SSRN Id2384380

DANIEL HOMOCIANU
Electronic copy
Electronic available
copy availableat:
at:https://ssrn.com/abstract=2384380
http://ssrn.com/abstract=2384380
Carte apărută în cadrul Grantului PN II nr. 91049 / 2007
Referenţi ştiinţifici:
Prof. univ. dr. Dinu AIRINEI
Prof. univ. dr. Lucia RUSU
Redactor: Emil JUVERDEANU

Coperta: Manuela OBOROCEANU
ISBN 978-973-703-421-2
© Editura Universităţii „Alexandru Ioan Cuza”, 2009

700511 – Iaşi, str. Păcurari, nr. 9, tel./fax: (0232) 314947
http:// www.editura.uaic.ro e-mail: editura@uaic.ro
Electronic copy
Electronic available
copy availableat:
at:https://ssrn.com/abstract=2384380
http://ssrn.com/abstract=2384380
DANIEL HOMOCIANU
SISTEMELE DE ASISTARE A DECIZIILOR

ÎN
CONTEXTUL SOCIETĂŢII CUNOAŞTERII
2009
Electronic copy available at: https://ssrn.com/abstract=2384380

Descrierea CIP a Bibliotecii Naţionale a României
HOMOCIANU, DANIEL
Sistemele de asistare a deciziilor în contextul
societăţii cunoaşterii / Daniel Homocianu. - Iaşi : Editura
Universităţii "Al. I. Cuza", 2009
Bibliogr.
ISBN 978-973-703-421-2
65.012.4:33

CUPRINS
INTRODUCERE............................................................................................................................................................7
CAPITOLUL 1 CONTEXTUL ACTUAL AL CUNOAŞTERII ŞI SOCIETĂŢII CUNOAŞTERII .................................9
1.1 SCURTĂ PLEDOARIE PENTRU SOCIETATEA ŞI ECONOMIA CUNOAŞTERII..........................................9
1.2 O FILOZOFIE A CUNOAŞTERII ....................................................................................................................11
1.2.1 Definiţii şi abordări ale informaţiei........................................................................................................11
1.2.2 De la date la cunoaştere .........................................................................................................................12
1.2.3 Delimitări între cunoaştere şi cunoştinţe ...............................................................................................16
1.3 ORGANIZAŢIA BAZATĂ PE CUNOAŞTERE ŞI MANAGEMENTUL CUNOAŞTERII .................................17
1.3.1 Câteva accepţiuni ale organizaţiei bazate pe cunoaştere ......................................................................18
1.3.2 Interpretarea sintagmei “muncitorii cunoaşterii” .................................................................................19
1.3.3 Semnificaţia culturii organizaţionale .....................................................................................................20
1.3.4 Organizaţia cunoaşterii sau una bazată pe învăţare şi inovare ............................................................22
1.3.5 Managementul cunoaşterii......................................................................................................................24
1.4 DE LA ECONOMIA TRADIŢIONALĂ LA ECONOMIA CUNOAŞTERII.......................................................30
1.4.1 Evoluţia factorilor de producţie..............................................................................................................30
1.4.2 Delimitări privind cunoaşterea, capitalul uman şi capitalul intelectual ...............................................31
1.4.3 Globalizarea în strânsă legătură cu economia cunoaşterii ...................................................................33
1.4.4 Economia cunoaşterii şi cea tradiţională comparate sintetic................................................................36
1.5 VECTORII SOCIETĂŢII CUNOAŞTERII........................................................................................................38
1.6 CONCLUZII.....................................................................................................................................................39
CAPITOLUL 2 - DE LA DECIZII LA MODELE DECIZIONALE.............................................................................41
2.1 DECIZIA ŞI PROCESUL DECIZIONAL .........................................................................................................41
2.1.1 Definiţii ale deciziei ................................................................................................................................41
2.1.2 Subiecţii deciziilor...................................................................................................................................42
2.1.3 Caracteristici ale deciziei în management .............................................................................................43
2.1.4 Scurt istoric despre teoria deciziei manageriale....................................................................................44
2.1.5 De la tipuri de decizii la clasificări ale metodelor şi modelelor de rezolvare.......................................47
2.1.6 Un consens privind etapele procesului decizional .................................................................................51
2.2 MODELE DE DECIZII ŞI MODELAREA PROBLEMELOR DECIZIONALE ...............................................52
2.2.1 Generalităţi despre reprezentări şi modele ............................................................................................52
2.2.2 Dificultăţi în optimizarea deciziilor multidimensionale.........................................................................53
2.2.3 Metoda utilităţii decizionale - o soluţie de optimizare a deciziilor multidimensionale.........................56
2.2.4 Îmbunătăţiri ale metodei utilităţii decizionale .......................................................................................58
2.2.5 Metode matematico-statistice de optimizare a deciziilor în condiţii de incertitudine ...........................59
2.2.6 Rezolvarea cu arbori decizionali a problemelor complexe în condiţii de risc ......................................61
2.2.7 Euristica în rezolvarea problemelor decizionale ...................................................................................62
2.3 CONCLUZII.....................................................................................................................................................64
CAPITOLUL 3 - SAD ÎNTRE CONSACRAT ŞI VIZIUNE PERSONALĂ..................................................................65
3.1 DE LA (R)EVOLUŢIA TEHNOLOGICĂ LA SAD ...........................................................................................65
3.2 SCURT ISTORIC AL APARIŢIEI ŞI EVOLUŢIEI SAD ...................................................................................69
3.3 DEFINIREA SISTEMELOR DE ASISTARE A DECIZIILOR ..........................................................................73
3.3.1 Listă istorică de definiţii atribuite SAD..................................................................................................73
4.3.2 Propunere de definire a SAD ..................................................................................................................79
3.4 TAXONOMIA SAD...........................................................................................................................................81
3.4.1 Cele mai des citate clasificări.................................................................................................................81
3.4.2 Opinii recente privind clasificarea SAD.................................................................................................83
3.4.3 Clasificarea schematică a SAD ..............................................................................................................85
3.5 STRUCTURA SAD ...........................................................................................................................................86
3.5.1 Opinii de specialitate ..............................................................................................................................86
4.5.2 O structură extinsă..................................................................................................................................92
3.5.2.1 Aplicaţiile şi utilizatorii SAD .........................................................................................................93
3.5.2.2 Resursele fizice de calcul ...............................................................................................................94
3.5.2.3 Interfaţa SAD la graniţa cu resursele de calcul ............................................................................94
3.5.2.4 De la graniţa cu resursele de calcul la interfaţa cu utilizatorul aplicaţiei .................................105
3.5.2.5 Principii generale de proiectare a interfeţei cu utilizatorul........................................................107
3.5.2.6 Subsistemul de comunicare ..........................................................................................................113
3.5.2.7 Sistemul specific de fişiere ...........................................................................................................113
3.5.2.8 Bazele de date sursă .....................................................................................................................114
3.5.2.9 Bazele de date derivate şi integrarea informaţiilor .....................................................................116

6 Sistemele de asistare a deciziilor în contextul societăţii cunoaşterii
3.5.2.10 Baza de modele şi SGBM ...........................................................................................................117
3.5.2.11 Baza de cunoştinţe şi modulul de gestiune a cunoaşterii - SAD la graniţa cu IA .....................118
3.6 ALTE CATEGORII DE INSTRUMENTE ŞI TEHNOLOGII UTILE ÎN STUDIUL SAD ...............................118
3.6.1 Programele de calcul tabelar - SAD de nivel elementar......................................................................119
3.6.2 Depozitele de date şi instrumentele OLAP ...........................................................................................125
3.6.3 Data Mining ..........................................................................................................................................135
3.6.3.1 Definiţii .........................................................................................................................................135
3.6.3.2 Clasificări ale tehnologiei Data Mining ......................................................................................137
3.6.3.3 Tehnici generale DM....................................................................................................................138
3.6.4 Tehnologia OLAM.................................................................................................................................152
3.6.5 Limbaje avansate de interogare............................................................................................................153
3.6.5.1 MDX..............................................................................................................................................154
4.6.5.2 DMX..............................................................................................................................................155
3.6.5.3 Alte limbaje DM............................................................................................................................156
3.6.6 Rapoarte, medii, limbaje şi formate de raportare ................................................................................157
3.6.6.1 MHT ..............................................................................................................................................158
3.6.6.2 XML ..............................................................................................................................................158
3.6.6.3 XBRL.............................................................................................................................................159
3.6.6.4 KML ..............................................................................................................................................160
3.6.7 Instrumentele de tip GIS .......................................................................................................................161
3.6.8 Tehnologia portalurilor ........................................................................................................................167
3.6.9 Tehnici de protecţie şi securitate asociate SAD ...................................................................................170
3.7 TENDINŢE ÎN EVOLUŢIA SISTEMELOR DE ASISTARE A DECIZIILOR .................................................174
3.7.1 BI sau o reinventare a SAD ..................................................................................................................175
3.7.1.1 Terminologie şi provenienţă.........................................................................................................175
3.7.1.2 Abordări conceptuale ale Business Intelligence ..........................................................................178
3.7.1.3 Noua generaţie de BI sau BI 2.0 şi BPM .....................................................................................181
3.7.2 Metodologia Balanced Scorecards şi tablourile de bord BI ................................................................182
3.7.3 Dashboard şi automotive ......................................................................................................................188
3.8 CONCLUZII...................................................................................................................................................190
CAPITOLUL 4 - CONCLUZII FINALE....................................................................................................................191
4.1 SUMARUL CONCLUZIILOR........................................................................................................................191
4.2 CONTRIBUŢII PERSONALE ........................................................................................................................193
4.3 DIRECŢII DE CONTINUARE A CERCETĂRII ............................................................................................194
BIBLIOGRAFIE ........................................................................................................................................................195
CĂRŢI: .................................................................................................................................................................195
ARTICOLE ŞI ALTE MATERIALE:.....................................................................................................................199
ADRESE INTERNET: ..........................................................................................................................................207
ANEXE.......................................................................................................................................................................211
ANEXA 1: Codul sursă (vb6.0) pentru unii algoritmi ai modelului de criptografiere .................................211
ANEXA 2: Funcţionalitatea interfeţei de test a modelului de criptografiere a datelor................................215
ANEXA 3: Fragmente de cod sursă (vb6.0) - modulul SAD de localizare şi generare a rapoartelor ms excel
şi mappoint .....................................................................................................................................................216
ANEXA 4: Agregarea criteriilor de decizie în aplicaţia SAD pentru eliminarea magazinelor ineficiente..223
ANEXA 5: O viziune schematică asupra sistemelor de asistare a deciziilor................................................228
ABREVIERI ...............................................................................................................................................................229
ACRONIME: ..................................................................................................................................................229
SIMBOLURI:..................................................................................................................................................233

INTRODUCERE
În lucrarea intitulată “Sistemele de asistare a deciziilor în contextul
societăţii cunoaşterii” tratăm aspecte teoretice şi aplicative referitoare la luarea
deciziilor în mediul economic şi nu numai.
În introducere am încercat o iniţiere în problematica specifică, cercetarea
impusă chiar de titlul acesteia presupunând o serie de obiective şi un ansamblu
specific de ipoteze de lucru menţionate în acest context. Mai mult, pentru a
simplifica parcurgerea ideilor expuse, am considerat necesară şi o prezentare
succintă a structurii lucrării.
Alegerea titlului “Sistemele de asistare a deciziilor în contextul societăţii
cunoaşterii” a vrut să fie şi o provocare conştientă la a sesiza importanţa
contextului pentru studiul sistemelor de asistare a deciziilor şi a mutaţiilor suferite
de acestea.
Cât priveşte denumirea de “sisteme de asistare” şi nu “de suport”, aşa cum
este vehiculat în multe traduceri româneşti, alegerea a ţinut mai ales de caracterul
interactiv al acestor sisteme, respectiv de ideea că orice decizie sau proces
decizional, indiferent de complexitatea sa, a avut, are şi va avea întotdeauna un
anumit suport mai mult sau mai puţin ştiinţific, obiectiv şi demonstrat.
Dincolo de caracterul teoretic dorit de noi în expuneri de idei, definiţii,
clasificări, schematizări, explicaţii, argumente şi interpretări, finalitatea acestei
cărţi s-a vrut a fi una practică, aplicativă. Tocmai din acest motiv nu am omis
exemple ce privesc anumite posibilităţi de implementare folosind tehnologia
informatică disponibilă la ora actuală, chiar dacă aceasta a însemnat de multe ori şi
referirea la denumiri concrete de firme şi produse consacrate în domeniu.
Succint, obiectivele cercetării au fost:
¾ determinarea şi argumentarea unei legături obiective a cunoaşterii,
societăţii şi economiei cunoaşterii, cu studiul sistemelor de asistare
a deciziilor;
¾ identificarea modelelor teoretice de luare a deciziilor, cu limitele şi
avantajele specifice, respectiv a tipologiilor de decizii şi procese
decizionale pentru care se aplică;
¾ realizarea unor clarificări teoretice şi determinarea unor tendinţe în
evoluţia sistemelor de asistare a deciziilor;
¾ identificarea tehnologiilor din domeniul asistării deciziilor şi a
posibilităţilor de extindere a ariei acestora;
¾ demonstrarea aplicabilităţii modelelor teoretice consacrate folosind
multe dintre aceste tehnologii în cadrul sistemelor de asistare a
deciziilor.

Lucrarea a avut ca punct de plecare şi o serie de ipoteze de lucru, cum ar fi:

• managerii-decidenţi sunt utilizatori finali informatizaţi;
• deciziile luate cu ajutorul sistemelor de asistare a deciziilor presupun de cele
mai multe ori rezolvarea unor probleme semistructurate;
• există o legătură concretă a sistemelor de asistare a deciziilor cu contextul
societăţii cunoaşterii şi aceasta se bazează pe mai multe subipoteze:
- decidenţii pot fi consideraţi specialişti (“muncitori ai cunoaşterii”);
- tehnologiile utilizate de sistemele de asistare a deciziilor pot fi asimilate
vectorilor tehnologici ai societăţii şi economiei cunoaşterii;
- modelele şi simbolurile constituie o formă primară de cunoaştere.
Prezenta carte a fost împărţită în patru capitole. În plus, ideile de aici s-au
vrut a fi o introducere în problematica asistării deciziilor în contextul societăţii
cunoaşterii, respectiv o trecere în revistă a obiectivelor şi structurii lucrării.
Capitolul 1 tratează anumite elemente teoretice care privesc cunoaşterea,
organizaţia bazată pe cunoaştere, specialiştii sau aşa-zişii “muncitori ai
cunoaşterii”, respectiv societatea şi economia cunoaşterii. Sunt avute în vedere şi
aspecte care asigură legătura cu tehnologia, respectiv cu sistemele de asistare a
deciziilor, prin considerarea unor piloni sau vectori ai societăţii şi economiei
cunoaşterii. Din această perspectivă, nu sunt omise nici referirile la manageri, ca
specialişti şi utilizatori ai acestor sisteme.
Capitolul al doilea reprezintă o scurtă teoretizare a unor elemente legate de
decizii, procese şi modele decizionale. Se insistă mai ales pe particularităţi ale
deciziilor în management, pe clasificări ale acestora, pe optimizarea deciziilor
multidimensionale, respectiv pe anumite modele consacrate, cu prezentarea
limitelor specifice şi a îmbunătăţirilor aduse în timp.
Cel de-al treilea capitol este dedicat sistemelor de asistare a deciziilor,
încercându-se o îmbinare a elementelor teoretice consacrate, cu anumite opinii,
contribuţii şi exemple proprii.
Ultimul capitol conţine o sinteză a concluziilor desprinse pe parcursul
lucrării, o enumerare a cărţilor şi articolelor publicate, care compun bibliografia de
autor şi justifică continuitatea cercetării aflate la bază, respectiv o viziune asupra
contribuţiilor personale şi direcţiilor viitoare de lucru.

CAPITOLUL 1 - CONTEXTUL ACTUAL AL
CUNOAŞTERII ŞI SOCIETĂŢII CUNOAŞTERII
În cele ce urmează vom încerca să aducem câteva argumente teoretice
legate de existenţa unui anume context în care este plasată cercetarea cu privire la
sistemele de asistare a deciziilor. Este vorba despre ceea ce unii numesc astăzi
societatea, respectiv economia cunoaşterii. Pentru aceasta din urmă, capitolul de
faţă înseamnă şi încercarea de a identifica şi justifica anumite asemănări şi
deosebiri concrete prin raportare directă la economia tradiţională. Însă, înainte de a
ajunge aici, sunt puse în discuţie concepte precum: date, informaţii, cunoştinţe,
cunoaştere, specialişti sau aşa-numiţii “muncitori ai cunoaşterii”, organizaţie bazată
pe cunoaştere, respectiv management al cunoaşterii. La final de capitol sunt expuşi
o serie de vectori ai societăţii şi economiei cunoaşterii, considerându-i elemente
fundamentale de legătură cu sistemele de asistare a deciziilor, tratate în detaliu în
cel de-al treilea capitol al lucrării.
1.1 SCURTĂ PLEDOARIE PENTRU SOCIETATEA ŞI ECONOMIA
CUNOAŞTERII
Punctele de răscruce din istoria omenirii, cunoscute adesea ca revoluţii, au
determinat paliere superioare de organizare şi existenţă în societatea umană - aşa-
numitele ere sau epoci. Ele şi-au găsit adesea cauzele în apariţia unor tehnologii
noi. Este poate de prisos să amintim aici de revoluţiile agrară şi industrială datorate
unor invenţii precum plugul, respectiv electricitatea, becul şi motorul cu ardere
internă. Respectându-se acelaşi tipar, similar trebuie să se fi întâmplat şi odată cu
inventarea microprocesorului sau odată cu progresele care au urmat în evoluţia
tehnologiei de calcul şi comunicaţii. Astfel, James W. Michaels1 a deosebit
perioadele prin care a trecut şi trece omenirea astfel:
¾ epoca pietrei;
¾ epoca fierului;
¾ epoca agriculturii;
¾ era industrială;
¾ era tehnologiei (informaţionale);
¾ era cunoaşterii.
Societatea cunoaşterii reuşeşte să ne atragă atenţia cel puţin prin
diseminarea fără precedent a multor forme de cunoaştere umană, folosind reţeaua
de comunicaţie Internet şi alte instrumente şi tehnologii de comunicare, prelucrare
şi învăţare.
Dar a ne gândi la cunoaştere doar din perspectivă raţională şi ştiinţifică,
fără a considera aspecte profund umane precum imperfecţiunile, puterea, memoria,
sentimentele, credinţele, intuiţia, ideile sau ideologia, este de cele mai multe ori
nerealist. În plus, în timp ce cunoaşterea este importantă pentru crearea şi
susţinerea societăţii şi a culturii, acestea din urmă sunt la fel de importante pentru
1
Michaels, J., W., How New is the New Economy?, Forbes, nr. 11, 1999, p. 47

crearea şi susţinerea cunoaşterii2. Tocmai la acest nivel, tehnologia, în calitatea sa

de determinant sau de cauză a revoluţiei care a condus la ceea ce pretindem astăzi
ca eră sau societate a cunoaşterii, arată de multe ori insuficienţe.
„Societatea cunoaşterii”, prin termenul în sine, nu este totuşi ceva atât de
nou, din moment ce încă din 1945, Hayek3 publica un articol despre scopul
cunoaşterii în societate. Mai mult, binecunoscutul şi regretatul profesor de ştiinţe
sociale şi management, Peter Drucker4, avea să se refere explicit la societatea
viitoare ca societate a cunoaşterii, în care aceasta va fi resursa cheie iar specialiştii
sau aşa-zişii “muncitorii ai cunoaşterii” vor fi grupul dominant al forţei de muncă.
Latura economică a societăţii cunoaşterii - economia cunoaşterii - este un
subiect actual şi de reale controverse, având o terminologie foarte bogată. Să
amintim doar: economia informaţiei, economia bazată pe cunoaştere, economia
digitală, net-economia, economia Internet, economia imaterială sau economia
virtuală.
În opinia unor economişti precum Erich Gundlach sau Daniel Piazalo5, se
foloseşte termenul de “economie informaţională” pentru a include toate bunurile şi
serviciile care conţin informaţii, publicaţii, cercetare, servicii juridice, asigurări,
educaţie, divertisment - şi cel de “economie digitală” pentru a desemna doar acele
bunuri şi servicii a căror dezvoltare, producţie şi vânzare sunt dependente de
tehnologia digitală. Între cei doi termeni am putea situa un altul – “net-economia”6,
cu referire la o economie fundamentată pe calităţile intrinseci ale reţelei şi pe o
nouă categorie de organizaţii bazate pe Internet, văzut ca sursă a vieţii sociale a
calculatoarelor, sau ca o cauză a apariţiei web-ului şi a comerţului electronic.
Alţi autori, cum ar fi Kevin Kelly7, definesc „noua economie” ca un
concept ceva mai larg, în care atât output-ul final cât şi input-urile intermediare
constau predominant din informaţii, iar tehnologiile informaţiei şi ale comunicării
oferă acces liber şi universal la orice cunoştinţe şi informaţii disponibile.
Dincolo de aceste opinii generale, „noua economie” este o realitate prin
faptul că provoacă adevărate mutaţii sociale, definind alte reguli şi oportunităţi,
reorganizând însăşi viaţa.
2
Rooney, D., Knowledge, economy, technology and society - The politics of disourse,
Telematics and Informatics, no. 22, 2005, p. 409
3
The American Economic Review XXXV, no. 4, 1945, p. 519, <http://web.missouri.edu/~
podgurskym/Econ_4970/readings/The%20Use%20of%20Knowledge%20in%20Society.pdf>
4
Drucker, P., F., Landmarks of Tomorrow, Harper and Row, 1957, <http://europa.eu.int
/comm/employment_Social/knowledge_society/hcsc_back_en.pdf>
5
Işan, V., Noua Economie: alegaţii şi evidenţe, Revista Informatică Economică, nr. 2
(22)/2002, p.18-19
6
Orzan, G., Societatea Cunoaşterii şi Net-Economia, Revista de marketing On-line, Nr.1,
<http://www.editurauranus.ro/marketing-ynline/11/pdf/4.pdf>
7
Kelly, K., New Rules for the new economy, <www.kk.org/newrules>

Contextul actual al cunoaşterii şi societăţii cunoaşterii 11
1.2 O FILOZOFIE A CUNOAŞTERII

Dacă ar trebui să definim cunoaşterea într-o manieră pe cât de simplă şi
spontană, pe atât de generală şi atotcuprinzătoare, am putea afirma că aceasta stă la
baza a tot ceea ce ne înconjoară, percepem şi numim creaţie a omului. Mai mult,
aşa cum un proverb brazilian susţine, “cunoaşterea taie lumea în bucăţi”, în timp ce
“înţelepciunea o face întreagă” (Knowledge cuts up the world. Wisdom makes it
whole8).
Pentru o imagine mai clară asupra cunoaşterii, considerăm necesară o
abordare a datelor şi informaţiilor, ca stadii embrionare, respectiv prezentarea unui
set de definiţii, clasificări şi pe alocuri a anumitor problematizări pe seama unor
controverse şi dileme mai mult sau mai puţin recunoscute.
1.2.1 Definiţii şi abordări ale informaţiei
Pentru că în foarte multe abordări autohtone şi străine, mai vechi sau
actuale, am întâlnit numeroase sintagme legate de “informaţie”, am decis să ne
oprim pentru început asupra acestui concept.
Dacă latinescul de origine - „informare”, transformat în “inform”(engl.9)
înseamnă în traducere veche inclusiv acţiunea de a da o formă - evident în sensul
transformării a ceva fără o formă prealabilă, la ora actuală, printre sensurile
atribuite cuvântului “informaţie” în dicţionarele explicative ale limbii române, se
regăsesc:
comunicare, veste, ştire, lămurire;
totalitate a materialelor de informare şi de documentare, izvoare, surse;
fiecare dintre elementele noi, în raport cu cunoştinţele prealabile,
cuprinse în semnificaţia unui simbol sau a unui grup de simboluri (text
scris, mesaj vorbit, imagini plastice, indicaţie a unui instrument).
Câteva încercări10 mai mult sau mai puţin consacrate de a defini informaţia
pot fi amintite în acest context:
Albert Einstein afirmă simplu că informaţia nu este cunoaştere
(Information is not knowledge.11);
Donald M. MacKay defineşte informaţia în termeni de valoare surpriză;
Norbert Wiener (fondatorul ciberneticii), leagă informaţia direct de
decizie, comunicare şi control; el defineşte cantitatea de informaţie ca
negativul entropiei, considerând că aceasta din urmă măsoară gradul de
dezorganizare;
Shannon şi Weaver (teoria clasică) - asociază informaţiei doar aspectele
cantitative ce vizează reducerea incertitudinii, omiţând latura semantică a
comunicării; astfel, informaţia este identificată cu entropia (H), care este
8
http://koti.mbnet.fi/amindra/wknowl1.htm
9
http://www.m-w.com/dictionary/inform
10
adaptare după Oprea, D., Airinei., D., Fotache, M., Sisteme informaţionale pentru
afaceri, Editura Polirom, Iaşi, 2002, p. 65-69
11
http://www.brainyquote.com/quotes/quotes/a/alberteins163057.html

considerată ca determinând rata de generare a informaţiei după o formulă

de calcul cu stări (j) şi probabilităţi ale acestora (pj):
s
H = -∑ p j log p j (1.1)
j=1
Galiers priveşte informaţia ca pe date sau ansambluri de date ce prezintă

valoare în procesul decizional;
Lucas Introna (London School of Economics), încearcă o structurare a
multiplelor abordări informaţionale şi distinge două arhetipuri:
- Informaţional - consacrat în contextul dezvoltării explozive a
tehnologiei informaţionale şi legat de evoluţia sistemelor care
generează informaţia acesta constituie “teren” de studiu pentru
două discipline academice: sistemele informaţionale şi ştiinţa
informaţiei, în legătură cu ultima, fiind prezentate două abordări
ale informaţiei:
ca modificare sau afectare a imaginii subiectului unui mesaj,
după ce mesajul a fost recepţionat;
ca un nivel de înţelegere şi de interpretare cu privire la date şi
fapte care există pur şi simplu, nu neapărat exacte sau
inexacte.
- Comunicaţional - puternic asimilat teoriilor comunicării.
1.2.2 De la date la cunoaştere
“Informaţia nu este cunoaştere, cunoaşterea nu este înţelepciune iar
înţelepciunea nu e adevăr” (Information is not knowledge, knowledge is not
wisdom, wisdom is not truth.), iar afirmaţia, într-un mod poate surprinzător, nu
aparţine unui om de ştiinţă, ci unui compozitor, muzician şi director de film, în
persoana mult premiatului Frank Zappa12.
Desigur, nu vom omite din acest context datele, inclusiv definiţia
cuvântului “dat”. În limba română13 ne interesează sensul de realitate ca punct de la
care se pleacă într-un raţionament sau într-o discuţie, sau fapt din care rezultă sau
se deduc altele, respectiv acela de noţiune fundamentală.
După Thomas Davenport şi Donald Marchand14, datele, informaţiile şi
cunoştinţele reprezintă puncte din lanţul valoric evolutiv al modelului mental
uman. Astfel, datele sunt semnale despre evenimente şi activităţi umane zilnice, au
o valoare intrinsecă scăzută şi sunt uşor de stocat şi manipulat cu ajutorul
calculatorului electronic.
12
https://www.science.uva.nl/~robbert/zappa/interviews/Bob_Marshall/Part06.html
13
***, Dicţionarul explicativ al limbii române, Ediţia a II-a, Editura Univers Enciclopedic,
Bucureşti, 1998
14
Davenport, T., Marchand, D., Is KM just good information management?, în Marchand,
D., Davenport, T., Dickson, T., Mastering Information Management, Financial Times,
Prentice Hall, London, 2000, p.166

Informaţiile sunt rezultatul interpretării şi contextualizării datelor de către

oameni. Ele reprezintă instrumentul de comunicare şi de exprimare a cunoştinţelor
în viaţa de zi cu zi şi în lumea afacerilor. Informaţia are o valoare mai mare decât
datele, dar are drept caracteristici un anumit grad de ambiguitate, dar şi dependenţa
directă de capacitatea de atenţie a indivizilor, atunci când vine vorba de procesarea
datelor15. În plus, se impune o observaţie legată de aparenta lipsă de sens a
informaţiei în absenţa subiectului uman care realizează interpretarea şi
contextualizarea.
Cunoaşterea este constituită din informaţii reprezentate în mintea
oamenilor şi conştientizate de aceştia. Ea are o valoare intrinsecă mai mare decât a
datelor şi informaţiilor deoarece pe baza ei oamenii crează noi idei, interpretări,
judecăţi de valoare, raţionamente şi le aplică direct în procesele de utilizare a
informaţiilor şi de luare a deciziilor.
Cât priveşte controversele interminabile în Evul Mediu pe tema ierarhia
ştiinţelor şi a cunoaşterii, pretinzându-se că filozofia ar fi “regina lor”, s-a ajuns
treptat la concluzia că nu există cunoaştere de nivel înalt sau inferior.16 Există, însă,
ceea ce Peter Drucker, numeşte cunoaştere aplicată în acţiune, care îşi dobândeşte
poziţia şi importanţa din situaţie şi nu neapărat din conţinutul ştiinţific.
În opinia lui Russel Ackoff17, mintea umană poate fi structurată ca operând
pe cinci niveluri:
¾ Datele - ansambluri de simboluri care există pur şi simplu, indiferent de formă
şi care nu au nici o semnificaţie în sine;
¾ Informaţiile - date prelucrate, înzestrate cu o anumită semnificaţie sau sens prin
raportarea la anumite elemente; oferă răspunsuri la întrebări de tipul: Cine?,
Ce?, Unde?, Când?, Cât?; au sau nu semnificaţie utilă fiind definite şi ca date
organizate; pun în evidenţă modele, tipare, grile care vor reprezenta baza
deciziilor;
¾ Cunoştinţele - ansambluri de informaţii intenţional utile a căror memorare nu
furnizează şi cheia integrării cu alte cunoştinţe, sau a modului de inferenţă şi
generare de noi cunoştinţe; aplicate informaţiilor, acestea pot genera decizii;
¾ Înţelegerea - proces probabilistic, cognitiv şi analitic de interpolare, prin care
cunoştinţele se pot distila (rafinare şi sintetizare), rezultând un plus de
cunoaştere; diferenţa între înţelegere şi cunoaştere este diferenţa dintre a învăţa
şi a memora;
¾ Înţelepciunea - proces nedeterminist, neprobabilist şi de extrapolare care se
sprijină pe nivelurile prezentate anterior şi conferă înţelegerea a ceea ce fusese
15
Laszlo, E., Paths to Planetary Civilization,
<http://www.kosmosjournal.org/kjo/backissue/s2006/laszlo-1.shtml>
16
Drucker, P., F., Knowledge Work and Knowledge Society. The Social Transformations of
this Century, <http://
www.ksg.harvard.edu/ifactory/ksgpress/www/ksg_news/transcripts/drucklec.htm>
17
Ackoff, R., L., From Data to Wisdom, Journal of Applied Systems Analysis, vol. 16,
1989, p. 3-9

anterior neînţeles; ea depăşeşte înţelegerea şi ridică probleme la care nu există

răspuns sau la care acesta este foarte greu de găsit; prin ea putem discerne răul
şi binele, corectitudinea şi greşeala.
După Gene Bellinger18, înţelegerea este suportul trecerii de la un nivel la
altul, fără a fi un palier în sine. Acesta realizează şi un model în patru straturi
(fig.1.1), în care se observă că:
9 datele devin informaţii, atunci când li se aplică procesul înţelegerii relaţiilor;
9 informaţiile devin cunoaştere, atunci când trec prin filtrul înţelegerii modelelor
şi tiparelor;
9 cunoaşterea devine înţelepciune sub incidenţa înţelegerii principiilor.
Acest model este temeinic combătut de Tuomi19, care demonstrează că, pe
scurt, datele sunt generate numai dacă dispunem de informaţii, pentru care e nevoie
de cunoştinţe prealabile.
Figura 1.1 Relaţiile dintre palierele lanţului valoric mental

(Sursa: Bellinger, G., Knowledge Management-Emerging Perspectives,
<http://www.welchco.com/02/14/01/60/00/03/0701.HTM>)
Frank Blackler20 consideră cunoaşterea legată mai mult de ceea ce face un

individ decât de ceea ce deţine acesta şi abordează patru forme ale conceptului:
◦ intrinsecă (embrained):
• se remarcă în aptitudinile conceptuale şi abilităţile cognitive ale
indivizilor;
• mai este cunoscută şi sub denumirea de knowledge about;
◦ încorporată (embodied):
• se reflectă în ceea ce fac indivizii - know-how;
• este regăsită în tehnici de rezolvare a problemelor, care nu se
conformează unor reguli stricte, ci depind de o cunoaştere sau de o
experienţă intimă în ceea ce priveşte o anumită situaţie;
◦ culturalizată (encultured):
18
http://www.systems-thinking.org/dikw/dikw.htm
19
Tuomi, I., Data is more than Knowledge: Implications of the Reversed Knowledge
Hierarchy for Knowledge Management and Organizational Memory, Journal of
Management information Systems, Winter 1999-2000, vol. 16, no.3, p.103-1177, citat în
Oprea, D., Airinei., D., Fotache, M., Op.cit., p.89
20
Blackler, F., Knowledge, Knowledge Work and Organizations: An Overview and
Interpretation, în Choo, C., W., Bontis, N., The strategic management of intellectual
capital and organizational knowledge, Oxford University Press, New York, 2002, p.47-64

• procesul de acumulare a unor judecăţi de valoare şi a unor

înţelegeri oferite într-un context social;
• este puternic legată de limbaj ca mijloc de comunicare;
◦ fixată (embeded):
• se distinge profund de celelalte tipuri;
• rezidă în proceduri formale şi rutine organizaţionale.
Nonaka Ikujiro priveşte cunoaşterea ca pe rezultat al unui proces dinamic,
bazat pe interacţiuni între indivizi, rezultat dependent de un anumit context spaţial
şi temporal21. Cunoaşterea este direct şi strict dependentă de sistemul de valori al
indivizilor şi, fără a privi din punct de vedere contextual, nu putem vorbi de
cunoştinţe ci doar de informaţii. Tot el afirmă că există două tipuri de cunoştinţe:
◦ explicite sau codificate - exprimate într-un limbaj formal, sistematic şi
care pot fi împărtăşite, - sub formă de date, formule ştiinţifice, specificaţii
- transmise şi stocate uşor;
◦ tacite - cu caracter puternic personalizat şi nu uşor de formalizat; aici
intră înţelegerea unor situaţii diverse, intuiţii şi presimţiri; sunt dificil şi
de comunicat deoarece sunt specifice unui anumit context şi au rădăcini
adânci în acţiune, rutine, idei, valori şi emoţii.
O scurtă paralelă22 între cele două arată că în timp ce cunoaşterea tacită
este de tip subiectiv, pe bază de experienţă, simultană şi practică, cealaltă este
obiectivă, bazată pe raţionament, secvenţială şi teoretică.
Pierre-André Mangolte23 delimitează mai mult: o parte din cunoştinţele
tacite sunt articulabile, adică perfect exprimabile şi explicabile prin intermediul
unui limbaj. Articularea le face să îşi schimbe forma, trecând astfel în categoria
articulate. În această formă, ele pot fi reproduse, copiate sau duplicate şi
comunicate mai departe. Într-o altă formă, cunoştinţele tacite articulabile rămân
nearticulate, adică ascunse şi/sau necunoscute, deşi sunt cunoştinţe reale, în sensul
aplicării efective în procesele de producţie, de o manieră cotidiană şi de rutină
(adesea chiar sursă a performanţelor). Mai mult, o altă categorie a cunoştinţelor
tacite sunt cele nearticulabile, de multe ori dificil de separat de context.
Există şi alte tipuri de cunoaştere care pot fi uşor delimitate, şi anume24:
◦ know-what - cunoaştere bazată pe fapte, presupunând cunoştinţe
elementare şi fiind cea mai apropiată de informaţie;
◦ know-why - cunoaştere a lumii reale, a societăţii şi a creierului uman sau
o cunoaştere ştiinţifică, bazată pe reguli şi legi naturale, uşor de format
într-un mediu academic;
21
Nonaka, I., Toyama, R., Konno, N., SECI BA and Leadership: a unified model of
dynamic knowledge creation, Long Range Planning, no.33/2000, p.7
22
Nonaka, I., Takeuchi, H., A theory of The Firm’s Knowledge-Creation Dynamics, în
Chandler, A., D., Hagstrom, P., Solvell, O., The dynamic firm. The role of technology,
strategy, oraganization and regions, Oxford University Press, New York, 1998, p.219
23
Sveiby, K.E., Tacit Knowledge, <http://www.sveiby.com/Portals/0/articles/Polanyi.html>
24
***, OECD/GD (96)102, The Knowledge-Based Economy, Paris, 1996, p.12

◦ know-where şi know-when - foarte importante în economia actuală

caracterizată de flexibilitate şi dinamism;
◦ know-how - cunoaştere având la bază aptitudini şi cunoştinţe utilizate
efectiv în rezolvarea unor probleme;
◦ know-who - cunoaştere bazată pe relaţii sociale speciale sau a celui care
ştie şi a celui care poate pune în aplicare; cunoaşterea persoanelor cheie
este deseori foarte importantă pentru generarea inovaţiilor pe baza
principiilor ştiinţifice; acest tip se referă indirect şi la aptitudini, respectiv
la capacitatea de a face lucruri la un nivel practic.
Know-what şi know-why sunt tipurile codificabile, mai uşor transmisibile şi
comercializabile, în timp ce know-how şi know-who sunt intangibile, greu de
transmis şi de valorificat într-un timp scurt. Cunoştinţele din cadrul ultimelor două
tipuri au o importanţă deosebită datorită dificultăţii de a fi obţinute, ele necesitând
procese de lungă durată şi cheltuieli imense (în această categorie intră desigur
educaţia).
Tabelul 1.1 O taxonomie a cunoaşterii
(Sursa: Zeleny, M., Human Systems Management - Integrating Knowledge, Management and
Systems, World Scientific, London, 2005, p.14)
Milan Zeleny (tabelul 1.1) face o paralelă între câteva dintre aceste
metafore ale cunoaşterii identificate ca scop, anumite efecte scontate, unele
exemple de stadii din fabricaţia unui produs, diferite tipuri de sisteme
informaţionale utilizate (EDP - Electronic Data Processing, MIS – Management
Information Systems, DSS - Decision Support Systems, ES - Expert Systems, AI –
Artificial Intelligence, WS - Wisdom Systems, MSS - Management Support
Systems), respectiv poziţia spre care se tinde pe axa: date, informaţii, cunoaştere,
înţelepciune. Paralela ne-a atras atenţia mai ales prin poziţionarea sistemelor de
asistare a deciziilor la nivelul central al axei (cunoaştere, metafora know-how).
1.2.3 Delimitări între cunoaştere şi cunoştinţe
În condiţiile în care corespondentele knowledge, connaissance/savoir - în
limbile engleză şi franceză, sunt substantive cu formă de singular, devine cu atât
mai dificil demersul care trebuie să stabilească distincţii clare între cunoaştere şi
cunoştinţe, altfel, ambele variante fiind acceptate de majoritatea dicţionarelor de
conversie în limba română.

