A1/ Decizie definiie, niveluri i tipuri de decizie Putem defini decizia ca fiind rezultatul unor activiti contiente de alegere

e a unei direcii de aciune i a angajrii in aceasta. Decizia aparine unei persoane sau unui grup de persoane care dispun de autoritatea necesar i care rspund pentru folosirea resurselor in anumite situaii. Clasificarea deciziilor se poate face dup mai multe criterii de clasificare:

in funcie de nivelul decizional, deciziile se clasific in:

Decizii strategice, sunt acele decizii care determina obiectivele, resursele i politicile organizaiei. Una dintre principalele decizii la acest nivel o reprezint anticiparea viitorului organizaiei i a mediului in care va funciona. Decizii tactice de control managerial, aceste decizii sunt legate de urmrirea eficienei i a eficacitii cu care sunt utilizate resursele, precum i eficiena unor uniti operaionale. Decizii operaionale de control operaional, sunt acele decizii care determin modalitile in care se execut sarcinile stabilite la niveluri superioare. Decizii privind cunotinele, sunt legate de evaluarea ideilor privind noi produse i servicii, metodelor de comunicare a noilor cunotine i de difuzare a informaiilor in organizaie.

in funcie de gradul de structurare al acestora, deciziile se pot clasifica in:

Decizii structurate (programabile), sunt acele decizii de rutin pentru adoptarea crora exist proceduri prestabilite. Ele intervin atunci cand exist un proces cunoscut i explicit care permite prelucrarea informaiilor de intrare pentru alegerea alternativelor. Decizii nestructurate (neprogramabile), sunt acele decizii care fac apel la judecata i intuiia decidentului in definirea problemei respective. Sunt decizii importante, cu caracter inovator i deseori atipice, neexistand proceduri prestabilite pentru adoptarea lor. O problem este neprogramabil atunci cand elementele deciziei sunt calitative i scopurile i obiectivele nu sunt precise. Decizii semistructurale, sunt acele decizii in adoptarea crora se poate apela doar la parial la proceduri cunoscute. O problem este semistructural atunci cand decizia are elemente predominant cantitative iar obiectivele i scopurile nu sunt precise i procedura algoritmic de rezolvare nu acoper in totalitate elementele problemei.

A2/ Procesul de adoptare a deciziilor definiie, etape, activiti i suport software pentru faza de informare general

Procesul decizional poate fi definit ca un ansamblu de activiti pe care le desfoar un individ sau un grup, confruntat cu un eveniment care genereaz mai multe variante de aciune, obiectivul fiind alegerea unei variante care s corespund sistemului de valori al individului sau grupului. Acest proces parcurge mai multe etape:

Informarea general, in aceast etap se analizeaz problemele care apar in organizaie, in scopul identificrii cauzelor care au dus la o anumit situaie precum i consecinele acesteia. Informarea general cuprinde mai multe activiti:

-identificarea problemei, in aceast etap se identific existena unei probleme, simptomele acesteia i contextul ei. Existena unei probleme poate fi determinat prin analizarea nivelului productivitii organizaiei. Msurarea i construirea unui model se bazeaz, pe colecii de date, i previziunile acestora. -clasificarea problemei, in aceast etap are loc conceptualizarea problemei in scopul de a o incadra intr-o anumit categorie pentru a o putea aborda printr-o metod standard. -descompunerea problemei in subprobleme, dac este posibil, are drept efect imbuntirea comunicrii intre diveri factori de decizie. -stabilirea responsabilitilor pentru problema respectiv, o problem exist in organizaie doar dac aceasta are capacitatea de a o rezolva. De asemenea trebuie desemnate in mod clar persoana sau persoanele care rspund de problema respectiv.

Etapa de informare general are drept rezultat o descriere formal a problemei identificate, a categoriei din care face parte i a responsabilitilor.

Suportul software - un sistem de asistare a deciziei in acest etap de informare general trebuie s aib capacitatea de a prelua i de a interpreta informaiile externe i interne. Multe dintre tehnologiile informaiilor destinate asistrii decizei ii pot dovedii utilitatea in aceast etap: - Sisteme informatice destinate conducerii executive EIS care au drept obiectiv principal monitorizarea surselor de informaii interne i externe pentru a sesiza in timp posibilitatea apariiei unor probleme. - Noile tehnologii, cum ar fi descoperirea de noi informaii data mining sau prelucrarea analitic a datelor in timp real online analytic processing (OLAP). - Sistemele expert, pot furniza informaii privind natura unei anumite probleme, clasa in care se poate incadra.

A3/ Procesul de adoptare a deciziilor definiie, etape, activiti i suport software pentru faza de concepie in aceast etap se stabilesc diversele modaliti de aciune pentru rezolvarea problemei definite anterior. Acest lucru implic realizarea unui model pentru adoptarea deciziei, testarea i validarea acestuia. Modelarea implic conceptualizarea problemei i abstractizarea ei in expresii cantitative i/sau calitative. Alegerea unui criteriu de selecie exprim modalitatea in care sunt stabilite i integrate in model obiectivele procesului decizional. Exist dou principii de alegere: 1. normativ, alternativa aleas este cea mai bun din toate alternativele posibile; acest proces mai este cunoscut i sub denumirea de optimizare. 2. descriptiv, descriu o situaie real i sunt utile pentru a analiza consecinele diverselor aciuni in funcie de mai multe ipoteze. O parte important a acestui proces o reprezint generarea aciunilor posibile. in modelele de optimizare aceast generare se realizeaz automat, dar pentru cele mai multe situaii generarea se face manual necesitand timp mult, munc mult i intuiie, dar se pot utiliza alternative de genul euristicilor. Pentru a evalua i compara diferite alternative este necesar previzionarea rezultatelor fiecrei alternative in parte. Suportul software - in identificarea aciunilor posibile, in analiza criteriilor de alegere a acestora i in previzionarea consecinelor se pot utiliza modele standard furnizate de SIAD, in cazul problemelor complexe este necesar expertiza care poate fi furnizat de ctre un produs brainstorming sau un sistem expert. Dac identificarea celor mai bune opiuni implic utilizarea unui brainstorming, se pot utiliza cu succes sistemele de asistare a deciziei de grup SADG.

A4/ Procesul de adoptare a deciziilor definiie, etape, activiti i suport software pentru faza de alegere Alegerea este etapa cea mai important pentru c aici se concretizeaz rezultatele etapelor anterioare. in aceast etap se caut cea mai bun aciune pentru rezolvarea problemei. in funcie de criteriile care stau la baza acestei alegeri se pot identifica mai multe tipuri de metode de cutare: Metode analitice utilizeaz formule matematice pentru a obine o soluie optim, se aplic in general problemelor structurale aflate la nivel operaional. Metode exhaustive (blind search) presupune inspectarea tuturor cilor de aciune pntru atingerea scopului urmrit. Este un proces neghidat in urma cruia se alege soluia optim, ins posibilitile de cutare sunt limitate.

