970 Little /7 / defineşte DSS-ul ca „un set de proceduri bazate
pe model elaborate pentru a prelucra date şi a furniza judecăţi cu scopul de a
asista managerul în luarea deciziilor”. El menţiona ca un DSS de succes
trebuie să fie simplu, robust, uşor de controlat, adaptabil la anumite situaţii,
complet şi cu o interfaţă prietenoasă.
Scott Morton /12/ tot în 1970 definesc DSS ca un sistem bazat pe
calculator ce face legătura între resursele individuale şi capacităţile
calculatorului pentru a îmbunătăţii calitatea deciziilor pentru problemele
semistructurate şi nestructurate.
În 1980 Alter /2/ defineşte DSS-ul ca un sistem ce are următoarele
caracteristici:
- o interacţiune activă cu utilizatorul;
- acţionează pe un orizont de timp prezent şi viitor;
12 Sisteme suport pentru decizii
- asigură o eficienţă sporită în luarea decizilor;

- asigură o flexibilitate în definirea obiectivelor;
- se adresează factorilor decizionali de pe diferite nivele ierarhice
din sistem.
În 1980 More şi Chang /9 /au definit DSS-urile ca fiind sisteme ce
pot fi extinse, capabile să realizeze ad- hoc analiza datelor precum şi
construirea de modele de decizie orientate către planificări viitoare.
În 1980 Bonczek /3/ defineşte DSS-ul ca fiind un sistem alcatuit din
trei componente care interacţionează şi anume: un limbaj al sistemului
necesar comunicării dintre utilizator şi DSS; un sistem de cunoştinte; şi un
sistem de rezolvare a problemelor care costituie legătura dintre celelalte
două sisteme anterioare.
În 1980 Keen /5/ ataşează termenul de DSS „situaţiilor unde se
poate dezvolta un sistem final numai prin intermediul unui proces de
învăţare şi dezvoltare”.
El defineşte DSS-ul ca un produs al procesului de dezvoltare unde
utilizatorul, realizatorul şi sistemul suport de decizie însuşi se influenţeaza
reciproc, aceasta conducând la evoluţia sistemului.
Dacă avem în vedere termenii în care a fost definit DDS-ul de
diferiţi autori putem concluziona că Little pune accent pe funcţionarea
sistemului şi capacitatea interfeţei de comunicare, Garry, Scott Morton arată
necesitatea orientării DSS-ului pe tipuri de probleme şi pe modul de
funcţionare al sistemului, Alter relevă punerea în evidenţă a obiectivelor, iar
Moore şi Chang evinenţiază utilizarea capacităţilor sistemului. Nu în ultimul
rând, Bonczek sublinează necesitatea de a ţine seama de componentele
sistemului deci de a realiza o abordare ierarhică structurată, iar Keen
introduce idea creerii unui DSS care să aibă capacităţi de autoînvăţare.
În accepţiunea noastră DSS-ul poate fi definit ca un sistem
cibernetic, adaptiv, autoinstribil şi interactiv capabil de:
- a asista factorii decizionali de pe diferite nivele ierarhice ale
sistemului în rezolvarea unor probleme complexe;
- de a îmbunătăţi calitatea proceselor decizionale prin prelucrarea
şi modelarea datelor;
- de a răspunde în timp util cerinţelor adresate de decidenţi;
utilizând în acest scop cele mai noi tehnici de management ale datelor,
modele diversificate de prelucrare a lor (de la cele clasice la cele mai noi ce
includ tehnici neuronale, genetice, colonii de furnici etc.) şi sprijinindu-se
pe instrumente moderne de calcul şi comunicare.
Sisteme suport de decizii (DSS) 13
Caracteristici ce reprezintă un set ideal pentru definirea DSS-ului:

1. DSS asigura sprijin pentru procesul de luare a deciziilor,
utilizând tehnici interactive ce pun în prim plan factorul uman, dar şi modele
de ultimă oră care să interacţioneze rapid şi eficient cu bazele de date ce
caracterizează sistemul.
2. Asistarea procesului decizional se face pe diferite nivele ierarhice
ale sistemului analizat atât la nivel individual cât şi la nivel de grup.
3. DSS asigură suport pentru decizii interdependente şi/sau
secvenţiale.
4. DSS sprijină toate etapele de luare a deciziei: creativitatea,
proiectarea, alegerea şi implementarea precum şi diversele modalităţi de
abordare.
5. DSS sunt sisteme adaptabile în timp (reacţionând, rapid la
modificari externe şi interne) precum şi flexibile pentru a permite
utilizatorilor să adauge, să înlăture, să combine sau să schimbe elementele
de baza ale sistemului.
6. DSS trebuie să dispună de o interfaţa prietenoasă, cu posibilităţi
de reprezentare grafică şi sonoră ce sporesc eficienţa acestuia.
7. DSS încearcă să îmbunătăţească eficienţa procesului de luarea a
deciziilor (acurateţe, termene limita, calitate) mai degrabă decât să scadă
costul (eficacitatea) acestuia.
8. Factorul decizional indiferent de nivelul pe care se află are
control complet asupra procesului pe care îl conduce, scopul DSS-ului fiind
de a îmbunătăţi calitatea decizilor, nu de al il inlocui pe decident.
9. Utilizatorul final trebuie să fie capabil de a construi şi modifica
singur sisteme mai puţin complexe.
10. Un DSS foloseste adeseori un set de modele variate pentru
soluţionarea situaţiilor decizionale.
11. DSS trebuie să asigure acces la diferite surse, formate şi tipuri de
date, de la cele geografice la cele orientate obiect sau multidimensionale şi
aceasta în timp util.
12. DSS utilizat în conexiune cu WEB permite activarea unor
aplicaţii DSS deja existente, comunicare mai largă cu alţi utilizatori pentru
interpretarea rezultatelor şi pentru implementarea soluţiilor generate de
modelele DSS.
Figura 1.1 prezintă sub formă grafică aceste caracteristici. (sursa

Turban /14 /)
14. Integrare
şi conectare WEB
13. Acces
uşor la date 1. Programe
12. Modelare şi analiză semistructurate
11. Uşurinta 2. Pentru manageri

în construcţie la diferite nivele
pentru utilizatorul final
10. Controlul 3. Pentru indivizi

decidentului DSS şi grupuri de indivizi
asupra procesului
4. Decizii
9. Eficacitate, interdependente
nu eficienţă sau secvenţiale
8. Folosire uşoara 5. Sprijină, proiectarea,

şi interactivă alegerea
7. Adaptabilitate 6. Sprijină diferite

şi flexibilitate procese şi stiluri
de decizie
Figura 1.1 Caracteristicile DSS (sursa Turban /14/)
DSS este compus din următoarele subsisteme (figura 1.2):

1. Subsistemul de date – include bazele de date ce conţin
informaţii specifice situaţiei şi care sunt gestionate de DBMS (Data Base
Management System).
2. Subsistemul de modele – un pachet software care include
instrumente financiare, statistice precum şi alte modele cantitative.
O caracteristică esenţială a acestui sistem este că el conţine şi limbaje ce
permit construirea de noi modele, fiind denumit şi BMS (Model Base
Management System).
3. Subsistemul bazei de cunoştinţe – acest subsistem poate

susţine pe oricare din celelalte subsisteme sau poate funcţiona de sine
stătător.
4. Subsistemul interfeţei cu utilizatorul – prin acest subsistem
utilizatorul comunică cu DSS.
5. Subsistemul de comunicare cu alte sisteme computerizate
utilizând internetul, extranetul, intranetul.
1.2 Componentele DSS
Utilizatorul este considerat ca o parte componentă a sistemului, iar

DSS permite o interacţiune puternică între acesta şi calculator.
Subsistemul de date (figura 1.3) se compune din baza de date a DSS,
sistemul de gestiune a bazei de date, şi sistemul de interogare.
Baza de date a DSS este o colecţie de date intercorelate, organizată
astfel încât să satisfacă cerinţele organizaţiei, cu acces şi utilizări multiple şi
în timp util.
DSS poate folosi date din surse interne sau surse externe. Datele
interne provin în principal din procesul de desfăşurare a tranzacţilor precum
şi prin intermediul reţelelor interne de calculatoare (intranet) ale sistemului
analizat.
Comunicare cu alte sisteme
intranet, extranet, internet
Date interne
şi externe
Subsistemul Subsistemul
de date de modele
Subsistemul
bazei de
cunostinţe
Interfaţa cu
utilizatorul
Utilizatorul
Figura 1.2 Componentele DSS (sursa Turban /14/)

1.2.1 Subsistemul de date

Datele externe se referă la studii de piaţă, recensăminte, reglementări
guvernamentale, sisteme de taxe, date privind economia naţională. Aceste
date pot proveni de la Guvern, asociaţii comerciale, firme de cercetare de
piaţă etc., dar şi din eforturile proprii ale sistemului economic de a colecta
date. Datele interne precum şi cele externe pot fi păstrate în baza de date a
DSS (depozite) sau pot fi introduse atunci când este nevoie de ele. Datele
externe sunt obţinute adeseori prin internet. Datele confidenţiale (cu caracter
personal) pot include directive specifice utilizate de cel ce ia decizii.
Organizarea datelor se poate face în baze de date standard, relaţionale,
obiectuale, multidimensionale funcţie de complexitatea aplicaţilor. Bazele de
date pot fi generale sau speciale orientate pe aplicaţie. Aceste date pot fi proprii
DSS-ului sau pot aparţine organizaţiei funcţie de complexitatea aplicaţiilor.
Colectarea datelor pentru a crea o baza de date se face în punctele
cu entropie minimă a diferitelor surse şi la momentele semnificative pentru
starea sistemului. Acest proces implică preluarea datelor, filtrarea şi
agregarea acestora, etape ce sunt gestionate de DBMS.
Surse de date interne
Surse de date externe Finanţe Marketing Producţie Personal Altele
Colectarea filtrarea
şi agregarea datelor Date specifice (personale)
Baza de Date
Facilitaţi de interogare
a sistemului suport Depozitul de date Warehouse
de decizie
Sistemul de adminis- Interfaţa

trare a bazei de date
- remediere
- interogare Subsistemul modele
- actualizare
Directorul de date - generare rapoarte Subsistemul cunostinţe
- ştergere
Figura 1.3 Structura sistemului de management a datelor

(sursa Turban /14/)
Sistemul de gestiune a bazei de date (DBMS) crează şi

actualizează datele şi permite consultare, crearea legăturilor dintre tabele,
generarea de rapoarte.
Esenţa DSS o constituie integrarea bazelor de date cu modelele.
Facilităţi de interogare. În construirea şi folosirea DSS este adesea
necesară accesarea şi manipularea facilă a datelor din baza de date. Aceasta
se face cu ajutorul unui limbaj special. Pentru a scurta timpul de acces se
utilizează directorul de date.
Directorul de date conţine un catalog al datelor din baza de date, şi
anume principalele caracteristici, ce se referă la tipul datelor, destinaţie, sursele
de provenienţă, termene de valabilitate etc. Acesta poate fi consultat pe baza
unor chei şi actualizat prin adaugarea de noi inregistrări sau ştergerea altora.
1.2.2 Structura şi caracteristicile subsistemul de modele
Subsistemul de modele (figura 1.4) este compus din:

- baza de modele;
- sistemul de gestiune al bazei de modele;
- limbajul de modelare;
- directorul de modele;
- instrumemte de execuţie, integrare şi procesare a comenzilor
modelelor.
Modele (bază de modele) Directorul de modele

-strategice, tactice, operaţionale,
analitice-statistice, financiare etc.
Administrarea bazei de modele

- instrucţiuni de modelare: creare
- intreţinere: actualizare Execuţia, integrarea
- interfaţa cu baza de date şi procesorul de comenzi
- limbaj de modelare al modelelor
Subsistem Administraea
Interfaţa
gestiune datelor cunoştinţelor
Figura 1.4 Structura subsistemului de modele

(sursa Turban /14/)
Baza de modele
Conţine instrumente statistice, financiare, manageriale şi de
prognoză precum şi diferite modele cantitative care ofera DSS posibilităţi de
analiză.
Modelele din baza de modele pot fi împărţite în patru mari categorii:
a. Modele strategice sunt folosite pentru a susţine decizii
manageriale de nivel înalt. Pot fi utilizate în dezvoltarea
obiectivelor ce trebuiesc atinse de organizaţie, planificarea
achiziţiilor importante, alegerea locului de amplasare a
întreprinderii, analizarea impactului asupra mediului, elaborarea
unor bugete speciale.
b. Modele tactice sunt folosite în principal de nivelele intermediare
ale managementului pentru a eficientiza alocarea resurselor
organizaţiei (modele pentru recrutarea personalului, promovarea
vânzărilor, elaborarea curentă a bugetelor), şi se intind pe un
orizont de timp de 1-2 ani.
c. Modele operaţionale sunt folosite pentru a sprijini activitatile de
zi cu zi ale organizaţiei (programarea producţiei, inventariere,
controlul calităţii, întreţinerea utilajelor) şi se întind pe un orizont
de timp foarte scurt (zile, luni) şi ele folosesc în special date
interne.
d. Modelele analitice sunt utilizate pentru analiza datelor (modele
statistice, modele ştiinţifice, de management).
Pe lângă modelele strategige, tactice şi operaţioale, baza de modele
mai poate conţine şi rutine, cum ar fi rutine generatoare de numere
aleatoare, de calcul a valorii actualizate sau de analiza de regresie. Aceste
subrutine pot fi folosite de sine stătătoare pentru analiza datelor sau pot fi
componente a unor modele mai complexe.
Deoarece DSS lucreaza cu probleme semistructurate şi nestructurate,
este adesea necesară adaptarea modelelor. Acest lucru poate fi realizat cu
limbaje de programare de nivel forte înalt cum ar fi COBOL sau cu limbaje
speciale de modelare – IFPS/Plus.
Sistemul de management al bazei de modele (MBMS)

Functiile acestui software sunt: generarea de subrutine şi rapoarte,
crearea de noi modele, up-gradarea şi modificarea modelelor deja existente,
manipularea datelor din modele. MBMS premite interacţiunea dintre
modelele prin intermediul unei baze de date.
Directorul de modele este un catalog ce cuprinde caracteristici ale

modelelor precum şi alte programe incluse în baza de modele. Conţine
definirea modelelor, principala sa funcţie fiind oferirea răspunsurilor la
înterbările privind capacităţile modelelor.
Execuţia, integrarea şi comanda modelului
Execuţia modelului este procesul de control asupra rularii modelului.
Integrarea modelului presupune realizarea interacţiunii dintre mai
multe modele.
Comanda modelului interpretează instrucţiunile de modelare primite
şi le dirijează către MBMS, către execuţie, sau către funcţiile de integrare a
modelelor.
1.2.3 Subsistemul de management al bazei de cunoştinţe
Pentru probleme nestructurate şi semistructurate se folosesc sisteme

expert sau alte tipuri de sisteme inteligente pentru a le soluţiona. DSS-urile
avansate conţin o componentă a bazei de cunoştinţe care ofera informaţiile
necesare rezolvării anumitor aspecte ale problemelor şi care poate
îmbunătăţii funcţionarea altor componente. Baza de cunoştinţe este compusă
din unul sau mai multe sisteme inteligente. Un sistem suport de decizie care
include şi o baza de cunoştinţe se numeşte sistem suport de decizie inteligent
(BI), sistem expert (DSS/ES) sau DSS bazat pe cunoştinţe.
Sistemele expert înglobate în baza de cunoştinţe permit ghidarea
factorului decident atât în alegerea modelului corespunzător situaţiei din
sistem care e imprecis definită, de a oferi apoi soluţii de rezolvare precum şi
de a construi noi modele pe baza celor existente adaptate la situaţia descrisă.
În figura 1.5 se vede structura unui sistem expert.
Baza de cunoştinţe Sistem de conducere

a bazei de cunoştinţe
Baza de fapte
Motor de inferenţă Sistem de interfaţă
Sistem expert
Figura 1.5 Structura unui sistem expert
Baza de cunoştinţe este reprezentată ca o structură de date care

cuprinde ansamblul cunoştinţelor specializate introduse de către expertul
uman. O bază de cunoştinţe este un fişier ce conţine, explicit reguli şi fapte.
De exemplu, o regulă tipică pentru un sistem poate fi următoarea: dacă
situaţia plăţilor este bună, valoarea creditului este acceptabilă, iar sumele
existente în trezorerie sunt mari, atunci creditul se acordă. O bază de
cunoştinţe diferă de o bază de date prin faptul că structura fiecărei reguli din
baza de cunoştinţe poate varia de la o regulă la alta şi că o regula poate avea
una sau mai multe condiţii şi o concluzie simplă sau complexă. Baza de
cunoştinţe face parte din sistemul cognitiv, cunoştinţele fiind memorate
într-un spaţiu special organizat. Modul în care sunt memorate cunoştinţele
trebuie să permită căutarea pistelor de cunoaştere specificate prin simboluri
identificatoare, căutarea acestora prin referinţe indirecte ale proprietăţilor
asociate sau valorii atribuite acestora, căutarea prin inferenţe sau lanţuri
inferenţiale, precum şi menţinerea bazei de cunoştinţe în concordanţă cu
evoluţia domeniului de expertiză.
Baza de fapte reprezintă o memorie auxiliară ce conţine datele
utilizatorului şi rezultatele intermediare produse în cursul procedurii de
deducţie.
Sistemul de conducere a bazei de cunoştinţe este reprezentat de un
sistem de programe de creare, actualizare şi dezvoltare a bazei de
cunoştinţe. Separarea cunoştinţelor de procedurile care le manipulează este
cel mai important rezultat al inteligenţei artificiale.
Motorul de inferenţă preia cunoştinţele din baza de cunoştinţe în
vederea utilizării acestora pentru construirea raţionamentului. El este
reprezentat de un program ce realizează două funcţii:
 controlează ordinea în care sunt executate regulile în blocul de
control;
 examinează regulile şi faptele şi inferează noi fapte când acest
lucru este posibil (de exemplu, dacă un furnizor a livrat
întotdeauna la timp comenzile şi la un preţ avantajos, se poate
insera o nouă regulă în sensul preferinţei acestui furnizor).
Mecanismul de inferenţă are în vedere câteva obiective esenţiale
cum ar fi:
- alegerea strategiei de control în funcţie de problema curentă de
rezolvat;
- elaborarea planului de rezolvare a problemei;
- comutarea strategiilor;
- execuţia acţiunilor în planul de rezolvare;
- constituirea informaţiilor de control.
Sistemul de interfaţă realizează comunicarea între sistemul expert

şi mediul extern. El comunică mecanismului de inferenţă cererile
utilizatorului facilitând achiziţionarea enunţului problemei şi comunicarea
rezultatelor. În cadrul sistemului de interfaţă este incorporat modulul de
achiziţie, care preia cunoştinţele furnizate de expertul uman şi le converteşte
într-o formă specifică reprezentării interne.
O altă componentă a sistemului de interfaţă o constituie modulul de
explicaţii, care permite trasarea drumului de urmat în raţionament de către
sistemul evolutiv ajutând expertul la verificarea consistenţei bazei de cunoştinţe.
Sistemul expert îşi aduce contribuţia şi în faza de utilizare a modelelor
precum şi în interpretarea rezultatelor. Utilizarea unui model implică o analiză
de senzitivitate a modelului. Determinarea senzitivităţii implică cunoaşterea
influenţei fiecărei variabile în parte asupra modelului, evoluţiile viitoare ale
acestor variabile, interdependenţele dintre ele precum şi posibilitatea substituirii
lor. Procesorul de tabele din EXCEL poate realiza o asfel de analiză de
senzitivitate, prin. funcţia LINEST se determină coeficienţii de regresie şi alte
informaţii statistice suplimentare: valori de eroare standard, de corelaţie, suma
reziduală a pătratelor sau suma de regresie. Interpretarea rezultatelor modelului
prin furnizarea de răspunsuri la corelaţiile cauză efect pot fi furnizate cu succes
de sistemul expert inclus în baza de cunoştinţe.
Realizarea unui sistem suport de decizie inteligent care să asiste
factorii decidenţi în procesul de modelare de la faza de analiză la cea de
definire a problemei, a clasei din care face parte modelul, a selectării
algoritmului adecvat de rezolvare, a precizării senzitivităţii modelului
respectiv precum şi a interpretării rezultatelor reprezintă câteva puncte forte
ale sistemului expert incorporat.
De exemplu pentru o întreprindere productivă realizarea unui DSS
inteligent care să ajute asistarea decidenţilor în programarea producţiei în
diferitele secţii implică: stabilirea tipului de proces de producţie în fiecare
secţie, alegerea modelui adecvat fiecărei secţii din baza de modele
(flow-shop, job-shop, assembly line etc.), selectarea algoritmului de
rezolvare, asisistenţă în interpretarea rezultatelor.
1.2.4 Subsistemul interfeţei cu utilizatorul
Include elementele de comunicarea dintre utilizator şi DSS. Interfaţa
cu utilizatorul este cea mai importantă componentă pentru că acurateţea,
flexibilitatea şi uşurinţa în utilizarea DSS derivă din aceasta. O interfaţă
nepotrivită îi determină pe manageri să nu foloseasca analiza computerizată
în adevarata măsura în care aceasta este disponibilă pentru rezolvarea
problemelor decizionale.
Figura 1.6 (sursa Turban /14/) ilustrează interacţiunea interfeţei

utilizatorului cu celelalte sisteme ale DSS.
Managementul datelor Managementul Managementul

DBMS cunoştinţelor Modelelor MBMS
Sistemul de management
al interfeţei cu utilizatorul UIMS
Procesorul limbajului natural
INPUT OUTPUT
Limbaj activ Limbaj de afişare
imprimantă
utilizator
Figura 1.6 Intrerconexiunile interfeţei cu utilizatorul

şi cu celelalte sisteme ale DSS
Sistemul interfeţei cu utilizatorul este administrat cu ajutorul unui

software numit sistemul de management al interfeţei cu utilizatorul (UIMS).
UIMS este alcatuit din diferite programe care asigura urmatoarele capacităţi
(Turban):
- asigură interfaţa grafică cu utilizatorul;
- familiarizează utilizatorul cu dispozitivele de introducere a datelor;
- prezintă datele sub diferite forme şi formate;
- oferă utilizatorului posibilitaţi de ajutor ;
- asigură interacţiunea dintre baza de date şi baza de modele;
- stochează datele de intrare şi de ieşire;
- oferă posibilitatea realizării graficelor color şi tridimensionale;
- asigură ferestre ce permit afişarea în paralel a diferitelor funcţii;
- asigură comunicarea dintre utilizatorii şi realizatorii MSS;
- asigură instruirea utilizatorilor prin intermediul exemplelor;
- asigură flexibilitatea MSS de a se adapta diferitelor probleme şi

tehnologii;
- asigură interacţiunea prin diferite forme de dialog;
- capturează şi analizează tipurile de dialog pentru a le îmbunătaţi.
Utilizatorul interacţionează cu DSS prin intermediul unul limbaj
activ procesat cu ajutorul UIMS. În sistemele avansate, interfaţa cu
utilizatorul include un interpretor al limbajului natural.
Persoana ce interacţionează cu DSS în scopul luării unei decizii se
numeşte utilizator, manager sau cel ce ia decizii. Utilizatorul poate fi o
singură persoană sau un grup de persoane. Utilizatorii DSS se pot împărţi în
două clase: manageri şi specialişti în diferite domenii. În general, managerii
se aştepată ca interfaţa DSS să fie prietenoasă, în timp ce pentru specialişti
mult mai importantă este capacitatea de calcul a sistemului, iar analiştii sunt
intermediari între factorii de management şi DSS.
Proiectarea interfeţei cu utilizatorul trebuie să se ia în considerare:
 profilurile utilizatorilor pentru a stabili stilurile de dialog;
 resursele (hardware) de intrare accesate de către utilizator şi cele
de ieşire spre utilizator reprezentate de mesajele interfeţei;
 precizarea de interacţiuni posibile între utilizator şi interfaţă cu
existenţa unor subsisteme informatice de sesizare şi tratare a
erorilor şi a furnizării de helpuri către utilizator;
 adaptarea simbolurilor grafice corespunzătoare profilului
utilizatorului şi organizării ecranului într-un mod care să satisfacă
cerinţele acestuia.
La baza proiectării interfeţei unui DSS, trebuie respectate o serie de
principii date de Nakatsu în 2004 /10 / şi anume:
- asigurarea consistenţei formatelor şi a componentelor ce definesc
aceste formate pe parcursul dialogului;
- asigurarea mobilităţii interfeţei cu folosirea ei pentru situaţii
decizionale variate;
- necesitatea existenţei unor opţiuni de personalizare a comunicării
între utilizatorşi sistemul DSS;
- existenţa unor granularităţi (nivele de detaliere) diferite de
comunicare şi prezentare a dialogului şi a rezultatelor;
- minimizarea numărului acţiuni fizice şi psihice ale utilizatorului
pe parcursul acestei interacţiuni cu sistemul.
Ca principii de proiectare specifice amintim:

 asigurarea controlului asupra sistemului adică:
- reversibilitatea acţiunilor utilizatorului (un fel de undo)
- existenţa unei reacţii rapide a sistemului informatic;
- posibilitatea semnalizării unor erori majore şi a corectări celor
minore;
- furnizarea de informaţii în timp util despre starea sistemului şi
a fazei în care se află dialogul;
- posibilitatea întreruperii dialogului fără repercursiuni asupra
funcţionării sistemului.
Construirea a interfeţei utilizatorului implică mai multe etape şi anume:
- identificarea profilului utilizatorului şi a obiectivelor pentru care
va fi folosit DSS-ul;
- realizarea unui grafic Gantt şi a unui arbore decizional pentru
eşalonarea resurselor materiale şi de timp utilizate de interfaţă;
- determinarea stilurilor de dialog şi a secvenţelor interzise;
- proiectarea ecranelor;
- testarea şi posibilitatea de modificare a soluţiei de proiectare
propusă printr-o procedură iterativă.
Analizând stilurile de dialog se evidenţiază multiple modalităţi de
abordare:
- bazat pe comenzi ce necesită conoaşterea lor şi a sintaxei folosite;
- bazat pe întrebări şi răspunsuri, ce oferă avantajul unei sintaxe
simplificate şi posibilitatea ghidării utilizatorului;
- prin completarea unor formate prefabricate (spreadsheets) pe
ecran, direct de către utilizator;
- alegerea prin meniuri, unde din mulţimea de opţiuni propuse, se
poate selecta una. Se realizează astfel o abordare structurată de
purtare a dialogului, dar ea implică importante resurse financiare
şi de timp;
- stilul interactiv grafic ce permite o interacţiune directă cu
interfeţele. El are ca elemente de bază obiectele grafice,
ferestrele, casetele de dialog, meniurile de tip pull-down (forare).
Obiectele reprezintă puncte de acces şi dobândire a contolului
asupra unor programe informatice din DSS. Ferestrele se pot
încuibări, suprapune, dimensiunile lor se pot modifica iar
conţinutul lor se poate balea.
Există standarde ce fac recomandări privind proiectarea acestor

interfeţe. Alegerea unui anumit stil de dialog poate fi reprezentată ca o
problemă decizonală multicritrială, în care rolul criterilor este dat de: viteză,
acurateţe, flexibilitate, volum de informaţii vehiculate, pertinenţa dialogului
etc. Uneori pentru a satisface mai bine doleanţele utilizatorului este util de a
folosi o combinaţie de stiluri de dialog.
Interfeţele evoluate posedă o inteligenţă de tip special numită
inteligenţă ambientală aşa cum o definea Mazarno /1/.
Aarts /1/ defineşte inteligenţa ambientală ca un sistem care
realizează următoarele funcţii:
- integrarea în mediu prin utilizarea unei reţele distribuite;
- prezenţa fiecărei componente în orice moment;
- invizibilitatea aparentă a componentelor;
- capacitatea de a răspunde în mod inteligent la cererile utilizatorului;
- recunoaşterea profilului utilizatorului;
- posibilitatea de adaptare la cunoştinţele în evoluţie ale utilizatorului;
- anticiparea doleanţelor utilizatorului.
Apare din ce în ce mai mult în aceste interfeţe evoluate ale
DSS-ului idea comunicării multimediale şi multimodale /4/ a utilizării
limbajelor naturale, a vizualizării multidimensionale şi a încorporării
agenţilor inteligenţi.
Conceptul multimedial se referă la capacitatea sistemelor de calcul
de a opera interactiv şi mixa mai multe moduri de reprezentare a
informaţiei. Comunicarea multimodală implică utilizarea simultană a mai
multor canale de transmitere, percepere şi prelucrare a informaţiei (vizual,
sonor, tactil).
Utilizarea sistemelor de informaţie geografice GIS folosit în DSS-ul
spaţial, realitatea virtuală, simularea interactivă vizuală, vizualizarea în timp
real a rezultatelor modelelor, folosirea interfeţelor inteligente (autoinsruibile),
adaptabile şi flexibile, reprezintă câteva din cele mai noi funcţii utilizate de
sistemele DSS.
Adaptabilitatea comunicării se realizează static în momentul
proiectării şi în mod dinamic prin interacţiunea dintre interfaţă şi utilizator
atât din partea sistemului însuşi dar şi prin acţiunea utilizatorului asupra lui.
Putem concluziona că interfaţa este aceea care se adaptează la utilizator şi
nu vice-versa.
Concluzii
Sistemele suport de decizie au evoluat simultan cu dezvoltarea
tehnologiilor hardware şi software. Hardware-ul influenţează funcţionalitatea
şi utilizarea DSS, iar alegerea hardware-ului este determinată de
disponibilităţile organizaţiei. De obicei, DSS rulează pe un hardware
standard. Opţiunile pentru hardware sunt computerul principal al
organizaţiei, o staţie de lucru, un computer personal sau un sistem client
server, fiecare opţiune având avantajele şi dezavantajele ei.
Caracterisitcile şi componentele DSS îl disting de alte sisteme
informaţionale. MIS poate fi vazută ca o infrastructură, IS care generează
rapoarte, rezumate standard şi speciale, oferă răspunsuri la interogari şi ajuta
la monitorizare. Este de obicei organizat pe arii funcţionale (MIS în
marketing , MIS în contabilitate etc.)
Un DSS este o unealtă de rezolvare a problemelor care oferă suport
de decizie într-o perioadă scurtă şi este utilizat adesea pentru a rezolva
probleme neaşteptate. MIS ofera soluţii pentru situaţiile în care au fost scrise
deja modele şi software.
Un DSS de modele pentru probleme de marketing este dat în
figura 1.7 /14 /.
Modele statistice
standard
Date de marketing - analiza regresiei
- rapoarte de vânzari - analiza factorială
- rapoarte de piaţa - analiza grupurilor
- rapoarte industiale - analiza discriminant
- rapoarte - conjoint analysis Modele de marketing
guvernamentale - prognozare - mix media
- stiri
- studierea amplasamentului
- concurenţa
- designul produselor
- sugestii ale experţilor
Modele manageriale - buget de publicitate
standard
- programare liniară
- analiza Markov
- tabele de decizie Output
- stocuri Evaluări şi recomandări
- manag. proiectului ale marketingului
Baza de date,
cunoştinţe, Interfaţa
cu utilizatorul Instrumente
depozit de date
Evaluări web
Agenţi inteligenţi
Utilizator
Sursa: Turban.
Figura 1.7 DSS de modele pentru marketing
1.3 Clasificarea DSS
Proiectarea procesului ca şi implementarea DSS depinde în multe

cazuri de tipul DSS-ului implicat. În continuare se prezintă câteva tipuri de
clasificări ţinând seama de tipul utilizatorului, tipul de suport sau orientarea
sistemului.
Clasificarea output-urilor lui Alter ia în considerare măsura în care
output-urile sistemului pot determina sau influenţa decizia şi potrivit acestei
calsificari există şapte categorii de DSS. Primele două categorii sunt
orientate pe date realizând obţinerea şi analiza datelor. A treia lucrează atât
cu date cât şi cu modele, ultimele patru fiind orientate pe model şi ofera
posibilităţi de simulare, optimizare sau calcul care indică anumite
răspunsuri. Nu fiecare DSS se potriveşte exact într-o anumită clasificare.
Caracteristicile diferitelor clase de sisteme suport de decizie se văd
în tabelul 1.1/14/.
Clasificarea lui Holsapple şi Whinston /14/ împarte DSS în şase
categorii.
DSS orientate pe text – informaţia este adeseori stocată în format
text şi trebuie să fie accesată de cel care ia deciziile. Permite documentelor
să fi create, modificate şi vizualizate automat.
DSS orientate pe baze de date – în acest tip de DSS baza de date are
un rol major în structura sistemului. Datele sunt organizate într-un format
structurat (relaţional sau orientat obiect). Au capacitaţi puternice de a realiza
rapoarte şi interogări în timp scurt.
DSS orientate pe foi de calcul (spread sheet)
O foaie de calcul este un limbaj de modelare care permite utilizatorului
să scrie modele pentru a realiza analiza DSS. Acestea modifică, crează şi
vizualizează cunoştinţele procedurale şi intruieşte sistemul să execute
instrucţiuni pe care le conţine. Cele mai uzuale foi de calcul utilizate pentru
realizarea DSS sunt Microsoft Excel, Lotus 1-2-3 la IBM, Quattro la Corel şi
pot utiliza limbajul de manipulare a datelor. Unele utilitare includ analiza
What-If şi analiza obiectivelor (Goal Seek). Un DSS orientat pe foaie de calcul
este o particularizare a unui DSS orientat pe solver.
DSS orientat pe rezolvatorul de probleme – solver. Solver-ul este un
algoritm sau o procedura realizată pentru a rezolva un anumit tip de
problemă. Exemplu de solver poate fi o procedura pentru calculul comenzii
optime sau o funcţie de regresie liniară pentru calculul tendinţei. Un solver
poate fi implementat într-un program sub forma de funcţii (Excel, Lotus
1-2-3 şi Quattropro) sau pot fi scrise în limbaje de programare şi apelate sub

formă add-in tool. Solverele mai complicate precum programarea liniara
folosite pentru optimizare pot fi cumpărate şi încorporate într-un DSS.
Un DSS orientat pe solver poate fi flexibil permiţând solver-urilor să fie
modificate, adaugate sau şterse în funcţie de necesităţile utilizatorului.
DSS orientat pe reguli numit şi DSS bazat pe cunoştinţe.
Componenta de cunoştinţe a unui astfel de DSS cuprinde atât reguli
procedurale cât şi inferenţiale, de cele mai multe ori incorporate într-un
sistem expert. Aceste reguli pot fi cantitative sau calitative. El poate include
şi elemente de inteligenţă artificială, care implementează capacităţile de
prelucrare a acestor cunoştinţe. Cunoştinţele de raţionament pot fi utilizate
în prelucrarea inteligentă a mesajelor de tip neprocedural sau în alegerea şi
evaluarea soluţiei precum şi în modul de înlănţuire a algoritmilor, dacă se
utilizează un DSS de tip dispecer.
DSS compuse reprezintă un sistem hibrid care include două sau mai
multe structuri de baze de date. DSS compuse pot fi create utilizând un set
de DSS-uri independente fiecare fiind specializat într-un anumit domeniu,
bazate pe text sau pe solver. DSS-ul compus poate fi format şi dintr-un
singur DSS integrat. În acest din urmă caz există un program numit asistent
decizional care poate prelucra mai multe tipuri de cunoştinţe. Integrarea
între instrumentele informatice ale DSS-urilor se poate face în mai multe
moduri şi anume:
- prin conversia cunoştinţelor de la un DSS la altul realizată de o
componentă soft specializată asemănătoare unui utilitar;
- printr-o memorie de tip clipboard care utilizând o memorie
intermediară realizează întâi o conversie către aceasta şi apoi o a
doua conversie către modulul receptor în formatul acestuia;
- prin utilizarea unor platforme comune care evită multitudinea de
conversii, dar care necesită o uniformizare a reprezentării şi
orgarnizării cunoştinţelor. În acest mod se evită apariţia unor
probleme privind inconsistenţa cunoştinţelor dar scade asfel
viteza de prelucrare datorită existenţei depozitului unic.
Integrarea în cadrul aceluiaşi instrument informatic se poate face
asfel:
- prin încuibare (nesting) caz în care formatul programului gazdă
este utilizat pentru reprezentarea şi organizarea cunoştinţelor din
modulele software individuale. Se elimină asfel transferurile
cunoştinţelor dar pentru orice cerere se apelează întâi la
programul gazdă;
- prin integrare sinergetică caz în care se pot prelucra elemente de

cunoştinţe reprezentate în formate diferite la o solicitarea din
partea unui utilizator. Ea se deosebeşte de soluţia confederativă ce
are un format comun şi mai multe module DSS.
Alte clasificări reprezentative împart DSS în instituţional şi ad-hoc.
DSS instituţionale tratează deciziile de natura recurentă. Un exemplu
este sistemul de management al portofoliului (PMS) care a fost utilizat de
câteva bănci mari, pentru a susţine deciziile de investiţii.
DSS ad-hoc trateaza probleme specifice care nu pot fi anticipate şi
nu pot fi nici recurente. Deciziile ad-hoc de cele mai multe ori implică
noţiuni de planificare strategică şi câteodata probleme de control al
managementului. Posibilitatea ca un DSS să fie utilizat o singura dată sau de
două ori este o problemă majoră în dezvoltarea DSS.
Observaţii
DSS poate fi orientat către un utilizator individual, către un grup de
decidenţi implicaţi în acţiuni separate dar interdependente, sau către întrega
organizaţie. Termenul „suport de grup“ nu trebuie confundat cu conceptul
de DSS de grup. În suportul de grup deciziile sunt luate de presoane ale
căror sarcini sunt interdependente, şi trebuie să se verifice impactul
deciziilor fiecărui membru asupra celorlalţi, dar nu este necesar să se ia
decizii în grup. În DSS-urile de grup fiecare decizie este luată de grup.
Multe DSS sunt proiectate special pentru utilizatori individuali şi
organizaţii, iar altele se proiectează cu caracter general, şi pot fi utilizate cu
mici modificari în mai multe organizaţii, ele sunt denumite DSS standard
(ready made).
DSS şi conectarea WEB au în vedere dezvoltarea DSS-ului şi
utilizarea acestuia folosind tehnologia Web (internet, extranet, intranet) şi a
instrumentelor softwere precum ERP, SCM. DSS utilizat în conexiunea cu
WEB-ul permite:
- activarea unor aplicaţii DSS deja existente (pe alte date);
- utilizarea on-line a unor informaţii ajutătoare (helpuri);
- comunicare mai bună între utilizatori privind interpretara
rezultatelor;
- colaborare cu alţi utilizatori la implementarea soluţiilor generate
de modelele DSS.
Caracteristicile tipurilor de clase de DSS (sursa Turban /14/)