Cunoaşterea poate fi privită inclusiv ca o reflectare în conştiinţă a realităţii

existente independent de subiectul cunoscător şi, de aceea, un întreg eminamente
subiectiv. În unele accepţiuni25 se vorbeşte despre cunoştinţe, abilităţi, competenţe,
aptitudini ca structuri de cunoaştere. Rezultă clar că ceea ce numim cunoştinţe pot
fi considerate mai degrabă părţi ale acestui întreg, la rândul lor sume de noţiuni,
idei sau informaţii.
Centrul de Studii Complexe din Bucureşti26 se ocupă de dezvoltarea unei
metode originale de educaţie nonformală denumită NEXUS–T, metodă ce are ca
principal obiectiv transformarea cunoştinţelor în cunoaştere, inclusiv prin formarea
de abilităţi specifice:
• atenţia;
• curiozitatea şi capacitatea de observare;
• capacitatea de sinteză a datelor şi operare coerentă în abstract;
• capacitatea de investigare în profunzime a fenomenelor;
• capacitatea de comunicare şi colaborare;
• toleranţa şi respectul pentru diversitatea biologică şi culturală.
Dintr-o altă perspectivă legată de specificul tehnologiei informatice
utilizate, amintim cu titlu de exemplu de noţiunea mult vehiculată “knowledge
base”, tradusă în literatura română de specilitate privind inteligenţa artificială şi
sistemele expert, ca bază de cunoştinţe27, menită să stocheze piese de cunoaştere28
sau cunoştinţe specifice unui domeniu aplicativ. Astfel, raportându-ne strict la acest
exemplu, relaţia cunoaştere-cunoştinţe se arată a fi tot una de tip întreg-parte.
1.3 ORGANIZAŢIA BAZATĂ PE CUNOAŞTERE ŞI MANAGEMENTUL
CUNOAŞTERII
În general, cunoaşterea poate fi apreciată ca o resursă inepuizabilă şi
extensibilă. Însă, aşa cum afirma Peter Drucker29, ea trebuie să fie extrem de
specializată pentru a deveni productivă. De aici, nevoia de specialişti sau de aşa-
zişii „muncitori ai cunoaşterii”, în majoritatea cazurilor angajaţi ai unei organizaţii
devenită una bazată pe cunoaştere. Ea va reprezenta ceva mai mult decât un simplu
cadru de lucru în care se întâlnesc echipe de specialişti, presupunând totodată
tradiţii, credinţe, valori distincte, cunoaştere organizaţională şi gestionarea
acestora.
25
Neacşu, I., Învăţarea academică independentă. Ghid metodologic,
<http://www.unibuc.ro/uploads_ro/36833/Invatarea_academica_independenta.pdf>
26
http://www.complexity.ro/html/educatie.html
27
http://www.ace.tuiasi.ro/~fleon/Lab_IA/LaboratorIA05.pdf
28
http://portal.feaa.uaic.ro/C5/C4/Sisteme%20Expert%20in%20Contabilitat/Document%20
Library/CAPIV_VII.pdf
29
Drucker, P., F., Knowledge Work and Knowledge Society The Social Transformations of
this Century,
<http://www.ksg.harvard.edu/ifactory/ksgpress/www/ksg_news/transcripts/drucklec.htm>

1.3.1 Câteva accepţiuni ale organizaţiei bazate pe cunoaştere

Încă din 1984, Huber30 îşi punea în mod explicit problema naturii şi
proiectării organizaţiilor ”post-industriale” şi remarca necesitatea unui model
organizaţional specific tipului de societate ce îi succede celei industriale.
Holsapple şi Whinston31 defineau organizaţia bazată pe cunoaştere de pe o
poziţie de promotori ai tehnologiei informatice. Ei considerau că aceasta este o
colectivitate de lucrători cu muncă de concepţie, interconectaţi printr-o
infrastructură computerizată. Trăsăturile pe care ei le considerau specifice acestui
tip de organizaţie se referă la existenţa staţiilor de lucru locale, a centrelor de
suport, a canalelor de comunicaţii şi a colecţiilor distribuite de cunoştinţe.
Prin prisma unei abordări manageriale, Peter Drucker a considerat drept
model organizaţional al secolului al XXI-lea, firma bazată pe informaţii,
caracterizată de: preponderenţa profesioniştilor, aplatizarea ierarhică, respectiv
coordonarea cu mijloace non-autoritare de tipul standardelor, normelor sau
regulilor.
Problematica şi terminologia se dovedesc a fi ceva mai vaste dacă luăm în
calcul vehicularea paralelă a unor noţiuni precum ”organizaţie centrată pe
memorie” (Le Moigne, 1990), ”firmă intelectual-intensivă” (Nurmi, 1998) sau
”organizaţie inteligentă” (Hendriks, 1998)32.
Figura 1.2 Piramida cunoaşterii - accepţiune a lanţului valoric

(Sursa: Kelly, S., Data Warehousing in Action, John Wiley & Sons, 1997,
<http://my.dreamwiz.com/su0210
/publications/2002%20a2%20paper.pdf >)
Dincolo de aceste paradigme, definiţii şi termeni, în orice organizaţie

actuală, cunoaşterea trebuie considerată o resursă strategică strâns legată de33:
30
Dragomirescu, H., Organizaţii bazate pe cunoaştere,
<http://www.acad.ro/pro_pri/doc/st_g06.doc>
31
Holsapple, C., W., Whinston, A., B., Knowledge-Based Organization,
<http://www.indiana.edu/~tisj/readers/abstracts/5/5-2%20Holsapple.html>
32
Dragomirescu, H., Organizaţii bazate pe cunoaştere,
<http://www.acad.ro/pro_pri/doc/st_g06.doc>
33
Fotache, M., Probleme generale ale managementului cunoştinţelor,
<http://www.feaa.uaic.ro/cercetare/simpozioane/24_26_oct_2002/ziua2/sectiunea_ii/proble
me%20generale%20ale%20managementului%20cunostintelor.pdf>

cultură, identitate, rutine, proceduri, politici, sisteme, documente şi angajaţi.

Dealtfel, derivând din date şi informaţii, cunoaşterea are un caracter mult mai
complex, demonstrând maturitatea unui sistem34 (individ, grup, organizaţie), prin
raportare la aşa-zisa „piramidă a cunoaşterii” (fig.1.2).
1.3.2 Interpretarea sintagmei “muncitorii cunoaşterii”
În 1959, Peter Drucker propunea termenul original knowledge worker35 - în
traducere ad-literam “muncitorii cunoaşterii”, referindu-se de fapt la acele categorii
de angajaţi care desfăşurau activităţi ce se bazau în principal pe informaţie şi
cunoaştere şi mai puţin pe muncă manuală. În opinia sa36, ei diferă fundamental de
orice alt grup istoric, prin caracteristici, poziţie socială, respectiv prin valori şi
aşteptări proprii. Accesul acestora la locuri de muncă şi la poziţie socială se face
prin educaţia formală obţinută în şcoli, deşi din ce în ce mai multă cunoaştere este
dobândită dincolo de aceasta, prin educaţie sistematică şi continuuă. În plus, o
mare parte din munca lor, necesită în continuare abilităţi manuale.
La ora actuală, schimbul în structura muncii este mai evident ca niciodată
graţie omniprezenţei tehnologiei. În acest context, de pe o poziţie legată vizibil de
formaţia profesională, Bill Gates a utilizat termenul referindu-se la viitorul digital,
în care personalul angajat dispune de informaţii şi instrumente care îi ajută să
deservească clienţii oricând şi oriunde. Acest personal nu este limitat la angajaţii de
birou, ci sunt incluşi membri din fiecare departament.37 În plus, sunt avute în
vedere şase strategii de împuternicire a acestora, care privesc: memoria corporaţiei,
conectivitatea prin orice dispozitiv, tabloul de bord digital, aşa-numitele ”întâlniri
fără pereţi”, hârtia electronică, respectiv calculatoarele care văd, ascultă şi învaţă.
Într-una dintre cele mai recente lucrări ale sale38, Thomas Friedman
foloseşte din abundenţă acest termen generic şi, într-un anumit context legat de
specializarea muncii, respectiv a cererii, îl asociază cu activitatea de creare şi
vânzare de produse bazate pe o idee - servicii şi consultanţă, muzică, software,
marketing, medicamente etc.
După alte opinii39, cel puţin teoretic, aşa-zişii “muncitori ai cunoaşterii” se
referă la specialişti, profesionişti, experţi, manageri şi, în general, la acei angajaţi
34
http://www.tdan.com/i024fe02.htm
35
Rosenstein, B., Peter Drucker: The Ultimate Knowledge Worker, <http://www.ibiblio
.org/slanews/conferences/sla2006/presentations/drucker.pdf>
36
Drucker, P., F., Knowledge Work and Knowledge Society. The Social Transformations of
this Century,
<http://www.ksg.harvard.edu/ifactory/ksgpress/www/ksg_news/transcripts/drucklec.htm>
37
***, Microsoft, Knowledge Workers Without Limits,
<http://www.microsoft.com/presspass/press/1999/may99/
CEOSummpr.mspx>
38
Friedman, T., The world is flat: A brief history of the 21st century, Farrar, Straus and
Giroux, New York, 2005, p.231
39
Bergeron, B., Essentials of Knowledge Management, John Wiley & Sons Inc., New
Jersey, 2003, p.58

care aduc o contribuţie semnificativă la capitalul intelectual al unei organizaţii. De

exemplu, managerii de la toate nivelurile pot fi consideraţi muncitori ai cunoaşterii
în măsura în care, implicaţi fiind în crearea de noi surse de câştig, ei folosesc
cunoaşterea existentă, şi reorganizează informaţii despre produse şi pieţele de
desfacere noi sau deja existente. Practic însă, chiar şi muncitorii manufacturieri
contribuie cu un anumit tip de cunoaştere specific ocupaţiei lor. Din acest motiv,
putem trage concluzia că distincţia este una relativă.
Nancy Fraser40 îi numeşte “muncitori simbolici” (symbolic workers) prin
contrast cu muncitorii tradiţionali (din fabrici) şi îi consideră o formă de
manifestare a exploziei culturii specifice societăţii cunoaşterii.
Indiferent de termenul ales pentru a-i desemna, ei se disting prin câteva
trăsături specifice41:
¾ ocupaţii care implică mai mult gândirea şi mai puţin munca fizică;
¾ activităţi specifice pe care le realizează indiferent de titlul sau de
specificaţiile postului:
documentare;
raportare;
diseminarea informaţiilor;
¾ instrumente specifice de lucru;
¾ un sistem de educaţie continuu;
¾ comunicare şi lucru în echipă42;
¾ flexibilitate43;
¾ migraţie internaţională44.
1.3.3 Semnificaţia culturii organizaţionale
În numeroase situaţii concrete, se constată că multe dificultăţi cu care se
confruntă o organizaţie ţin de mentalitate. Mai concret, de mentalitatea angajaţilor,
care se manifestă adesea ca învechită, constituind o barieră greu de trecut,
indiferent de strategiile planificate şi aplicate sau de resursele alocate.
Conform dicţionarului explicativ al limbii române45, mentalitatea este un
fel particular de a gândi şi de a reacţiona al unui individ sau al unei colectivităţi.
Mai mult, personalitatea unui om este alcătuită dintr-o mulţime de trăsături
40
Fraser, N., Social Justice in the Knowledge Society: Redistribution, Recognition, and
Participation, <http://wissensgesellschaft.org/themen/orientierung/socialjustice.pdf>
41
Bergeron, B., Essentials of Knowledge Management, John Wiley & Sons Inc., New
Jersey, 2003, p.59
42
http://www.mercer.com/referencecontent.htm?idContent=1314145
43
Demaiter, E., Knowledge Workers in the New Economy: Skill, Flexibility and
Credentials, <http://www.all
academic.com/meta/p_mla_apa_research_citation/1/7/8/3/9/p178393_index.html>
44
Kuhn, P., J., McAusland, C., The International Migration of Knowledge Workers: When
is Brain Drain Beneficial, <http://www.nber.org/papers/w12761>
45
http://dexonline.ro/search.php?cuv=mentalitate&source=

intelectuale şi morale relativ permanente şi stabile. De aici, tragem concluzia că

cele două arată modul în care se manifestă indivizii într-o situaţie dată, respectiv
cum percep şi îşi reprezintă realitatea. Însă în calitate de angajaţi ai unei
organizaţii, aceste manifestări sunt şi o consecinţă a simbolurilor, legendelor,
eroilor, tabuurilor, ritualurilor, ceremoniilor şi, nu în ultimă instanţă, a valorilor
promovate în organizaţie. Acestea ţin de cultura organizaţională, care, în opinia lui
Geert Hofstede46, reprezintă chiar o programare mentală colectivă, care deosebeşte
membrii unei organizaţii de membrii alteia.
Edgar Schein47 defineşte cultura organizaţiei ca fiind, în forma cea mai
simplă, ceea ce un grup învaţă după o perioadă de timp în care îşi rezolvă
problemele de supravieţuire într-un mediu extern, respectiv problemele interne de
integrare. El distinge trei componente ale acesteia (fig.1.3), care corespund în mod
intuitiv unor procese comportamentale, cognitive, respectiv emoţionale:
¾ aparenţele sunt elemente de suprafaţă şi se referă la acele aspecte
palpabile, însă, deocamdată, greu de înţeles;
¾ valorile adoptate se regăsesc dincolo de obiecte şi se referă la strategii
conştiente, scopuri şi filozofii;
¾ credinţele şi valorile fundamentale constituie esenţa sau nucleul culturii şi
sunt dificil de distins deoarece ele există la un nivel inconştient acut; ele
sunt cele care furnizează cheia înţelegerii motivelor pentru care anumite
lucruri se petrec într-un anume fel, din moment ce se formează în jurul
unor dimensiuni profunde ale existenţei umane, cum ar fi natura umană,
relaţiile, activităţile inter-umane, realitatea şi adevărul.
Figura 1.3 Cultura organizaţională în viziunea lui Schein

(Sursa: Schein, E., Organizational Culture and Leadership, 2nd Edition, Jossey-Bass, 1992,
<http://www.onepine.info/pschein.htm>)
46
Hofstede, G., People whose ideas influence organisational work,
<http://www.onepine.info/mcult.htm>
47
Schein, E., H., Organizational Culture, American Psychologist, February 1990, vol.45,
no.2, p.111

Cultura organizaţională trebuie privită la un moment dat altfel decât ca o

sumă de componente specifice indivizilor. De aceea, o dificultate esenţială care
trebuie să preocupe organizaţia este asigurarea compatibilităţii culturii individuale
a angajaţilor cu cea specifică organizaţiei. Odată realizată, această compatibilitate
transformă cultura organizaţională într-un determinant al acţiunilor,
comportamentelor şi percepţiilor indivizilor, de multe ori miza fiind una ce ţine de
realizarea obiectivelor de performanţă prin formularea şi susţinerea de strategii şi
politici.
În ceea ce priveşte aspectele culturale, adesea, acestea nu concordă cu ceea
ce numim cultură organizaţională. Psihologii ajung chiar la concluzia că efectul cel
mai bun îl are uneori ignoranţa, fiind de la sine înţeles că indivizii nu se pot adapta
perfect la cultura unei organizaţii. Deşi fiecare are particularităţi culturale
individuale, important e că în ansamblu, cultura individului trebuie să fie
compatibilă cu cea a organizaţiei.
1.3.4 Organizaţia cunoaşterii sau una bazată pe învăţare şi inovare
În teoriile despre învăţare din domeniul psihologiei, accentul este pus pe
învăţarea individuală, fiind natural a ne gândi la cunoaştere ca aparţinând
individului. Din această perspectivă, competenţa organizaţiilor ar fi reflectată prin
însumarea cunoaşterii fiecărui individ. În contrast, teoriile economice şi
manageriale răstoarnă această viziune, aratând, de fapt, limitările individualismului
în producerea de cunoaştere. Astfel, încă din 1919, Marshall indica reţelele
regionale ca locaţii pentru cunoaştere specializată. Mai târziu, teoriile firmei aveau
să privească competitivitatea companiilor ca reflectând competenţe specifice. În
plus, aceste teorii aveau să pună accentul pe învăţarea şi abilităţile de echipă mai
curând decât pe cele individuale, ca şi elemente cheie ale competitivităţii48.
Plecând iniţial de la un model cu trei elemente - variabilele de conducere,
strategia de acţiune, respectiv consecinţele, încă din 1978, Argyris şi Schön49
făceau distincţie între învăţarea printr-o singură buclă şi învăţarea prin buclă dublă
(fig.1.4). Astfel, prima ar consta în modificarea acţiunilor indivizilor, grupurilor şi
organizaţiilor în concordanţă cu diferenţa dintre rezultatele aşteptate şi cele
obţinute, în timp ce învăţarea în buclă dublă ar fi învăţarea despre cea printr-o
singură buclă. Aceasta ar însemna că entităţile (indivizii, grupurile şi organizaţiile)
pun în discuţie valorile, presupunerile şi politicile care conduc la acţiuni şi sunt
capabile să vadă necesitatea schimbării şi să le modifice.
48
***, OECD, Knowledge Management in the Learning Society, Education and Skills,
Paris, 2000, p.19
49
Argyris, C., Theories of action, double-loop learning and organizational learning,
<http://www.infed.org
/thinkers/argyris.htm>

Figura 1.4 Învăţarea în buclă simplă şi învăţarea în buclă dublă

(Sursa: http://www.infed.org/thinkers/argyris.htm)
Încă din 1994, Nonaka şi Takeuchi au publicat modelul spiralei învăţării

organizaţionale în patru etape. Ei au pornit de la diferenţierea conceptului lui
Polanyi, „cunoştinţe tacite”, de cel de „cunoştinţe explicite”, descriind un proces
care alternează între cele două. Astfel, cunoştinţele tacite ale personalului cheie din
cadrul organizaţiei pot fi făcute explicite, codificate în manuale şi încorporate în
noi produse sau procese - externalizare. Invers, adică prin internalizare sau
interiorizare, angajaţii sunt familiarizaţi prin programe de instruire, cu o serie de
reguli formale, proceduri şi alte forme de cunoştinţe explicite. Modelul utilizează şi
termeni precum cel de „socializare”, subliniind aspecte privind împărtăşirea
cunoştinţelor tacite, respectiv „combinare”, pentru a înfăţişa sistematizarea şi
descompunerea cunoaşterii explicite. În felul acesta, crearea cunoştinţelor şi
învăţarea organizaţională cuprind: socializare, externalizare, combinare,
internalizare, externalizare, combinare şi aşa mai departe, într-o spirală infinită
(fig.1.5).
Figura 1.5 Spirala creării cunoaşterii organizaţionale

(Sursa: Nonaka, I., A Dynamic Theory of Organizational Knowledge Creation, Organization Science,
vol.5, no.1, February 1994, p.20)
Prin urmare, suntem de acord că învăţarea organizaţională50 este procesul

prin care o organizaţie (companie, instituţie) se adaptează mediului învăţând atât
50
http://www.inoventis.ro/glosar_mc.php

din propriile acţiuni, cât şi din surse externe, la baza acestui proces aflându-se
învăţarea de nivel individual, fundamentată pe o cultură organizaţională care să
acorde acesteia importanţa cuvenită. Mai mult, din moment ce cunoaşterea tacită şi
experienţa, dobândite astfel sunt mai greu de obţinut prin educaţie formală sau
pregătire, se recomandă un ciclu continuu al descoperirilor, diseminărilor.
Organizaţia bazată pe învăţare devine astfel una în care managerii şi angajaţii sunt
continuu interesaţi de dezvoltarea competenţelor lor în particular şi de cele ale
organizaţiei în general, procesul de învăţare, având ca scop creşterea gradului de
inovare, de eficienţă şi performanţă.
1.3.5 Managementul cunoaşterii
Managementul cunoaşterii51 apare adesea ca o metodă practică de
promovare a învăţării organizaţionale. Totuşi, problematica managementului în
raport cu cunoaşterea este privită adesea în două moduri52:
¾ ca management al organizaţiei, care se preocupă de utilizarea şi
integrarea diferitelor tipuri de cunoaştere;
¾ ca management al cunoaşterii propriu-zise.
Dincolo de relaţia întreg-parte53 - managementul organizaţiei trebuie, de
fapt, să cuprindă şi managementul cunoaşterii - cele două aspecte trebuind îmbinate
într-o viziune generală despre managementul organizaţiei şi al cunoaşterii.
Astfel, Grayson54 arată că în fiecare organizaţie există rezervoare ascunse
de cunoaştere care nu sunt cunoscute şi care trebuie extrase (knowledge mining),
capturate, organizate şi transferate pentru a contribui la creşterea valorii, a
profitului şi a eficienţei. El propune pentru managementul cunoaşterii cinci
propoziţii de ghid strategic:
• Cunoaşterea este un produs;
• Transferul de cunoaştere se face prin cele mai bune metode;
• Cunoaşterea este focalizată spre client;
• Responsabilitatea pentru cunoaştere este mai ales una personală;
• Strategia managementului trebuie să aibă în vedere activele
intelectuale.
Ravindranath Madhavan şi Rajiv Grover55 acordă atenţie managementului
cunoaşterii pentru dezvoltarea de noi produse. În accepţiunea lor, acest tip de
management trebuie să pună accentul pe procesele grupurilor cognitive şi nu pe
51
Deaconu, A., Învăţarea organizaţională şi drumul spre performanţă,
<http://www.spiruharet.ro/ecel/w29.pdf>
52
http://www.racai.ro/INFOSOC- Project/Draganescu_st_a01_new.pdf
53
http://www.uts.edu.au/fac/hss/Departments/DIS/km/introduct.htm#Char
54
Grayson, C., et al., Mining your hidden resources, Across the Board, 35(4): 23-28, April,
1998,<http://www.uts.edu.au/fac/hss/Departments/DIS/km/Resources/KMIntro/index.htm>
55
Madhavan, R., Grover, R., From Embedded Knowledge to Embodied Knowledge: New
product development as knowledge management, Journal of Marketing. 62(4): 1-12, 1998
Oct.,<http://www.uts.edu.au/fac/hss/Departments/DIS/km/introduct.htm#Char>

procesele sociale, pentru a utiliza cunoaşterea tacită a membrilor şi a o face

importantă mai întâi pentru aceştia.
Lucy Marshall56 arată că managementul cunoaşterii se referă la controlul şi
utilizarea capitalului intelectual într-o organizaţie. Autorul afirmă în mod clar că nu
informaţia, ci cunoaşterea este cel mai mare activ al unei instituţii, recomandând ca
o instituţie să aibă un Chief Knowledge Officer, care trebuie să se bazeze pe
intranet-ul instituţiei pentru a asigura descoperirea şi crearea de cunoaştere în
cadrul acesteia.
Dincolo de aceste opinii, în analiza managementului cunoaşterii se pleacă
de regulă, de la câteva premise57:
9 economice - economiştii au observat că se poate învăţa din experienţă. Astfel,
a apărut modelul dezvoltat de Kenneth Arrow learning by doing. Dacă organizaţiile
au strategii de învăţare atunci ele au toate şansele de a deveni mai eficiente, iar
dezvoltarea unor asemenea strategii a devenit o temă importantă a managementului
cunoaşterii.
9 sociologice - sociologii au contribuit atât la perspectivele macro cât şi
microeconomice ale managementului cunoaşterii. La nivel microeconomic, punctul
central al cercetării este structura complexă a reţelelor interne şi a comunităţilor
care au o relevanţă deosebită pentru managementul cunoaşterii pentru că în cadrul
lor, cunoaşterea este utilizată şi dezvoltată. Din acest motiv s-a dezvoltat şi
cercetarea reţelelor şi comunităţilor, acestea reprezentând cele mai productive
unităţi ale analizei pentru implementarea cunoaşterii rezultată din experienţă.
În munca sa sociologică de pionierat, Durkheim pune accentul pe faptele sociale58
ce reprezintă comportamente în măsură să exercite o restricţie externă asupra
individului. Ele stau la baza modului social de a gândi. Mai mut decât în teorie,
managementul cunoaşterii se concentrează pe ceea ce fac oamenii, circumstanţele
în care ei asigură sau nu distribuirea cunoştinţelor; modul în care ei utilizează,
schimbă sau ignoră ceea ce trebuie să înveţe de la alte persoane. Astfel, faptele
sociale conduc la dezvoltarea tehnologiilor şi tehnicilor pentru managementul
cunoaşterii.
9 filozofice şi psihologice - încă de la început, managementul cunoaşterii s-a
concentrat asupra diferenţelor dintre cunoştinţele tacite şi cele explicite ca şi dintre
know-how şi know-what. Această distincţie realizată pentru prima dată de Aristotel
a fost dată uitării până după cel de al doilea război mondial, când au survenit
numeroase salturi ale sistemelor şi multe activităţi de rutină au devenit
computerizate. În ultima perioadă, tehnologiile de stocare au permis accesul la o
56
Marshall, L., Facilitating knowledge management and knowledge sharing: New
opportunities for information professionals, 1997 Sep/Oct., <http://www.uts.edu.au/fac/hss/
Departments/DIS/km/introduct.htm#Char>
57
Prusak, L., Where did knowledge management come from?,<http://www.research
.ibm.com/journal/sj/404/prusak.html>
58
Durkheim, E., The Rules of Sociological Method, New York, The Free Press of Glenco,
1895, <http://www.cf.ac.uk/socsi/undergraduate/introsoc/durkheim.html>

mare cantitate de informaţii. Însă, creşterea valorii cunoaşterii tacite, nedigitizate s-

a datorat mai ales rarităţii - expertiza care nu poate fi copiată şi larg accesibilă.
Aspectele psihologice sunt legate de diferitele moduri în care oamenii
învaţă, uită, ignoră, acţionează sau eşuează în acţiunile lor. Psihologia se
concentrează asupra aspectelor cognitive dar ridică şi întrebări despre motivare,
demonstrând faptul că este imposibil să privim cunoaşterea în termenii unui
transfer mecanic, de la emiţători către receptori.
Rigorile economice şi observarea sociologică, luate împreună, ca şi
înţelegerea filozofiei şi psihologiei, dau managementului cunoaşterii un scop
intelectual şi substanţa de care acesta are nevoie pentru a sugera complexitatea
aspectelor umane în cadrul unei organizaţii.
Conform opiniei lui Yogesh Malhotra59, managementul cunoaşterii se
concentrează pe „a face ceea ce trebuie” în loc de “a face lucrurile cât mai bine”. El
este un cadru de lucru, conform căruia organizaţiile văd toate procesele proprii ca
procese de cunoaştere. În această viziune, toate procesele economice includ
crearea, diseminarea, reînnoirea şi aplicarea cunoştinţelor în direcţia susţinerii şi
supravieţuirii organizaţiei. Necesitatea unei asemenea acţiuni decurge din faptul că
ceea ce funcţionează astăzi s-ar putea să nu funcţioneze mâine.
Malhotra identifică şi două tipuri de management al cunoaşterii, şi
60
anume :
9 Managementul cunoaşterii pentru procesarea informaţiilor structurate şi de
rutină, în conformitate cu definiţia dată de Gartner Group61 - managementul
cunoaşterii promovează o abordare integrată de identificare, capturare, utilizare,
partajare şi evaluare a activelor informaţionale ale firmei. Aceste active pot include
baze de date, documente, politici, proceduri precum şi expertiza tacită şi experienţa
stocată în mintea indivizilor care nu pot fi capturate. Acest model (fig.1.6) se
bazează pe caracterul pre-determinist al logicii afacerii şi se concentrează asupra
următoarelor aspecte:
¾ reutilizarea cunoştinţelor existente în detrimentul generării de cunoştinţe
noi;
¾ atribuţiile managerilor constau în principal în minimizarea variaţiilor de
la performanţele prespecificate;
¾ toate cunoştinţele relevante, inclusiv cunoaşterea tacită, pot fi stocate într-
un sistem computerizat;
¾ aceleaşi cunoştinţe pot fi reutilizate de orice minte umană sau computer
pentru a relua aceeaşi logică a proceselor şi a produce aceleaşi rezultate;
59
Malhotra, Y., Knowledge management, knowledge organizations & knowledge workers:
a view from the front lines, <http://www.brint.com/interview/maeil.htm>
60
Malhotra, Y., Why knowledge management systems fail? Enablers and constraints of
knowledge management in human enterprises, <http://www.brint.org/WhyKMSFail.htm>
61
Oracle Magazine, 1998, în Herschel, R., T., KM & Business Intelligence: The importance
of integration, <http://www-sop.inria.fr/acacia/WORKSHOPS/IJCAI2005-OM/articlesPDF
/13-OM2005.pdf>

¾ obiectivul primordial al sistemului este de a eficientiza la maxim

transformarea unor intrări prespecificate în ieşiri predeterminate;
¾ trebuie reduse la maxim interpretările subiective ale informaţiei - în
special criticismul şi conflictele - pentru a obţine acordul şi
conformitatea.
Figura 1.6 Managementul cunoaşterii - procesarea informaţiilor structurate şi de rutină

(Sursa: Malhotra, Y., Why knowledge management systems fail? Enablers and constraints of
knowledge management in human enterprises, <http://www.brint.org/kms.pdf>)
9 Managementul cunoaşterii pentru stabilirea sensului informaţiilor

nestructurate şi non-rutină - model ce prezintă cunoaşterea ca inteligenţă în
acţiune, ca o construcţie compozită rezultată din interacţiunea dintre date,
informaţii, reguli, proceduri, practici consacrate şi trăsăturile caracterului uman
precum atenţie, motivare, creativitate, inovaţie. Modelul (fig.1.7) prezintă o
abordare mult mai realistă şi de mai mare acurateţe asupra creării cunoştinţelor în
baza înţelegerii modului în care fiinţa umană procesează informaţia pentru a lua
decizii care îi influenţează acţiunile. Acţiunile umane tind să se schimbe continuu
pe măsură ce sunt realizate aceleaşi sarcini în mod repetat. Procesul de creare a
cunoaşterii este, de aceea, dinamic.
Figura 1.7 Managementul cunoaşterii pentru stabilirea sensului informaţiilor nestructurate şi non-
rutină
(Sursa: Malhotra, Y., Why knowledge management systems fail? Enablers and constraints of
knowledge management in human enterprises, <http://www.brint.org/WhyKMSFail.htm>)
Modelul anterior conţine două caracteristici esenţiale:

¾ utilizarea datelor, informaţiilor, practicilor consacrate depinde de
interpretarea (construcţia) subiectivă a indivizilor şi grupurilor ce
transformă aceste intrări în acţiune şi performanţă;

¾ ieşirile necesită o reevaluare continuă, în funcţie de noile condiţii de

mediu, pentru a avea siguranţa că sunt cele mai bune la momentul
respectiv.
Ikujiro Nonaka identifică un nou stil de management, middle-up-down
management în contrast evident cu modelele top-down şi bottom-up. Acest nou
model de management este potrivit pentru promovarea unui proces eficient de
creare a cunoştinţelor unei organizaţii. El evidenţiază rolul managerilor executivi -
top managers - dar şi a celor tactici - middle managers - în crearea cunoştinţelor.
Mai mult, middle-up-down (tabelul 1.2) înseamnă a considera toţi membrii
organizaţiei ca actori care conlucrează atât pe verticală cât şi pe orizontală şi care,
împreună participă la crearea cunoştinţelor. Nu există un departament special sau
un grup de experţi care să fie exclusiv responsabili de crearea cunoştinţelor.
Tabelul 1.2 Tipuri consacrate de management, prezentate comparativ
(Sursa: Nonaka, I., A dynamic theory of organizational knowledge creation în The strategic
management of intellectual capital and organizational knowledge, Oxford University Press, 2002,
p.454)
În esenţă, managerii tactici sintetizează cunoaşterea tacită de la nivelul

angajaţilor şi de la nivelul managementului executiv, o transformă în cunoaştere
explicită şi o materializează prin tehnologii şi produse noi. Ei devin astfel
adevăraţii „ingineri ai cunoaşterii” într-o organizaţie.