Indiferent de metoda de cutare a cii de aciune ce trebuie urmat, ea trebuie s fie cuplat cu evaluarea rezultatelor ce corespund soluiei respective. Suportul software - sistemele informatice de asistare a deciziei pot oferi un real suport in aceast faz, prin modelele cu ajutorul crora se identific rapid soluia optim, se realizeaz analiza de senzitivitate. De asemenea, un sistem expert poate analiza oportunitatea anumitor aciuni i poate recomanda diverse scenarii. B1-B2/ SIAD definiie, caracteristici, clasificri i utilizare Definiie : Sistemul informatic de asistare a deciziei este un sistem informatic destinat asistrii decidenilor in rezolvarea unor probleme prin imbinarea judecilor umane cu procesarea automat a informaiilor i al crui obiectiv principal este ameliorarea calitii procesului decizional (eficacitatea in primul rand i nu eficiena). Principalele caracteristici ale unui SIAD sunt: -SIAD sunt destinate problemelor care nu pot fi rezolvate cu ajutorul altor sisteme informatice sau metode cantitative -SIAD asist manegerii atat la nivel individual cat i la nivel de grup, de la diverse niveluri organizaionale in toate fazele procesului decizional -Cutarea soluiilor necesit manipulri de date, cutare de informaii, modelare i calcule -Criteriile de decizie sunt numeroase, conflictuale i depind de utilizatori -Experiena, intuiia, judecile i preferinele decidentului sunt eseniale -Timpul de rspuns pentru obinerea unei soluii satisfctoare este limitat. Cel mai utilizat criteriu de clasificare al SIAD il constituie gradul in care soluia oferit de sistem se bazeaz pe analiza datelor sau pe modelare. Putem deci clasifica SIAD in dou categorii: SIAD bazat pe modele; au fost primele SIAD care au aprut in anii 70-80 fiind sisteme autonome separate de sistemele informatice ale organizaiei i utilizau un anumit tip de model pentru efectuarea unor analize de tipul what if. SIAD bazat pe date; acest tip de sistem analizeaz un volum mare de date stocate in sistemele informatice ale organizaiei ele susinand procesul decizional oferind posibilitatea de a se extrage informaii utile din multitudinea datelor disponibile. De regul acestea sunt stocate in depozite de date data warehouse iar pentru analiza lor se folosesc noi tehnologii informaionale: OLAP (procesarea datelor in timp real) i data mining (forarea datelor adic cutarea de informaii).

La aceast clasificare se pot aduga SIAD bazate pe cunotine, care inglobeaz tehnologii ale inteligenei artificiale i pot fi numite i SIAD adic sisteme inteligente de asistare a deciziei. O alt clasificare a SIAD fcut de Holsapple i Whinston, grupeaz aceste sisteme in urmtoarele 5 categorii: SIAD bazate pe analiza textelor- datele, informaiile i cunotinele sunt regsite de cele mai multe ori sub forma unui text ce trebuie analizat de decident. Un astfel de sistem asigur crearea, revizuirea i vizualizarea automat a diferitelor documente i va utiliza tehnologii ca: hypertext, ageni inteligeni, tehnologii WEB. SIAD bazate pe baze de date- pentru acest tip de SIAD baza de date a organizaiei este componenta esenial a structurii sale SIAD bazate pe procesoare de tabele- procesoarele de tabel reprezint limbaje de modelare care permit utilizatorului s descrie modele pentru a efectua diverse analize. Cel mai utilizat procesor de tabele este EXCEL care include diferite tipuri de modele: statistice ,financiare , de optimizare, de simulare i de previzune. SIAD bazate pe funcii- o funcie este un algoritm sau o procedur tradus intr-un program pentru a rezolva un anumit tip de problem SIAD bazate pe reguli-regulile se regsesc in componenta sistemului de gestiune a cunotinelor, ca formalism de reprezentare a acestora in cadrul sistemelor expert, ele pot inlocui sau se pot incadra in modelele cantitative. Utilizarea SIAD SIAD alturi de celelalte sisteme informatice se utilizeaz pe scar tot mai larg i ca urmare in ultimii ani s-au dezvoltat tot mai multe sisteme in diverse domenii de activitate: Conform unui studiu realizat n 1994 n 2001de corporaii americane, beneficiile ateptate din utilizarea de SIAD s-au concretizat n urmtoarele direcii: -O mai bun calitate a procesului decizional -O mai bun comunicare n cadrul organizaiei -Reducerea costurilor -Creterea productivitii -Creterea satisfaciei clienilor i angajailor Principalele motive care duc la utilizarea unor astfel de sisteme sunt:

-Instabilitatea mediului economic -Competiia din ce n ce mai acerb -Apariia i dezvoltarea comerului electronic -Necesitatea efecturii unor analize speciale privind profitabilitatea i eficiena -Necesitatea informrii ct mai corecte -Sistemele informatice existente nu asist procesul decizional. Din ce n ce mai frecvent SIAD sunt integrate n cadrul sistemelor ERP, sisteme care acoper toate domeniile de activitate, de la nivelul operaional la cel decizional.

B3/ Locul SIAD n cadrul sistemului informaional al ntreprinderii, tipuri de sisteme informatice i posibiliti de integrare Plecnd de la modelul OID (operaie informaie decizie ) la care se adaug sistemul de cunotine al unei organizaii ( modelul OICD ) putem plasa diferitele tipuri de sisteme informatice, astfel: figura 3 pagina 24. Sistemele informatice care se ocup numai cu culegerea datelor, stocarea i prezentarea lor n detaliu se cheam sisteme informatice tranzacionale (ST). Sistemele informatice utilizate pentru conducerea operativ a sistemului operaional (SCO) descompun deciziile n ordine i le transmit spre execuie sistemului operaional. Sistemele informatice care se ocup de prelucrarea datelor preluate din ST pentru obinerea informaiilor de sintez care sunt necesare sistemului de decizie sunt sisteme informatice manageriale (MIS). Sistemele informatice de asistare a deciziei (SIAD) sunt sisteme informatice care au ca obiectiv asistarea procesului managerial. n anumite cazuri conducerea poate apela la servicii de consultan oferite de experi de la care primete confirmri sau infirmri de supoziii, diagnostice, sfaturi, propuneri i soluii. Aceste tipuri de sisteme care susin consilierea sunt denumite sisteme informatice inteligente (SII).

Pe msura dezvoltrii tehnologiilor informatice a aprut posibilitatea integrrii diverselor tipuri de sisteme informatice: MIS & ST , MIS preia datele direct din sistemul operaional, lucru posibil datorit tehnologiilor bazelor de date. SIAD & SCO , SIAD se extinde spre implementarea deciziei, prin descompunerea acesteia n ordine. Configuraia unui SIAD bazat pe model este : figura 4 pagina 25. SIAD & ST , SIAD i extrage informaiile necesare prin explorarea datelor de detaliu furnizate de ST, figura 5 pagina 26. SIAD & MIS , SIAD utilizeaz datele de sintez produse de MIS pe lng datele preluate din alte surse externe ntreprinderii pentru a fundamenta decizia la nivel executiv (EIS sisteme informatice destinate conducerii executive) figura 6 pagina 26. n cadrul SIAD EIS este o clas aparte fiind cel mai bine delimitat sistem de asistare a deciziilor. Au aprut iniial ca sisteme care implementau conceptul de tablou de bord al ntreprinderii i s-au dezvoltat cu rapidiate datorit necesitii de informare a conducerii, fiind sisteme extrem de prietenoase care permit accesul rapid la informaiile de detaliu necesare adoptrii deciziilor. SIAD & SCO & MIS , n aceast configuraie se pot ncadra sistemele de asistare a deciziei prin simulare. Se utilizeza un model al sistemului operaional pe baza cruia se experimenteaz deciziile prin descompunere n ordine. SIAD & SE , SIAD face apel la tehnologii inteligente pentru a putea rezolva acele probleme al cror context este insuficeint definit i parametrii sunt mai mult calitativi. n aceast configuraie avem de a face cu un SIAD inteligent (SIIAD) figura 8 pagina 28. Cea mai mare parte a SIIAD sunt sistemele expert, care sunt destinate rezolvrii unor probleme nestructurate cu ajutorul tehnologiilor inteligenei artificiale utiliznd cunotinele unui expert uman n domeniul respectiv. SIAD & MIS & SCO & ST , toate tipurile de sisteme informatice integrate pe vertical se constituie n sisteme informatice integrate pentru management ( ERP) .Toate aceste integrri au fost posibile o dat cu apariia arhitecturii client - server care s-a impus datorit necesitii de partajare a datelor, n ntreprinderii necesar pentru actualizri rapide i pentru procesul decizional, figura 9 pagina 29.