Tabelul 1.1
Orienta Tipuri Tipuri Tipuri de Structura
Categorie Utilizator
re de operare de sarcini utilizare timpului
- Personal
Sisteme Mijloace de
nemana- Interogări
de proiectare accesare datelor Operaţional
gerial simple Neregulat
a fişierelor -analiza
Date - Analist, Manipularea Neregulat
Sisteme ad-hoc a Operaţional,
personal şi afişarea sau periodic
de analiza fişierelor şi analiză
manage- datelor
a datelor de date
rial
Programarea
Analiza ad-hoc rapoartelor
Date Sisteme
ce implica mai Analiza, speciale, Neregulat,
sau de analiza Analist
multe baze de planificare construirea la cerere
modele informaţională
date şi modele de mici
modele
Introduce
Calcule
estimarea
standard care
activitaţilor
estimează Planificare, Analist Periodic
- Modele primeşte
rezultate elaborarea sau (saptămânal,
de contabilitate rezultatele
viitoare pe baza bugetelor manager lunar, etc.)
finanicare
definiţiilor
estimate ca
contabile
output
Introduce
posibilităţi
de decizie;
primeşte re- Periodic
- Modele - Estimarea
Planificare, zultate esti- sau
de reprezentare consecinţelor
elaborarea Analist mate ca o neregulat
(reprezentational acţiunilor
bugetelor introduce (analiza
models) particulare
obiective şi ad-hoc)
Modele restricţii;
primeşte
răspuns
Introduce o
descriere
- Calculul
structurată
soluţiei optime Periodic sau
Planificare, a situaţiilor
- Modele pentru neregulat
alocarea Analist decizionale;
de optimizare probleme (analiza
resurselor primeşte ca
combinato- ad-hoc)
output o
riale
decizie
sugerată.
- Elaborarea
- Modele
de calcule care Personal
de sugestie Zilnic
sugerează Operaţional nemana-
(sugestion sau periodic
alegerea unei gerial
models)
decizii
1.4 Sisteme suport de decizii pentru unităţi economice
În condiţiile actuale ale globalizării când execuţia diferitelor

componente ale unui produs este realizată de sucursale sau chiar de diverşi
producători, aflaţi în zone geografice diferite pe glob, când concurenţa a
devenit atât de acerbă, şi cerinţele clienţilor atât de diversificate şi
schimbătoare este necesar asistarea procesului decizional a organizaţiilor
economice, cu sisteme suport de decizii bazate pe tehnică de calcul modernă
(atât ca hard cât şi ca soft) şi pe cele mai noi metode ştinţifice pentru
furnizare de informaţii şi cunoştinţe relevante, în timp util, care să rezolve
problemele sistemului economic. Vom face o scurtă trecere în revistă a unor
asfel de sisteme orientate către organizaţie (întreprindere, firmă).
Sistemele informatice executive (EIS) sunt cunoscute ca sisteme
suport de decizii pentru executiv şi reprezintă un sistem bazat pe calculator
ce furnizează informaţii executivului de pe nivelele ierarhice superioare ale
sistemului economic.
Ele au următoarele caracteristici:
 asigură un acces rapid la informaţii cu un cost scăzut;
 realizează sinteze asupra informaţiilor;
 sunt dotate cu mijloace de vizualizare grafică moderne;
 permit conectatarea la internet, intranet, extranet;
 asigură un acces multiplu (din mai multe locuri);
 includ elemene prietenoase şi pertinente de comunicare, analiză;
 întăresc puterea de comunicare şi control;
 nu includ rezolvatoare de probleme, modele şi nu sunt adaptive.
Aceste capacităţi pe care le deţin EIS permit factorilor decizie de la
vârful organizaţiei să-şi îmbunătăţească eficienţa, să descopere mai uşor
tendinţele pe baza analizei datelor istorice, să-şi consolideze şi sporească
modelele mentale de decizie.
Sisteme suport ale întreprinderii (EES) sunt destinate pentru a
sprijini procesul decizional al factorilor executivi de pe nivelele superioare
precum şi intermediare de decizie din cadrul întreprinderii. Ele au
următoarele caracteristici:
 sunt destinate pentu deservi mai mulţi utilizatori;
 permit forarea adâncă (drill-down) în bazele de date, ceea ce
permite executivului de a obţine informaţii detaliate pentru o
analiză şi prezentare multidimensională;
 se poat integra cu produse DDS printr-o interfaţă corespunzătoare;

 pot utiliza capacitatea de analiză a agenţilor inteligenţi când apar
semnale de alertă, deviaţii semnificative de la standardele
stabilite, navigări prin date;
 pot utiliza abordări ale managementului prin excepţie;
 înglobează softuri informatice pentru predicţii, ordonanţări,
interpretări;
 pot utiliza funcţii analitice incorprate în el.
DSS-ul organizaţional (ODSS) este o tehnologie care permite
abordarea intr-o maniera ierarhică a unei organizaţii, este bazat pe calculator
şi pe tehnologia de comunicare, permiţând coordonarea şi disiminarea
deciziilor. ODSS este utilizat de indivizi, de grupuri şi operează într-un
mediu distribuit. El se poate integra cu sistemul GSS şi EIS:
Sistemul de decizii bazat pe lanţul de furnizare şi de valoare
dintr-o întreprindere.
Lanţul de furnizare se referă la fluxul de materiale dar şi la fluxul
financiar, de informaţii şi de servicii dintr-un sistem economic productiv, de
la materiile prime ale furnizorilor trecând prin fazele de fabricaţie şi
depozite până la utilizator.
Un asfel de lanţ implică prelucrarea materialelor, producţia,
planificarea, controlul logistic şi depozitarea stocurilor, distribuţia şi
livrarea. Lanţul de furnizare include trei componente importante şi anume:
- lanţul de furnizare ce se gaseşte în fluxul superior;
- lanţul de furnizare referitor la fluxul intern ce cuprinde procesul
de transformare input-output (I-O) de la materii prime la produsul
finit;
- lanţul de furnizare referitor la fluxul inferior ce cuprinde procesul
de livrare către utilizatori.
De-a lungul acestui lanţ se iau decizii de planificare organizare şi
coordonare, iar componenta informatică include softuri referitoare la
ordonanţare, managementul stocurilor, al achiziţiilor. Integrarea pe verticală
poate constitui uneori o soluţie.
Lanţul de valori este un concept care încearcă să maximizeze
valoarea adăugată când are loc mişcarea în lanţul de furnizare şi pentru
realizarea acestui deziderat este necesar de a lua decizii adecvate şi de a face
evaluări printr-un proces recursiv.
Într-un astfel de lanţ pot apare probleme legate de incertitudinile
privind previziunea cererilor precum şi cele legate de momentele de livrare.
Pentru funcţionarea eficientă a unor asfel de lanţuri este necesară

integrarea intreprinderii cu portalul de comunicare, colaborare, acces şi
disiminare a informaţiilor care se găsesc pe intranet, extranet, internet.
Planificarea resurselor întreprinderii (ERP) este un sistem suport
de decizii care are în vedere integrarea funcţiilor întreprinderii într-o
abordare sistemică.
ERP realizează o singură interfaţă pentru toate activităţile de
producţie de la ordinele de comandă la cele de vânzare, realizând o
armonizare a obiectivelor diferitelor subsisteme ce realizează aceste funcţii
cu obiectivele globale ale întrepinderii. El trebuie să răspundă în timp util
dar şi eficient la cererile factorilor de decizie aflaţi pe diferitele nivele
ierarhice ale întrepinderii.
Planificare avansată şi ordonanţare ASP (Advanced Planning and
Scheduling) sunt sisteme suport de decizii orientate care se ocupă de
optimizarea proceselor de producţie.
Sisteme suport de decizii frontale (FDSS) sunt acele sisteme de
interfaţă care maximizează vânzările întreprinderii şi minimizeză costurile
clienţilor.
Realizarea deciziilor frontale este un proces prin care companiile îşi
automatizează deciziile la vârful organizaţiei şi le trimit apoi în cadrul
organizaţiilor printr-un proces de disiminare (drill-down) precum şi la
partenerii de pe acelaşi nivel de decizie sau superior (drop-up exemplu spre
alte filiale sau la centru). Sistemul deciziilor frontale este destinat
utilizatorilor din sistemul de afaceri dar şi managerilor de linie, de vânzări
sau celor din interiorul organizaţiei care deţin funcţii executive pe diferitele
nivele ierarhice.
Sistemul deciziilor frontale este un sistem interactiv care poate
furniza utilizatorilor:
- cele mai bune întrebări ajutătoare şi răspunsuri;
- locaţiile unde se găsesc datele, informaţiile şi cunoştinţele necesare;
- măsuri de evaluare a performanţelor;
- capacitatea de transformare a cererilor descriptive (sub formă de
date) în obiective;
- sugerează acţiuni ce pot îmbunătăţi performanţele organizaţiei;
- automatizează şi facilitează deciziile în locurile în care utilizatorul
are interfaţă de comunicare cu organizaţia.
Software pentru sistemele de decizii frontline a apărut pe piaţă în
1999 şi acestea pot rezolva de obicei probleme standard (el include reguli,
algoritmi, sisteme inteligente etc.). Acest soft trebuie să lucreze în concordanţă
cu sistemele tranzacţionale, operaţionale existente ale organizaţiei.
Tendinţe ale dezvoltării ale sistemelor suport de decizii

pentru executive (EIS) şi pentru întreprinderi (EES)
Sistemele suport de decizii destinate executivului de la vârful

companiilor sau pentru factorii decidenţi aflaţi pe diferitele nivele ierahice ale
întreprinderii, trebuie să fie capabile de a răspunde în timp real sau util, la
întrebările care i se se pun, necesitând pentru realizarea acestui deziderat
efectuarea unor căutări, calcule şi analize complexe. Din acest motiv
sistemele EIS, ESS trebuie să aibă capacitatea de a se integra cu depozitele de
date, cu bazele de date multidimensionale (folosind în acest scop sistemul
OLAP ce realizează accesul prelucrarea şi vizualizarea în perspective
multidimensionale), precum şi cu sistemul ODSS care furnizează instrumente
analitice pentru găsirea soluţiilor. Dar uneori nici această integrare nu poate
contribui la furnizarea informaţiilor în timp util şi de acea se apelează la
agenţi inteligenţi (programe sofware inteligente de căutare şi selectare).
Factorii decizionali de la vârful organizaţiei pe care o conduc au
nevoie de instrumente ESS prietenoase, uşor de manipulat, de învăţat şi de
navigat şi în acest sens utilizarea inteligenţei artificiale, a sistemelor expert în
simbioză cu acceste sisteme de decizii constitue o opţiune utilă şi avantajoasă.
Având în vedere stilurile de management diferite ale executivului de
la cel mai înalt nivel în diferitele organizaţii este dificil de a crea un suport
de decizii cu caracter general care să satisfacă toţi utilizatorii.
ESS trebuie să aibă facilităţi de comunicare bune pentru toţi
membrii executivului de aceea utilizarea vizualizării în planuri cu mai multe
dimensiuni este necesară.
În viitor este necesar conectarea acestor sisteme de decizii din
întrepinderi prin sisteme de reţele, la alte sisteme software similare din alte
întrepinderi şi acesta într-un timp foarte scurt, cu capacităţi sporite de
comunicare şi schimb de informaţii.
Accesarea acestor sisteme suport de decizii pentru întreprinderi şi
pentru facorii executivi de pe cel mai înalt nivel ale companiilor prin telefon
şi mijloace de comunicare fără fir constitue o cerinţă importantă ce va fi
rezolvată în viitor.
Prezentăm în continuare câteva instrumente ce vor schimba atât ca
concepţie, stuctură şi utilizare sistemele EES şi EIS /14/.
 Existenţa unui set de instrumente (toolbox) care să configureze
sistemele de decizii pentru diverşi utilizatori care să conţină
obiecte grafice şi analitice.
 Suporturi multimedia şi reţele cuplate la PC-uri cu mijloace de
vizualizare şi comunicare audio.
 Imagini tridimensionale şi virtuale utilizate în evaluare şi

vizualizarea informaţiilor utilizate în luarea decizilor.
 Sisteme suport care să integreze modul de lucrul cu WEB.
 Sisteme inteligente de asistare a decizilor ce includ sisteme
expert, siteme de inteligenţă artificială, comunităţi de agenţi
inteligenţi.
 Integrarea EIS cu sistemele de decizii de grup.
 Sisteme suport globale de decizii, care să includă experienţa altor
organizaţii în timp real.
 Integrarea sistemelor de management strategice SAP şi de
planificare a resurselor ERP în sistemele de decizii EIS şi EES
pentru a le spori eficienţa şi eficacitatea.
1.5 Exemplu
Planificarea srategică nu este o situaţie decizională structurată şi deci
se pretează a fi rezolvată cu ajutorul DSS-urlor. Considerăm o companie de
automobile ce produce mai multe modele de maşini în diferite filiale de
producţie situate în mai multe ţări ale lumii. Compania trebuie să elaboreze
strategii pe termen lung şi scurt pentru a face faţă concurenţei, fluctuaţilor de
preţuri semnificative de pe piaţa petrolului, precum şi cererilor atât de
diversificate şi variabile ale clienţilor. În acest scop compania a folosit un DSS
alcătuit din date şi modele. Subsistemul de date este alcătuit din date externe
referitoare la pieţele de desfacere, furnizori, firme concurente, tendinţe de
evoluţie a modelelor de automobile precum şi ale preţurilor la carburanţi , date
interne (referitoare la tehnologilor de fabricaţie, stocurile de materiale şi
componente, utilajele de producţie, date despre personal, contracte existente)
precumşi date cu caracter personal ale companiei (politici viitoare ale
executivului, preferinţe ale decidenţilor din bordul de conducere).
Sistemul de modele cuprinde modele de prognoză, de analiză
financiară, de proiectare de noi modele şi linii de asamblare, de stocuri, de
planificare a producţiei.
Exemplul prezentat anterior ilustreaza caracterul multilateral al
DSS-urilor. În particular reprezintă un sistem suport de decizii cu
urmatoarele caracteristici:
 sprijină, ajută întreaga organizaţie;
 sprijină mai multe decizii interdependente;
 este folosit constant;
 are două mari componente: date şi modele;
 utilizeaza un model de asembly- line;

 foloseşte atât date interne cât şi date externe;
 are capacitate de analiza WHAT-IF (ce se întâplă dacă);
 foloseşte câteva modele cantitative.
Suportul pentru decizii poate avea diferite configuraţii. Aceste
configuraţii depind de natura deciziilor manageriale şi de specificul
tehnologiilor folosite în fiecare situaţie în parte. Tehnologiile sunt construite
plecând de la patru componente de baza: date, modele, cunoştinţe şi
interfaţa cu utilizatorul. Fiecare din aceste componente poate fi realizată
utilizând un soft specific.
În figura 1.8 se poate urmări configuraţia unui astfel de DSS.
Date interne
Date externe Date cu caracter personal
Tehnologii de fabricaţie
Pieţe de desfacere Starea utilajelor Politici şi strategii viitoare
Furnizori Contracte existente ale executivului
Firme concurente Date despre personal Preferinţele decidenţilor
Tendinţe Stocuri
Colectarea, filtrarea Modele de prognoză

şi agregarea datelor a evoluţiei pieţelor
Modele de analiză
Baza de date DSS financiară
Baza
de modele
Depozit DSS
Modele pentru
planificarea producţiei
Sistem de gestiune Sistem de gestiune

a bazei de date a bazei de modele Modele de proiectare
a liniilor de asamblare
assembly
Sistemul de interfaţă
Modele de stocuri
Managerii subsistemelor
de pe diferite nivele ierarhice
Figura 1.8 Structura generală a unui DSS pentru o companie de automobile

1.6 Bibliografie
1. Aarts, E. Mazarno, S., The NewEeveryday View on Ambient

Intelligence. Publischers Rotterdam, 2003.
2. Alter, S. Decision Support Systems: Current Practice and Continuing
Challanges, Reading, MA: Addison-Wesley 1980.
3. Bonczek, R. H., Holsapple, C. W., Whinston, A. B., Futures
Directions in Developing Decision Support Systems. Decision Science,
vol. 11, nr. 2, 1980.
4. Filip, F. G., Sisteme suport pentru decizii. Editura Tehnică, Bucureşti
2007.
5. Keen, P. G., Adaptive Design for Decision Support Systems: An
Organizational Perspective, Reading, M. A Adidison-Wesley, 1980.
6. Lieberman, H., Introduction to Intelligent Interface, http://media.
mit.edu-lieber/Int-Int/Int-Int-Intro.htlm, consultat pe 1.10.2008.
7. Little, J. D. C., Models and Managers, The Concept of Decision
Calculus, Management Science, vol. 16, nr. 8, 1970.
8. Miller, M. L., MIS Cases, 3rd edition. Upper Saddle River, NJ,
Prentice Hall, 2005.
9. Moore, J., Chang, M. G., Design of Decision Support Systems. Data
Base, vol. 12, nr. 1, 1980.
10. Nakatsu, R. T., Explantory Power of Intelligent Systems. In
Proceedings of IFIP TC8WG. 8.3 International Conference Decision
Support in a Uncertain World, 2004 consultat pe 10.10.2008 adresa
htpp://dsslab.infotech.monash.edu.au/dss2004/proceedings/pdf/56
Nakatsu.pdf.
11. Păun, M., Hartulari, C., Analiza, diagnoza şi evaluarea sistemelor din
economie, Editura ASE, Bucureşti, 2004.
12. Scott Morton M. S., Expert Decision Support Systems Paper presented
at special DSS Conference, New York, 1984.
13. Silver, B., Content: The Other Half of the Integration Problem.
Intelligent Enterprise, vol. 8, nr. 10, 2005
14. Turban, E., Aronson, J. E., Ting-PenG Liang, Sharada, R., Decision
Support and Buisiness Intelligence Systems 2007 eighth edition,
Prentice Hall International, Inc., 2007, 2005, 2001.
15. Zaharia, D., Albescu, Sisteme informatice pentru asistarea deciziei.

Editura Dual Tech, Bucureşti, 2001.
16. DSS.IBM.Websphere Portal Correlate Tehnologies adresa
www-306.ibm.com/software/info1/websphere/correlate.com/wps/image.asp
17. tetradatastudentnetwork.com
Managementul datelor
Depozitarea, accesarea, regăsirea, analiza şi
vizualizarea datelor
Cuprins
2.1 Stocarea, accesarea, analiza şi vizualizarea datelor;

2.2 Tipurei de date şi caracteriticile acestora
2.3 Procesul de colectarea datelor şi elemente de calitate;
2.4 Structura şi organizarea bazelor de date;
2.5 Depozite de date;
2.6 Procesarea analitica on-line: accesarea, exploatarea, cercetarea şi
analiza datelor sistemul OLAP;
2.7 Microsoft SQL Server
2.8 Vizualizarea datelor şi multidimensionalitatea;
2.9 Studiu de caz.
2.
Managementul datelor
Depozitarea, accesarea, regăsirea, analiza şi
vizualizarea datelor
În condiţiile actuale ale dezvoltării din ce în ce mai rapide a

proceselor industriale, a creşterii complexităţii proceselor economice, a
existenţei unui număr tot mai mare de informaţii despre aceste procese se
impune exisitenţa unui sistem eficient care să realizeze managementul
acestor date.
Managementul datelor implică stocarea acestor date ( ce există într-
un volum foarte mare de ordinul milioanelor de înregitrări pentu o
companie), accesarea lor în timp util, asfel încât să fie de folos factorilor de
decizie de pe diferitele nivele ierarhice ale companiei, analizarea şi
vizualizarea lor funcţie de obiectivele fiecărui factor decident şi într-o
manieră care să satisfacă mobilitatea obiectivelor, condiţionată de mediul
dinamic şi incert în care compania işi desfăşoară activitatea.
Efectul de globalizare îşi pune şi el amprenta asupra
managementului datelor în sensul existenţei unei intercolerări între datele
diferitelor companii utilizate în procesul de luare al deciziilor. O soluţie la
această problemă se regăseste în conceptul de depozitare a datelor, de
accesare şi regăsire a lor, de procesare analitică on-line, de vizualizare
multidimensională.
2.1 Stocarea, accesarea, analiza şi vizualizarea datelor
Unităţile economice mari utilizează o baza de date centralizată

pentru susţinerea procesului decizional. Bazele de date centralizate
colectează date din surse diferite şi le organizează astfel încât acestea devin
uşor de accesat prin intermediul aplicaţiilor DSS şi EIS şi cu eficienţă
sporită.
De menţionat că în condiţiile creşterii numărului de utilizatori la
aceste date, a suprancărcării cu informaţii a unităţilor economice, a
necesităţii regăsirii rapide a datelor este necesară depozitarea, procesarea
analitică on-line, vizualizarea lor. Relaţiile dintre acestea sunt evidenţiate în

figura 2.1.
Utilizatorii finali accesează bazele de date folosind diferite
instrumente selectate în funcţie de motivul accesării. De exemplu, în DSS
pot fi utilizate instrumente de documentare sau mascare; în EIS pot fi
utilizate instrumente de monitorizare sau exploatare a datelor. Datele
accesate trebuiesc analizate şi prezentate utilizatorilor folosind instrumente
prietenoase pentru vizualizare şi prezentare multidimensională.
Comunicarea
de afaceri
Documentar
ea
Surse de date Realizarea

rapoartelor
Surse
Achiziţionar Calcul
interne Prezentarea şi
ea, tabelar,
Depozitar vizualizarea
extragerea, estimare,
ea datelor datelor
Surse livrarea, analiza,
externe transformare modelare
a datelor
Multimedia
EIS, altele
Fig. 2.1 Procesare analitică on-line a datelor
2.2 Tipuri de date şi caracteriticile acestora
Sistemele suport de decizie folosesc trei categorii de date, date

propriu-zise, informaţii şi cunoştinte.
Datele propriu- zise referitoare la evenimente, activităţi şi tranzacţii
dintr-un sistem sunt înregistrate, clasificate şi stocate, dar nu sunt
organizate pentru a comunica o anumită idee. Datele pot fi numerice,
alfanumerice, cifre, sunete sau imagini.
Informţiile sunt date organizate astfel încât să aibă un înţeles pentru
destinatar, acesta din urmă poate interpreta informaţiile, stabili noi
conexiuni şi emite concluzii.
Cunoştinţele reprezintă date sau informaţii organizate şi prelucrate
astfel încât să fie capabile să comunice înţelesuri, experienţă şi să
stabilească noi înţelesuri pe baza unui proces de autoînvăţare pentru a fi
apoi utilizate într-o problemă decizională curentă sau viitoare.
Bazele de date DSS precum depozitele de date pot include aceste trei
categorii mai sus menţionate. Datele DSS pot cuprine documente, imagini,
sunete şi animaţii. Datele pot fi primare, brute sau prelucrate şi provin din
surse interne, externe şi personale.
Datele interne sunt stocate în locaţii diferite şi se referă la factorul
uman, produse, servicii sau procese. Aceste date provin din sursele interne
ale sistemului economic sau de pe INTRANET.
Datelele externe acopera arii diferite, de la baze de date comerciale
până la date colectate cu ajutorul senzorilor sau sateliţilor şi sunt
disponibile utilizatorului pe CD-ROM, sticker, internet. Adeseori ele sunt
irelevante pentru anumiţi utilizatori dar pentru alţii nu, de aceea pentru a
evita apariţia unor omisiuni este necesară stocarea tuturor datelor.
Datele personale şi cunoştinţele vizează stocarea experienţei şi
cunoştinţelor factorilor decidenţi de pe diferite trepte ierahice ale sistemului
analizat pentru reutilizări viitoare.
2.3 Procesul de colectare a datelor şi calitatea acestora
Nevoia de a extrage date din multe surse interne şi externe complică

sarcina de proiectare şi realizare a unui DSS.
De subliniat că datele trebuiesc colectate în punctele cu entropie

minimă pentru a păstra acurateţea şi calitatea lor. Culegerea datelor trebuie
să aibă în vedere şi momentele de timp de culegere a acestora, astfel încât
ele să reflecte stările semnificative din sistem. Este util de a obţine
date, robuste şi precise care să facă faţă unor probleme slab structurate şi
unor medii cu perturbaţii puternice şi acest lucru este posibil prin utilizarea
unor tehnologii corespunzătoare care să asigura utilizarea lor eficientă în
DSS.
Pot apare o serie de probleme legate de:
- corectitudinea datelor (prin introducerea incorectă sau slaba
colectare a datelor şi care poate fi evitată prin utilizarea unor teste care să
verifice domeniul căruia îi aparţin, valoarea, limitele) ;
- actualitatea datelor ( datorită neactualizării lor la timp şi
fenomenul se evită prin modificarea sistemului de generare a lor);
- omisiunea datelor (fapt datorat unei analize ineficiente şi
incomplete şi poate fi evitată prin luara în considerare a tuturor obiectivelor
prezente dar şi viitoare);
- măsurarea sau indexarea neadecvată (cauzată de o logică greşită
de culegere atât ca timp cât şi ca loc, de frecvenţa culegerii sau de un grad
prea mare de detaliere şi toate acestea se evită prin introducerea unui nou
sistem de măsurare şi de indexare);
- relevanţă datelor (datorită unei corelări ineficiente între obectivele
reale şi cele luate în considerare fapt ce poate fi evitat ţînând seama de
dinamicitatea sistemului analizat şi a mediului său);
- coerenţa datelor (fenomen ce se evită prin utilizarea unor teste
statistice);
- integritatea datelor (de a nu apărea conflicte între acelaşi date
stocate în locuri diferite, se evită prin utilizarea unui sistem de securizare
eficient a datelor);
- volumul mare de date (cauzat de complexitatea sistemului,
problemele ce apar se pot evita prin multidimensionalitate şi tehnici de data
mining) ;
- pierderea de informaţii prin agregare ( se evită prin utilizarea
unor tehnici de analiză a datelor).
- accesibilitatea calităţii datelor (se realizează prin securizare şi
tehnici de acces)
Calitatea datelor este o problemă importantă şi pentru a realiza
acest deziderat trebuie să se aibe în vedere următoarele aspecte :
- contextul calităţii datelor (relevanţa, valoarea, completitudinea,
mărimea, de valabilitatea în timp) ;
- intrinsecul calităţii datelor ( acurateţe, obiectivitate, credibilitate,

reputaţie) ;
- reprezentarea datelor pentru a fi prezentate cât mai concis, uşor
de înţeles şi de interpertat.
De menţionat că tipul aplicaţiei este acela care determină precizia
măsurătorilor şi gradul de calitate al datelor.
Gray şi Watson /7 / arată că pentru a obţine o bună calitate trebuie să se
verifice :
- uniformitatea datelor ;
- versiunea (transformarea datelor prin utilizarea metadatelor să
asigure conţinutul original al datelor);
- completitudinea datelor mai ales atunci când se fac agregări ale
acestora ;
- conformitatea datelor care asigură că datele concise se găsesc în
domeniul corect ;
- genealogia datelor şi sondarea acestora pentru a stabili traseul lor
de la versiunea iniţială la cea actuală.
Datele externe pătrund în organizaţii din mai multe surse şi anume
prin intermediul internetul sau prin băncile comerciale de date care oferă
DSS-ului date de actualitate şi cu un cost rezonabil.
Servicii reprezentative ce furnizează astfel de date sunt :
CompuServe şi The Source – Reţele pentru P.C.-uri, ce oferă date
statistice (statistici de pe pieţele financiare şi de afaceri), precum şi date
bibliografice. (www.compuserve.co.uk)
CompuStat furnizează date statistice despre mai mult de 12000 de
corporaţii de la bănci, unităţi economice ş.a.m.d. până la agricultură.
(www.compusat.com)
Dow Jones Information Service furnizează date statistice despre
bursă şi alte pieţe financiare precum şi statistici financiare aprofundate
despre toate corporaţiile înregistrate la bursă.
Interactive Data Corporation – Distribuitor de date statistice ce
acoperă o gama largă de domenii precum agricultura, industria
automobilelor, sistemul bancar, mărfuri, populaţie, economie, energie,
finanţe, afaceri internaţionale şi asigurari. Principalii săi furnizori sunt
Chase Econometric Associates, Standards&Poor’s şi Value Line.
Lockheed Information Systems cel mai mare distribuitor de date
bibliografice. Datele provin de la firme de cercetare economică, asociaţii de
schimb şi instituţii guvernamentale.
Mead Data Control (www.mead.com) oferă informaţii şi rezumate

despre anumite cercetări şi articole din ziare, reviste, servicii de ştiri,
documente guvernamentale etc..
Colectarea datelor din mai multe surse externe, implică pentru
creşterea eficienţei folosirea unui manager al fluxului de date (DFM-data
flow manager), care adună informaţiile din surse externe şi le stochează
acolo unde este nevoie şi într-o formă utilă.
Managerul de flux de date (DFM ) reprezintă un sistem :
 de sprijin a procesului decizional;
 un procesor central pentru accesarea datelor ;
 un instument pentru menţinerea integrităţii datelor
 un procedeu de sortare a surselor de date externe.
Internetul şi sistemele de baze de date ale corporaţiilor permit
obţinerea unor informaţii utile pentru DSS. Avem astfel setul de programe
Pilot pentru sprijinirea procesului decizional combinat cu programul
InTouch/2000, Lotus Notes-Domino şi TCB Works. Alte instrumente oferă
caracteristici proprii browserelor web, şi permit crearea de prezentări
multimedia, biblioteci selectate în funcţie de obiect şi secvenţe OLAP.
Powersoft, Power Builder Windows sunt destinate clienţilor sau
serverelor Web.
Furnizorii de baze de date şi pagini Web includ Spider Technologies
(Palo Alto, CA), ce permit compararea alternativelor de-a lungul mai multor
axe, Hight Software (Raleigh, NC), Next Software Inc. (Redwood City,
CA), Oracle Corp. (Redwood Shores, CA) şi One Wave Inc. (Cambridge,
MA).
Este necesar să existe un sistem de administrare a bazelor de date,
care facilitează o mai bună integrare a datelor, o salvare şi modificare
rapidă, o securizare eficientă a datelor. Un sistem de administrare a
bazelor de date combinat cu un limbaj de reprezentare formează o pereche
tipică care este utilizată în construirea DSS.
Datele dintr-o baza de date sunt extrase şi prelucrate prin programe
statistice pentru o analiză mai aprofundată dar DSS-urile au incorporate în
ele aceasta operaţie.
Programele de calcul tabelar din DSS se ocupă de reprezentare,
efectuează calcule repetate cu variabile corelate şi includ funcţii matematice,
statistice, logice şi financiare extinse.
În aplicaţiile DSS este adesea necesar să se lucreze în acelaşi timp cu
date, reprezentări şi modele folosind în acest scop instrumente integrate,
interfeţe performante.
2.4 Tipuri de baze de date

O bază de date reprezintă o colecţie de date integrate, structurate şi
persistente care este partajată de mai multe aplicaţii sau utilizatori. În
proiectarea structurii bazei de date trebuie să se asigure o independenţă
logică (să nu depindă de particularităţile aplicaţiei) şi una fizică (să nu
depindă de modul de memorare a datelor).
Tipurile de baze de date se bazează pe structura acestora avem astfel
baze de date relaţionale, ierarhice, în reţea, orientate pe obiect, inteligente,
multimedia.
Baze de date relaţionale organizează datele sub forma unor colecţii
de tabele şi ele permit utilizatorului să vadă tabelele în doua dimensiuni şi să
facă o analiză a datelor prin accesări multiple în timp rapid. Într-o asfel de
bază de date fişierele sunt corelate prin existenţa unor câmpuri comune.
Utilizatorul poate uşor manipula, modifica aceasta bază şi o poate accesa
prin formate neanticipate la momentul proiectării sale iniţiale.
Baze de date ierarhice ordonează datele prin legături ierahice sub
formă de arbore sau o organigramă. Legăturile se fac de la nodul parinte
către nodurile fii. Uneori în aplicaţii această condiţie este prea restrictivă şi
pentru a emula faptul că aceiaşi înregistrare este necesară în mai multe
poziţii în baza de date, se introduc noduri virtual, ce conţin pointere către o
înregistrare fizică unică. Aceste BD sunt mai puţin flexibile.
Baze de date reţea permit legături mai complexe între oricare
pereche de noduri, conexiuni laterale între elementele asociate şi structura
este numită şi modelul CODASYL. Ea conduce la importante economii de
spaţiu de memorare.
Depozitele de date au conexiunile între date în formă de stea, de fulg
de nea sau de constelaţii( fig. 2.2, 2 :3, 2.4). Aceste conexiuni permit
agregări pe nivele superioare ale dimensiunilor iniţiale prin utilizarea datelor
din nomenclatoare.
Dimensiunea Dimensiunea
TIMP OPERAŢIE
Timp_ Tip
Ziu
id operaţie
aLun TRANZACŢII Denumire
Trimest
a
A
ru Dimensiunea
n Timp_
Operaţie_id
id LOCAŢIE
Dimensiunea
BENEFICIAR Locatia_id
Benef_id Locaţie_i
cantitate d
Oraş,
stradă,
Nr.
Beneficiar_i
d
Nume
Tip_benefici
ar
Fig 2.2 Schema stea a unui depozit de date
Dimensiunea Dimensiunea
TIMP OPERAŢIE
Timp_id Operaţie_id
Ziua TRANZACŢII Denumire
Luna
Trimestru BENEFICIAR
An
Timp_id
Operaţie_id Dimensiunea
Filiala_id LOCAŢIE
Dimensiunea Client_id
BENEFICIAR Cantitate transp Locaţie_id
Nume
Beneficiar_id Oraş, sector,
Nume
Tip_beneficiar MIJLOC strada, Nr.
DE
TRANSPO
Dimensiunea RT
OPERATOR Timp_id
Locaţia_id
Operator_id Operator_id
Nume Nr_curse
Data_incadrare Cant. transportată
Salariu
Fig.2.3 Schema constelaţie a unui depozit de date
Timp_ Opera e_i

Ziu
id Denumi
ţi d
aLun TRANZACŢII re
a BENEFICIAR
Trimest
A
ru
n Timp_
Operaţie
id
Timp_ Locatia_id
_id
Ziu
id Beneficiar_i
Sezo
a Cantitate
d Locatie_i
n transportata Num
d
e
FILIALA
Adresa
Beneficiar_
Num
id Oras,
e
Tip_benefici sector
ar strada,
Nr.
Tip
beneficiar
Ctg.
Beneficiar
Subctg.
Benef.
Fig. 2.4 Schema fulg de nea a unui depozit de date
Baze de date orientate pe obiect

Aplicaţiile complexe DSS includ prelucrarea computerizata integrată
(CIM – computer integrated manufacturing) ce necesită acces la date
complexe, care pot include imagini sau conexiuni complicate. Nici una din
arhitecturile bazelor de date (ierarhică, relaţională sau reţea) nu permit
manevrarea eficientă a acestora. Bazele de date orientate pe obiect permit
analiza datelor la un nivel conceptual care să pună în evidenţă relaţiile
naturale dintre obiecte, clasele de obiecte, ierarhia acestora. Ierarhia dintre
obiecte, incapsularea datelor cu prelucrarea permit o uşoară manevrare a
acestora, în scopuri multiple. (OODBMS), adresă ( businessobjects.com).
Baze de date multimedia
Aceste baze de date grupează datele într-o varietate de formate în
completarea textelor standard şi a câmpurilor numerice. Ele includ imagini,
video clipuri, sunete şi realitatea virtuală (imagini multidimensionale).
Sistemele Oracle, Informix şi Sybase stocheaza cantităţi importante

de date multimedia sub forma de obiecte binare mari (BLOBS – binary large
objects). Alte sisteme pot aministra multiple tipuri de date cum ar fi Oracle
8 şi Universal Server al Informix ce îşi înbogăţesc oferta de date.
Pentru aplicaţii ale bazelor de date multimedia şi demonstraţii
multimedia pe Internet există: Leisureplan Multimedia Travel Decision
System de Leisureplan International (http://www.leisureplan.com), Illustra
Information Technologies, Inc. (http://www.illustra.com ), Visual
Intelligence Corp. (http://www.illustra.com) şi ADB – Matisse
(http://www.adb.fr).
Baze de date inteligente (BI)
Aceste baze de date includ tehnologiile de inteligenţă artificială, a
sistemelor expert, a reţelelor neuronale, ce permit accesul şi manipularea
mai uşoară a bazelor de date complexe şi o eficientizare a managementului
lor. Ele utilizează limbaje naturale pentru regăsirea datelor şi includ un
optimizator al cererilor « query optimizer ». De exemplu, un optimizator de
cercetare ar constata că este mult mai eficient să transfere trei înregistrari
către un suport care păstrează 50000 de înregistări decât invers. Un asfel de
produs este INGRES Intelligent Database sau KEE Connection, care
transforma comenzile KEE în solicitări asupra bazelor de date şi urmăreşte
în mod automat transferul datelor între baza de cunoştinţe a KEE şi o bază
de date relaţională şi dispune de un optimizator inteligent care furnizeaza
cunoştinţele necesare “navigării” printre date. Sistemele integrate pot lucra
cu reprezentari simbolice de date. Baza de date inteligentă INGRES
lucrează cu date, cunoştinţe şi obiecte şi permite întelegerea unor informaţii
complexe, precum:
 Vineri + 1 (zi lucratoare) = Luni
 Acţiunile Microsoft cotate la bursă 155 5 / 8 .
Prin utilizarea optimizatorului inteligent şi a capacitaţilor sistemului
de administrare a bazelor de date (bazate pe obiecte), sistemul poate
determina modul cel mai rapid de a răspunde la o solicitare legata de bazele
de date. Sistemul este independent de formulare, răspunsul fiind furnizat
intr-un timp foarte scurt.
Exploatarea inteligentă a datelor include sisteme inteligente care
permit găsirea anumitor informaţii aflate în depozitele de date pe care
solicitările şi rapoartele nu le pot descoperi efectiv şi care sunt utile în
elaborarea strategiilor sistemului. Instrumentele de exploatare a datelor
identifică anumite şabloane pentru date şi deduc pe baza acestora o serie de
reguli, care pot fi utilizate în luarea decizilor şi în stabilirea efectelor
acestora ( asociere, secvenţe, clasificări, previziuni).
Principalele tipuri de instrumente utilizate în exploatarea inteligentă

datelor sunt:
 Argumentaţie bazată pe cazuri anterioare. Utilizând cazuri istorice,
argumentaţia bazată pe acestea poate fi folosită pentru recunoaşterea
anumitor modele (şabloane). Cazurile noi pot fi identificate rapid cu unul
din cele existente în depozitele de date, informaţiile fiind corecte în
proporţie de aproximativ 90%.
 Estimarea neuronală este un tip de abordare prin intermediul careia
datele istorice pot fi analizate în scopul gasirii unor modele, de exemplu se
pot identifica potenţialii clienţi ai unui nou produs sau realiza previziuni
privind evoluţia unor companii.
 Agentii inteligenţi permit găsirea informaţiilor în baze de date externe
într-un mod pertinent şi eficient.
 Alte instrumente includ arbori decizionali algoritmi genetici.
Baze de date bazate pe documente sunt folosite pentru propagarea
informaţiilor, stocarea şi administrarea formularelor contribuind la
automatizarea muncii.
2.5 Depozite de date
2.5.1 Caracteristici generale