Implementarea soluţiilor pentru managementul cunoaşterii trebuie să

apeleze la strategii, cum sunt62:
• perioadele de ucenicie – în cadrul cărora noii salariaţi fac parte pentru o
perioadă dintr-un grup de lucru şi sunt utile mai ales în situaţiile în care
experienţa nu poate fi acumulată în scurt timp sau numai din materiale
documentare;
• comunităţile de elită – sunt grupuri de persoane care realizează în comun
diverse activităţi de-a lungul unei perioade fără a forma o echipă, au un rol
deosebit de important în transferul cunoaşterii tacite în şi între organizaţii;
• experţii – interviurile luate experţilor au rolul de transformare a cunoaşterii
tacite în cunoaştere explicită;
• studiile de caz – conţin un volum foarte mare de informaţii şi sunt dedicate
unui număr mare de persoane;
• chestionarele – sunt utile în determinarea ideilor constructive şi în identificarea
modalităţilor de îmbunătăţire a rezultatelor;
• jocurile educative – pentru testarea nivelului de cunoştinţe pe parcursul
învăţării;
• pregătirea pe parcursul desfăşurării activităţilor – instrucţiuni de realizare a
diverselor sarcini, cu rol deosebit în învăţarea procedurilor de lucru;
• nararea – constă în utilizarea de anecdote, scenarii pentru ilustrarea unor
puncte de vedere şi pentru asigurarea transferului cunoştinţelor. Organizaţiile
care aplică soluţiile pentru managementul cunoaşterii trebuie să-şi regândească
infrastructura informaţională pentru a face faţă cerinţelor impuse de aceste
soluţii.
În literatura de specialitate,63 se vorbeşte chiar de o structură a
tehnologiilor pentru managementul cunoaşterii:
• munca colaborativă cu suport în tehnologia de calcul (inclusiv Groupware);
• sistemele hipertext distribuite şi deschise;
• managementul documentelor;
• sistemele informaţionale geografice;
• tehnologiile help-desk;
• intranet-urile;
• reprezentarea cunoaşterii (inclusiv conceptele de mapare, reţele semantice şi
modelare a informaţiei şi a hipertextului);
• partajarea cunoaşterii;
• metadatele;
• ontologiile.
62
http://www.cs.state.ny.us/successionplanning/workgroups/knowledgemanagement/strateg
ies.html
63
Nickols, F., KM Overview. Technologies & Tools, <http://home.att.net/~discon/KM/KM
_Overview_Technologies.htm>

1.4 DE LA ECONOMIA TRADIŢIONALĂ LA ECONOMIA

CUNOAŞTERII
Prin prisma obiectivului fundamental, o economie este eficientă, dacă
poate satisface maximum de nevoi date, cu resurse limitate. Însă, prin natura lor
imaterială, atât informaţiile cât şi cunoaşterea schimbă puţin această perspectivă,
dacă sunt privite ca resurse. Adăugând la aceasta diversitatea şi capacitatea ridicată
de autogenerare obţinem un scenariu complet nou.
1.4.1 Evoluţia factorilor de producţie
Economiştii clasici considerau că pentru a produce bunuri şi servicii era
necesară utilizarea unor resurse sau factori de producţie: pământul, munca şi
capitalul. Această clasificare a factorilor continuă să fie foarte utilizată şi în
prezent64, deşi în condiţiile noii economii, alături de factorii de producţie
tradiţionali, se impun cu rol determinat în progresul economic cunoaşterea
ştiinţifică, respectiv tehnologia. Aceste două noi categorii dezvăluie şi o modificare
de natură (materiale/imateriale) în evoluţia factorilor de producţie (fig.1.8).
Figura 1.8 Tendinţe în evoluţia factorilor de producţie

(Surse: http://www.idemployee.id.tue.nl/g.w.m.rauterberg/
presentations/ICTeconomy/ICTeconomy.PPT
http://pib.nic.in/archieve/lreleng/lyr2003/rjan2003/04012003/Image16.jpg)
În aceste condiţii, se poate vorbi chiar de un model economic diferit, în

care:
• cunoaşterea este un factor de producţie neafectat de raritate, a cărui
acumulare are ca efect creşterea economică;
• noile tehnologii constituie un suport al viitoarelor inovaţii, şi în
acelaşi timp o forţă cheie în asigurarea creşterii economice prin
rambursarea investiţiilor.
Forţând termenii, „consumul” unei „cantităţi” de cunoaştere nu conduce la
diminuarea „stocului” total, ci, din contră, determină sporirea cunoaşterii
acumulate. De pildă, numai prin aprofundarea unui domeniu se pot aduce
îmbunătăţiri şi se pot dezvolta noi teorii şi aplicaţii. De fapt, aceasta înseamnă că
prin utilizare cunoaşterea se apreciază, devenind mai efectivă şi mai eficientă. Mai
64
http://www.eumed.net/ecorom/IV.%20Functionarea%20pietelor/1%20factorii_de_
productie.htm

mult, cunoaşterea are şi caracteristicile unui bun public. Astfel, se poate întâmpla
ca aceasta să nu fie protejată prin dreptul de proprietate intelectuală. De asemenea,
consumul unei părţi nu afectează consumul alteia, deşi, aşa cum arată Stiglitz65, o
carte aflată într-o bibliotecă nu poate fi citită de două persoane în acelaşi timp. Însă
materialul conţinut într-o carte sau pe un suport electronic de stocare (ex.: hard
disk) nu mai trebuie refăcut pentru un alt utilizator - de aici, aşa-numitul cost
marginal nul.
Productivitatea cunoaşterii, aşa cum afirma Peter Drucker66, va fi decisivă
în succesele economice ale unei ţări sau întreprinderi. Mai mult, în viitor,
diferenţele între ţările bogate şi cele mai puţin bogate nu vor consta în gradul de
dotare şi utilizare al factorilor de producţie clasici, ci în producerea, accesarea şi
utilizarea cunoaşterii. Însă datorită inexistenţei sau cel puţin a insuficienţei unui set
adecvat de indicatori, determinarea eficienţei utilizării “stocului de cunoaştere” în
procesul reproductiv rămâne de multe ori un aspect dificil de cuantificat.
Cât priveşte tehnologiile, în opinia profesorului Paul Romer67, investiţiile
le pot face mult mai valoroase şi reciproc, acest ciclu garantând o rată de creştere
economică permanentă. Din aceeaşi perspectivă, deţinerea monopolului invenţiilor
poate conduce la stimularea activităţii companiilor şi îndreptarea acestora către
investiţii în cercetare-dezvoltare pe baza inovaţiilor tehnologice. Dealtfel, Romer
este un reprezentant al teoriei creşterii bazată pe muncă, prin care se încearcă
punerea în valoare a factorilor creşterii pe termen lung, cu care modelele
tradiţionale economice aveau dificultăţi în reprezentare. El priveşte tehnologia şi
cunoaşterea pe care aceasta se bazează ca fiind o parte intrinsecă a sistemului
economic.
1.4.2 Delimitări privind cunoaşterea, capitalul uman şi capitalul
intelectual
Considerat de cei mai mulţi economişti un factor de producţie derivat în
raport cu pământul şi munca (privite ca primare), capitalul, format în esenţa sa din
bunuri destinate activităţii economice pentru a produce noi bunuri, s-a îmbogăţit ca
şi concept cu noi semnificaţii şi arii de folosire. În felul acesta au apărut noţiuni noi
precum acelea de capital uman şi capital intelectual.
Primul termen evidenţiază şi necesitatea educaţiei sau nevoia de a dezvolta
anumite aptitudini care să servească în procesul de muncă. Pe de altă parte, acesta
desemnează concomitent ceva fundamental, o sursă a înnoirii şi inovării.
65
Stiglitz, G., Public Policy for a Knowledge Economy, Remarks at the Department of
Trade and Industry and Center for Economic Policy Research, London, 1999,
<http://www.worldbank.org/html/extdr/extme/jssp012799a
.htm>
66
Drucker, P., F., Societatea postcapitalistă, Editura Image, 1999, p.10
67
http://www.stanford.edu/~promer/Int_re_macro.html

Figura 1.9 Structura capitalului intelectual şi crearea cunoaşterii

(Sursa: http://relationary.files.wordpress.com/2007/07/knowledge_and_ic.jpg)
În viziunea lui Thomas A. Stewart68, cel de-al doilea termen - capitalul

intelectual - se referă la materialul intelectual - informaţii, cunoştinţe, know-how,
proprietate intelectuală, experienţă, expertiză (fig.1.9) - care poate fi pus în
folosinţă pentru a crea bogăţie. La baza acestei definiţii se află practic două idei69
principale. Prima se referă la recunoaşterea faptului că într-o companie se află un
material intelectual constituit din cunoştinţe, informaţii, proprietate intelectuală şi
experienţă care nu apare în raportările financiare periodice, dar care poate contribui
la realizarea produselor şi serviciilor acesteia. Este vorba despre un potenţial
intelectual. Cea de a doua idee se referă la capacitatea acestui potenţial de a se
transforma în cadrul proceselor tehnologice şi manageriale într-o serie de elemente
operaţionale, active, creatoare de valoare, care să fie integrate în produsele finale
materiale şi imateriale ale companiei.
În opinia lui Strassman70 însă, capitalul intelectual este ceea ce rămâne
după ce furnizorii, salariaţii şi statul - taxe şi impozite - au fost plătiţi iar activele
absolute au fost înlocuite.
Leif Edvinson (Scandia) şi Pat Sullivan definesc capitalul intelectual ca şi
cunoştinţe care pot fi convertite în valoare. Cel dintâi merge chiar mai departe,
delimitând o serie de componente din structura capitalului intelectual (fig.1.10), în
conformitate cu schema valorii de piaţă. În această accepţiune, capitalul uman este
o componentă a capitalului intelectual, reprezentând combinaţia de cunoştinţe,
aptitudini, intuiţie, respectiv capacitatea indivizilor de a îndeplini sarcini, obiective
şi, totodată, anumite elemente ce ţin de valori, cultură şi filozofie. Capitalul
structural semnifică cunoştinţele care rămân în cadrul organizaţiei atunci când
68
Stewart, T., A., Intellectual Capital: The New Wealth of Organizations, Doubleday
Business, New York, 1999, p.XI
69
Curaj, A., Jianu., I., Capitalul Intelectual Organizaţional,
<http://www.knowledgedynamics.ro/?p=12>
70
Strassman, P., A., The Value of Knowledge Capital, American Programmer: Vol.11,
1998, <http://research
.airuniv.edu/papers/ay2001/afit/afit-glm-ens-01m-03.pdf>

oamenii „pleacă”, altfel spus, când nu se ia în calcul capitalul uman. La rândul său,
capitalul structural include alte două componente: capitalul organizaţional şi
capitalul comercial sau al pieţei.
Figura 1.10 Structura capitalului intelectual

(Sursa: Sveiby, K., E., Measuring Intangibles and Intellectual Capital - An emerging First Standard,
<http://www.sveiby.com/portals/0/articles/emergingstandard.html>
Primul include capacităţile organizaţiei sub forma de hardware, software,

baze de date, structuri organizaţionale, patente, mărci înregistrate şi orice altă
capacitate a organizaţiei care ajută la dimensionarea productivităţii indivizilor prin
transmitere şi schimb de cunoştinţe. Celălalt se referă la valoarea ce rezultă din
relaţiile firmei cu clienţii acesteia. Mai departe, capitalul organizaţional cuprinde
capitalul proceselor, respectiv pe cel inovaţional. Prima formă se referă la
procesele, activităţile şi infrastructura aferentă folosită pentru crearea, schimbul,
transmiterea şi diseminarea cunoştinţelor ce ajută la dimensionarea productivităţii
indivizilor unei organizaţii, în timp ce a doua reflectă capacitatea unei organizaţii şi
investiţiile curente destinate dezvoltării firmei: cercetare şi dezvoltare, patente,
mărci înregistrate, precum şi companii start-up cu importanţă sporită.
1.4.3 Globalizarea în strânsă legătură cu economia cunoaşterii
Ideea că o cultură îşi conservă originalitatea baricadându-se contra
influenţelor externe este o străveche iluzie. Rezultatul ei a fost întotdeauna exact
inversul a ceea ce se aştepta. Nu poţi fi diferit de unul singur. Numai libera
circulaţie a operelor, talentelor şi valorilor îi permite fiecărei culturi să se înnoiască
periodic şi să-şi perpetueze originalitatea. Izolarea nu conduce decât la sterilitate.
Demonstraţia ne conduce până la vechiul paralelism dintre Sparta şi Atena. Cetate
închisă, Atena a fost locul prolific, în care au înflorit literatura şi artele plastice,
filozofia şi matematica, ştiinţele politice şi istoria. “Apărându-şi cu dinţii”
specificul de excepţie, Sparta n-a reuşit decât bizara “izbândă” de a fi fost unicul
oraş grec în care nu s-a afirmat nici un poet, nici un orator, nici un gânditor şi nici
un arhitect. Ea şi-a obţinut diversitatea şi statutul de excepţie, prin asumarea
neantului pur71.
71
Revel, J., F, Obsesia antiamericană, Editura Humanitas, Bucureşti, 2004, p. 157

Teoria globalizării este una dintre cele mai utilizate în prezent pentru
explicarea tuturor tipurilor de procese sociale, economice, politice şi culturale ce se
manifestă la nivel mondial.72 Mai explicit, ideea de globalizare a pornit de la faptul
că multe probleme contemporane nu pot fi studiate adecvat la nivelul statelor având
în vedere relaţiile internaţionale dintre acestea, ele trebuind a fi privite în contextul
unor procese globale.
Cunoscută şi ca mişcare mondială către integrarea economică, financiară, a
schimbului şi a comunicării, globalizarea73 implică trecerea peste aspectele locale
şi naţionale, către o perspectivă mai largă asupra unei lumi interconectate şi
interdependente, cu mişcări libere de capital, bunuri şi servicii dincolo de
frontierele naţionale, însă, cel mai adesea ea nu se referă şi la aspecte precum
mişcarea necontrolată a forţei de muncă.
De obicei, globalizarea74 presupune difuzarea ideilor, practicilor şi
tehnologiilor, putând fi confundată cu internaţionalizarea, care este doar o
precondiţie a sa75. Însă globalizarea nu este simpla modernizare, “vesticizare” sau
liberalizare a pieţelor, ci o intensificare a relaţiilor sociale mondiale care leagă
locuri îndepărtate într-un asemenea mod, încât ceea ce se petrece local este modelat
de evenimente care se întâmplă la distanţe mari şi reciproc. Practic, ea implică o
schimbare în modul cum înţelegem şi experimentăm geografia şi localizarea. Mai
mult, pe lângă oportunităţi, globalizarea aduce riscuri considerabile cum ar fi
schimbarea tehnologică.
În alte opinii76, globalizarea este un proces sau un set de procese care
presupun o transformare în organizarea spaţială a relaţiilor sociale şi a tranzacţiilor
- evaluată în termeni de extindere, intensitate, viteză şi impact, generând fluxuri şi
reţele de activitate şi interacţiune transcontinentale sau interregionale, respectiv
exercitarea puterii.
Una dintre definiţiile atribuite77 globalizării este aceea de condiţie în care
strategiile locale devin conectate sistematic cu preocupările globale, iar ceea ce se
globalizează este tendinţa de a accentua localizarea şi diferenţa, cele două
presupunând dezvoltarea dinamicii mondiale de comunicare şi legitimare
instituţională. De fapt, plecând de la “Globalizare” şi combinând cuvântul cu un
altul, “Localizare”, se obţine “G-Localizare”. Acesta este un termen nou, inventat
pentru a scoate în evidenţă că globalizarea unui produs se realizează de fapt atunci
72
Dungaciu, S., Avatarurile teoriei globalizării în Balcani. Utilizări posibile şi / sau
eficiente ale instrumentelor de analiză,
<http://www.geopolitica.ro/avatarurile_teoriei_globalizării_sd.htm>
73
http://www.businessdictionary.com/definition/globalization.html
74
http://www.infed.org/biblio/globalization.htm
75
Postelnicu, G., Postelnicu, C., Globalizarea economiei, Editura Economică, Bucureşti, 2000
76
Held, D., McGrew, A., Goldblatt, D., Perraton, J., Global Transformations,
Stanford University Press, Stanford, 1999
77
Matei, S., O poveste românească despre globalizare, <http://interval.tripod.com/09-
99/GlobalizareRomaneasca_matei.htm>

când produsul sau serviciul este adaptat în mod specific la fiecare locaţie sau
cultură în care este tranzacţionat. Termenul a apărut pentru prima oară la sfârşitul
anilor ’80, în anumite articole publicate de economişti japonezi în revista
americană Harvard Business Review. După sociologul Roland Robertson78, care a
popularizat termenul, G-Localizarea înseamnă manifestarea simultană a tendinţelor
de universalizare şi de particularizare, descriind efectele de temperare ale
condiţiilor locale asupra presiunilor globale.
Din aceste definiţii se pot deja desprinde o serie de caracteristici de bază79
ale globalizării legate esenţial de:
viteză;
mobilitate;
risc;
insecuritate;
flexibilitate.
Există patru abordări principale ale globalizării80. Astfel, ea este văzută ca:
sistem mondial;
cultură globală;
societate globală;
capitalism global.
Acestea justifică şi anumite încercări de clasificare a tipurilor de
globalizare81:
• Globalizarea prin constrângerile ecologice comune, ca răspuns colectiv pe
scară globală la degradarea biosferei;
• Globalizarea culturală prin creşterea contactelor interculturale;
• Globalizarea informaţională şi a comunicării prin creşterea şi diversificarea
fluxului de informaţii între locaţii situate geografic la distanţe mari, respectiv
prin tendinţe de scădere a costului comunicaţiilor, dând senzaţia unei adevărate
compresii a timpului şi a spaţiului;
• Globalizarea economică sau răspândirea relaţiilor economice în întreaga lume,
manifestată prin: intercorelarea pieţelor, finanţelor, bunurilor şi serviciilor,
reţelele create de societăţile transnaţionale; componentele sale fundamentale82
sunt:
• Globalizarea pieţelor, inclusiv convergenţa gusturilor consumatorilor;
78
http://searchcio.techtarget.com/sDefinition/0,,sid19_gci826478,00.html
79
Meşniţă, G., Sistemele informaţionale contabile în contextul globalizării, Editura
Junimea, Iaşi, 2002
80
Sklair, L., Competing Conceptions of Globalization, Journal of World-Systems Research,
vol. V, nr. 2, 1999
81
Chase-Dunn, C., Globalization: A World-System Perspective, în Journal of World-
System Research, V, 2, Spring, 1999
82
Charles, W., Hill, L., International Business (Competing In The Global Marketplace),
Irwin McGraw-Hill, 2000 p. 4-10

• Globalizarea producţiei sau tendinţa firmelor de a realiza produse şi servicii de

calitate ridicată în zone din întreaga lume, beneficiind de diferenţele naţionale
dintre calitatea şi costul factorilor de producţie, cu scopul final al satisfacerii
cerinţelor consumatorilor la costuri cât mai mici.
• Globalizarea politică sau instituţionalizarea structurilor politice internaţionale.
Pe lângă aceste forme amintim aici şi doi termeni83 des utilizaţi:
- Globalism - presupune anumite legături între culturi, naţiuni, oameni şi
reprezintă o difuzie culturală, dorinţa de a consuma şi de a te bucura de produse
şi idei străine, adoptarea tehnologiilor şi a practicilor noi şi participarea într-o
„cultură a lumii” determinată de motivaţia universală a lumii conectate;
- Globalist - atribut al cuiva în totalitate de acord cu fenomenul globalizării.
Cât despre anumite aşa-zise forţe identificate84 ca şi cauze esenţiale ale
globalizării, precizăm aici:
¾ Inovarea tehnologică;
¾ Regulamentele;
¾ Capitalismul;
¾ Raţionalismul.
Cu o semnificaţie cauzală specifică, amintim şi alţi factori85 precum:
¾ Chestiunile guvernamentale;
¾ Problemele economice;
¾ Moneda şi mijlocele de schimb;
¾ Chestiunile culturale.
Figura 1.11 Cele trei ere ale globalizării

(Sursa: http://www.sdc.admin.ch/media/M/Traverse/presentation%20parcell.pdf)
Deşi termenul în sine este de dată relativ recentă, pentru a ne raporta

temporal (fig.1.11) la fenomenul de globalizare am avut în vedere consideraţiile lui
Thomas Friedman86 privind cele trei ere ale globalizării.
1.4.4 Economia cunoaşterii şi cea tradiţională comparate sintetic
Între afacerile mileniului trecut şi cele actuale există multe diferenţe
(tabelul 1.3), determinate de creşterea rolului cunoaşterii şi al managementului
acesteia, mai ales în cazul organizaţiilor ale căror activităţi sunt în totalitate sau
parţial „virtualizate”.
83
http://www.knogg.net/2006_003.htm
84
http://au.encarta.msn.com/encyclopedia_1461500353/Globalization.html
85
http://findarticles.com/p/articles/mi_qa3681/is_200410/ai_n11849603
86
Friedman, T., The world is flat: A brief history of the 21st century, Farrar, Straus and
Giroux, New York, 2005, p.9

Tabelul 1.3 Aspecte comparative între afacerile tradiţionale şi cele ale noului mileniu
(Sursa: Malhotra, Y., Knowledge Management for E-Business Performance: Advancing Information
Strategy to ‘Internet Time’, Information Strategy: The Executive’s Journal, vol.16, 2000, p.11)
Tabelul 1.4 Paralela economia cunoaşterii - vechea economie industrială
(Sursa: Murphy, E., C., Murphy, M., A., Leading at the Edge of Chaos: The 10 Critical Elements for
∗
Success in Volatile Times, Prentice Hall, New York, 2003 )
∗
tradus de Homocianu, D., în ”Bazat pe cunoaştere” - mai mult decât metaforă în
realităţile prezente şi viitoare, Analele Ştiinţifice ale Universităţii “Alexandru Ioan Cuza”

Mai mult, o scurtă paralelă (tabelul 1.4) între economia cunoaşterii şi

sistemul clasic al economiei industriale este în măsură să definească esenţa celei
dintâi, şi, în acelaşi timp, să evidenţieze mutaţiile provocate la nivelul
organizaţiilor, pieţelor, forţei de muncă, respectiv la nivelul proceselor de luare a
deciziilor, prin accentuarea rolului cunoaşterii în acest nou context.
1.5 VECTORII SOCIETĂŢII CUNOAŞTERII

Un vector al societăţii cunoaşterii este un instrument care transformă
societatea informaţională într-o societate a cunoaşterii. Pentru a face primii paşi în
aceasta este necesară declanşarea unui număr minim de asemenea vectori.
În ordinea impactului, primii asemenea vectori sunt tehnologici:
consolidarea Internet-ului (inclusiv tot ceea ce derivă de aici), respectiv
generalizarea tehnologiei cărţii electronice. Urmează dezvoltarea managementului
cunoaşterii, un vector funcţional bivalent (funcţionarea economică a unei
organizaţii, respectiv utilizarea morală a cunoaşterii în societatea globalizată).
Deşi uşor de încadrat sub influenţa determinismului tehnologic (mersul
societăţii ar fi determinat de tehnologie87), academicianul Mihai Drăgănescu se
referă totuşi în lucrările sale la două clase mari de vectori ai societăţii cunoaşterii:
vectorii tehnologici şi cei funcţionali.
Categoria vectorilor tehnologici88 are în vedere:
9 consolidarea Internet-ului - prin extensie geografică, utilizări de medii de
transmisie rapide, revizuiri de protocoale de comunicaţie şi cuprinderea cât mai
mare în reţea de indivizi/companii;
9 generalizarea tehnologiei cărţii electronice, care este altceva decât cartea pe
Internet, deşi difuzarea ei se bazează pe acesta, ca şi pe binecunoscutele suporturi
compacte de stocare tip CD;
9 agenţii inteligenţi, de fapt sisteme cu inteligenţă artificială, folosite atât pentru
Data Mining („mineritul datelor”∗) cât şi pentru descoperiri formale de natura
cunoaşterii (Knowledge Discovery); aceştia vor fi utilizaţi pentru mulţi dintre
vectorii funcţionali ai societăţii cunoaşterii;
9 mediul înconjurător inteligent pentru activitatea şi viaţa omului.
9 nanoelectronica, care va deveni principalul suport fizic pentru procesareea
informaţiei, dar şi pentru multe alte funcţii, nu numai ale societăţii cunoaşterii dar
şi ale societăţii conştiinţei.
Iaşi, Tomul L/LI, Ştiinţe Economice, 2004/2005, Editura Universităţii “Alexandru Ioan
Cuza”, Iaşi, 2005, p.275
87
Chandler, D., Technological or Media Determinism,
<http://www.aber.ac.uk/media/Documents/tecdet/tdet02.html>
88
Drăgănescu, M., Societatea informaţională şi a cunoaşterii. Vectorii societăţii
cunoaşterii, < http://www.edemocratie.ro/pub_vectorii_soccun.html>
∗
Nu vom folosi această formă ci pe aceea de Data Mining - sintagmă universală,
încetăţenită la nivel internaţional.

Din aceeaşi sursă, reiese că vectorii funcţionali se manifestă în număr din

ce în ce mai mare (aproape toate domeniile de activitate devin tot mai dependente
de cunoaştere):
9 managementul cunoaşterii pentru organizaţii;
9 managementul utilizării morale a cunoaşterii la nivel global;
9 cunoaşterea biologică (inclusiv cunoaşterea genomului şi a funcţiunilor
structurilor de gene);
9 sistemul de îngrijire a sănătăţii la nivel social şi individual;
9 protejarea mediului înconjurător şi asigurarea societăţii durabile şi sustenabile;
9 aprofundarea cunoaşterii despre existenţă;
9 generarea de cunoaştere tehnologică nouă;
9 dezvoltarea unei culturi a cunoaşterii şi inovării;
9 un sistem de învăţământ bazat pe metodele societăţii informaţionale şi a
cunoaşterii.
Banca Mondialã (2005)89 a pus în evidenţă aşa-numiţii “piloni” ai unei
economii bazate pe cunoaştere şi anume: stimularea spiritului antreprenorial
(calitatea reglementărilor, respectarea legii etc.), educaţia şi nivelul de dezvoltare al
factorului uman, un sistem inovativ format din companii, centre de cercetare şi
universităţi, în vederea asimilării, adaptării şi creării noilor tehnologii, respectiv
dezvoltarea reţelelor TIC (tehnologia informaţiei şi comunicării), presupunând
esenţial utilizarea calculatorului, acces la telecomunicaţii şi Internet.
1.6 CONCLUZII
Trecând prin aceste ipostaze, pe cât de diferite, pe atât de interconectate,
intenţia a fost aceea de a justifica consistenţa contextului societăţii şi economiei
cunoaşterii, în care va fi situat studiul modelelor decizionale şi al sistemelor de
asistare a deciziilor din următoarele capitole.
Departe de a fi o pretenţie frivolă sau un simplu titlu sau pretext care “sună
bine”, sintagma care desemnează acest context rămâne una profund ancorată în
realitatea prezentă, din câteva motive simple90:
9 cunoaşterea a stat întotdeauna la baza realizărilor şi progresului, însă
accentuarea rolului acesteia are loc acum mai mult decât oricând;
9 accesul la achiziţia cunoaşterii tinde să nu mai depindă de obţinerea unei
educaţii prestabilite, specifice unei anumite vârste;
9 cunoaşterea a ajuns să reprezinte atât factor de producţie cât şi bun economic
care se apreciază prin utilizare, fiind tot mai puţin limitată de latura fizică propriu-
zisă (cazul resurselor clasice), fapt cu consecinţe adesea radicale - cunoaşterea
devine o condiţie vizibilă a existenţei economice şi sociale.
89
Roşca, I., Gh., Despre pilonii societãţii cunoaşterii în România,
<http://www.ectap.ro/articole/105.pdf>
90
Homocianu, D., ”Bazat pe cunoaştere” - mai mult decât metaforă în realităţile prezente
şi viitoare, Analele Ştiinţifice ale Universităţii “Alexandru Ioan Cuza” Iaşi, Tomul L/LI,
Ştiinţe Economice, 2004/2005, Editura Universităţii “Alexandru Ioan Cuza”, Iaşi, 2005, p.276

Elementele teoretice expuse şi comentate în acest capitol, contribuie la

formarea unei imagini mai ample asupra unor termeni precum:
• decidenţi, prin accentuarea statutului lor de specialişti - în
traducere ad-literam, “muncitori ai cunoaşterii”;
• modele, prin evidenţierea faptului că înţelegerea lor este suportul
trecerii de la informaţii la cunoaştere.
În plus, aceste elemente ajută la înţelegerea mutaţiilor ce determină
caracterul atât de complex al proceselor de luare a deciziilor la nivelul
organizaţiilor actuale, care dispun de angajaţi, dar şi de un anumit specific cauzat
de obiective, cultură proprie şi cunoaştere.
Mai mult, atât argumentele privind importanţa anumitor factori de ordin
tehnologic, referiţi ca vectori sau activatori ai societăţii cunoaşterii, cât şi unele
consideraţii cu privire la tehnologiile specifice managementului cunoaşterii,
surprind o serie de aspecte consacrate în teoria şi practica domeniului sistemelor de
asistare a deciziilor.

CAPITOLUL 2 - DE LA DECIZII LA MODELE
DECIZIONALE
Capitolul de faţă abordează aspecte teoretice legate de decizii şi teoria
deciziei, respectiv de modele decizionale şi modelare în general. Combinarea
argumentelor teoretice cu anumite opinii personale constituie un preambul pentru
teoria şi aplicaţiile sistemelor de asistare a deciziilor din capitolul următor.
2.1 DECIZIA ŞI PROCESUL DECIZIONAL
Cele mai multe activităţi specifice omului, atât din viaţa personală cât şi
din cea profesională, implică decizii. Plecând de la premisa caracterului voluntar, a
impactului diferit şi a puterii transformatoare distincte a acestora, vom încerca
totuşi să privim lucrurile de pe o poziţie prudentă în raport cu mentalităţi precum
determinismul sau liberul arbitru, raportându-ne mai ales la aspecte care ţin de
domeniul economic şi de management.
2.1.1 Definiţii ale deciziei
Dacă ar fi să începem simplu, plecând de la a considera explicaţiile
atribuite de Dicţionarul Explicativ al Limbii Române91 deciziei, vom reţine că
aceasta poate fi privită ca o hotărâre luată ca urmare a examinării unei probleme
sau situaţii, ca o soluţie adoptată dintre mai multe posibile, respectiv ca o rezoluţie.
Din aceeaşi perspectivă decizia se mai referă şi la fermitate - calitatea de a fi ferm,
hotărât.
Dintre câteva definiţii consacrate ale deciziei, amintim aici:
• este rezultatul deliberării raţionale şi sistematice în legătură cu
mijloacele de realizare a unei dorinţe (Aristotel92, 35093 î.H.)
• se bazează pe aplicarea regulilor logice asupra unor premise date
(Herbert Simon94, în 1945);
• elaborarea ad-hoc a mai multor strategii alternative, analiza
strategiilor elaborate şi a celor deja formulate şi alegerea unora din
ele (Popescu, Gavanescu, Rădulescu95, în 1983);
• alegerea uneia dintr-un număr de alternative; cunoştinţe care indică
o angajare într-o anumită direcţie de acţiune96;
91
***, Dictionarul explicativ al limbii române, Ediţia a II-a, Editura Univers Enciclopedic,
Bucureşti, 1998
92
MacKendrick, K., Startwell, C., Body Modification and the Madness of Decision,
<http://www.crispinsartwell.com/madness.htm>
93
Ross, W., D., Nichomachean Etics, <http://classics.mit.edu/Aristotle/nicomachaen.html>
94 Crowther-Heyck, H., Herbert Simon and the GSIA: Building an Interdisciplinary
Community, în Journal of History and Behavioral Sciences, 42, 4 (Winter 2006), p.311-334
95 http://www.revistaie.ase.ro/content/17/filip1.pdf
96
Holsapple, C., W., Whinston, A., B., Decision Support Systems: A Knowledge - Based
Approach, West Publishing Company, Minneapolis, St. Paul, 1996

• angajarea într-o acţiune menită să producă o stare de satisfacţie

pentru o anumită problemă (Frank Yates97, în 1998);
• alegerea uneia dintre mai multe alternative sau o afirmaţie care
arată angajarea într-o direcţie de acţiune (Daniel J. Power98, în
2000);
• un proces de creare de cunoştinţe noi ca urmare a rezolvării unei
probleme de alegere dintre mai multe alternative (identificate sau
proiectate) în vederea efectuării de acţiuni care implică antrenarea
unor resurse personale sau ale unei organizaţii în scopul atingerii
unei stări dorite sau a unui obiectiv (academicianul Florin
Gheorghe Filip99, în 2002).
Din definiţiile menţionate se poate desprinde ideea că decizia este
rezultatul unor activităţi conştiente de alegere a unei direcţii de acţiune din mai
multe posibile şi a angajării în aceasta, fapt care implică de obicei alocarea unor
resurse. Ea aparţine unei persoane sau unui grup de persoane, care dispune de
autoritatea necesară şi care răspunde pentru folosirea resurselor în anumite situaţii
date. Indiferent de domeniul/domeniile de care aparţine, o decizie presupune o
situaţie decizională sau ceea ce încercăm să decidem, alternative sau posibilităţi, de
existenţa cărora depinde complexitatea ei, în caz contrar fiind necesar a fi
proiectate sau inventate, respectiv criterii sau elemente după care se realizează
optimizarea deciziilor.
2.1.2 Subiecţii deciziilor
Cei mai mulţi psihologi cognitivişti admit existenţa memoriei ca sistem de
transmitere a semnalelor sub formă de impulsuri electrice, care capătă sens fiind
transformate subiectiv în simboluri. Pe lângă multe alte clasificări, ei împart
memoria în volatilă - pe termen scurt - respectiv în permanentă. Ambele forme se
regăsesc atât la om cât şi la animale, iar unele cercetări medicale100 o confirmă fără
echivoc.
Eruditul profesor şi om de ştiinţă cu contribuţii interdisciplinare, laureat al
premiului Nobel (1978) pentru cercetările de pionierat în procesul de luare a
deciziilor în organizaţii economice, Herbert Simon101, susţinea că studiul
proceselor decizionale este posibil la un nivel de agregare corespunzător prelucrării
informaţiilor, adică la nivelul manipulării simbolurilor. Plecând de la această
afirmaţie, se poate ajunge relativ uşor la concluzia că anumite animale care pot să
97
Yates, F., Veinott, E., S., Patalano, A., L., Hard Decisions, Bad Decisions: On Decision
Quality and Decision Aiding, în Schneider, S., L., Shanteau, J., Emerging perspectives on
judgement and decision research, Cambridge University Press, New York, 2003, p.15
98
Power, D., J., What is decision automation,
<http://dssresources.com/faq/index.php?action=artikel&id=6>
99
Filip, Gh., F., Decizie asistată de calculator: Decizii, decidenti, metode şi instrumente de
bază, <http://www.revistaie.ase.ro/content/33/Recenzie%20SSD04.pdf>
100
http://www.alzheimer.ca/english/research/current-animalstudies.htm
101
http://nobelprize.org/nobel_prizes/economics/laureates/1978/simon-autobio.html

De la decizii la modele decizionale 43
recunoască şi să manipuleze simboluri (în anumite cazuri chiar matematice102) sunt

capabile de fapt de decizii. Prin urmare, să nu fie decizia un atribut specific uman?
În multe accepţiuni, decizia este o activitate a unei fiinţe umane care
urmăreşte în mod conştient anumite obiective. Există opinii103 în care nu se admite
ideea că un animal ar fi capabil de a lua decizii, deşi comportarea acestuia pare de
multe ori inteligentă, inclusiv ca urmare a instinctelor şi reflexelor
comportamentale transmise genetic sau formate în cursul vieţii. Similar nu se poate
accepta că o maşină sau un automat iau decizii, deşi sunt şi autori care susţin
contrariul. Cei mai mulţi104 sunt însă de acord că maşinii i se pot delega de către
om cel mult unele funcţii de reacţie la stimuli, în conformitate cu reguli sau
strategii create şi programate tot de către acesta din urmă.
Plecând doar de la aceste idei, vom conveni rezervat că răspunsul la
întrebarea “Cine decide?” este de fapt unul direct condiţionat de un anumit nivel
acceptat privind complexitatea abordării şi, deşi pare cât se poate de pleonastic, ne
vom rezuma la “decidenţii umani”, înzestraţi cu abilităţi cognitive superioare, însă
limitate în termeni de viteză şi capacitate.
2.1.3 Caracteristici ale deciziei în management
Un atribut esenţial al oricărui sistem socio-economic de natura unei
organizaţii sau a unei firme îl constituie finalitatea sau tendinţa de a evolua în
direcţia îndeplinirii anumitor obiective. Universalitatea legii entropiei105 îşi pune
amprenta şi asupra sistemelor socio-economice, nevoite să se adapteze permanent
funcţie de acţiunea unor factori perturbatori exogeni sau endogeni, cu care se află
adesea în opoziţie şi care le îngreunează realizarea obiectivelor prestabilite.
Managementul nu face altceva decât să asigure adaptarea şi autoreglarea
funcţionării acestor sisteme printr-un lanţ de decizii interdependente care se
regăsesc la nivelul tuturor funcţiilor106 sale (planificare, organizare, conducere şi
control).
La adoptarea unei astfel de decizii se ţine cont de resursele disponibile şi
condiţiile concrete107, în timp ce aplicarea sa presupune influenţarea activităţii cel
puţin a unei alte persoane decât decidentul108.
102
Azar, B., Researchers counting on animals for clues to math,
<http://www.apa.org/monitor/apr99/math.html>
103
Boldur-Latescu, G., Logica decizională şi conducerea sistemelor, Editura Academiei
Române, Bucureşti,1992, p.75
104
Filip, F., G., Roberts, P., D., Zhang, J., Combined numeric/ knowledge-based control of
large scale industrial systems; part. I: A survey of reported results, Studies in Informatics
and Control – SIC 1(2), 1992, p.87-97
105
Iancu, A., Opera lui Nicholas Georgescu Röegen şi discuţii în jurul ei, <http://www.ipe
.ro/noutati_Iancu.pdf>
106
http://www.referenceforbusiness.com/management/Log-Mar/Management-Functions
.html
107
Nica, P., Prodan, A., Iftimescu, A., Management, Editura Universităţii “Al. I Cuza”,
Iaşi, 2001, p.11