B4/ SIAD bazate pe sinteza si analiza datelor - generalitati Sintetizarea datelor consta in transformarea datelor in informatii si a acestora in cunostinte.

Centralizarea lor dupa anumite criterii, rezulta sisteme de sinteza, rapoarte periodice pentru informarea managerilor, constituind suportul pe care acestia isi sintetizeaza deciziile. Pentru sintetizarea datelor informationale de gestiune a oferit solutia: -programe dedicate care exploateaza flexibilitatea limbajelor procedurale in gruparea dupa anumite criterii si sintetizarea datelor; - interogari care grupeaza datele dupa criteriile cerute si aplica functii pe domeniile astfel create (Group By-SQL, SUM, COUNT, AVG, MIN, MAX, etc). Tehnicile clasice de sintetizare sa devina inaplicabile in cazul unui volum mare de date din cauza timpului necesar pentru procesare. Tehnicile de centralizare transforma datele in informatii sinteza. Analiza datelor identificarea aumitor tipare si corelatii, urmata de interpretarea lor. Incearca sa descopere relatiile dintre datele sintetizate: tipare, asocieri, corelatii in plan structural si cauzal. Cea mai simpla analiza consta in compararea datelor sintetizate cu date similare. Ex: vanzarile din anul trecut din zona de vest cu vanzarile din anul acesta, din aceeasi zona. Se modifica un singur criteriu pentru comparatie, toate celelalte ramanand identice. Comparatia permite scoaterea in evidenta a unor similitudini sau dimpotriva sesizeaza abaterile, exceptiile, situatiile anormale. S-au dezvoltat tehnici de observare analitica a datelor fundamentate pe teorii matematice care compara datele reale cu datele teoretice produse de un model ipotetic. Daca se potrivesc, modelul poate fi considerat ca o reprezentare corecta a procesului care a produs setul de date; daca nu se schimba, modelul ipotetic isi se reia procesul de comparatie pana se obtione un model suficient de reprezentativ. Tehnicile de observare automata se bazeaza pe date. Rezultatul acestor tehnici se poate concretiza intr-un model general, utilizabil ca fundament teoretic, in primul rand de tehnica de observare. Aceste tehnici de observare analitica se grupeaza intr-o tehnica moderna, data mining. Observarea analitica conduce la : tipare , corelatii sau chiar modele din care se pot deduce tendinte. Puterea descriptiva a modelului reprezentativ permite interpretarea datelor.

C1/ Sisteme suport pentru decizii - structur general, funcii

o SIAD ca orice alt sistem informatic presupune existena unui suport software care s asigure un mediu de dezvoltare , ntreinere i funcionare. SIAD vor funciona ntr-un mediu creat de un sistem suport de asistare a deciziei (SSAD) figura 11 pagina 32. o Principalele funcii ale unui SSAD: -Gestiunea datelor -Gestiunea modelelor -Gestiunea cunotinelor -Gestiunea dialogului, ntre utilizator i sistem pe de o parte i ntre date, modele i cunoine pe de alt parte. Pe baza acestor funcionaliti un sistem suport pentru realizarea unui SIAD va cuprinde in arhitectura sa urmtoarele subsisteme: -Subsistemul de gestiune a datelor -Subsistemul de gestiune a modelelor -Subsistemul de gestiune a cunotinelor -Subsistemul de gestiune a dialogului.

C2/ Subsistemul de gestiune a datelor Subsistemul de gestiune a datelor este alctuit din urmtoarele componente: Baza de date proprie SSAD sau creat prin extragerea de date din alt baz de date sau chiar dintr-un depozit de date. Datele pot fi extrase din surse interne i / sau externe organizaiei acestea putnd fi meninute n cadrul bazei de date sau accesate direct n momentul utilizrii sistemului. SGBD datele nu pot fi utilizate dect prin intermediul unui SGBD, cele mai multe SSAD au ncorporate un SGBD relaional i / sau sisteme de gestiune a bazelor de date multidimensionale. Dicionarul datelor este catalogul tuturor datelor din baza de date coninnd definiiile datelor i fiind utilizat n prima faz a procesului decizional, informare general, n identificarea problemelor. Faciliti de interogare a datelor- sunt limbaje declarative de interogare.

C3/ Subsistemul de gestiune a modelelor Subsistemul de gestiune a datelor este alctuit din urmtoarele componente: Modelele (biblioteca de modele) - reprezint setul de modele cantitative care confer sistemului capacitatea de a analiza i soluiona problemele de decizie. Capacitatea de a utiliza modele este caracteristica esenial care difereniaz SIAD de celelalte siteme informatice. Sistemul de gestiune a modelelor (gestionar de modele ) are rolul de a crea noi modele utiliznd limbaje de programare, instrumente de asistare a deciziei, de a actualiza modelele existente fiind capabil s coreleze modelele prin intermediul unei baze de date. Dicionarul de modele este un catalog al modelelor care conine definiiile acestora, domenii de aplicare sau alte informaii privind utilizarea lor. Procesorul de execuie i integrare a modelelor este utilizat n procesul de interpretare a instruciunilor privind modelele de la utilizator i transmiterea acestora ctre sistemul de gestiune a modelelor, n combinarea mai multor modele, sau n integrarea sistemului de asistare a deciziei n alte aplicaii.

C4/ Subsistemul de gestiune a dialogului Un SSAD este utilizat n activiti de rutin i adhoc, cu ajutorul tastaturii sau prin intermediul unui asistent. n procesul de realizare al unui SIAD interactivitatea este necesar conferind un rol aparte interfeei sistemului suport. Dac aceast interfa nu este conceput corespunztor, SSAD nu poate fi folosit. Interfata este cea mai important component, ea fiind singura perceput de utilizator, iar operaiile care confer sensibilitate i flexibilitate se datoreaz interfeei. Acest subsistem este gestionat de un produs software, sistemul de gestiune al feei cu utilizatorul SGIU care are urmtoarele faciliti: -Ofer o interfa grafic -Prezint datele ntr-o mare varietate de formate -Diverse stiluri de a dialoga cu utilizatorul

Dac componenta de gestiune a modelelor este preponderent n arhitectura SSAD atunci acesta este destinat realizrii unui SIAD bazat pe modele. Dac componenta de gestiune a datelor are un rol preponderent n arhitectura SSAD atunci acesta este destinat realizrii unui SIAD bazat pe date. Dac componenta de gestiune a cunotinelor are un rol preponderent n arhitectura SSAD atunci acesta este destinat realizrii unui SIAD bazat pe cunotine. Dac sistemul de dialog are faciliti extinse de comunicare, adic colaborare on line ntre utilizatori SSAD se constituie n sistem suport pentru decizia de grup (groupware).

D1/ Modele definiie, tipuri de modele, structura unui model

Un model = o reprezentare simplificat ( o abstractizare) a realitii. Aceast simplificare este necesar datorit faptului c realitatea este mult prea complex pentru a putea fi descris exact. Aceast reprezentare simplificat a realitii n cadrul unui model poate fi realizat cu un grad mai mare sau mai mic de abstractizare. In funcie de acest criteriu, modelele se pot ncadra n una din urmtoarele categorii:

Modele iconice - cel mai puin abstracte - sunt reprezentri similare realitii, ns la o scar diferit. Modele analogice- au acelai comportament, dar sunt diferite de sistemul real. Prezint un grad de abstractizare mai ridicat dect modelele la scar, fiind reprezentri simbolice ale realitii. Aceste modele sunt de regul diagrame sau grafice bidimensionale. Modele cantitative ( matematice ) prezint cel mai nalt grad de abstractizare i sunt cel mai des utilizate n cadrul SIAD. Complexitatea sistemelor organizaionale nu poate fi reprezentat de regul dect cu ajutorul modelelor matematice. Stuctura unui model:

Orice model prezint trei componente de baz: Variabile de decizie descriu posibile aciuni alternative. Nivelul acestor variabile este determinat de ctre decident. Parametrii variabile care influeneaz rezultatul dar care nu pot fi controlate de ctre decident. Aceste variabile devin restricii ale problemei, limitnd soluiile posibile ale acesteia. Variabile rezultat sunt variabile dependente att de adoptarea unei anumite aciuni ct i de paramertii modelului respectiv.