O dată cu explozia informaţiilor şi a multitudinii de platforme
informatice existente pe piaţă, managerii din vârful organizaţiilor au simţit
nevoia de a accesa şi analiza informaţii şi cunoştinţe din alte sisteme ce fac
parte din mediul lor sau cu care acestea interacţionează pentru luarea unor
decizii eficiente. Îngroparea unor date potenţial utile în sistemele
informatice particulare ale diferitelor organizaţii şi cerinţa de a le acccesa în
timp util pentru luarea unor decizii eficiente la vârful organizaţiei a
determinat utilizarea unor noi concepte , metode şi instrumente aşa cum
este depozitul de date.
Un depozit de date este o colecţie de date orientate pe domenii şi
subiecte, care conţine date detaliate, agregate şi istorice, corelate în timp,
nonvolatile şi care are drept obiectiv furnizarea de informaţii precise şi în
timp util factorilor decidenţi de pe diferitele nivele ierarhice ale unui
sistem economic.
Nonvolatilitate înseamnă că se permit doar operaţiile de încărcare şi
accesul la date iar corelarea în timp semnifică că se păstrează toate datele
de-a lungul unei perioade de 5-10 ani iar cheia de acces conţine obligatoriu
elementul timp.
Depozitele de date pot stoca volume mari de date (1012 bytes) care
să fie utilizate ulterior, deci într-un asfel de sistem este necesară arhivarea
datelor.
Arhivarea datelor implică selectarea lor din diferite surse şi în
acest sens este necesar de a detecta datele de interes şi de a determina
modul de încărcare a lor ( de obicei pe loturi- batch). De asemenea procesul
de arhivare impune în prealabil conversia datelor din formatul original în
cel al depozitului.
Sistemul de arhivare facilitează reţinerea de date istorice despre un
eveniment, o acţiune, o entitate, o decizie şi realizeză apoi integrarea lor
într-o structură unică care să permită apoi factorilor decizionali să le
utilizeze pentru acţiuni viitoare (prognoze).
În acest sens este necesară o exploatare inteligentă a datelor care să
se acomodeze rapid la cererile şi tendiţele pieţii şi ale utilizatorilor cu un
cost scăzut şi cu creşterea profitului.
Este important să fie descoperite şi anticipate din timp locurile
înguste dintr-un sistem care crează probleme, să existe posibilitatea
remedierii lor şi realizării unor corelaţii între date şi a unor prognoze care să
permită luarea unor decizii mai eficiente.
Utilizarea unor motoare inteligente de căutare şi interogare şi a unor
instrumente moderne de analiză a datelor (precum sistemul OLAP)
contribuie la eficienţa utilizării depozitelor de date în procesul decizional.
Un depozit de date are în vedere separarea fizică a domeniului
operaţional de cel de suport de decizii. Scopul unui depozit să permită un
acces rapid la datele operaţionale necesare în aplicaţiile destinate procesului
decizional şi sistemelor de informare directă şi în acest scop el crează un
depozitar de date asemănător unui director de date.
Datele operaţionale detaliate trebuiesc corelate pentru a fi mai
uşor prelucrate în vederea furnizării de informaţii corecte, sintetice şi în
timp util managerilor în procesul de luarea a deciziilor.
Datele culese din diverse surse eterogene înainte de a fi stocate în
depozitele de date sunt supuse unui proces de selectare, filtrare, validare şi
transformare (serviciul DTS) care să asigure o calitate sporită a informaţiilor
furnizate pe baza acestor date.
Procesul de curăţire include pe lângă funcţiile de bază şi funcţia de
corectare a erorilor precum şi acea de completare a omisiunilor.
Validarea datelor se referă la uniformizarea unităţilor de măsură,
verificarea încadrării lor în categorii, grupe, clase, de exemplu conversia
unităţilor monetare etc.
Procesul de transformare a datelor implică operaţii de agregare şi

rezumare iar cel de conversie implică trecerea datelor de la formatul original
la cel al depozitului de date.
O data ce sunt stocate într-un depozit de date, datele sunt
transformate sau integrate într-o structură logică. Transformarea datelor
pregăteşte datele primare pentru analize complexe ulterioare.
Depozitele de date permit stocarea de metadate care pot include
date concise ce facilitează căutarea mai uşoară a unui index.
Metadatele conţin informaţii referitoare la :
- modul de structurare a datelor, originea lor, operaţii de agregare,
frecvenţa de modificare a metadatelor, proceduri de conversie ;
- istoricul extragerii datelor din sursele primare,
- descrierea tipurilor de acces permise şi definirea procedurilor de
calcul.
Metadatele pot fi de mai multe tipuri şi anume : sintactice,
structurate, semantice (descriu înţelesul datelor), pentru afaceri (bazate pe
potenţialul structurii datelor).
Metadatele sunt utilizate şi pentru a asista procesul de conversie a
datelor şi informaţiilor în cunoştinţe. Având în vedere procesul de evoluţie a
acestora Zaho /19 / descrie cinci trepte în evoluţia managementului
metadatelor şi anume: (1)adhoc, (2)cercetare, (3)dirijare, (4)optimizare,
(5)automatizare. Aceste trepte ne ajută să înţelegem căt de bine o
organizaţie îşi utilizează metadatele în procesul de management a datelor în
DSS.
Transferul informaţiilor DSS în afara calculatorului conferă
unei companii posibilitatea de a-si restructura strategia DSS. Companiile
pot crea un nou mod de producere şi aranjare a datelor din DSS. Ele au
astfel posibilitatea de a face datele cât mai uşor de prelucrat de orice
utilizator, în vederea luarii anumitor decizii.
Observaţie. Un depozit de date furnizează date deja transformate şi
sintetizate, creând astfel un mediu adecvat pentru o dezvoltare şi accesare
mai eficientă a aplicaţiilor DSS şi EIS.
Sinteza şi analiza datelor în depozite se realizează prin,
consolidarea, comasarea sistematizarea şi gruparea datelor în scopul
obţinerii unor informaţii pertinente care să ajute factorii de conducere în
luarea decizilor adecvate şi descoperirea cauzelor care afecteză
performanţele sistemului.
Proiectarea structurii unui depozit de date implică :
- achiziţionarea datelor şi pregătirea lor ;
- depozitarea lor adică popularea cu date a depozitului;
- exploatarea curentă a lui adică explorare, analiză, raportare

utilizând instrumente software de ultimă oră de la browsere la data mining şi
agenţi inteligenţi.
Exploatarea curentă a unui depozit de date conduce la noi cerinţe
informaţionale în procesul de asistare a deciziei ceea ce implică extinderea
structurii depozitului, popularea cu date istorice a extensiei şi integrarea
noilor date în aplicaţiile de analiză. În procesul de proiectare a organizării
datelor depozitului trebuie să se ţină seama de datele importante dar şi de
contextul acestora. Structura depozitului trebuie proiectată asfel încât să se
facă o identificare rapidă şi un acces uşor la date. Depozitele de date se
proiectează ţinând seama de cerinţele viitorilor utilizatori, iar cele
specializate se numesc pieţe de date (data marts).
Există mai muite tipuri de arhitecturi a depozitelor de date şi anume /16/ :
- cu pieţe de date independente (uşor de construit şi de oganizat) ;
- cu pieţe de date distribuite, federale ( necesită metadate centralizate,
reţele pentru conectare, o platformă unică pentru toate pieţele de date şi
se pretează mai ales pentru bussines) ;
- cu pieţe de date dependete arhitectură numită hube and spoke ce
permite o uşoară interacţiune a utilizatorilor prin utilizarea unei interfeţe,
ce conţine o platformă unică pentru toate pieţele de date, pretabile
pentru organizaţii mari, dar implică costuri ridicate) ;
- cu date centralizate, integrate cu acces direct. Se caracterizează prin
pieţe de date independente, un management simplu şi uşurinţă în
administrarea datelor. Se utilizează de întreprinderi în domeniul
afacerilor, necesită o conducere corporativă şi o viziune de perspectivă
asupra viitorului.
Există o serie de factori ce determină selectarea tipului de arhitectură
utilizat pentru depozitul de date şi anume /3 / :
- interdependenţa informaţiilor între organizaţii :
 - necesităţiile informaţionale ale factorilor decizionali din vârful
oranzaţiei ;
- natura utilizatorilor finali;
- restricţiile şi resursele existente ;
- compatibilitatea cu sistemele existente ;
- mijloacele tehnice disponibile ;
- perspectiva srategică a depozitului de date inainte de
implementare ;
- abilitatea personalului de IT ;
- urgenţa de a avea un un depozit de date implementat ;
- factorii sociali şi politici existenţi.
O altă problemă care trebuie avută în vedere la proiectarea unui

depozit de date de dimensiuni foarte mare este factorul de scalabilitate.
Acest factor are în vedere cât de repede va creşte depozitul de date, numărul
de utilizatori ce îl acced simultan precum şi complexitatea cererilor
utilizatorilor. Se impune existenţa unei scalări pe orizontală şi verticală.
Deasemenea construirea unor depozite de date în timp real (RDW)
cunoscute şi sub numele de depozite active (ADW) este o cerinţă de mare
importanţă ce permit luarea de decizii tactice şi operative şi nu doar
strategice.
Depozitul de date combina diferite surse de date într-o singura
resursă care să fie accesibila utilizatorilor. Redondanţa datelor este permisă
într-un depozit de date. Datele stocate în depozite de date se centralizează pe
mai multe nivele de agregare. Utilizatorii pot efectua cercetari ad-hoc, pot
analiza rapoarte şi pot vizualiza informaţia conţinută de depozitul respectiv.
Depozitarea datelor constă, de regulă, în combinarea unei varietăţi de
tehnogii într-o soluţie unică integrată.
Dacă ar fi să facem o comparaţie înre bazele de date şi depozitele de
date observăm că apar o serie de diferenţe. /18 /
1) În bazele de date se stochează date operaţionale ce suferă
shimbări (prin actualizare) şi care sunt apoi utilizate în diferite tranzacţii
(calcule). În depozitele de date datele detaliate, centralizate orientate pe
domenii şi subiecte de interes decizional nu se schimbă în timp ele reflectă
situaţii globale cu caracter istoric.
2) În bazele de date există un mare număr de utilzatori, de aceea
datelor trebuie să li se asigure un caracter de securitate, de integritate sporit.
În DSS-uri numărul de utilizatori este reprezentat mai ales de decidenţi care
sunt în număr mic iar problemele de securitate , siguranţă salvare şi
recuperare sunt mai relaxate
3) Prelucrarea datelor în sistemele tranzacţionale se face foarte rapid,
volumul de calcule fiind mare. În DSS se prelucrează un volum foare mare
de date aflate în zone dispersate, iar rezultatul acestor prelucrări este
necesar în procesul de luare al decizilor şi este ceva mai lent dar în timp util.
4) Bazele de date sunt proiectate pentru scopuri cunoscute în
prealabil, au un ciclu de viaţă mai lung iar adaptarea la schimbări necesită
reproiectare. DSS sunt proiectate într-o manieră incrementală, nu toate
cererile sunt cunoscute în momentul proiectări,i el trebuie să se adapteze în
timp noilor cerinţe.
5) Sistemele tranzacţionale urmăresc fluxul datelor din activitatea
curentă sunt orientate pe procese ( vânzări, achiziţii, plăţi, producţie etc.).
DSS este organizat şi gestionat având în vedere obiectivele analizei de
decizie orientată pe subiecte (client furnizor, resurse etc.)
6) Datele stocate în baze de date sunt gestionate ca un întreg, cele

din DSS sunt organizate pe subiecte şi gestionate pe secţiuni (data marts).
2.5.2 Componentele structura şi mediul de depozitare a datelor

în DSS
Depozitele de date apar în diferite forme şi mărimi cu unul sau mai multe
servere. Principalele componente ale unui DSS sunt :
 Baza de date fizica mare reprezentată de toate datele ce urmează a fi
stocate alături de metadate şi de logica de prelucrare necesară pentru
selecţionarea, organizarea, codarea şi procesarea datelor pentru utilizatorii
finali.
 Depozitul de date logice conţine toate metadatele, regulile şi logica de
procesare a metadatelor necesară pentru selecţionarea, organizarea, codarea
şi procesarea datelor. Ea conţine informaţiile necesare găsirii şi accesarii
datelor efective, oriunde ar fi localizate.
 Piaţa de date (data mart) este o colecţie de date specializată, ce
îndeplineşte rolul de depozit de date departamental, regional sau funcţional.
În procesul de stocare a datelor, organizaţia construieşte o serie de pieţe de
date, de-a lungul timpului, pe care le poate uni prin intermediul unei baze de
date logice raportată la întreaga organizaţie.
 Sisteme de sprijinire a procesului decizional şi un sistem de informare
actviă care nu sunt depozite de date, ci aplicaţii care utilizează depozitele de
date.
Proiectarea depozitului de date include următorii paşi :
1. Stabilirea obiectivelor de proiectare : domeniile, subiectele spre
care va fi orientat ;
2. Precizarea surselor interne- tranzacţionle, externe de culegere a
datelor ;
3. Identificarea instrumentelor pentru realizarea procesului de
curăţire, conversie, transformare, agregare, sintetizare a datelor ;
4. Stabilirea structurii depozitului şi a instrumentelor pentru
populare şi accesare ;
5. Precizarea modului în care se va face analiza şi vizualizarea
informaţiilor, mediu de dezvoltare de aplicaţii, produse specializate în
analiza datelor, aplicaţii dedicate
Pentru proiectarea structurii unui depozit de date se folosesc modele
de tip stea, conexiuni stelare sau fulg de nea, ce sunt modele conceptuale
multidimensionale. Aceste modele utilizează trei concepte importante şi

anume măsura dimensiunile şi faptele.
Dimensiunile privite în sensul de aspecte ale ale activităţii sunt
complet independente. Unităţle de măsura reprezintă expresia cantitativă
sau calitativă asupra datelor, iar contextul în care se desfăşoară aceste
activităţi este redat de fapte. Faptele au un tabel asociat care reprezintă
combinaţiile dimensiunilor şi măsurile pentru care se va realiza analiza.
Faptele conţin sub formă de coduri numerice cheile de legătură cu tabelele
de dimensiuni. O măsură cuprinde de obicei propietatea numerică a faptului
dar uneori şi o formulă ce reprezintă o funcţia de agregare sau un scenariu.
Măsurile iau valori diferite pentru combinaţii diferite ale valorilor
dimensiunilor. Anumite măsuri se pot aplica la toate dimensiunile, iar altele
au sens doar pentru o anumită dimensiune.
De subliniat că modelele conceptuale multidimensionale ale
depozitului de date utilizează o schemă deschisă ce se poate modifica pe
parcursul ciclului de viaţă al depozitului într-o manieră incrementală.
Dacă avem în vedere structura unui DSS putem spune că exista
câteva arhitecturi de bază pentru depozitarea datelor şi anume cu un suport
cu două şi cu trei.
Datele provenite din surse interne (moştenite) şi externe sunt
extrase, purificate, filtrate şi sintetizate înainte de a fi introduse în depozitul
de date. Apoi, datele sunt prelucrate din nou şi depozitate într-o baza de
date adiţională, multidimensională (al treilea suport în arhitectuă (fig 2.5
/16/), organizată pentru prezentări multidimensionale. Utilizatorii DSS şi
EIS pot cerceta noul server şi efectua analize. Intr-o arhitectura cu două
suporturi nu exista baze de date multidimensionale sau servere.
Depozitar
Surse
Program de achizitionare
interne Client
EIS
a datelor
Server al Server
bazei de Client
EIS/DS DSS
date
S
Surse Client
externe EIS
Depozit de date Baza de date

multidimension
ala
Fig 2.5 Arhitectura cu trei suporturi
Fig 2.5 Arhitectura cu trei suporturi a unui depozit de

date.
Un mediu de depozitare a datelor conţine următoarele

componente : sursele de date, instrumentele de proiectare şi dezvoltare,
instrumente de extragere şi transformare a datelor, instumente de
administrare şi analiză a datelor.
Mediul de lucru Data Warhousing Framework al firmei Microsoft
a fost utilizat la construcţia SQL Server care are rolul de a asista activităţile
de proiectare, implementare şi administrare a depozitelor de date pe durata
ciclului lor de viaţă. Infrastructura sa este bazată pe depozitul de metadate şi
pe nivelul de transport al datelor OLEDB (Object linking and embeding data
base). Ele oferă următoarele facilităţi :
- arhitectură deschisă uşor de integrat ;
- servicii uşoare de introducere şi extragere a datelor cu teste de validare ;
- metadate integrate pentru proiectarea depozitului, încărcarea lui,
sistemul de gestiune al severului şi instrumente de acces rapid la
informaţii pentru utilizatorul final.
- managementul infrastructurii (gestiunea evenimentelor uzuale, de alertă,
a taskurilor. Observaţii.
Depozitele de date se pretează să fie utilizate în acele sisteme
economice unde:
 Datele sunt stocate în sisteme diferite.
 Managementul se bazează pe utilizarea informaţiilor.
 Există o gama largă, diversificată de clienţi.
 Acelaşi date sunt reprezentate diferit în sisteme diferite.
 Datelele sunt stocate în formate foarte tehnice, greu de
descifrat.
Depozitele de date de ultimă generaţie pot lucra în timp real
permiţând asfel luarea unor decizii tactice şi operative nu doar strategice, ele
fiind numite Active Data Warehouse ADW. Ele au un număr mare de
utilizatori (peste 1000), sunt flexibile, permit obţinerea de date sintetice şi
detaliate într-un timp foarte scurt şi sunt uilizate cu succes in domeniul
gestiunii stocurilor. ( adresă utilă overstoc.com)
Putm concluziona că depozitele de date au următoarele
caracteristici :
 Organizate după subiecte detaliate (conţin informaţii necesare luării

corecte a deciziilor)
 Integritate. Datele pot fi codificate diferit funcţie de locaţie dar în
depozitul de date acestea sunt consistente. (de exemplu datele referitoare
la profesie pot fi codificate numeric într-o locaţie sau prin litere în alta)
 Includ variante de timp multiple. Datele sunt depozitate pentru perioade
de 5-10 ani şi sunt sunt utilizate în stabilirea evoluţiilor viitoare.
 Nonvolatile adică odata depozitate, datele nu sunt schimbate şi nici
actualizate.
 Conţin date istorice;
 Utilizate pentru decizii pe termen mediu şi lung;
 Permit accesul partajat al diverşilor utilizatori;
 Includ metadate precum şi date externe şi operaţionale.
 Conţin date detaliate şi agregate.
Adrese utile sunt http://www.data warehousing.compapers.asp
2.6Prelucrarea analitica on-lin a datelor. Sistemul OLAP

Pentru prelucrarea tranzacţiilor colective e necesar procesarea on-
line a acestora utilizând baze de date relaţionale distribuite. Cea mai recentă
inovaţie în acest domeniu este reprezentată de adaugarea unei arhitecturi
client/vânzator. Un astfel de instrument care este destinat procesarii
tranzacţiilor on-line este Informix-OnLine
Termenul de procesare analitică on-line se refera la estimarea de tip
DSS şi EIS efectuată de utilizatorii finali în sisteme on-line. Procesarea
analitica on-line este efectuată de utilizatorii finali, în timp ce procesarea
tranzactiilor on-line este utilizată de profesioniştii IT. Procesarea anlitica
on-line implică:
- realizarea de cercetări (Focus 4.8);
- crearea de rapoarte ad-hoc;
- efectuarea de analize statistice;
- crearea unor aplicaţii multimedia.
- Pentru prelucrările analitice on-line este recomandat să se lucreze cu
depozite de date multidimensionale, precum şi cu un set de instrumente cu
capacităţi multidimensionale. Ele pot fi foi de calcul tabelar, instrumente de
exploatare a datelor, instrumente de vizualizare a datelor etc. Principalii
furnizori sunt Lotus Development Corp., Computer Associates, Cognos,
Arbor Software Corp., Information Resources, Comshare, SAS Institute Inc.,
Software A&G, Business Objects Inc., Intersolve şi Platinum Technology.
Prelucrarea analitică on-line cu sistemul OLAP
OLAP este un instrument modern care permite:

- o accesare rapidă a datelor oriunde s-ar afla şi în orice volum;
- o sintetzare a datelor aflate în depozite funcţie de obiective;
- o prelucrare rapidă şi inteligentă a datelor utilă managerilor de pe
diferite nivele ierarhice în luarea decizilor ;
- capacitatea de a efectua analize numerice şi statistice, o orientare în
timp;
- o vizulizare multidimensională a datelor ;
- o partajare a datelor adică accesarea de mai mulţi utilizatori ceea ce
implică un sistem de securizare eficient ;
- posibilitatea de aface previziuni asupra evoluţiei datelor.
OLAP permite de a construi noi scenarii răspunzând la
întrebăride tip «what-if » ce ar fi dacă ? faţă de depozitele de date ce
răspund la întrebări de tip cine ? ce ? unde ? când ? cum ?. El facilitează o
perspectivă multidimensională asupra datelor, o capacitate de calcul
intensiv, o orientare în timp(time intelligence) necesară pentru comparaţii şi
analize.
Perspectiva multidimensională asupra datelor se referă la capacitatea
de a intrega diferite activităţi privite din perspective (dimensiuni) diferite :
timp, locaţie, tip entitate, unitate de măsură etc. Fiecare dimensiune
utilizată aici în sensul de aspect poate avea mai multe nivele (de exemplu
pentru dimensiunea timp avem nivelele ani, semestre, trimestre, luni,
săptămâni, zile, schimburi, ore.) şi ne putem referi la perioade curente,
anterioare şi viitoare. Dimensiunile sunt complet independente iar ca unităţi
de măsură se pot lua cele întâlnite în dimensiunea respectivă sau cele
rezultate din agregări calculate sau scenarii (exemplu cantitatea planificată,
estimată, realizată.)
Nivelele unei dimensiuni formează o ierarhie obţinută pe baza unor
criterii de agregare a datelor (exemplu clasa produs, ansamblu,
subansamblu, repere , operaţii).
Perspectivele multidimensionale asupra datelor se numesc
hipercuburi de date. În figurile 2.6, 2.7, 2.8, se pot vedea asfel de
hipercuburi cu diferite dimensiuni şi cu membrii acestora. Măsura poate
constitui şi ea o dimensiune a acestui cub.
Beneficiar
tip
adresă
cant.comanda
tă Perioada
clasa
beneficiar Produs
tip
tipodimensiune
Fig.2.6 Fig.2.7
Beneficia
.
r Benef.n
n
0raş A
x
Judeţ
0raş B 0raş C
Benef.4
Benef.3 depozitare
y
Judeţ
Benef.2 transport
marcare
Benef.1 ambalare
P1 P2 P3 P4 Pn Produ
Timp Tip Tip Tip Tip produse
se
1 Clasa 1 2 2 Clasa 2 k
Fig.2.8
Aceste hipercuburi permit posibilitatea de a face analize complexe şi

în timp scurt, de a realiza o orientare în timp (time intelligense) adică
exploatarea acestei dimensiuni universale pentu a realiza comparări, analize
şi a emite apoi judecăţi. Există posibilitatea de a realiza o adresare
multidimensională directă asupra cuburilor unitare a aceluiaşi hipercub
utilizând în acest scop algoritmi de ultimă oră (genetici neuronali, tip colonii
de furnici etc.). Bazele de date multidimensionale folosite de OLAP pot
stoca straturi de date agregate după diferite criterii şi pe diferite nivele

ierarhice.
Exemplu de transfer a datelor din depozite de date în structuri
multidimensionale.
Datele de sinteză stocate în depozitul de date, referitoare la totalul
tranzacţiilor cu produse livrate lunar către diferiţi beneficiari, pot
conţine informaţii referitoare la: denumire produs, tip produs, tipo-
dimensiune, preţ, cod beneficiari, cantitate, data livrării (an/lună/zi), valoare
medie. Date de sinteză cu privire la beneficiari stocate în depozitul de date
pot conţine: cod identificare beneficiar (denumire, adresă : adică judeţ, oraş,
stradă, număr), total cantitate, nr. tranzacţii, valoare medie. Datele de sinteză
stocate în baza multidimensională OLAP cuprinde informaţii referitoare la :
număr de tranzacţii cu produsele pe luni şi pe benefiari, valoarea
tranzacţiilor cu produse pe luni şi pe beneficiar, nr de tranzacţii cu produse
şi cu beneficiarii pe judeţe, oraşe.
Utilizat împreună cu depozitele de date bazele de date
multidimensionale OLAP pot stoca straturi de date agregate după diferite
criterii ierarhice, precum şi date statistice precalculate fiecărui nivel de
agregare.
Utilizarea limbajului de cercetare structurata (SQL)
Reprezintă un limbaj standard pentru accesarea şi manipularea datelor
în sistemele de management al bazelor de date relaţionale. El este uşor de
manipulat utilizând o semantică asemănătoare limbii engleze şi constă din
mai multe straturi. SQL este utilizat pentru accesarea on-line a bazelor de
date, pentru managementul acestora şi executarea unor funcţii de accesare şi
manipulare a datelor cu ajutorul unor produse software pentru sisteme de
management al datelor ( Oracle, DB2, Ingres şi Supra).
SQL este un limbaj non-procedural şi adaptabil oricarui utilizator,
facilitează integrarea programelor scrise în diverse limbaje iar comenzile lui
au un format liber.
De exemplu, “modifică tabelul Angajati, adaugă numarul de
bonusuri” este o comanda ce constă în modificarea unui tabel existent
(numit “Angajati”) prin adaugarea unei coloane numită “Bonusuri”. O
solicitare de identificare a angajaţilor cu un salariu lunar de peste 1000E este
scrisa astfel: SELECT Nume, salariu FROM Angajaţi WHERE
Salariu > 1000
Exemple de comenzi SQL
Limbaj natural SQL
SELECT PRODUSE
ACHIZITIONATE PRET
Listeaza toate achizitiile efectuate
CANTITATE FROM LISTA-
de A:S:E. începând cu ianuarie 2000, în
termeni de produse, preţuri şi cantităţi ACHIZITII WHERE NUME-
CLIENT EQ A.S.E. DATA
ACHIZITIEI GE 01/01/2000
SELECT PRET, CANTITATE
Listează preţurile şi cantităţile VANDUTA FROM PRODUSE
calculatoarelor pe grupe de valori şi firme WHERE NUME PRODUS EQ
din ţară. CALCULATOR SI FIRMA EQ
S.R.L SI iTARA EQ ROMANIA
Limbajul MDX permite operarea asupra cuburilor utilizând o
semantică asemănătoare cu cea a limbajului SQL. Exemplu de sintaxă :
SELECT < specificator axa 1 > …….. < specificator axa k >
FROM < specificator cub >
WHERE < specificator secţiune (slice) >
Numărul de axe determină dimensiunile cubului, primele cinci axe
având denumirea de coloane, rânduri, pagini, capitole şi secţiune.
Specificatorul de axe include setul de membrii ai dimensiunii respective.
Dacă specificatorul pentru axa page lipseşte avem un cub bidimensional
redus de fapt la o tabelă pivot. Specificatorul secţiune prezintă numele
dimensiunii şi membrul pe care se face secţiunea transversală cu
specificarea subdimensiunilor ierarhice până la rădăcină.
Sistemul Microsoft permite până la 63 de axe şi o axă pentru măsuri
ce are un regim special, nepermiţând însumări ale proiecţiilor şi reprezintă o
dimensiune vizibilă.
Utilizarea unor instrumente inovatoare (de tip data mining,) pentru
accesarea datelor în bazele de date sau depozitele de date cresc eficienţa
utilizării acestora.
Data Mining este un instrument pentru a descoperi noi cunoştinţe
într-o bază de date sau depozit de date. El include recunoaşterea
activităţilor, extagerea acestor cunoştinţe, arheologia datelor, explorarea
datelor, prelucrara structurilor de date, tipare de prelucrare, colectarea
datelor şi analiza lor în scopul previziunii evoluţiei lor în viitor.
Extragerea cunoştinţelor direct de utilizatori şi realizarea dezideratelor
de mai sus utilizând algorimi neuronali, genetici, sau de alt tip conduc la
viteză sporită de prelucrare şi memorare. Principalele caracteristici ale
tehnicii data mining sunt :
- posibilitatea de a exploata date adânci îngropate ;
- vizualizarea multidimensională a datelor ;

- descoperirea de noi date pe baza predicţiilor şi analizei arheolologice a
datelor ;
- explorarea datelor se face direct de utilizatorul final care prin creativitate
descoperă noi cunoştinţe consistente ;
- prelucrarea prin analogie pentru explorarea datelor cu un volumul mare.
O serie de decizii importante, în aproape orice domeniu legat
de afaceri şi societate, se bazează pe analiza unor baze de date complexe
stocate în depozite de date şi care utilizează tehnici de data mining pentru
regăsiri şi analize. Aplicaţii ale exploatarii datelor se fac în domeniul
marketingului pentru a stabili clienţii care vor răspunde unei oferte, în afaceri
bancare (estimarea nivelului împrumuturilor neperformante şi a cărţilor de
credit utilizate fraudulos), în pobleme de programare a producţiei, în comerţ
pentru stabili corect aprovizionările funcţie de vânzări, în companiile aeriene, în
sănătate s.a.m.d.
2.7 Microsoft SQL Server

2.8
Microsoft SQL Server reprezintă un instrument software
penru depozitele de date şi sistemul OLAP, fiind o aplicaţie grafică care
utilizează obiectele de asistare a deciziei
oferite de DSS. În figura 2.9 (/18 /) se dă arhitectura depozitului de
date şi servicilor OLAP incluse SQL server.
Managerul Olap este un mediu de lucru care permite utilizatorului
printr-o interfaţă (consola de management microsoft) să-şi construiască o
soluţie pe baza surselor de date existente. Prin intermediul asistenţilor
(wizards) el permite construirea de noi cuburi OLAP, modificarea structurii
celor deja existenţi sau a drepturilor de acces. Managerul OLAP realizează
un control asupra serverului OLAP şi a metadatelor ce descriu stuctura
cubului
Modelele obiect pentru decizii (DSO) se construiesc pe baza
cererilor furnizate de utilizatori, a datelor existente în bazele de date
relaţionale sau baze de date multidimensionale precum şi a informaţilor din
aplicaţiile personalizate. SQL Server utilizează depozitul de metadate
(repository) pentru a stoca informaţii despre obiectele cu care lucrează
sevicile şi instrumenele sale.
Depozitul de metadate este o componentă informatică complexă ce
cuprinde informaţii despre bazele de date, serviciul DTS, serviciul OLAP,
modelul informaţional al instrumentelor (TIM), şi modul de lucru pentru
utilizatori.
Pentru accesul la date sistemul OLAP utilizează diferite tipuri de

tehnologii, cele mai cunoscute fiind ROLAP, MOLAP, HOLAP, WOLAP.
Microsoft management Console

(MMC)
OLAP Add-in Manager Add_in personalizate
OLAP Manager Aplicaţii personalizate
Obiect Model Metadate

(Decision support Objects)
(DSO)
Sursa de date
OLAP Server Baze de
( date multidimensionale ) Date ROLAP date
relaţionale
Date HOLAP
Baze de date
multi-
Pivot table service Date MOLAP dimensionale
SQL Server
Aplicaţii Client Fişiere de
date
Fig. 2.9 Arhitectura depozitului de date şi a serviciului OLAP oferite de SQL Server
Prin intermediul tehnologiei ROLAP ce este o

tehnologie relaţională se pot implementa structuri multidimensionale
accesând date din baze relaţionale, dar timpul de explorare poate fi uneori
mare. Stocarea datelor se face în mai multe tabele între care se stabilesc
legături logice prin cheia externă –cheie primară. Primul produs ROLAP a
fost Metaphor 1984 / 18 /. Un asfel de produs are câteva caracteristici şi
anume :
- existenţa unui generator SQL ce poate realiza operaţii de selectare ;
- posibilitatea de a realiza clasificări, comparaţii şi calcule pe clase:
- descrierea modelului datelor prin metadate şi posibilitatea interogării în
timp real;
- utilizarea partajată a produsului.
Tehnologia MOLAP utilizează bazele multidimensionale
asigură un acces rapid la date, dar actualizări mai greoaie fiind necesare
reconfigurări ale cuburilor. Organizarea datelor se face sub formă de
hipercub şi tehnologia permite felierea (slincing), decuparea (dicing) a
cubului, forarea adâncă (drill –down) sau sintetizarea (drow-up), pivotarea
(rotaţia). Primul instrument a fost EXPRESS al firmei Oracle, au urmat apoi
SYSTEM, IMPROVE (IBM) şi Tensor (Microsoft).
Tehnologia hibrid HOLAP realizează un compromis între
cele două stocând datele agregate de la nivelele inferioare în baze relaţionale
şi cele de pe nivelele superioare în baze multidimensionale. Dezavantajul
acestei tehnologii este timpul de comutare între cele două sisteme ROLAP şi
MOLAP. Un asfel de produs e PLATO-Microsoft.
Tehnologia WOLAP permite accesul la date prin intermediul
browsrelor Web, iar tehnologia Desktop OLAP permite analize şi prezentări
multidimensionale clienţilor de birou, utilizând baze de date relaţionale şi
multidimensionale.
Firme ce au utilizat cu succes aceste tehnologii în aplicaţile
lor, sunt Microsoft (sun.com), Ford Motor CO(ford.com), Britich
Airway(ba.com), Britich Petrolium (bp.com).
Serverul OLAP constituie nucleul tehnologiei OLAP el extrage date
din diferite surse le sintetizează le agregă şi le prelucrează pentru a le stoca
în baze multidimensionale în vedera utilizării lor ulterioare dar poate utiliza
şi date stocate în tabelele centralizatoare ale sistemelor tranzacţionale.
Tabelele pivot funcţionează ca o interfaţă de conectaere la
serviciile oferite de OLAP- Server şi ele pot exporta şi importa date spre
mediile clasice precum Excel, Access. Ele facilitează crearea de cuburi
locale utilizând baze de date relaţionale, gestionează un cub o singură dată şi
nu includ SGBD-uri multidimensionale. Tabelele pivot fiind sisteme de

interogări dinamice pot reprezenta situaţia la zi, şi cheia succesului este dată
de alegerea tabelei pivot care corespunde cel mai bine cerinţelor
utilizatorului. Utilizatorul prin intermediul interfeţei poate fixa dimensiunile
pe axe, subdimensiunile, măsurile şi poate selecta anumite valori pentru
acestea.
Serverul de analiză DSS pune la dispoziţia utilizatorului
obiecte ce constitue suporturi de decizie şi care pot fi utilizate apoi de
serverul OLAP pentru aplicaţii orientate obiect scrise în limbaje precum
Visual Basic, Java, C ++.
Serviciul Englich Query permite adresarea cererilor de către
utilizatori în limbaj natural, fiind capabil de a reinstaura informaţiile lipsă
prin suprapunerea acestori cereri peste modelul semantic al depozitului,
performanţele lui depind de calitatea modelului.
Serviciul client este instalat în sistemul de calcul al
utilizatorului şi el utilizează tabelele pivot care accesează serverul OLAP
dar şi alte tehnologii precum OLEDB (object linking and embedding data
base) şi Active X Data Objects pentru a extrage datele din bazele clasice şi a
le pune într-o memorie cashe pentru reutilizări viitoare (în mod off- line).
SQL server introduce o serie de informaţii referitoare
la instrumentele sale în depozitul de metadate mai exact în motorul de
inferenţă a acestuia. Aceste informaţii se referă la : SGBD pentru datele
operaţionale, serviciul DTS, serviciul OLAP, instrumente pentru utilizatorul
final (serviciul de cereri şi tabele pivot).
Fiecare instrument conţine un model informaţional al
instrumentului TIM care memorează informaţii referitoare la natura
instrumentului a intrărilor şi ieşirilor sale şi a comportamentului acestuia.
Asfel spre exemplu modelul informaţional al serviciului de
curăţare şi transformare a datelor DTS conţine un obiect principal ce
memorează informaţii despre procesele de achiziţii, de export şi de
transformare a datelor precum şi obiecte de tip conexiune, task, sau control.
Obiectul de tip conexiune asigură interfaţa cu sursa sau destinaţia datelor
prin calea de transport OLDB. Obiectele de tip task sunt programme care
realizează operaţii asupra datelor furnizate de obiectele de tip conexiune.
Obiectele de tip control supervizează controlul asupra DTS, verificând
restricţiile şi modul de înlănţuire a taskurilor. Utilizatorul are acces la DTS
prin interfaţa grafică DTS designer, asistenţii DTS, interfaţa de programe
DTS, şi are posibilitatea de a modifica chiar în structura DTS.
2.8 Vizualizarea datelor şi multidimensionalitatea

Vizualizarea datelor se referă la instrumentele utilizate pentru

vizualizarea informaţiilor. Acestea pot include imagini digitale, sisteme de
informare geografică, interfeţe grafice, multidimensiuni, tabele şi grafice,
realitate virtuală, prezentări tridimensionale şi animaţie.
Analiza vizuală, permite descoperirea unor noi aspecte datorită unei
comunicări mai mai eficiente cu utilizatorul. Uneori pentru a obţine o
pertinenţă mai bună a prezentării informaţiilor se pot utiliza şi combinat
aceste instrumente. Existenţa unui depozit de date sau a unui server
multidimensonal facilitează procesul de vizualizare.
Multidimensionalitate. Utilizarea acestui concept în prezentarea
multidimensională, constă în faptul că datele pot fi organizate pe subiecte,
domenii în concordanţă cu doleanţele factorilor decizionali de pe diferitele
nivele de decizie ale sistemului, pot fi percepute uşor şi obţinute rapid şi
oferă perspective diferite asupra aceloraşi date, permiţând luarea de noi
decizii eficiente.
Cei trei factori importanţi ce caracterizează multidimensionalitatea
sunt: dimensiunea, unitatea de măsura şi durata în timp.
 Exemple de dimensiuni: produse, tipuri de furnizori, segmente de
piaţa, unităţi de afaceri, locaţii geografice, canale de comunicaţie,
firme de distribuţie.
 Exemple de unităţi de măsura: bani, volumul vânzărilor, numarul
de angajaţi, profit după inventariere, actual faţa de cel previzionat.
 Exemple de durate de timp: zilnic, săptămânal, lunar, semestrial
sau anual.
De exemplu dacă un manager va dori sa stie vânzările unui produs,
într-o anumită zona geografică, realizate de un anume vânzător, într-o
anumită lună, în unităţi vândute, sau pe sorto- tipodimensiune atunci
utilizatorul folosind un program de cercetare conceput pentru
multidimensionalitate va primi rapid răspunsul. In oricare dintre cazuri,
utilzatorul poate naviga prin multiplele dimensiuni şi nivele de date, prin
tabele şi grafice şi poate face interpretări rapide referitoare la modificări
semnificative, evoluţii importante sau nivele de alertă.
Ca dezavantaeje ale multidimensionalităţii menţionăm:
 Spaţiu de memorie mai mare cu până la 40% şi preţuri cu 50% mai mari
faţă de produsele relaţionale standard.
 Necesitatea unor resurse considerabile şi un timp mai mare pentru
popularea bazelor de date multidimensionale funcţie de volumul de date şi
numărul de dimensiuni.
 Crearea interfeţelor şi mentenanţa acestora necesită un efort mai mare
de resurse.
Multidimensionaliatea este disponibilă în diverse grade de

complexitate şi utilizată în diverse aplicaţii cum ar fi monitorizarea piloţilor,
sisteme de cercetare ale bazelor de date etc. Adrese utile sunt
(http://www.pilotsw.com, http://www.brio.com ).
Pentru vizualizarea tridimensională există o serie softuri precum
ADIVZOR Solutions la adresa (advizorsolutions.com) utilizat în conexiune
cu web-ul, ANALYTICA (lumina.com), ENDECA (endeca.com) ce permit
o analiză vizuală interactivă, ILOG Visualisation Suite (ilog.com) pretabil
pentru analiză vizuală la volume mari de date.
Principalele tipuri de instrumente utilizate în exploatarea datelor
sunt:
 Argumentaţie bazată pe cazuri anterioare. Utilizând cazuri istorice,
argumentaţia bazată pe acestea poate fi folosită pentru recunoaşterea
anumitor modele( şabloane). Cazurile noi pot fi identificate rapid cu unul
din cele existente în depozitele de date, informaţiile fiind corecte în
proporţie de aproximativ 90%.
 Estimare neuronală este un tip de abordare mecanică prin intermediul
careia datele istorice pot fi analizate în scopul gasirii unor modele.
Cercetând date istorice pot fi identificaţi, de exemplu, potenţialii clienţi ai
unui nou produs sau pot fi relizate previziuni priviind evoluţia unor
companii.
 Agentii inteligenţi permit găsirea informaţiilor în baze de date externe
într-un mod pertinent şi eficient.
 Alte instrumente includ arbori decizionali sau algoritmi genetici.
Concluzii
Datele necesare luarii deciziilor provin dintr-o serie de surse atât
interne, cât şi externe. Datorită faptului că sistemele de administrare a
bazelor de date constituie o componentă majoră a sistemelor de susţinere a
procesului decizional, este important ca utilizatorii să cunoască cele mai noi
inovaţii în domeniu. Organizaţiile recunosc că datele de care dispun conţin
informaţii deosebit de importante care trebuiesc explorate. Prin urmare,
aceste DSS depozitează şi exploatează date pentru ca utilizatorii să poată
obţine informaţiile personal (prin intermediul unor instrumente de analiza
multidimensionala şi noi arhitecturi ale sistemului intregiiorganizaţii) şi să
stabilească legături pe care iniţial nu le cunoşteau (pe baza exploatării
datelor). Instrumentele procesarii analitice on-line fac posibilă analiza on-
line a datelor pentru identificarea problemelor şi oportunităţilor. Abordarea
orientată pe obiect în analiza, crearea şi implementarea sistemelor poate
reprezenta o incredibilă oportunitate pentru o reprezentare simplificată a
sistemelor, o data cu reutilizarea mai multor coduri. O largă varietate de
formate de date este accesibilă simultan cu dezvoltarea şi desfăşurarea
sistemelor de administrare a bazelor de date multiledia. Internet-ul şi

intranet-ul, prin intermediul browserelor web, alaturi de web- hooks,
furnizează interfeţe universale, prevăzute cu capacităţi de formulare a unor
solicitări asupra sistemelor de baze de date (împreună cu majoritatea
pachetelor de aplicaţii). Nu în ultimul rând, metodele bazate pe inteligenţa
artificiala pot fi utilizate la imbunătăţirea analizei şi organizării datelor.
2.9 Studiu de caz

În cadrul acestei aplicaţii ne propunem să utilizăm modelul
multidimensional al datelor şi instrumente de analiză OLAP pentru
managementul activităţii de vânzare din cadrul firmei S.C. Componente de
Asamblare S.A, firmă ce produce şi comercializează componente de
asamblare în special pentru industria auto . Într-o primă fază s-a creat o bază
de date ce permite gestionarea informaţiilor primare ce se folosesc în cadrul
activităţii de vânzare din cadrul firmei. Pe baza acestei baze de date s-a creat
ulteror un depozit de date ce permite modelarea şi vizualizare datelor în
dimensiuni multiple şi care reprezintă sursa de date pentru o analiză OLAP.
Analiză cu ajutorul cubului OLAP, permite managerilor firmei de a lua cele
mai bune decizii pentru sporirea vânzărilor de componente. Înstrumentul
soft utilizat a fost utilitarul Microsoft Access.
Realizarea aplicaţiei cuprinde mai mulţi paşi şi anume:
1. Crearea bazei de date în Microsoft Access
În scopul creerii bazei de date s-au folosit următoarele tabele:
PRODUS(codprodus, denprodus, um, preţ)

SOCIETATECLIENT (codclient, denclient, codfiscal, adresă, email, tel)
ANGAJAT (marcaangajat, nume, prenume, dep, comision)
VÂNZARE (codvânz, codfactura, marcaangajat)
FACTURĂ (codfactură, rândfactură, datavânz, angajat)
RÂNDFACTURĂ (nrrândfactură, produs, cant)
unde codprodus, codclient, marcaangajat, codvânz, codfactură,

nrrândfactură reprezintă chei primare.
Modul de legătură între tabele se urmăreşte pe ecranul 1:
2. Crearea modelul multidimensional al datelor (depozitul de date)
Având drept sursă baza de date creată anterior, s-a construit depozitul de
date, ce permite modelarea şi vizualizarea datelor în dimensiuni multiple.
Modelul este definit prin dimensiuni şi fapte.
În acest caz, dimensiunile luate în considerare sunt:
1. Dangajat – ce caracterizează persoana care se ocupă de un anumit
contract;
2. Dprodus – care descrie produsele ce sunt comercializate;
3. Dsocietateclient – prezintă atribute legate de clienţii firmei;
4. Timp – ce poate avea două nivele de ierarhizare lună şi an.
Fiecare dimensiune are un tabel asociat numit tabel dimensiune.
Faptele au de asemenea un tabel asociat reprezentat în acest caz de
tabelul Situaţievânzări. Faptele sunt valori numerice care reprezintă
subiectul analizei noastre viitoare. Ele sunt implicit definite prin combinaţia
elementelor dimensiunilor. Măsurile considerate în cazul nostru sunt:
valoare vânzări şi valoare comision.
Tabelul fapte conţine, de asemenea, coduri de legătură cu tabelele

dimensiune: codvânz, codfactură, marcaangajat, codprodus.
Legătura dintre tabelele dimensiune şi tabela fapte este o structură de tip
stea. Ea conţine tabelul central care este tabelul de fapte, cu un volum mare
de date şi o mulţime de tabele dimensiune dispuse în jurul lui.Modelul
pentru problema de management a activităţii de vânzare în cadrul firmei
S.C. Organe de Asamblare S.A. este următorul (ecranul 3)
3. Analiza modelului multidimensional prin operaţii OLAP