În practică, decizia managerială îmbracă două forme109: actul decizional şi

procesul decizional. Prima forma se referă la situaţii decizionale de complexitate
redusă110, cu caracter repetitiv sau în care variabilele implicate sunt foarte bine
cunoscute de către managerul decident. Cea de-a doua implică un consum mare de
timp, pe parcursul căruia se culeg şi analizează informaţii, se consultă persoane în
vederea conturării situaţiei decizionale. În esenţă, procesul decizional constă într-
un ansamblu de etape prin intermediul cărora se pregăteşte, adoptă, aplică şi
evaluează decizia managerială. Cât priveşte componentele procesului decizional,
de regulă, sunt avute în vedere următoarele111: decidentul sau decidenţii,
obiectivele lor, formularea sau denumirea atribuită problemei decizionale,
mulţimea variantelor posibile sau a alternativelor, a consecinţelor sau a rezultatelor
anticipate, care prin realizare aduc o anumită utilitate aşteptată, a criteriilor de
decizie, precum şi cea a stărilor naturii sau a situaţiilor mai puţin controlabile.
Pentru a conduce la realizarea obiectivelor stabilite, deciziile manageriale
trebuie să îndeplinească o serie de criterii112:
• fundamentarea ştiinţifică sau evitarea improvizaţiilor şi a subiectivismului;
• legalitatea sau adoptarea doar de către cei investiţi cu drept legal şi
împuternicire;
• formularea corespunzătoare (completitudinea) - prezenţa tuturor
elementelor necesare înţelegerii corecte şi implementării;
• oportunitatea (economică şi temporală113) sau preferinţa pentru o decizie
bună, luată în timp util, în detrimentul alteia foarte bune, luată cu
întârziere;
• eficienţa sau obţinerea unui efect cât mai bun pentru un anumit efort;
• coordonarea - deciziile privind diferitele departamente ale organizaţiei
sunt compatibile între ele şi conduc la realizarea obiectivului de
ansamblu al organizaţiei.
2.1.4 Scurt istoric despre teoria deciziei manageriale
Mult timp managementul a fost considerat o adevărată artă sau un talent
însuşit prin învăţarea din încercare şi eroare, determinând o diversitate de stiluri
individuale fundamentate pe raţionament uman, pe creativitate, intuiţie şi
experienţă, folosite în rezolvarea problemelor, în defavoarea abordărilor ştiinţifice.
108
Nicolescu, O. (coordonator), Sistemul decizional al organizaţiei, Editura Economică,
Bucureşti, 1998, p.24
109
http://www.biblioteca.ase.ro/downres.php?tc=6844
110
http://www.philosophypathways.com/newsletter/issue120.html
111
Nica, P., şi colaboratorii, Managementul firmei, Editura Combinatul Poligrafic Chişinău,
1994, p.152
112
Nicolescu, O. (coordonator), Op.cit.,p.240
113
Nicolescu, O., (coordonator), Op.cit., p.242

Dacă ar trebui să trecem în revistă cele mai importante curente de gândire

cu privire la procesul de luare a deciziilor în management, ne-am opri la: şcoala
clasică, şcoala comportamentală, şcoala managementului ca ştiinţă.
Şcoala clasică (sec. al XIX-lea - începutul sec. al XX-lea) a însemnat
curentul birocratic, managementul ştiinţific respectiv teoria administrativă.
Unul dintre cei mai de seamă reprezentanţi ai curentului birocratic, Max
114
Weber (1864-1920), a analizat birocraţia ca pe cea mai logică şi raţională
structură pentru organizaţiile mari. Curentul se considera eficient prin: funcţii clare
şi specializate, folosirea autorităţii legale, forma ierarhică, proceduri şi reguli
scrise, “birocraţi” bine pregăţi tehnic, promovare prin competenţă, respectiv cariere
bine definite.
Managementul ştiinţific (termenul ca atare apare în 1910) îşi are
începuturile în lucrările lui Frederick Winslow Taylor, în care acesta enunţa o serie
de principii115 referitoare la: specializarea muncii, selecţia, pregătirea şi dezvoltarea
muncitorilor, importanţa planificării muncii, a metodelor şi a standardelor, precum
şi a stimulentelor salariale. Lui i se datorează şi ideea perpetuată până în zilele
noastre, a activităţii manageriale cu cinci elemente116: previzionare şi planificare,
organizare, comandă, coordonare şi control.
Şcoala managementului ca ştiinţă117 pare foarte apropiată ca terminologie
de managementul ştiinţific taylorist, însă cele două nu trebuie confundate. De fapt,
mai târziu, în anii '50, aplicaţiile cercetării operaţionale au permis dezvoltarea
metodelor de optimizare şi au determinat o prioritate a conducerii ştiinţifice, iar în
anii ‘70, prin dezvoltarea considerabilă a informaticii şi prin tendinţa matematizării
în ştiinţele umane, a sporit încrederea în curentul managementului ştiinţific care a
început să fie dominat de conceptul de decizie raţională, cu aceeaşi schemă
generală de adoptare, indiferent de complexitatea modelelor:
• o diversitate de soluţii pentru decident;
• posibilitatea de evaluare a acestora ca şi consecinţe pentru
obiective date (adesea unice);
• compararea şi adoptarea soluţiei cu rezultatul cel mai bun.
Dacă în managementul ştiinţific accentul era pus pe productivitatea
muncitorului individual, teoria administrativă a însemnat orientarea pe ansamblul
organizaţiei şi l-a avut ca reprezentant notabil pe Henry Fayol118, care, între altele,
a enunţat paisprezece principii de management legate de: diviziunea muncii,
autoritate, disciplină, unitatea de comandă, unitatea de direcţie, subordonarea
intereselor individuale la interesul general, remunerare, centralizare, lanţul de
114
http://ollie.dcccd.edu/MGMT1374/book_contents/1overview/management_history
/mgmt_history.htm
115
http://www.12manage.com/methods_fayol_14_principles_of_management.html
116
http://nationalhumanitiescenter.org/pds/gilded/progress/text3/taylor.pdf
117
Barnat, R., Strategic management, <http://www.introduction-to-management
.24xls.com/en129>
118
http://encarta.msn.com/encyclopedia_762505611/henry_fayol.html

autoritate, ordine, echitate, stabilitatea personalului, iniţiativă, respectiv

armonizarea intereselor.
Şcoala comportamentală sau şcoala relaţiilor umane (cunoscută şi ca şcoala
neoclasică119) a fost reprezentată de figuri celebre precum Abraham Maslow (1908-
1970), foarte cunoscut pentru piramida nevoilor120, sau Douglas McGregor (1906-
1970). Această ideologie a însemnat şi subiecte noi pentru acea vreme: motivaţie,
comunicare, conducere, politici de organizare, respectiv comportamentul
individului.
Herbert Simon121 se inspiră din teoria comportamentului uman în
management şi fundamentează conceptul de raţionalitate limitată. El pune astfel
sub semnul întrebării modelul matematic al maximizării utilităţii creat de Neumann
şi Morgenstern122, bazat pe o funcţie universală de utilitate, respectiv pe ideea de
cunoaştere exhaustivă a acţiunilor din care se alege şi a probabilităţilor
evenimentelor viitoare. Această nouă viziune a lui Simon nu a însemnat renunţarea
la modelele formalizate ci mult mai multă flexibilitate şi o adaptare la restricţii. În
esenţă raţionalitatea limitată presupune că:
• deciziile se referă întotdeauna la domenii limitate;
• viitorul este greu de anticipat;
• cerinţele şi obiectivele sunt de obicei contradictorii (de aceea nu
este necesară o funcţie de utilitate globală).
Astfel, suntem de fapt doar într-o anumită măsură fiinţe raţionale care
încearcă să înţeleagă lucruri şi să facă alegeri sensibile123. Ca atare, deciziile umane
se supun unor limite de timp, respectiv de capacitate cognitivă şi, de aceea,
obiectivul nu îl mai constituie găsirea deciziei optime (raţionalismul ştiinţific) ci
descoperirea unei decizii satisfăcătoare sub aspectul timpului şi al costului căutării
acesteia.
Cele mai noi teorii se referă la abordarea contingentă, respectiv la cea
sistemică. În primul caz se pleacă adesea de la premisa influenţei tehnologiei
asupra comportamentului organizaţiilor (Joan Woodward124), demonstrându-se
inexistenţa unor soluţii sau practici de management universal valabile. Abordarea
sistemică înseamnă analogia organizaţie-sistem (Ludwig von Bertalanffy125) şi
considerarea unor concepte precum: intrări, proces de transformare, ieşiri, răspuns
(feedback), respectiv mediu. În plus, organizaţiile sunt considerate sisteme deschise
119
Gemmy, A., Management History, <http://ollie.dcccd.edu/MGMT1374/book_contents/
1overview/management_history/mgmt_history.htm>
120
Van Wagner, K., Hierarchy of Needs, The Five Levels of Maslow’s Hierarchy of Needs,
<http://psychology.about.com/od/theoriesofpersonality/a/hierarchyneeds.htm>
121
http://www.armyacademy.ro/revista4/rev4_art16.html
122
http://www.answers.com/topic/utility-4
123
http://changingminds.org/explanations/theories/bounded_rationality.htm
124
http://www.britannica.com/EBchecked/topic/1300573/Joan-Woodward#tab=active~
checked%2Citems~checked&title=Joan%20Woodward%20--%20Britannica%20Online
%20Encyclopedia
125
http://www.fsc.yorku.ca/york/istheory/wiki/index.php/General_systems_theory

(în interacţiune cu mediul) şi, ca orice sisteme, presupun: entropie, sinergie

(“întregul este mai mare decât suma părţilor”) şi subsisteme.
Înnoind o serie de concepte din teoria organizaţională, contemporanul
Minzberg126 propune aşa-zisa teorie a rolurilor, prin prisma căreia abordează
activitatea managerială (roluri interpersonale: simbol, lider, agent de legătură;
informaţionale: obervator activ, distribuitor de informaţii, purtător de cuvânt;
respectiv decizionale: antreprenor, regulator, distribuitor de resurse, negociator).
Venind în contradicţie cu sistemele informaţionale pentru conducere bazate
preponderent pe informaţii formalizate, această teorie scoate în evidenţă
complexitatea activităţii manageriale, ponderea relativ mare a informaţiilor de
natură neformală folosite de manageri, respectiv inconvenientele informaţiilor
formalizate:
− de multe ori prea limitate, ignorând aspecte ce ţin de risc, incertitudine, politică,
personalitate;
− adesea prea generale pentru cerinţele managerului şi aceasta datorită prelucrărilor
şi agregărilor, de multe ori o discuţie neformală fiind mult mai relevantă;
− în majoritatea lor ajung prea târziu, fapt dealtfel explicabil prin necesitatea unui
ciclu de culegere, înregistrare şi prelucrare până la obţinerea tradiţionalului raport
final.
− parţial credibile în condiţiile unor erori (ex.: neînregistrarea unor cheltuieli
determină o imagine greşită asupra profitului).
Mintzberg a fost criticat127 tocmai pentru faptul că nu a insistat pe:
− rolul persoanelor ca actori în organizaţie;
− valorile şi reprezentările indivizilor;
− iraţionalitatea organizaţiei.
Atât în teoria clasică a deciziei, exprimată semnificativ prin modelul
maximizării utilităţii, cât şi în teorii mai noi, precum cea a raţionalităţii limitate,
rolul informaticii rămâne considerabil pentru că în esenţă este necesară cunoaşterea
exhaustivă a ansamblului de acţiuni din care se face alegerea şi o cunoaştere
coerentă a probabilităţilor unor evenimente viitoare. Totuşi, diferenţa ar fi că, în
prima situaţie, teoria clasică a determinat dezvoltarea sistemelor de asistare a
deciziilor în timp ce în al doilea caz se beneficiază mult de pe seama aplicaţiilor
inteligenţei artificiale în managementul modern.
2.1.5 De la tipuri de decizii la clasificări ale metodelor şi modelelor de
rezolvare
Dată fiind complexitatea problemelor cu care se confruntă managerii
decidenţi, devine utilă şi necesară o clasificare a deciziilor după diferite criterii,
astfel:
126
Minzberg, H., Le management. Voyage au Centre des Organisations, Editions
d'Organisation, Paris, 1999, p.117
127
http://www.cnam.fr/lipsor/dso/articles/fiche/mintzberg.html

◦ după importanţa problemei decizionale128 sau după orizont temporal şi

implicaţii:
• strategice (determinarea strategiilor pe termen lung, a proiectelor
de investiţii, a surselor de finanţare) - sunt legate de probleme
generale ale activităţii organizaţiei şi solicită informaţii complexe
interne şi externe;
• tactice (alegerea unui furnizor, încetarea fabricaţiei unui produs,
închiderea unei filiale) - presupun punerea în practică a deciziilor
strategice, necesitând informaţii complexe, mai mult sau mai puţin
formalizate;
• curente, operative sau operaţionale (realizarea unei comenzi,
livrarea unei cantităţi de marfă) - sunt de mai mică importanţă, au
un grad de repetabilitate ridicat şi prezintă cerinţe informaţionale
elementare (date); pornind de la câteva criterii aparent intuitive, se
poate trage concluzia că acestea se situează la celălalt pol, prin
raportare la deciziile strategice (tabelul 2.1);
Tabelul 2.1 Decizia strategică vs. cea curentă
(Sursa: Ciobanu, I., Management Strategic, Editura Polirom, Iaşi, 1998, p.126)
◦ după gradul de cunoaştere a procesului studiat129 (tabelul 2.2) - în condiţii
de:
• certitudine;
• risc - lipsesc anumite date însă există o diversitate de tehnici de
optimizare;
• incertitudine - nu există suficiente date pentru ca decizia să se
poată lua, prin definiţie, aceasta însemnând alegerea între
alternative, care, în acest context sunt greu de prefigurat; practic
însă, prin utilizarea raţionamentului şi a informaţiilor disponibile,
respectiv prin estimarea valorilor şi a probabilităţilor de apariţie a
128
Nica, P., Iftimescu, A., Management. Concepte şi aplicaţii, Editura Sedcom Libris,
Iaşi, 2004, p.133
129
http://courses.washington.edu/inde495/lecc.htm

rezultatelor posibile, incertitudinea se transformă în risc, decizia

devenind posibilă;
Tabelul 2.2 Diferenţierea deciziilor pe niveluri de cunoaştere a procesului studiat
◦ în funcţie de numărul criteriilor de optimizare:

• unidimensionale (când se ia în considerare un singur criteriu de
optimizare);
• multidimensionale;
◦ după numărul stadiilor în care se succed:
• unistadiale;
• multistadiale;
◦ raportat la domeniul concret al activităţii care face obiectul deciziilor:
• de cercetare dezvoltare;
• de producţie;
• comerciale;
• financiar-contabile;
• de personal etc.;
◦ în funcţie de numărul de persoane participante la adoptare:
• individuale sau unipersonale;
• de grup;
◦ după periodicitatea elaborării deciziilor130:
• periodice - acele decizii luate la anumite intervale de timp;
• aleatoare - cele adoptate la intervale greu de anticipat, necesitatea
fundamen-tării lor fiind determinată de factori necontrolabili;
• unice - cazuri de excepţie, fără precedent şi care nu se vor mai
repeta (cel mai probabil) într-un viitor apropiat;
◦ raportat la gradul de elaborare131:
• empirice;
• elaborate ştiinţific;
◦ prin raportare la metoda utilizată:
• probabilistice;
130
Catană, D., Management general, Editura Tipomur, Tg. Mures, 1994, p.27
131
Rusu, C., Cojocaru, G., Chinciu, D., Organizarea şi conducerea întreprinderilor din
industria uşoară, Editura Didactică şi Pedagogică, 1980, p.115

• deterministe;
• euristice;
• aleatoare etc.;
◦ în funcţie de natura deciziei, Herbert Simon132 distinge două clase
(tabelul 2.3):
• programate (sau care pot fi programate - programabile);
• neprogramate.
Tabelul 2.3 Decizii structurate şi nestructurate
Gorry şi Morton (tabelul 2.4) îmbină două dimensiuni de clasificare a

deciziilor:
- natura deciziei luate (deciziile structurate şi cele nestrucurate le înlocuiesc pe cele
programate, respectiv pe cele neprogramate, invocându-se133 dependenţa mai
scăzută de mijloacele tehnice şi gradul mare de influenţă al specificului activităţii
de rezolvare a problemei); clasificarea se referă de fapt la natura problemei
decizionale şi nu a deciziei în sine;
- importanţa problemei (orizont de timp şi implicaţii decizionale).
132
http://www.the-intuitive-self.org/website/art/memoir/simon_figure.gif
133
Sol, H., G., Takkenberg, C., A., T., De Vries Robbé, P., Expert System and Artificial
Intelligence in Decision Support Systems, Reidel Publishing Company, Dordrecht, 1987,
p.61

Tabelul 2.4 Clasificarea deciziilor după Gorry şi Morton
(Sursa: http://www.palgrave-journals.com/jors/journal/v57/n4/thumbs/2602011f3th.gif)
Mai mult, multiplicând cele două dimensiuni a câte trei categorii fiecare
(este avut în vedere şi conceptul de decizie semistructurată), s-ar putea obţine
teoretic nouă tipuri de decizii combinate. În mod evident, în realitate, ponderea
unor tipuri (operaţionale-nestructurate, strategice-structurate) va fi mult mai mică
decât a altora (operaţionale-structurate, strategice-nestructurate).
Pe de altă parte, ne întrebăm dacă nu cumva anumite criterii dintre cele
menţionate anterior se suprapun mult prea evident. De pildă, deciziile în condiţii de
certitudine pot fi considerate în mare parte decizii operaţionale, vizând probleme
cunoscute adesea în detalii logice amănunţite şi, prin urmare, structurate. Cele în
condiţii de risc implică răspunderi manageriale ceva mai însemnate şi corespund de
multe ori unor situaţii în care nu toate elementele de care depinde procedura de
soluţionare sunt cunoscute. Mult prea adesea însă, incertitudinea planează la
nivelul unei strategii de ansamblu. Mai mult, la acest nivel, complexitatea mare a
rezolvării problemei de decizie se asociază uşor cu dificultatea anticipării modului
în care se manifestă o serie de factori de influenţă - adesea cu caracter de noutate.
În aceste condiţii e lesne de înţeles că tocmai aceste criterii vor fi determinante în
alegerea metodelor şi a modelelor de rezolvare. Astfel, se explică de ce modelele
matematice şi cele statistice, se pretează de obicei la probleme structurate (metoda
utilităţii) şi semistructurate (metoda speranţei matematice), prin abordări de tip
cantitativ, în timp ce abordările calitative specifice metodelor euristice intervin
mult mai eficient în soluţionarea deciziilor afectate puternic de incertitudine.
2.1.6 Un consens privind etapele procesului decizional
Chiar considerând conceptul de proces decizional în sens larg (nu doar
etapele premergătoare actului decizional în sine, ci şi transmiterea, respectiv
controlul modului de implementare), ne întâlnim totuşi cu o diversitate de opinii
privind etapele acestuia. De pildă, Bazerman, Cougar, Hammond, Kotter, Paterson,
Pounds134 sunt doar câţiva autori cu idei mai mult sau mai puţin asemănătoare. În
alte situaţii se merge chiar până acolo încât se forţează denumirea etapelor, din
raţiuni mnemotehnice, ce ţin evident de obţinerea acronimului dorit (ex.:
D.E.C.I.D.E.135 sau Definirea problemei, Enumerarea variantelor, Culegerea
informaţiilor, Identificarea variantei favorabile, Dezvoltarea şi implementarea
variantei adoptate, Evaluarea rezultatelor).
134
Airinei, D., Sisteme de asistare a deciziilor, <https://portal.feaa.uaic.ro/C0/Sisteme de
asistare a deciziil/Document Library/Curs_DSS_C2.pdf>
135
http://www.davidb.go.ro/img_lucrari_bd/model_mnemotehnic_sextil.pdf

Încă din 1960, Herbert Simon dezvoltase paradigma IDC136 (intelligence,

design and choice). Cu toate acestea, într-o lucrare137 din 1977 (The new science of
management decision), descria procesul decizional ca fiind alcătuit din patru etape:
• informarea (intelligence) - determinarea situaţiilor care cer luarea
deciziilor;
• proiectarea (design) - stabilirea obiectivelor, căutarea alternativelor
şi analiza evenimentelor determinate de fiecare acţiune;
• alegerea (choice) - evaluarea şi selecţia unei acţiuni dintre cele
posibile;
• evaluarea (review) - revizuirea alegerilor precedente.
Prin simpla prezenţă a evaluării în această succesiune, se poate trage
concluzia că toate aceste etape nu se derulează în mod necesar secvenţial, adesea
existând posibilitatea întoarcerii la cele anterioare, respectiv a reluării lor. În plus,
accentuarea unei faze depinde foarte mult de stilul managerial, de temperamentul şi
de experienţa decidentului.
Dacă la toate aceste premise mai adăugăm şi ideea diversităţii de metode,
tehnici şi stiluri manageriale de rezolvare a problemelor decizionale, e de la sine
înţeles că a stabili care sunt etapele procesului decizional constituie o chestiune cât
se poate de relativă, determinată inclusiv de nivelul de detaliere dorit, rezumându-
se de multe ori la un consens acceptat.
2.2 MODELE DE DECIZII ŞI MODELAREA PROBLEMELOR
DECIZIONALE
Modelarea este o tehnică acceptată şi generalizată în lumea specialiştilor. O
dovadă în plus este faptul că noţiuni precum modele matematice de calculare a
traiectoriilor sau modele arhitecturale virtuale pentru vizualizarea machetelor de
construcţii nu mai sunt de mult timp subiect de noutate.
2.2.1 Generalităţi despre reprezentări şi modele
Pentru a pune o anumită problemă într-o formă accesibilă pentru rezolvare
(date, simboluri), se pleacă adesea de la o percepţie individuală şi de la o serie de
informaţii din mediu, parcurgându-se un proces pe care îl putem numi reprezentare.
Privite cumulativ, reprezentările formează un ansamblu care permite în timp
interpretarea a noi percepţii şi structurarea a noi informaţii din mediu.
În legătură cu nivelul de reprezentare, în rezolvarea ştiinţifică a
problemelor se vorbeşte adesea despre un domeniu teoretic (ex.: Statistică), în care
se încadrează o anumită metodă de rezolvare (ex.: Regresie) bazată pe unul sau mai
multe modele (ex.: funcţia de regresie liniară) care operează cu date, mulţimi,
intervale, valori, tipuri.
136
Forgionne, G., An architecture for the Integration of Decision Making Support
Functionalities, <http://www.igi-pub.com/downloads/excerpts/1591400457Ex.pdf>
137
Babu, A., R., Singh, Z., P., Sachedeva, R., K., Establishing a management information
system, <http://www.fao.org/docrep/W5830E/w5830e0k.htm>

Jean Piaget138, biolog, psiholog şi filozof elveţian renumit pentru studiile

sale privind cunoaşterea umană139, la care se referă adesea ca la o colecţie140 de
scheme de acţiune şi modele de gândire, identifică patru stadii de dezvoltare
cognitivă umană: senzo-motorie, preoperaţională, operaţională-efectivă, respectiv
operaţională-formală. În opinia sa, schemele (altfel spus, reprezentările sau
modelele) se îmbogăţesc141 prin asimilare (acumularea de noi informaţii) şi
adaptare (modificare sau particularizare), în cadrul unui proces de ansamblu în care
se încearcă balansarea primelor două, denumit echilibrare.
Un model are însă aproape întotdeauna corespondent şi într-un program
informatic. Mai mult, există programe care oferă un anumit ansamblu de modele
(bază de modele) din care utilizatorul efectuează o alegere printr-o anumită metodă
(de exemplu, euristică).
Cât priveşte o clasificare a modelelor din perspectiva unei organizaţii, un
aspect determinant este legat de dimensiunea temporală a cunoaşterii care rezultă
din acestea, sau mai concret, cunoaşterea şi gestionarea prezentului, respectiv
estimarea viitorului. Prin urmare, nu întâmplător, în literatură se teoretizează mult
pe seama a două mari tipologii: modele de gestiune (a resurselor materiale, umane),
respectiv modele de previziune (statistice, econometrice).
2.2.2 Dificultăţi în optimizarea deciziilor multidimensionale
Optimizarea deciziilor folosind un singur criteriu de optimizare poate avea
loc atunci când acesta corespunde unuia dintre obiectivele esenţiale ale firmei142:
cifra de afaceri, valoarea adăugată, profitul, rentabilitatea, cheltuielile de producţie,
mărimea stocurilor de produse finite.
Totuşi, oricât de complexe ar fi modelele unidimensionale, datorită faptului
că majoritatea problemelor decizionale sunt multidimensionale/multicriteriale,
trebuie găsite modalităţi raţionale de decizie în condiţiile considerării mai multor
criterii de optimizare. În plus, trebuie rezolvate o serie de dificultăţi care apar în
acest context, cele mai importante referindu-se adesea la:
− necesitatea unor forme generalizate de reprezentare pentru organizarea
sistematică a cunoaşterii143; matricea de decizie144 (fig.2.2) sau tabelul
consecinţelor decizionale (asemănător tabelului de decizie145 - fig.2.1,
mai puţin modul de organizare al acestuia din urmă şi predestinarea sa ca
138
Dewey, R., Piaget,
<http://www.psywww.com/intropsych/ch10_development/piaget.html>
139
http://chiron.valdosta.edu/whuitt/col/cogsys/piaget.html
140
Von Glasersfeld, E., Homage to Jean Piaget, <http://www.oikos.org/Piagethom.htm>
141
http://psychology.about.com/od/piagetstheory/a/keyconcepts.htm
142
Iaşi, 2001
143
Turban, E., Aronson, J., E., Liang, T.-P., Sharda, R., Decision Support and Business
Intelligence Systems - Eighth Edition, Pearson Education, Inc., New Jersey, 2007, p.148
144
http://http-server.carleton.ca/~gkardos/88403/Decision/Matrix/MATRIX3.htg/Dm1.gif
145
http://www.freepatentsonline.com/6970693-0-large.jpg

tehnică de adoptare operativă a deciziilor cu caracter repetitiv) este cel

mai cunoscut exemplu, reuşind dispunerea simultană a decidenţilor (Dq),
a alternativelor sau a variantelor decizionale (Vi), a criteriilor (Ck) cu o
anumită importanţă relativă (Ik), a stărilor naturii (Sj), cu o anumită
probabilitate de manifestare (pj) şi, în unele cazuri, a consecinţelor sau
rezultatelor anticipate în mărime numerică (Rikj), în vederea determinării
unor scoruri totale (t) sau cumulative (nu neapărat prin însumare), adesea
sub forma unor valori de utilitate U sau:
Ui t=ΣUitj (2.1)
Uitj= ΣUikj (2.2)
unde: q - indice pentru numărul de ordine al unui decident;
i - indice pentru numărul de ordine al unei variante;
j - indice pentru numărul de ordine al unei stări a naturii;
k - indice pentru numărul de ordine al unui criteriu de
decizie;
t - doar un indiciu al totalizării/subtotalizării;
d - numărul total de decidenţi;
v - numărul total de variante;
s - numărul total de stări ale naturii;
c - numărul total de criterii.
Uit - utilitatea variantei i, cumulată pentru toate stările
naturii şi toate criteriile;
Uitj - utilitatea variantei i şi a stării j, cumulată pentru toate
criteriile;
Figura 2.1 Tabelul decizional

(Sursa: Istudor, N., Managementul Afacerii, <http://www.startafacere.ro/Managementul
%20afacerii/ma_5_3.html>)

Figura 2.2 Propunere de matrice decizională generalizată - condiţii de certitudine, risc şi incertitudine
− coexistenţa criteriilor cantitative şi calitative - în condiţiile în care

primele presupun o exprimare numerică, iar celelalte una simbolică,
pentru a le face comparabile, se recomandă transpunerea simbolurilor în
numere, apelând la o corespondenţă sau la o funcţie; astfel, pentru un
criteriu calitativ cu valorile: „slab”, „mediu”, respectiv „puternic”, se
poate alege o funcţie f, astfel încât: f(slab)=1, f(mediu)=2, f(puternic)=3;
− coexistenţa criteriilor de maximizat şi minimizat - rezolvarea presupune
realizarea unei convenţii de semn;
− redundanţa sau acele situaţii în care o anumită variantă de acţiune este
mai puţin performantă sau cel mult la fel pentru toate criteriile, faţă de o
alta (dominantă), caz în care prima este considerată neoptimală şi se
elimină prin preselecţie, variantele rămase - din care nici una dominată -
fiind considerate optimale (pentru o alegere raţională) şi, în consecinţă,
obiect al unei alegeri subiective;
− necesitatea agregării criteriilor de decizie - rezolvarea presupune fie
ponderarea simplă, fie ponderarea rangurilor; dacă în primul caz se
stabileşte câte o pondere la fiecare criteriu, după care se efectuează suma
ponderată a notelor, în a doua situaţie, pentru o mai mare obiectivitate,
valorile din matricea decizională se înlocuiesc prin ranguri, eliminându-se
dependenţa de scara de reprezentare şi de unităţile de măsură alese146;
146
Airinei, D., Op.cit., <https://portal.feaa.uaic.ro/C0/Sisteme de asistare a deciziil/
Document Library/Curs_DSS_C2.pdf>

− manifestarea mai multor preferinţe la nivelul unui grup de decidenţi147 -

pentru a rezolva aceasta se pot estima subiectiv coeficienţii de importanţă
ai criteriilor sau se poate recurge la calcularea lor printr-un sistem
obiectiv de comparare; în acest din urmă caz, evaluarea coeficientului de
importanţă I’k, corespunzător criteriului Ck, se poate face după relaţia148:
,
∑q Pkq
I k = (2.3)
∑ ∑ Pkq
k q
unde: q este numărul de ordine al decidentului care efectuează

ierarhizarea criteriilor de decizie, iar Pkq - punctajul (utilitatea) acordat de
decidentul q criteriului Ck; rezultatele comparării se trec într-o
matrice M, în care elementele mkc (1 - dacă Ck este mai important decât
Cc sau I’k > =I’c , respectiv 0 - dacă I’k < I’c) oferă, prin însumarea pe
linie, rezultatul final.
2.2.3 Metoda utilităţii decizionale - o soluţie de optimizare a deciziilor
multidimensionale
În practica de management rareori se ajunge să se dispună de toate
informaţiile necesare măsurării în cele mai mici detalii a implicaţiilor viitoare ale
deciziilor prezente. Cu toate acestea, situaţiile care comportă un risc suficient de
redus pentru a putea fi neglijat sunt asimilate de regulă certitudinii (decizii în
condiţii de certitudine) şi comportă metode de lucru aferente.
Dacă în condiţii de certitudine, în cazul deciziilor unicriteriale, se utilizează
de obicei programarea matematică statică (adesea liniară) sau dinamică (când se au
în vedere implicaţiile factorului timp), urmărindu-se optimizarea unei probleme
prin maximizarea/minimizarea unei funcţii obiectiv (de pildă, minimizarea funcţiei
de consum rezultată din însumarea produşilor algebrici dintre cantităţile ce
urmează a fi stabilite şi consumurile specifice cunoscute ale bunurilor obţinute în n
secţii diferite de producţie), cu respectarea unor restricţii de disponibil de resurse şi
de realizare de obiective obligatorii, în cazul în care se doreşte aducerea la un
numitor comun a consecinţelor multidimensionale, metoda utilităţii se dovedeşte a
fi una dintre cele mai utilizabile prin claritate, respectiv prin simplitatea codificării
într-un algoritm informatic.
Conceptul de utilitate a fost folosit pentru prima dată în teoria deciziei în
anul 1944149 de către John Von Neumann şi Oskar Morgenstern, care au pus bazele
a ceea ce astăzi numim metoda funcţiilor de utilitate150 decizională.
147
Shimizu, T., Monteiro de Carvalho, M., Laurindo, F., J., B., Strategic Alignment
Process and Decision Support Systems - Theory and Case Studies, Idea Group Publishing,
Hershey, 2006, p.340
148
adaptare după Nica, P., Prodan, A., Iftimescu, A., Management, Editura Universităţii
“Al. I Cuza”, Iaşi, 2001
149
Fishburn, P., C., Retrospective on the Utility Theory of von Neumann and Morgenstern,
<http://ideas.repec.org/a/kap/jrisku/v2y1989i2p127-57.html>

Concret, s-a plecat de la ideea că atunci când se manifestă o preferinţă

pentru un eveniment aleatoriu (loterie) posibil, V1, în detrimentul altuia, V2,
utilitatea câştigului oferit de V1 este mai mare decât utilitatea câştigului oferit de
V2151. Mai mult, considerând umax = l şi umin = 0, precum şi o variaţie proporţională
în funcţie de rezultate, utilitatea oricăror consecinţe sau rezultate (R) intermediare
poate fi determinată prin interpolare liniară152, folosindu-se relaţiile:
Rmax − Ri
U (Vi ) = , pentru criteriile de minim (2.4)
Rmax − Rmin
R − Rmin
U (Vi ) = i , pentru criteriile de maxim (2.5)
Rmax − Rmin
Cele mai multe obiecţii aduse metodei sub forma modelului prezentat mai
sus vizează:
• ipoteza discutabilă (psihologic) a tranzitivităţii relaţiilor de preferinţă - axioma
a doua, a preferinţei;
• aprecierea utilităţii prin două operaţii de estimare subiectivă (stabilirea relaţiei
de preferinţă şi evaluarea coeficienţilor de importanţă relativă, Ik);
• inconsecvenţa alegerii în cazul adăugării unei variante suplimentare.
Sesizându-se şi alte inconsecvenţe ale metodei, o serie de economişti,
printre care şi Peter Fishburn153, au propus renunţarea la estimarea separată pe
criterii a utilităţilor şi trecerea la luarea în considerare a întregii mulţimi de
consecinţe din matricea decizională multidimensională (cu dificultatea
suplimentară a comparării unor consecinţe având semnificaţii diferite). Totuşi,
inconsecvenţele se menţin şi aşa, cauza paradoxului trebuind căutată, după alte
opinii, în proprietatea de aditivitate aflată la baza utilităţii decizionale. Astfel,
cercetările recente ale unor economişti şi matematicieni, precum Kotler, Miller,
Starr şi alţii154, au dus la concluzia că proprietatea de aditivitate nu se confirmă în
procesul decizional economic, încercându-se înlocuirea cu funcţii multiplicative de
forma155:
U(Vi) = Ri1 I1 * Ri2 I2* ... * Ric-1 Ic-1* Ric Ic, doar pentru criteriile de maxim (2.6)
Ik
c' c
⎛ M ⎞
U(Vi ) = ∏ R * ∏ ⎜⎜
Ik
ik
⎟⎟ , pentru toate criteriile (2.7)
k =1 k = c ' +1 ⎝ R ik ⎠
unde: k =1,2, .. ,c’, indică criterii de maxim;
150
http://economics.about.com/od/economicsglossary/g/von.htm
151
http://cepa.newschool.edu/het/essays/uncert/vnmaxioms.htm
152
Bailey Lee, C., Snavely, A., Precise and realistic Utility Functions for User-Centric
Performance Analysis of Schedulers, <http://www.sdsc.edu/~allans/preciseutility.pdf>
153
http://www.csi.uottawa.ca/ordal/papers/fishburn/node5.html
154
Davis, J., N., How is charisma routinized? A new look at an old question,
<http://etd.lib.ttu.edu/theses/available/etd-08102005-150621/unrestricted/Davis_
John_Norman_Diss.pdf>
155
http://www.cs.brandeis.edu/~psyc/ai/decision/utility.htm

k = c’ + 1, c’ + 2, ...,c - criterii de minim;