D2/ Optimizarea descriere i utilizare Situaiile decizionale care implic un numr rezonabil i infinit de alternative sunt modelate prin analiz decizional, abordare n cadrul creia fiecrei alternative i sunt ataate valorile estimate ale participrii la realizarea obiectivului propus care sunt nscrise ntr-o tabel sau un gref. Tabela de decizie se contituie ntr-o modalitate de reprezentare sistematic a informaiilor ce caracterizeaz o anumit situaie decizional: Strile naturii: ansamblu de condiii n care se desfoar o aciune. Criteriile decizionale: punctele de vedere din care poate fi analizat problema. Variantele ( alternativele) decizionale: modalitile de realizare a unei aciuni de care decidentul poate dispune dar care exist independent de voina sa . Consecinele decizionale: efectele compuse ale variantelor, criteriilor i strilor naturii; numrul de consecine mai mare sau egal cu numrul de criterii.. Vom considera exemplul unei societi de plasare a capitalului care alege ntre trei alternative: aciuni, obligaiuni sau certificate de depozit, pe baza unui singur criteriu: maximizarea eficienei investiiei dup un an. Investiiile combinate (exemplu , 60 % din capitalul n aciuni i restul de 40% n certificate de depozit) sunt considerate noi alternative. n cazul n care aceast alegere este realizat n condiii de certitudine, valorile variabilei necontrolabile (starea naturii) pot fi determinate, iar decizia adoptat imediat. S presupunem c tim cu certitudine c n urmtorul an economia va stagna; vom alege investiia n certificate de depozit. Probleme apar n momentul n care nu exist aceast certitudine; dac putem stabili probabilitile de apariie a diverselor valori pentru variabila necontrolabil, este vorba de o decizie n condiii de risc, iar n caz contrar n condiii de incertitudine. n cazul n care nu se pot estima probabiliti pentru valorile variabilei necontrolabile (incertitudine) , se poate considera, ntr-o abordare optimist c aceasta va fi cea mai favorabila dintre valorile posibile ( cretere economic), situaie n care se alege cea mai bun alternativ (investiia n aciuni) sau, ntr-o abordare pesimist cea mai puin favorabil ( inflaia), situaie n care se alege cae mai bun alternativ dintre cele posibile ( certificate de depozit). n cazul problemelor de decizie multicriteriale, sunt definite mai multe criterii care condiioneaz alegerea unei anumite alternative, criterii care pot fi exprimate i calitativ.

Rezolvarea acestor probleme pornete de la atribuirea unor ponderi fiecrui criteriu. n acest context apare conceptul de utilitate - o mrime subiectiv , care depinde de aprecierea decidentului, i care exprim preferina acestuia pentru o anumit aciune. Pentru problemele de decizie multicriterial n condiii de certitudine se va alege varianta care are uitlitatea cea mai mare. De exemplu, n condiiile n care economia va stagna (SN2), n afar de randamentul investiiei, se consider i alte dou criterii: gradul de siguran i lichiditatea. Utilitile se calculeaz astfel: se atribuie utilitatea 1 pentru valoarea cea mai favorabil a criteriului respectiv i utilitatea 0 pentru valoarea cea mai puin favorabil. Utilitile pentru celelalte valori vor fi determinate cu ajutorul relaiei: U = (valoarea curent valoarea minim) / (valoarea maxim valoarea minim) Pentru primul criteriu (randamentul investiiei) utilitile vor fi : 1 pentru certificatele de depozit, 0 pentru aciuni i 0,85 pentru obligaiuni. Soluia optim pentru o problem de decizie multicriterial n condiii de risc (se cunosc probabilitile de realizare a fiecrei stri a naturii - pi) va fi cea creia i corespunde utilitatea medie ponderat maxim: Voptim=maxI Pentru o problem de decizie multicriterial n condiii de incertitudine, soluia optim va fi determinat pe baza uneia din urmtoarele reguli : Criteriul prudenei (WARD) - nu se accept nici un fel de risc. Se determin cel mai ru rezultat posibil al fiecrei variante i se alege cea care conduce la cel mai bun dintre cele mai slabe rezultate. Criteriul SAVAGE (regul regretului - utilizeaz conceptul de regret economic, care decurge din faptul c nu s-a ales o variant mai bun. Criteriul LAPLACE se consider toate strile naturii ca fiind echiprobabile i se alege acea variant pentru care sperana matematic a efectului economic este maxim. Criteriul Hurwicz se calculeaz un indicator decizional ca medie ponderat a rezultatelor extreme. Arborii de decizie constituie o reprezentare a tabelelor de decizie n care sunt evideniate grafic relaiile dintre variabilele problemei, fiind posibil prezentarea unor situaii complexe n cadrul unei structuri compacte.

D3/ Simularea descriere i utilizare

A simula nseamn a asuma apariia unor aspecte ale realitii. n cadrul sistemelor de asistare a deciziei, simularea este o tehnic de experimentare cu ajutorul calculatorului aplicat unui model managerial. Simularea nu poate fi considerat ca fiind strict un model, modelele sunt reprezentri ale realitii, n timp ce prin simulare se imit realitatea. Simularea presupune testarea valorilor diferitelor variabile necontrolabile ale modelului i influena acestora asupra valorilor variabilelor rezultat. Simularea este o metod descriptiv; nu exist o procedur automat pentru obinerea unei soluii optime. Un model de simulare descrie comportamentul, caracteristicile unui sistem n diferite ipoteze. n funcie de valorile acestora, va fi aleas cea mai bun alternativ dintre toate ipotezele. Procesul de simulare presupune parcurgerea urmtoarelor etape: Definirea problemei pornind de la o situaie real, ncadrarea ei ntr-o anumit categorie (complexitate, grad de structurare) i justificarea utilizrii simulrii ca metod de rezolvare. Realizarea modelului de simulare specificarea variabileleor i relaiilor dintre ele Testarea i validarea modelului acesta trebuie s reprezinte ct mai corect problema real. Stabilirea modalitii de efectuare a experimentelor perioada de simulare, limitele n care se lucreaz( de regul cel mai prost i cel mai bun scenariu). Realizarea experimentelor (a simulrii propriu-zise). Evaluarea rezultatelor interpretarea lor prin metode statistice sau efectuarea unor analize de sensibilitate. Implementarea rezultatelor simulrii beneficiaz de o implicare mai mare a managerilor dect n cazul altor modele. Principalele avantaje ale simulrii ca modalitate de abordare a unor probleme decizionale sunt: -Ofer o imagine de condensare a timpului -Fiind o metod mai mult descriptiv dect normativ, permite decidenilor o abordare prin ncercri repetate a soluionri unei probleme -Este un model construit din perspectiva decidentului -Modelele de simulare sunt realizate pentru probleme particulare -Simularea este singura metod din cadrul SIAD care poate fi aplicat problemelor nestructurate. -n cadrul acestei metode este surprins complexitatea real a problemei, nefiind necesare simplificri n reprezentarea acesteia

-Simularea poate fi aplicat unei mari diversiti de probleme manageriale Ori de cte ori se apeleaz la metoda simulrii n scopul formulrii unei soluii, trebuie avute n vedere i limitele acesteia: -Nu este garantat obinerea unei soluii optime, ci doar a unei soluii relativ bune -Soluiile unor simulri anterioare nu pot fi fructificate, deoarece modelul de simulare corespunde unei singure probleme -Simularea este att de familiar i facil decidenilor, nct exist riscul renunrii nejustificate la alte metode analitice Construirea modelului de simulare poate necesita mult timp i un cost destul de mare.