Modelul construit este quadruplu, el permiţând analize penru diferite
combinaţii ale acestor dimensiuni, precum şi obţinerea de vizualizări ale
datelor existente sau calculate.
S-au realizat o serie de analize în cadrul Microsoft Access cu
ajutorul cubului OLAP, analize specifice managementului activităţii de
vânzare în cadrul unei firme
Spre exemplu dacă managerul de pe un anumit nivel ierarhic din
cadrul firmei este interesat de performanţele angajaţilor săi, atunci el va
realiza o analiză ce arată valoarea vânzărilor efectuată de un anumit
angajat, structurată pe produse şi pe firmele cărora le-a vândut aceste
produse. În ecranul 3 se poate urmări acest lucru.
Dimensiunile selectate sunt codprod şi codsocietate, iar ca filtru (o

altă dimensiune) marcaangajatului. Faptele reprezintă în acest caz valoarea
vânzărilor.
O astfel de analiză se poate realiza pentru fiecare angajat în parte.
Comparând rezultatele se poate evidenţia care sunt angajaţii cu cele mai
bune performanţe, respectiv cele mai slabe şi şi lua în consecinţă măsurile
de rigoare (recompensa celor mai buni sau penalizarea celor mai slabi).
Dacă privim această analiză din punctul de vedere al angajatului,
acesta ar putea fi interesat de identificarea acelor produse a căror vânzare îi
aduc cele mai mari comisioane. Astfel, se poate realiza pentru fiecare
produs o analiză care să arate valoarea comisionale obţinute de toţi agenţii
de la fiecare societate, ca în ecranul 4:
Marcaangajat şi codsocietate reprezintă dimensiuni, codprodus –
dimensiune filtru, iar valoarea comisionului faptele.
Managerii ce lucrează pe vânzări sunt direct interesaţi de valoarea

totală a vânzărilor, pentru a vedea care este evoluţia firmei (recompunere
dimensiunea timp –roll-up). În exemplul următor s-a realizat un tablou
complet al vânzărilor, în funcţie de produs şi de societatea care a
achiziţionat acele produse:
Codsocietate, codprodus şi datavânz reprezintă cele trei dimensiuni,

iar valvanz, faptele.
Managerul poate fi interesat nu numai de valoarea vânzărilor în
general, ci de valoarea vânzărilor într-o anumită perioadă (descompunerea
dimensiunea timp pe nivele ierarhice – roll down). Astfel în exemplul
următor, s-a evidenţiat care este situaţia vânzărilor pe anul 2008:
Pentru a realiza această analiză s-a procedat ca şi în exemplul

precedent, numai că s- a folosit ca filtru data, iar anul ales a fost 2008.
Un manager trebuie să ştie care sunt vânzările pe fiecare produs în
parte, pentru a putea decide a mări sau micşora producţia dintr-un anumit
produs. În acest sens, s-a realizat o analiză OLAP în care putem observa
pentru fiecare produs în parte care au fost vânzările, structurate pe
societăţile cliente şi agenţii ce au realizat respectivele vânzări. Dimensiunile
luate în calcul au fost: codprodus, codsocietate, respectiv codprodus – filtru,
iar faptele – valoarea vânzărilor.
4. Concluzii
Şirul exemplelor de astfel de analize poate continua, însă în prezentare s-
au selectat câteva considerate ca fiind reprezentative. Exemplificarea
modulului de realizare al acestor analize cu ajutorul cubului OLAP, are în
vedere deciziile . Modelarea multidimensională este o tehnică ce prezintă
importanţă întrucât permite conceptualizarea şi reprezentare aspectelor
cantitative ale activităţii de analizat în strânsă legătură cu contextul în care
s-au desfăşurat, unde prin context înţelegem principalii parametrii care
caracterizează activitatea: cine a iniţit-o, cine a executat-o, cine a fost
beneficiarul, ce resurse au fost utilizate, ce structuri organizatorice au fost
implicate, etc. Mai mult, permite o descompunere, respectiv recompunere pe
nivele , precum şi o agregare a datelor într-o structură simplă şi flexibilă.
Bibliografie
1. Agosta, L. The data strategy adviser: the year ahead-data

warehousing trends, DM Review, vol. 16 nr.1, january. 2006.
2. Akbay,S. Data warehousing in real time Business Intelligence
Journal, vol.11, nr.1, 2006, quarter 1.
3. Ariyachandra,T., Watson, H., Key factors in selecting a data
warehouse arhitecture Business Intelligence Journal vol. 10, nr.2, 2006,
jan.
4. Brath, R., Peters, M., Visualisation spreadsheets, DM Direct,
2oo6 january.
5. Filip, F.G., Decizii asistate de calculator, Editura Tehnică,
Bucureşti 2005.
6. Gazella, J. Overstock.com meets high volume High Performance
Real Times Data transformation, needs with beinopsis, DM Review jan.,
2006 (shareholder.com)
7. Gray, P., Watson, H.J., Decision support in data warehousing,
Prentice Hall, 1998.
8. Hwang, M., Xu, H., A survey of data warehousing success issues,
Bussiness Intelligence Journal, vol. 10, nr. 4, 2005, Fall.
9. Hoffer, J. A., Prescot, M.B., McFadden, F.R. Modern data
base management Upper Scadle River, N.J, Prentice Hall, 2007 8th.
Edition.
10. MicroStrategy, The5 styles of buissness intelligence 2006 adresa
(microstrategy.com/Solutions/5Styles/enterprise_reporting.asp)
11. Patel, J., Seven simple rules for succesful real times business
intelligence, DM Review, 2005, May.
12. Păun, M., Hartulari, C., Analiza diagnoza şi evaluarea
sistemelor din economie, Editura ASE., Bucureşti 2004.
13. Schleger,.K, Web analitics essentials InternetWorld 2003, june.
14. Seen, A., Metadata management: past, present and futures,
Decision Support Systems vol. 37, nr.1, 2004, april.
15. Seen, A., Sinha, P., A comparasion of data warehousing
methodoligies, Communication of ACM. vol.48, nr.3, 2005.
16. Turban, E., Aronson, J.E., Decisions support and bussiness
intelligence systems, Prentice Hall, edition, 2008, 2005 ,2001.
17. Văduva, A., Vettereli, T. Metadata management for data
warehousing an overview International Journal of Cooperative Information
Systems, vol. 10, nr. 3, 2001, sept.
18. Zaharie, D., Albescu, F., Bogdan, I., Ivancenco, V.,

Vasilescu, C., Sisteme informatice pentru asistarea deciziei, Editura Dual
The, 2001 Bucureşti.
19. Zaho, X., Meta data management maturity model, DM Direct
Newsletter, october 2005.
20. Werner,V., Abraham, C., Managing clickstream data Journal
of Data Warehousing, vol. 6, nr. 3, 2001.
Legătura între metadate şi date se face prin tabele bitmap. Acestes conţin
câte o coloană pentru fiecare membru al dimensiunii, şi câte un rând pentru
fiecare înregistrare care stochează valorile binare şi care au valoarea 1 în
dreptul biţilor asociaţi membrilor dimensiunii ce se găsesc în înregistrare.
Vor fi selectate din tabela de măsuri, doar înregistrările ce au un bit 1 în
poziţia corespunzătoare biţilor din mască. Tabelele bitmap sunt greu de
construit şi se bazează pe dimensiuni cu un număr fix de membrii. Masca de
interogare se construieşte prin exploatarea structurii ierarhice a metadatelor,
de unde se extrag seturile de membrii ai dimensiunilor, indicaţi prin
specificatorii de axe. Pe baza setului de adrese de înregistrări, care se
suprapun cu tiparul măştii, se face adresarea directă a tabelei de măsuri, de
unde se preiau valorile care se centralizează cu dimensiunile cubului.
Se exemplu vrem să selectăm toate maşinile vândute în luna martie din anul
2008 în Bucureşti de firma Renault. Tabela bitmap şi masca de interogare se
văd în tabelul 2.1
Exploatarea datelor la Marriott

Compania s-a decis sa identifice acei clienţi care erau mai pasibili de
a raspunde reclamelor lor. In acest mod au redus foarte mult corespondenţa
trimisă şi au îmbunătăţit procentul de răspunsuri. Marriott utilizeaza in

exploatarea datelor tehnologia de estimare neuronală al carei obiectiv este
sa detecteze anumite modele repetitive prin combinarea listelor de clieţti.
Explorand un “tezaur” cu înregistrari de maşini, înregistrari de
proprietăţi, carţi de credit şi liste de persoane care au cumpărat prin mail, un
program informatic imbogăţeste lista şanselor de a răspunde la reclame.
Adaugă o serie de factori precum vârstele clienţilor, vârstele copiilor,
venitul estimat, tipul de maşini pe care le conduc şi dacă joaca sau nu golf.
Sistemul Marriott identifică apoi care clienţi vor raspunde cel mai probabil
la reclamele trimise prin mail. Exploatarea datelor a sporit cu 33% rata
răspunsurilor primite de la clienţi în urma trimiterii reclamelor pe aceste
filiere.
Sistemul de management
al cunoştinţelor
Sistemul de management al cunoştinţelor este un sistem care permite

o interacţionare activă a utilizatorilor cu calculatorul scopul fiind de a
colecta, a stoca, a menţine şi a furniza cunoştinţe într-o formă uşor de înţeles
pentru „oricine” dintr-o organizaţie care are nevoie de aceste cunoştinţe, în
orice loc şi la orice moment de timp.
Managementul cunoştinţelor este un proces care ajută organizaţiile să identifice, să
stabilizeze, să organizeze, să disemineze, să transfere informaţii importante şi expertiză,
(aceasta din urmă constituie parte integrantă a memoriei organizaţiei, dar care există într-o
formă nestructurată).
3.1 Importanţa managementului cunoştinţelor
Pentru o organizaţie, cunoştinţele sunt o formă de capital care trebuie să circule

între membrii acesteia şi să aibă proprietatea de a se dezvolta şi a creşte.
Managementul cunoştinţelor şi al capitalului intelectual dintr-un
sistem economic este important datorită următoarelor cauze:
- cunoştinţele sunt într-o continuă creştere odată cu dezvoltarea
accelerată a economiei,
- aceste cunoştinţe trebuiesc colectate şi apoi distribuite în

interiorul şi în afara organizaţiei.
Este necesar de a încuraja partajarea cunoştinţelor şi acest lucru
trebuie să fie o cerinţă în cadrul oricărei companii şi ea trebuie să pună la
dispoziţie în acest scop tehnologia adecvată şi să educe oamenii în ceea ce
priveşte tipul de cunoştinţe (să existe o „cultură”, un climat propriu al
organizaţiei), valoarea lor şi cum trebuie ele utilizate. Există adeseori o
reticenţă din partea membrilor unei companii în a împărţi cu alţii aceste
cunoştinţe şi aceasta datorată mai multor cauze: lipsa de timp, inexistenţa
unei tehnologii adecvate, teama de a nu greşi, lipsa de informare privind
importanţa valorii cunoştinţelor pe care le deţin etc.
Cunoştinţele sunt informaţii care sunt contextuale, relevante şi care
acţionează. Ele conţin elemente de experienţă şi reflecţii ale celui care le
posedă, fiind capabile de a rezolva anumite probleme. Cunoştinţele pot
acţiona doar dacă sunt eligibile.
În figura 3.1 se poate urmări modul de achiziţionare a cunoştinţelor.
prelucrar
prelucrare Relevante, care
e informaţi
informaţii
acţionează
i
DATE CUNOŞTINŢE
Date relevante care acţionează
Figura 3.1 Achiziţionarea cunoştinţelor
Spre deosebire de informaţii care sunt structurate şi sunt valide

într-un context izolat, cunoştinţele au un caracter fuzzy şi acţionează într-un
context partajat.
Cunoştinţele pot fi de mai multe tipuri şi anume:
- descriptive (despre trecut, prezent şi viitor, răspund la întrebarea
„ce”),
- procedurale (se referă la „cum” acţionează un proces şi paşii
acestuia),
- de înţelegere (ex. pentru a valida concluzii specifice unui set de
circumstanţe),
- de prezentare (ce facilitează comunicarea),
- lingvistice (ce interpretează comunicarea),
- asimilative (ce ajută la menţinerea bazei de cunoştinţe într-o
formă viabilă prin îmbunătăţirea cunoştinţelor existente).
Cunoştinţele pot fi clasificate în: cunoştinţe ce aduc avantaje, cunoştinţe triviale,
cunoştinţe de bază.
Polani /11/ face o clasificare a cunoştinţelor astfel: (din punct de

vedere a modului lor de existenţă şi reprezentare):
- cunoştinţe tacite legate de un domeniu subiectiv cognitiv, de
învăţare din experienţă şi ţin de cultura organizaţiei, de expertiza
acesteia, de competenţa ei, de valorificarea a ceea ce are ea mai
de preţ. Ele sunt neexplicite, difuze, nestructurate şi greu de
cuantificat şi de codificat.
- cunoştinţe explicite reprezintă politicile, strategiile, tacticile,
procedurile organizaţiei şi care sunt clar exprimate şi pot fi uşor
colectate şi reprezentate.
În figura 3.2 se pot urmări conexiunile dintre cerinţele explicite şi
tacite şi competenţa organizaţiei.
Cunoştinţe Procesul de explicare generează noi cunoştinţe tacite

Cunoştinţe
explicite Transformă cunoştinţe tacite în cunoştinţe explicite
măsurabile tacite
Politici, patente, Competentele Experienţă, know-how,

decizii, strategii, de bază idei, cultura
sistem informatic ale organizaţiei organizaţiei, valori
Figura. 3.2 Transformarea cunoştinţelor tacite şi explicite

în competenţe ale organizaţiei
Cunoştinţele au un caracter dinamic ele se dezvoltă şi se îmbogăţesc

în timp făcând faţă noilor situaţii din sistem şi din mediul acestuia, care este
într-o continuă schimbare.
Cunoştinţele au următoarele caracteristici:
- conţin adevăruri de bază izvorâte din experienţă nu din teorie;
- complexe datorită situaţiilor complexe sau lipsei unor cunoştinţe
suficiente;
- conţin judecăţi de valoare pentru a se adapta situaţiilor noi;
- au un caracter euristic incluzând reguli conducătoare şi
elemente intuitive ale factorilor decizionali;
- au valoare diferită funcţie de „unde”, „când” şi „cum” şi de către
„cine” sunt folosite;
- capacitate de revenire şi îmbogăţire (cei ce le utilizează nu le

consumă dar le pot îmbogăţi);
- capacitate de fragmentare, de împrăştiere (datorită dinamicităţii
sistemului pe care îl reflectă);
- o valoare incertă (deoarece este greu de estimat impactul şi
importanţa lor);
- o valoare incertă de partajare (este greu de estimat cine va
beneficia mai mult de ele).
3.2 Procesul de învăţare a sistemului
Învăţarea sistemului economic (organizaţiei) se referă la capacitatea

acestuia de a învăţa din experienţa trecută. Învăţarea sistemului reprezintă
procesul de dezvoltare de noi cunoştinţe în cadrul acestuia ce pot influenţa
semnificativ comportamentul lui.
Procesul de învăţare include trei etape importante şi anume:
achiziţionarea, partajarea şi utilizarea cunoştinţelor şi fiecare etapă este
realizată cu mijloace diferite.
Este necesar să se cunoască: sursele cunoştinţelor, procesul de
selectare şi realizare a lor, modul de stocare şi mentenanţă, modul de
diseminare (de la rădăcină sau de la vârf), modul de focalizare a învăţării
(spre obiective actuale, viitoare şi de creare de noi principii şi metode),
cuantificarea valorii cunoştinţelor (adică stabilirea competenţelor şi
investiţiilor în procesul de învăţare), dezvoltarea calificării (individuală sau
de grup).
Există trei tipuri de învăţare şi anume învăţare pasivă, activă şi
interactivă.
Învăţarea pasivă presupune dobândirea surselor de cunoştinţe din
surse precum jurnale, seminarii, strategii de perfecţionare etc.
Învăţarea activă implică capacitatea firmei de a face o analiză
corectă a competitorilor cu care aceasta se confruntă pe piaţă utilizând în
acest scop un sistem de marketing eficient, precum şi învăţarea din propriile
succese sau insuccese interne.
Învăţarea interactivă apare din confruntările şi interacţiunile
directe dintre membrii organizaţiei, dintre aceştia şi mediul extern şi prin
care se asimilează cunoştinţele tacite pe care aceştia le posedă.
Învăţarea sistemului economic implică capacitatea acestuia de a
învăţa din experienţa trecută dar şi din obiectivele viitoare şi ea implică:
- înţelegerea sensului de învăţare (în ce scop, pe ce orizont de timp);
- înţelegerea managementului (adică a modului cum va lucra firma);
- capacitatea de cuantificare (măsurare) adică nivelul şi procentul

de învăţare.
Caracteristicile unei organizaţii care învaţă se referă la capacitatea
acesteia:
- de a regla sistematic problemele ce apar în sistem;
- de a avea creativitate în experimentare;
- de a învăţa din experienţele anterioare ale sale şi ale altor
organizaţii;
- de a transfera rapid şi eficient cunoştinţele în interiorul
organizaţiei (putere de disiminare).
Memoria sistemului (firmei) implică salvarea, reprezentarea şi
protejarea cunoştinţelor (prin partajare) astfel încât ele să poată fi utilizate
ulterior. Groven şi Hockbarth /16/ arată că memoria sistemului poate fi
divizată în şase categorii de izvoare:
- izvoare individuale (conţin informaţii);
- izvoare informatice (aceste sunt reprezentate de sistemele
informatice);
- izvoare culturale (adică modul în care informaţia este răspândită
şi partajată în organizaţie prin forme brute sau explicite);
- izvoare de transformare (conţin frecvenţa apariţiei proceselor);
- izvoare structurale (conţin informaţii despre structura formală şi
informală a organizaţiei);
- izvoare ecologice (conţine structura fizică a organizaţiei).
Deoarece multe organizaţiile au devenit de natură virtuală este
important de a vedea cum se poate realiza efectiv acest proces de învăţare şi
memorare a cunoştinţelor.
Abilitatea unei organizaţii de a învăţa, de a-şi dezvolta memoria şi a
partaja cunoştinţele depinde de cultura (climatul de lucru) al acesteia. Cultura
organizaţiei implică crearea climatului pentru învăţare şi autoperfecţionare.
Lipsa de partajare a cunoştinţelor într-o organizaţie poate conduce la
efecte economice negative pentru aceasta şi ea se datorează mai multor
cauze şi anume:
- din lipsa de înţelegere a importanţei acestora şi pentru alţii;
- necunoaşterea unor tehnici adecvate;
- neînţelegerea managementului cunoştinţelor şi semnificaţiilor ei;
- neîncurajarea răspândirii acestor cunoştinţe de către manageri;
- climat neadecvat şi impropriu de păstrare a cunoştinţelor.
3.3 Caracteristicile şi obiectivele sistemului de management

al cunoştinţelor
Managementul cunoştinţelor presupune totalitatea tehnologiilor de
informare, colaborare, comunicare şi de formalizare a memoriei organizaţiei
şi a procesului de învăţare a acesteia într-o resursă disponibilă facilă
reprezentată printr-un coş de cunoştinţe.
Managementul cunoştinţelor este un proces de transformare şi
difuzare a cunoştinţelor în cadrul unei organizaţii care poate fi partajat şi
reutilizat în scopul rezolvării unor probleme, a învăţării dinamice, a
planificării strategice şi luării unei decizii adecvate.
Domeniile la care se aplică managementul cunoştinţelor nu sunt de natură tehnică
şi privesc mai mult serviciile pentru clienţi, partenerii de afaceri, marketingul firmei,
sistemul de salarizare, operaţiile interne curente ale organizaţiilor economice.
Sistemul de management a cunoştinţelor permite, printr-un şir de
procese, de a transfera capitalul intelectual depozitat în cunoştinţele
individuale sau ale grupurilor mici de persoane din cadrul organizaţiei către
subfilialele organizaţiei dispersate în diferite locuri şi arii geografice şi de al
valorifica şi de a învăţa în scopul creşterii competenţei organizaţiei.
Sistemul de management al cunoştinţelor are următoarele caracteristici:
- transferă cunoştinţele, le adaugă valoare prin prelucrările
executate asupra lor (ex. operaţiile pentru afaceri);
- ghidează ca o pârghie cunoştinţele strategice în domeniul
afacerilor accelerând şi dezvoltând inovaţia, învăţarea;
- utilizează cunoştinţele pentru a produce avantage competitive
pentru afaceri;
- creează noi cunoştinţe prin învăţare;
- colectează cunoştinţe şi explicaţii;
- partajează şi comunică cunoştinţele prin colaborare;
- accesează cunoştinţele;
- utilizează şi reutilizează cunoştinţele;
- arhivează cunoştinţele.
Un sistem de management al cunoştinţelor are în vedere următoarele obiective:
- crearea de coşuri de cunoştinţe (repository);
- îmbunătăţirea accesului la cunoştinţe;
- întărirea conexiunilor dintre cunoştinţe şi mediul acestora;
- mânuirea cunoştinţelor ca pe bunuri proprii.
Coşul de cunoştinţe (repository) reprezintă o colecţie de cunoştinţe
interne şi externe ce au un caracter specific. Având în vedere caracterul explicit
sau tacit al cunoştinţelor avem şi două categorii de coşuri de cunoştinţe.
Coşurile de cunoştinţe informale ce colectează cunoştinţele tacite

care există în mintea experţilor sau a factorilor de decizie din organizaţie şi
care nu au fost puse într-o formă structurată.
Cunoştinţele explicite care trebuie extinse în organizaţie, filtrate,
organizate şi stocate într-un loc central de depozitare de cunoştinţe (coşuri).
Structura coşului depinde de tipul de cunoştinţe memorate. Există
trei tipuri de bază de coşuri de cunoştinţe referitoare la: cunoştinţe externe,
cunoştinţe structurale interne (rapoarte de cercetare, materiale de marketing
etc.), cunoştinţe informale interne (ex. discuţii despre baze de date, baze de
date partajate etc.).
Pentru realizarea managementului cunoştinţelor există două tipuri de
abordări: procedurale şi practice. Abordarea procedurală are în vedere
cunoştinţele explicite, şi încearcă o codificare a acestora în reguli şi proceduri
şi transmiterea acestora prin instrumente informatice. Această abordare este
bine structurată, ea conduce la elaborarea de noi cunoştinţe prin generarea de
noi idei, dar ea poate limita procesul de învăţare prin faptul că forţează
participanţii să gândească în tipare prestabilite. Abordările practice vizează în
special cunoştinţele tacite, greu de colectat şi de codificat, dar cu valoare
ridicată, iar pentru transmiterea acestora se utilizează grupuri sociale
informale sau comunităţi de practicieni (COP). Această abordare are un
caracter nestructurat, dar ea poate conduce la rezultate spectaculoase prin
abundenţa de idei noi ce pot fi generate. Firmele de consultanţă care sunt un
adevărat rezervor de cunoştinţe îşi pot aduce un aport important aici prin
indicarea situaţiilor unde se aplică cel mai bine aceste cunoştinţe tacite sau
fructificarea cu succes a combinaţiilor lor. Drucker în lucrarea sa „Theory
dosen’t equal Practice” /3/ arată importanţa lor şi dă exemple concrete de
aplicare (adresă internetweek.cmp.com/newslead01/lead01209.htm).
Managementul cunoştinţelor cuprinde patru activităţi importante şi
anume:
- activităţi de externalizare (captarea cunoştinţelor externe într-un
coş extern – repozitory şi organizarea lui pe straturi, cu scopul de a
descoperi cunoştinţe similare în cadrul organizaţiei, astfel de tehnologii ce
suporta externalizarea sunt baze de date, imagini tehnice, tehnologii ale
fluxului de materiale etc.);
- activităţi de internalizare (procesul de a identifica cunoştinţe de
obicei explicite, relevante destinate unui utilizator specific);
- activităţi de intermediere (acest proces este similar procesului de
brokeraj de a găsi, a potrivi coşul de cunoştinţe cu sursa cea mai bună de
cunoştinţe de obicei tacit utilizând în acest scop experienţa individuală sau
de grup, tehnologii ce facilitează acest proces sunt intranetul, fluxul intern al
documentelor şi sistemul de management al acestora);
- activităţi de cunoaştere (aplică cunoştinţele schimbate de

primele trei tipuri de activităţi).
Firmele adoptă sistemul de management al cunoştinţelor în
următoarele scopuri:
- o mai bună luare a deciziilor;
- reducerea costurilor şi mărirea profitului;
- obţinerea unui răspuns mai rapid la diferite chei de căutare;
- o productivitate mai înaltă în mânuirea cunoştinţelor utilizate;
- practici mai bune de partajare.
Pentru a face procesul de management mai eficient este necesar
desemnarea unui administrator al managementului cunoştinţelor numit şi
„ofiţer şef al cunoştinţelor”.
Administratorul cunoştinţelor (chief knowledge officer CKO) are
rolul:
- de a maximiza utilizarea celor mai bune cunoştinţe ale firmei;
- de a produce şi implementa strategiile de management;
- de a superviza schimbul de cunoştinţe interne şi externe;
- de a promova utilizarea sistemului;
- de a mări satisfacţia de informare a utilizatorilor în timp real;
- de a învăţa căutătorii de informaţii cum să pună cât mai bine şi
mai inteligent întrebările pentru a obţine apoi răspunsuri utile şi
în timp rapid;
- de a globaliza managementul cunoştinţelor atât pe plan intern cât
şi extern.
Administratorul (CKO) cunoştinţelor trebuie să posede următoarele
abilităţi:
 să aibă experienţă în managementul cunoştinţelor, al diseminării
şi aplicării acestora, dând dovadă de creativitate;
 să fie familiar cu companiile orientate pe cunoştinţe speciale şi
tehnologiile aferente;
 să fie abil de a prezenta cunoştinţe de nivel înalt şi de succes.
Implementarea metodologiei de management a cunoştinţelor implică:
- identificarea problemei (cărei segment de cunoştinţe îi aparţine);
- pregătirea schimbărilor pentru a implementa acest sistem;
- crearea echipei ce se va ocupa cu sistemul de management al
cunoştinţelor;
- potrivirea cunoştinţelor, identificarea acestora în sensul ce

reprezintă cunoştinţa, cine o posedă, cine are nevoie de ea.
- determinarea cheilor şi tehnologiilor adecvate care pot fi utilizate
pentru a implementa sistemul de management al cunoştinţelor;
- crearea unei bucle feedback care să arate cum se utilizează
sistemul de managemental cunoştinţelor, ce dificultăţi apar, cum
pot fi ele corectate;
- definirea blocurilor ce trebuiesc construite pentru sistemul de
management al cunoştinţelor (SMK) (coşul de cunoştinţe,
procesul de colectare, de regăsire, directorul şi conţinutul
sistemului de management al cunoştinţelor);
- integrarea sistemelor informaţionale existente în proiectul
sistemului de management al cunoştinţelor, cu scopul de a
captura cunoştinţele într-un format apropiat de cel existent.
Pentru a facilita procesul de proiectare al managementului
cunoştinţelor se pot folosi instrumente de tip „prototip” ce permit simularea
interactivă a acestui proces pornind cu grupuri mici şi cu un program pilot.
Există şi o serie de obstacole în implementarea unui sistem de
management al cunoştinţelor şi anume:
- lipsa înţelegerii beneficiului pe care îl poate aduce un astfel de
sistem;
- lipsa de timp a personalului din organizaţie;
- lipsa cunoaşterii şi mânuirii tehnologiilor privind (KMS);
- un climat care nu încurajează partajarea cunoştinţelor;
- lipsa unor iniţiative din partea factorilor responsabili de decizie
de pe diferitele nivele ale organizaţiei;
- neimplicarea suficientă a factorilor de management de pe
nivelele superioare.
Huang /6/ identifică următoarele zece strategii pentru implementarea
cu succes a (KMS):
- stabilirea unei metodologii pentru acest proces;
- desemnarea persoanelor care să promoveze şi să facă
managementul (CKO);
- îmbunătăţirea nivelului de cunoştinţe a persoanelor care aduc un
aport la crearea lor;
- monitorizarea cunoştinţelor clienţilor cu care firma conlucrează;
- managementul competenţelor de bază ale organizaţiei;
- creşterea colaborării şi inovării (prin munca în echipă, învăţare,

partajare şi flexibilizare a cunoştinţelor);
- învăţarea din cele mai bune experienţe interne sau externe;
- extinderea surselor de cunoştinţe;
- interconectarea comunităţilor de practici interne şi externe şi de
expertiză (utilizând biblioteci electronice, cunoştinţele experţilor
etc.);
- să se raporteze valoarea măsurată a cunoştinţelor de bunuri (să se
evalueze cum managementul cunoştinţelor influenţează afacerile).
Adrese utile pentru managementul cunoştinţelor sunt: google.com,
kmword.com, kmmag.com, km-forum.org, brend.com, knowledgemanagement.com.
3.4 Metode de management a cunoştinţelor, tehnologii
şi instrumente
Managementul cunoştinţelor este un proces orientat, cu strategii

determinate de cultura organizaţiei, motivaţii şi politici şi sunt necesare
instrumente adecvate pentru implementarea acestuia.
Obiectivele sistemului de management a cunoştinţelor sunt:
culegerea de cunoştinţe, organizarea, rafinarea, memorarea, mentenanţa şi
distribuirea acestora în vederea luării celor mai adecvate decizii.
Fiecare din aceste obiective se realizează pe baza executării unor
funcţii, de exemplu organizarea implică căutare, filtrare, catalogare, linkare
etc.
Acest sistem de management a cunoştinţelor se aplică mai ales la
sistemul de afaceri şi mai puţin la cel tehnologic şi de produse. Organizaţiile
îşi construiesc sistemul de management al cunoştinţelor astfel încât el să
ajute procesul de luare a deciziilor de pe diferitele nivele ierarhice ale
sistemului.
Tehnologiile utilizate în construirea infrastructurii sistemului de
management al cunoştinţelor sunt: reţele de comunicare (internet, intranet
extranet) instrumente de colaborare (Lotus, Group System),
videoconferinţe, mail, multimedia, motoare de căutare, portale de informaţii
ale organizaţiilor, depozite de date, agenţi inteligenţi, instrumente de data
mining, şi ale inteligenţei artificiale, tehnologii de introducere (push) şi
extragere (pull) ale cunoştinţelor, sisteme electronice de documente etc.
Desigur că se pot combina aceste tehnologii şi astfel abordări au în
vedere dezvoltarea unui nucleu al cunoştinţelor un motor care să ştie ce
trebuie luat din informaţia aflată dispersată în diferite locaţii şi baze de date
şi cum să le convertească în răspunsuri-cunoştinţe care pot fi utilizate
oriunde şi oricând şi de oricine în cadrul organizaţiei.
Există trei categorii de arhitecturi pentru colectarea cunoştinţelor şi

anume:
- o arhitectură de informare ce include noi limbaje, categorii şi
metafore pentru identificarea şi contabilizarea calificărilor şi competenţelor
organizaţiei;
- o arhitectură tehnică care este mai degrabă socială
asemănătoare internetului;
- o arhitectură aplicativă orientată spre rezolvarea şi
reprezentarea problemelor mai degrabă decât spre outputuri şi tranzacţii.
Este important de a colecta cunoştinţele experţilor şi ale angajaţilor
din companie şi de a cunoaşte aprioric scenariile ce pot fi adaptate la
problema curentă şi de a găsi o soluţie nouă potrivită.
Există câteva tipuri de abordări neobstrucţioniste pentru colectarea
cunoştinţelor despre expertiză. Astfel, produsele sofware Organik cu
componentele Orbital Software folosesc modele statistice pentru a
determina în mod automat profilul experţilor pe baza discuţiilor avute şi
realizează o interfaţă prietenoasă a cunoştinţelor cu mediul acestora.
Pentru managementul cunoştinţelor proiectelor utilizarea unui
limbaj uzual cu o bază de date a cunoştinţelor şi cu adăugire de informaţii
contextuale referitor la sursa de provenienţă a informaţilor permit stabilirea
de noi conexiuni prin e-mail chiar cu sursa iniţială şi astfel să se dezvolte
noi cunoştinţe.
Informaţia în depozitele de date este structurată dar cea din documente şi texte este
nestructurată. Odată localizată informaţia, sistemul de management al cunoştinţelor trebuie
să fie capabil să o găsească şi să stabilească legături între părţile ei componente utilizând în
acest scop o tehnologie adecvată.
EKP este un portal al cunoştinţelor pentru întreprinderi, adică un loc virtual pe o
reţea unde utilizatorii pot comunica online. Hyperyare Information Portal agregă informaţiile
din surse dispersate, realizează legături dinamice, verificând calitatea legăturilor şi evidenţiază
pe cele neautorizate (adresă/hyperwere.com/). Un portal ce utilizează limbajul XML
(extensible makup language) permite companiei de a comunica mai bine cu clienţii, făcând
legătura cu un lanţ virtual de cereri, unde modificările în cererile utilizatorilor sunt reflectate
imediat în planul de producţie.
Există o strânsă simbioză între managementului cunoştinţelor şi
inteligenţa artificială şi acest lucru este realizat prin metode şi software.
Metodele inteligenţei artificiale incorporate în sistemul de
management al cunoştinţelor au următoarele obiective:
- să asiste şi să intensifice procesul de căutare (prin agenţi
inteligenţi, Web etc.);
- ajută la stabilirea profilelor în vederea stabilirii tipurilor de
cunoştinţe ce trebuiesc colectate şi selectate de la indivizi şi
grupuri);
- explorează documente, baze de date, e-mailuri pentru a

descoperi noi cunoştinţe, noi conexiuni dintre cunoştinţe precum
şi noi reguli pentru sistemele expert.;
- să prognozeze rezultate viitoare pe baza cunoştinţelor actuale şi a
istoricului lor;
- identificarea modelelor de date utilizând în acest scop reţele
neuronale;
- să producă un limbaj natural bazat pe voce care să fie utilizat de
interfaţa KMS.
Produse software reprezentative ce au componente de inteligenţă
artificială sunt Knowledge Bridge (identifică soluţii pentru cereri bazate pe
probleme similare utilizând o logică fuzzy), Raven (realizează expertize
automate pentru crearea profilelor şi categorisirea conţinutului), Knowledge
Mail scanează e-mailurile şi stabileşte profilele publice şi private ale
utilizatorilor.
Instrumente precum Data mining, depozitele de date şi cunoştinţele
(KDD) sunt utilizate în managementul cunoştinţelor (KM). Data mining în
texte, depozitele de date şi e-mailurile pot identifica relaţii între fapte,
modele ale datelor şi induce noi reguli. KDD poate fi utilizat şi pentru a
stabili cauza unor căderi în cifra de afaceri a organizaţiilor. Sistemul KDD
utilizează managementul documentelor electronice (EDM) ca un coş de
cunoştinţe (repository) şi prin el se poate actualiza ciclul de viaţă al coşului,
accelera căutarea şi securiza mai bine accesul.
Tehnologia sistemelor expert este utilizată pentru a realiza
transferul de cunoştinţe de la experţi şi surse bine documentate, prin
intermediul sistemelor de calcul şi tehnici WEB către utilizatori ce nu sunt
experţi în domeniu (utilizat cu succes în aplicaţiile medicale). Puterea şi
eficienţa unui sistem expert rezidă din calitatea cunoştinţelor pe care le
posedă şi nu din particularităţile de reprezentare sau schemele de inferenţă
utilizate. Aceste sisteme aduc o serie de beneficii cum ar fi: creşterea
productivităţii în procesul de luare al deciziilor, îmbunătăţirea calităţii
deciziilor, flexibilitate sporită, un transfer mai bun al cunoştinţelor de la
vârful organizaţiei către nivelele intermediare şi inferioare aflate în diferite
locaţii, abilitate în rezolvarea unor probleme complexe, capacitate de a lucra
cu informaţii incomplete şi incerte, costuri scăzute.
Softuri pentru sistemul de management al cunoştinţelor sunt:
DecisionSuite, Wincite, Data Ware, KnowledgeX, Knowledge Share,
SolutionBuilder, Intraspect etc.
Tehnologiile Dataware, Excalibr, Fulcrum şi Verity de căutare şi
regăsire oferă motoare de căutare care pot căuta în sute de documente şi
coşuri de date printr-o singură cerere.
Utilizatorii pot crea agenţi inteligenţi care să execute căutări

specifice în mod regulat şi care să furnizeze rezultatele pe pagini Web sau
prin tehnologia push. WareAgent din ActiveKnowledge furnizează o căutare
inteligentă bazată pe agent şi are un motor de căutare dinamic. Dacă
căutările devin complexe este necesară o vizualizare intuitivă cu
instrumente ca ThemaMedia care face grupări (clustere) ale rezultatelor
tridimensionale, PerspectaView realizează o navigare în fişiere grupate din
istoric într-o perspectivă tridimensională.
Grape Vine este un produs de filtrare şi colaborare care poate
funcţiona împreună cu softul LotusNotes sau independent pe Intranet unde
el explorează informaţiile ce se potrivesc cel mai bine cu profilul stabilit de
utilizator şi acesta din urmă poate interveni în mod interactiv.
KnowledgeX achiziţionează, descoperă, publică şi distribuie
cunoştinţe obţinute din diferite surse sau baze de date, Internet. Acest
instrument creează un context prin care se analizează automat informaţiile
pentru a fi transformate în cunoştinţe şi stocate în coşuri (repository) de date
şi el permite o vizualizare a conexiunilor dintre cunoştinţe.
Wincite realizează o selectare adecvată a cunoştinţelor la pieţele de
cunoştinţe, produse, procese, responsabilităţi ale managerilor, utilizând în
acest scop legături către experţi şi face apoi distribuirea acestor cunoştinţe.
Data Ware Knowledge, Management Suite utilizează o serie de
instrumente pentru cunoaşterea iniţiativei ce derivă din cunoştinţele de
management. El include instrumente de navigare, de audit a cunoştinţelor,
de accesare a depozitelor de date prin Web, sisteme expert de identificare etc.
Level Link şi Lotus Notes oferă tehnologii de comunicare pentru
utilizarea internetului.
Bazele de date ale IBM, Informix Software, Oracle şi Sybase au
introdus noi variante care se adaptează şi la cunoştinţe. Toate firmele mari
de consultanţă (Arthur Anderson, Deloitte & Touch, Pricewaterhouse
Coper) au sisteme interne de management a cunoştinţelor pentru iniţiative
(www.knowledgespace.com). Costul pentru dezvoltarea unui astfel de soft
variază între 25000 şi 50 milioane de dolari.
3.5 Factorii ce contribuie la eficienţa managementului cunoştinţelor
Prin incorporarea sistemului de management al cunoştinţelor (KMS)
organizaţiile reuşesc:
- să micşoreze pierderea de capital intelectual (mai ales prin
plecarea salariaţilor);
- să se reducă costurile pentru obţinerea informaţilor externe:
- să se micşoreze redundanţa activităţilor referitoare la cunoştinţe;
- să se mărească productivitatea printr-un acces rapid la cunoştinţe;
- să crească satisfacţia angajaţilor prin faptul că aceştia se pot

instrui permanent;
- să câştige noi avantaje competitive pe piaţă.
Pentru succesul managementului cunoştinţelor într-o organizaţie este
necesar:
 realizarea unei conexiuni cu valorile economice şi industriale
care să demonstreze viabilitatea economică a organizaţiei;
 construirea unei infrastructuri tehnice şi organizaţionale în acest scop;
 existenţa unei structuri standard, flexibile a cunoştinţelor care să
indice calea de urmat a organizaţiei;
 o cultură prietenoasă care să ajute utilizatorii să o folosească;
 scopuri clar formulate şi limbaje prietenoase care să determine
utilizatorii să o cumpere;
 o schimbare a motivaţiilor pentru crearea unei culturi partajate;
 existenţa unor canale multiple de transfer a cunoştinţelor de la
individ la individ sau grup care să contribuie la crearea unor noi
valori;
 o orientare pe nivele a proceselor pentru a le valorifica mai bine;
 un sprijin şi acord mai bun a managerilor de pe nivelele
superioare de decizie;
 existenţa unor instrumente soft pretenţioase şi eficiente;
 utilizarea metodelor inteligenţei artificiale şi a sistemelor expert;
 un sistem de interfaţă prietenos.
Evaluarea succesului sistemului de management al cunoştinţelor
Există mai multe motive care îi determină pe manageri să cuantifice

aportul bunurilor intangibile într-o organizaţie şi anume:
- ele constituie o bază de referinţă pentru evaluarea companiei;
- ele stimulează ca managementul să se concentreze pe problemele
majore din sistem;
- ele justifică investiţiile în managementul cunoştinţelor.
Prin evaluarea elementelor intangibile ale unei organizaţii se creşte
capitalul acesteia şi anume capitalul extern (modul în care interacţionează
cu partenerii, clienţii, furnizorii), capitalul structural (modul în care subsistemele
şi procesele acţionează ca o pârghie în creşterea competitivităţii), capitalul
uman (rezultat din capacităţile de grup, individuale şi din cunoştinţe),
capitalul social (calitatea şi valoarea relaţiilor între indivizi, grupuri,
societate), capitalul de mediu (valoarea relaţiilor cu mediul în care

organizaţia coexistă).
Firme precum Xeros, Ernst&Young, Monserato au rămas lideri în
domeniul lor de activitate deoarece posedă un sistem bun de management al
cunoştinţelor. Corporaţii mari precum Microsoft, Intel au cele mai bune
strategii pentru a produce noi valori, şi pentru înţelegerea modului cum se
conduce capitalul intelectual şi cum se partajează el, ceea ce le-a permis să
rămână lideri pe piaţă în condiţiile unui mediu atât de dinamic precum softul
şi a existenţei unei concurenţe acerbe. Pentru bănci comerciale există o serie
de aplicaţii care permit partajarea cunoştinţelor şi redirecţionarea lor către
angajaţi. Adresă onlypunjab.com/ money/fullstory-insight-money + finance-
newsID-9368.html. Pentru industria de automobile există aplicaţii utile
precum cea a companiei DaimlerChrysler: adresă autointell.com/News-
2001/July-2001/July-2001-2/July-11-01-p5.htm.
3.6 Concluzii
Există o serie de probleme în managementul cunoştinţelor ce rămân
deschise şi pentru viitor şi ele se referă la a determina:
- căile cele mai eficace pentru a stabili şi a mânui cultura
organizaţiei astfel ca un KD să fie eficient şi să realizeze un
acces partajat al cunoştinţelor;
- măsurile cele mai adecvate pentru a cuantifica eficienţa KD;
- echilibrul între tehnologie şi procesele umane în construirea unui KD;
- modul în care oamenii creează comunică şi utilizează cunoştinţele;
- căile eficiente şi neobstrucţioniste pentru colectarea şi filtrarea
cunoştinţelor;
- mijloacele cele mai adecvate pentru reprezentarea cunoştinţelor
şi a felului în care ele corespund obiectivelor aplicaţiei;
- o dimensionare eficientă a resurselor pentru a realiza un KMS
compresiv şi integrat;
- cele mai bune căi de integrare a metodelor inteligenţei artificiale
în KMS;
- instrumente eficiente şi integrate de soft KMS ;
- interfeţe prietenoase bazate pe limbaje naturale pentru KMS;
- modul cel mai eficient care ajută la consolidarea procesului de
învăţare (KMS);
- cele mai bune şi adecvate metode ale inteligenţei artificiale care
să fie incluse în pachetul de management al cunoştinţelor.
3.7 Bibliografie
1. Ahlawat, S. S., Competing in the Global Knowledge Economy:
Implication for Business Education. Journal of American Academy of
Business, vol. 8, nr. 1, 2006.
2. Alavi, M., Kayworth, T., Leidner, D., An Empirical Examination of
the Influence of Organizational Culture on Knowledge Management
Practice. Journal of Management Information Systems, vol. 22, nr. 3,
2005/2006.
3. Drucker, D., TheoryDoesn’t EqualPractice, Internetweek.com, January,
29, 2001.
4. Gray, P., Watson, H. G., Decision Support in Data Warehousing.
Upper Saddle River NJ Prentice-Hall, 1998.
5. Gupta, B., Iyer, L., Aronson, J. E., Knowledge Management:
A Taxonomy, Practice and Challenges, Industrial Management and
Data Systems vol 100, nr 1, 2 /2000.
6. Huang, K. T., Lee, T. Y., Wang R. Y., Quality Information and
Knowledge, Upper Saddle River, NJ Prentice-Hall, 1999.
7. Holsapple, C. W., Handbook of Knowledge Management: Knowledge
Matters, vol. 1, Heidelberg Springer-Verlag, 2003.
8. Holsapple, C. W., Handbook of Knowledge Management Knowledge:
Directions, vol. 2, Heidelberg Springer-Verlag, 2003.
9. Kankanhalli, A., Tan, B. C. Y., Knowledge Management Metrics:
A Review and Directions for Future Research. International Journal of
Knowledge Management, vol. 1, nr. 2, 2005.
10. Nevo, D., Wand, Y., Organizational Memory Informations Systems:
A Transactive Memory Approach. Decision Support Systems vol. 39,
nr. 4, 2005.
11. Polany, M., The Tacit Dimension. London Routledge & Kegan Paul,
1966.
12. Park, Y. T., Kim, S., Knowledge Management Systems for Fourth
Generation R&D:KNOVATION, Tehnovation, vol. 26, Nos. 5, 6. May,
June, 2006.
13. Ruber, P., Build a Dynamic Business Portal with XML, Knowledge
Management January, 2001.
14. Schwartz, D. G., Encylopedia of Knowledge Management. Hershey,
PA: Ideea Group Reference, 2006.
15. Sedighi, A., An Indispensable Guide to Knowledge Management