M - număr întreg, suficient de mare, astfel încât
(M/Rik)>1; Ik>1
Ordonarea variantelor care rezultă utilizând acest model nu se modifică în
funcţie de mărimea lui M. Chiar dacă valorile U(Vi) diferă în funcţie de M,
rapoartele U(Vi)/Umin(Vi) rămân neschimbate, eliminându-se astfel inconsecvenţa
decizională.
2.2.4 Îmbunătăţiri ale metodei utilităţii decizionale
Încă din 1965156, un grup de cercetători francezi de la SEMA (Societé de
l'Economie et de Mathématiques Appliqués) au fundamentat o metodă de clasament
şi alegere pentru puncte de vedere multiple, cunoscută sub numele de ELimination
Et Choix Traduisant la REalite (ELECTRE), aplicabilă la rezolvarea a numeroase
probleme de decizie multidimensională, folosind două grupe de indicatori: de
concordanţă (IC) şi de discordanţă (ID).
Comparând două variante, Vi şi Vv, indicatorii de concordanţă scot
în evidenţă aspectele favorabile ale variantei Vi faţă de varianta Vv, iar indicatorii
de discordanţă evidenţiază aspectele nefavorabile ale variantei Vi faţă de Vv.
Cei doi indicatori, în maniera SEMA, pot fi calculaţi astfel:
c
⎧I k , pentru U i > U v
∑ ⎨ 0,
k =1 ⎩ pentru U i ≤ U v
IC(Vi , Vv ) = c
(2.8)
∑I
k =1
k
⎧ U − U i , pentru U v > U i
ID(Vi , Vv ) = max ⎨ v (2.9)
⎩0 , pentru U v ≤ U i
Luând în considerare natura diferită a celor două tipuri de indicatori (raport
între sume reprezentând coeficienţi de importanţă, respectiv diferenţă de utilităţi),
se poate recurge la îmbunătăţirea metodei folosind un model de calcul unitar cu
indicatori normalizaţi, astfel:
c
⎧ I k ( U i - U v ), pentru U i > U v
∑ ⎨0
k =1 ⎩ , pentru U i ≤ U v
IC n (Vi , Vv ) = c
(2.10)
∑I
k =1
k
156
Figueira, J., Greco, S., Ehrgott, M., Multiple Criteria Decision Making. State of the Art
Surveys, Springer, New York, 2005, p.134

c
⎧ I k ( U v - U i ), pentru U v > U i
∑ ⎨0
k =1 ⎩ , pentru U v ≤ U i
ID n (Vi , Vv ) = c
(2.11)
∑I
k =1
k
Pentru determinarea variantei optime, fiecare linie de acţiune se compară

cu toate celelalte, calculând diferenţele:
A = IC(Vi, Vv) - ID(Vi ,Vv) (2.12)
şi B = IC(Vv, Vi) - ID(Vv, Vi) (2.13)
Astfel, dacă A>B, este preferabilă Vi, dacă A<B, se optează pentru Vv, iar
pentru cazul în care A=B, preferinţele pentru Vi şi Vv sunt identice.
O altă îmbunătăţire importantă adusă metodei utilităţii decizionale este
tehnica de
ierarhizare157 a liniilor de acţiune, prin stabilirea variantei cu dominanţă maximă
din punct de vedere al tuturor criteriilor de decizie Ck. În acest caz, se elaborează
câte o matrice de dominanţă pentru fiecare criteriu de decizie, MD(Ck), cu
elementele dvi(Ck). Comparând două variante, Vv şi Vi din punct de vedere al
criteriului Ck, şi considerând că variantele se autodomină, elementele dvi(Ck) se vor
calcula astfel:
⎧ 2, pentru U v > U i
⎪
d vi ( C k ) = ⎨ 1, pentru U v = U i (2.14)
⎪ 0, pentru U < U
⎩ v i
Matricea de dominanţă cumulată (MDC) se determină prin însumarea

matricilor obţinute anterior (pentru fiecare criteriu), ponderate cu factorul de
importanţă relativă al criteriului, urmând ca ierarhizarea variantelor să se facă în
funcţie de elementele vectorului de dominanţă totală (VDT), în care elementele vdi
reprezentând numărul de dominanţe ale variantei Vi asupra tuturor celorlalte
variante, se determină prin însumarea valorilor matricei MDC pe linia i.
2.2.5 Metode matematico-statistice de optimizare a deciziilor în condiţii
de incertitudine
În situaţiile în care lipsa informaţiilor necesită adoptarea deciziilor în
condiţii de incertitudine, pe lângă factori de ordin psihologic, deciziile continuă să
depindă de aplicarea unor metode ştiinţifice obiective dar adaptate fiecărei situaţii
în parte.
Pentru a identifica posibilităţile de decizie în condiţii incerte, se pot analiza
o serie de metode de evaluare a liniilor de acţiune, pornind de la forma
generalizată a matricei decizionale (fig.3.6), cu variante de acţiune (V1, V2,...,
Vv), cu rezultate depinzând de stări ale naturii (S1, S2,.., Ss - determinate de un
157
Nica, P., Prodan, A., Iftimescu, A., Op.cit., p.155

complex de factori de influenţă) şi, deocamdată, pentru un singur criteriu. Astfel,

vom delimita:
• metoda prudenţei (”maximin”) - a fost dezvoltată de statisticianul
Abraham Wald158 prin reformularea principiului “minimax” al lui
Von Neumann; potrivit acestei metode,
Solutiaoptimă = maxi=1 min j=1 (R ij )
v s
(2.15)
• metoda optimistă (“maximax”), prin care
Solutiaoptimă = maxiv=1 maxsj=1 (R ij ) (2.16)
• metoda coeficientului de optimism - a fost propusă de Leonid
Hurwicz159, care considera un coeficient de optimism (1≥α≥0), de
care depinde întreaga relaţie de calcul:
Solutiaoptimă = maxiv=1[α * maxsj=1 (R ij ) + (1 − α) * minsj=1 (R ij )] (2.17)
ea reprezintă o combinare a celor două metode anterioare, păstrând
un înalt grad de subiectivism, deoarece, în funcţie de mărimea
coeficientului α , poate fi aleasă drept optimă, una sau alta dintre
variante; în cazul în care α ia valori extreme, metoda lui Hurwicz
se reduce la una din cele două metode prezentate anterior ( α = 0 –
“maximin”; α = 1 – ”maximax”)
• metoda speranţei matematice - cu două modele:
1. cu probabilităţi egale de apariţie a stărilor naturii:
1 s
Solutiaoptimă = maxiv=1 ( ∑ R ij )
n j=1
(2.18)
2. cu probabilităţi apriori de tip Bayesian:

s
Solutiaoptimă = max (∑ R ij * p j )
v
i =1 (2.19)
j=1
• metoda regretelor (”minimax”):

Solutiaoptimă = miniv=1 maxsj=1 (R ij ) (2.20)
160
• metoda combinată , într-o succesiune de trei etape, astfel:
- înlăturarea riscurilor inacceptabile (simplificarea problemei), prin
eliminarea anumitor linii de acţiune;
158
Sniedovich, M., Maximin/Worst-Case Analysis Capaign, <http://maximin.moshe-
online.com/>
159
Kuhn, K., D., Robust maintenance policies for Merkovian systems under model
uncertainty, <http://repositories.cdlib.org/cgi/viewcontent.cgi?article=3598&context
=postprints>
160
Iaşi, 2001, p.160

- aplicarea metodei speranţei matematice, reţinându-se pe lângă varianta

optimă şi acele variante a căror speranţă matematică se situează într-un
interval admisibil faţă de maxim;
- aplicarea principiul ”maximax”.
2.2.6 Rezolvarea cu arbori decizionali a problemelor complexe în
condiţii de risc
Arborii decizionali fac parte din categoria metodelor şi tehnicilor
decizionale specializate, cu aplicabilitate în situaţii decizionale de mare
complexitate161, în care sunt implicate evenimente aleatorii care se produc succesiv.
Prin intermediul lor se pot proiecta - sub forma unor diagrame - un număr de
evenimente viitoare ce condiţionează decizia, determinându-se un set de valori
privind rezultatele fiecărei alternative decizionale considerate.
Nodurile162 folosite în reprezentarea arborilor de decizie (fig.2.3) se împart
în:
◦ noduri de decizie (simbolizate cu □), pentru care arcele (ramurile) ce le succed
sunt alternative decizionale;
◦ noduri de ocazie/şansă/risc/evenimente (reprezentate prin ○), în care natura
trasează modul de evoluţie a procesului decizional - arcele ce le succed
reprezintă evenimente necontrolabile163 sau stări ale naturii.
Figura 2.3 Structura generală a arborelui decizional

(Sursa: Istudor, N., Managementul Afacerii,
<http://www.startafacere.ro/Managementul%20afacerii/ma_5_3.html>)
În esenţa lor, arborii decizionali se caracterizează prin:

◦ existenţa unei probleme decizionale complexe, de natură strategică sau
tactică;
◦ claritatea şi formularea precisă a criteriilor de referinţă;
◦ vizualizarea alternanţei dintre nodurile decizionale şi nodurile de
evenimente (în număr variabil), ca o succesiune de situaţii decizionale;
◦ posibilitatea exprimării probabilistice a consecinţelor;
161
Buzărnescu, Ş., Sociologia conducerii, Editura de Vest, Timişoara, 2003, p.357
162
Raţiu-Suciu, C., Modelarea şi simularea proceselor economice, <http://www.ase.ro
/biblioteca/pagina2.asp?id=cap6>
163
Dobre, I., Bădescu, A., V., Păună, L., Teoria deciziei, Editura ASE, Bucureşti, 2007,
p.93

◦ evaluarea comparativă a variantelor de la extrema dreaptă la baza de

pornire (rollback - incertitudini dependente164).
Dincolo de simplitatea pronunţată în prezentarea vizuală, arborii
decizionali solicită totuşi calităţi, aptitudini şi cunoştinţe complexe, atât pentru
interpretare, cât şi pentru elaborarea tehnicilor de construire.
În subcapitolul 3.6.3.3 sunt prezentate unele dintre cele mai cunoscute
tehnici aplicate în dezvoltarea arborilor de decizie pentru descoperirea informaţiilor
ascunse în volume mari de date (Data Mining).
2.2.7 Euristica în rezolvarea problemelor decizionale
Euristica (termenul provine din grecescul heuriskein165 - a descoperi) poate
fi considerată o clasă de metode şi reguli care dirijează subiectul spre cea mai
simplă şi mai economică soluţie de rezolvare a problemelor. Ea poate fi interpretată
şi ca un drum care permite descoperirea soluţiilor la probleme complexe fără a le
supune unei simplificări, ci prin ipoteze şi tatonări. Mai mult, folosind euristici, nu
este necesar să regândim complet ceea ce trebuie să facem de fiecare dată când
întâlnim o problemă similară166.
Dintre cei mai cunoscuţi algoritmi informatici utilizaţi în probleme
euristice, amintim:
• arborii de căutare;
• back-tracking167;
• greedy168;
• divide et impera.
Algoritmii bazaţi pe euristici din programele informatice au căpătat o
răspândire tot mai largă datorită lucrărilor lui Herbert Simon. Dincolo de faptul că
este responsabil pentru introducerea termenului din corespondentul grecesc, Simon
a elaborat o teorie exprimată sub forma unui program de simulare169 (GPS -
General Problem Solver), prin care se intenţiona rezolvarea oricărei probleme.
Oricum acesta a putut fi aplicat doar pentru probleme bine definite: demonstrarea
teoremelor (logică, geometrie), şah, puzzle sau problema turnurilor din Hanoi170
(fig.2.4) - una dintre primele pe care GPS a reuşit să le rezolve, constând în
mutarea într-un număr minim de paşi a tuturor discurilor de pe un turn (1) pe un
altul (3), folosind un al treilea (intermediar - 2) şi respectându-se restricţiile de a nu
utiliza decât un disc la un moment dat, respectiv de a nu plasa unul mai mare
164
Kirkwood, C., W., Decision Trees,
<http://www.public.asu.edu/~kirkwood/DAStuff/decisiontrees/DecisionTreePrimer-1.pdf>
165
http://whatis.techtarget.com/definition/0,,sid9_gci212246,00.html
166
Turban, E., Aronson, J., E., Liang, T.-P., Sharda, R., Op.cit., p.537
167
Emad, F., Tseng, C.-W., Algorithm Strategies,
<http://www.cs.umd.edu/class/spring2005/cmsc132/lecs/lec34.ppt>
168
Lin, G., Yu, T., P.-Y., A Greedy, Non-recursive Algorithm for Minimum-Time
Rendering of Triangle Meshes, <http://www.math.drexel.edu/~tyu/Papers/MTR_JEA.pdf>
169
http://tip.psychology.org/simon.html
170
http://facultystaff.richmond.edu/~pli/teaching/psy333/ai_genprob.html

deasupra unuia mai mic. Concret171, programul testa acţiuni diferite (operatori -
accepţiunea lui Newel şi Simon - sau orice activităţi care schimbă starea
sistemului), pentru a descoperi prin care anume va ajunge mai aproape de starea
obiectiv.
Figura 2.4 Problema turnurilor din Hanoi

(Sursa: Willingham, D., T., How Knowkedge Helps, <http://www.adlit.org/article/12443>)
Principalii paşi172 ai algoritmului GPS se pot rezuma astfel:
1. construirea unei soluţii iniţiale;
2. testarea condiţiilor de admisibilitate a soluţiei (sistemul de
restricţii):
3. dacă aceste restricţii sunt îndeplinite, se trece la pasul 4;
4. dacă nu, se calculează abaterile şi se trece la pasul 3;
3. căutarea unei strategii de reducere a abaterilor;
4. determinarea unei soluţii prin construirea drumului la starea
iniţială;
în timp ce posibilităţile avute în punctele de control presupun de regulă:
• alegerea unui operator;
• deciderea asuprea continuării plecând de la o anumită stare;
• determinarea situaţiilor în care operatorul trebuie păstrat în
memorie pentru o eventuală revenire;
• alegerea unei noi stări de unde se va continua procesul, atunci când
se decide abandonarea stării curente.
Oamenii pot rezolva desigur un set mult mai mare de probleme decât GPS,
informaţiile pe care se bazează acesta din urmă fiind adesea surclasate de
diversitatea cunoaşterii umane (ex.: cunoaşterea regulilor generale ale fizicii, a
anumitor proprietăţi ale substanţelor, a condiţiilor uzuale de siguranţă, cunoaşterea
episodică folosită pentru amintirea anumitor evenimente, cunoaşterea regulilor
bunului simţ), mare parte dobândită prin efectul experienţei.
Scopul GPS trebuie însă văzut ca unul ce caracterizează orice astfel de
paradigmă, şi anume, unul ce ţine mai ales de viteza de rezolvare, în condiţiile
limitelor umane privind capacitatea de a testa.
171
Dewey, R., The General Problem Solver,
<http://www.psywww.com/intropsych/ch07_cognition/general_problem_solver.html>
172
Airinei, D., Op.cit., <https://portal.feaa.uaic.ro/C0/Sisteme de asistare a
deciziil/Document Library/Curs_DSS_C2.pdf>

2.3 CONCLUZII
Elementele teoretice privind deciziile şi modelele decizionale cuprinse în
acest capitol, au fost structurate pornind de la scopul esenţial al argumentării
caracterului ştiinţific al procesului decizional şi a posibilităţilor reale de optimizare
a acestuia.
Alte obiective au presupus delimitarea şi caracterizarea rezumativă a
anumitor metode, modele şi tehnici implementate în multe dintre exemplele care
vor fi prezentate în cel de-al patrulea capitol, cu evidenţierea unor deficienţe şi
posibilităţi de corectare consacrate. Una dintre concluziile desprinse cu ocazia
acestui demers se referă la importanţa modelelor formalizate pentru procesul
decizional.
Contribuţiile personale au vizat aici mai ales sintetizarea elementelor
teoretice recunoscute şi, datorită unor inadvertenţe sau lipsuri constatate în
sistematizarea prezentării în literatură, chiar propunerea anumitor schematizări
precum matricea decizională generalizată, aplicabilă pentru condiţii de certitudine,
risc şi incertitudine, respectiv pentru grupuri de decidenţi. Pe de altă parte, s-au
avut în vedere o serie de convenţii intuitive privind variabilele şi indicii utilizaţi,
oferind astfel o viziune unitară asupra demersului teoretic în ansamblu.

CAPITOLUL 3 - SISTEMELE DE ASISTARE A
DECIZIILOR ÎNTRE CONSACRAT ŞI VIZIUNE
PERSONALĂ
Sistemele de asistare a deciziilor (SAD sau DSS - Decision Support
Systems) au fost şi rămân un subiect de controverse şi în acelaşi timp un domeniu
de cercetare complex, la graniţa dintre ştiinţe şi în permanentă legătură cu noutăţile
de ordin tehnic. Deşi teoria şi aplicaţiile specifice evoluează rapid lăsând loc unor
orientări terminologice noi, dar şi confuziilor, domeniul rămâne unul profund
ancorat în realitatea prezentă.
Capitolul de faţă aduce în prim plan tocmai aceste sisteme de asistare a
deciziilor, încercându-se o combinare a argumentelor teoretice cu anumite
contribuţii personale privind cercetarea în domeniu. În aceast sens nu sunt ocolite
exemplele care scot în evidenţă caracterul aplicativ al acestor sisteme şi nici
anumite detalii tehnice pe care le-am considerat indispensabile în susţinerea ideilor
expuse.
3.1 DE LA (R)EVOLUŢIA TEHNOLOGICĂ LA SISTEMELE DE
ASISTARE A DECIZIILOR
În contextul în care sistemele informaţionale au presupus dintotdeauna, pe
lângă factorul uman, ideea de infrastructură, respectiv de suport fizic pentru
prelucrarea, stocarea şi comunicarea datelor, nu putem ignora tehnologia, respectiv
unele repere esenţiale din evoluţia sa, în demersul cu privire la sistemele de asistare
a deciziilor ca sisteme informaţionale173.
În ceea ce priveşte evoluţia echipamentelor de prelucrare, aşa cum aprecia
în 1965 Gordon Earle Moore, co-fondator al corporaţiei Intel şi autor al “legii” care
îi poartă numele, numărul tranzistorilor care vor fi incluşi într-un circuit integrat
va creşte exponenţial, dublându-se, în timp ce costul acestora se va înjumătăţi la
fiecare optsprezece luni. Fiind valabilă de mai bine de jumătate de secol, observaţia
continuă să se aplice174.
Revoluţia mijloacelor de stocare a datelor a însemnat practic trecerea prin
mai multe stadii de evoluţie: sisteme de stocare mecanice (cartele perforate, banda
timbrată, discuri de vinil), magnetice (banda magnetică, caseta magnetică, disc
dur), optice (disc holografic, disc compact - CD, disc digital versatil/video - DVD)
respectiv, mai noile medii compacte (memorii flash şi discuri “în stare solidă” -
memorii flash, având controler-e cu funcţii avansate folosite în loc de hard disk-
uri). În timp, acest fenomen a însemnat: mărirea capacităţii de stocare a datelor pe
suporţi externi, modificarea modului şi implicit a vitezei de acces la date, creşterea
rezistenţei materialelor sursă dar şi a timpului de remanenţă a datelor pe suport. În
această succesiune de stadii trebuie remarcată renunţarea treptată la accesul
173
adaptare după Paul, V., Conflictele secolului XXI. Războiul informaţional, în Colocviu
Strategic, Nr.7, august 2005, <http://cssas.unap.ro/ro/pdf_publicatii/cs07-05.pdf>
174
adaptare după Robat, C., Moore, G., E., <http://www.thocp.net/biographies/moore_
gordon.htm>

secvenţial la date (bandă, casetă), promovându-se în schimb accesul direct (discuri,

memorii flash). Această schimbare a determinat o creştere semnificativă a vitezei
de transfer, respectiv îmbunătăţirea timpilor de răspuns în aplicaţii care utilizau
cantităţi masive de date.
Preocupările legate de stocarea datelor sunt chiar mai vechi dacă luăm în
considerare forma înregistrării analogice. În continuare, vom puncta câteva
momente notabile în evoluţia tehnologiei analogice de comunicare şi înregistrare:
acum ~ 9000 ani (neolitic) - primele simboluri inscripţionate în lut,
reprezentând însemnări despre pămînt, grâne sau vite175;
4900 î.e.n. - apare scrierea hieroglifică egipteană176;
594 e.n. - chinezii începeau să practice inscripţionarea cu matriţe de lemn;
1400 - tehnica inscripţionării ajunge în Europa;
1450, 1455 - Johann Gutenberg introduce presa tipografică cu matriţe
mobile din aliaj metalic177, respectiv tipăreşte prima carte produsă în masă
- biblia;
1727 - Stephen Gray178 descoperă principiul mişcării libere a curentului
electric;
1800 - Alessandro Giuseppe Antonio Anastasio Volta179 inventează pila
electrică;
1820 - Hans Christian Orsted180 evidenţiază relaţia dintre fenomenele
electrice şi cele magnetice, printr-un experiment ce implică mişcarea acului
unei busole în apropierea unui circuit electric;
1831 - Michael Faraday181 descoperă legea inducţiei electromagnetice,
dovedind că un curent electric apare doar la modificarea câmpului
magnetic; simultan, Joseph Henry182 descoperă autoinducţia,
electromagnetul şi releul magnetic - cu principiu de funcţionare
asemănător cu cel al viitorului telegraf;
1844 - Samuel Finley Breese Morse183 demonstrează public telegraful
electric patentat încă din 1837 (Charles Wheatstone, William Fothergill
Cooke184), pe o linie Washinghton - Baltimore, utilizând codul cu acelaşi
nume, introdus în 1838;
175
http://www.historian.net/hxwrite.htm
176
http://www.aspera.ro/dl/eseuasperacraciunescu.pdf
177
http://ink.news.com.au/mercury/print_museum/print_history.htm
178
http://www.eoearth.org/article/Gray,_Stephen
179
http://www.italian-american.com/volta.htm
180
http://www.experiencefestival.com/a/History_of_radio_-
_Origins_and_developments/id/1473741
181
http://www.phy.hr/~dpaar/fizicari/xfaraday.html
182
http://etcweb.princeton.edu/CampusWWW/Companion/henry_joseph.html
183
http://www.atic.org.ro/ktml2/files/uploads/Com_MDapr.2003.pdf
184
http://chem.ch.huji.ac.il/history/wheatstone.html

Sistemele de asistare a deciziilor între consacrat şi viziune personală 67
1857, 1858 - primele încercări de legare prin cablu telegrafic

transatlantic185 a Marii Britanii de SUA;
1876 - Alexander Graham Bell inventează telegraful cu transmisie de voce
(telefon)186; un an mai târziu înfiinţează prima companie telefonică -
Bell187 iar Charles Cross188 face o descriere detaliată a unui dispozitiv
capabil să înregistreze şi să reproducă fenomenele acustice pe principii
mecanice - paleofonul;
1878, 1879 - Thomas Alva Edison obţine brevetul pentru invenţia
fonografului189, care înregistra sunetul pe folii de ceară, respectiv a
becului190;
în 1898 - Valdemar Poulsen concretizează invenţia lui Oberlin Smith
(1888) într-un dispozitiv care înregistra pe bandă de oţel - telegrafon
(telefon şi gramofon), prezentat la Expoziţia Universală din Paris - 1900;
din acelaşi an datează şi cea mai veche înregistrare, a împăratului Frantz
Joseph191;
1902 - Guglielmo Marconi192 foloseşte ceea ce s-ar fi putut numi telegraf
fără fir şi realizează prima transmisie radio pe Atlantic;
1928 - Fritz Pfleumer patentează magnetofonul193, folosit pentru a
înregistra pe suporţi de plastic cu particule feromagnetice;
Chiar dacă suntem tentaţi să considerăm perioada care urmează cronologic
anului 1928 drept început al epocii sau erei digitale, istoria infirmă această ipoteză,
arătându-ne, cu exemple din cele mai diverse, că datele în format digital au o
origine mai veche, astfel:
1804 - Joseph Jacquard inventează ţesătoria automatizată194;
1834 - contesa Augusta Ada King, născută Byron, face o descriere a
maşinii analitice a lui Babbage195 (1833), fiind considerată astfel, primul
programator196;
1890, 1896 - Herman Hollerith inventează maşina mecanică de
întabulare197 cu cartele perforate, respectiv fondează compania Tabulating
185
http://www.connected-earth.com/Galleries/Telecommunicationsage/Thetelegraph/
Internationaltelegraphconnections/index.htm
186
http://www.privateline.com/TelephoneHistoryA/teleHistoryA.htm
187
http://www.anisp.ro/?c=enciclopedie-istoric
188
http://atelier.liternet.ro/articol/244/Oltea-Serban-Parau/Mica-istorie-a-inregistrarii-
discografice.html
189
http://www.agir.ro/articol.php?id_articol=328
190
http://www.e-scoala.ro/fizica/edison.html
191
http://www.agir.ro/univers-ingineresc/inventiile_si_istoria_lor_(urmare_din_nr._trecut)_
353.html
192
http://www.nobel-winners.com/Physics/guglielmo_marconi.html
193
http://history.sandiego.edu/gen/recording/tape.html
194
http://everything2.com/index.pl?node=Jacquard%20loom
195
Airinei, D., Grama, A., Fătu, T., Fotache, D., Georgescu, M., Tehnologii informaţionale
pentru afaceri, Editura Sedcom Libris, Iaşi, 2006, p.36
196
http://original.britannica.com/eb/article-9049130/Ada-King-countess-of-Lovelace

Machine Company, devenită ulterior celebra International Business

Machines Corporation (IBM);
1947 - William Shockley198 inventează tranzistorul în laboratoarele Bell;
1949, 1951 - Jay Forrester199 inventează, respectiv patentează memoria cu
acces aleatoriu bazată pe inele de ferită (fiecare corespundea unei valori
binare - 0/1);
1951- calculatoarele intră pe piaţă200 (Univac este primul);
1956 - IBM introduce primul disc dur (harddisk)201, de aproximativ 5
Megaocteţi şi cântărind ~ o tonă;
1958 - Jack Kilby şi Robert Noyce inventează circuitul integrat (ICs, chip);
1971 - apare primul microprocesor (4004) - dezvoltat de Marcian E.
Hoff202 - cu 2300 tranzistori, putând executa ~ 60000 operaţii pe secundă
(0,06 MIPS) la viteza de 108KHz; tot atunci IBM introduce discheta203 de
8 inch;
1981 - primul IBM PC este vândut - modelul 5150204.
Performanţele sistemului informaţional ca totalitate a resurselor umane,
fizice şi financiare folosite în vederea colectării şi prelucrării datelor necesare
producerii informaţiilor la nivelul unei organizaţii205, au cunoscut la rândul lor
modificări. O bună perioadă de timp a existat şi s-a vehiculat noţiunea de sistem
informatic (Computer Based Information System), indicând utilizarea tehnologiei
electronice de calcul. Pe măsura generalizării sale, termenul consacrat a devenit
acela de sistem informaţional (Information System). Forme particulare, printre care
şi sistemele de procesare a tranzacţiilor (TPS), sistemele informaţionale pentru
conducere (MIS) sau sistemele de automatizare a muncii de birou (OAS), aveau să
se bazeze şi pe o anumită specializare a tehnologiei pentru un anumit set de funcţii.
Apariţia şi evoluţia sistemelor de asistare a deciziilor (SAD) ca sisteme
informaţionale a depins mult de modificările tehnologice enumerate anterior, iar
argumentele cele mai solide se regăsesc în nevoia acută de date istorice, în cantităţi
mari şi rapid accesibile, respectiv în solicitările constante de viteză de prelucrare şi
de răspuns din partea aplicaţiilor, dar şi a echipamentelor din componenţa
sistemelor informaţionale, care promiteau totodată să ofere modalităţi de
interacţiune din ce în ce mai apropiate de natura umană.
197
http://www.ideafinder.com/history/inventors/hollerith.htm
198
http://www.cedmagic.com/history/transistor-1947.html
199
http://inventors.about.com/od/rstartinventions/a/Ram.htm
200
http://www.computer50.org/mark1/contemporary.html
201
http://www.popular-pics.com/pictures.aspx?photoid=422
202
http://trillian.randomstuff.org.uk/~stephen/history/timeline-CPU.html
203
http://inventors.about.com/library/weekly/aa110198.htm
204
http://www-03.ibm.com/ibm/history/exhibits/pc/pc_1.html
205
Oprea, D., Airinei, D., Fotache, M., Sisteme Informaţionale pentru Afaceri, Editura
Polirom, Iaşi, 2002, p.11

Pe acelaşi fond general, evoluţia tehnologiilor de comunicaţie a înregistrat

în ultimile decenii câteva tendinţe notabile206: convergenţa cu sistemele de calcul
(TV, radio, telefon, fax, calculator) într-o reţea universală, ominiprezenţa,
umanizarea şi individualizarea. Acest progres extraordinar al comunicaţiilor s-a
axat mai ales pe generalizarea tehnologiei pe bază de fibră optică, respectiv satelit.
Concomitent cu aceste schimbări majore care au revoluţionat modul în care
comunicăm, interacţionăm, gândim şi chiar trăim, trebuie să amintim suportul
oferit de alte ramuri ale ştiinţei şi tehnicii. Astfel, nu putem ignora progresele
înregistrate de domeniul materialelor, electricitate sau al cercetărilor spaţiale, fără
de care inclusiv industria tehnologiei informaţiei şi comunicării nu ar fi ajuns la
nivelul la care se situează astăzi.
3.2 SCURT ISTORIC AL APARIŢIEI ŞI EVOLUŢIEI SISTEMELOR DE
ASISTARE A DECIZIILOR
În anii ’40, primii utilizatori ai calculatoarelor vedeau în acestea, în
principal, calculatoare programabile foarte rapide. În aceeaşi perioadă,
succesoarele sistemelor de prelucrare automată a datelor (Electronic Data
Processing-EDP) - la început, pe loturi (Batch Processing), şi anume sistemele de
procesare a tranzacţiilor (Transaction Processing Systems-TPS), începeau să fie
utilizate la nivelul conducerii operative. În strânsă legătură cu teoria bazelor de
date, o tranzacţie a fost adesea definită207 ca o unitate de lucru grupând una sau mai
multe operaţii, executate împreună şi având un rezultat comun, în sensul succesului
sau eşuării - atomicitate.
Deşi, aveau să fie consemnate mult mai târziu, anul 1945 ar putea fi
considerat un punct de reper în apariţia sistemelor de asistare a deciziilor - cele
orientate pe documente şi hipertext. Vannevar Bush publica la vremea respectivă
un articol în care descria principiile de funcţionare ale Memex - un dispozitiv
mecanic utilizat pentru a stoca, accesa şi lega208 între ele documente şi imagini
utilizând microfilmul. Dispozitivul (fig.3.1) permitea, de asemenea, realizarea de
animaţii.
Figura 3.1 Dispozitivul Memex

(Sursa: http://www.mercurious.com/wordpress/wp-content/uploads/2007/07/memex_2.jpg)
206
Wilfong, J., Seger, T., Taking Your Business Global, Career Press, Franklin Lanes, New
Jersey, 1997, p.54
207
Garcia-Molina, H., Ullman, J., D., Widom, J., Database Systems. The Complete Book,
Prentice Hall, New Jersey, 2002, p.13,14
208
http://www.dynamicdiagrams.com/case_studies/mit_memex.html

Pe la mijlocul anilor ’50, cercetătorii au devenit tot mai interesaţi de luarea

automată a deciziilor. Spre exemplu, în locul utilizării pentru rezolvarea ecuaţiilor
diferenţiale, oamenii de ştiinţă din domeniul calculatoarelor aveau să le folosească
din ce în ce mai mult pentru dezvăluirea secretelor minţii umane. Astfel că, în
1958, în Dartmouth (Massachusetts), avea loc prima conferinţă de Inteligenţă
Artificială.
În 1960, Licklider (director al Advanced Research Projects Agency-ARPA,
din 1962) publica un studiu despre „simbioza” om-calculator. În lucrare punea în
evidenţă şi cea de-a treia posibilitate, ceva mai promiţătoare, cel puţin pentru
momentul respectiv, anume dezvoltarea calculatoarelor ca instrumente care ar fi
putut să-i ajute pe utilizatorii lor să gândească şi nu ca instrumente de automatizare
a prelucrărilor sau a gândirii. În opinia sa, un calculator s-ar fi potrivit mai bine
pentru un utilizator, ca şi ajutor în formularea soluţiilor la diverse probleme în mod
interactiv, respectiv pentru a-i facilita gândirea în timp real. Oricum, aceasta cerea
dezvoltarea de noi limbaje, interfeţe de utilizare, respectiv de modalităţi de stocare
a informaţiei în memoria calculatorului209. Cu toate acestea, vom conveni asupra
studiului, ca element de referinţă în apariţia sistemelor de asistare a deciziilor,
subliniind că la acel moment acestea existau deja în faze incipiente ca experiment
şi tocmai se năşteau ca ideologie.
Practic însă, anii ’60 au însemnat utilizarea sistemelor informaţionale
pentru conducere (Management Information Systems-MIS). Aceste sisteme
informaţionale plecau de la TPS, sintetizând informaţiile în rapoarte - de aici şi cea
de-a doua denumire, de sisteme de raportare pentru conducere (Management
Reporting Systems-MRS). Rapoartele erau de regulă periodice, predefinite, dificil
de obţinut şi cel mai adesea insuficiente luării deciziilor la nivelurile superioare ale
conducerii. Tehnic vorbind, apariţia şi utilizarea MIS în această perioadă a fost
favorizată şi de disponibilitatea tehnologiei - calculatorul IBM 360 şi alte sisteme
de calcul de tip mainframe.
Consecutiv, în anii ’70, respectiv ’80, este recunoscută apariţia DSS,
respectiv EIS (Executive Information Systems - sisteme informaţionale pentru
conducerea executivă), două noi forme de sisteme informaţionale diferenţiate prin
orientarea predilectă spre palierele decizionale superioare – tactic, respectiv
strategic. Prin acestea, se dorea oferirea de scenarii decizionale şi elaborarea de
previziuni - prima formă, respectiv furnizarea de rapoarte personalizate, care
integrau informaţii provenind atât din surse interne cât şi externe - a doua formă.
Termenul DSS ca atare pare să dateze din 1970, când a fost folosit într-un articol
scris de John Little, deşi, istoric vorbind, chiar mai înainte cu 10 ani -1960, Herbert
Simon se referise la DSS odată cu formularea modelului trifazic210 de luare a
209
adaptare după Tuomi, I., Networks of innovation, change and meaning in the Age of
Internet, Oxford University Press, New York, 2002, p.78
210
Mora, M., Forgionne, G., Gupta, J., Decision Making Support Systems: Achievements,
Trends and Challenges for the New Decade, Idea Group Inc. 2003, p.2

deciziilor, recunoscut şi astăzi. Trecerea “de la EIS la ESS”211 a însemnat pentru

acestea din urmă (ESS - Executive Support Systems, adică sisteme de asistare a
conducerii executive) transformarea într-o extensie EIS, care oferea suplimentar
facilităţi organizaţionale şi de comunicare integrate.
Tabelul 3.1 Comparaţie rezumativă între TPS, MIS, DSS şi EIS
(Surse: Viehiand, D., Decision Support for Executives: Executive Information Systems,
<http://www.aair.org.au/jir/1990Papers/Viehland.pdf>
***, Perspectives of Information Systems - Content of The CEMS Course,
<http://zeus.bke.hu/oktatas/cems/perspectives/DecisionMaking.pdf>)
Pentru a diferenţia net conceptele anterioare ce privesc câteva tipuri foarte

cunoscute şi utilizate de sisteme informaţionale, am tradus şi citat în acest context o
prezentare comparativă sintetică (tabelul 3.1), concentrată pe un set de proprietăţi
ale tehnologiei folosite de către aceste sisteme, respectiv ale mediului de lucru.
După o clasificare a SAD (Holsapple şi Whinston212) din anii ‘90, ramura
sisteme expert - ES (Expert Systems) a inteligenţei artificiale devenea cunoscută şi
ca sisteme de asistare a deciziilor orientate pe reguli. Acestea foloseau de obicei
răspunsuri simple de forma adevărat/ fals, pentru a evalua datele de intrare, în timp
evoluând la forme mai complexe capabile să genereze evaluări, plecând de la
diferite probabilităţi asociate evenimentelor din lumea reală.
Tot în anii ‘90 apar Depozitele de Date (Data Warehouses), care
presupuneau un salt uriaş privind capacităţile în materie de asistare a deciziilor.
Mai concret, acestea răspundeau strategiei de ansamblu şi nu nevoilor curente ale
unei organizaţii, oferind informaţie cu caracter istoric consistent şi sistematizat şi,
mai ales, promiţând enorm prin asocierea cu tehnologia client-server.
Cam în aceeaşi perioadă era foarte popularizat termenul de Inteligenţă
Economică sau Business Intelligence (BI), deşi foarte mult din ceea ce presupunea
211
Mallach, E., Title: Understanding Decision Support Systems and Expert Systems,
<http://dssresources.com
/books/contents/mallach94.html>
212

noul concept se manifestase cu mult înainte213, având rădăcini în sistemele

rudimentare de raportare ale anilor ’70 - la momentul respectiv statice,
bidimensionale, fără prea multă capacitate analitică şi adesea sinonime cu
interogările. Pe fondul avantajelor Depozitelor de Date şi a tehnologiei OLAP (On-
Line Analytical Processing), noile instrumente BI aveau să evoluează repede la o
nouă generaţie care includea aplicaţii de raportare multidimensională, dinamică,
pentru procese decizionale predictive, aplicaţii analitice, respectiv aplicaţii cu
componente de tip tablou de bord (dashboard, scorecard).
În ultimul timp, în strânsă legătură cu BI, au apărut termeni şi idei precum,
Business Performance Management (BPM), Business Process Management (tot
BPM), Corporate Performance Management (CPM), Business Activity Monitoring
(BAM). Deşi prezentaţi adesea în extenso, toţi pot fi consideraţi parte a Business
Intelligence şi depinzând de instrumentele BI.
BI reuneşte astăzi şi trăsături ale sistemelor informaţionale geografice, ale
sistemelor spaţiale de asistare a deciziilor, respectiv ale depozitelor de date214.
Astfel că înclinaţia actuală predilectă spre analize şi raportări manageriale
orientate-date face plauzibilă o eventuală catalogare a instrumentelor de Business
Intelligence ca o formă mai nouă de manifestare a sistemelor informaţionale pentru
conducerea executivă. În schimb, utilizarea excesivă a acestei terminologii, de dată
relativ recentă, pentru a acoperi toată paleta de sisteme de asistare a deciziilor nu se
justifică pe deplin, cu atât mai mult cu cât acestea din urmă au fost dezvoltate cu
referire la teorii din psihologie şi din ştiinţele cognitive, în timp ce în mai
modernele instrumente de Business Intelligence există prea puţine referinţe la
acestea215.
Figura 3.2 Evoluţia sintetică a sistemelor de asistare a deciziilor