D4/ Previziunea descriere i utilizare Modelele predictive au drept obiectiv anticiparea viitorului pe baza informaiilor trecute pentru anumite scenarii. n termeni statistici, legtura ntre dou sau mai multe variabile se numete corelaie, iar stabilirea tipului de legtur al unei variabile numite dependente, de una sau mai multe variabile numite independente se face prin analiza de regresie. Principalele etape n alctuirea modelului de regresie sunt: Identificarea faza descriptiv n care se identific dependenele i tipurile de relaii pe care la exprim Specificarea etapa prin care se caut cea mai potrivit form de exprimare a variabilelor Estimarea parametrilor modelului Testarea semnificaiei parametrilor estimai Validarea modelului Utilizarea modelului n operaiuni de simulare i predicie. Realizarea efectiv a previziunilor pe baza analizei de regresie presupune parcurgerea urmtoarelor etape:

Formularea problemei decidentul trebuie s defineasc problema, n termenii variabilelor care trebuie explicate i a cror valori urmeaz a fi previzionate. n aceasta prim formulare se descrie situaia decizional i se identific variabila sau variabilele pentru care se vor efectua predicii, precum i variabilele de care depind acestea. Alegerea indicatorilor economici dup identificarea prealabil a variabilelor independente, se caut i ali factori suplimentari susceptibili de a influena variabila respectiv i care pot fi inclui n ecuaia de regresie. O prim analiz a ecuaiei de regresie reprezint, n fapt, o analiz statistic a componentelor acestei ecuaii care se realizeaz Automt., unul din rezultate fiind stabilirea elementelor matricei de corelaie. Analiza matricei de corelaie simple - n scopul alegerii variabilelor ce trebuie incluse n ecuaia de regresie. n aceast analiz trebuie identificate acele variabile care sunt puternic corelate cu variabila dependent, dar slab corelate ntre ele. La sfritul acestei etape, sunt reinute 3 sau 4 ecuaii de regresie care urmeaz a fi analizate. Alegerea unei ecuaii de regresie dintre cele identificate - pe baza datelor disponibile, calculatorul va determina coeficienii de regresie, dar i elementele care permit testarea semnificaiei acestora. Vor fi reinute doar ecuaiile semnificative. Verificarea validitii condiiilor de regresie. Pregtirea previziunii - odata identificat o ecuaie de regresie care are o valoare a coeficientului de corelaie suficient de mare i care rspunde testelor de semnificaie, decidentul poate utiliza aceast ecuaie ca baz pentru previziunea pe care dorete s o realizeze. n aceast etap este necesar stabilirea unui interval de ncredere pentru previziunile individuale i precizia valorii fiecrei variabile independente. Principalul avantaj al analizei regresiei const n faptul c este o metod statistic, care presupune efectuarea unor estimri ale gradului de precizie i de semnificaie, putnd fi utilizat n toate tipurile de relaii cauzale, cu condiia ca variabila vizat s depind de variabilele independente. Principalul dezavantaj l constituie ns tot faptul c este o metod statistic; motiv pentru care muli decideni ezit s fac apel la acest tip de analiz. Un alt dezavantaj l constituie volumul mare de date i costurile antrenate de colectarea acestora pentru stabilirea ecuaiei de regresie iniial i pentru analiza validitii sale n timp (dac apare o modificare n relaia cauzal ntre o variabila independent i variabila dependent este necesar colectarea unor date noi i redefinirea ecuaiei de regresie).

E1/ Tehnologia OLAP- descriere si utilizare OLAP este o tehnologie de agregare a datelor stocate in depozite intr-o abordare multidimensionala care asigura acces rapid la informatiile necesare analistilor, managerilor si directorilor intr-o maniera consistenta, interactiva si foarte flexibila. OLAP si depozitele de date se completeaza reciproc, OLAP transferand volumul imens de date stocate si gestionate in depozite, in informatii utile procesului de decizie. Caracteristicile unei aplicatii OLAP sunt grupate in teste FASMI: Fast- rapiditate (capacitatea de a livra informatiile in timp util, de ordinul secundelor). Analysis analizeaza (capacitatea de a efectua analize numerice statistice prin aplicatii predefinite sau create ad-hoc de utilizatori). Shared- partajata (utilizata in regim concurent de mai multi utilizatori, fapt ce impune asigurarea securitatii si confidentialitatii datelor). Multidimensional- caracteristica esentiala a OLAP. Information- acces la date si informatii relevante pt. analiza, oriunde s-ar gasi si-n orice volum. Tehnicile utilizate de OLAP cuprind de la simpla navigatie si selectie a datelor pana la analize complexe incluzand modele si serii temporale. Aplicatiile construite cu tehnologia OLAP asigura analiza rapida a informatiei multidimensionale distribuita in locatii multiple si accesibila in acelasi timp unui nr. mare de utilizatori . OLAP utilizeaza in acest scop baze da date multidimensioanale. O faciliate extrem de puternica oferita de OLAP este posibilitatea de a construi scenarii si posibiliatea de a raspunde la intrebari de tipul: ce ar fi daca? Analiza datelor poate fi predefinita de creatorul aplicatiei dar si de utilizatorul final in cazul unor interogari ad-hoc, OLAP asigura suport acestei analize prin capacitatea sa de a efectua calcule intensive.

E2/ Tehnologia Datawarehousing - descriere, utilizare

Structurile de date utilizate de SY de asistare a deciziei bazate pe date sunt numite depozite de date (dataware house) . Aceste structuri pot depozita volume mari de date preluate din arhivele si bazele de date ale aplicatiilor informative ale intreprinderilor, iar exploatarea acestor depozite de date este asigurata de motoare speciale ce permit interogarea maselor mari de date precum si servicii speciale ce asigura analiza on line a datelor(OLAP). Datele referitoare la tranzactiile primare sunt prelucrate pt. a extrage informarii de sinteza pt. planificarea si luarea deciziilor cu instrumentele oferite de SBBD: total queries si rapoarte. In depozitul de date pot fi stocate date arhivate provenind din activitatea din anii anteriori sau date despre concurenta. Depozitele de date sunt alimentate periodic cu date referitoare la tranzactii ulterioare, datele putind fi stocate selectiv pe animite activitati sau domenii in magazii de date (data marts). Mediul de lucru Data Ware hausing ofera: -arhitectura deschisa usor de integrat cu produse provenind de pe alte platforme -servicii de imp-exp cu validare, curatirea si transformarea datelor -metode integrate pt. proiectarea depozitului, serviciile de populare cu date sistemul de gestiune al serviciului si instrumente ale utilizatorului final -managementului infrastructurii ( gestiunea suportului, a taskurilor, a evenimentelor) -instrumente necesare pt. Proiectarea unui depozit de date -instr. Pt. descrierea logica si fizica a surselor de date -instr. Pt. validarea, curatirea si transformarea datelor cu care urmeaza sa se populeze depozitul -instr. Destinate utilizatorului final care permit accesul la informatia stocata in depozit incluzand: medii de dezvoltare de aplicatii, produse specializate in analiza datelor, aplicatii personale.

E3/ Diferene ntre tehnologiile ROLAP, MOLAP i HOLAP Rolap ( ralational OLAP) utilizeaz tehnoloigia relaional care are avantajul c este la ndemna celor ce dezvolt aplicaii de baze de date i are o legtur direct cu sursele primare. Tabelele centralizatoare sunt asociate cu nomenclatoarele. Pentru fiecare dimensiune cheile acestor nomenclatoare formeaz cheia compus a tabelei de fapte.