Systems. IEEE. Software, vol. 23, nr. 1, January/ February, 2006.
16. Turban, E., Aronson, J. E, Decision Support and Business Inteligence
Systems Prentice-Hall ed. 2007, 2005, 2001.
17. Zhang, D. S., Zhao, J. L., Knowledge Management in Organizations.
Journal of Data Base Management, vol. 17, nr. 1, January-March, 2006.
18. Zimmermann K. A., Portal Help Insurances and Their Customers.
KMWord, 2003.
Sistemul suport
de decizie de grup (GDSS)
5.1 Procesul de decizii de grup
Procesul luării deciziilor în grup implică pe de-o parte grupul şi pe

de altă parte procesul decizional al acestuia.
 Grupuri. Termenul „grup” (sau munca în grup) se referă la două

sau mai multe persoane (de obicei până la 25) ale căror misiune este să
îndeplinească nişte sarcini şi să acţioneze ca un tot unitar. Grupul poate fi
permanent sau temporar. Grupul poate lucra într-unul sau mai multe locuri
şi membrii lui pot lucra concomitent sau în momente diferite. Un grup poate
fi un comitet, un grup de analiză, o echipă de executarea sarcinilor, un
comitet executiv sau o echipă permanentă.
 Natura deciziilor luate de grup. Deşi cele mai multe organizaţii
sunt structurate ierarhic, luarea deciziilor este un proces care îi implică pe
toţi membrii unei astfel de organizaţii. Grupul poate îndeplinii o sarcină
care implică luarea deciziilor sau care are legatură cu luarea deciziilor, cum
ar fi creearea unei liste scurte care să conţină alternative acceptabile sau
alegerea criteriilor pentru acceptarea unei alternative. Deciziile sunt luate în
cadrul unor şedinţe de grup. Şedinţele de grup sunt caracterizate de
urmatoarele activităţi şi procese:
- întâlnirile reprezentând o activitate comună, sunt susţinute de un

grup de oameni care au de obicei acelaşi statut (funcţie);
- rezultatul întâlnirii depinde într-o anumită măsură de
cunoştinţele, opiniile şi modul de a judeca al participanţilor;
- rezultatul întâlnirii depinde şi de persoanele care alcătuiesc
grupul şi de modul în care sunt luate deciziile;
- diferenţele de opinie sunt rezolvate ori de cea mai înaltă persoană
în grad sau de cele mai multe ori prin negociere sau arbitrare.
Dezvoltarea tehnologiilor pe plan software a permis o creştere a

eficienţei deciziilor de grup mai ales în cazul în care factorii implicaţi sunt
în locaţii geografice diferite: ţări, oraşe.
Turban [2007] evidenţiează câteva funcţii şi caracteristici ale
grupului de decidenţi:
- Grupul realizează o activitate de tip decizional sau de altă natură;
- Membrii grupului se află în locaţii diferite şi lucrează la
momente diferite de timp;
- Membrii grupului fac parte din acceaşi organizaţie sau din
organizaţii diferite, poziţionându-se pe nivelele ierarhice ale
acestor organizaţii;
- Grupul poate avea un caracter permanent sau temporar, iar
obiectivele de realizat pot fi pe termen scurt, mediu sau lung;
- Datele, informaţiile şi cunoştinţele de care are nevoie grupul pot
fi situate pe surse diferite, interne sau externe organizaţiei;
- Este foarte costisitor şi uneori imposibil de a aduna toti membrii
grupului în acelaşi loc şi în acelaşi timp;
- Grupul are o componenţă eterogenă şi membrii grupului posedă
expertiză şi o experienţă diferită;
- Deciziile luate de grup sunt mai uşor de implementat dacă toţi
membrii grupului avizează acest fapt.
Procesul de luare a deciziilor în grup se realizează prin întâlniri
reale sau virtuale sau sub alte modalităţi (tehnici Delphi, Branstorming,
Focus Grup).
Ouputul deciziilor de grup depinde în mare măsură de nivelul de
cunoştinţe, opinii, judecăţi şi raţionamente pe care le posedă componenţii
grupului. Structura grupului este importantă şi ea trebuie să depindă de

problema analizată, de clasă şi tipul acesteia. Realizarea unor echipe
virtuale devine în zilele noastre o cerinţă tot mai strigentă având în vedere
fenomenul de globalizare şi de realizare a componentelor unui produs în
locaţii geografice diferite pe glob.
Deciziile luate în grup pot fi avanatajoase sau dezavantajoase
procesului de decizie. Enumerăm în continuare principalele avantaje:
- grupul facilitează şi întăreşte procesul de învăţare a membrilor
individuali şi ajută la înţelegerea mai bună a problemelor
analizate;
- grupul poate detecta mai bine eventualele erori şi omisiuni ce pot
şă apără în urma analizei de sistem având în acelaşi timp o
responsabilitate mai mare în furnizarea soluţiilor;
- prin efectul sinergetic grupul poate crea noi informaţii şi
cunoştinţe şi prin creativitate interactivă să furnizeze noi
alternative pentru rezolvarea problemelor şi găsirea unor soluţii
mai bune;
- grupul utilizând tehnică computerizată modernă, oferită de
sistemele INTRANET, EXTRANET, INTERNET, reţele de
calculatoare, poate realiza o comunicare mai bună şi mai rapidă.
De asemenea membrii grupului pot preveni mai bine, împreună
riscul, având capacitatea de moderare şi de echilibrare a
factorilor de risc ce ameninţă obiectivele startegice şi tactice ale
organizaţiilor.
Dezavantajele deciziilor de grup:
- Adeseori gândirea în grup împedică emiterea de noi idei,
îngrădeşte libertatea de exprimare;
- Munca în grup necesită un timp mai îndelungat deoarece timpul
de comunicare şi de exprimare nu este limitat;
- Există posibilitatea ca anumiţi membrii ai grupului prin poziţia
pe care o ocupă şi să domine o agendă de lucru, chiar dacă ideile
acestora nu sunt întotdeauna mai bune;
- Poate apare unori o tendinţă de înhibare în comunicare din partea
unor membrii ai grupului;
- Exista uneori tendinţa ca prin realizarea unor compromisuri să se
ajungă la soluţii de proastă calitate;
- În procesul de luarea deciziilor în grup apar adeseori şi timpi
neproductivi legaţi de perioadele de socializare, de timp de
aşteptare (air-time fragmentation) sau de influenţele negative ale

opiniilor (flaming);
- Grupul poate induce uneori blocări ale concentrării şi atenţiei
membriilor sau poate conduce la analize incorcte şi incomplete
datorită abundenţei de informaţii existente şi a timpului limitat în
care trebuie luată o anumită decizie;
- Uneori costurile elaborării deciziilor de grup pot fi ridicate
datorită necesităţii organizării unor simpozioane sau conferinţe
care să conducă la cele mai bune şi moderne decizii. Aceste
costuri devin foarte ridicate când evenimentele se desfăşoară în
locaţii exotice.
Organizarea întâlnirilor de grup poate fi sub formă branstorming,
tehnica Delphi.
Deciziile de grup utilizează cele mai noi tehnici şi metode ale
sistmelor computerizate de la elementele ce facilitează comunicarea şi
interconectarea până la metodele şi algorimtii specifici teoriei decizii de
grup (Borda, Condorect, funcţii de utilitate de grup etc.) prezente în
literatura de specialitate.
Pentru îmbunătăţirea lucrului în grup se încearcă eliminarea unei

părţi din aceste disfuncţii pentru creşterea beneficilor. Oamenii de ştiinţă
care studiaza comportamentul (experţi în personal, experţi în eficienţă etc.)
au încercat diferite abordări ale acestor probleme. Unele dintre ele se
numesc dinamici de grup şi în cadrul lor vom prezenta două metode
reprezentative.
Tehnica grupului nominal
Tehnica grupului nominal (NGT) este una dintre primele metode
manageriale create special pentru a sprijini munca în grup. Metoda elaborată
de Delbec şi Van de Ven (vezi Lindstone şi Turhoff [1975]), include o serie
de activităţi necesare în procesul de luare a deciziilor:
 generarea ideilor în scris în linişte;
 scrierea ideilor de către toţi participanţii pe o foaie de hârtie în
ordinea generării;
 serii de discutare a ideilor;
 stabilirea priorităţior în linişte;
 discutarea priorităţior;
 însuşirea priorităţilor din nou în linişte şi clasificarea lor.

Procesul grupului nominal se bazează pe o cercetare socio-politică, care
indică faptul că această procedură este superioară discuţiilor convenţionale ale
grupurior cu scopul de a genera o calitate mai bună, o cantitate mai mare şi o
distribuţie îmbunătăţită a informaţiei ce priveste stabilirea sarcinilor.
Succesul NGT şi a altor metode similare depinde în mare parte de
calitatea coordonatorului (abordările privind dinamica grupului necesită un
coordonator) şi de pregatirea participanţilor. De asemenea, acest tip de
abordare nu rezolvă însă mai multe disfuncţii legate de activităţile grupului
(cum ar fi frica de a vorbi, organizarea şi planificarea necorespunzatoare a
întâlnirilor, compromisuri şi lipsa unei analize corespunzatoare).
Metoda Delphi
Metoda Delphi, o altă tehnică veche de îmbunatăţire a activităţilor de
grup, a fost creată de Corporaţia RAND care se ocupă de coordonarea
grupurilor de experţi în luarea deciziilor (vezi Lindstone şi Turhoff [1975]).
Obiectivul acestei metode este de a elimina aspectele neplacute ale
interacţiunii dintre membrii grupului. Experţii nu trebuie să se întâlnească
faţă în faţă, ei nu-i cunosc pe ceilalţi experţi. Metoda începe de obicei cu
obţinerea unei opinii scrise din partea fiecărui expert (de exemplu, o
previziune) având în vedere preocuparea asupra acesteia împreună cu
argumentele care vin sa o întărească şi presupunerile ulterioare. Aceste
opinii ajung la coordonatorul Delphi, care redactează, clarifică şi rezumă
datele primare. Aceste opinii sunt ca feedbakuri anonime oferite tuturor
experţilor împreună cu o a doua rundă de întrebări sau alte chestiuni.
Întrebări şi feedbackuri continuă în scris, timp de câteva runde, devenind
mult mai specifice, până când se obţine un consens printre membrii grupului
sau până când experţii nu-şi mai schimbă părerile.
Metoda Delphi beneficiază de confidenţialitate, de opinii multiple şi
o comunicare de grup printre membrii care se bazează pe diverse opinii şi
presupuneri. În acelaşi timp evită mai multe efecte negative, cum ar fi un
comportament dominant, gândirea de grup şi încapăţânarea care sunt des
asociate întâlnirilor faţă în faţă. Metoda Delphi are şi câteva dezavantaje.
Funcţionează încet, este costisitoare şi de obicei se limitează la o chestiune
dată (cum ar fi previziunile tehnologice sau deciziile biunivoce).
5.2 Definiţii ale sistemelor suport de decizii de grup (GDSS)
Succesul limitat al metodelor NGT şi Delphi a adus la încercarea de

a folosi tehnologia informaţiei pentru a sprijini întâlnirile de grup. Principala
tehnologie se numeşte grup DSS (GDSS) sau câteodată sistem suport de

grup (GSS).
GDSS a evoluat pe masura ce cercetătorii în domeniul tehnologiei şi-
au dat seama că tehnologia poate fi dezvoltată pentru o varietate de activităţi
care în mod normal aveau loc în timpul întâlnirilor faţă în faţă (cum ar fi
generarea de idei, obţinerea unui consens, votarea şi rânduirea anonimă). Au
existat două şcoli de gândire GDSS: abordarea ştiinţelor sociale, care a
elaborat teorii sociologice şi cognitive despre oamenii care lucrează în
grupuri, pentru a determina ce fel de instrumente au cel mai mare efect; şi
abordarea tehnică care a examinat cum interacţionau oamenii în cadru
întâlnirilor şi a creat instrumente necesare îmbunătăţirii eficienţei şi
eficacităţii. De-a lungul timpului, ambele şcoli au recunoscut aspectele
pozitive ale fiecarui punct de vedere, ceea ce a dus la o fuziune eficientă
între cele două.
Ce este un sistem de decizie de grup? (GDSS)
GDSS poate fi definit în mai multe feluri. În opinia lui Huber 1990,
un GDSS reprezintă un set de programe aplicative (software), cu suportul
fizic adecvat (hardware), componenete de limbaj şi proceduri care ajută un
grup de oameni implicaţi într-o întâlnire legată de luarea deciziilor.
Un SSDG este un sistem intercativ bazat pe calculator care permite
găsirea unor soluţii de către grupul decizional pentru problemele
semistructurate şi nestructurate ale organizaţiei analizate.
Utilizarea modelării conceptuale adecvată acestor probleme de
decizii incorporată într-un astfel de sistem, ajută la creşterea productivităţii
actului decizional şi a calităţii acestuia.
Principalele carcateristici ale unui GDSS conform Turban [2007]

sunt:
- Susţine procesele decizionale de grup, facilitând automatizarea
unor subprocese necesare în luarea deciziilor prin utilizarea unor
tehnologii informatice corespunzătoare.
- Este un sistem informatic special proiectat pentru a putea rezolva
o problemă specifică de decizie sau o varietate de probleme de
decizii de grup ce apar pe diferitele nivele ierarhice ale
organizaţiei, şi care permite enunţarea de noi idei, rezolvarea
într-o manieră amiabilă a conflictelor şi generarea unui cadru
prietenos pentru emiterea soluţiilor corespunzătoare.
- El conţine un mecanism intern de supraveghere şi control a
procesului decizional de grup care să descurajeze
comportamentul negativ şi distructiv ce poate apărea în procesul

de comunicare şi de gândire al grupului.
- El permite un acces uşor şi rapid la informaţiile externe necesare
în luarea deciziilor, facilitând prelucrarea paralelă a informaţiilor
şi a ideilor generate de participanţii la procesul decizional
realizat în sistemul asincron de comunicare.
- Face posibilă în acelaşi timp, arhivarea fazelor decizionale
(intermediare) care au condus la rezultatul final, permiţând astfel
o reluare iteratvă a procesului de decizie dacă rezultatele nu
convin.
- Contribuie, de asemenea, la fixarea unui bord de probleme care

să permită luarea în considerare de obiective decizionale
multiple, unele dintre ele necunoscute la începutul procesului
decizional dar care pot fi inserate pe parcurs în soluţie, pe măsura
acumulării de noi informaţii şi cunoştinţe obţinute sau deduse în
procesul de comunicare între decedenţi.
GDSS-urile nu sunt sisteme ce includ modele sau algoritmi
decizionali ci instrumente hard şi soft ce contribuie la creşterea
performanţei sistemului de comunicare în procesul de luare a deciziilor.
Ele au următoarele carcateristici:
a) GSS este considerat de grup, ca un suport informatic care ajută la
regăsirea rapidă sau în timp util a informaţiilor din bazele de date
operationale sau în depozitele de date ale organizaţiilor.
b) Facilitează partajarea informaţiilor pentru întreg grupul sau
pentru membrii grupului utilizând în acest scop ecrane comune.
c) Permite utilizarea informaţiilor pentru pachetele software
specifice de modelare a deciziilor care nu sunt integrate în GSS.
GDSS este considerat un capitol al unui domeniu mai vast si anume
al Sistemelor Suport de Grup (GSS) sau sisteme de întâlnire electronice
(EMS). EMS sunt definite de Dennis [1988] dupa cum urmează:
Un mod de lucru bazat pe o tehnologie a informaţiei (IT) care
sprijină întâlnirile de grup şi care poate fi distribuit geografic şi temporal.
Sarcinile de grup includ, fară a se limita la aceasta, comunicare,
planificare, generarea de idei, rezolvarea problemelor, discutarea
subiectelor abordate, negocieri, soluţionarea conflictelor, analiza de sistem
şi design precum şi activităţi ce presupun o colaborare între membrii
grupului cum ar fi pregatirea şi împărţirea documentelor.
1
Obiectivul GDSS este îmbunătăţirea productivităţii şi eficienţei
întâlnirilor care au drept scop luarea deciziilor fie prin accelerarea acestui
proces, fie prin sporirea calităţii deciziilor. GDSS încearcă să sporeasca
beneficiile muncii în grup şi să micşoreze disfuncţiile prezentate. Aceste
obiecvtive sunt realizate prin acordarea unui sprijin membrilor grupului
pentru schimbul de idei, opinii şi preferinţe.
DeSanctis şi Gallupe [1987] au împărţit tehnologiile GDSS în trei
nivele care diferă dintr-un punct de vedere a ajutorului oferit unui grup
specializat în luarea deciziilor:
 Nivelul 1: Sprijinirea procesului
 Nivelul 2: Sprijinirea procesului de luare a deciziilor
 Nivelul 3: Reguli de ordine
Avantajele sistemelor suport de decizii de grup (GDSS):
 Sprijină procesarea paralelă a informaţiei şi generarea de idei;
 Oferă informaţii complete unor grupuri mai mari, cunoştinţe şi
tehnici pentru a participa la aceeaşi întâlnire;
 Permite grupului folosirea tehnicilor sau a metodelor structurate
sau nestructurate pentru îndeplinirea sarcinilor;
 Oferă acces rapid şi uşor la informaţii externe (via intranet sau
internet);
 Îi ajută pe participanţi să înţeleagă problema global;
 Oferă o structură care se bazează pe procesul de planificare, care
menţine grupul la zi cu problemele;
 Mai mulţi utilizatori pot interacţiona simultan;
 Înregistrează automat orice informaţie care trece prin sistem
pentru analize viitoare.
Nivelul 1 : sprijinul acordat procesului în sine
Obiectivul primului nivel GDSS este să reducă sau să îndepărteze
barierele care stau în calea comunicării. Un GDSS realizează acest lucru
prin:
 Mesaje electronice între membrii grupului;
 Reţele care leagă computerul personal al fiecărui membru de
calculatoarele celorlalţi membri;
 Un ecran comun care poate fi accesat de pe calculatorul fiecărui
membru sau poate fi amplasat într-un loc central pentru o
recepţie maximă;
 Idei anonime şi voturi anonime pentru a încuraja participarea

membrilor grupului care preferă să rămână anonimi;
 Fiecărui membru al grupului i se solicită idei şi voturi pentru a
încuraja participarea şi a spori creativitatea;
 Rezumate şi expuneri de idei şi opinii, inclusiv rezumatele
statistice şi expunerea voturilor pe ecranul comun;
 Un format pentru o agendă cu care sa fie de acord grupul, pentru
a organiza întâlniri;
 Expuneri continue ale agendei, la fel ca şi a altor informaţii
pentru a menţine un anumit orar al întâlnirilor.
Nivelul 2: sprijinul acordat luarii deciziilor
La acest nivel, software-ul (programele aplicative) aduce în plus
anumite tehnici pentru modelarea şi analizarea deciziilor. Nivelul 2 al GDSS
încearcă să reducă nesiguranţa şi să intervină în procesul luării deciziilor
oferind metode sistematice pentru optimizarea executării sarcinilor.
Caracteristicile acestei categorii includ:
 Planificare şi modele financiare;
 Arbori de decizie;
 Modele de evaluare a probabilităţii;
 Modele de alocare a resurselor;
 Modele de judecată socială
Nivelul 3: Reguli de ordine (funţionare)
Acest nivel se adreseaza procesului de luare a deciziilor cu scopul de
a controla timpul, conţinutului sau modelele de mesaje. La acest nivel se
adaugă un software special care conţine reguli de ordine. De exemplu,
anumite reguli pot determina momentul în care se vorbeşte, răspunsul
potrivit sau regulile de votare.
5.3 Tehnologia sistemelor suport de decizie de grup (GDSS)
În mod curent există trei opţiuni tehnologice pentru a furniza GDSS.

O facilitate pentru întâlniri electronice cu scop special, facută pentru GDSS;
un laborator computerizat cu un obiectiv general care dublează facilităţile
GDSS şi internetul, intranetul sau software-ul de reţea care îi permite
grupului să lucreze de oriunde s-ar afla şi în orice moment.
Hardware-ul (suportul fizic)
3
Un grup poate utiliza mai multe tipuri de baza de configuraţii hardware:
 Un singur calculator. Participanţii se adună în faţa unul
calculator în timp ce persoana accesează şi introduce date şi
modele. Pe ecran se prezintă grupului o serie de întrebări la care
se primesc răspunsuri în ordinea importanţei lor. În final se
indică o decizie un astfel de sistem aduce foarte puţine beneficii.
 Calculatoare şi terminale. Aceasta este o colecţie de camere de
lucru, fiecare echipată cu terminale de unde membrii pot vota.
Aceste terminale sunt ortabile şi pot fi transportate foarte usor.
Se poate opera usor cu ele dar au capacităţi limitate. Astfel de
terminale pot accesa e-mailul sau pot fi conectate la reţea.
 O cameră de luare a deciziilor. Aceasta este o facilitate GDSS
creată pentru întâlniri electronice.
 GDSS distribuite. Participanţii se află în diferite locaţii folosind
calculatoare reţele şi sisteme standard de operare. Cu ajutorul
reţelelor ei pot coopera. Această configuraţie a devenit cel mai
folosit GDSS, mai ales odată cu creşterea rapidă a popularităţii
sistemelor cum ar fi Lotus Domino/Notes şi Netscape
Communicator. Distribuirea GDSS se realizează prin intermediul
capacităţilor corporaţiilor intranet şi internet de comunicare şi
cooperare.
Software-ul (programele aplicative)
Software-ul GDSS include module care se ocupă de individ, de grup
de proces şi de anumite sarcini. De exemplu, software-ul pote include
comenzi de rutină speciale pentru îmbunătăţirea procesului de luare a
deciziilor şi a unei interfeţe cu utilizatorul uşor de folosit şi flexibilă.
Software-ul îi permite fiecărui individ să utilizeze în particular: colecţiile
obişnuite de text şi crearea de dosare, grafică şi managementul bazei de
date. Trăsăturile tipice ale unui astfel de soft sunt:
 Un rezumat numeric şi grafic al membrilor grupului, al ideilor şi
al voturilor;
 Programe pentru calcularea alternativelor de decizie, înregistrare
anonimă a ideilor, o selecţie formal a liderului de grup, runde
progresive de vot pentru a se ajunge la un consens, sau
eliminarea informaţiilor redundante în timpul şedinţelor.
Transmisii de text şi de date printre membrii grupului, între membrii
grupului coordonator, şi între membrii şi un depozit de date sau documente
centrale
Componenta umană
Componenta umană a GDSS include membrii grupului şi
coordonatorul, care este ca şi „şoferul” grupului, operând cu suportul fizic şi
cu programele aplicative furnizând informaţiile de care grupul are nevoie.
Procedurile
Componenta finală a GDSS este alcătuită din proceduri care
uşurează folosirea tehnologiei de către membrii grupului. Aceste proceduri
pot fi aplicate doar hardware-ului şi software-ului sau pot să includă şi
reguli privind discuţia verbală dintre membrii şi desfăşurarea evenimentelor
în cadrul întâlnirii. Odată cu dezvoltarea lui pentru GDSS, multe proceduri
legate de tehnologie sunt la fel de uşor de folosit ca cele din Windows.
Programe aplicative
(software-ul)
Baze de date GDSS-ului Model de baza
Procesare
Interfata cu utilizatorul
Procedurile de coordonare de grup
Ecran comun
Membrii grupului
Sursă Turban [2007]
Figura 5.1 Un model GDSS
5
Cele mai utilizate software-uri (programe aplicative) GDSS sau
pachete de programe aplicative care sunt folosite într-o cameră de decizie:
 Sistemul de grup pentru Windows (şi pentru DOS) de la
Corporaţia Ventana, Tucson. Acesta este un set complet de programe
aplicative pentru întâlniri electronice.
 VisionQuest (de la Collaborative Technologies Corporation,
Austin Texas). Acest produs sprijină o multitudine de funcţii interactive de
echipa cum ar fi controlul asupra agendei, acordarea priorităţilor, generarea
de idei şi documentarea asupra activităţilor. De asemenea, sprijină întâlniri
în care participanţii se află în locaţii diferite şi pot chiar să comunice în
momente diferite.
 Lotus Domino/Notes (Lotus Development Corporation,
Cambridge MA). Acest software a iniţiat munca în colaborare pe documente
şi acces la baza de date care duce la luarea deciziilor sau la împărţirea datelor.
 Netscape Communicator (de la Netscape Communications
Corp., Mountain View, CA). Acest software oferă multe din funcţiile Lotus
via internet şi motoare de căutare.
 TBCWorks (de la Universitatea din Georgia, Atena). Acesta
este un pachet GDSS bazat pe internet. Funcţionează pe serverele Unix şi se
poate acesa prin browsere (programe de explorare) de internet.
O privire de ansamblu asupra diferitelor unelte şi a relaţiei lor cu
principalele activităţi GDSS este prezentata în figura 5.2.
Activitate
Generare Brainstorming electronic
de idei Prezentator
Tabla pentru prezentare
Generare
de idei Clasificator
Tabla pentru prezentare
Planificarea
etapelor
Stabilirea
proprietăţilor Votare
Întâlnire Analiza alternativă
managerială Sondaj
Ancheta opiniilor
Dezvoltarea
procedurilor
de idei Modelator de activităţi
Analiza alternativă
Participanţi
Documentaţie
Documentaţie proprie
Acumularea
Jurnal personal
cunoştinţelor Monitorizarea
şi prezentarea evenimentelor
lor
Sursă Turban [2007]
Figura 5.2 Principalele activitati dintr-un GDSS
5.4 Instrumente utilizate de decidenţii de grup
Aceste instrumente sunt disponibile în Microsoft Windows şi Office

2007 pe Internet sau pe Intranetul organizaţiilor particulare ce utilizează
deciziile de grup. Comunicarea poate fi sincronă (în timp real) sau asincronă
prin realizarea ei la diferite momente de timp (prin e-mail, prin bloguri,
SMS-uri). Este important ca intrumentele de comunicare să fie compatibile
între ele: videoconferinţe, conferinţe internaţionale, audio conferinţe, mesaje
instantanee verbale sau video, sesiuni de branstorming, sistemul de
comunicare pe net etc.
Sistemele cu caracter general (sincrone sau asincrome) utilizate de
decidenţii de grup pot fi: instrumente de reţea, ecrane partajate, utilizarea
7
portalelor coorporative pentru comunicare, colaborare şi cercetare, fişiere
pratajate, grafice audio-video, crearea de pagini web cu legături etc.
Instrumentele care ajută şedinţele virtuale pot fi de tipul:
WebEx.com, gotomeeting.com, Centra Emeeting, Genesys Meeting Centre,
Placeware. Utilizarea şedinţelor virtuale contribuie şi la micşorarea
costurilor deoarece se reduc costurile de transport şi de cazare ale membrilor
grupului.
Posiblitatea de partajare a ecranului obţinută prin utilizarea unor
softuri adecvate permite membrilor grupului să lucreze simultan la acelaşi
document care este vizualizat pe ecranul PC-ului. Schimburile de idei pot fi
realizate foarte uşor cu ajutorul creionului luminos atingând ecranul sau prin
utilizarea tastaturii. Un astfel de instrument pentru deciziile de grup este
reţeaua GROOVE (adresă groove.net) care permite atât crearea şi editarea
de documente utilizând sistemul deciziilor de grup. Sistemul groove.net al
firmei Microsoft pentru reţele de calculatoare este un soft ce permite
procesul de partajare (sharing).
Software-ul specific deciziilor de grup este adesea integrat în alte
sisteme de soft cum ar fi spre exemplu LOTUS, MICROSOFT, WEB. Adrese
utile sunt: microsoft.com, grupsystems.com, ibm.com, soft word/lotus.
Instrumentul informatic Lotus Notes/DOMINO şi Lotusphere ce se
află la adresa ibm.com/software/lotus permite colaborarea între utilizatori
prin accesul partajat la informaţii şi documente pe baza unui program de
ordonanţare, care face accesul în timp util la milioanele de documente pe
care le deţin organizaţiile particulare şi la cunoştinţele pe care acestea le
posedă.
Problema partajării documentelor şi cunoştinţelor implică şi realizarea
unui sistem de securizare adecvat care să recunoască parolele de acces la
diferite tipuri de informaţii.
Există instrumente soft pentru deciziile de grup mai simple, dar şi
instrumente complexe adecvate firmelor mici ce sunt utilizate în
managementul de conducere referitor deciziile de grup. Instrumentele pentru
sistemele de grup pot conţine şi modele decizionale, dar şi elemente simple
care asigură o comunicarea rapidă.
Implementarea sistemului GDSS/GSS poate fi realizată pe trei căi
şi anume:
a) utilizarea unor „încăperi” (săli de conferinţă) decizionale dotate
cu sisteme de calcul corespunzătoare care să faciliteze luarea
unor decizii de grup eficiente;
b) utilizarea unui instrument multifuncţional (laboratoare de

calculatoare) care permite rezolvarea unor obiecte decizionale
multiple;
c) sisteme de decizii de grup bazate pe INTERNET ŞI INTRANET.
Utilizarea WEB-ului în sistemele decizionale de grup permite:
- o îmbunătăţire în managementul deciziilor, în proiectarea
site-urilor şi a metodelor utilizate de sistemele decizionale de grup;
- realizarea unei interfeţe prietenoasă între utilizatorii grupului
prin folosirea unor instrumente grafice sugestive;
- o îmbunătăţire a comunicării prin folosirea reţelelor locale dar şi
a celor nelocale între organizaţii, folosind în acest scop uneori şi
sisteme în timp real.
Este necesar de a promova prin diferite mijloace, necesitatea
sistemului de colaborare între managerii diferitelor organizaţii şi de a crea
un climat propice care să impună ca o necesitate utilizarea mijloacelor şi
metodelor moderne de soft în procesul decizional.
Agrev [2000] consideră că trebuie parcurşi trei paşi pentru a stimula
şi a disimina procesul de colaborare dintre factorii decizionali ai grupului.
Pasul 1. Să se cunoască ceea ce se doreşte, adică membrii grupului
să-şi definească clar obiectivele şi măsurile de performanţă cu care acestea
vor fi cuantificate.
Pasul 2. Determinarea restricţiilor privind resursele utilizate. Aceste
restricţii se referă la repartizarea geografică a membrilor grupului, precum şi
la sistemul de restricţii privind relaţiile şi motivaţiile membrilor grupului.
Pasul 3. Stabilirea instrumentelor ce vor fi utilizate pentru a surmonta
restricţiile impuse asupra resurselor.
Deciziile de grup implică crearea unui mediu de lucru adecvat care
să faciliteze cât mai bine procesul de colaborare între toţi factorii implicaţi.
5.5 Medii de lucru pentru deciziile de grup
Pentru a realiza o bună colaborare şi comunicare între diferiţii

parteneri de afaceri ai organizaţiei este necesară existenţă unui mediu
adecvat acestui proces.
Astfel de medii sunt create de intrumente ca: Lotus, Notes/Domino
sau Cybozu Share 360 (cybozu.com). Se impune de asemenea crearea de
protocoale care să permită o standardizare a comunicării şi o integrare mai
uşoară a diferitelor aplicaţii. Un astfel de standard se găseşte la adresa
webdav.org.
9
Colaborarea online este foarte utilizată, dar uneori comunicarea face-
to-face nu trebuie ocolită. Unori oamenii au nevoie de un contact vizual şi
de prezenţa fizică ale partenerilor pentru a putea participa cu rezultate mai
bune la procesul decizional de grup.
Noile tehnologii permit ca în timpul comunicării la distanţă să se
realizează şi o vizualizare a interlocutorului utilizând în acest scop tehnici
computerizate ce interpretează mimica interlocutorului (persuasive
computing) şi ajută astfel la o mai bună colaborare.
Pentru realizarea colaborării se folosesc diferite instrumente pornind
de la cele prin voce (VOIP) şi ajungând la cele care utilizează reţelele de
internet cu protocoalele speciale cum ar fi: Lotus, EpicData, FileNet etc.
Comunicarea prin voce permite factorilor decidenţi din sitemul
comercial, să obţină costuri scăzute, să reducă necesităţile hardware ale
serverelor pentru aplicaţii, să realizeze o securizare mai bună şi o optimizare
a timpului evitând deplasările.
Colaborarea realizată prin conferinţe ad-hoc de tip audio, video
utilizează instrumente rapide de comunicare şi aduce o serie de avantaje.
Aceste avantaje pe care le resimte şi utilizatorul final privesc eliminarea
unor întreruperi nedorite prin realizarea unor filtrări inteligente a
informaţiilor vehiculate în procesul de comunicare, creşterea rapidităţii în
luarea deciziilor prin accesul în timp real la informaţii.
Reţeaua de colaborare de grup se referă la produsele software care
se adresează unor proiecte şi unor procese de colaborare între mai mulţi
decidenţi. Aceste metode permit o îmbunătăţire a cunoştinţelor celor care
participă la astfel de colaborare în grup, iar procesele de comunicare şi
negociere se realizează într-un mediu integrat.
Una din cele mai moderne tehnici, utilizată în procesul de decizii de
grup, este produsul WIKI care este un software disponibil pe un site web ce
permite utilizatorilor de a crea şi edita pagini web utilizând browser web.
De asemenea, el permite realizarea unor hiperconexiuni şi dispune de o
sintaxă foarte simplă fiind destinat în special pentru realizarea unor produse,
utilizabile în procesul deciziilor de grup. Termenul wiki semnifică viteză şi
prin această se poate scrie un acelaşi document de mai mulţi membrii ai
grupului. Adrese utile sunt en.wikipedia.org/wiki/Wiki/ şi wiki.org.
Această tehnică a fost extinsă şi la bloguri, purtând denumirea
wikilog, permiţând participarea mai multor persoane la crearea unui blog.
Tehnica mai este cunsocută şi sub denumirea de bliki. Crearea unui wikilog
este un proces de grup în care colectarea, schimbarea şi ştergerea
informaţiilor poate fi realizată de către orice membru al grupului ce are
accesul permis la blog. Există o serie de aplicaţii mai ales comerciale care
utitilizează această tehnică şi se prevede ca în 2010, 50% dintre companiile

din SUA să utilizeze acest instrument (WikiThat.com.2005).
Colaborarea prin sistemul HUBS implică o reţea ce utilizează şi
dispozitive optice pentru a realiza o mai bună comunicare între producători,
furnizori şi comercianţi în scopul reducerii stocurilor, a creşterii flexibilităţii
şi transparenţei lanţului de distribuţie pe internet (Turban 2006).
Reţelele de lucru colaborative sunt, de regulă, integrate în lanţul de
furnizare pe verticală, dar mai nou, aceste reţele utilizate împreună cu webul
permit să se realizeze colaborarea în orice punct din reţea şi, de asemenea,
să permită intrarea unor noi membrii în reţea precum şi colaborarea cu
agenţi software ce faciliteaza schimbul de informaţii între oamenii de
afaceri. (bussines-to business(B2B)) vezi logility.com
În vederea unei mai bune comunicări şi colaborări şi acces la
informaţiile de pe Web se utilizează portale de comunicare pentru
întreprinderi şi corporaţii, care permit accesul la informaţiile aflate în afara
ascestor organizaţii.
Tehnica de grup este folosită în proiectarea, planificarea şi evaluarea
proiectelor.
Proiectarea realizată în grup include tehnici de partajare a
specificaţiilor, a rezultatelor de test, a schimburilor ce intervin în proiect,
utilizând în acest scop, prototipurile online pentru a obţine un feedback mai
bun şi mai rapid din partea clienţilor.
Se reduc astfel costurile şi se realizează o mai bună integrare şi
comunicare prin canale de tip online (vezi caterpillar.com). Proiectarea se
poate realiza şi în medii virtuale, General Motors a utilizat aceste tehnologii
în proiectarea de noi modele.
Utilizarea tehnicii de grup în realizarea planificării pentru lanţul de
distribuţie are drept obiectiv sincronizarea producţiei şi planului de
distribuţie în scopul optimizării utilizării resurselor, a reducerii stocurilor şi
de a creşte responsabilităţile clienţilor.
CPFR (Collabortaive planning forcasting and replenishment) este
un proiect vast industrial care permite realizarea unei comunicări între
diferiţi actori decizionali utilizând un cadru standard pentru colaborarea şi
planificarea de-a lungul lanţului de distribuţie. Scopul sistemului CPFR este
de îmbunătăţire a procesului de predicţie, pentru toţi partenerii aflaţi în lanţul
de distribuţie şi de a comunica apoi rapid aceste predicţii membriilor săi,
utilizând în acest scop informaţii partajate dintr-o serie de aplicaţii. Principalii
actori în lanţul de distribuţie sunt: producători, furnizori, comercianţi.
Se realizează o coordonare atât în plan prezent, cât şi în plan viitor
pe baza realizării unei bune prognoze a problemelor ce apar în acest lanţ şi a
1
comunicării rapide a rezultatelor tuturor participanţilor. Strategia utilizări de
CPFR a fost utilizată într-o serie de aplicaţii din domeniul industrial şi
comercial (vezi vics.org/committees/cpfr.). De asemenea, ea a fost utilizată
cu succes în managementul stocurilor. (Software adecvate pot fi date de
Cactus Comunication, JDA software, logility.com, sears.com, gnx.com).
5.6 Procesul de creativitate în luarea deciziilor de grup
Creativitatea într-un GDSS este un proces complex. Ea implică
inventivitatea, independenţa individualitatea etuziasm, flexibilitate. Aceste
caracteristici sunt cunoscute sub denumirea TTCI (Torrance Test of Creative
Thinking). Creativitatea este stimulată de existenţa unui mediu propice
pentru elaborarea de idei noi.
Eficienţa creativităţii este dată nu numai de numărul ideilor generate,
dar şi de calitatea acestora. Creativitatea conduce la creşterea eficacităţii
soluţiilor obţinute îndeosebi pentru probleme noi pentru care nu există tipare
de rezolvare standard.
Există o serie de factori a mediului de comunicare care pot stimula
creativitatea cum ar fi de exemplu: sedinţele de branstorming sau apariţia
unor contradicţii între membrii grupului ceea ce conduce la aducerea de noi
argumente şi idei care să sprijine şi să explicitize mai bine propunerile
făcute, îmbunătăţind astfel portofoliul cu noi idei (creativethink.com).
Datorită dezvoltării mijloacelor moderne de calcul ce sprijină
sistemul decizional şi datorită progreselor înregistrate în domeniul
comunicării, apar noi elemente care să stimuleze procesul de creativitate
trecând peste barierele geografice şi de limbaj. Astfel brainstormingul
electronic constituie un mijloc des folosit pentru a stimula creativitatea chiar
şi în medii turbulente.
Există pachete de programe care întăresc procesul de creativitate al
gândirii umane şi care furnizează strategii de marketing sau alte informaţii
utile în procesul de branstorming.
Creativitatea implică o îndepărtare de la modelul analitic în prima
fază ca apoi în faza finală (de îmbunătăţire iterativă a ei) să apeleze din nou
la modele normative.
Schimbul de informaţii şi cunoştinţe între membrii grupului în
etapele procesului decizional poate încuraja procesul generării de noi idei.
Există uneori şi pericolul să se piardă anumite rezultate ale procesului din
cauza bombardării grupului cu prea multe informaţii (vezi Denis [2004]).
Este necesar, pentru a preveni astfel de pierderi să se urmărească rezultatele
intermediare.
Au apărut noi metode care contribuie la îmbunătăţirea actului