(Sursa: Hattenschwiler, P., Gachet, A., Decision Support Systems,
<http://diuf.unifr.ch/ds/courses/dss2002/pdf/DSS.pdf>)
213
Zaman, M., Business Intelligence: Its Ins and Outs, <http://www.technologyevaluation.
com/Research/ResearchHighlights/BusinessIntelligence/2005/01/research_notes/TU_BI_M
Z_01_10_05_1.asp?id=1.2005.1.10.2651?id=1.2005.1.10.2651>
214
215
Homocianu, D., Business Intelligence between Reality and Fancy Words, The
proceedings of the 8-th European Conference: E-Comm-Line, IPA Publishing House,
Bucharest, 2007

Pentru a sintetiza istoricul apariţiei şi devenirii sistemelor de asistare a

deciziilor, am tradus şi citat o schemă relativ simplă de evoluţie (fig.3.2).
Figura 3.3 Evoluţia domeniului asistării deciziilor

(Sursa: Arnott, D., Pervan, G., A Critical Analysis of Decision Support Systems Research, Journal of
Information Technology, 20, 2, 2005, p.67-87)
Traseul istoric descris anterior poate fi completat (fig.3.3) urmărind şi o

serie de relaţii care s-au creat de-a lungul timpului între sistemele de asistare a
deciziilor şi alte sisteme informaţionale, respectiv alte teorii sau chiar domenii ale
ştiinţei.
3.3 DEFINIREA SISTEMELOR DE ASISTARE A DECIZIILOR
Chiar şi fără a face referinţă la anumite accepţiuni concrete, e de la sine
înţeles, până la acest stadiu, că un sistem de asistare a deciziilor poate fi definit în
multe feluri. Dincolo de aspectele specifice ale fiecărei încercări, în ansamblu
interesează mai ales trăsăturile cele mai importante şi mai des întâlnite. De aici,
nevoia unei sistematizări pe criterii obiective.
Cu titlu de definiţie relativ simplă şi în sens larg, un sistem de asistare a
deciziilor, aşa cum sugerează şi denumirea, reprezintă un sistem computerizat care
ajută la luarea deciziilor manageriale.
3.3.1 Listă istorică de definiţii atribuite SAD
Definiţiile atribuite variază în sensul că unele dintre ele scot în evidenţă
componentele fizice (hardware) şi aplicaţiile (software), altele se concentrează pe
o anumită funcţie, în timp ce alte categorii pun accentul pe interfaţa cu utilizatorul,
specificul locului de muncă sau fluxurile de date. Cu riscul redundanţei şi în

speranţa unui maxim de complementaritate, vom prezenta câteva astfel de definiţii

în ordine cronologică:
set de proceduri bazat pe modele, utilizat în procesarea datelor şi a
“judecăţilor” pentru asistarea unui manager în luarea deciziilor (Little216,
1970);
sistem informatic interactiv care ajută decidenţii să utilizeze date şi modele
pentru rezolvarea problemelor nestructurate (Gorry şi Scott Morton217, 1971);
despre „Brandaid” (dssresourcess.com218, 1975) - sistem proiectat pentru a
asista decizii de produs, preţuri şi promovare pe baza modelului multi-variat219;
combină abilităţile umane de luare a deciziiilor cu puterea şi capacităţile
calculatorului pentru a asigura un management eficient al volumelor mari de
date, raportări flexibile, posibilităţi analitice şi de modelare şi o varietate de
opţiuni de prezentare vizuală (archive.computerhistory.org220, 1977);
sistem cu suport informatic pentru decidenţii-manageri care se confruntă cu
probleme semistructurate; cuplează resursele intelectuale ale indivizilor cu
posibilităţile oferite de calculator, pentru a îmbunătăţi calitatea deciziilor (Keen
şi Scott Morton221,1978);
sistem informatic utilizat de manageri ca suport nemijlocit de luare a deciziilor
(Keen şi Wagner, 1979);
este orientat spre probleme mai puţin bine structurate, referitoare la nivelurile
superioare de management; încearcă să combine utilizarea modelelor sau
tehnicilor analitice cu accesul tradiţional la date şi funcţii de căutare; focalizat
pe caracteristici care le fac uşor de utilizat de către neinformaticieni într-un
mod interactiv; se bazează pe flexibilitate şi adaptabilitate, pentru a asigura
acomodarea utilizatorilor cu schimbările din mediul decizional (Sprague,
1980);222
sistem informatic diferenţiat de sistemele tradiţionale de procesare electronică
a datelor (EDP) prin: modul de utilizare - activă şi nu pasivă, tipul
utilizatorului - manager şi nu funcţionar, scop/obiective - eficacitate şi nu
neapărat eficienţă, respectiv flexibilitate şi nu consistenţă, orizontul de timp -
prezent sau viitor şi nu trecut (Alter223, 1980);
216
Turban, E., Aronson, J., E., DSS and Intelligent Systems, <http://serel.cis.famu.
edu/~riggs/DSS/ch03.ppt#260,5,DSS Definitions>
217
Trends and Challenges forthe New Decade, Idea Group Inc. 2003, p.102
218
http://dssresources.com/history/dsshistory.html
219
http://dspace.mit.edu/bitstream/1721.1/2625/1/SWP-3908-36119654.pdf
220
http://archive.computerhistory.org/resources/text/Tymshare/TYMSHARE.DecisionSupp
ortSystems.1977.102646149.pdf
221
Mora, M., Forgionne, G., Gupta, J., Op. cit., p.103
222
Airinei, D, Sisteme de Asistare a Deciziilor, <https://portal.feaa.uaic.ro/C0/Sisteme de
asistare a deciziil/Document Library/Curs_DSS_C1.pdf>
223
Turban, E., Aronson, J., E., Op. cit, <http://serel.cis.famu.edu/~riggs/DSS/ch03.ppt#
281,6, Slide 6>

sistem extensibil capabil de analize ad-hoc şi modelarea deciziilor, orientat

către planificări şi folosit la intervale neregulate şi neplanificate (Moore şi
Chang, 1980);
sistem informatic constând din: subsistem de limbaj sau modulul de
comunicare între utilizator şi componentele SAD, de cunoaştere şi de procesare
a problemelor sau de legătură a celorlalte două componente (Bonczeck şi
colaboratorii, 1980) 224;
sistem informatic interactiv care ajută decidenţii să utilizeze date şi modele
pentru a rezolva probleme slab structurate, nestructurate sau semistructurate
(Sprague, Carlson şi colaboratorii225, 1982);
tip de sistem informaţional care se inspiră (draws on) din sistemele de
procesare a tranzacţiilor (TPS) şi interacţionează cu alte părţi ale sistemului
informaţional în ansamblu, pentru a facilita activităţile managerilor şi a altor
specialişti din organizaţie privind luarea deciziilor (Sprague şi Carlson226,
1982);
set de instrumente informatice utilizate de manageri în situaţii ce ţin de
rezolvarea problemelor şi luarea deciziilor (Leigh şi Doherty227, 1986);
sistem predispus la izolarea de sistemele informaţionale majore ale organizaţiei
şi care tinde spre sisteme de sine stătătoare dezvoltate de grupuri de utilizatori
finali care nu se află sub controlul sistemului informaţional central (Hogue228,
1987);
sistem informatic care influenţează/încearcă să influenţeze luarea deciziilor de
către manageri (Silver229, 1991);
sistem om/maşină potrivit pentru probleme semistructurate, unde o parte din
analiză poate fi automatizată, capacitatea de judecată şi pătrundere a
decidentului fiind în continuare necesare pentru controlul procesului sau sistem
în care calculatorul asigură suportul, însă nu înlocuieşte judecata managerului,
rezolvarea efectivă a problemelor fiind augmentată de interacţiunea dintre
calculator şi manager (Lucey230, 1991);
sistem utilizat pentru rezolvarea problemelor slab structurate, unde arta
conducerii se îmbină cu ştiinţa (Kanter, 1992);
224
Turban, E., Aronson, J., E., Op. cit., <http://serel.cis.famu.edu/~riggs/DSS/ch03.ppt#
261,7,Slide 7>
225
http://dssresources.com/papers/supportingdm/PowerEBKSupp.pdf
226
227
Airinei, D, Op.cit., <https://portal.feaa.uaic.ro/C0/Sisteme de asistare a deciziil/Document
Library/Curs_DSS_C2.pdf>
228
Galliers, R., Leidner, D., E., Baker, B., S., H., Strategic Information Management -
Challenges and Strategies in Managing Information Systems second edition, Butterworth
Heinemann, Oxford, 2001, p.527
229
230
Lucey, T., Management Information Systems 6th edition, DP Publications Limited,
London, 1991, p.267-268

set integrat de instrumente informatice care permit interacţiunea nemijlocită a

decidenţilor cu sistemele de calcul pentru a obţine informaţiile necesare luării
deciziilor semi- sau nestructurate (Hicks, 1993);
sistem informatic care ajută procesul de luare a deciziilor (Finlay, 1994);231
sistem informatic interactiv, flexibil şi adaptabil, dezvoltat în special pentru a
oferi suport în soluţionarea problemelor nestructurate de management pentru
îmbunătăţirea luării deciziilor sau un sistem care utilizează date, furnizează o
interfaţă uşor de folosit şi ţine seama de discernământul (insigh) decidentului
(Turban232, 1995);
modele analitice orientate spre vizualizarea celor mai importante date şi care
servesc la sporirea eficienţei şi a eficacităţii luării deciziilor de către manageri
(Frenzel233, 1996);
termen util şi cuprinzător pentru multe tipuri de sisteme informaţionale care
susţin luarea deciziilor şi, în acelaşi timp, o noţiune uşor de ţinut minte ori de
câte ori sistemul informatic pe care se bazează nu este unul de procesare a
tranzacţiilor în timp real - OLTP (Power234, 1997);
sistem informatic proiectat pentru a ajuta managerii la selectarea uneia sau mai
multor situaţii/cazuri ale unei probleme (Oz, 1998);
sistem informatic care asigură managerilor suport informaţional interactiv pe
întreg parcursul proceselor decizionale (O’Brien, 1999);235
aplicaţii proiectate pentru a fi utilizate atunci când vine vorba de probleme
nestructurate sau semistructurate, în care cel puţin o parte din informaţiile
necesare nu sunt cunoscute dinainte, fapt ce face imposibilă utilizarea unui
program obişnuit pentru a furniza rezultate specifice (Judith C. Simon236,
2001);
termen de origine pentru data warehousing şi, în continuare, cel mai potrivit
deoarece simbolizează raţiunea de a fi a acestei tehnologii: utilizarea datelor
pentru luarea deciziilor într-o organizaţie (Kimball şi Ross237, 2002);
asigură informaţii pentru a ajuta un manager sau un grup mic de manageri în
rezolvarea unei probleme specifice sau în luarea unei anume decizii (Jordan şi
McLeod Jr.238, 2002);
231
232
http://www.answers.com/topic/decision-support-system?cat=technology
233
234
http://en.wikipedia.org/wiki/Decision_support_system
235
236
Simon, J., C., Introduction to Information Systems, John Wiley and Sons, New York,
2001, p.125
237
Kimball, R., Ross, M., The Data Warehouse Toolkit, Second Edition. The Complete
Guide to Dimensional Modeling, Wiley Computer Publishing, New York, 2002, p.398

susţine raportarea excepţiilor, raportarea situaţiilor critice, depozitarea standard

şi analiza datelor, analiza bazată pe reguli; o bază de date creată pentru
procesarea interogărilor ad-hoc ale utilizatorului final (Rasmussen, Goldy şi
Solli239, 2002);
sistem informaţional proiectat pentru a furniza interactiv suportul tuturor
fazelor procesului de luare a deciziilor (DMSS - Decision Making Support
Systems - Mora, Forgionne şi Gupta, 2003240);
continuă să reprezinte principalul instrument de asistare a deciziilor folosit
pentru investigaţii ad-hoc şi pentru o suită de probleme decizionale variind de
la structurate la nestructurate (Koutsoukis şi Mitra241, 2003);
lansat înainte de apariţia calculatorului personal, a fost orientat iniţial spre
utilizarea procesării interactive în luarea deciziilor semistructurate iar astăzi e o
noţiune pentru care se folosesc termeni generici precum Inteligenţă Economică
- Business Intelligence, respectiv aplicaţii de support/sprijinire/asistare a luării
deciziilor (Alter242, 2003);
un sistem care poate asista sau înlocui decidentul prin combinarea faptelor
curente şi istorice, a datelor numerice şi a statisticilor, atât din interiorul cât şi
din exteriorul organizaţiei, respectiv prin convertirea acestor date în informaţii
utile în luarea deciziilor (Anandarajan şi Srinivasan243, 2004);
o aplicaţie-program informaţională şi nu operaţională care colectează şi
analizează date economice şi le prezintă aşa încât utilizatorii să poată lua
decizii mai simplu (SearchCIO.com244, 2005);
orice instrument folosit pentru a îmbunătăţi procesul de luare a deciziilor în
sisteme complexe, în special atunci când informaţiile sunt incerte şi incomplete
(tessella.com245, 2005);
trebuie expres şi explicit definit ca ceva mult mai cuprinzător decât o simplă
interfaţă de interogare şi analiză, aplicaţie de calcul tabelar sau chiar sistem de
gestiune a bazelor de date; este proiectat special pentru a-i face pe utilizatori
238
McLeod, R., Jr., Jordan, E., Systems Development: A Project Management Approach,
John Wiley and Sons, New York, 2002, p.42
239
Rasmussen, N., H., Goldy, P., S., Solli, P., O., Financial Business Intelligence - Trends,
Technology, Software Selection and Implementation, John Willey and Sons, New York,
2002 p.259
240
Trends and Challenges for
the New Decade, Idea Group Inc. 2003, preface, p.IX
241
Koutsoukis, N-S., Mitra, G., Decision Modelling and Information Systems. The
Information Value Chain, Kluwer Academic Publishers, Boston, 2003, p.30
242
http://www.stevenalter.com/files/A_work_system_v.pdf
243
Anandarajan, M., Anandarajan, A., Srinivasan, C., A., Business Intelligence Techniques
- A perspective from Accounting and Finance, Springer-Verlag, Berlin, 2004, p.18
244
http://searchcio.techtarget.com-sDefinition-0,,sid182_gci213999,00.html
245
http://www.tessella.com/Literature/Supplements/PDF/DecisionSupportSystems.pdf

mai apţi să rezolve probleme şi să ia decizii prin compunerea informaţiilor din

mai multe surse de date primare (nces.ed.gov246, 2006);
are drept scop îmbunătăţirea eficienţei/eficacităţii procesului de luare a
deciziilor (prin asigurarea unui mai bun control administrativ) şi facilitarea
comunicării; în timp ce acesta este menit să rafineze datele şi informaţiile
existente orientate subiect prin căutarea de rezultate ameliorate sau optimizate,
Business Intelligence ca tehnologie, poate fi văzută ca ceva utilizat pentru a
explora în căutarea de noi informaţii şi legături ascunse (Shimizu, Monteiro de
Carvalho, Laurindo247, 2006);
are ca obiectiv ajutarea la analiza informaţiilor în vederea realizării inteligenţei
economice, sau, altfel spus, a extragerii adevăratului înţeles al informaţiilor,
permiţând astfel acţiuni creative şi puternice pentru câştigarea avantajului
competitiv (Haag, Cummings şi Phillips248, 2007);
un sistem informaţional şi de planificare care oferă posibilitatea de a interoga
ad-hoc, de a analiza informaţia şi de a previziona impactul deciziilor înainte ca
acestea să fie adoptate (PCmag.com/encyclopedia249, 2008);
În cele ce urmează (fig.3.4) sunt sintetizate cronologic elementele cheie pe
care anumiţi autori le-au avut în vedere la definirea sistemelor de asistare a
deciziilor:
Figura 3.4 Concepte folosite de diferiţi autori pentru definirea unui sistem de asistare a deciziilor
(Sursa: Mora, M., Forgionne, G., Gupta, J., Decision Making Support Systems: Achievements, Trends
and Challenges for the New Decade, Idea Group Inc. 2003, p.123)
246
*** Forum Guide to Decision Support Systems - A Resource for Educators, p.2,
<http://nces.ed.gov/pubs2006/2006807.pdf>
247
Shimizu, T., Monteiro de Carvalho, M., Laurindo, F., J., B., Strategic Alignment
Process and Decision Support Systems - Theory and Case Studies, Idea Group Publishing,
Hershey, 2006, p.310, citat în Airinei, D., Homocianu, D., A DSS model with Business
Intelligence Reporting Facilities, Sisteme Integrate Colaborative pentru Afaceri Mici şi
Mijlocii, Editura Universităţiii “Alexandru Ioan Cuza”, 2007, p.11
248
Haag, S., Cummings, M., Phillips., A., Management Information Systems for the
Information Age, Sixth Edition, McGraw-Hill Irwin, New Zork, 2007, p.180
249
http://www.pcmag.com/encyclopedia_term/0%2C2542%2Ct%3DDSS&i%3D42054%2
C00.asp

Locul sistemelor de asistare a deciziilor se poate uşor desprinde analizând

o clasificare australiană (fig.3.5), din care rezultă că acestea aparţin simultan
următoarelor categorii: informatică şi sisteme informatice, sisteme informaţionale,
respectiv comerţ şi administrarea afacerilor.
Figura 3.5 Locul sistemelor de asistare a deciziilor

(Sursa: http://www.anu.edu.au/people/Roger.Clarke/SOS/AISHist0601.html)
Prin raportare la comunicare şi ştiinţa informaţiei, sistemul de referinţă

australian utilizat pentru identificarea SAD apare ca incomplet. De aceea, pentru a
reţine neapărat valenţele comunicaţiei/comunicării în demersul cu privire la
stabilirea locului sistemelor de asistare a deciziilor, vom lua în calcul şi termenul
generic tot mai des utilizat, de tehnologii ale informaţiei şi comunicării (TIC).
4.3.2 Propunere de definire a SAD
În continuare, vom analiza şi sintetiza cele treizeci şi şase de definiţii
prezentate anterior, printr-o abordare bibliometrică250 - de statistică bibliografică.
Vom considera un set de trăsături întâlnite în acestea, vom atribui fiecăreia o
importanţă sau un scor egal cu numărul ocurenţelor cuvintelor cheie ale acestor
trăsături sau sinonimelor lor şi, în felul acesta, vom obţine un clasament cu cele
mai importante trăsături ale sistemelor de asistare a deciziilor (fig.3.6), prin
ordonare descrescătoare după scor.
Mai mult chiar, dacă plecăm de la celebra cifră asociată memoriei pe
termen scurt - “magicul număr 7”251, atât de justificat de profesorul de psihologie
George A. Miller, şi dacă reţinem doar primele şapte trăsături, adică un sfert din
250
Eom, S., B., The Development of Decision Support Systems Research: A Bibliometrical
Approach, The Edwin Meller Press, New York, 2007, p.27
251
http://www.psych.utoronto.ca/users/peterson/psy430s2001/Miller%20GA%20Magical%20
Seven%20Psych
%20Review%201955.pdf

setul considerat, atunci vom obţine următoarea definiţie a sistemelor de asistare a

deciziilor: sisteme informatice folosite interactiv de către manageri pentru
asistarea luării deciziilor asociate unor probleme mai puţin structurate sau
nestructurate şi care au la bază limbajul, comunicarea, mecanismele interogării
ad-hoc şi exploatarea bazelor şi/sau a depozitelor de date.
Figura 3.6 Trăsături definitorii ale sistemelor de asistare a deciziilor

(Sursa: Airinei, D., Homocianu, D., DSS vs. Business Intelligence, The proceedings of the
International Economic Conference: ”Integrative Relations Between The European Union Institutions
and The Member States”, “Lucian Blaga” University Publishing House, Sibiu, 2008, p.3)

3.4 TAXONOMIA SAD

Taxonomia este ştiinţa care se ocupă de descrierea, identificarea,
denumirea şi clasificarea organismelor. În extenso însă, ea se referă la acea parte a
unei ştiinţe sau tehnici responsabilă de clasificare sau de principiile care acoperă
clasificarea obiectelor252.
Se întâmplă însă ca taxonomia să se refere chiar şi la orice clasificare
sistematică dintr-un anumit domeniu. Acesta este şi motivul pentru care am ales
titlul de “Taxonomia SAD”, cu referire la clasificarea sistemelor de asistare a
deciziilor.
3.4.1 Cele mai des citate clasificări
Una dintre primele clasificări ale sistemelor de asistare a deciziilor ar putea
fi considerată cea propusă de Donovan şi Madnick care, în 1977, împărţeau
sistemele de asistare a deciziilor în sisteme instituţionale, respectiv ad-hoc. Primele
se refereau la decizii repetate, în timp ce a doua categorie era descrisă ca servind
unor probleme care nu ar fi putut fi anticipate sau de la care nimeni nu s-ar fi
aşteaptat să reapară prea curând.
Cea mai cunoscută clasificare a sistemelor de asistare a deciziilor aparţine
lui Alter şi datează din 1980. Acesta consideră drept criterii majore de diferenţiere:
posibilităţile oferite, utilizatorii ţintă sau modalităţile de implementare. În plus,
Alter se referă explicit la sisteme orientate pe date, la sisteme orientate pe modele,
dar şi la o altă categorie pentru facilitarea comunicării şi a colaborării. Dezvoltând
aceste categorii, el face cunoscute mai ales câteva subtipuri de sisteme de asistare a
deciziilor care se regăsesc în primele două categorii, respectiv într-o alta
intermediară, derivată din acestea - sistemele orientate-date sau modele. Este vorba
aici despre şapte subtipuri253: sisteme de clasare a fişierelor şi sisteme de analiză a
datelor; sisteme informaţionale pentru analiză; respectiv sisteme orientate spre:
modele contabile, modele de reprezentare, modele de optimizare şi modele de
sugerare.
În anul 1981, Hackathorn şi Keen254 identifică trei categorii distincte şi în
acelaşi timp interconectate de sisteme de asistare a deciziilor: sisteme personale, de
grup şi organizaţionale.
Pentru a întregi taxonomia SAD, nu putem să nu luăm în calcul clasificarea
uşor de dedus din schema descrisă de Lucey (1991), care ţinea cont de nivelul
managerial căruia i se adresau sistemele de asistare a deciziilor, distingând astfel:
sisteme destinate conducerii operative, tactice, respectiv strategice. Chiar dacă
doar la modul cel mai general cu putinţă - credem, Lucey accepta că acestea puteau
fi orientate pe probleme mai mult, mai puţin, sau nestructurate. În acest context,
pornind de la suportul comun oferit de diferitele sisteme informaţionale ( -
fig.3.7), putem delimita alte trei categorii de sisteme de asistare a deciziilor:
252
http://www.merriam-webster.com/dictionary/taxonomy
253
Lucey, T., Op.cit., p.269
254
Mora, M., Forgionne, G., Gupta, J., Op.cit., p.22

◦ propriu-zise - destinate conducerii tactice, cu suport pentru toate tipurile

de decizii (structurate, semi- şi nestructurate);
◦ la graniţa cu sistemele expert - destinate atât conducerii executive cât şi
celei tactice, cu suport preponderent pentru decizii semi- şi nestructurate;
◦ cu unele funcţii specifice sistemelor pentru conducerea executivă -
destinate managementului strategic şi oferind cel mai adesea suport
pentru probleme decizionale semi şi nestructurate;
◦ la graniţa cu automatizarea luării deciziilor - destinate conducerii tactice
şi oferind suport prioritar deciziilor structurate şi semistructurate.
Figura 3.7 Clasificarea SAD fundamentată pe legătura dintre palierele decizionale şi gradul de
structurare a problemelor de rezolvat/deciziilor de luat
(Sursa: Lucey, T., Management Information Systems 6th edition, DP Publications Limited, London,
1991, p.184)
În 1996, Holsapple şi Whinston identifică alte tipuri distincte de sisteme de

asistare a deciziilor, funcţie de formatul de fişiere sau de tipul instrumentelor pe
care se bazează: sisteme orientate text, baze de date, foi de calcul, rezolvatoare
(solver-e) şi reguli255. Acestea din urmă se împart în şase subtipuri: descriptive,
procedurale, bazate pe raţionamente, lingvistice, de prezentare şi de asimilare, din
care, primele trei sunt considerate primare, iar restul de trei - derivate.
Alegând ca şi criteriu de clasificare relaţia sistemului cu utilizatorul,
Haettenschwiler256 (1999) face distincţie între sisteme de asistare a deciziilor
pasive, active şi cooperative. Un sistem de asistare a deciziilor pasiv este un sistem
255
Mora, M., Forgionne, G., Gupta, J., Op.cit., p.22
256
Haettenschwiler, P., Neues anwenderfreundliches Konzept der Entscheidungsunter
stützung. Gutes Entscheiden in Wirtschaft, Politik und Gesellschaft, Zurich, 1999, vdf
Hochschulverlag AG, p.189-208

care ajută procesul de luare a deciziilor, dar care nu poate să prezinte sugestii sau
soluţii explicite privind deciziile, pe când unul activ poate să facă acest lucru. Cel
de tip cooperativ permite decidentului (eventual, consultantului acestuia)
modificarea, completarea sau rafinarea sugestiilor oferite de sistem, înainte de a le
trimite înapoi acestuia pentru validare. La rândul lui, sistemul îmbunătăţeşte şi
completează sugestiile decidentului şi le trimite înapoi spre validare, întregul
proces repetându-se până la generarea unei soluţii consolidate.
Plecând de la componentele tradiţionale ale unui sistem de asistare a
deciziilor (interfaţa cu utilizatorul, baza de date, baza de modele, instrumentele de
analiză), se poate desprinde un alt criteriu foarte important de clasificare a
sistemelor de asistare a deciziilor şi anume componenta pe care se pune accent la
construirea sistemului.
3.4.2 Opinii recente privind clasificarea SAD
Sprague şi Carlson (1982), Sprague şi Watson (1993)257, respectiv Daniel
Power258 (2001) contribuie în timp la o clasificare a sistemelor de asistare a
deciziilor în trei mari categorii: specifice unei funcţii, cu caracter general,
respectiv generatoare de sisteme de asistare a deciziilor. Sintagma de generator
SAD este folosită şi mai târziu (2003), în culegerea de articole de specialitate
coordonată de Mora, Forgione şi Gupta259, de unde aflăm că datează chiar din 1980
(Sprague).
Luând în calcul, în primul rând, tehnologia dominantă pe care se bazează
sistemele de asistare a deciziilor, acelaşi Daniel Power - 2003260 face o diferenţiere
netă între: sisteme orientate pe comunicaţii, orientate-date, documente, cunoştinţe,
respectiv modele. Categoriile rezultate astfel, pot fi structurate în opinia sa şi după
alte trei criterii secundare de clasificare: utilizatorii destinatari -interni, externi,
scopul sistemului - specific, general, respectiv arhitectura şi modalităţile de
implementare - mainframe, client-server, web.
Peter Keenan grupează iniţial sistemele de asistare a deciziilor în două mari
categorii intuitive de instrumente: tradiţionale şi spaţiale. Combinând cele două
forme cu o clasificare aparţinând lui Turban şi Aronson - ţine cont de patru mari
perioade, Keenan obţine o clasificare matriceală combinată, cu opt categorii
(tabelul 3.2).
257
Sprague, R., H., Watson, H., J., Decision Support Systems: putting theory into
practice.3rd edition, Englewood Clifs, Prentice Hall, New Jersey, 1993, p.84
258
Power, D., Supporting Decision-Makers: An Expanded Framework, The Proceedings of
the “Informing Science” Conference, Krakow, June 2001, p.431
259
Mora, M., Forgionne, G., Gupta, J., Op.cit., p.17, 24,
260
Airinei, D., Op.cit., <https://portal.feaa.uaic.ro/C0/Sisteme de asistare a deciziil/
Document Library/Curs_DSS_C2.pdf>

Tabelul 3.2 Clasificarea matriceală realizată de Keenan
(Sursa: Pick, J., B., Geographic Information Systems in Business, Idea Group Publishing, Hershey,
2004, p.4)
Într-un supliment261 publicat de Tessella Support Services, în 2005,

Michael Rippen distinge câteva categorii de sisteme de asistare a deciziilor, funcţie
de implementare:
◦ instrumente simple - de interogare;
◦ sisteme complexe - implică o anumită formă de inteligenţă artificială:
• sisteme bazate pe reguli;
• sisteme având la bază modele;
• sisteme bazate pe statistică şi probabilităţi;
• sisteme hibride (în extenso).
Clasificarea anterioară suportă bineînţeles critici, în ideea supralicitării
termenului de „inteligenţă artificială”, însuşi autorul probând o anumită tendinţă de
ezitare prin referirea vagă la ceea ce am tradus ca “o anumită formă de inteligenţă
artificială” (the more complex systems employ some form of artificial intelligence;
there are a number of approaches to this, three of wich are described below).
261
Rippen, M., Decision Support Systems,
<http://www.tessella.com/Literature/Supplements/PDF/Decision
SupportSystems.pdf>

Tabelul 3.3 Asistarea la luarea deciziilor - nivelul de automatizare
(Sursa: http://web.mit.edu/aeroastro/www/labs/halab/papers/CummingsAIAAbias.pdf)
Nu în ultimul rând, în strictă dependenţă de tipul de asistare a deciziilor,

putem deosebi tipologii noi de SAD (tabelul 3.3) după nivelul de automatizare a
diferitelor sarcini.
3.4.3 Clasificarea schematică a SAD
Ghidându-ne după celebrul adagiu care susţine că o “imagine exprimă cât o
mie de cuvinte” (a picture paints a thousand words262), am ales să prezentăm o
schemă capabilă - susţinem noi - să redea o imagine revelatoare a ansamblului
tipologiilor de sisteme de asistare a deciziilor (fig.3.8). Ea este construită pe
principii de nonredundanţă şi sintetizează clasificările anterioare.
262
http://www.scientific-computing.com/features/feature.php?feature_id=150

Figura 3.8 Schemă de clasificare a sistemelor de asistare a deciziilor
3.5 STRUCTURA SAD

De-a lungul timpului, au fost formulate numeroase opinii inclusiv în
legătură cu structura sistemelor de asistare a deciziilor. Cei mai mulţi autori s-au
rezumat la a considera doar aspecte care ţineau strict de specificul aplicaţiei
centrale de asistare a deciziilor sau de legătura directă cu componentele altor
sisteme. Vom considera că acestea sunt abordări ale SAD ca sisteme informatice.
Alţi autori iau însă în calcul şi alte componente decât cele care se referă explicit la
aplicaţiile informatice, viziunea lor fiind mai aproape de ideea de sistem
informaţional.
3.5.1 Opinii de specialitate
Un prim aspect care trebuie considerat atunci când se pune problema
stabilirii componentelor unui SAD şi a modului lor de interacţiune este paradigma

sistemului uman de prelucrare a informaţiilor, aşa cum a fost ea redată de Newel şi

Simon, în anul 1972 (fig.3.9).
Figura 3.9 Paralela dintre paradigma sistemului uman de procesare a informaţiilor

şi modelul general al sistemului de procesare computerizat
(Sursa: ***Humans as Information Processors,
<http://www.ehcweb.ehc.edu/faculty/ljcumbo/human.html>)
Diferenţele esenţiale în cadrul acestei paralele se manifestă nu numai la

nivelul arhitecturii intrinseci a memoriei, procesorului sau a legăturii cu exteriorul,
aşa cum ar fi de aşteptat, ci şi prin limitările specific umane de a accepta intrări,
respectiv de a produce ieşiri. O astfel de limitare se manifestă adesea prin
supraîncărcarea cu informaţii (fig.3.10).
Figura 3.10 Punctul critic de supraîncărcare în relaţia intrări-ieşiri, respectiv volum de informaţii-
calitatea deciziilor
(Surse: http://www.ehcweb.ehc.edu/faculty/ljcumbo/human.html
http://tinctoris.com/archives/2005/11/03/brain-food)
Interpretând primul grafic de mai sus (fig.3.10 - stînga), se poate trage

concluzia că orice stimul determină într-un sistem uman de procesare un răspuns.
În acelaşi timp, pentru relaţia informaţii-calitatea deciziilor (fig.3.10 - dreapta), în
care se aplică concomitent cele două paradigme - procesare umană, respectiv cea
computerizată - este nevoie de un anumit prag al volumului de informaţii (intrări -
prin analogie), dincolo de care decizia să aibă sens şi, în consecinţă, un anumit
nivel calitativ (ieşiri). Pentru ambele relaţii, se manifestă un prag de supraîncărcare
cu intrări, respectiv cu informaţii, dincolo de care, dacă volumul acestora continuă
să crească, volumul ieşirilor, respectiv calitatea deciziilor începe să scadă.
În cel de-al treilea grafic (fig.3.11), am redat legătura dintre intensitatea
atenţiei şi capacitatea de procesare a informaţiilor, arătând, de fapt, că, în timp, pe
măsură ce intensitatea atenţiei subiectului uman se măreşte, creşte şi capacitatea de

procesare a informaţiilor de către acesta, însă până la nivelul de saturaţie al atenţiei,

dincolo de care are loc diminuarea. De fapt, aceasta se poate reduce la o relaţie
între factorii determinanţi ai volumului de informaţii şi ieşiri.
Figura 3.11 Informaţia şi atenţia