Tehnologia dedicat acestor structuri este reprezentat de baze de date multidimensionale care stocheaz datele din tabela de fapte n fiiere cu acces asigurat prin tehnica de indexare bitmap. Tehnologia care utilizeaz acest model fizic se numete Multidimensional OLAP (MOLAP) care are ca avantaje : spaiul de memorare este mic iar timpul de acces foarte rapid i adugarea de fapte noi orin completarea tabelelor bitmap. Dezavantajele sunt timpul foarte mare de conversie a datelor n formatul comprimat i necesitatea unui suport software special. tehnologie hibrid Holap stocheaz agregate la cel mai mic nivel n bate relaionaleiar agregrile la nivelurile superioare sunt stocate n baze multidimensionale. n acest fel se pstreaz o legtur direct cu datele operaionale i se poate miza pe timpul de acces foarte rapid al bazelor de date multidimensionale. Dezavantajul care apare este timpul de comutare ntre cele dou sisteme, ROLAP i MOLAP.

E4/ Tehnologia Data Mining - descriere, utilizare Data mining este tehnologia de procesare a datelor dintr-un depozit, care are capacitatea de a descoperi aspecte noi ale activitatii desfasurate, aspecte trecute in mod normal cu vederea: corelatii intre evenimete, asociatii intre anumite fapte, secvente, tipare de comportament- extrem de utile in precesul de luare a deciziei. Procesarea datelor prin tehnologia data mining se desfasoara fara interventia utilizatorului, in background, rezultatele fiind stocate pt. consultare ulterioara la cerere. Data mining este un proces de extragere de informatii noi din colectiile de date existente. Principiul de functionare in data minig este urmatorul: se prelucreaza datele referitoare la perioadele trecute examinand o varietate de situatii care s-au produc si a caror rezultate sau consecinte sunt bine cunoscute pentru a evidentia caracteristicile acestora si a permite elaborarea unui model. Modelul poate fi aplicat situatiilor noi de acelasi tip. Informatiile obtinute prin cata mining sunt de masura predicativa sau descriptiva. Un ciclu de utilizare a data minig presupune parcurgerea a 4 etape: -identificarea oportunitatii comerciale si a datelor pe care se poate baza exploatarea -extragerea de informatii din colectiile de date existente prin tehnici de data mining -adoptarea de decizii si intreprinderea de actiuni pe baza informatiilor obtinute -masurarea rezultatelor concrete pt. a identifica si alte modalitati de experimentare a datelor disponibile. Utilizari ale tehnicilor de data mining Data mining

Verificarea ipotezelor Cautarea de cunostinte -dirijata -nedirijata Aplicarea tehnicilor de data mining poate fi facuta din perspectiva: -unui demers descendent, efortul e orientat spre confirmare sau infirmare a unor idei (ipotaze) formulate in prealabil prin alte mijloace -unui demers ascendent: urmareste extragerea de cunaostinte sau informatii noi din datele disponibile -cautare dirijata( cea nefolosita in practica) ia in considerare un atribut sau un camp ale carui valori incearca sa le explice prin alte campuri -cautare nedirijata care are ca scop identificarea relatiilor sau structurilor existente in ansamblul unui canp sau altul.

F1/ Depozite de date definiie, coninut, caracteristici i utilizare Depozitele de date sunt structuri create pentru stocarea nuor volume mari de date organizate pe domenii, ce constituie subiecte de interes decizional n activitatea ntreprinderii. Depozitele de date centralizeaz, consolideaz, organizeaz i stocheaz date din diverse surse eterogene, date care vor fi baza procesrilor analitice necesare proceselor de decizie. n depozitele de date se pot stoca i date noi, calculate pe baza celor existente, date cerute de regul n majoritatea rapoartelor scurtndu-se astfel timpul cerut pentru obinerea lor. O caracteristic principal a depozitelor de date este transformarea codurilor n date explicite, integrarea datelor din nomenclatoare n datele despre tranzacii.Un alt aspect este redundana datelor care este iari permis(data calendaristic se poate exprima i n luni i n semestre i n sezoane). Cu alte cuvinte, datele care se pot calcula din datele primare se stocheaz explicit n depozit pentru a fi gata calculate la o eventual solicitare. Datele stocate n depozit sunt date pentru asistarea deciziei, referitoare la subiecte de interes decizional, sunt date centralizate sau derivate din datele operaionale, nu se schimb n timp i sunt orientate ctre utilizatori finali managerii de nivel tactic i strategic. Putem spune c bazele de date utilizate de sistemele operaionale sunt orintate spre tranzacii i reflect situaia curent, n timp ce depozitele de date uitlizate de sistemele de asistare a deciziei sunt orintate spre subiectele analizelor i reflect situaii globale, cu caracter istoric. Sistemele de asistare a deciziei evolueaz n timp ntr-o

manier incremental, cerinele nu sunt cunoscute n totalitate n momentul proiectrii i realozrii sistemului. n consecin depozitul de date va trebui s se adapteze mereu cerinelor. Depozitele de date sunt organizate i gestionate avnd n vedere scopul final al analizelor, sunt orientate spre subiecte ca de exemplu: clieni, furnizori, resurse, produse. Pentru a fi stocate n depozitele de date, datele se centralizeaz pe mai multe nivele de agregare primare (aflate n datele operaionale), primul fiind timpul (luna). Al doilea nivel de agregare depinde de subiectul analizei: clientul sau produsul. Al treilea nivel de agregare poate fi localitatea. Pe baza unor asemenea date de sintez stocate n depozitul de date, se poate construi o suprastructur cu date din ce n ce mai agregate pe multipli ai dimensiunilor primare (timp, localitate ): numrul sau suma tranzaciilor pe luni, numrul anual al tranzaciilor pe orae, numrul anual al tranzaciilor pe zone, etc. Modelele cele mai utilizate n faza de concepie a unui depozit de date sunt modelele dimensionale care regrupeaz datele din tabelele relaionale n scheme de tip stea sau fulg de zpad, n care se regsesc datele cantitative (cantiti, valori) din tabelele de tranzacii agregate n principal pe unitatea de timp (ziua) i apoi dup alte criterii ( pe client, pe produs, pe serviciu, pe filial de tip de tranzacie).Astfel datele cantitative din bazele de date dimensionale vor fi totaluri, medii, numr de tranzacii, date centralizate pe diferite criterii materializate de regul prin coduri (cod client, cod produs, cod serviciu, tip tranzacie, cod filial) i ntotdeauna prin data calendaristic, primul criteriu de agregare, Aceste date cantitative centralizate sunt msuri ale activitii, iar criteriile de agregare sunt denumite dimensiuni. Msurile identificate prin dimensiuni sunt stocate ntr-o tabel relaional denumit tabela de fapte. Codurile criteriilor de agregare sunt explicitate n tabele de tip nomenclator asociate tabelei de fapte, schema relaional cptnd forma de stea. Mai multe asemeni scheme de tip stea care folosesc aceleai nomenclatoare formeaz un model de tip constelaie iar dac dimensiunile se pot divide n subdimensiuni, atunci nomenclatoarele pot avea la rndul lor asociate alte nomenclatoare. De asemeni, pot exista nomenclatoare alternative pentru acelai cod. Prin integrarea acestor subdimensiuni i dimensiuni alternative, schema rezultat are forma unui fulg de zpad. UTILIZAREA DEPOZITELOR DE DATE : Depozitele de date au fost gndite cu structuri unice, integrate i cumulative, destinate s asiste informaional procesul de decizie de al diverse nivele ale ntreprinderii. Dat fiind faptul c sunt orintate spre necesitile utilizatorului final, anumii factori de decizie pot selecta din depozit doar datele care le sunt utile, pentru a le putea procesa mai uor sau

pentru a le transporta pe calculatoare personale. Astfel de colecii specializate pe domenii, regiuni, ani sau alte criterii se numesc magazii de date (data marts). Un alt mod de abordare a depozitelor de date este stocarea exhaustiv a datelor din sistemele tranzacionale n depozitul de date n vederea aplicrii unei alte tehnologii de procesare asupra lor (data mining). Aceast tehnologie relativ nou ctig din ce n ce mai mult teren prin capacitatea sa de a descoperi aspecte noi ale activitii desfurate, aspecte trecute n mod normal cu vederea : corelaii ntre evenimente, asociaii ntre anumite fapte, secvene, tipare de comportament- toate extrem de utile n procesele de luare a deciziei.