decizional înglobând şi elementele de creativitate în acest proces, cum ar fi
de exemplu un pachet de simulare adecvat acestui proces. Acest simulator
generează aleator o multitudine de idei către decidenţii individuali, cu
scopul de a vedea reacţiile acestora (viteză şi număr de idei noi generate).
De asemenea, se utilizează hărţi de cunoaştere (Banxia,s, Decision
Explorer) care ajută la înţelegerea mai bună a problemelor ce au anumite
informaţii lipsă, de a dezvoltă un cadru general care să întărească procesul
de creativitate. Aceste hărţi cognitive ne arată modul în care conceptele sunt
legate unele de altele, ajutând în acest mod utilizatorul să-şi organizeze mai
bine ideile având la dispoziţie şi o reprezentare virtuală.
Există software-uri care posedă o comportare inteligentă cum ar fi
agenţi inteligenţi de generaţie a treia şi a patra. Agenţii inteligenţi de tip
smart boots pot ajuta sistemul GDSS. Aceştia pot identifica concepte
importante necesare în procesul de elaborare de noi idei şi de a executa
anumite activităţi de căutare de informaţii şi cunoştinţe necesare acestui
proces mai repede decât factorul uman.
Cercetătorul Rasmus 1995 descrie trei instrumente ce ajută procesul
de creativitate.
- Primul (COPYCAT) este un program care caută analogiile în
tiparele documentelor. El utilizează mai mulţi agenţi inteligenţi
pentru a găsi analogiile în şirurile de litere. Deci, programul are
capacitatea de anticipare inteligentă a anumitor transferări de
date şi cunoştinţe şi de a găsi analogii asemănătoare cu cele ce ar
putea fi găsite de factorul uman.
- Al doilea instrument soft denumit TEBLETOP este capabil de a
găsi analogii între date, informaţii şi cunoştinţe.
- Al treilea sistem (AARON) utilizează o bază de cunoştinţe
autocumprinzătoare pentru a prelucra în mode rapid cunoştinţele
în vederea elaborării altora noi.
Un alt instrument care ajută la generarea de idei pe cale electronică,
şi utilizat pentru rezolvarea unor probleme speciale este GOLDFIRE. Acest
soft este capabil de a citi, înţelege şi de a extrage conceptele cheie din
diferite baze de date ale companiilor, ale internetului şi intranetului. Acest
instrument software crează soluţia problemei, pe baza unui arbore
decizional şi furnizează o sinteză a conţinutului tehnic, din cele mai
relevante documente analizate. El se bazează pe teoria rezolvării inventive a
problemelor. El poate examina peste 2000000 de tipare, realizând clasificări
pe diferite nivele de inventivitate şi ţinând seama de noile informaţii ce apar,
3
este capabil să insereze şi inovaţiile de succes din domenile colaterale. Acest
instrument informatic creativ numit TRIZ este descris pe web-sites la
adresa triz-journal.com şi ideationtriz.com.
Softurile care facilitează creativitatea umană pot avea funcţii
specifice sau pot utiliza asocieri de cuvinte şi întrebări pentru a ghida
utilizatorul în direcţii neexplorate de gândire, diferite de tiparele obişnuite
pe care acestea le are. Ele pot utiliza diferite abordări pentru a transpune
într-o formă viabilă fluxul de idei ale utilizatorului (vezi creativethink.com).
5.7 Sisteme suport pentru negociere
Conflictele între cei care iau deciziile, se pot naşte din opinii diferite
în ceea ce priveşte interesul sau obiectivele fiecăruia şi din limitări
cognitive. Negocierea este una dintre abordările cele mai potrivite pentru
rezolvarea conflictelor, mai ales în mediul GDSS.
Nevoia de negociere apare în două tipuri diferite de dispute:
 interesele negociatorilor sunt fundamental opuse, cum ar fi în
cazul negocierilor contractuale sau în disputele legate de muncă;
 negociatorii au aceleaşi obiective de bază, dar evaluările
priorităţilor obiectivelor sunt diferite (în alocarea resurselor şi
problemelor de buget, planificarea evenimentelor catastrofice şi
analiza sistemului, crearea şi implementarea lui).
Mecanismele de rezolvare a conflictelor reprezintă un aspect
important al creării GDSS. Când există un conflict, găsirea soluţiilor de
compromis este o activitate de baza a sistemelor care sprijină negocierea
(NSS). GDSS poate oferi o structură pentru negocieri.
Există metode care aduc avantaje în sprijinirea negocierilor.
De exemplu, Robinson şi Fickas [1997] spun ca negocierile au trei etape de
bază: detectarea conflictelor, generarea unei soluţii şi alegerea unei soluţii.
Ei prezintă un model, o metodă, un cod prototip pentru a asista la procesul
negocierilor.
S-au propus un număr de modele care descriu procesul negocierii.
Printre ele modelul de agent aste cel mai des utilizat. Unele metode care
folosesc această tehnică s-au transformat în prototipuri acolo unde cei care
se ocupă de probleme au operatori inteligenţi care conduc negocierile şi de
la care se aşteaptă performanţa. Aceşti operatori se numesc brokeri
electronici atunci când sunt folosiţi pentru realizarea de contracte automate
în comerţul electronic. Deciziile ajută oamenii să identifice conflictele şi să
le rezolve. O categorie specială este rezolvarea conflictelor prin negociere.
5.8 Metode de fundamentare a deciziilor de grup
5.8.1 Concepte de bază privind deciziile de grup
Grupurile ajung la o decizie în general printr-o formă sau alta de vot

şi în acest proces pot apare dificultăţi. Cea mai simplă procedură de vot este
regula majorităţii simple. Această regulă sugerează că un grup ar trebui să
prefere varianta a variantei b dacă majoritatea membrilor săi preferă strict
varianta a variantei b. Dacă un număr de persoane din grup preferă în mod
egal varianta a variantei b şi un număr identic de persoane varianta b
variantei a atunci grupul ar trebui să fie indiferent faţă de variantele a şi b.
Membrii care sunt indiferenţi intre a şi b nu sunt luaţi în calcul şi astfel nu
afectează preferinţa grupului.
Vom începe printr-un exemplu. Fie trei indivizi şi trei variante a, b şi
c. Să presupunem că cei trei exprimă următoarele preferinţe:
Persoana 1 : a 1 b 1 c
(5.1)
Persoana 2 : b 2 c 2 a
Persoana 3 : c 3 a 3 b
Vom indica prin operatorul g preferinţa la nivelul grupului. Astfel,

regula majorităţii simple ne duce la următoarele concluzii:
a g
b , din moment ce 2 din 3 preferă a lui b
b g
c , din moment ce 2 din 3 preferă b lui c
c g
a , din moment ce 2 din 3 preferă c lui a
Observăm că această regulă de decizie poate duce la preferinţe de
grup netranzitive.
Exemplul precedent omite însă un aspect foarte important. Regula
majorităţii simple este foarte rar folosită pentru compararea tuturor
variantelor simultan. Votul este în general iterativ, eliminându-se rând pe
rând câte o varianta, până se ajunge la un rezultat final. Pentru exemplul
nostru, ar putea fi comparate mai întâi a şi b, pentru ca apoi, varianta
5
a a
preferată să fie comparată     c (5.2) cu cealaltă variantă
b c 
b b 
„finalistă” c:     a (5.3)
c  a
Dacă în schimb, s-ar fi început prin compararea lui b şi c, s-ar fi
ajuns la alt rezultat şi anume, varianta a. La fel, dacă s-ar fi comparat în
prima etapa a şi c, atunci alegerea finala ar fi b. Ajungem la concluzia că
varianta finala aleasă de grup depinde numai de ordinea în care sunt
comparate variantele.
Această problemă mai are un aspect important. Să presupunem că
preferinţele celor trei membrii ai grupului sunt ca în (5.1) şi mai mult, că
primul individ cunoaşte preferinţele celorlalţi doi. Dacă alternativele
comparate în prima etapă sunt a şi b iar apoi, învingătoarea este comparată
cu c, atunci primul individ va putea prezice ca alegerea finala va fi c: vezi
(5.2). Să presupunem însă ca el minte în legătură cu adevărata sa preferinţă,
în timp ce ceilalţi îşi exprimă onest preferinţele. Dacă el spune că preferă:
a  b
b  1 c  1 a atunci alegerea finală va fi  b
b c
Astfel, minţind, el se asigură că grupul selectează b, varianta pe care el
o preferă „adevăratei” alegeri de grup, care ar fi fost c. În aceste circumstanţe
particulare simpla regula a majorităţii îl încurajează să mintă sau, altfel spus,
să voteze tactic. Acest lucru este cu siguranţă puţin îngrijorător.
La baza deciziilor de grup stau Teorema lui Arrow şi cele şase
axiome ale sale.
Teorema lui Arrow
Începem prin expunerea formala a problemei care ne va servi drept
exemplu în cea mai mare parte a acestui paragraf. Să presupunem ca avem
n persoane care sunt împreună responsabile pentru alegerea unei acţiuni
dintr-o mulţime de acţiuni posibile. Vom nota cu i relaţia de preferinţă
slabă a individului i. Atunci vom scrie a i b dacă el preferă varianta a cel
puţin la fel de intens ca şi pe b.
Având astfel cei n indivizi şi preferinţele lor i , i = 1, 2, ... n,
problema poate fi definită foarte simplu. Trebuie să găsim o modalitate de a
obţine de la ei o ordine preferenţială valabilă pentru întreg grupul. Vom nota
o astfel de preferinţă cu g
şi bineînţeles că relaţia a g
b este interpretată ca
preferinţa grupului pentru a în detrimentul variantei b. Sistemul de votare

sau mecanismul prin care 1
, 2
, ... n sunt combinate pentru a se obţine
g
este referit în general ca fiind constituţia grupului. Aceasta terminologie
subliniază intenţia de a oferi un mod de construire a expresiei g
indiferent
de natura preferinţelor 1
, 2
, ... n .
În general este bine ca preferinţele individuale ale decidenţilor, i ,
să fie rezultatul unei analize a utilităţii aşteptate, însă pentru scopul analizei
noastre acest lucru nu este necesar. Decidenţii îşi pot stabili preferinţele în
funcţie de intuiţie, pe baza unor reguli cum ar fi maximin, minimax sau
orice alt criteriu decizional. Scopul nostru este să identificăm o regulă de
votare care, pornind de la preferinţele individuale, să ne ofere o ordonare a
acţiunilor la nivelul grupului. În general, acest proces poartă denumirea de
probleme decizionale la nivel de grup. Când numărul decidenţilor este însă
foarte mare vom avea de-a face cu probleme de alegere socială. O ultima
remarcă despre acest context este ca ordinea preferenţială individuală i
poate fi de naturi diferite. Ea poate fi egoistă, însemnând că individul se
exprimă numai în funcţie de interesele personale, indiferent ce impact ar
putea avea acestea la nivelul grupului; sau poate fi altruistă, când individul
urmăreşte bunăstarea întregului colectiv.
Aşadar, cum ar trebui g să rezulte din 1 , 2 , ... n ? Arrow (1951)
sugera că următoarele axiome creează cerinţele minime de corectitudine şi
raţionalitate pe care le putem pretinde acestui proces de decizie. El a arătat,
că acestea sunt mutual contradictorii.
Axioma 1: Ordonarea slabă
1
, 2 şi g sunt toate relaţii de ordine slabă.
, ... n
Astfel, rezultatul prelucrării unor preferinţe slabe duce la o relaţie de

preferinţă slaba la nivelul grupului.
Următoarea presupunere pe care o facem este aceea că grupul există
şi că decizia implică cel puţin trei variante de alegere.
Axioma 2: Non-trivialitatea
(i) Există cel puţin doi membrii în grup : n  2

(ii) Există cel puţin trei alternative
7
Vom mai considera că metoda este de aşa natură încât să definească
g
oricare ar fi 1 , 2 , ... n . Nu există nicio posibilitate ca votul să fie
neconcludent. Bineînţeles, vom admite relaţia de indiferenţă la nivel de
grup, ∽g; însă vom exclude definiţiile incomplete.
Axioma 3: Domeniul universal
g
este definit oricare ar fi 1
, 2
, ... n
Axioma 4: Relevanţa binara
Fie 1
, 2
, ... n o mulţime de preferinţe individuale asupra unei
' ' '
mulţimi de alternative, A. Fie 1 , 2 , ... n o altă mulţime de ordini
preferenţiale individuale asupra unei mulţimi de alternative A'. Să
presupunem că alternativele a şi b se regăsesc şi în A şi în A' :
a, b  A  A '
' ' '
Să presupunem în continuare că 1
, 2
, ... n şi 1
,
2
, ... n sunt
identice asupra {a,b},
'
 i, a i b  a i b
'
b i a  b i a
Atunci, metoda va trebui sa conducă la aceeaşi preferinţă de grup

intre a şi b:
' '
a g
b  a g
b şi b g
a  b g
a
„Relevanţa binară” poate să nu semene cu presupunerea anterioară a

„independenţei deciziei în raport cu alternativele irelevante”, Arrow a
formulat iniţial o axiomă care pretindea următoarele:
Presupunem că unele alternative sunt eliminate din mulţimea
variantelor, atunci, dacă nicio persoană nu-şi modifică preferinţele între
alternativele rămase, preferinţa la nivelul grupului între aceste alternative
nu se modifică.
Unanimitatea deţine un rol important în cadrul teoriei democratice.
Dacă fiecare membru prefera pe a lui b, atunci întreg grupul ar trebui să-l
prefere pe a lui b. În cadrul literaturii de specialitate privind deciziile sociale,
acest principiu este atribuit lui Pareto dar, desigur el este mult mai vechi.
Axioma 5: Principiul lui Pareto privind preferinţele stricte
Dacă fiecare individ preferă a i b atunci şi grupul preferă a g b.

Complet contrar conceptului de decizie de grup, este ideea că ar
putea exista un dictator. Dacă un dictator ia întotdeauna decizia, atunci nu
mai există decizie de grup. Considerăm astfel următoarele.
Axioma 6: Non dictatura
Nu exista niciun individ ale cărui preferinţe pot deveni automat
preferinţele grupului independent de preferinţele celorlalţi membri ai grupului.
Renumita teoremă de imposibilitate a lui Arrow afirmă simplu că
axiomele 1 – 6 sunt mutual inconsistente. Nu există niciun procedeu care să
satisfacă simultan toate cele şase presupuneri.
TEOREMA 1. Teorema de imposibilitate a lui Arrow
Nu există niciun procedeu care să permită ca relaţia g
să rezulte
din relaţiile 1 , 2 , ... n satisfăcând în acelaşi timp axiomele 1 – 6.
Teorema nu pretinde ca pentru toate deciziile de grup şi pentru toate
metodele posibile, măcar una din axiome va fi încălcată. Mai degrabă
pretinde că pentru fiecare procedeu posibil exista măcar un set de preferinţe
individuale astfel încât construcţia lui g va încălca măcar una dintre
axiome. Fiecare metodă posibilă are potenţialul de a fi iraţională sau injustă.
Funcţiile valorii de grup şi comparaţiile interpersonale
Teorema lui Arrow pare a fi un rezultat neplăcut şi destul de
incomod. Ea ne spune ca nu există sisteme de vot sau alte metode de
agregare a preferinţelor care să fie complet democratice. Mai mult decât
atât, sfera de influenţă a acestei teoreme este mult mai vastă decât s-ar gândi
mulţi. În formularea lui Arrow, g
se formează printr-o procedură de
agregare, din ordinile individuale 1 , 2 , ... n , indiferent de natura
acestora. Teorema se aplică şi pentru vot deschis, dar şi pentru votul secret;
şi în cazul în care preferinţele individuale au aceeaşi importanţă sau nu;
chiar şi în cazul în care indivizii nu sunt conştienţi că votează ci doar îşi
exprima preferinţele asupra unei mulţimi de variante.
Având în vedere aceste aspecte, este de înţeles că s-au făcut multe
încercări de a demonstra că unele dintre axiomele lui Arrow sunt
nepotrivite, că ele nu surprind întocmai principiile echităţii, corectitudinii şi
democraţiei. Vom analiza aceste încercări. Vom lua pe rând fiecare axiomă
9
a lui Arrow, şi vom considera ce se întâmpla atunci când acestea sunt
modificate sau chiar omise. Vom începe cu cea mai puţin controversată
axiomă, şi anume „Non dictatura” (Axioma 6).
Toţi par să cadă de acord, fapt general valabil, că dictatorii şi
democraţia nu sunt compatibili. Astfel, este puţin de argumentat în legătura
cu această axiomă. Oricum, trebuie notat că axioma interzice dictatorii
vizibili şi, de asemenea, interzice şi pe cei invizibili. Spunem simplu că g
nu trebuie întotdeauna să cada de acord cu preferinţa particulară a unui
individ i , oricare ar fi celelalte ordini.
Principiul lui Pareto (Axioma 5) este, de asemenea, universal
acceptat. Dacă indivizii preferă unanim pe a lui b, atunci cu siguranţă şi
grupul ca un întreg va trebui să-l prefere pe a lui b. Axioma pe care am
utilizat-o se referă la preferinţele stricte. Exista însă versiuni mai generale şi
deci mai puternice ale principiului, care pretind acelaşi lucru şi pentru
preferinţe slabe.
Non-trivialitatea (Axioma 2) este, de asemenea, destul de rezonabilă.
Este greu de imaginat un grup ce conţine mai puţin de doi membri. În mod
similar, marea majoritate a deciziilor implică trei sau mai multe alternative.
Oricum, trebuie notat că teorema de imposibilitate a lui Arrow îşi pierde
semnificaţia dacă toate deciziile vor fi limitate la doar două alternative. Este
uşor de verificat că în asemenea circumstanţe, regula majorităţii simple
verifică toate celelalte axiome ale lui Arrow.
„Ordonarea slabă” (Axioma 1) pare naturală în contextul abordării
asupra teoriei generale a deciziei, pe care am avut-o în aceasta carte. Totuşi,
mulţi argumentează că oamenii nu sunt perfect raţionali. E posibil ca
preferinţele lor să fie necomparabile sau netranzitive; se sugerează astfel că
cerinţa pentru ordinile 1 , 2 , ... n să fie ordini slabe, să fie ridicată.
Această cerinţă nu este deplasată, însă chiar şi aşa, renunţându-se la cerinţa
ca preferinţele individuale să fie ordini slabe, nu se va modifica concluzia
teoremei. Imposibilitatea va rămâne. Şi dacă acest demers ar avea „succes”,
atunci tot ce va demonstra este că numai societăţile formate din indivizi
iraţionali pot fi democratice.
Surprinzător, „Axioma domeniului universal” (Axioma 3) este de
asemenea o proprietate controversată. Ipoteza sa este că indiferent care ar fi
preferinţele individuale i , oricât de dispersate ar fi ele, preferinţa de grup
g
va putea fi definită. Privită la modul abstract, aceasta ipoteză este
rezonabilă: un sistem democratic va putea stabili o preferinţă de grup pentru
orice set de preferinţe individuale care poate fi conceput. Oricum există
argumente pertinente ce contrazic acest fapt. În realitate, deşi poate fi

conceput un astfel de set particular de preferinţe 1 , 2 , ... n , este foarte
puţin probabil ca acesta să fie remarcat. Grupurile nu se fac la întâmplare;
ele sunt formate pe baza unor interese comune. Spre exemplu, consiliile de
directori ale companiilor au un interes comun în succesul companiei.
Deşi au multe puncte de vedere diferite în privinţa a ceea ce e mai bine
pentru companie, în linii mari preferinţele lor vor fi corelate. În mod similar,
în alte grupuri sau comitete, preferinţele membrilor vor fi corelate datorită
anumitor interese comune. Astfel, se va pierde foarte puţin din semnificaţia
axiomei 3, dacă ea ar fi reformulată aşa încât să-şi restrictioneze atenţia
asupra acelor mulţimi de preferinţe i care sunt plauzibile. După cum am
subliniat, conflictele inerente în cadrul unui grup nu pot fi „prea mari”.
Ultima axioma rămasă de discutat este „Independenţa deciziei în raport
cu alternativele irelevante” sau cum am mai numit-o „relevanta binară”
(Axioma 4). Aceasta este şi cea mai controversată dintre ele, atât din perspec-
tiva teoriei alegerilor sociale, cât mai ales a teoriei deciziei. Argumentele
expuse atât în acest capitol, căt şi în restul cărţii sunt convingătoare în privinţa
necesităţii axiomei în luarea deciziilor raţionale. Cu toate acestea, axioma este
atât de controversată încât argumentele trebuie reamintite.
Fie următorul exemplu: doua persoane trebuie să decidă între a
pregăti fie un ibric cu ceai, fie unul cu cafea. Pot bea ceai sau cafea, însă nu
pe amândouă. În loc să-şi exprime preferinţa doar pentru cafea şi ceai, ei
şi-au exprimat preferinţa pentru şapte băuturi:
cafea  1 bere  1 lapte  1 limonada  1 ciocolata  1 cola  1 ceai,
şi
ceai  2 cafea  2 bere  2 lapte  2 limonada  2 ciocolata  2 cola.
În situaţia de mai sus, se observă că deşi cafea  1 ceai şi ceai  2
cafea, reprezintă un conflict simetric, vom fi tentaţi să spunem că alegerea
grupului este evidentă: ar trebui să facă un ibric de cafea. Pentru primul
individ prima opţiune este cafeaua, iar pentru al doilea este ceaiul; însă
ceaiul este pentru primul a şaptea opţiune pe când cafeaua reprezintă pentru
al doilea, a doua opţiune. Ordonarea tuturor celor şapte variante ne indică un
fel de putere a preferinţelor. Astfel cele cinci băuturi sunt alternative
relevante care afectează preferinţa grupului, în contradicţie cu axioma de
relevanţă binară.
Lucrurile însă pot să nu fie ceea ce par (vezi figura 5.3)
Să presupunem că intensitatea preferinţelor este foarte semnificativă, şi că
putem măsura funcţia diferenţei de valoare pentru indivizi. Vom ajunge la
1
concluzia că ceaiul este preferat la nivelul grupului. Primul individ are
preferinţe foarte sensibil diferite pe când al doilea prefera ceaiul şi nu-i
place niciuna din celelalte băuturi. Am asumat implicit faptul că intensitatea
preferinţelor celor doi a fost măsurată pe aceeaşi scală.
Figura 5.3 Funcţiile diferenţă de valoare („scala intensităţii preferinţelor”)

pentru cei doi indivizi
Mai întâi, apare sugestia că axioma împiedică existenţa oricărei

noţiuni de intensitate a preferinţelor, în procesul de agregare. Axioma are
totuşi implicaţia că spaţiul alternativelor este infinit. În realitate ştim că de
cele mai multe ori nu se întâmplă aşa. Deci, axioma poate fi interpretată ca
permiţând introducerea de variante fictive care să ne ajute în evaluarea
diferenţelor de valoare.
Prezumpţia „relevanţei binare” pare să sugereze că aceste
alternative ipotetice de scalare nu pot fi relevante pentru decizia de grup şi
astfel, noţiunea de intensitate a preferinţei care derivă din ele este de
asemenea irelevantă. Acest punct de vedere a scos la iveală şi o neînţelegere
care a derutat multe dintre discuţiile despre „independenţa deciziei faţă de
variantele irelevante”. Se face adesea confuzie între alternativele ipotetice şi
cele nefezabile. Principiul pretinde că în momentul luării deciziei,
preferinţele decidentului pentru orice pereche de variante reale şi fezabile nu
ar trebui să fie dependente de natura şi identitatea celorlalte alternative reale
şi fezabile.
De notat, că dacă acceptăm ideea că introducerea alternativelor

ipotetice poate schimba unele dintre preferinţele celui care decide, ajutându-l
să gândească, să evalueze, nu vom accepta posibilitatea ca înlăturând la loc
alternativele fictive, el să-şi modifice iarăşi preferinţele.
Ca o consecinţă a acestor remarci, nu vom interpreta relevanţa binară
ca pe o interzicere de la a introduce informaţii legate de intensitatea
preferinţelor în procedura de vot. Să presupunem că permitem fiecărui
membru al grupului să-şi exprime funcţia diferenţei de valori pentru
respectivele alternative; putem să le agregăm pe acestea într-o funcţie
valoare la nivel de grup, astfel încât sa respecte axiomele lui Arrow?
Se pare ca răspunsul este da.
TEOREMA 2. Fie v1(.),v2(.), ... vn(.) funcţiile valorilor pentru cei n

membrii ai grupului. Fie vg(., ., ., ... , .), o funcţie „n” dimensională,
diferenţiabilă, astfel încât cel puţin două derivate parţiale să fie pozitive pe
orice domeniu, şi să nu existe derivate parţiale negative. Apoi definind
g
prin a g b  vg(v1(a), v2(a), ... , vn(a))  vg(v1(b), v2(b), ... , vn(b))
oferă o procedura de agregare a preferinţelor la nivelul grupului, care
satisface următoarele:
g
(i) Ordonarea slabă. este ordonare slabă.
(ii) Non-trivialitatea. g
este definită pentru orice număr de
alternative.
(iii) Domeniul universal. g este definit oricare ar fi funcţiile

diferenţei de valoare v1(.),v2(.), ...vn(.) ale membrilor grupului.
(iv) Relevanţa binară. Ordonarea oricărei perechi (reale) de
alternative nu depinde de ce alte alternative sunt fezabile.
(v) Principiul lui Pareto. Dacă pentru orice individ vi(a) > vi(b)
g
atunci a b
(vi) Non dictatura. Nu există niciun individ astfel încât, pentru toate
perechile de alternative a, b, oricând el îl prefera pe a lui b,
grupul reţine a g
b indiferent de ceea ce preferă ceilalţi
membri.
Această teoremă este foarte importantă. Ea sugerează că dacă
membrii „votează” exprimându-şi intensitatea preferinţelor prin intermediul
3
funcţiilor diferenţei de valoare, atunci există o procedură de agregare a
preferinţelor, în spiritul axiomelor lui Arrow. Înainte de toate, trebuie să
observăm o presupunere foarte importantă făcută prin teoremă: ea afirmă
implicit că este posibil să comparăm intensitatea preferinţelor unei persoane
cu intensitatea preferinţelor altei persoane.
Optimalitatea Pareto şi setul de negociere
Căutarea unei proceduri satisfăcătoare de luare a deciziei de grup nu

a avut un succes teribil. Aşa că, vom încerca o alta cale. În loc să ne
concentram atenţia asupra alegerii făcute de grup şi să presupunem că
grupul este o singură entitate decizională, să luăm în considerare preferinţele
mai multor decidenţi care găsesc că este în avantajul lor sa coopereze
într-un fel sau altul. Vom introduce această idee cu ajutorul a două exemple.
Lui Alex i-a fost propus următorul pariu. El mizează suma
nereturnabila de 60 u.m.; aruncă o monedă, şi dacă va cădea „cap” el câştigă
160 u.m., iar dacă pică „pajura” nu câştigă nimic. Are de-a face cu
următoarea loterie: < ˝ , 100; ˝ , -60>.
El nu e obligat să accepte pariul. Să presupunem că funcţia sa de
utilitate este:
4 x  60, dacă x  20


u A ( x)  
 x, dacă x  20

Astfel, utilitatea aşteptată de el de la pariu este: ˝ uA(100) + ˝ uA(-60) =

= – 40 şi utilitatea situaţiei de status quo este uA(0) = 0. În aceste condiţii nu
ar trebui să accepte pariul.
Bogdan, prietenul lui Alex are următoarea funcţie de utilitate:
3x  60, dacă x  30


u B ( x)  
 x, dacă x  30

Utilitatea la care se aşteaptă de la pariu este: ˝ uB(100) + ˝ uB(-6) = -10

Deci, nici el nu ar trebui să accepte pariul din moment ce uB(0) = 0.
Acum, să presupunem ca ei îşi împart riscul pariului. Poate că Alex
va sugera ca el să mizeze 24 u.m. şi Bogdan celelalte 36 u.m. şi astfel, dacă
vor câştiga, Alex va primi 64 u.m. şi Bogdan va rămâne cu celelalte 96 u.m.
În acest fel Alex şi Bogdan vor miza:
< ˝ ,40; ˝ , -24> şi < ˝ ,60; ˝ , -36>
un simplu calcul ne dă:

utilitatea aşteptată de Alex = ˝ uA(40) + ˝ uA(-24) = 2
utilitatea aşteptată de Bogdan = ˝ uB(60) + ˝ uB(-36) = 6
Deci va fi în avantajul lor reciproc să joace împreuna astfel la loterie.
Fiecare din ei preferă partea sa din câştig în defavoarea status quo-ului.
Mai sunt şi alte moduri de a juca împreună la loterie. De exemplu,
Alex ar putea argumenta că pariul i-a fost oferit lui şi nu lui Bogdan.
Deci, partea sa ar trebui să acopere o proporţie mai mare din câştig decât cea
a lui Bogdan. Poate ar trebui să mizeze câte 30 u.m. fiecare, însă să împartă
câştigul în părţi inegale: să zicem că Alex ia 95 şi Bogdan ia 65. Astfel,
Alex şi Bogdan vor juca loteriile:
< ˝ , 65; ˝ , -30> şi < ˝ , 35; ˝ , -30>.
În acest caz, utilitatea aşteptată de Alex este = 2 ˝ şi cea de Bogdan

este = 2 ˝.
Deci, din nou va fi în avantajul amândurora să joace împreună.
Se observă însă ca Alex preferă aceasta a doua variantă mai mult decât pe
prima, iar Bogdan invers. Atunci ne întrebăm: există vreun mod de a împarţi
miza astfel încât să fie amândoi mulţumiţi?
Cel mai general mod de a împărţi loteria este de a presupune partea
lui Alex ca fiind: < ˝, x1; ˝, x2 >, ceea ce face ca lui Bogdan să îi revină:
< ˝ ,(100 – x1); ˝, ( – 60 – x2) >.
În principiu x1 şi x2 pot lua orice valori; multe dintre acestea vor fi
însă total inacceptabile atât pentru Alex, cât şi pentru Bogdan. Asociate
oricărei împărţiri, vor fi următoarele utilităţi aşteptate:
EuA(x1,x2) = ˝uA(x1) +˝uA(x2)
EuB(x1,x2) = ˝uB(100-x1) +˝uB(-60-x2)
În figura 5.4 am desenat regiunea fezabilă planul (EuA, EuB ) care
poate fi atinsă printr-o anumita împărţire a mizei (x1, x2). Fără să dăm detalii
despre modul în care a fost obţinută, regiunea fezabilă este semiplanul din
stânga dreptei AB. Astfel, punctul de coordonate (2,6) se află în regiunea
fezabilă datorită faptului că EuA(x1,x2) = 2, EuB(x1,x2) = 6 se obţin din x1 = 40
şi x2 = -24.
5
Figura 5.4 Regiunea fezabilă planul [EuA, EuB ] - [OAB]
Sigur, nici A nici B nu vor accepta o împărţire a mizei care să

conducă la utilităţi negative. Deci, pe această bază toate punctele ce aparţin
zonei fezabile a ΔOAB vor fi reciproc acceptate de cei doi. Mai mult, este
rezonabil să presupunem că dacă
Eu A ( x1 , x2 )  Eu A ( x1. , x2. ) şi Eu B ( x1 , x2 )  Eu B ( x1. , x2. )
Cu inegalitate strictă măcar într-unul din cazuri atunci ei vor trebui

sa fie de acord cu alocaţia (x1, x2) este mutual preferabilă lui (x/ 1, x/ 2).
Se va ajunge la concluzia că Alex şi Bogdan vor trebui să-şi îndrepte atenţia
către alocaţiile ce dau naştere la puncte de pe dreapta AB, care se mai
numeşte şi frontiera de eficienţă sau frontiera optimală Pareto din ΔOAB.
Segmentul AB este cunoscut sub numele de zonă de negociere şi
este acea parte a frontierei Pareto obţinută din alocaţii ce domină punctul de
status quo (0,0). Identificarea frontierei de eficienţă nu oferă şi alocaţia
optimă pe care ar trebui să o aleagă cei doi decidenţi. Cu siguranţă, punctele
ce generează segmentul AB sunt cele care îi interesează, însă pentru a
ajunge la o soluţie, trebuie să rezolve un conflict al preferinţelor:
Alex preferă o alocaţie cât mai aproape de punctul A, în timp ce Bogdan
preferă o alocaţie cât mai apropiată de B. Modul de rezolvare a acestui
conflict îl vom discuta în secţiunea următoare.
Negocierea Nash
Nash (1950) a sugerat o metodă pentru rezolvarea unei clase de
probleme de negociere, în care se încadrează şi exemplele din secţiunea
precedentă. Pentru el o problema tipică de negociere dintre doi indivizi are
următoarea formă. Să notăm indivizii cu 1 şi 2 şi funcţiile lor de utilitate
asupra câştigurilor jocului cu u1(.), respectiv u2(.). Perechile de utilităţi de
forma (x, y) ce pot rezulta în urma negocierii lor formează regiunea

fezabilă, R. Din R face parte şi un anumit punct (xc, yc), cunoscut sub
numele de status quo, sau punct de conflict. Dacă jucătorii ajung la un
punct de compromis din R, atunci vor obţine utilităţile generate de acel
punct. Dacă însă ei nu se înţeleg, utilităţile vor fi cele oferite de punctul de
conflict. Vom considera, fără a demonstra acest lucru, că punctele supuse
alegerii sunt cele din mulţimea de negociere (acele puncte de pe frontiera
Pareto, care domină statu quo-ul). Prin dominare înţelegem:
( x, y ) do min ă ( x ' , y ' ) dacă x  x ' şi y  y ' cu inegalitate strictă pentru cel
puţin una dintre relaţii.
De asemenea, facem presupunerea că R este o mulţime convexă şi
mărginită. Pentru cei doi jucători, orice punct din mulţimea de negociere
este preferat punctului de status quo. Deci este raţional ca ei să aleagă un
punct din această mulţime. Dar, care este acela? Îl vom nota cu (x*, y*) şi îl
vom numi punct de compromis.
Figura 5.5 Problema de negociere a lui Nash
Frontiera de eficienţă a lui Nash, se întinde de la P la Q.