(Surse: http://www.idemployee.id.tue.nl/g.w.m.rauterberg/
∗
presentations/ICTeconomy/ICTeconomy.ppt
http://www.kosmosjournal.org/kjo/images/s2006/fig1.jpg)
Indubitabil, sistemele de asitare a deciziilor au o latură de prelucrare a

informaţiilor propriu-zise, deşi aceasta nu rezultă explicit din definiţia obţinută la
un subcapitol anterior. Argumentul ţine însă de principiul utilizării active şi
interactive al acestora, de mecanismul interogării ad-hoc, de folosirea modelelor şi
a instrumentelor de analiză, iar mai presus de toate, de finalitatea lor, în felul acesta
fiind depăşit cu mult stadiul primar de prelucrarea a datelor, la care se situează, de
pildă, sistemele de procesare a tranzacţiilor.
Structura de bază a unui sistem de asistare a deciziilor se referă în esenţa sa
la date, modele şi dialog. În acest sens, primele referiri concrete din literatură îl
indică pe Sprague263, respectiv anul 1980, moment la care sistemele de asistare a
deciziilor începeau să folosească din ce în ce mai mult modele.
Un an mai târziu, Bonczec propunea o clasificare (fig.3.12) uşor de
suprapus paradigmei sistemului uman de procesare a informaţiilor. Astfel,
subsistemul de procesare a problemei corespundea componentei procesor, cel al
bazei de cunoştinţe se putea uşor suprapune peste componenta memorie (ca bază de
cunoştinţe statice), în timp ce subsistemul de limbaj/dialog şi interacţiunea sa cu
utilizatorul avea în corespondent, într-o oarecare măsură, interacţiunea dintre
mediu cu componentele: receptori şi emiţători.
∗
citat de Homocianu, D., în Considerations about The Meaning of Decision Support
Systems in a Knowledge-Oriented Business Environment, The proceedings of The
International Economic Conference: Romania within EU, Oportunities, Requirements and
Perspectives, The Publishing House of the “Lucian Blaga” University, Sibiu, 2007, p.4
263

Figura 3.12 Paradigma SAD - Bonczec

(Sursa: Airinei, D., Sisteme de Asistare a Deciziilor, <https://portal.feaa.uaic.ro/C0/Sisteme de
asistare a deciziil/Document Library/Curs_DSS_C2.pdf>)
În 1982, împreună cu Carlson, Sprague considera patru mari componente ale

sistemelor de asistare a deciziilor: interfaţa cu utilizatorul, baza de date, modelele şi
instrumentele analitice, respectiv arhitectura şi reţeaua SAD. Daniel Power264 avea
să aprecieze într-un articol publicat în 2001 că aceasta ar fi de fapt arhitectura
tradiţională a unui sistem de asistare a deciziilor.
Plecînd de la un model conceptual din 1995, aparţinând lui Turban
(fig.3.13 - stânga), Brian E. Mennecke prezintă prin comparaţie un model de sistem
informaţional geografic (GIS) pentru asistarea deciziilor (fig.3.13 - dreapta).
Figura 3.13 Componentele SAD (stânga), respectiv ale GIS pentru asistarea deciziilor (dreapta)
(Sursa: http://publish.uwo.ca/~jmalczew/gida_1/Mennecke/Mennecke.htm)
Marakas expune în 1999 o arhitectură generalizată (fig.3.14) compusă din

cinci părţi distincte: sistemul de gestiune a bazelor de date (SGBD/DBMS),
sistemul de gestiune a modelelor (SGBM/MBMS), motorul de cunoaştere (KE),
interfaţa cu utilizatorul (UI), respectiv utilizatorul sau utilizatorii (U).
264
http://dssresources.com/faq/index.php?action=artikel&id=101

Figura 3.14 SAD - arhitectura propusă de Marakas

(Sursa: http://proceedings.informingscience.org/IS2001Proceedings/pdf/GachetEBKAFrame.pdf)
Într-o lucrare apărută în 2000, Haag265 descrie aceleaşi trei componente

identificate de Sprague încă din 1980:
componenta de gestiune a datelor - păstrează şi gestionează datele,
pe care autorul le grupează în: date din depozitele de date
tradiţionale de la nivelul unei întreprinderi, date din surse externe,
sau date şi informaţii obţinute din experienţa individuală a
utilizatorului;
componenta de gestiune a modelelor - responsabilă de
administrarea diverselor modele de reprezentare a evenimentelor,
faptelor sau situaţiilor;
componenta de gestiune a interfeţei cu utilizatorul - dedicată
managementului interacţiunii sistemului de asistare a deciziilor cu
utilizatorul.
Hättenschwiler266 ia în calcul chiar cinci asemenea componente:
• utilizatori, cu diferitele lor roluri sau funcţii în cadrul procesului de
luare a deciziilor (decidenţi, analişti, consultanţi, operatori de
date);
• un context specific şi posibil de definit al deciziei;
• un sistem ţintă, care descrie majoritatea preferinţelor;
• o bază de cunoaştere compusă din surse externe, baze de
cunostinţe, baze de date operaţionale, depozite şi metadepozite de
date, modele şi metode matematice, proceduri, inferenţe şi motoare
de căutare, programe administrative şi sisteme de raportare;
• un mediu de lucru, pentru pregătirea, analiza şi documentarea
deciziilor alternative.
În 2005, Michael Rippen267 distingea trei componente în structura unui
sistem de asistare a deciziilor:
◦ un depozit de cunoaştere;
265
Haag, S., Cummings, M., McCubbrey, D., J., Pinsonneault, A., Donovan, R.,
Management Information Systems
for The Information Age, McGraw-Hill Ryerson Limited, 2000, p.136-140
266
http://diuf.unifr.ch/ds/courses/dss2002/pdf/DSS.pdf
267
Rippen, M., Decision Support Systems,
<http://www.tessella.com/Literature/Supplements/PDF/DecisionSupport
Systems.pdf>

◦ un proces prin care cunoaşterea ar putea fi sistematic interogată pentru a

oferi răspunsuri la întrebări;
◦ o interfaţă cu utilizatorul ca instrument intuitiv şi accesibil pentru
obţinerea informaţiei solicitate de acesta.
În accepţiunea recentă - 2006, a Centrului Naţional American
pentru Statistica Educaţiei (NCES), componentele unui sistem de asistare a
deciziilor (fig.3.15) se referă, în general, la:
¾ Calitatea datelor - colecţia de date;
¾ Componente fizice (hardware), aplicaţii (software) şi procese de
management a datelor:
Resurse fizice, reţele şi sisteme de operare;
Sursele primare de date;
Extragere, transformare şi încărcare (ETL);
Depozit sau agregator de date;
Instrumente de analiză şi raportare;
Tabloul de bord al utilizatorului (dashboard).
Figura 3.15 Elementele componente ale unui sistem de asistare a deciziilor

(Sursa: *** Forum Guide to Decision Support Systems - A Resource for Educators,
<http://nces.ed.gov/pubs2006/2006807.pdf>)
În legătură directă cu componentele expuse anterior, sunt identificate trei

mari paliere de priorităţi sau obiective majore de îndeplinit, pentru obţinerea
funcţionalităţii şi validarea acestei arhitecturi a sistemelor de asistare a deciziilor:
fundamentarea calităţii datelor, stabilirea detaliată a cerinţelor şi instruirea
utilizatorilor.

Figura 3.16 Componentele unui sistem de asistare a deciziilor după O’Brien

(Sursa: http://mgtclass.mgt.unm.edu/Harris/MGMT450%20Spring08/ObrienChpt9%20DSS.ppt)
După aproximativ trei decenii, aceleaşi componente de bază menţionate

iniţial de Sprague sunt recunoscute şi specificate de O’Brien (fig.3.16):
componenta de gestiune a modelelor (model management), cea de gestiune a
datelor, respectiv interfaţa cu utilizatorul sau componenta de gestiune a dialogului.
4.5.2 O structură extinsă
Plecând de la structura tradiţională a sistemelor de asistare a deciziilor,
vom descrie în cele ce urmează o abordare extinsă a acesteia, mai aproape,
considerăm noi, de SAD din perspectiva unui sistem informaţional, în contextul
societăţii cunoaşterii (Anexa 5, fig.A5). Cele trei categorii fundamentale - dialog,
date, modele, se pot circumscrie majorităţii componentelor expuse în această
propunere de structură:
¾ utilizatorii;
¾ resursele fizice de calcul;
¾ interfaţa cu utilizatorul:
• interfaţa SAD la graniţa cu resursele de calcul;
• interfaţa cu utilizatorul aplicaţiei propriu-zise de asistare a
deciziilor;
¾ subsistemul de comunicare;
¾ sursele convenţionale de date:
• sistemul specific de fişiere;
• bazele de date sursă;
• bazele de date derivate;
¾ baza de modele (adesea inclusiv setul de instrumente de analiză) şi
sistemul specific de gestiune SGBM;

¾ baza de cunoştinţe (baza de fapte şi baza de reguli268) şi modulul de

gestiune a cunoaşterii;
¾ alte instrumente şi tehnologii.
Dintre toate aceste componente, vom considera parte a nucleului SAD:
interfaţa cu utilizatorul aplicaţiei propriu-zise, subsistemul de comunicare, sursele
de date şi baza de modele.
Raportându-ne la această structură extinsă, în cele ce urmează, vom aborda
toate componentele enumerate, mai puţin ultima categorie, a altor instrumente şi
tehnologii folosite de sistemele de asistare a deciziilor, acesteia fiindu-i dedicat un
subcapitolul separat (3.6).
3.5.2.1 Aplicaţiile şi utilizatorii SAD
Din punct de vedere al personalului implicat în dezvoltarea şi utilizarea
SAD, Sprague269 sugerează existenţa a cinci roluri distincte:
◦ utilizatorul final;
◦ intermediarul;
◦ dezvoltatorul SAD;
◦ persoana cu răspunderea asigurării suportului tehnic;
◦ expertul în sisteme.
În legătură cu primul rol, chiar din primele definiţii270 ale sistemelor de
asistare a deciziilor rezultă că, în sens restrâns, utilizatorii obişnuiţi ai acestora sunt
managerii-decidenţi de la nivelurile tactic şi strategic, dintr-o organizaţie, iar în
extenso, toate categoriile de specialişti sau „muncitori ai cunoaşterii” (knowledge
workers), aşa cum îi numeşte în mod constant Peter Drucker271. De aici putem trage
concluzia că există posibilitatea teoretică de a construi asemenea sisteme în orice
domeniu al cunoaşterii.
Aria de aplicabilitate demonstrată concret de sistemele de asistare a
deciziilor presupune domenii diverse precum: medicină, bănci, producţie,
marketing, transporturi şi bursă de valori. Amintim aici cu titlu de aplicaţii
efective: diagnosticul medical, acordarea împrumutului bancar, verificarea
competitivităţii unor produse, promovarea unui serviciu pe o anumită piaţă sau
segment de piaţă, respectiv investiţia în titluri de valoare.
268
Cristea, D., Artificial Intelligence on Web,
<http://thor.info.uaic.ro/~dcristea/cursuri/IAOnWeb/IA5-Tipuri
%20de%20cautari.htm>
269
Sprague, R., H., Watson, H., J., Op.cit., <http://www.answers.com/topic/decision-
support-system?cat=
technology>
270
Sprague, R., H., Carlson, E., D., Building Effective Decision Support Systems,
Englewood Cliffs, N.J.: Prentice-Hall, Inc.,1982, p.9,
<http://dssresources.com/history/dsshistory.html>
271
Drucker, P., F., Managing in turbulent times, Harper Business, 2002, p.23

3.5.2.2 Resursele fizice de calcul

Dincolo de nivelul de instruire al utilizatorilor, de specificul aplicaţiilor
concrete pentru asistarea deciziilor sau de modul de organizare a datelor,
informaţiilor şi cunoaşterii folosite, performanţa sistemelor de asistare a deciziilor
depinde şi de factori de ordin tehnic.
Resursele fizice de calcul sunt poate cele mai reprezentative pentru această
categorie, mai ales în condiţiile în care de ele depinde nemijlocit performanţa
aplicaţiilor informatice.
În plus, împreună cu modulul de dialog al unei aplicaţii efective, resursele
fizice determină şi un anumit specific în interacţiunea cu utilizatorul. Altfel spus,
nu se vor putea exploata anumite funcţionalităţi ale unui modul SAD, fără a fi
suportate de resursele fizice de calcul. Este motivul pentru care vom include aici
sistemele de calcul propriu-zise, toate echipamentele periferice şi infrastructura de
reţea necesară funcţionării optime a aplicaţiilor propriu-zise de asistare a deciziilor.
3.5.2.3 Interfaţa SAD la graniţa cu resursele de calcul
Interacţiunea directă dintre utilizator şi sistemul informatic272 este
denumită adesea interfaţă om-calculator sau interfaţă utilizator (User Interface -
UI). În alte accepţiuni273, aceasta este o parte a sistemului cu care utilizatorii
interacţionează. Ea include ecrane care asigură navigarea în sistem, ecrane şi
formulare de preluare a datelor, respectiv rapoarte pe care sistemul le produce (fie
pe hârtie, fie pe ecran, fie pe alt suport).
Aşa cum am sugerat anterior, din arhitectura unui sistem de asistare a
deciziilor nu pot lipsi resursele fizice, de multe ori cu un specific anume, datorat
inclusiv legăturii strânse cu componenta de interfaţă cu utilizatorul. În plus, este de
notorietate caracterul determinant al tehnologiei hardware asupra succesului
implementării unei soluţii informatice, în ansamblu. De aceea, considerăm utilă în
acest context, prezentarea a trei exemple concrete la graniţa dintre aplicaţiile
propriu-zise de asistare a deciziilor şi resursele hardware.
9 Primul exemplu se referă la binecunoscutul ecran tactil, respectiv la tastatura
programabilă Optimus Maximus274. Aceasta din urmă este o invenţie de dată
recentă, care dispune de un afişaj dinamic al simbolurilor pentru fiecare tastă
(fig.3.17), conceput pe baza tehnologiei diodelor organice cu emisie luminoasă
(Organic Light Emitting Diode - OLED).
272
McLeod, R., Jr., Jordan, E., Op.cit., p. 396
273
Dennis, A., Wixom., B.,H., System Analysis and Design. An applied approach, John
Wiley & Sons, New York, 2000, p.275
274
http://www.cnet.ro/2008/02/24/demonstratie-cu-optimus-maximus/

Figura 3.17 Tastatura OLED “Optimus Maximus”

(Sursa: http://www.trustedreviews.com/images/article/inline/4488-1643remapping2.jpg)
Utilitatea sa în cadrul unui sistem de asistare a deciziilor poate fi

argumentată plecând de la exemplul simplu al unui manager cu abilităţi medii de
utilizare a tehnicii de calcul, pus în situaţia personalizării unui raport generat de
aplicaţia specifică, înaintea transmiterii acestuia. Vom conveni că aceasta implică
şi editarea unui mesaj de câteva rânduri de text cu diacritice şi vom presupune că
utilizatorul va opta pentru cea mai comodă variantă de lucru, asigurată fie de
sistemul de operare, fie chiar de aplicaţia propriu-zisă, ambele permiţându-i
modificarea limbii de introducere a datelor (En->Ro), prin schimbarea funcţiilor
unor taste cu un alt set predefinit. În aceste condiţii, tastaturile fizice obişnuite
(QWERTY) ale calculatorului personal, telefonului BlackBerry sau asistentului
digital personal (PDA) nu îi vor putea oferi întotdeauna un feedback potrivit
datorită simbolurilor permanent inscripţionate. În plus, chiar dacă utilizatorul din
exemplul ales va reţine câteva funcţii noi ale tastaturii comutate în alt mod de
utilizare, totuşi el nu o va putea controla eficient.
Figura 3.18 Microsoft Windows - feedback-ul aplicaţiei “tastatura de pe ecran” (On Screen
Keyboard), lansată cu comanda-sistem OSK
De aici, nevoia unui feedback vizual, care se poate obţine în două feluri:
◦ o aplicaţie a sistemului de operare pentru simularea tastaturii sau, altfel
spus, o tastatură virtuală, caz în care, din considerente de performanţă, se
impune folosirea unui ecran tactil (fig.3.18);
◦ o tastatură fizică cu feedback, care să funcţioneze pe principii
asemănătoare cu Optimus Maximus, alternativă care asigură avantajul
unei viteze sporite de introducere a datelor.
9 Cel de-al doilea exemplu este un alt argument solid al legăturii dintre interfaţa
cu utilizatorul unui SAD şi resursele fizice de calcul ale acestuia, rezultând din
testarea şi utilizarea îndelungată şi în combinaţii diverse a unei extensii fizice
(fig.3.19), cu multiple avantaje de cost şi funcţionalitate, pe care am referit-o

adesea ca interfaţă video duală, dual-v sau 2V - în sens restrîns, respectiv desktop
extins - generalizare pentru “n” dispozitive.
Figura 3.19 Interfaţa

duală - calculator desktop cu adaptor video cu ieşiri pentru două
monitoare (stânga), respectiv calculator ultraportabil (UMPC), cu ieşire video
suplimentară pentru un dispozitiv auxiliar de afişare (dreapta)
În aparenţă nimic mai mult decât o nouă aplicaţie a producătorilor din
domeniul tehnologiei şi divertismentului, cea de-a doua ieşire, de regulă digitală,
care se regăseşte în implementarea celor mai multe controler-e video existente pe
piaţă la ora actuală, deschide câteva orizonturi noi în exploatarea familiarei
interfeţe grafice WIMP - Windows Icons Mouse and Pull-down menus/Pointing.
Unul dintre motivele celor afirmate anterior este cât se poate de simplu şi ţine de
posibilitatea de a traduce această extensie fizică (fig.3.19) într-o extensie a celebrei
metafore a suprafeţei de lucru (fig.3.20 - construirea modelului decizional simplu
bazat pe o funcţie de utilitate - al doilea dispozitiv de afişare, plecând de la date şi
operaţii OLAP din foaia de calcul tabelar - primul).
Figura 3.20 Configurarea şi utilizarea interfeţei 2V

(Sursa: Homocianu, D., A Data Mining and User Interface based DSS Approach, The proceedings of
the international conference: “Knowledge Management, Projects, Systems and Technologies”,
Editura Inforec, Bucureşti, 2006, p.214)

Argumentele forte ale interfeţei 2V ţin mai ales de:

◦ costurile mai mici per pixel;
◦ perspectiva vizuală generală îmbunătăţită:
• extindere (fig.3.21 - dreapta);
• multidimensionalitate (fig.3.21 - stânga);
◦ performanţele sporite în lucrul cu informaţia text din imagini;
◦ viteza mare de control a spaţiului de lucru al unei aplicaţii;
◦ încurajarea lucrului în regim multi-sarcină (multi-tasking) şi multi-
utilizator (multi-user).
Figura 3.21 Desktop extins - multidimensionalitate (stânga) şi extindere (dreapta)

(Sursa: Airinei, D., Homocianu, D., 2V or The Real-Time Business Interface, The proceedings of
“The Central and East European Conference in Collaborative SMEs 2006”, Editura Univ. “Alexandru
Ioan Cuza” Iaşi, 2007, p.75-76)
Costurile mai mici per pixel reprezintă un avantaj greu de contestat.

Această remarcă se bazează şi pe constatarea că un dispozitiv de afişare cu o
diagonală mare reprezintă adesea cel puţin dublul preţului aceluiaşi tip de
echipament cu diagonala din categoria de mărime imediat inferioară. În plus,
majoritatea adaptoarelor video actuale au început să ofere alternativa digitală a
semnalului analogic - DVI (Digital Video Interface), simplu de direcţionat către cel
de-al doilea periferic de afişare, asigurând astfel, fără costuri suplimentare,
posibilitatea obţinerii interfeţei 2V. O comparaţie simplă, pe care am realizat-o în
anul 2006, plecând de la aceleaşi performanţe şi dotări, cu excepţia rezoluţiei
(puncte), respectiv a dimensiunii diagonalei (inch), a scos în evidenţă rezultate
concrete pentru două produse din categoria eficiente ca preţ (best buy), care
utilizau tehnologia de afişare cu cristale lichide.
Tabelul 3.4 Comparaţie între specificaţiile afişării 2V şi ale afişării tradiţionale (2006)
(Sursa: Airinei, D., Homocianu, D., 2V or The Real-Time Business Interface, The proceedings of
“The Central and East European Conference in Collaborative SMEs 2006”, Editura Univ. “Alexandru
Ioan Cuza” Iaşi, 2007, p.75)
Astfel, prima variantă (2V) oferea avantajul a aproximativ un milion de

pixeli în plus (2.621.440-1.764.000>1024 x 768 puncte) la o economie de

aproximativ 80$. Altfel spus, un cost per pixel aproape înjumătăţit, ca efect de
ansamblu (tabelul 3.4).
Observaţia anterioară se menţine în linii mari pentru alte produse din
categoria celor eficiente ca preţ. Astfel, pentru momentul de referinţă aprilie 2008,
când am comparat alternativa 2V, a două monitoare cu ecran lat (wide), de
diagonală medie (19”), cu soluţia clasică a unui singur dispozitiv de afişare de
înaltă rezoluţie şi diagonală mare (26”), însă cu performanţe şi facilităţi similare,
am constatat în primul caz un plus de 288.000 puncte (600 x 480), la un avantaj de
cost de aproximativ 180$ (tabelul 3.5).
Tabelul 3.5 Comparaţie între specificaţiile afişării 2V şi ale afişării tradiţionale (2008)
(Surse:
http://www.bestbuy.com/site/olspage.jsp?skuId=8439479&type=product&id=1183160137263
http://www.bestbuy.com/site/olspage.jsp?skuId=8734685&type=product&id=1201307760161)
Cât priveşte perspectiva vizuală îmbunătăţită, ne vom referi, mai întâi, la

extindere. Ca exemplu, atunci cînd un manager consultă rezultatul interogării unei
baze de date sau a unui cub de date cu o structură ceva mai consistentă, în mod
obişnuit pot apărea dificultăţi mai ales în situaţia în care se recurge repetat şi la
redimensionare, respectiv la derulare orizontală în scopul vizualizării valorilor unor
atribute, membri sau măsuri. Interfaţa 2V, însă, aduce cu sine şi ideea de
extensibilitate, în sensul posibilităţii de a mări o fereastră nemaximizată pe întreaga
suprafaţa a desktop-ului extins, diminuând riscul de a pierde din vedere perspectiva
de ansamblu.
Perspectiva vizuală îmbunătăţită presupune însă şi avantajul
multidimensionalităţii. Considerând un decident cu abilităţi medii de utilizare a
aplicaţiilor de birou, atunci ne putem opri asupra cazului în care, din necesităţi de
analiză, acesta apelează la folosirea opţiunii de comparare a două rapoarte generate
de o aplicaţie specifică asistării deciziilor, în format document. Facilităţi de tip
separare (split) şi comparare (compare side by side), specifice procesoarelor de
texte şi foarte utile atunci când vine vorba de a traduce un material, se pot folosi cu
succes în acest caz, cu condiţia unui utilizator final realmente informatizat. Prin
comparaţie, însă, interfaţa 2V se dovedeşte mult mai utilă şi mai uşor de folosit
prin:
• asigurarea unui control natural asupra celor două perspective -
dubla sesiune urmată de o banală operaţie de tragere a ferestrei
asociate unuia dintre rapoarte (drag&drop);
• completarea imaginii de ansamblu.
Cât despre performanţele sporite în lucrul cu informaţia text din imagini,
explicaţiile pot veni din acele exemple practice în care utilizatorul-decident este

pus în situaţia de a reproduce informaţia dintr-o altă zonă de lucru - aplicaţie sau
fereastră - disponibilă ca text în cadrul unui fişier în format grafic. În mod obişnuit,
utilizatorul va avea de ales între:
◦ redimensionarea consumatoare de timp a ferestrelor aplicaţiilor (pe
acelaşi ecran fizic) pentru a asigura posibilitatea citirii şi editării
conţinutului, fără comutări între aplicaţii;
◦ comutarea alternativă între ferestrele aplicaţiilor şi încărcarea exagerată şi
inutilă a memoriei sale cu detalii mai mult sau mai puţin semnificative;
◦ captura de ecran şi recunoaşterea optică a caracterelor (OCR), în cazul
unor volume considerabile de text.
În ordinea enumerării, fiecare dintre cele trei posibilităţi, presupun:
◦ timp suplimentar de redimensionare, dar şi abaterea atenţiei;
◦ timp adiţional necesar între comutări ca şi solicitarea memoriei pe termen
scurt şi a atenţiei utilizatorului în detrimentul perspectivei de ansamblu;
◦ timp suplimentar adesea nejustificat, dar şi distrugerea perspectivei de
ansamblu.
Folosind interfaţa 2V, toate neajunsurile de mai sus dispar, decidentul
dispunând de un control natural asupra contextului de lucru dar şi de avantajul de
timp ce decurge de aici, toate acestea doar cu costul infim al distanţelor ceva mai
mari de parcurs prin mişcări mai ample la nivelul musculaturii gâtului şi a globilor
oculari.
Aceasta face legătura cu un alt avantaj al interfeţei 2V şi anume viteza
mare de control a spaţiului de lucru al unei aplicaţii. Ocupaţia suplimentară şi
obositoare a utilizatorilor formei obişnuite de interfaţă de tip WIMP, de a controla
deseori zona de feedback vizual, dispare cu desăvârşire atunci când se utilizează
interfaţa 2V. Explicaţia rezidă în faptul că proiectanţii de driver-e video au
perceput interfaţa 2V şi în varianta manipulării directe (drag&maximize). Concret,
pentru o aplicaţie activă, se consideră drept spaţiu de lucru curent în regim de ecran
complet (full screen) acel semi-desktop în care fereastra principală a aplicaţiei se
regăseşte într-o proporţie mai mare, înainte de maximizare.
Încurajarea lucrului în regim multi-tasking ţine evident şi de depăşirea unei
prejudecăţi la nivelul utilizatorului obişnuit şi totodată tentat să asocieze în mod
eronat această sintagmă cu simplul fapt că o singură fereastră este vizibilă la un
moment dat pe ecran, dintre mai multe disponibile. Este o prejudecată formată în
aproximativ trei decenii de utilizare a aplicaţiilor interfeţei WIMP. Pe de altă parte,
încurajarea regimului de lucru multi-user se explică mai ales prin asociere cu ideea
de dispozitive şi interfeţe de intrare suplimentare.
Dezavantajele 2V sunt adesea neglijabile şi ţin mai ales de:
− nevoia suplimentară de spaţiu fizic de lucru cu tehnologia de calcul, însă
nu mai mare decât în cazul tehnologiei utilizate de mai vechile monitoare
cu tub catodic (CRT);
− consumul suplimentar de energie;
− rezistenţa la schimbarea din partea factorilor de decizie şi a utilizatorilor.

Dincolo de posibilitatea implementării într-un sistem de asistare a

deciziilor datorită avantajelor expuse anterior, aplicabilitatea275 acestui tip de
interfaţă cu utilizatorul are o arie cât se poate de vastă. Amintim succint alte câteva
destinaţii:
◦ controlul proceselor tehnologice;
◦ televiziune şi supraveghere electronică;
◦ video-conferinţe;
◦ controlul aplicaţiilor de la distanţă (remote desktop);
◦ E-learning;
◦ tehnoredactare;
◦ analiză, proiectare, programare şi testare de aplicaţii software;
◦ aplicaţii economice în timp real: bursă de valori, vânzări;
◦ simulări what-if, BI, Business Process Management.
9 Al treilea exemplu de interfaţă SAD la graniţa cu resursele de calcul priveşte
reconfigurarea unui dispozitiv de intrare pentru introducerea comenzilor de la
distanţă (am ales denumirea generică RDIcd, echipamentul reconfigurat fiind
telecomanda unui tuner TV PCI276). Ideea în sine - nu una foarte complicată - a
presupus mai ales un efort de natura proiectării, dată fiind disponibilitatea unor
produse program277 destinate acestui scop, care oferă o modalitate de lucru
asemănătoare limbajelor de programare orientate pe evenimente (fig.3.29), dar cu
un timp mult mai scurt de obţinere a rezultatelor. Altfel spus, după definirea unui
set de scenarii de lucru, proiectarea interfeţei RDIcd a presupus structurarea logică
a seturilor de acţiuni prin analogie cu evenimentele sistemului de operare, respectiv
cu funcţionalitatea mouse-ului şi a seturile predefinite de taste (ale tastaturii
clasice), şi apoi asocierea fiecărei acţiuni la un anumit buton al dispozitivului ales,
operaţiune cerută a fi cât mai intuitivă.
Cât priveşte utilitatea generală, trebuie precizat că interfaţa în sine are o
aplicabilitate destul de mare în prezentări, tutoriale, conferinţe interactive, sesiuni
de adoptare a deciziilor de grup şi, în general, în toate cazurile în care sunetul,
imaginea şi textul trebuie însoţite de posibilitatea de a executa anumite aplicaţii,
segmente de aplicaţii sau comenzi ale sistemului de operare, de la o anumită
distanţă fizică de sistemul de calcul.
Figura 3.22 Imagine map-ată într-o prezentare PowerPoint
275
http://www.rgb.com/en/Products/ViewProduct.asp?product=DualViewXL
276
Peripheral Component Interconnect - standard de conectare a componentelor periferice
de tipul plăcilor de extensie, pentru calculatoare personale de tip desktop,
<http://www.pcguide.com/ref/mbsys/buses/types/pci.htm>
277
http://www.promixis.com/downloads.php?mode=trials

În cele ce urmează vom descrie succint setul de scenarii concrete de la care

s-a pornit pentru a realiza interfaţa RDIcd:
◦ dubla map-are (aici, descompunere funcţională) a unei imagini într-o
prezentare interactivă PowerPoint (fig.3.22) - pe o porţiune pentru a
accesa o aplicaţie de raportare Business Intelligence, iar pe o alta, pentru
a conduce la deschiderea unei foi de calcul tabelar - face ca realizarea
comutării între prezentarea principală şi celelalte două aplicaţii potenţiale
să fie posibilă asociind combinaţia clasică de taste Alt+Tab sau
evenimentul sistem predefinit Task Switcher (O.Sys) unui buton mai mult
sau mai puţin sugestiv al telecomenzii (recall - fig.3.23, 3.26); denumirea
comenzii - aşa cum o va reţine aplicaţia de proiectare a interfeţei RDIcd -
va fi SeSwichTask, ea fiind asociată unui grup creat în prealabil - Sys
Events;
Figura 3.23 Asocierea clasicei combinaţii de taste alt + tab la butonul Recall al telecomenzii
◦ nevoia de a controla rapid poziţia cursorului de mouse, prin accesarea

anumitor puncte cheie ale desktop-ului extins (să presupunem 2 X
1024x768 pixeli, în regim 2V), scop în care se pot utiliza butoanele
numerice ale telecomenzii, atribuindu-li-se evenimentul predefinit de tip
window, Absolute Mouse Move (fig.3.24), astfel:
butoanele 1,7,2 şi 8 - pentru poziţionarea precisă în colţurile
stânga-sus, stânga-jos, dreapta-sus şi dreapta-jos, de pe primul
dispozitiv de afişare, respectiv 5, pentru poziţionarea în mijlocul
(vertical şi orizontal) desktop-ului extins;
butoanele 3,9 - pentru a poziţiona precis cursorul sus, respectiv jos,
în mijlocul (orizontal) celui de-al doilea semi-desktop;
Figura 3.24 Asocierea evenimentului Absolute Mouse move la tasta numerică 3 a telecomenzii
◦ nevoia de a controla secvenţial (sus, jos, stânga, dreapta) poziţia

cursorului - comenzile asociate tastelor Vol, respectiv Ch +/- (fig.3.25,
3.26) vor fi stocate împreună cu cele de control rapid, utilizând denumiri
sugestive, în grupul Mouse Move (fig.3.29);
Figura 3.25 Asocierea evenimentului Mouse Left tastei Vol a telecomenzii

Figura 3.26 Comenzile interfeţei RDIcd pentru telecomanda unui TV tuner PCI
◦ necesitatea preluării de date într-o foaie Excel, în vederea construirii unui

model decizional bazat pe metoda utilităţii cu valori relative (fig.3.22),
scenariu care are în vedere şi posibilitatea execuţiei unui filtru asupra
datelor (opţiunea Data a barei de meniuri Excel); se impune astfel
simularea funcţiilor de bază ale unui editor de texte:
deplasarea;
selecţia;
inserarea;
ştergerea;
copierea;
lipirea;
şi, în plus, asigurarea accesului la opţiunea Data a barei de meniuri, prin
simularea combinaţiei clasice de taste alt+D (fig.3.27), pe care am

asociat-o butonului verde al serviciului teletext, memorând această

comandă folosind denumirea KaAlt+d, în grupul Key action (fig.3.29);
Figura 3.27 Asocierea combinaţiei clasice de taste alt + d la butonul Green Txt al telecomenzii
mai mult, pentru a obţine aceste funcţionalităţi în condiţiile restrictive ale

noului dispozitiv (telecomanda are număr limitat de butoane), s-a optat
pentru a asocia unui anumit buton (Blue teletext, cu codul 870 - fig.3.26,
3.29) execuţia aplicaţiei sistem “c:\windows\system32\osk.exe”, care
activează tastatura virtuală Windows (fig.3.28);
Figura 3.28 Exemplu de funcţionare a tastaturii virtuale - inserarea unui caracter prin click de mouse
pentru partea de copiere şi lipire s-au ales butoanele 4 respectiv 6 -

comenzile asociate au fost stocate în grupul denumit intuitiv SysEvents;
pentru ştergere (delete, respectiv backspace) am reconfigurat butoanele 0,
respectiv play, având asociate comenzile KaDel şi KaBcksp, din grupul
creat şi intitulat sugestiv Key action; pentru funcţionalitatea analogă
clasicei taste Tab s-a ales butonul ‘.’, pentru Enter - butonul cu acelaşi
nume, iar pentru selecţie de la stânga la dreapta şi invers, respectiv de sus
în jos şi invers - butoanele Stop, Rec, TimeShifting, respectiv SnapShot;
◦ cerinţa expresă a memorării finale a modelului de interfaţă proiectat; se
va opta pentru stocarea configurărilor realizate anterior sub forma unui
banal fişier de date (fig.3.30).