F2/ OLAP Definiie, caracteristici i domenii de utilizare

OLAP este o tehnologie de agregare a datelor stocate n depozite ntr-o abordare multidimensional care asigur acces rapid la informaiile necesare analitilor, managerilor i directorilor ntr-o manier consistent, interactiv i foarte flexibil. OLAP i depozitele de date se completeaz reciproc, OLAP transformnd volumul imens de date stocate i gestoinate n depozite n informaii utile procesului de decizie.

n 1993 E. F. CODD, inventatorul modelului relaional spunea: punerea la dispoziia analitilor a unui instrument de procesare analitic on-line: un mandat pentru tehnologiile informaionale. n acel articol, autorul a prezentat 12 reguli care defineau caracteristicile unor aplicaii OLAP pe care ulterior le-a restrns la 5 reguli grupate ntr-un test ce se numete FASMI (Fast Analysis Shared Multidimensional Information). Fast - rapiditate (capacitatea de a livra informaiile n timp util , de ordinul secundelor). Analysis - analiz (capacitatea de a efectua analiza numerice i statistice prin aplicaii predefinite sau create ad-hoc de ctre utilizator). Shared - partajat (utilizat n regim concurent de mai muli utilizatori, fapt ce impune asigurarea securitii i confidenialitii datelor). Multidimensional - caracteristca esenial a OLAP.

Information - acces la orice date i informaii relevante pentru analiz, oriunde s-ar gsi i n orice volum. Aplicaiile construite cu tehnologia OLAP asigur analiza rapid a informaiei multidimensional distribuit n locaii multiple i accesibil n acelai timp unui numr mare de utilizatori. OLAP utilizez n acest scop baze de date multidimensionale, prin contrast cu bazele de date relaionale care sunt bidimensionale prin definiie. O facilitate extrem de putrenic oferit de OLAP este posibilitatea de a construi scenarii i n consecin, posibilitatea de a rspunde la ntrebri de tipul ce ar fi dac n timp ce depozitele de date pot oferi rspunsuri numai la ntrebri de tipul cine, ce, unde. Principalele caracteristici ale OLAP sunt :

Perspectiv (view) multidimensional asupra datelor; se refer la capacitatea de a integra mai multe aspecte ale activitii ntreprinderii privite din diferite perspective: timp, locaie, produs, bani, persoane, etc. Fiecare dimensiune poate avea mai multe nivele: dimensiunea temporal se poate divide n: ani, luni, trimestre, sezoane; dimensiunea geografic n emisfere, continente, ri, regiuni, orae. Produsul , privit ca o dimensiune, poate avea subdimensiuni de genul: categorie, clas, fel.Conceptul dimensiune este utilizat n sensul de aspect, dimensiunile fiind complet independente i avnd ca uniti de msur toate valorile ntlnite n dimensiunea respectiv. Perspectivele multidimensionale asupra datelor sunt numite hipercuburi de date, prin extinderea noiunii de cub tridimensional la cub n-dimensional sau hipercub. Capacitate de calcul intensiv; se refer la abilitatea de a aplica algoritmi compleci asupra datelor structurate n hipercub, care implic posibilitatea de adresare multidimensional direct a locaiilor (cuburilr unitare) i optimizarea timpului de rspuns. Orientare n timp (time intelligence ); se refer la abilitatea de exploatare a acestei dimensiuni universale, necesar pentru comparaii i judeci de valoare n orice analiz economic. Timpul este preluat din datele calendaristice ale tranzaciilor economice aa cum apar n bazele de date ale sistemelor informatice ale ntreprinderilor. Suprapuse peste depozitele de date, bazele de date multidimensionale utilizate de OLAP stocheaz straturi de date agregate pe diverse criterii ierarhice precum i date statistice precalculate pe fiecare nivel de agregare. F3/ OLAP - Concepte fundamentale ale modelarii multidimensionale Principalul element structural al datelor utilizate in procesul de analiza on-line este cubul OLAP ,o structura multidimensionala (hipercub) care modeleaza aspectul complex al activitatii desfasurate pe o lunga perioada de timp prin trei concepte: - masura activitatii , aspectul cantitativ, comensurabil in unitati clasice de masura: Kg, m, u.m. Exemple: volumul vanzarilor (cantitativ/valoric), costul transportului, marja comerciala bruta, profitul.

- dimensiunile activitatii , parametrii activitatii masurate, decupajul din activitatea globala care corespunde masurii. Exemple: ziua, luna, anul, locatia, clientul, furnizorii, produsul, angajatul, structura organizatorica. Tot ca dimensiune se pot modela scenarii , valori reale, valori bugetate, valori estimate. Dimensiunile nu se intersecteaza, sunt de natura complet diferita ( timp, spatiu, produse, terti, etc) si raspund de regula la intrebari de tipul: cand?, unde?, ce?, cine?, cu cine?, de cine?, catre cine?. - fapte- colectii de masuri ale activitatii si dimensiunile care identifica contextul in care s-au desfasurat. Faptele se colecteaza din inregistrarile stocate in tabelele de tranzactii ale aplicatiilor oprtationale ce sustine activitatea respectiva. Prin intermediul dimensiunii scenariu , se pot stoca in tabelul de fapte pe langa masurile reale si masuri imaginare care permit utilizatorului sa stocheze valorile bugetate sau estimate ale masurii respective. Aceste masuri sunt introduse de catre persoane responsabile direct in tabelele de fapte.

F4/ Operatii specifice structurilor multidimensionale Proiectarea hipercubului trebuie sa tina seama de nivelul de detaliu necesar la analiza (granularitate) si care exprima numarul de membri ai unei dimensiuni. Daca granularitatea din start este prea ,grupe de clienti, datele sunt prea centralizate si nu se poate face o analiza fina. Sub nivelul de granularitate initial nu se poate merge. OLAP ajusteaza nivelul de granularitate prin exploatarea ierarhiilor dimensiunilor , efectuand comasari si descompuneri ale masurilor prin procedurile denumite roll-up (ofera date mai sintetice si drilldown (operatia ofera mai multe detalii). Aceste proceduri deplaseaza proiectia cubului in sus si in jos pe nivelel ierarhice ale fiecarei dimensiuni (zoom in, zoom out) efectuand de fiecare data centralizari ale masurilor stocate la cea mai mica granularitate dupa criteriile ierarhice cerute. Un alt grup de opratii pe care OLAP le poate executa sunt sectionarea (slicing) si defalcarea (dicing). Sectionarea este posibilitatea de a selecta pentru vizualizare doar un singur memebru al dimensiunii (un plan din cubul tridimensional). Sectiunea apare ca o tabela pivot cu valorile dimensiunilor pe laturi si cu mentionarea valorii alese pentru dimensiuna suprimata. Ex: vanzari in anul 1999 pe clienti si produse. Defalcarea este proiectarea unei dimensiuni pe o alta dimensiune, in general una din dimensiunile din prim plan se combina cu o dimensiune din adancime , proces numit si embricarea diemnsiunilor. Ex:vanzarile catre clienti in anul 1999 pe produse si agenti. Dimensiunile unui cub pot fi private (apartin unui singur cub) sau pot fi utilizate in comun de mai multe cuburi (provenind din depozite cu schema tip constelatie).