În construcţia unei soluţii vom presupune că fiecare individ se aşteaptă ca
celălalt să fie raţional. Fiecare se aşteaptă ca celalalt să folosească aceleaşi
principii de comportament consistent pe care el însuşi le are.
Pentru a afla rezultatul negocierii celor doi, vom face patru
presupuneri. Prima am făcut-o deja, dar o vom reprezenta explicit, din nou.
7
Axioma 7: Restricţia pentru setul de negociere
Punctul (x*, y*), obţinut în final, aparţine setului de negociere.
Cu alte cuvinte, este fezabil, Pareto optimal şi cel puţin la fel de bun ca
punctul de status quo.
A doua presupunere sugerează că, dacă problema este simetrică în
raport cu cei doi indivizi, atunci la fel este şi soluţia obţinută prin negociere.
Axioma 8: Simetria
Dacă regiunea fezabilă este simetrică, adică x, y   R   y, x   R
şi dacă punctul status quo este xc = yc simetric, adică, atunci punctul asupra
căruia pică de acord, este simetric x *  y * .
Raţionamentul de la baza acestei presupuneri este simplu. Dacă
fiecare aşteaptă ca celalalt să fie raţional ca şi el, atunci se vor aştepta ca şi
strategiile lor să fie simetrice. Deci, fiecare din jucători se va aştepta ca
rezultatul negocierii să fie unul simetric.
Funcţiile de utilitate sunt unice doar până la transformări afine
pozitive. Regiunea fezabilă este dependentă de originea şi scala fiecărei
funcţii de utilitate. Pentru a nu lăsa aceste alegeri arbitrare să influenţeze
prezicerea rezultatului negocierii, facem următoarea asumpţie.
Axioma 9: Invarianta sub reprezentări strategice echivalente
Să considerăm o „nouă” problemă de negociere obţinută din original
transformând
u1 . şi u2 . : u1 .  1u1 .  1 ; u1 .   2u2 .   2 ;
Iar dacă echilibrul în prima problemă este (x*, y*) atunci în cea de-a
doua problemă se va ajunge la rezultatul (1 x   1 ,  2 y    2 ) .
Ultima ipoteză pe care o facem este legată de independenţa
alternativelor irelevante.
Axioma 10: Independenţa deciziei faţă de alternativele irelevante
Dacă două probleme de negociere sunt astfel considerate încât zona
fezabilă a celei de-a doua este inclusă în prima, R  R , şi dacă punctul
'
status quo este xc = yc comun ambelor,
 xc , yc   R'
atunci (x*, y*) dacă punctul final al negocierii în prima problema se află de
asemenea în R', este şi punctul de echilibru al celei de-a doua probleme.
Împreună, aceste patru axiome duc la un rezultat simplu.
TEOREMA 3. Dacă axiomele 7-10 sunt îndeplinite, atunci punctul

(x*, y*) este unic şi maximizează funcţia:
 x  xc )( y  yc 
pe mulţimea R, cu condiţia să existe puncte în R pentru care x  xc , y  y c
Clauza x  xc , y  y c este de ordin tehnic şi ne asigură

( x  xc )( y  y c ) că ia şi valori pozitive. Dacă aceasta nu este satisfăcută,
atunci problema de negociere devine una trivială, setul de negociere
reducându-se la un singur punct.
Cele patru axiome ne asigură de existenţa punctului de echilibru.
Pentru a-l găsi, va trebui să maximizăm funcţia ( x  xc )( y  y c ) .
Să luam exemplul lui Alex şi Bogdan – problema de distribuţie a
riscului. Ajungem imediat la soluţia ( x * , y * )  (5,5) , care corespunde
următoarelor loterii însuşite de cei doi:
< ˝ , 30; ˝ , - 20 > şi < ˝ ,70; ˝ , -40 >
Va trebui să mai notăm că, simetria utilităţilor nu garantează o
simetrie a câştigurilor fizice
Unul din punctele slabe ale teoriei lui Nash este că ea presupune
funcţiile de utilitate individuale u1(.) şi u2(.) ca fiind cunoscute de ambii
participanţi. Individul 1 îşi cunoaşte propria utilitate u1(.); este normal,
aceasta reprezentând preferinţele sale. Însă individul 2 poate cunoaşte u1(.)
numai dacă individul 1 şi-o exprimă în mod onest. După cum vom arăta,
metoda de negociere a lui Nash îl va descuraja pe individul 1 să facă acest
lucru. La fel cum regula majorităţii simple îi încuraja pe participanţi să
voteze tactic, şi această metoda îi încurajează pe jucători să-şi dezvăluie
funcţiile de utilitate intr-un mod necinstit.
Să consideram următorul exemplu:
Doi indivizi au de împărţit 100 u.m. Funcţiile lor de utilitate pe în
intervalul 0  z  100 sunt:
u1(z) = loge(1+z)
u2(z) = loge(1+z)
Simetria implică imediat că procedura lui Nash va oferi punctul de
echilibru astfel încât fiecare va câştiga câte 50 u.m. Totuşi, să presupunem
că individul 2 este corect şi îşi arată funcţia sa de utilitate în timp ce
individul 1 pretinde că funcţia sa de utilitate este liniară: u1(z) = z.
9
Metoda lui Nash conduce la maximizarea:
u1 ( x)  u1 (0) u2 (100  x)  u2 (0)   x loge (101  x)

unde x este partea individului 1 din cele 100 u.m.
Maximul se obţine pentru x ≈ 77. De aceea este foarte mult în

avantajul individului 1 să nu dezvăluie corect funcţia sa de utilitate.
În general, poate fi arătat că este întotdeauna în avantajul unui
negociator să arate o funcţie de utilitate mai convexă (mai înclinată spre
risc) decât cea pe care o are (Roth, 1979; Peters şi Tijs, 1981).
Pornirea de a fi incorect este importantă deoarece presupunem că
fiecare negociator îşi urmăreşte propriul scop. Astfel, ar fi iraţional din
partea lui să fie corect. Este foarte dificil să modifici problema aşa încât
raţionalitatea fiecăruia să-i facă să fie oneşti. În unele probleme se foloseşte
un sistem de premiere care să-i facă pe jucători să-şi exprime corect
preferinţele. Însă niciun dispozitiv similar nu poate fi folosit aici, decât dacă
premiul pe care-l va primi va fi mai mare decât câştigul pe care-l va obţine
negociind.
Aceste ultime remarci negative vor trebui să fie luate ca atare în
orice aplicaţie reală. Dacă fiecare individ îl crede pe celălalt onest, atunci
procedura lui Nash va prescrie un punct de echilibru satisfăcător. Însă, dacă
tu ai fi unul dintre negociatori, şi ai remarca faptul că oponentul este onest
vei considera implicit că el este iraţional. Atunci vei negocia astfel încât să
profiţi de iraţionalitatea sa, oarecum contrar spiritului abordării lui Nash.
5.8.2 Metode de rezolvare a problemelor decizionale de

grup
Vom prezenta în continuare metodele cele mai folosite în rezolvarea

acestui tip de probleme, de decizii de grup.
Metoda Borda
Se pleacă de la ipoteza că există o mulţime V ce conţine m variante
decizionale şi o mulţime D care cuprinde n decidenţi. Fiecare dintre
decidenţi propune o clasificare a variantelor de decizie. Algoritmul propus
de Borda pentru obţinerea unei relaţii de preferinţă la nivelul grupului
presupune următorii paşi:
Pasul 1. Vi  V şi D j  D se determină rangul r j (Vi ) care

semnifică rangul acordat de decidentul Dj variantei Vi. Pentru o mai mare
uşurinţă, aceste rezultate sunt structurate matricial.
M k1k2
Pasul 2. Se calculează variabilele j după următoarea relaţie:
M kj 1k2  k1  k2  m  rj (Vi ) 
unde k1 şi k2 sunt două constante reale iar k2 > 0 iar m reprezintă numărul
variantelor decizionale.
Pasul 3. Se stabileşte ierarhia variantelor la nivelul grupului, după
următoarea relaţie:
G n n
Vg Vh   M kj 1k2 (Vg )   M kj 1k2 (Vh )
Vg , Vh  V j 1 j 1
,
Relaţia de preferinţă obţinută în final este independentă de alegerea
constantelor k1 şi k2. De aceea, în practică este des folosită atribuirea celor
două variabile, valorii 1.
Metoda Condorcet
Ca şi în cazul metodei Borda ipoteza problemei presupune m
variante decizionale şi n decidenţi, care au ordonat variantele în ordinea
preferinţelor individuale.
Vg , Vh  V
Pasul 1. , se determină

P (Vg , Vh )  j  1, 2,..., n Vg Vh
i

G
Vg , Vh  V Vg Vh  NP (Vg ,Vh )  NP (Vh ,Vg )
Pasul 2. ,
unde NP (V g , Vh ) reprezintă numărul de elemente al mulţimii P (V g , V h )

Metoda Copland
Fiecărei entităţi decizionale Vi i se ataşează un index H (Vi ) unde
 
n
H (Vi )   a j (Vi )  b j (Vi )
j 1
a j (Vi )
reprezintă numărul de variante mai puţin bune decât Vi pentru
decidentul j
1
bj (Vi ) reprezintă numărul de variante mai bune decât Vi pentru decidentul j
Varianta decizională preferată la nivelul grupului este:
V *  max H( Vi )
i
Metoda ELECTRE tridimensionala
Metoda ELECTRE tridimensională este metoda ELECTRE extinsă

la trei dimensiuni pentru decizii de grup multicriteriale. Se disting două
variante ale acestei metode: metoda ELECTRE tridimensională cu
concordanţă tare şi metoda ELECTRE tridimensionala cu concordanţă
slabă.
Vom considera o mulţime de n decidenţi, o mulţime de
D = (D1, D2 … Dn) şi o mulţime de m variante decizionale V = (V1, V2 ... Vm)
şi o mulţime de l criterii C = (C1, C2 … Cl). Fiecare variantă Vi este apreciată
de fiecare decident aijk Dj în funcţie de criteriul Ck prin consecinţe. Fiecărui
criteriu îi este asociat un anumit coeficient de importanţă
l
 i  0,1 cu  k 1.
k 1
Metoda ELECTRE tridimensionala cu concordanţă tare
Pasul 1. Se normalizează matricea consecinţelor, obţinând
consecinţe normalizate
 r  ; i  1, m ;
ijk j  1, n ; k  1, l
Pasul 2. Pentru fiecare pereche de variante V ,V 

g h
se calculează
coeficientul de concordanţă:

f F
f
c(Vg ,Vh )  l

k 1
k
F   f / rgif  rhif , f 1, 2,..., l

unde
Pasul 3. Se determină elementele matricei coeficienţilor de

discordanţă. Pentru perechea de variante (Vg Vh), coeficientul de discordanţă
se calculează:
d (Vg ,Vh ) 
1

max
f / rgif  rhif ,f 1,2,..., n
r
hif  rgif 
  max rijk  min rijk

ijk ijk
Pasul 4. Pe mulţimea V se introduce o relaţie de surclasare definită

G
astfel: varianta Vg surclasează varianta Vh la nivelul grupului (V g  Vh ) dacă
şi numai dacă sunt îndeplinite următoarele condiţii:
c(Vg , Vh )  p
 p, q  0,1
d (Vg , Vh )  q
unde p şi q sunt două valori de prag alese de decidenţi. În continuare se

procedează în acelaşi mod ca la metoda ELECTRE.
Metoda ELECTRE tridimensionala cu concordanţă slabă
Această metoda diferă de cea anterioară prin modul de calcul al

coeficienţilor de concordanţă şi discordanţă.

f F
f
c(Vg ,Vh )  l

k 1
k
unde:
F   f / rgif  rhif , pentru cel putin un f 1, 2,..., l
max rhif  rgif 

1
d (Vg , Vh ) 
 f F '
3
F '   f / rgif  rhif , pentru cel putin un f 1, 2,..., l
5.9 Bibliografie
1. Agrew, M., Collaboration on the Desktop, InformationWeek, 2000

2. Alter, S., Decision Support Systems: Current Practicse and Continuing
Challanges, Reading, MA: Addison-Wesley, 1980
3. Arrow, K. J., Social Choice and Individual Values, 1951
4. Arrow, K. J. and Hurwicz, L., Social Choice and Justice, 1972
5. Bădescu V. A, Dobre I., Modelarea deciziilor economico-financiare,
Editura Conphys, Râmnicu Vâlcea, 2001
6. Bonczek, R. H., Holsapple, C. W., Whinston, A. B., Futures
Directions in Developing Decision Support Systems. Decision Science,
vol. 11, nr. 2, 1980
7. Bray, R., Virtual Meetings:The New Business Travel: Business Travel
Briefing, Financial Times, 2004
8. Chen, H., et al., Intelligent Meeting Facillitation Agents An Experiment
on Group Systems, Tucson, University of Arizona, ai. bpa. arizona.
edu/papers /too195/ oo195.html., 1995
9. De Vreede, G., Ackermann, F., International Perspective in Group
Decision and Negotiation Research,Group Decision and Negotiation,
2005
10. Dennis, A. R., et al., Information Technology to Support Electronic
Meeting,MIS. Quarterly, 1988
11. Dennis, A. R., Pootheri, S. K., Natarajan,V. L., Lessons from the
Early Adopters of Web Groupware, Journal of Management
Information Systems, vol. 14, no. 4, 1998
12. DeSancis, G., Gallupe, R. B., a Foundation for the Study of Group
Decision Support Systems, Mananagement Science. vol. 33, no. 5, 1987
13. Dobre I, Bădescu A., Teoria deciziei , Editura ASE, Bucureşti, 2007
5
14. Duke Corporate Education., Bulding Effective Teams, Chicago,
Dearborn Trade Publications, 2005
15. Filip, F. G., Sisteme suport pentru decizii. Editura Tehnică, Bucureşti,
2007
16. French, S., Group consensus probability distributions: a critical survey,
Bayesian Statistics, 1985
17. Goicoechea, A., Hanson, D. R. and Duckstein, L., Multi-objective
Decision Analysis with Engineering and Business Applications, John
Wileey, 1982
18. Hall, M., Decision Support Systems, Computerworld, vol. 36, no. 27,
2002
19. Huber P. G., A Theory of the Effects of Advanced Information
Technologies on Organizational Design Intelligence and Decision
Making, Academy of Management Review, vol. 15, no. 1, 1990
20. Keen, P. G., Adaptive Design for Decision Support systems: An
Organizational Perspective, Reading, M. A Adidison–Wesley, 1980
21. Keeny, R. L., A group preference axiomatisation with cardinal utility
Management Science, nr. 23, 1976
22. Kelly, F. S., Arrow Impossibility Theorems, Academic Press, 1978
23. Lieberman, H., Introduction to Intelligent Interface, http://media.mit.
edu-lieber/Int-Int/Int-Int-Intro.htlm, consultat pe 1.10.2008
24. Lindstone, H., Turroff, M., The Delphi Method: Technology and
Applications, Reading, M A.: Addison-Wesley, 1975
25. Moore, J., Chang, M. G., Design of Decision SsupportsSsystems. Data
Base, vol. 12, nr. 1, 1980
26. Nakatsu, R.T., Explantory Power of Intelligent Systems în Proceedings
of IFIP TC8WG. 8.3 International Conference Decision Support in a
Uncertain World, 2004 consultat pe 10.10.2008 adresa htpp://dsslab.
infotech.monash.edu.au/dss2004/proceedings/pdf/56 Nakatsu.pdf.
27. Ngwenyama, O. K., et al., Supporting Facilitation in Group Support

Systems: Thechniques for Analyzing Consensus Relevant Data, Decision
Support Systems, vol. 16, no. 1, 1996
28. Nunamaker, J. F. Jr., Electronic Meeting Systems to Support Group
Work:Theory and Practice at Arizona,Communications of the ACM,
vol. 34, no. 7, 1991
29. Păun, M., Hartulari, C., Analiza, diagnoza şi evaluarea sistemelor din
economie. Editura ASE, Bucureşti, 2004
30. Rasmus D. W., Creativity and Tools PCAI Pt. 1: May/June; Pt. 2;
July/August; Pt. 3: September October, 1995
31. Rees, J., Koehler, G., Brainstorming, Negotiating and Learning in Group
Decision Support Systems: An Evolutionary Approach, Proceeding of the
Thirty-Second Annual Hawai International Conferance on System Sciance
HICCS-32, Los Alamitos, CA: IEEE Computer Society, 1999
32. Robinson, W. N., Electroning Brokering for Assisted Contrcting of
Software Applets Proceeding of the Thirtieth Annual Hawai
International Conferance on System Sciance HICCS-32, Wailea, H. I.
Los Alamitos, CA: IEEE Computer Society, 1997
33. Romano, N. C. Jr., Nunamaker Y. F. Jr., Briggs, R. O., User Draven
Design of a Web-based Group Support System, Proceeding of the Thirtieth
Annual Hawai International Conferance on System Sciance HICCS-32,
Wailea, H. I. Los Alamitos, CA: IEEE Computer Society, 1997
34. Scott Morton M. S., Expert Decision Support, Systems Paper presented
at special DSS Conference, New York, 1984
35. Silver, B., Content: The Other Half of the Integration Problem.
Intelligent Enterprise, vol. 8, nr. 10, 2005
36. Turban, E., Aronson, J. E., Ting-Peng Liang, Sharada, R., Decision
Support and Buisiness Intelligence Systems eighth edition, Prentice Hall
International, Inc., 2007, 2005, 2001.
7
37. Zaharia, D., Albescu, Sisteme informatice pentru asistarea deciziei.
Editura Dual Tech, Bucureşti, 2001
38. DSS.IBM.Websphere, Portal Correlate Tehnologies, adresa: www-306.
ibm.com/software/info1/websphere/correlate.com/wps/image.asp
Capitolul 7 – INTERFATA CU UTILIZATORUL SI APLICATII DE

VIZUALIZARE A DECIZIEI
Cheia folosirii cu succes a oricarui sistem MSS este interfata cu

utilizatorul. Cu cat interfata este mai simpla, cu atat este mai mare sansa ca
sistemul MSS sa fie folosit de manageri. Din pacate acest lucru nu se
intampla cu multe din aplicatiile MSS. Chiar daca specificul MSS este mai
abordabil, sistemul sau de operare poate sa nu fie atat de simplu de folosit.
In acest capitol, vom prezenta principalele caracteristici ale interfatei cu
utilizatorul si tehnologiile care incearca sa faca sistemul MSS mai abordabil.
De asemenea, vom prezenta cateva dintre aplicatiile de vizualizare DSS.
Urmatoarele teme se vor atinge:

7.1 Parte introductiva;
7.2 Interfata cu utilizatorul: o trecere in revista;
7.3 Tipuri de interfate;
7.4 Grafica;
7.5 Multimedia si Hypermedia;
7.6 Realitate virtuala;
7.7 Sisteme geografice de informatie (GIS);
7.8 Procesarea limbajului natural: Prezentare;
7.9 Procesarea limbajului natural: Metode;
7.10 Aplicatii ale procesarii limbajului natural si ale software-ului;

7.11 Recunoasterea si intelegerea vocii;
7.12 Cercetari facute asupra interfatelor cu utilizatorul in sistemul MSS;
7.1 PARTE INTODUCTIVA
Transportul public in Dallas si in imprejurimile sale este asigurat de

DART(Dallas Area Rapid Transport). El are in dotare autobuze, camionete
si o linie de tren de suprafata. Aria sa de raspandire crescand foarte rapid la
mijlocul anilor 80, nu a mai fost in stare sa raspunda la cerintele clientilor,
sa faca schimbari destul de rapide, sa-si planifice activitatile intr-un mod
corespunzator sau sa asigure siguranta acestora. Solutia la aceste probleme a
fost gasita intr-o noua tehnologie informationala:GIS (geographic
information system). Sistemul GIS transpune in format digital harti, le
coroboreaza cu alte informatii din baza de date si foloseste un sistem de a
combina informatia in vederea unor planificari, a rezolvarii unor probleme
si a luarii de decizii.
DART detine o baza de date grafica centralizata a fiecarui obiect al carui
responsabilitate o poarta. Prezentarea GIS face posibil ca managerii DART ,
consilierii si clientii sa vizualizeze si sa analizeze informatia de pe format
digital. Anterior abordarii acestui sistem, DART a creat un sistem realizat
manual de harti si orare. Hartile erau reactualizate de cateva ori pe an si
redistribuite in tara. Metoda manuala a facut dificil raspunsul la peste 5000
de cerinte ale comsumatorilor pe zi. Planificarea unei schimbari cerea de
asemenea mult timp. Analiza viabilitatii unui traseu de autobuz impunea
fotocopierea hartilor din cataloage, suprapunerea unei folii pentru a arata
9
traseul propus, pierderea unui timp considerabil in cercetarea coridoarelor
adiacente traseului propus. Aceste deficiente au fost inlaturate de GIS.
Sistemul GIS include in interfata cu utilizatorul informatii despre
orarul autobuzelor, trasee, statii de autobuz (peste 13500), adrese etc.
sistemul permite angajatilor DART sa:
- raspunda rapid la cerintele clientilor (reduce timpul de raspuns cu cel
putin 33%);
- asigure informarea mai corecta a clientilor;
- planifice serviciile (trasee noi sau modificate si orare);
- realizeze studii de impact asupra mediului;
- reduca costurile implicate in producerea de rute de autobuz;
- urmareasca localizarea fiecarui autobuz;
- imbunatateasca securitatea autobuzelor;
- monitorizeze activitatea colaboratorilor;
- analizeze productivitatea si utilizarea rutelor existente;
Analizele, care inainte durau zile intregi sunt acum realizate in mai
putin de o ora. Pregatirea unor astfel de harti, care inainte puteau fi realizate
intr-o saptamana si costau intre 13000$ si 15000$, acum se fac in 5 minute
si costa cat 4 m de hartie de plotter.
Sarcina
Intrepretea Genereaza
Limbaj
za afisajul afisajul
de
prezenta
Proceseaza re
continutul Procesarea
Interpretea aplicatiei
Interfata
za imput-
Planifica si urile
actioneaza utilizatorul
ui
Utilizato Limbaj
r de Sistem
actiune
7.2 INTERFATA CU UTILIZATORUL: O TRECERE IN REVISTA
Semnalul de intampinare demonstreaza avantajele prezentarii

informatiei pe computer. Aceeasi informatie putea fi prezentata in sistemul
manual cu un cost mult mai mare. Sistemele GIS sunt un exemplu de
interfata eficienta si atractiva.
Majoritatea utilizatorilor de computer nu au cunostinte de
specialitate. Utilizatorii neexperimentati nu sunt pregatiti sa invete detalii
ale programelor pe care numai specialistii le folosesc. De obicei, utilizatorii
obisnuiti se asteapta sa se aseze in fata calculatorului si sa foloseasca o
aplicatie lafel de usor cum ar folosi telefonul. Cu toate acestea, majoritatea
sistemelor de operare si alte aplicatii de software sunt realizate pentru
utilizatorii cu multa experienta. Pentru a veni in intampinarea nevoilor
utilizatorilor care cer multa putere fara prea multa complicatie, industria
calculatoarelor a devenit foarte sensibila la design-ul interfatei cu
utilizatorul. De fapt, pentru multi utilizatori, interfata este sistemul. Design-
ul interfatei este influentat de timpul de executie al sistemului MSS, timpul
1
de invatare, usurinta in a fi recunoscut, versatilitatea sistemului, greselile
facute de utilizatori, calitatea ajutorului oferit de program, puterea de
adaptare la shimbarile in competenta utilizatorilor, nivelul de concentrare
cerut utilizatorului, oboseala derivata din folosirea programului,
uniformitatea comenzilor si cat de agreabil este sistemul pentru utilizatori.
Interfata cu utilizatorul este sistemul software si hardware care
faciliteaza comunicarea si interactiunea intre utilizator si computer.
Interfatele sunt un subdomeniu al domeniului numit interactiune om-
computer care este un studiu asupra omului, a computerului si a felului in
care acestea interactioneaza. Interfata include raspunsuri si implica un
schimb grafic, acustic, tactil si alte forme de comunicare.
Interfata cu utilizatorul poate fi gandita ca o suprafata prin care
informatia trece de la utilizator la computer. Aspectul fizic ale interfatei
include dispozitive precum mouse, microfon, tastatura, monitor imprimanta,
speaker.
Informatia aratata ofera un context pentru interactiune si ii ofera
utilizatorului posibilitati de actiune. Acesta formuleaza un raspuns si
actioneaza. Informatia trece apoi in computer prin interfata. Procesul ciclic
aratat in figura 7.1 este alcatuit din urmatoarele elemente:
- informatia. Informatia este constituita din acele date pe care utilizatorul
vrea sa le comunice computerului.
- dialogul. Dialogul reprezinta o serie de schimburi si interactiuni intre
utilizator si computer.
- limba. Folosirea limbii de catre utilizator poate sa ia diferite forme care
variaza de la a selecta o optiune din meniu la a raspunde la o intrebare sau a
da o comanda. Dispozitivele care sunt anexate ajuta la executarea
comenzilor.
- computerul. Computerul interpreteaza actiunea utilizatorului, executa

sarcina si afiseaza rezultatul.
- limbajul de prezentare. Limbajul de prezentare este informatia aratata
utilizatorului prin interfata. Aceasta informatie poate fi aratata in meniuri,
ferestre sau sub forma de text. Poate fi statica sau dinamica, numerica sau
simbolica. Poate sa apara vizual pe monitor sau in format auditiv. O
multime de studii au aratat ca prezentarea influenteaza calitatea deciziilor
luate de utilizator si perceptia acestuia asupra sistemului.
- reactia utilizatorului. Utilizatorul interpreteaza ceea ce este afisat,
proceseaza continutul si planifica o actiune.
Aceste elemente pot fi realizate si folosite in mai multe feluri.
Calitatea interfatei, din punctul de vedere al utilizatorului depinde de
ceea ce el sau ea vede sau simte si de cat de usor poate sa actioneze.
Alcatuirea unei interfate eficiente poate sa depinda de niste factori
tehnologici, fizici, psihologici etc.
Urmatorii factori sunt importanti in realizarea unei interfate:
- alegerea dispozitivelor;
- design-ul afisajului;
- interactiunea om-masina;
- utilizarea culorilor;
- densitatea informatiei;
- utilizarea icoanelor si a simbolurilor;
- formatul de afisare;
UIMS (User Interface Management System) asigura o aranjare a

informatiei. De asemenea, UIMS aranjeaza folosirea limbajului de
3
comunicare. UIMS propune un tip de interfata intre utilizator si restul
sistemului.
7.3 TIPURI DE INTERFATE
Relatia intre prezentare si limbajul de actiune se numeste modul de

interactiune al interfatei. Acesta determina modul in care informatia este
aratata. Determina de asemenea usurinta de invatare si utilizare a sistemului.
Capitolul urmator se refera la urmatoarele subiecte: meniul interactiv,
limbajul de comanda, intrebari si raspunsuri, tipul de interactiune,
procesarea limbajului natural si interfata grafica.
Meniul interactiv
In acest meniu, utilizatorul selecteaza un element din lista de alegeri
posibile pentru ca functiunea sa se realizeze. De exemplu, utilizatorul poate
sa aleaga intre un document Word si un document Excel. Alegerea este
facuta prin intermediul unor dispozitive. Meniurile apar intr-o ordine logica,
incepand cu meniul principal, apoi cu submeniuri. Elementele care compun
meniurile pot include comenzi care apar in submeniuri separate sau in
meniuri compuse. Meniurile pot deveni obositoare cand situatiile sunt
complexe si se pot folosi mai multe meniuri ca sa construiasca unul singur
sau un sistem in care utilizatorul sa treaca de la meniu la altul.
Meniul de prezentare
Meniul de prezentare este un submeniu care apare ca un meniu
impus, pe ecran, de obicei dupa ce s-a facut trecerea la un nivel mai inalt.
Este intalnit foarte des in sistemele GUI.
Limbajul de comanda
Multe comenzi sunt alcatuite dintr-o combinatie intre un verb si un
substantiv. Unele comenzi pot fi facute cu ajutorul tastelor de functii sau
vocal.
Intrebari si raspunsuri
Raspunsurile utilizatorului la intrebarile calculatorului pot constitui
dintr-o fraza sau o propozitie. Calculatorul ii poate pune mai multe intrebari
utilizatorului pentru clarificarea unor probleme. In anumite aplicatii, rolul se
poate inversa: utilizatorul pune o intrebare si calculatorul raspunde. In
anumite sisteme, in loc sa raspunzi la o singura intrebare, poti raspunde la
mai multe intrebari odata. In sistemul profesionist K-Vision, intrebarile sunt
facute astfel incat sa realizeze o cautare mai adanca a problemei.
Formularul interactiv
Prin aceasta se intelege ca utilizatorul sa introduca informatia sau
comenzile in locurile stabilite. Elementele principale ale formularului sunt
folosite drept comenzi pentru sistem.
Limbajul natural
Interactiunea om-computer, asemanatoare dialogului om-om se
numeste limbaj natural. Astazi, limbajul natural se realizeaza in principal
prin intermediul tastaturii. Acest tip de dialog se va face in viitor prin
intermediul vocii. Marele inconvenient al acestui tip de limbaj este neputinta
5
calculatorului de a-l intelege. Cu toate acestea, tehnologia avanseaza in
aceasta directie. Sistemul K-Vision permite utilizatorului de orice
nationalitate sa scrie direct un text in engleza.
Interfata grafica
In sistemul GUI (Graphical User Interface) obiectele reprezentate de
obicei prin icoane sau simboluri sunt manipulate direct de catre utilizator.
De exemplu, utilizatorul poate indrepta cursorul mouse-ului pe icoana si sa
foloseasca o comanda ca sa o mute, sa o mareasca sau sa descopere mai
multe detalii. Cele mai noi sisteme de operare PC se bazeaza nuai pe
grafica. Cel mai folosit este Windows 95.
Mai multe studii au fost facute pentru a determina eficienta si
acuratetea diferitelor interfate. Majchrzak a reusit sa esentializeze toate
cautarile din domeniul acesta si sa evalueze utilizarea a patru dintre aceste
stiluri pe patru dimensiuni.
Tipuri hibride
Tipurile de interfate pot fi combinate pentru a oferi o mai mare
functionalitate si calitate. De exemplu, Stock descrie un sistem de limbaj
natural combinat cu un pachet hypermedia.
Potrivit lui Sankar costul unei interfate DSS (Decision Support System)
poate sa ajunga la 60-70% din costul total al unui DSS. Este important ca
interfata sa se poata adapta la nevoile diferitilor utilizatori si sa comunice
foarte bine cu componentele interne ale DSS.
7.4 GRAFICA
Grafica face ca informatia sa fie mai bine transmisa catre utilizator si

acesta poate sa vizualizeze relatiile. Rolul tabelelelor si a graficelor in
comunicarea datelor numerice a fost de mult recunoscut. De exemplu,
Hwang a descoperit ca prezentarea grafica este mult mai eficienta decat
prezentarea cu tabele. Grafica computerizata ii permite utilizatorului sa
transforme informatia in grafica rapid si nu foarte scump fara ajutorul unui
artist plastic. Informatia poate sa fie si animata.
Soft-uri grafice
Principalul scop al soft-urilor grafice este sa prezinte imagini ale
informatiei pe monitor, imprimanta, plotter sau amandoua. Informatia
prezentata poate fi construita din date numerice sub forma unor grafice sau
tabele sau poate fi generata din texte si simboluri si exprimate ca desene sau
fotografii. Legatura intre aplicatiile orientate spre desen si cele spre tabele
folosind datele numerice este de multe ori ambigua si multe produse
software le suporta pe amandoua. Soft-urile de grafica pot constitui un
singur pachet sau pot fi incluse in altele.
Cele simple sunt mult mai puternice decat cele integrate pentru ca
includ mai multe stiluri grafice si nu trebuie sa cumperi neaparat si celelalte
programe.
Noile concepte in grafica 3-D si realitatea virtuala le dau
managerilor posibilitatea sa vizualizeze problemele si solutiile intr-un mod
mai eficient.
7
Rolul graficii computerizate
Grafica poate fi foarte importanta pentru afaceri si luarea de decizii
pentru ca ajuta managerii sa vizualizeze informtia, relatiile etc. O mare
varietate de forme grafice pot fi generate de computer.
Rapoarte
Baza de
modele si
Baza de date managementul Baza de date
si acesteia
Modele si
management cantitative management
ul acesteia ul acesteia
Foi de calcul
electronice si
alte
generatoare
Alte soft-uri
suport pentru Utilizator
management
7.5 MULTIMEDIA SI HYPERMEDIA
Interfata cu utilizatorul poate fi imbogatita cu multimedia. Exista o

tendinta crescanda in utilizarea multimedia in sistemul DSS. Sistemele
computerizate implica mai multe tehnologii multimedia ca dispozitive de

prezentare. Multimedia poate fi de asemenea o parte integranta a sistemului
de procesare a informatiei si de luare a deciziei.
Multimedia se refera la un fond comun al mijloacelor de comunicare
om-masina, cateva din ele putand fi combinate intr-o singura aplicatie. In
tehnologia informationala, ideea principala din spatele abordarii multimedia
este utilizarea calculatoarelor pentru a imbunatatii comunicarea om-masina
prin mai multe mijloace media, avand in mijloc sistemul computerizat.
Acest lucru permite utilizarea sunetului, a textului, a graficii si a altor
mijloace. O subdiviziune a sistemului multimedia este hypermedia.
Posibilitatea de a controla si a manipula informatia multimedia si costurile
sale reduse fac din invatamantul la distanta o alternativa la scoala.
Multimedia DSS
Exista o tendinta crescanda in a include modelele multimedia direct

in DSS si sistemele profesioniste cum sunt bazele de date sa suporte
stocarea, retragerea si manipularea informatiei. De exemplu, sistemul K-
Vision suporta utilizarea mijloacelor multimedia in timpul derularii
aplicatiei. Acest lucru este indeosebi folositor in aplicatiile profesioniste de
diagnosticare, unde o fotografie, o diagrama sau o banda video poate arata
in ce loc este stricat dispozitivul. Si sunetul poate fi folosit. In loc ca
sistemul sa il intrebe pe utilizator daca aude un sunet, acesta i-l poate
reproduce. In acelasi fel, sistemul DSS multimedia poate sa rezolve orice
9
problema in a lua o decizie care implica informatii multimedia. Deoarece
majoritatea comerciantilor de baze de date asigura servicii multimedia prin
legaturile la Internet, din ce in ce mai multe sisteme multimedia vor fi
incorporate in DSS.
Hypermedia
Hypermedia cuprinde documente care contin cateva tipuri de media
care permit ca informatia sa se lege prin asociere. Hypermedia contine
cateva nivele de informatie cum ar fi:
- o interfata cu limbaj natural care asigura un mod simplu si
transparent pe care utilizatorii il pot folosii;
- o baza de date care permite accesul utilizatorilor atat la structurile
informationale, cat si la operatiuni;
- o interfata care sa poata face fata la cerinte complexe;
- un dispozitiv multimedia care sa permita utilizatorilor sa faca
legaturi intre diferitele tipuri de informatie;
- editori media care sa ofere tipuri de editare, exemple de grafica,
imagine, voce;
- o memorie virtuala care sa suporte versiunile temporare,
configurarile si transformarile de aspect.
Adaugand structuri de control la sistemele hypermedia aplicatiile

MSS se pot imbunatatii. Acest lucru se dovedeste a fi foarte eficient in
cautarea de informatii specifice.
Hypermedia leaga diferite structuri informationale in care
conexiunile sunt explicite permitand informatiei sa se lege prin asociere.
Hypermedia este o oportunitate pentru oferirea de noi servicii si produse.
Exista doua feluri de Hypermedia. Primul este folosit ca un mod de

prezentare sau de navigare. Ideea principala este ca toata informatia este
stocata intr-o baza de date multimedia, iar utilizatorul isi alege modul de
cautare. Toate link-urile sunt realizate de catre designer, dar ordinea in care
acestea sunt legate tine foarte mult de cel care navigheaza.
Al doilea tip de Hypermedia se refera la inregistrarea, organizarea,
integrarea si procesarea de date. Rolul principal pe care il are este acela de a
oferi suport pentru o cautare mai rapida si mai eficienta si pentru sinteza
informatiei.
Hypertext
Hypertext este o abordare a folosirii textului si a informatiei grafice

care permite utilizatorului sa treaca de la un subiect dat la altele colaterale.
Citirea si vizualizarea informatiei devine astfel foarte libera, dar in acelasi
timp controlata de catre utilizator. Hypertext ii permite acestuia sa-si urmeze
gandurile. Ii permite cititorului sa controleze nivelul de detaliu si tipul de
informatie aratat. Permite de asemeni, o cautare rapida in functie de
interesul cititorului. De exemplu, cand ati inceput sa cititi acest fragment
primul cuvant pe care l-ati intalnit a fost multimedia. Folosind hypertext,
poti sublinia cuvantul multimedia si apoi sa apesi un buton; calculatorul iti
va arata un fragment de text legat de acest subiect, alaturi de ceea ce se
numeste ……… Dupa ce ai terminat, te poti intoarce la inceputul capitolului
sau poti sa sari la alt subiect. Hypertext-ul poate fi comparat cu un sistem de
gauri dintr-o carte sau cu a cauta un cuvant in Index. Hypertext sta la baza
1
metodelor de cautare in paginile Web si joaca un rol important in facilitarea
acestei cautari.
Hypertext inca se mai imbunatateste. Conceptul poate contribui la
imbunatatirea interfatelor cu utilizatorul din sistemul MSS, la fel ca si
posibilitatile imbunatatite ale decision maker-ului. Atat Hypertext, cat si ES
se ocupa cu transferul de informatie. Cu toate acestea, in Hypertext,
utilizatorul controleaza uneltele, dar o poate face nu si cel mai eficient mod.
Sistemele profesioniste pot conduce utilizatorul, pentru ca mai multe
produse participa la aceasta integrare. De exemplu, KnowledgePro
integreaza sistemul hypertext, multimedia, limbaje orientate etc. Aceasta
integrare ofera o reprezentare foarte buna a informatiei care include un
acces mai usor la culori, ferestre si mouse. Comunicarea se face ca intre
expert si novice, profesor si elev, consultant si manager.
Multimedia, Hypermedia, Web-ul si Abordarea Object-oriented
Asa cum management-ul bazelor de date se indreapta spre sistemele

object-oriented, exista o tendinta care se indreapta spre management-ul
obiectelor in cadrul bazei de date. Aceste obiecte pot fi oricare dintre
tipurile multimedia care contine documente hypermedia. Icoanele
individuale GUI sunt vazute ca obiecte standard folosite la interactiunea
intre utilizatori. Detaliile programelor care privesc obiectele sunt ascunse
fata de utilizator. Tot ceea ce acesta vede este ceea ce apare pe ecran ca
buton sau icoana. Limbajele object-oriented au evoluat astfel incat sa poata
lucra cu obiectele GUI, cu caracteristici mai complexe si mai folositoare.
Standardizarea caracteristicilor obiectelor in sistemul GUI este benefica
pentru designerii de sistem, mai ales pentru crearea de coduri refolosibile si
depozite de obiecte. Vezi Williams [1996] . Modelele complexe object-

oriented si rezultatele lor pot fi folosite si prezentate decision maker-ilor de
10-100 de ori mai repede decat bazele de date relationale.
Programarea vizuala e un alt aspect al abordarii object-oriented.
Visual Basic, Visual C++ si alte sisteme de programare vizuala nu ofera
nivelul de incapsulare pe care abordarea object-oriented o cere. Aceasta
incapsulare poate fi oferita de standardele descrise de Najork [1995], in care
el defineste limbajul vizual 3-D numit Cub. Cubul este construit din obiecte
si relatii dintre obiecte. Obiectele sunt legate intre ele prin predicate.
Deoarece comrciantii de baze de date suporta transferul catre
brower-ele de Web, un numar de aplicatii object-oriented multimedia,
hypermedia se desfasoara prin Internet sau intranet. Acestea includ
KnowledgeWave si GTE Superpages, un fel de Pagini Aurii online
Managementul documentului electronic si luarea de decizii
Exista cateva mari probleme legate de documentele scrise, inclusiv

intretinerea documentului: are toata lumea versiunea curenta? Cat de des
este necesar ca documentul sa fie adus la zi? Cum ar putea distributia
documentelor catre individ sa fie facuta in timp util? Daca documentele in
format electronic sunt puse intr-un singur depozit, de obicei un server,
atunci numai versiunea originala ar fi disponibila. Accesul poate fi
restrictionat daca este cerut. De exemplu, multe firme isi tin numerele de
telefon in format electronic pentru a inlatura posibilitatea de a fi copiate si
pentru a putea fi innoite. De fapt, sistemul EDM (electronic document
management) ofera informatia intr-un format util. Compania Thomas Cook
foloseste un EDM asemanator PC-urilor pentru decontarea cheltuielilor de
3
calatorie. Astfel a automatizat activitatea si a ajutat firma sa-si dubleze
numarul de afaceri adaugand doar 33% mai multi angajati (vezi Cole
[1996]).
In numeroase organizatii documentele sunt vazute la ora actuala ca
niste obiecte multimedia cu hyperlinks. Accesul pe Web ofera o accesare
usoara a paginilor de informare. Sistemele de management ale
documentelor exceleaza in acest domeniu. De asemenea, sistemele de
management ale documentelor facilitate de Web permit punerea informatiei
pe un intranet, multe dintre ele furnizand conversia instantanee a
documentelor la formatul HTML (vezi Korzeniovsky [1996]). S-a estimat ca
BellSouth economiseste anual 17,5 mil. $ datorita sistemului de
management facilitat de intranet.
Produsele reprezentative ale EDM includ CyberDocs si Docs Open,
Electronic Publishing Management System, Enterprise Document
Management System si RightSite Servers.
Aplicatia W7-2 de pe site-ul cartii de la http://prenhall.com/turban descrie o
CSX Corp. mission-critical facilitata de Web, care le ofera angajatilor si
clientilor informatii direct dintr-o baza de date. Aceste documente ar fi
oferite in mod normal prin intermediul unor formulare, prin firme de
transport.
Pentru mai multa informatie despre potentialul EDM, vezi
Sprague[1995] si „Your Eye on the Document Management Industry”,
AHM, http://www.aiim.org/aim/publications.
7.6 REALITATEA VIRTUALA
Prezentarile 3-D
Un numar din ce in ce mai mare al aplicatiilor din ziua de azi are

interfete 3-D. Aceste prezentari sunt importante in special in domeniul
industriei si al marketingului. Interfata 3-D ofera posibilitati multiple pentru
interactiuni care folosesc experientele mintii legate de perceptia spatiala.
Interfata 3-D are mai multe avantaje: furnizeaza mai multa informatie,
aranjarea in pagina este mai usoara pentru programator, prezentarile
impresioneaza mai mult si posibilitatea de a folosi culori este mai mare. Cu
toate acestea, in mediile 3-D, care sunt aratate pe ecrane plate 2-D, noi
vedem doar proiectii 2-D ale unor imagini 3-D. Utilizatorul trebuie sa
deduca proprietatile geometrice si relatiile spatiale. Imaginile statice pot fi
greu de inteles. Prezentarea stereo ajuta la vederea in profunzime, dar pentru
ca utilizatorul sa poata cuprinde tot ecranul dintr-o privire, este mai bine sa-l
lasati sa se miste liber printre obiecte cu ajutorul unui aparat de filmat sau al
unui ochi virtual. De aceea, implementarea unei interfete 3-D este dificila si
costisitoare. Una dintre cele mai interesante implementari ale interfetei 3-D
este realitatea virtuala.
Privire de ansamblu asupra realitatii virtuale
Cu ajutorul realitatii virtuale (RV), in loc sa se uite la un ecran plat

de calculator, utilizatorul interactioneaza cu un mediu 3-D generat de
calculator. Pentru a interactiona cu obiectele de control sau pentru a se
deplasa, utilizatorul poarta un headset si manusi(sensori de pozitie a
mainilor). Expunerea realitatii virtuale realizeaza iluzia unui mediu
5
inconjurator prin up-datarea imaginii in timp real. Utilizatorul poate sa
atinga si sa miste obiecte virtuale. RV este disponibila in cateva jocuri si in
cateva aplicatii comerciale (vezi tabelul7.4). Cu toate acestea, in aprox. 10
ani, vor exista numeroase aplicatii comerciale. Pentru o vedere de ansamblu,
vezi Wagner[1996].
Realitea virtuala si luarea de decizii
Majoritatea aplicatiilor RV sunt folosie pentru a sprijini luarea de

decizii in mod indirect. De exemplu, Boeing a construit un aparat de zbor
virtual pentru a testa noile modele. Alte cateva aplicatii RV pentru asistarea
productiei si pentru convertirea tehnologiei militare la civili sunt folosite la
Boeing (vezi Hedberg [1996]). La Volvo, RV este folosita pentru a testa
masini virtuale in accidente virtuale; compania mai foloseste RV si in cadrul
procesului de design. British Airways ofera vizitatorilor site-ului lor
placerea de a experimenta un zbor de clasa intai.
Un alt domeniu de aplicatie a RV este vizualizarea datelor. Factorii
de decizie se confrunta cu o cantitate din ce in ce mai mare de informatii.
RV ii ajuta pe acestia sa-si formeze o imagine de ansamblu mai buna, prin
intermediul unor sisteme virtuale vizuale, spatiale si auditive. De exemplu,
unii brokeri au o aplicatie RV prin care utilizatorii navigheaza deasupra unui
peisaj de pronosticare a actiunilor, in care culoarea, nuantele si intensitatea
indica deviatiile de la pretul curent al actiunilor. Sunetul este utilizat pentru
a furniza alte informatii, ca de exemplu tendintele actuale si rata de datorii.
Exemple de utilizare a realitatii virtuale:

Industrie Aplicatii
Industria auto/induistria grea/armata Design
Elaborarea de prototipuri virtuale
Analiza ergonomica
Simularea asamblarii, productiei
si intretinerii
Antrenament
Medicina Operatii pentru antrenament
Operatii
Terapie fizica
Cercetare/Educatie Laboratoarevirtuale farmaceutice
Studiul uraganelor
Configuratii galactice
Reprezentarea conceptelor
matematice complexe
Muzee virtuale
Divertisment Jocuri 3-D (gen simulatoare)
Simulatoare de zbor
Parcuri de distractie virtuale
Realitatea virtuala si Web-ul
O platforma standard pentru RV, pe nume Virtual Reality Markup