G1/ Suport software de date i OLAP schem general i SERVICIUL DTS Bazele de date relaionale ale SQL sever constituie principala surs de date pentru depozitul de date i bazele de date OLAP. Datele pot proveni ns i din alte surse cum ar fi ORACLE sau alte platforme. Serviciul DTS asigur colectarea i transferul datelor din aplicaii tranzacionale. n cursul acestui proces DTS realizeaz validarea, curirea, consolidarea i transformarea datelor n caz de necesitate. Validarea datelor se refer n principal la uniformizarea unitilor de msur, la verificarea ncadrrii n categorii, clase, grupe, la conversia unitilor monetare, la verificarea apartenenei geografice, cu alte cuvinte procesul de validare asigur consistena datelor. Curirea datelor se refer la concilierea datelor provenind din mai multe surse. Reconcilierea este un proces prin care nomenclatoarele utilizate n diverse aplicaii sunt comparate iar diferenele sunt analizate pentru a se ajunge la un nomenclator unic i la dicionare de conversie. Reconcilierea datelor este esenial pentru acurateea analizelor ulterioare. Migrarea datelor se refer la transpotul datelor n depozit, transport care are loc de obicei n mai muli pai trecnd prin locaii intermediare unde se desfoar procesele de validare i de curire. Un aspect important este sincronizarea surselor de date pentru a prelua datele la acelai moment. Strategia cel masi des utilizat este de atransporta datele imediat dup procedura de backup efectuat n cursul nopii. Transformarea datelor este un proces care pregtete datele preluate din sursele primare n vederea utilizrii lor n analize complexe. Cea mai curent transformare este divizarea unei coloane n mai multe. O alt transformare este completarea datelor cu date implicite, un alt gen de transformare ar putea fi comasarea unor cmpuri ntr-unul singur sau transformarea datelor din format numeric n format text sau invers. Componentele sreviciului DTS sunt: -Asistenii de import -Asistenii de export -Interfeele de programare COM care permit crearea de aplicaii de transformare personalizate.

G2/ Suport software pentru depozite de date si OLAP - schema generala si SERVICIUL OLAP

Managerul OLAP este un mediu de lucru accesibil printr-o interfata grafica care permite utilizatorului sa construiasca o solutie OLAP pe baza surselor de date existente . este accesibil prin Consola de Management Microsoft (MMC). Manageul OLAP ofera asistenta pentru construirea de noi cuburi OLAP sau de schimbare a structurii celor existente prin adaugarea de noi dimensiuni sau de nivele de complexitate , totul sub un control riguros ale drepturilor de acces pentru asigurarea securitatii.

G3/ Suport software de date i OLAP schem general DEPOZITUL DE METADATE Este o structur destinat stocrii informaiilor referitoare la structura de date. Serviciile OLAP i DTS utilizeaz aceast structur pentru a avea acces la datele de care au nevoie. Depozitul de metadate este o structur relaional, accesul la metadate este posibil prin interfaa grafic a OLAP manager i prin obieste de suport pentru decizie DSO. Depozitul de metadate este o structur special de tip relaional utilizat de SQL sever pentru a stoca informaii despre obiectele cu care lucreaz serviciile i instrumentele sale. n depozitul de metadate se pot stoca i utiliza n comun diverse componente software precum i instrumente de dezvoltare de tipul add-in, servicii, descrieri ale sistemului. Arhitectura depozitului de metadate este format din patru nivele: - Baza de date REPOSITORY (baza de date relaional SQL server sau ACCES) - Motorul bazei de date REPOSITORY instrument care asigur funciile de stocare sub forma unei colecii de obiecte i interfee de automatizare OLAP care pot fi utilizate pentru a se construi aplicaii care s acceseze direct depozitul de metadate - Modelul informaional al instrumentelor este o combinaie ntre un model obiectual care specific tipurile de informaii necesare mai multor instrumente i modele informaionale ale fiecrui tip - Intrumente de dezvoltare de aplicaii mediul de lucru pentru utilizatori Suport software de date i OLAP schem general i serviciile Tabele Pivot i English Query

Serviciul Tabele Pivot ofer faciliti de prezentare a datelor experimentate deja n EXCEL i ACCES. Acest serviciu este o interfa pentru utilizatorul familiarizat cu mediile de lucru, tabelele pivot extrase din cuburi OLAP putnd fi utilizate pentru analize ulterioare. Pe lng analiza i prezentarea datelor, aceste serviciu permite i configurarea de noi cuburi OLAP sau reconfigurarea celor existente. Serviciul Tabele Pivot funcioneaz ca o interfa de conectare la toate serviciile oferite de OLAP server. Un instrument foarte puternic care este oferit utilizatorului este limbajul de interogare multidimensional MDX care permite accesul la structurile OLAP din aplicaii. Serviciul Tabele Pivot poate gestiona un singur cub o dat, performanele sale fiind legate direct de volumul de date. Fiind partea client a serviciului OLAP, acesta nu deine un sistem propriu de gestiune a bazelor de date multidimensionale. Serviciul English Query permite utilizatorului s formuleze interogri n limbaj naturl traduse n claute SQL n vederea executrii lor. Serviciul utilizeaz un constructor de aplicaii care prei solicitare utilizatorului ce conine specificaii precise de tipul denumirea produsului sau localitatea i o completeaz cu detalii tehnice cerute de clauza SQL. Serviciul English Query suprapune interogarea utilizatorului peste modelul semantic al depozitului i restaureaz informaia absent. Aplicaiile English Query depind de calitatea modelului sematic al depozitului de date.

G4/ Suport software pentru depozitedate i OLAP schem general si modalitati de stocare a datelor OLAP Modelele structurale multidimensionale specifice tehnologiei OLAP se pot implementa in mai multe moduri, numele tehnologiei OLAP fiind asociat cu solutia fizica aleasa. ROLAP (relational OLAP) utilizeaza tehnologia relationala are avantajul ca este la indemana celor ce dezvolta aplicarea de baze de date si are o legatura foarte directa cu sursele primare de date. Tabale centralizatoare, create prin Make Table , Total Query, sunt aosciate cu nomenclatoare. Pentru fiecare dimensiune, cheile acestor nomenclatoare formeaza cheia compusa a tabelei de fapte . tabela de fapte se poate oricand reface pentru a reda situatia curenta. Multidimensional OLAP (MOLAP) utilizeaza baze de date multidimensionale care stocheaza datele din tabela de fapte in fisiere cu acces direct asigurat prin tehnica de indexare bitmap. Avantajele sunt spatiul de memorie mic, timpul de acces foarte rapid si adaugarea de fapte noi prin completarea tabelelor bitmap.dezavantaje: timpul mare de conversie al datelor in formatul comprimat si necesitatea unui suport software special. O tehnologie hibrida (HOLAP) HYBRID OLAP stocheaza datele agregate la cel mai mic nivel in baze relationale iar agregarile la nivele superioare sunt stocate in baze multidimensionale. In acest fel se pastreaza o legatura directa cu datele operationale si se poate miza pe timpul de acces

foarte rapid al bazelor de date multidimensionale. Dezavantajul care apare este timpul de comutare intre cele doua sisteme ROLAP si MOLAP. Extragerea datelor din cuburile OLAP, indiferent de tehnologia de stocare aleasa , se face prin componenta client a serviciului OLAP instalata pe calculatorul utilizatorului final serviciul Tabele Pivot care furnizeaza utilizatorului o serie de interpretari care permit aplicatiilor OLAP accesul la datele aflate pe server sau in memoria cache.