Language(VRML), face ca navigatia prin magazine si muzee virtuale sa fie
la fel de usoara ca si interactiunea cu informatia textuala. VRML permite
7
crearea de obiecte care sunt sunt expuse pe masura ce utilizatorul de Web
„paseste” in incaperea virtuala. Utilizatorul poate face „click” pe obiect
pentru a-l putea vizualiza. La momentul actual pot fi folosite browser-ele
obisnuite (ca Netscape Navigator), dar browser-e VRML vor avea in curand
mare circulatie. Ustensile speciale VRML permit utilizatorului si obiectelor
sa se miste.
Se asteapta o folosire pe scara larga a acestora in marketing (vezi
Burke [1996]). De exemplu, Tower Records ofera, pe Web, un magazin
virtual de muzica in care clientii se pot intalni in fata magazinului, pot intra
si asculta CD-uri si casete. Apoi ei vor selecta si vor achizitiona produsele
electronic si interactiv de la un asociat de vanzari adevarat.
Cumpararea virtuala in supermarketuri i-ar putea ajuta pe cei mai
lenesi sa fie interesati de cumpararea de alimente la domiciliu. In viitor,
cumparatorii vor intra intr-un supermarket virtual, vor merge prin raioane
virtuale, vor lua produse virtuale pe care le vor pune in caruciorul virtual.
Aceasta s-ar putea sa inlature rezistenta pe care o au unii fata de mersul la
cumparaturi virtual. Mall-urile virtuale sunt astfel construite incat sa dea
utilizatorului senzatia ca se plimba intr-un mall adevarat.(vezi
Anonymous[1996])
7.7 SISTEMELE GEOGRAFICE DE INFORMATIE (GIS)
Privire de ansamblu
Un sistem geografic de informatie (GIS) este un sistem care are la

baza calculatorul si care aduce, depoziteaza, verifica, integreaza,
manipuleaza si furnizeaza date folosind harti digitale. Cea mai importanta
caracteristica a GIS este ca fiecare inregistrare sau obiect virtual are o

locatie bine definita (identificata). Asa cum s-a aratat in vinieta de
deschidere, prin integrarea de harti cu baze de date orientate spatial (numita
„geocoding”), utilizatorii pot mari productivitatea si calitatea deciziilor lor.
GIS poate facilita accesul la informatii care in alte conditii nu ar fi
disponibile. Din 1990 pana in 1995, profiturile GIS s-au dublat, ajungand
pana la 500 mil. $, dupa cum spun Geograpic Technology Markets. Se
asteapta sa se dubleze din nou pana in 1998 datorita cresterii numarului de
clienti, a unor aplicatii mai diversificate si a preturilor scazute. Informatia
stil harta este folosita de mii de organizatii. De aceea, GIS are multe
aplicatii. Pentru aplicatiile DSS ale GIS, vezi Bidgoli [1995]
Software GIS
Software-ul GIS variaza in capacitatile sale de la simple sisteme de

harti computerizate la ustensile DSS din intreprinderi pentru analizele de
date. In mod clar, o prezentare grafica de inalta calitate si o viteza de cautare
ridicata sunt necesare, asa ca majoritatea implemetarilor GIS au fost
dezvoltate pentru statiile de lucru Unix. Cu toate acestea, la inceputul anilor
’90, s-au dezvoltat implemetari puternice pentru PC si Macintosh. Multe
dintre primele dezvoltari GIS au fost la universitati si la agentiile
guvernamentale si militare. Aceste organizatii continua sa furnizeze
progrese in domeniu si in multe cazuri ofera software la pret redus sau
gratuit, care este perfect functional. Pe site-ul de Web al cartii va prezentam
o lista cu reprezentantele de GIS software si link-uri. Unele agentii
furnizeaza download-ul de software direct de la adresa lor de Web. Altele
furnizeaza demonstratii de software la cerere.
9
Datele GIS
Datele GIS pot fi dezvoltate in casa sau achizitionate. Datele GIS

sunt oferite de o mare varietate de surse. Surse guvernamentale (via Internet
sau CD-ROM) furnizeaza anumite date si vanzatorii de asemenea. Atentie la
faptul ca nu toate datele sunt disponibile in orice format. (desi majoritatea
GIS le poate importa sau converti). Census Bureau publica o lista TIGER
(Topologically Integrated Geographic Enconding and Referencing) format
standard. Un alt format standard, Digital Line Graph (DLG), a fost dezvoltat
de US Geological Survey. Multi dintre vanzatorii de software au imbunatatit
acest standard. Contactati vanzatorii direct pentru a determina ce formate de
stocare a datelor are GIS-ul lor si ce date furnizeaza acesta. De asemenea,
vezi GIS World Sourcebook 1996.
GIS si luarea de decizii
Incepand cu anii 60, costul ridicat al GIS a impiedicat in mod

eficient utilizarea lui in afara experimentelor si a agentiilor guvernamentale.
Cu toate acestea, recent, costul software-ului GIS si al harware-ului necesar
a scazut dramatic. Acum sunt disponibile pachete pentru PC complet
functionale. GIS furnizeaza o cantitate de informatie extrem de utila, care
nu era disponibila in trecut, ce poate fi analizata si folosita in luarea de
decizii. Forma sa grafica le inlesneste managerilor vizualizarea datelor.
„Pot introduce 80 de pagini cu mii de randuri intr-o singura harta”
explica Janet Hamilton, market research administrator pentru Dow Elanco, o
firma din Indianapolis care scoate 2 bilioane $ din produse chimice pentru
agricultura. „Mi-ar lua cateva saptamani sa inteleg toate informatiile din

pagini, dar printr-o harta toata povestea poate fi spusa in cateva secunde.”
Exista nenumarate aplicatii ale GIS pentru eficientizarea luarii de
decizie in sectorul public. Acestea includ trimiterea vehiculelor de urgenta,
managementul de tranzit (vezi vinieta de la inceput), facilitarea selectiilor de
site-uri si managementul vietii animale. (Vezi DSS in actiune 7.5)
Pentru multe companii, organizarea inteligenta din cadrul GIS poate
furniza o schema de lucru pentru procesul luarii de decizii si al crearii de
strategii alternative. Aplicatii utilizate frecvent includ sprijinirea
campaniilor politice, sprijinirea marketingului si a vanzarilor, analiza de
vanzari si de teritoriu, selectia de site-uri, planificarea in caz de dezastru.
Cateva exemple de aplicatii de succes ale GIS sunt furnizate in DSS in
Focus 7.6.
Succesul GIS depinde foarte tare de informatia buna. GIS se
dovedesc a fi ustensile tactice importante pentru identificarea geografica a
niselor de productie, facilitarea prezentarilor, imbunatatirea intelegerii,
identificarea problemelor logistice si dezvoltarea strategiilor de piata.
(Hamilton 1996)
Pentru ca o persoana care ia decizii sa invete mai mult despre GIS si
despre posibilitatea ca acesta sa fie un echipament eficient intr-o
organizatie, inteligenta populara spune ca acesta sa incerce software gratuit
sau ieftin pentru a intelege care ii sunt capacitatile reale. Apoi acesta va
inspecta software-ul de pe piata pentru a vedea care GIS face fata situatiilor
de decizie avute in vedere.
GIS si Web
1
Majoritatea vanzatorilor de software cu aplicatii pentru afaceri
furnizeaza accesul pe Web (bine-cunoscutele browsere) sau „carlige” Web
direct in software-ul lor. Aceste aplicatii includ baze de date (personale sau
pentru intreaga întreprindere) si software de procesare a textului. Aceasta se
intampla si in cazul GIS. De exemplu, Esri Inc. permite utilizatorilor sa
construiasca harti si aplicatii GIS care se afla pe severul World Wide Web
astfel incat acestia pot accesa harti si informatii dinamice via Internet sau
intranet. MapInfo elibereaza de asemenea o continuare a hartii pentru
aplicatiile online. Software-ul GIS al MapInfo foloseste Internetul si
Intranetul, ca de altfel majoritatea bazelor de software.. MapInfo Proserver
include porti care permit accesul la software-ul pentru harti via browser de
Web. ProServer trebuie sa fie instalat pe server, dar un browser standard
functioneaza in sistemul clientului.
ProServer le permite managerilor cu putina experienta in
cartografierea pe desktop sa analizeze si sa vizualizeze date geografice.
Accesul la Web reduce complexitatea software-ului si il face mai
accesibil. „Beta Tester foloseste ProServer pentru a dezvolta o aplicatie
pentru un canal national de televiziune care vrea ca statiile afiliate sa aiba
posibilitatea sa acceseze un intranet care contine informatii demografice
despre public. Folosind un browser de Web, angajatii de la fiecare statie vor
putea vedea harti tematice care analizeaza piata.”
Un numar de firme desfasoara GIS pe Web pentru uz intern sau
pentru clienti. De exemplu, Visa Plus, care opereaza o retea de casierii
automate, a dezvoltat o aplicatie GIS care le permite utilizatorilor de
Internet sa consulte o harta de localizare a oricarei dintre cele 257 000 de
masini aflate in toata lumea. Pe masura ce apar servere GIS, mai multe
aplicatii vor fi dezvoltate. Harti, date GIS si informatii despre GIS sunt
disponibile pe Web printr-un numar de vanzatori (furnizori) si agentii

publice. Surse de pe Web sunt listate pe site-ul cartii.
Aplicatii GIS care apar
Tehnologia GIS este stabila, numarul de furnizori de software GIS

este in crestere si exista o mare varietate de furnizori la mana a doua.
Preturile pentru hardware si software sunt in scadere si capacitatile cresc in
mod dramatic. Din ce in ce mai multe aplicatii ieftine de desktop vor fi
disponibile. Mai multe ustensile analitice vor fi incorporate in GIS pe
masura ce datele spatiale si bazele de date multimedia devin din ce in ce mai
raspandite.
Integrarea de GIS si sateliti de positionare globala (GPS) va
transforma aviatia si industria transporturilor navale. Aceasta le permite
vehiculelor echipate cu receptor GPS sa-si stie exact coordonatele, pe
masura ce se deplaseaza. Apar aplicatii GPS care includ sisteme de detectare
a automobilului personal, a trenurilor si a altor vehicule de uscat. La ora
actuala pretul este cam piperat, dar va scadea pe masura ce hardware-ul se
imbunatateste, cererea creste, precum si numarul furnizorilor. De asemenea,
GPS a devenit o sursa majora a datelor GIS.
Anumiti cercetatori au dezvoltat GIS inteligent care face legatura
intre GIS si un sistem expert.(ca aplicatiile pentru programarea irigatiilor).
Pe masura ce sistemele bazate pe cunoastere se raspandesc, multe dintre
acestea se vor dezvolta. (vezi Cap.6)
Imbunatatirile aduse interfetei GIS au schimbat in mod substantial
fata GIS. O vizualizare avansata (ca grafica 3-D) si graficele pe calculator
vor fi din ce in ce mai mult integrate in capacitatile GIS, mai ales in harti
3
animate si interactive. GIS va putea da informatii pentru motoare virtuale si
va putea folosi asemenea standarde in prezentarea informatiei pentru factorii
de decizie. Programarea si bazele de date orientate pe obiect vor imbunatati
probabil GIS. Multimedia si hipermedia vor avea un rol din ce in ce mai
mare in GIS, mai ales in sistemele de ajutorare si de pregatire. Object
linking and embedding (OLE) va permite utilizatorilor sa aduca harti in
orice document. Mai mult GIS va fi folosit pentru a furniza date si acces la
date pe Web si intraneturi organizationale , pe masura ce software GIS
pentru Web va fi disponibil. Vezi Clerke(1997) pentru o prezentare a GIS,
multe detalii, dezvoltari recente si progrese potentiale.
7.8 PROCESAREA LIMBAJULUI NATURAL: PREZENTARE
Procesarea limbajului natural (NLP) este o tehnologie aplicata de

inteligenta artificiala. Se refera la faptul de a comunica cu un calculator in
engleza sau in orice limba vorbesti. La momentul actual, pentru a spune
unui computer ca sa faca, trebuie sa tastezi comenzi, sa folosesti meniurile,
sau sa introduci programe intr-un limbaj de programare. Din aceasta cauza,
pentru a folosi un computer asa cum trebuie, esti obligat sa inveti comenzile,
limba, jargonul. Acestea iau de obicei o gramada de timp si de exercitiu.
Este principalul motiv pentru care calculatoarele au fost denumite
„neprietenoase”. Meniuri cu dispozitive de selectare ca soricei, creioane
luminoase si touch screens ajuta, bineinteles, dar nu sunt perfect „naturale”.
Multe probleme ar putea fi minimalizate sau chiar eliminate daca am
putea comunica cu calculatorul prin propriul nostru limbaj. Nu am tasta
decat intrebari, instructiuni sau informatii. Computerul ar fi destul de destept
incat sa priceapa input-ul indiferent de forma in care este introdus. O

alternativa si mai buna ar fi sa ne folosim vocea in loc de tastatura.
Pentru a intelege o intrebare in limbaj natural, computerul trebuie sa
aiba cunostinte pentru ca sa analizeze si sa interpreteze input-ul. Aceste
cunostinte pot include cunostinte lingvistice despre cuvinte, cunostinte
despre domenii, despre bunul-simt si chiar cunostinte despre utilizatori si
scopurile acestora. NLP trebuie sa inteleaga gramatica (formala si
colocviala) si definitia cuvintelor. Sunt folosite toate tehnicile pentru a putea
representa cunostiintele interne si procesa input-urile. O data ce computerul
intelege input-urile, poate lua masurile dorite.
In afara de intelegarea limbajului natural exista si generarea de
limbaj natural. Computerul genereaza text intr-un limbaj natural si cel mai
usor mod de a face acest lucru este sa furnizeze propozitii, fraze, paragrafe
sau alte output-uri deja ambalate.
In urmatoarele sectiuni vom discuta despre metodele de prelucrare a
limbajului natural si despre software-ul aferent: programe care inteleg si
genereaza input-uri si output-uri in limbaj natural. Vom vorbi si despre
cateva aplicatii practice ale software-ului NLP. In final vom avea in vedere
o tema adiacenta: sistemele de recunoastere a discursului.
NLP este o incercare de a le permite calculatoarelor sa interpreteze
propozitii normale exprimate in limbajul natural al oamenilor, ca de
exemplu engleza sau japoneza. In opozitie, procesul de recunoastere a
discursului incearca sa traduca vocea umana in cuvinte si propozitii
separate care pot fi intelese de catre computer. Pentru ca calculatorul sa
aiba o capacitate de conversie asemanatoare cu a oamenilor, este necesara
combinarea dintre recunoasterii discursului si NLP. Un numar de cercetori
lucreaza la ora actuala la progresul procesarilor de limbaj natural. Printre ei
5
se afla si Microsoft Research NLP Group, care face parte din tema de
cercetare „Advanced Interactivity and Intelligence”. Vezi site-ul de web al
grupului la http://www.research.microsoft.com/research.nlp/.
7.9 PROCESAREA LIMBAJULUI NATURAL: METODE
Limbajele de calculator sunt seturi de comenzi tipice care sunt

executate intr-o anumita ordine sau conform procedurii stabilite de
programator. Cu alte cuvinte, aceste limbaje implica metode de scriere a
programelor care dau instructiuni si proceduri explicite despre cum trebuie
realizate operatiile.
Cu NLP, intelegerea de catre calculator a afirmatiilor umane poate fi
transformata intr-un program sau nu. NLP computerizat poate in schimb sa
traduca afirmatiile in alta limba. Cele mai avansate limbaje din generatia a
patra de astazi folosesc primele rezultate ale cercetarilor NLP, dar abilitatile
lor sunt foarte limitate in comparatie cu scopul final al NLP.
La ora actuala se folosesc 2 tehnici importante in programele NLP:
cautarea de cuvinte cheie (potrivirea schemei) si procesarea limbajului
(analiza sintactica si semantica). Alte metode, ca folosirea calculului neural
(neural computing) in NLP si metoda dependentei conceptuale, se afla la ora
actuala in stadiu primar si nu vom vorbi despre ele aici. Uitati-va pe Web
pentru noi perfectionari.
Analiza de cuvinte cheie (potrivirea pattern-ului)
In procesul de potrivire a pattren-ului, programul NLP cauta

cuvintele sau frazele cheie selectate din cadrul textului input. Atunci cand
cuvantul este recunoscut, programul activeaza un raspuns specific, gata

construit. Este important de retinut ca programul necesita cautare si orice
metodologie sau inteligenta care poate reduce efortul permite un vocabular
mai dezvoltat. De asemenea, calcularea in paralel poate reduce cautarea.
O alta varianta ar fi ca programul sa construiasca efectiv un raspuns
bazat pe un raspuns partial cuplat cu fraza sau cuvantul cheie selectat din
input. Programul recunoaste input-uri foarte specifice din care construieste
raspunsuri output sau initiaza alta actiuni.
Imaginea 7.5 arata o diagrama a procedurilor de baza pe care un
program NLP de detectare a cuvintelor cheie le foloseste pentru a intelege
propozitiile input. Doua activitati-cheie includ analiza pentru a determina
capetele cuvintelor si potrivirea pattern-ului pentru a compara elementele
componente ale frazei cu lista de cuvinte/fraze aflate in memorie. Cand un
cuvant cheie este localizat, este marcat in asa fel incat sa poata fi folosit
pentru selectarea reaspunsului adecvat gata pregatit sau pentru un raspuns
asamblat. Un cuvant cheie-clasic de potrivire este Eliza. Folosind Eliza, sunt
usor de vazut atat capacitatile NLP, cat si limitarile acestuia (vezi AIS in
Action W7.1 pe site-ul de Web al cartii).
Aceasta metoda functioneaza foarte bine cand este vorba de unul sau
de cateva cuvinte-cheie, deoarece raspunsul deja pregatit poate fi usor de
potrivit la cuvintele-cheie. Dar daca sunt mai multe cuvinte-cheie, s-ar putea
sa existe sute de mii de combinatii de raspunsuri si potrivirea ar fi dificila.
Procesul analizei cuvintelor cheie
Output potrivit
sau NU
schimb imput-ul
Start
Introducere Acceptarea si Cercetarea Cuvat

de mesaje stocarea inputurilor si cheie
gasit?
mesajelor cautarea
cuvintelor cheie
NU
DA Alte
cuvint
e
cheie?
Realizarea si NU
7
Procesarea limbajului (Analiza sintactica, semantica si pragmatica)
Desi pattern-ul de gasire a cuvintelor cheie este o metoda larg

raspandita a limbajului natural, utilitatea lui este limitata deoarece el nu
poate face fata multitudinii de variatii ale limbii. De aceea, cercetatorii AI
au dezvoltat metode mai sofisticate de analizare si extragere a sensului
dintr-o fraza input.
Cea mai evidenta si mai directa metoda este realizarea unei analize
in detaliu a sintaxei si semanticii frazei input. Aceasta e mai usor de spus
decat de facut. Chiar si sistemele sofisticate de efectuare a analizei sintactice
si semantice esueaza, deoarece exista prea multe cuvinte cu intelesuri
multiple (ca de exemplu „a putea”, „a vrea”, „clasa”) si un numar enorm de
moduri de a le combina pentru a forma propozitii. NLP poate determina
intelesul intrebarii puse de utilizator prin intrebari de genul „Vreti sa spuneti

ca…”
Definitii
Analiza sintactica se uita la modul in care propozitia este construita

(aranjarea componentelor sale si relatia dintre ele). Procesele sintactice
analizeaza si desemneaza propozitii pentru a stabili clar legaturile
gramaticale dintre cuvinte in cadrul propozitiilor. Semantica se ocupa cu
acordarea unui sens diferitilor constituenti sintactici. Analiza pragmatica
incearca sa faca legatura intre propozitiile disparate si context.
Proceduri: Cum functioneaza procesarea limbajului
Un sistem de procesare a limbajului natural descifreaza partile de

discurs dintr-o propozitie si apoi le translateaza in comenzi de aplicatie sau
intr-un limbaj de programare in asa fel incat calculatorul sa poata raspunde.
Imaginea 7.6 arata o diagrama simplificata a celor mai importante elemente
dintr-un program de procesare a limbajului natural. Cele 5 elemente cele
mai importante sunt analizatorul (the parser), lexicon-ul, cel care intelege
(the understander), baza de cunostinte si generatorul. Iata o privire scurta
asupra fiecaruia din cele 5 elemente.
Elementul-cheie intr-un sistem de limbaj natural este analizatorul.
Este un software care analizeaza sintactic fraza input. Fiecare cuvant este
identificat si clarificat. Apoi analizatorul „cartografiaza” cuvintele intr-o
9
structura care se numeste „copac de analiza”. Acesta arata sensul tuturor
cuvintelor si modul in care sunt asamblate. Analiza sintactica este primul
pas spre extragerea de sens dintr-o fraza.
Pentru a realiza analiza semantica, analizatorul are nevoie de un
dictionar care se numeste lexicon. Lexiconul contine toate cuvintele pe care
programul este capabil sa le recunoasca. Lexiconul contine de asemenea
scrierea corecta a fiecarui cuvant si rolul sau intr-o propozitie. Pentru
cuvintele polisemantice, lexiconul listeaza toate intelesurile pe care sistemul
le permite.
Analizatorul si lexiconul conlucreaza pentru preluarea unei
propozitii si apoi construiesc un copac de analiza, o noua structura de date
care sa ajute la identificarea sensului propozitiei. Dar computerul tot nu il
intelege, chiar daca diferitele parti ale propozitiei au fost identificate si
propozitia a fost analizata din punct de vedere sintactic. Astfel, analiza
semantica devine esentiala.
Analizatorul realizeaza, in esenta, potrivirea pattern-urilor. O data ce
cuvantul a fost identificat, analizatorul cauta prin lexicon, comparand toate
cuvintele acestuia cu fiecare cuvant input in parte. Daca este gasita
perechea, cuvantul este pus de o parte, impreuna cu celelalte informatii
lexicale, ca facand parte din sensul discursului. Apoi analizatorul analizeaza
si alte cuvinte si in final construieste copacul de analiza. In timpul acestui
proces, analizatorul poate avea grija si de activitatile adiacente, ca de
exemplu cuvintele scrise gresit. O data ce copacul de analiza a fost construit,
sistemul este pregatit pentru ca analiza semantica sa extraga mai mult sens.
Analiza semantica este functia indeplinita de chenarul in care scrie
„understander” din imaginea 7.6. „Cel care intelege” conlucreaza cu baza de
cunostinte pentru a determina sensul propozitiei. Baza de cunostinte este un

depozitar de cunostinte, asemanator unei baze de date.
Scopul lui „understander” este sa puna in legatura copacul de
intelegere cu baza de cunostinte. De asemea, understander poate extrage
inferente din fraza de inceput. Multe propozitii in limba engleza nu sunt o
exprimare directa, dar le putem infera (deduce) sensul cu ajutorul
cunostintelor noastre generale. In acest caz, sistemul aplica reguli legate de
cum este folosita cunoasterea.
Intelegatorul creeaza o alta structura de date care reprezinta sensul si
intelesul propozitiei si o memoreaza. Aceasta structura de date, numita
generator, poate fi folosita pentru initierea altor actiuni. In forma lui cea mai
simpla, generatorul ii furnizeaza utilizatorului raspunsuri standard stocate in
memorie pe baza intelesului extras din input.
Diagrama generala a unui program de interpretare a limbajului natural
Imput sub Analizatoru Interpretor Generator Output

forma de text l ul ul
Lexicon Baza de
cunostinte
1
7.10 APLICATII ALE PROCESARII LIMBAJULUI NATURAL SI ALE
SOFTWARE-ULUI
Programe de procesare a limbajului natural au fost utilizate in mai

multe domenii. Cele mai importante sunt:
- Interfete la baze de date si alte software;
- Rezumarea textului;
- Extragerea de cunostinte si invatarea prin intermediul masinilor;
- Analiza gramaticala;
- Traducerea unui limbaj natural in altul (de exemplu, din engleza
in germana);
- Traducerea unui limbaj de calculator in altul (de exemplu Fortran
in C, comanda Unix f2c);
- Compunerea de scrisori;
- Intelegerea discursului;
Despre prima aplicatie vom discuta in aceasta sectiune, iar despre

ultima in sectiunea urmatoare. Pentru un exemplu de traducere vezi AIS in
Action W7.2 de pe site-ul cartii. Pentru informatii despre celelalte aplicatii,
vezi Church and Rau (1995) la Cap. 6. La Universitatea Carnegie Mellon se
dezvolta la ora actuala DIPLOMAT (Distributed Intelligent Processing of
Languages for Operational Machine Aided Translation) pentru traducerea
simultana a noi perechi de limbi.
Interfete de limbaj natural

De departe, cea mai importanta utilizare a NLP este in interfete sau

„front ends” pentru alte pachete de software. Asemenea interfete front end
simplifica si imbunatatesc comunicarea dintre utilizator si programul de
aplicatie. Multe programe sunt complexe si dificil de utilizat. Necesita
invatarea unui limbaj special sau a unui set de comenzi adesea criptice.
Aceasta presupune mult timp si efort, iar de obicei il face pe utilizator sa se
simta frustrat. Limbajul natural front end ii permite utilizatorului sa
foloseasca in aplicatiile programelor limbajul de zi cu zi.(vezi AIS)
Ajutorul pe care il ofera NLP este demonstrat in figura 7.7.
Triunghiul intors reprezinta numarul de oameni din fiecare categorie de
limba. Limbile sunt scrise in partea dreapta. Limbile MSS sunt in mijlocul
triunghiului, variind de la PL/1 si APL la FOCUS (un limbaj din a patra
generatie). Interfata cu limbaj natural se adreseaza utilizatorilor care nu
cunosc limbajele elevate ale calculatorului, dar tot isi doresc sa fie in stare
sa utilizeze un calculator.
Desi limbajele naturale front end sunt in dezvoltare pentru o multime
de programe, modul in care sunt cel mai des folosite este DBMS. Daca vrei
sa incerci NLP, poti incerca versiunea Bob Os de la Robert E. Medeksza,
http:// members.aol.com/bobosai/index.html (octombrie 1996).
7.11 RECUNOASTEREA SI INTELEGEREA VOCII
Recunoasterea amprentei vocale este procesul prin care calculatorul

recunoaste vocea umana. Cand un astfel de sistem este combinat cu unul de
procesare a limbajului natural, rezultatul il reprezinta nu numai un sistem
care recunoaste vocea, dar o si intelege. Termenul de recunoastere a
amprentei vocale este cateodata aplicat numai la prima parte a procesului si
3
anume aceea de recunoastere a cuvintelor rostite, fara a intelege si sensul
acestora. O alta parte a procesului se numeste intelegerea vocii si se refera la
intelesul cuvintelor. Este un nivel mai inalt in care se incearca intelegerea
sensului cuvintelor. Vezi Markowitz [1996].
Avantajele recunoasterii amprentei vocale:

- accesul facil. Mult mai multi oameni pot sa vorbeasca decat sa
scie. Atata timp cat comunicarea cu un computer depinde foarte
mult de abilitatile de redactare, multi oameni nu se pot folosi de
calculator intr-un mod eficient;
- viteza. Chiar si cei mai buni tehnoredactori pot sa vorbeasca mai
repede decat sa scrie. A fost dovedit ca un om normal poate sa
vorbeasca de doua ori mai repede decat ar putea unul dintre cei
mai buni tehnoredactori sa scrie;
- libertatea mainilor. Este evident ca aceasta comunicare cu
calculatorul iti ocupa mainile cu totul. Cu toate acestea, sunt
multe situatii in care calculatorul este folositor oamenilor care au
oricum mainile ocupate cum ar fi pilotii, managerii ocupati etc.
- accesul de la distanta. Daca o baza de date care are posibilitatea
de recunoastere a amprentei vocale se afla la distanta, informatia
ar putea fi transmisa prin intermediul unui telefon;
- acuratetea. In transcrierea informatiei se pot strecura greseli, mai
ales ortografice. Numarul acestora se poate micsora prin voice
input.
Clasificarea sistemelor de recunoastere vocala

Acestea se pot clasifica in mai multe feluri. In primul rand, sunt

sisteme care recunosc numai cuvinte si altele care inregistreaza vorbirea
continua. In al doilea rand, sistemele pot fi speaker dependent si speaker
independent.
Identificatorul de cuvinte este un sistem de recunoastere a amprentei

vocale care inregistreaza numai cuvinte. Aceste sisteme sunt capabile sa
identifice un numar restrans de cuvinte sau de fraze scurte. Pentru a da o
comanda sau a introduce date in calculator folosind unul dintre aceste
sisteme, trebuie sa formulezi intr-o forma cat mai clara.
Identificatorul de vorbire continua poate recunoaste fragmente mari
de discutie. I te poti adresa cu propozitii sau fraze intregi pe care el le va
recunoaste si poate chiar le va intelege. Sunt mult mai greu de construit.
Dificultatea consta in deosebirea intre cuvinte intr-o fraza.
In ziua de azi, exista foarte putine sisteme de acest fel; majoritatea
sunt construite pe niste calculatoare foarte mari si scumpe. Multe nici nu
functioneaza in timp real, uneori pentru a identifica cateva secunde de
vorbire sunt necesare cateva minute.
Un sistem speaker dependent poate fi stabilit in functie de vocea
unei singure persoane. Acest lucru se numeste antrenamentul sistemului.
Pentru ca exista mari fluctuatii in felul in care oamenii vorbesc, este foarte
greu sa construiesti un sistem care sa recunoasca vocea oricui. Daca ne
limitam la un anumit numar de oameni, sistemul devine nu numai mai
simplu, ci si mai stabil.
Un sistem speaker independent este un sistem pe care oricine il
poate folosi. Acesta este facut sa fie cat se poate de versatil astfel incat
oricat de tare ar varia caracteristicile vocilor, sistemul sa le poata
5
recunoaste. Majoritatea acestor sisteme sunt incredibil de complexe si de
scumpe. Ele au de asemenea un vocabular destul de limitat. Cateva dintre
acestea sunt Speech Recognition System de la laboratoarele Bell si sistemele
Sphinx si Janus de la Universitatea Carnegie Mellon. Sistemul de la
laboratoarele Bell este folosit la rezervarea biletelor de avion prin telefon.
Sistemul “Voice Type Simply Speaking” de la IBM poate fi folosit pe langa
Windows 95 si aplicatiile sale; are un vocabular de 22000 de cuvinte si
costa mai putin de 100 $. Cu trecerea timpului aceste sisteme isi maresc
numarul de cuvinte.
Cum functioneaza sistemele de recunoastere a amprentei vocale

Toate aceste sisteme folosesc aceeasi tehnica de baza. Vocea
transmisa prin microfon produce un semnal analog. Acesta este convertit
intr-un model binar compatibil cu un computer digital printr-un convertor
analogo-digital. Versiunea binara este stocata in memoria sistemului si este
comparata cu reprezentarile binare stocate anterior. Cand o potrivire se
intampla, recunoasterea este atinsa. Atunci, cuvantul rostit apare pe ecran
sau trece printr-un sistem NLP pentru analiza intelesului.
Un identificator de cuvinte obisnuit

Vocea este aplicata unui microfon. Semnalul electric analog de la
microfon trece printr-un amplificator unde este marit. Amplificatorul
contine un fel de control automat (AGC) pentru a oferi un semnal de un
anumit voltaj.
Semnalul analog reprezentat de cuvantul rostit este o secventa care
contine multe frecvente individuale. Pentru a recunoaste cuvantul rostit
trebuie sa il desparti in componentele sale. Acest lucru se realizeaza de
obicei cu o serie de filtre. Un filtru este un circuit electronic care respinge

sau lasa sa treaca frecventele intr-o anumita ordine. De obicei se folosesc
filtre BPF.
Filtrul este legat dupa aceea de un transformator (ADC) care
transpune informatia in format digital. Circuitele ADC sunt controlate de
CPU. Valorile digitale sunt stocate intr-o memorie mai mare, RAM.
Computerul trebuie mai intai sa fie invatat sa recunoasca cuvintele
unui singur utilizator. Acesta rosteste un numar considerabil de cuvinte din
vocabular, iar calculatorul le transpune in format digital si le stocheaza in
memorie.
Cand utilizatorul activeaza sistemul, computerul suprapune fiecare
cuvant rostit celor din memorie. De indata ce un cuvant este identificat, o
versiune binara sau ASCII este aratata sau folosita in alt fel.
Sinteza vocii
Sinteza vocii sau raspunsul este tehnologia prin care calculatorul
“vorbeste”. Sinteza vocii realizata de computer difera de la o simpla
inregistrare la playback. Asa cum si termenul “sinteza” sugereaza, sunetele
care formeaza cuvinte sau fraze sunt construite electronic din elementele de
baza ale sunetului si pot forma orice tip de voce.
Exista cateva sisteme de sinteza a vocii pe piata care se refera la
anumite domenii si respecta legile foneticii. Calitatea acestor sisteme este
destul de buna, insa ramane destul de scumpa. Costurile mici care se
anticipeaza si calitatea crescanda a acestor sisteme vor incuraja raspandirea
acestora pe piata. Posibilitatea de a fi folosite va cuprinde aproape toate
aplicatiile care pot da un raspuns direct utilizatorului. Cateva banci folosesc
acest sistem pentru a-si informa clientii despre cont, despre cecurile incasate
7
etc. Un alt exemplu este serviciul de informatii telefonice. Aceste sisteme
joaca un rol important in ziua de azi.
Aplicatii ale tehnologiilor vocale

Multe sisteme software specializate pe recunoastere vocala sunt
prezente pe piata. Acestea sunt folosite in patru mari domenii: comanda si
control, inclusiv controlul vocal al masinilor si formarea unui numar
activata de voce; completarea formularelor, in sistemele de control al
calitatii sau baze de date; dictarea, inclusiv crearea de documente si rapoarte
si inregistrarea de date. La Universitatea Carnegie Mellon, proiectul
SpeachWear cerceteaza implicarea vocii in interactiunea dintre om si un
calculator portabil.
7.12 CERCETARI FACUTE ASUPRA INTERFATELOR CU

UTILIZATORUL IN SISTEMUL MSS
Problema prezentarii informatiei utilizatorilor i-a preocupat pe
cercetatori de mult timp. Recunoscand importanta prezentarii, cercetatorii au
facut experimente incercand sa afle cele mai bune moduri de prezentare.
Experimentele privind interactiunea om-calculator pot fi facute pe
mai multe nivele din cauza numarului mare de variabile implicat (vezi Dix.
[1993]). De exemplu, Hwang si Wu [1990] a identificat urmatoarele
variabile.
Variabile independente
Patru variabile independente au fost identificate:
1. utilizatorul uman. Doua criterii au fost folosite:
- demografic (varsta, educatie, experienta);
- psihologic (tipul de inteligenta, gradul de implicare)
2. mediul decizional. Aici criteriile au fost:

- structura deciziei;
- nivelul organizatoric;
- altele (stabiltatea, presiunea timpului, incertitudinea)
3. sarcina. Aici criteriile au fost:
- substratul deciziei (gradul de complexitate);
- restabilirea informatiei;
- inregistrarea de date;
- procesarea cuvintelor;
- instruirea asistata de calculator;
4. caracteristicile interfatei. Aici criteriile au fost:
- medii de intrare/ iesire;
- tipul de dialog;
- formatul de prezentare (cu tabele, grafic, colorat, animat);
- calitatile limbajului;
Variabile dependente: Eficienta interactiunii om/ computer
Aici criteriile au fost:
- utilitatea;
- usurinta in a fi folosit;
- performanta (timpul de desfasurare, greselile, indeplinirea
sarcinilor, profitul);
- reactia utilizatorului (satisfactia, increderea);
- folosirea optiunilor sistemului (mare, mica);
Keil [1995] ne ofera un exemplu de cercetare asupra unui sistem care
implica doua variabile dependente. Exista o anumita confuzie privind relatia
intre utilitatea perceputa si usurinta de utilizare (EOU) si importanta
fiecaruia in relatie cu folsinta reala. Utilitatea este vazuta ca o functiune a
9
sarcinii, iar EOU este o constructie independenta care include proprietatile
intrinseci ale interfatei cu utilizatorul. Cercetatorii au facut un studiu privind
sansele unui sistem concentrat pe EOU in detrimentul utilitatii. Rezultatele
au aratat ca nici o cantitate de EOU nu poate compensa pentru un nivel
scazut de utilitate. Avand in vedere interesul crescut pentru crearea de
interfate cu utilizatorul performante, s-ar putea trece cu vederea problemele
nivelului scazut al acceptarii. Studiul de teren a aratat ca fara o determinare
corecta a utilitatii sistemului si a unui nivel scazut al EOU, este putin
probabil ca imbunatatirile din acest domeniu sa aiba un impact asupra
receptarii.
Cateva rezultate ale experimentelor

Numarul mare de variabile a dus la rezultate neconcludente sau
situationale in multe studii. Pentru sistemul MSS sunt foarte importante
culorile si prezentarea grafica.
Studiile empirice (Hoadley [1990]) asupra culorilor au aratat ca
acestea imbunatatesc:
- performanta unei raspuns;
- performanta unei cautari;
- performanta unei rezervari;
- intelegerea unor materiale instructize;
- performanta in luarea unei decizii;
- abilitatea in extragerea informatiei;
Cu toate acestea, imbunatatirile variaza de la caz la caz.
In final, studiile facute asupra impactului prezentarii grafice vs.
prezentarea cu tabele s-au dovedit a fi neconcludente.
Cercetari privind grafica si modelarea

Grafurile sunt folosite destul de des in modelarea si analiza
sistemelor. Cu toate acestea, majoritatea constructiilor existente nu se
potrivesc analizei de sistem in care relatiile dintre seturile de elemente
trebuie sa fie reprezentate si folosite. Aceste relatii se stabilesc de obicei in
stabilrea modulelor sistemelor informatice si a celor de luare a deciziilor. Un
metagraph a fost construit de Basu si Blanning [1995] pentru a rezolva
aceste probleme. Acesta poate patrunde in interiorul structurii sistemului
prin vizualizare grafica si poate constitui baza analizei unei structuri de
sistem.

SP Final

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

SP Final

Încărcat de

Drepturi de autor:

Formate disponibile

Sisteme suport de decizii (DSS)

1.1 Definirea şi caracteristicile sistemului suport de decizie

- asigură o eficienţă sporită în luarea decizilor;

Caracteristici ce reprezintă un set ideal pentru definirea DSS-ului:

Figura 1.1 prezintă sub formă grafică aceste caracteristici. (sursa

11. Uşurinta 2. Pentru manageri

10. Controlul 3. Pentru indivizi

8. Folosire uşoara 5. Sprijină, proiectarea,

7. Adaptabilitate 6. Sprijină diferite

Figura 1.1 Caracteristicile DSS (sursa Turban /14/)

DSS este compus din următoarele subsisteme (figura 1.2):

3. Subsistemul bazei de cunoştinţe – acest subsistem poate

1.2 Componentele DSS

Utilizatorul este considerat ca o parte componentă a sistemului, iar

Figura 1.2 Componentele DSS (sursa Turban /14/)

1.2.1 Subsistemul de date

Surse de date interne

Surse de date externe Finanţe Marketing Producţie Personal Altele

Sistemul de adminis- Interfaţa

Figura 1.3 Structura sistemului de management a datelor

Sistemul de gestiune a bazei de date (DBMS) crează şi

1.2.2 Structura şi caracteristicile subsistemul de modele

Subsistemul de modele (figura 1.4) este compus din:

Modele (bază de modele) Directorul de modele

Administrarea bazei de modele

Figura 1.4 Structura subsistemului de modele

Sistemul de management al bazei de modele (MBMS)

Directorul de modele este un catalog ce cuprinde caracteristici ale

1.2.3 Subsistemul de management al bazei de cunoştinţe

Pentru probleme nestructurate şi semistructurate se folosesc sisteme

Baza de cunoştinţe Sistem de conducere

Motor de inferenţă Sistem de interfaţă

Baza de cunoştinţe este reprezentată ca o structură de date care

Sistemul de interfaţă realizează comunicarea între sistemul expert

Figura 1.6 (sursa Turban /14/) ilustrează interacţiunea interfeţei

Managementul datelor Managementul Managementul

Procesorul limbajului natural

Figura 1.6 Intrerconexiunile interfeţei cu utilizatorul

Sistemul interfeţei cu utilizatorul este administrat cu ajutorul unui

- asigură flexibilitatea MSS de a se adapta diferitelor probleme şi

Ca principii de proiectare specifice amintim:

Există standarde ce fac recomandări privind proiectarea acestor

1.3 Clasificarea DSS

Proiectarea procesului ca şi implementarea DSS depinde în multe

1-2-3 şi Quattropro) sau pot fi scrise în limbaje de programare şi apelate sub

- prin integrare sinergetică caz în care se pot prelucra elemente de

Caracteristicile tipurilor de clase de DSS (sursa Turban /14/)

1.4 Sisteme suport de decizii pentru unităţi economice

În condiţiile actuale ale globalizării când execuţia diferitelor

 se poat integra cu produse DDS printr-o interfaţă corespunzătoare;

Pentru funcţionarea eficientă a unor asfel de lanţuri este necesară

Tendinţe ale dezvoltării ale sistemelor suport de decizii

Sistemele suport de decizii destinate executivului de la vârful

 Imagini tridimensionale şi virtuale utilizate în evaluare şi

 utilizeaza un model de asembly- line;

Colectarea, filtrarea Modele de prognoză

Sistem de gestiune Sistem de gestiune

Figura 1.8 Structura generală a unui DSS pentru o companie de automobile

1. Aarts, E. Mazarno, S., The NewEeveryday View on Ambient

15. Zaharia, D., Albescu, Sisteme informatice pentru asistarea deciziei.

2.1 Stocarea, accesarea, analiza şi vizualizarea datelor;

În condiţiile actuale ale dezvoltării din ce în ce mai rapide a

2.1 Stocarea, accesarea, analiza şi vizualizarea datelor