Figura 3.29 Asocierea funcţionalităţii comenzii clasice OSK la tasta Blue Txt (cu codul 870),
memorată cu denumirea SeOSK în lista de evenimente din grupul Sys events
Figura 3.30 Interfaţa RDIcd - salvarea fişierului de configurare

Avantajele esenţiale ale interfeţei RDIcd ţin mai ales de complexitatea şi

flexibilitatea în raport cu funcţiile controlate, de uşurinţa proiectării, de
portabilitatea modelului, respectiv de dimensiunile reduse ale dispozitivului de
intrare. Singurul dezavantaj concret ţine deocamdată de limitarea vitezei de acces
la poziţia cursorului de mouse, acces simulat secvenţial prin folosirea butoanelor.
Desigur, o rezolvare temporară se regăseşte chiar în interiorul acestui model şi
presupune accesarea directă a anumitor coordonate precise, definite la nivelul
desktop-ului extins.
3.5.2.4 De la graniţa cu resursele de calcul la interfaţa cu utilizatorul
aplicaţiei
Elementele interfeţei cu utilizatorul pentru aplicaţiile informatice create
şi/sau comercializate la ora actuală îşi datorează existenţa evoluţiei sistemelor de
operare, aflate astăzi la stadiul la care folosesc componente grafice (Graphical
User Interface - GUI) şi multimedia.
De fapt, trecutul interfeţelor grafice cu utilizatorul se identifică cu
paradigma WIMP278, dezvoltată conceptual de Douglas Engelbart în anii ’60 şi
continuată în anii ’70 de către Alan Kay şi Adele Goldberg, la Xerox Palo Alto
Research Center Laboratories. Aceştia au proiectat cele mai multe elemente
utilizate astăzi, şi anume: afişajul cu ferestre mutabile şi redimensionabile,
butoanele, meniurile pop-up, metafora suprafeţei de lucru a biroului (desktop) şi, în
plus, o arhitectură software orientată obiect, respectiv o bibliotecă de componente
software - toate create folosind mediul de dezvoltare Smalltalk. Din considerente
de fezabilitate economică, Xerox Star Workstation (1981) sau primul calculator
care folosea metafora desktop-ului, aplicaţii specifice şi un mouse cu trei butoane,
nu a fost produs în masă. Însă, ideea a inspirat pe Steve Jobs, care, împreună cu o
echipă de la Apple, au lansat, în 1983, Apple Lisa şi, ulterior, în 1984, Apple
Macintosh, ca producţie în masă de calculatoare personale construite în jurul
paradigmei WIMP. Ulterior, o companie mică la vremea aceea - Microsoft,
contractată pentru a dezvolta prima suită de aplicaţii specifice Macintosh, propune
în 1985 sistemul de operare Windows, cu intenţia de a-l rula pe o mare varietate de
platforme fizice.
O altă observaţie importantă priveşte diferenţa, mai ales de ordin istoric,
dintre WIMP şi mai vechile interfeţe de manipulare directă. Acestea din urmă sunt
o formă specială a paradigmei obiect-acţiune, respectiv un alt punct de plecare
pentru actualele GUI.
Pentru utilizatorul decident, pus în postura de a vizualiza date, de a face
analize sau de a particulariza un anumit mediu de lucru sau chiar de dezvoltare,
funcţionalitatea SAD se reduce de cele mai multe ori chiar la interfaţa utilizator,
aceasta însemnând toate mecanismele prin care comenzile, interogările şi noile date
sunt introduse în sistem, precum şi toate metodele prin care rezultatele şi
278
adaptare după Taylor, A., G., WIMP Interfaces, <http://www-static.cc.gatech.edu/
classes/cs6751_97_winter/Topics/dialog-wimp/>

informaţiile sunt extrase din acesta. Astfel, dacă s-ar întâmpla ca decidentul să nu
aibă acces imediat la modele şi date sau să nu poată citi rapid rezultatele, sistemul
nu-i va putea servi la asistarea deciziilor în ideea în care ar fi abandonat indiferent
de performanţele sale. De aceea, interfaţa cu utilizatorul aplicaţiei de asistare a
deciziilor ne va interesa prin prisma acţiunilor, a prezentării, a bazei de cunoştinţe
de utilizare, respectiv prin modul de comunicare specific.
Acţiunile reprezintă formatele de intrare sau modalităţile de interacţiune
efectivă a utilizatorului cu aplicaţia - în această ordine. Istoric vorbind se poate
aminti de: comutatoare (fig.3.31), comenzi, prompter, meniuri, cadre de pagină şi
secţiuni, respectiv de limbaj natural.
Figura 3.31 Comutatoare şi led-uri sau interfaţa calculatorului MITS Altair 8800
(Sursa: Revista Popular Electronics, ianuarie 1975,
<http://www.cs.virginia.edu/brochure/museum/altair.html>)
Prezentarea se referă de fapt la modul/formatul de afişare/prezentare a

datelor de către aplicaţie utilizatorului. Formele cele mai cunoscute de feedback
sunt ferestrele cu pictograme, hărţile, graficele şi tabelele.
În contextul interfeţei cu utilizatorul aplicaţiei de asistare a deciziilor, baza
de cunoştinţe de utilizare nu este nimic altceva decât suportul oferit de aplicaţie sau
acel set de informaţii de care utilizatorul trebuie să dispună pentru a putea utiliza
efectiv sistemul.
Sub aspectul modului de comunicare specific, interesează mai ales:
modelele mentale şi metaforele (pictograme, forme, culori şi simboluri), navigarea
(grupuri şi subgrupuri de funcţionalităţi) şi aspectul. Acesta din urmă conduce la
ideea de interfaţă grafică cu utilizatorul ca “aspect şi senzaţie/simţ” (look-and-feel).
Plecând de la conotaţiile celui de-al şaselea simţ, respectiv înainte de a-l
identifica cu ceva anume sau de a adăuga o întreagă listă (durere279, echilibru,
orientare, imaginaţie, intuiţie280, înţelepciune/Dharma281, de plidă), trebuie să
279
http://sciencelinks.jp/j-east/article/199922/000019992299A0655321.php
280
Radin, D., Rae, C., Hyman, R., Is There a Sixth Sense, <
http://psychologytoday.com/articles/pto-20000701-000034.html>

recunoaştem că aplicaţiile informatice concepute şi utilizate în mod curent nu

apelează la toate cele cinci simţuri senzoriale282 - vizual, auditiv, olfactiv, gustativ,
respectiv tactil. Deşi în viitorul apropiat considerăm foarte probabilă generalizarea
simulării unui ambiant complet în interfaţa cu utilizatorul, vom cataloga, la acest
nivel, cu apelativul de simţuri operaţionale într-o aplicaţie informatică de asistare a
deciziilor, doar văzul, auzul, simţul tactil şi, eventual, intuiţia.
Pe de altă parte, actul general al percepţiei senzoriale este un proces în
acelaşi timp somatic şi psihic. Explicaţia poate părea simplă: obiectul percepţiei
senzoriale începe să fie interpretat aproape simultan de toate facultăţile care
contribuie la procesul cunoaşterii. Astfel că printr-un act complex, în care intervin
inteligenţa, memoria, imaginaţia şi dorinţa, obiectul aşa cum este el prezentat de
simţuri, este situat în spaţiu şi raportat la alte obiecte, este numit, definit în ceea ce
priveşte natura, semnificaţia, funcţia şi valoarea sa. Această interpretare constituie
esenţa percepţiei senzoriale, având temeiul faptului aparent obiectiv oferit de
senzaţie. Nu sunt excluse însă şi variante mult mai complexe de percepţie în funcţie
de valorile subiectului cunoscător, respectiv de starea spirituală a receptorului283
(aici utilizatori).
Cheia proiectării unei interfeţe potrivite pentru utilizatorii aplicaţiei
propriu-zise de asistare a deciziilor este, prin urmare, prezentarea informaţiilor în
toate modurile în care aceştia pot să le folosească, respectiv la întregul potenţial
oferit de sistem. Proiectanţii pot începe prin a se interesa ce categorii de utilizatori
doresc să fie asistaţi pentru a putea furniza direct cea mai bună combinaţie de
culori, modul de poziţionare a ferestrelor pentru intrări şi ieşiri şi, în general, un
mediu de lucru antrenant.
3.5.2.5 Principii generale de proiectare a interfeţei cu utilizatorul
Încă din 1988, Donald Norman - profesor doctor, fondator al Nielsen
Norman Group, respectiv al Cognitive Science Society şi fost vice-preşedinte la
Advanced Tehnology Group de la binecunoscuta Apple Computer, enunţa în
lucrarea The Design of Everyday Things284 un set de şapte principii de proiectare a
unor interfeţe intuitive:
9 folosirea cunoaşterii - în dezvoltarea de modele conceptuale trebuie scrise
manuale uşor de înţeles şi neapărat înainte de implementare;
9 simplificarea structurării sarcinilor - trebuie să ne asigurăm că nu vom
supraîncărca memoria pe termen scurt/lung a utilizatorilor, în condiţiile în care cei
281
Potter, K., H., Buswell, R., E., Jaini, P., S., Noble, R., Encyclopedia of Indian
Philosophies, Volume IX, Buddhist Philosophy From 350 To 600 A.D., Motilal Banarsidass,
Delhi, 2003, p.166
282
http://www.revistamagazin.ro/content/view/5373/4/
283
Claude-Larchet, J., Terapeutica bolilor spirituale, Editura Sofia, Bucureşti, 2001, p.101
284
http://www.ifsm.umbc.edu/~preece/Papers/User-
centered_design_encyclopedia_chapter.pdf#search=%22
Norman%2C%20D.A.%2C%20Draper%2C%20S.W.%2C%20User%20Centred%20Syste
m%20Design%22

mai mulţi sunt capabili să-şi amintească un set limitat de elemente la un moment
dat; în acest context putem reaminti despre teoria numărului „magic”285 şapte, plus
sau minus doi, în legătură directă cu anumite limite ale capacităţii umane de
procesare a informaţiilor; în plus, acelaşi principiu obligă să ne asigurăm că
operaţia este consistentă şi furnizează suport pentru extragerea informaţiei din
memoria pe termen lung şi de asemenea, că utilizatorul are control asupra ei;
9 a face lucrurile vizibile - utilizatorul ar trebui să fie capabil să-şi dea seama de
utilitatea unui obiect vizualizând butoanele potrivite sau echipamentele pentru
execuţia unei operaţii;
9 buna reprezentare - un mod de a face lucrurile sugestive este să folosim
grafice;
9 exploatarea puterii de constrângere, atât a celei naturale cât şi a celei
artificiale, pentru a da utilizatorului senzaţia că este ceva anume de făcut;
9 proiectarea orientată spre erori - planificând ce e de făcut pentru orice eroare
posibilă, utilizatorul va avea posibilitatea de reluare indiferent de tipul de eroare
declanşată;
9 apelarea la standardizare - atunci când intervin elemente de noutate.
În accepţiuni mai recente286 sunt formulate şi alte alte principii considerate
de bază:
9 formatul de ieşire - acesta trebuie să se constituie dintr-o serie de zone pe
ecran care sunt utilizate consistent pentru scopuri diferite (de pildă, zona de sus
pentru comenzi şi navigare, zona din mijloc pentru informaţia de introdus sau de
afişat şi zona inferioară pentru informaţie de stare);
9 conştientizarea conţinutului - utilizatorii ar trebui să fie mereu conştienţi de
locul unde se află la un moment dat în sistem şi de informaţia afişată de sistem;
9 estetica - interfeţele trebuie să fie funcţionale şi atractive pentru utilizatori prin
folosirea atentă a spaţiilor albe (goale), a culorilor şi a font-urilor; există adesea un
compromis între includerea spaţiilor albe pentru a face interfaţa să arate mai plăcut
şi, respectiv, a nu pierde prea mult spaţiu încât informaţia importantă să nu încapă
pe ecran;
9 experienţa utilizatorului - deşi uşurinţa în utilizare şi în învăţare conduc
adesea la decizii de proiectare similare, există de regulă un echilibru între cele
două; utilizatorii începători sau mai puţin frecvenţi ai aplicaţiei vor prefera uşurinţa
de învăţare a acesteia; în schimb, cei mai frecvenţi vor dori uşurinţa de utilizare;
9 consistenţa în proiectarea interfeţei - aceasta face ca utilizatorii să poată
anticipa ceea ce se va întâmpla înainte de realizarea unei anumite funcţii; este unul
dintre cele mai importante elemente în uşurinţa învăţării, utilizării şi estetică;
9 efortul minimal al utilizatorului - interfaţa trebuie să fie simplu de utilizat; cei
mai mulţi proiectanţi îşi propun să nu aibă mai mult de trei click-uri de mouse de la
meniul de start şi până când utilizatorii lucrează efectiv cu aplicaţia.
285
http://www.well.com/~smalin/miller.html
286
Dennis, A., Wixom., B.,H., System Analysis and Design. An applied approach, John
Wiley & Sons, New York, 2000, pg. 277

Principiile esenţiale ale proiectării interfeţelor grafice cu utilizatorul, se

referă, potrivit altor lucrări287 la doar câteva categorii de bază: Organizare
(consistenţă, format de ieşire, relaţii - gruparea elementelor cu caracteristici
comune, respectiv navigabilitate), Economie (simplitate, claritate, diferenţiere,
accentuare - subliniere), Comunicare (accesibilitate, lizibilitate, respectiv
caracteristici tipografice: nu mai mult de trei tipuri de font-uri, trei mărimi şi
şaizeci de caractere pe o linie - combinaţii de litere mari şi mici). O importanţă
aparte trebuie acordată principiilor esenţiale de proiectare a culorilor. În consecinţă,
ne vom referi la: organizarea culorii (în legătură directă cu relaţiile), economia de
culoare (cel mult între patru şi şapte culori), respectiv la comunicarea prin culoare
(folosirea culorilor aprinse roşu şi verde doar în centrul ecranului, considerarea
contextului de lucru, evitarea combinaţiilor obositoare de culori - roşu şi albastru).
Din perspectiva creatorilor sistemului de operare care a împrumutat
denumirea unei cunoscute metafore a spaţiului curent de lucru în regim grafic, şi
anume fereastra (window), proiectarea interfeţei cu utilizatorul a însemnat în
primul rând consistenţă. Astfel că în 1992, corporaţia Microsoft a publicat288 un set
de reguli privind proiectarea interfeţei cu utilizatorul sistemului de operare
Windows şi a aplicaţiilor ce rulau pe această platformă. Acestea au avut drept scop
furnizarea consistenţei vizuale şi funcţionale la nivelul aplicaţiilor pe platforma
Windows.
Ghidul de proiectare foloseşte trei niveluri de recomandare după gradul de
importanţă:
◦ Recomandat - presupune modul obişnuit în care o facilitate, o operaţie
sau un comportament ar trebui implementate. O aplicaţie nu trebuie
neapărat să includă tehnicile recomandate, însă dacă facilitatea, funcţia,
operaţia sau comportamentul sunt implementate, recomandarea descrie
implementarea preferată. Anumite sugestii recomandate sunt definite de
sistem (Alt+F4), în timp ce altele există la nivelul aplicaţiei. Meniul File
este un exemplu de facilitate recomandată tuturor aplicaţiilor care
accesează date folosind fişiere;
◦ Opţional - se referă la extensiile obişnuite pe care o aplicaţie le-ar putea
implementa. Meniul View este un exemplu de facilitate opţională;
◦ Sugerat - simbolizează o anumită direcţie de urmat de către aplicaţie într-
un anume context căruia i se aplică, fără a intra în conflict cu alte utilizări
ale aplicaţiei.
Scopul declarat al acestor recomandări de proiectare este de a stimula
dezvoltarea interfeţelor cu utilizatorul capabile să faciliteze învăţarea şi utilizarea
aplicaţiilor. Mecanismul ascuns este transferul cunoaşterii de la cunoscut la
necunoscut prin intermediul conceptelor familiare şi al metaforelor aplicabile în
287
McLeod, R., Jr., Jordan, E., Op.cit., p. 398-400
288
Microsoft Corporation, The Windows Interface: An Application Design Guide,
Redmond, Microsoft Press, 1992, <http://colos1.fri.uni-lj.si/~sis/computing/gui/gui_guide
lines/gui_intro.htm>

mai multe domenii ale cunoaşterii. Paradigma obiect-acţiune specifică Microsoft

Windows asigură o metaforă familiară pentru interacţiunea utilizatorului cu
aplicaţiile. Conform acesteia, interacţiunea se realizează prin selectarea unui obiect
şi apoi, prin invocarea unei acţiuni de aplicat asupra obiectului selectat. Astfel, se
permite utilizatorilor transferul cunoaşterii despre lumea înconjurătoare către
utilizarea aplicaţiilor software, respectiv transferul cunoaşterii cu privire la o
aplicaţie la cele care folosesc aceleaşi principii de proiectare.
Cât priveşte ideea unui proces ciclic de proiectare a interfeţei cu
utilizatorul (fig.3.32), putem aprecia că aceasta nu este nouă, ea putând fi asimilată
oricând ciclului clasic al dezvoltării sistemelor.
Figura 3.32 Procesul de proiectare a interfeţei cu utilizatorul

(Sursa: Dennis, A., Wixom., B.,H., System Analysis and Design. An applied approach, John Wiley &
Sons, New York, 2000, p.285)
Utile sunt şi alte câteva considerente desprinse din practica289 dezvoltării

produselor software pentru utilizatorii finali. În acest context, amintim:
9 împuternicirea utilizatorilor - predilecţia proiectanţilor de interfeţe cu
utilizatorul pentru control este evidentă în aplicaţiile care încearcă în mod continuu
să controleze navigarea utilizatorului prin alternanţa de gri şi negru în elementele
meniurilor sau în controalele unei aplicaţii; a controla utilizatorul este complet
contradictoriu proiectării dirijate de evenimente în care, mai curând utilizatorul şi
nu software-ul dictează ce eveniment va avea loc; deci dacă în calitate de
dezvoltatori vom petrece mult timp activând şi dezactivând controalele, va trebui să
reexaminăm abordarea proiectării şi vom realiza că aşa am putea controla
289
Hobart, J., Principles of good GUI Design, <http://www.iie.org.mx/Monitor/v01n03/
ar_ihc2.htm>, citat în Homocianu, D., New rules for GUI design, The proceedings of The
seventh International Conference on Informatics in Economy: “Information & Knowledge
Age”, Inforec Printing House, Bucharest, 2005, p.363

utilizatorul, care, de fapt, nu vrea să fie controlat; în condiţiile în care lumea

afacerilor se shimbă într-un ritm din ce în ce mai rapid, flexibilitatea în interfaţa cu
utilizatorul va deveni un element cheie al schimbării; a permite accesul la aplicaţie
în forme mai puţin obişnuite poate fi neliniştitor dar în acelaşi timp satisfăcător
pentru dezvoltator şi în mod sigur încurajator pentru utilizatorul final;
9 evitarea unui ecran principal prea încărcat - examinând două dispozitive
electronice cu aceeaşi utilizare dar construite în perioade diferite, vom constata în
primul rând o diferenţă de interfaţă a celor două modele; primul, construit să
spunem la începutul anilor ’80, va avea o abundenţă de butoane disponibile prompt
pe faţa unităţii, multe rămânând un mister dacă manualul a fost pierdut cu ceva
vreme în urmă; modelul actual, însă, va avea doar câteva butoane pentru funcţiile
esenţiale utilizabile; dacă este vorba de un echipament multimedia, atunci să le
considerăm: acţiune sau funcţionare (play), derulare înainte, derulare înapoi, stop şi
pauză; acest model va avea cel mai probabil şi alte funcţii faţă de modelul construit
cu douăzeci de ani în urmă, însă acestea vor fi foarte inteligent ascunse în spatele
unui panou detaşabil sau a unei opţiuni uşor accesibile la nevoie, însă nu vizibile;
aplicând acestea la nivelul interfeţei cu utilizatorul unei aplicaţii informatice, ne
putem asigura că acele caracteristici frecvent utilizate sunt uşor disponibile
oricând; astfel se va evita şi tentaţia de a pune totul pe ecranul principal sau de a
încărca bara de instrumente cu butoane utilizate foarte rar, în timp ce la o căutare
simplă se vor descoperi uşor funcţiile care pot rămâne ascunse în loc de a ocupa
panoul central;
9 garantarea performanţelor - o caracteristică importantă a unei interfeţe
performante este viteza, sau mai concret viteza de răspuns; foarte multe probleme
legate de viteză sunt rezolvate prin intermediul proiectării interfeţei şi nu a
elementelor hardware; funcţie de tipul aplicaţiei, viteza poate fi factorul decisiv în
stabilirea acceptării unei aplicaţii în comunitatea de utilizatori; există posibilitatea
de conferi interfeţei unei aplicaţii aparenţa vitezei în mai multe moduri: prin
împrospătarea ecranului doar în cazurile când este absolut necesar sau prin
proiectarea validării la nivelul întregului ecran în locul validării câmp cu câmp sau,
în funcţie de abilităţile utilizatorilor, prin proiectarea de facilităţi ale GUI care să
pună la dispoziţia celor experimentaţi opţiunea de a introduce fiecare câmp al
fiecărei înregistrări rapid; această opţiune se referă la facilităţi precum:
mnemonicele, combinaţiile de taste, barele de instrumente cu pictograme sugestive,
toate permiţând utilizatorului să controleze rapid GUI şi rata intrărilor de date;
9 înţelegerea modului în care funcţionează memoria umană - aplicaţiile şi
modulele lor de interfaţă trebuie să reflecte posibilităţile şi comportamentele
utilizatorilor lor; pentru a înţelege pe deplin utilizatorii, dezvoltatorii trebuie, mai
întâi, să înţeleagă oamenii, pentru că toţi manifestăm caracteristici comune; mai
concret, oamenii învaţă mult mai uşor prin recunoaştere decât prin
amintire/repetare; întotdeauna, trebuie încercat a se asigura o listă de valori, din
care să se selecteze şi să se evite editarea de către utilizatori a unor valori din
memorie; cauza este faptul că o persoană obişnuită poate să-şi amintească în jur de

2.000-3.000 de cuvinte, însă aceeaşi persoană poate să recunoscă aproximativ

50.000;
9 atenţia la diferenţele de perspectivă - mulţi proiectanţi cad fără a-şi da seama
în capcana de perspectivă care apare atunci când vine vorba de proiectarea unei
pictograme sau a comportamentului general al aplicaţiei; este des întâlnită situaţia
în care pictograme create să reprezinte anumite funcţii, semnifică orice altceva din
cauză că proiectantul a investit prea mult efort artistic în crearea lor; aşa se face că,
din nefericire, utilizatorii sistemului nu vor avea nici o idee legată de ce metafore
ar fi trebuit să reprezinte acestea, chiar dacă erau perfect intuitive din perspectiva
proiectantului;
9 asigurarea unui feedback vizual bogat - dacă ne-am surprins vreodată uitându-
ne fix la cursorul în formă de clepsidră afişat pe ecranul terminalului nostru în
timpul aşteptării terminării unei operaţii, înţelegem cam ce înseamnă frustrarea
unui feedback vizual sărac; utilizatorii unei anume aplicaţii vor aprecia foarte mult
să fie informaţi de către interfaţa de utilizare cam cât va mai dura o operaţie până
să ajungă “să-şi culeagă fructul răbdării”; ca regulă generală, majoritatea
utilizatorilor ar dori să aibă o casetă de dialog cu mesaj şi cu indicatorul de progres
afişat, atunci când operaţiile vor lua mai mult de câteva secunde (număr destul de
variabil, funcţie de tipul utilizatorului şi de caracteristicile generale ale aplicţiei);
9 evitarea unui disconfort audio - o voce plăcută informând utilizatorii în ce
fază de execuţie se situează, atunci când vine vorba despre o aplicaţie complet
nouă, este cel mai potrivit scenariu pentru o interfaţă audio; însă, după o perioadă
de lucru cu acest tip de interfaţă, utilizatorii vor ignora vocea şi o vor găsi mai
degrabă deranjantă decât folositoare; practic, feedback-ul audio poate fi de ajutor
numai atunci când vine vorba de a avertiza utilizatorul în legătură cu iminenţa unei
probleme grave care ar putea, de pildă, să conducă la pierderea de date sau la
alterarea conţinutului aplicaţiilor instalate;
9 eficienţa mesajului textual - dezvoltatorii încearcă adesea crearea unui
feedback textual clar prin adăugarea prea multor cuvinte; oricum, ei nu reuşesc
altceva decât să facă mesajul mai puţin clar; provocarea reală constă în crearea de
etichete şi mesaje de eroare pentru utilizator folosind cuvinte concise; astfel că
feedback-ul textual poate fi administratat mult mai eficient apelând la experienţa
editorilor de documentaţie tehnică;
9 echilibrul dintre dispozitivele de intrare tradiţionale, tastatură şi mouse -
tastatura este un element de neînlocuit pe masa unui utilizator şi furnizează o
modalitate eficientă de a introduce text şi date; apariţia aplicaţiilor care folosesc
intens principiile GUI a însemnat folosirea intensivă a mouse-lui; deşi foarte
comod pentru orice categorie de utilizatori, acest mod de operare este un mare
consumator de timp şi tinde să devină ineficient pentru utilizatorii obişnuiţi cu
tastaura dar şi pentru utilizatorii frecvenţi ai aplicaţiei; combinaţiile de taste
salvează această situaţie şi de aceea trebuie concepute ca fiind uşor de accesat şi
limitate la un număr de mic de taste apăsate într-o anume combinaţie (F10,
Alt+F4); însă, în mod evident, tastatura poate crea mari probleme atunci când vine
vorba de implementare şi folosirea manevrelor directe de tipul: indicare, tragere

(drag&drop) şi redimensionare; în aceste condiţii, se impune furnizarea unui

suport complet şi echilibrat pentru cele două dispozitive de intrare, atât pentru
operaţiile din meniuri cât şi pentru cele de la nivelul ferestrelor;
9 echilibrul dintre modal şi nemodal - când există o neapărată nevoie de date de
introdus de către utilizator, se apelează de regulă la casete/ferestre de dialog
modale (care blochează celelalte procese până la închidere); folosirea lor a fost
foarte multă vreme catalogată de mare constrângere pentru utilizatori şi, totuşi,
dialogurile modale au foarte multe întrebuinţări, cu atât mai mult cu cât cei mai
mulţi utilizatori folosesc doar o fereastră la un moment dat; astfel, devine foarte
importantă încercarea de a folosi dialogurile modale atunci când există o sarcină de
lucru finită şi nu în cazul celor care nu au o durată limitată; mai este, de asemenea,
recomandat a nu menţine utilizatorul ocupat într-un număr prea mare de ferestre
nemodale, pentru a nu-i distrage atenţia de la sarcinile de executat - părerile sunt
împărţite între mai multe numere, între care două aşa-zise “magice”, trei, respectiv
şapte;
9 proiectarea controalelor - controalele, sau acele elemente vizuale care permit
utilizatorilor interacţiunea cu aplicaţia, impun proiectanţilor menţinerea
consistenţei la nivelul aplicaţiei, când vine vorba de comportamentul de bază al
unui control şi de plasarea acestuia; fiecare nou control aduce cu el comportamente
şi caracteristici aşteptate; de aceea asocierea lui cu o anumită sarcină a
utilizatorului se poate traduce prin productivitate sporită, rate de erori scăzute şi
satisfacţie mai mare per ansamblu, din partea utilizatorului.
3.5.2.6 Subsistemul de comunicare
Această componentă se poate evidenţia ca una specifică în măsura în care
poate fi integrată cu succes aplicaţiei propriu-zise de asistare a deciziilor. Uzual,
subsistemul de comunicare este responsabil de gestiunea mesajelor electronice tip
poştă electronică. În extenso, însă, poate să însemne şi gestiunea mesajelor instant,
a aplicaţiilor de tip video-conferinţă, radio sau TV.
Avantajul integrării acestor funcţii ţine de specificul SAD şi, prin urmare,
de imposibilitatea de a apela cu succes, în orice context de lucru, la aplicaţii
independente consacrate.
3.5.2.7 Sistemul specific de fişiere
De ce sistemul specific de fişiere? Unul dintre motive este acela că
aplicaţiile propriu-zise de asistare a deciziilor pot fi concepute de aşa manieră încât
să preia date de intrare din rezultatele intermediare generate pe parcursul
prelucrărilor, sau chiar din rapoartele obţinute într-un moment anterior (fig.3.33 -
sugerarea automată a denumirii rapoartelor funcţie de modul de exploatare a
aplicaţiei de asistare a deciziilor), scopul fiind acela al reconstituirii unor analize,
simulări sau scenarii de lucru, însă cu o economie substanţială de timp şi de
resurse.

Figura 3.33 Sugerarea automată a denumirii fişierelor de raportare BI

(Sursa: Airinei, D., Homocianu, D., A DSS model with Business Intelligence Reporting Facilities,
Sisteme Integrate Colaborative pentru Afaceri Mici şi Mijlocii, Editura Universităţii “Alexandru Ioan
Cuza” Iaşi, 2007, p.21)
Alte raţiuni de a fi ale sistemului specific de fişiere se referă la:

• stocarea valorilor care descriu configuraţia aplicaţiei de asistare a
deciziilor, pe utilizatori sau grupuri de utilizatori;
• păstrarea seturilor de valori implicite care pot descrie uneori
parametri standard sau constante utilizate la nivelul SAD;
• stocarea unor date în fişiere temporare (back-up şi conversii);
• păstrarea şi gestionarea anumitor evenimente, decizii şi comentarii.
În toate aceste cazuri, folosirea unui set de fişiere specific sistemului de
asistare a deciziilor, altul decât cel comun unui anumit tip de bază de date şi sistem
de gestiune a bazelor de date, devine o cerinţă fundamentală de proiectare şi
exploatare a SAD.
3.5.2.8 Bazele de date sursă
Deşi, în orice context, pot fi asimilate sistemelor de procesare a
tranzacţiilor, bazele de date interesează în cercetarea de faţă ca o componentă

indispensabilă290 în structura unui sistem de asistare a deciziilor. Scopul esenţial al

unui SGBD este acela de a furniza un mediu eficient291 pentru păstrarea,
consultarea şi actualizarea datelor stocate în baza de date.
O bază de date relaţională poate fi exprimată în termeni de tabele şi de
scheme, definind structura acestor tabele. Fiecare tabelă are o cheie primară care
este folosită pentru a defini în mod unic fiecare înregistrare pe care aceasta o
păstrează, în timp ce cheile străine sunt folosite pentru a defini relaţiile dintre
tabelele unei baze de date. Folosirea limbajelor de interogare (ex: SQL -
Structured Query Language) a determinat un alt obiectiv important şi anume
optimizarea interogărilor, atât calitativ cât şi în termeni de timp de execuţie.
Formularea multor cerinţe de calcul specifice asistării deciziilor, precum
agregările cumulative (vânzările dintr-un anumit an sau de la o anume dată),
combinarea totalurilor şi subtotalurilor sau determinarea rangului (primele zece
cele mai vândute produse) devine însă dificilă sau chiar imposibil de realizat în
limbajul SQL standard. De asemenea, transpunerea liniilor şi coloanelor cere
specificarea şi combinarea manuală a mai multor vizualizări (view-uri) asupra
datelor. Deşi extensiile limbajului SQL, precum operatorii cubului de date292,
remediază unele dintre aceste probleme, modelul relaţional fundamentat pe SQL nu
face faţă în mod satisfăcător dimensiunilor ierarhice.
Când vine vorba de analiza datelor, întocmai ca şi foile de calcul tabelar,
bazele de date relaţionale asigură un suport adecvat pentru un volum mic de date şi
un număr mic de perspective de analiză (dimensiuni non-ierarhice), nesuportând în
întregime cerinţe de analiză complexă a datelor.
Dincolo de aceste limitări, nu putem trece cu vederea flexibilitatea unor
mecanisme de interogare testate, care presupun integrarea limbajului SQL cu
funcţiile/clauzele de test imediat - IIf (Immediate If) sau Case293. Ele oferă SGBD-
urilor relaţionale posibilităţi nebănuite de filtrare a datelor şi de creare de surse de
date derivate (fig.3.34 - se are în vedere obţinerea informaţiilor despre zodie şi sex
plecând de la data naşterii, respectiv de la nume, într-o nouă tabelă, ”informaţii”).
Aşa cum se va vedea şi într-un subcapitol următor (3.6.2), sunt situaţii când acestea
pot constitui chiar soluţii surogat la instrumentele specializate de extragere,
transformare şi încărcare a datelor (Extraction Transformation and Loading -
ETL).
290
291
Fotache, M., SQL. Dialecte DB2, Oracle şi Visual FoxPro, Editura Polirom, Iaşi, 2001,
p.15
292
Gray, J., et. al., Data Cube: A Relational Aggregation Operator Generalizing Group-By,
Cross-Tab and Sub-Totals, Data Mining and Knowledge Discovery, vol. 1, no. 1, 1997,
p.29-54
293
Homocianu, D., A Data Mining and User Interface based DSS Approach, The
proceedings of the international conference: “Knowledge Management, Projects, Systems
and Technologies”, Editura Inforec, Bucureşti, 2006, p.212

Figura 3.34 Test reuşit de integrare a interogării SQL cu funcţiile de extragere (Mid, Right) şi de test
imediat (IIf)
În timp ce modelul de date relaţional introdus de Codd în 1970294 a servit

ca fundaţie pentru actuala industrie de baze de date relaţionale, oferind un suport
rezonabil în rezolvarea problemelor legate de manipularea datelor, în ultimii zece
ani, au câştigat teren şi alte modele, inclusiv cel multidimensional - cu origini mai
curând în algebra matricelor multidimensionale, folosită la analiza manuală a
datelor încă de la finele secolului al XIX - lea. De fapt, datele multidimensionale au
început să fie colecţionate de multe corporaţii pentru aplicaţii de asistare a
deciziilor295, din considerente de analiză şi nu de procesare în timp real, tehnologia
bazelor de date multidimensionale devenind astfel un factor cheie în analiza
interactivă a unor volume mari de date. Cu condiţia de a oferi suport nativ pentru
toate etapele modelării datelor, bazele de date multidimensionale, atât de des
utilizate şi referite în aplicaţiile, respectiv în teoria SAD, sunt singura soluţie care
pare să reziste cu adevărat în contextul anterior al limitărilor specifice modelului
relaţional.
3.5.2.9 Bazele de date derivate şi integrarea informaţiilor
O bază de date derivată este acea parte din baza de date sursă cu care
sistemul interacţionează curent şi nemijlocit. Ea este adesea diferită de baza de date
sursă, în sensul unei replici sau a unei imagini complete sau incomplete a acesteia
(fig.3.35).
Figura 3.35 Baza de date extrasă, parte a sistemului specific de fişiere

(Sursa: Airinei, D., Sisteme de Asistare a Deciziilor, <https://portal.feaa.uaic.ro/C0/Sisteme de
asistare a deciziil/Document Library/Curs_DSS_C3.pdf>)
294
Lungu, I., Bodea, C., Bădescu, G., Ioniţă, C., Baze de date. Organizare, Proiectare şi
Implementare, Editura All Educational, Bucureşti, 1995, p.96
295
Garcia-Molina, H., Ullman, J., D., Widom, J., Op.cit., p.668

În condiţiile în care SAD exploatează adesea date din mai multe baze de
date interne şi externe, crearea unei surse de date derivate sau a unei noi baze de
date extrasă plecând de la primele, este cu atât mai justificată, dacă se iau în calcul
criterii de performanţă în exploatare.
Ca direcţie distinctă de evoluţie a bazelor de date, depozitele de date sunt
special gândite şi concepute pentru analize şi asistarea deciziilor, prin consolidarea
datelor unei organizaţii. Din acest motiv nu trebuie să surprindă că, împreună cu
instrumentele OLAP, sunt referite adesea chiar ca sisteme de asistare a deciziilor
de sine stătătoare. Tocmai din aceste considerente, le vom detalia pe larg,
împreună, în subcapitolul 3.6.
Deşi strâns legate de tehnologia de stocare specifică bazelor de date
multidimensionale, depozitele de date trebuie privite şi din perspectiva integrării
informaţiilor296. Din această perspectivă, ele sunt o soluţie alături de bazele de date
tip federaţie - surse independente de date apelabile între ele, respectiv alături de
mediatori - componente software care suportă baze de date virtuale şi pe care
utilizatorii le pot folosi ca şi cum ar fi materializate fizic (ca în cazul depozitelor de
date).
3.5.2.10 Baza de modele şi SGBM
Definite după analiza prealabilă a situaţiei decizionale297, modelele
presupun un mod superior de organizare şi prelucrare a datelor, fiind inspirate
adesea din matematică, statistică, probabilităţi, dar şi din domenii umaniste precum
psihologia, sociologia sau economia. În plus, teoria utilităţii, cercetările
operaţionale, programarea liniară sau teoria grafurilor sunt doar cîteva exemple
care servesc de multe ori ca surse pentru conceperea modelelor utilizate de
sistemele de asistare a deciziilor.
Prin analogie cu SGBD, se poate vorbi de un aşa-numit sistem de gestiune
a bazei de modele (SGBM), care dincolo de diversitatea certă a acestora, trebuie să
ofere posibilitatea de a combina şi modifica modele existente (uneori predefinite şi
consacrate), în scopul creării unora noi (adesea particulare). Tocmai de aceea,
modele din prima categorie trebuie să fie accesibile utilizatorului (în sensul
înţelegerii şi, în ultimă instanţă, al cunoaşterii variabilelor şi a structurii funcţionale
specifice acestora), flexibile şi deschise (prin prisma disponibilităţii pentru price tip
de modificare - parametri, variabile, configuraţie), respectiv coerente (exigenţă
relativă, care solicită un anumit specific al aplicaţiei de asistare, sugerînd în plus, o
legătură indisolubilă cu funcţia de protecţie şi securitate a aplicaţiei, respectiv cu
gestiunea modului de acces la aceasta - problema este tratată parţial în subcapitolul
3.6.9).
296
Garcia-Molina, H., Ullman, J., D., Widom, J., Op.cit., p.1047-1048
297
Airinei, D, Op.cit., <https://portal.feaa.uaic.ro/C0/Sisteme de asistare a
deciziil/Document Library/Curs_DSS_C3.pdf>

3.5.2.11 Baza de cunoştinţe şi modulul de gestiune a cunoaşterii - SAD la

graniţa cu IA
Această componentă furnizează cunoaşterea necesară soluţionării unei
anumite probleme şi este un atribut al sistemelor avansate de asistare a deciziilor.
Nevoia unei baze de cunoştinţe sau a unui modul de gestiune a cunoaşterii derivă
din multitudinea problemelor nestructurate cu care se confruntă un decident şi care
cer cunoştinţele unui expert298.
Pentru acele sisteme de asistare a deciziilor care folosesc funcţionalităţile
tradiţionale ale sistemelor expert, se pune problema diviziunii dintre secţiunea care
păstrează reprezentarea cunoaşterii specifice unui domeniu (bază de cunoştinţe
divizată în bază de fapte - uzual predicate cu argumente specifice, respectiv bază de
reguli - legături logice între predicate299) şi cea responsabilă de organizarea
proceselor inferenţiale în care este implicată această cunoaştere (sistemul de
control sau motorul de inferenţe).
Pentru alte tipuri de sisteme de asistare a deciziilor, modificarea
parametrilor unui model poate fi încadrată la explorări euristice, îmbogăţirea bazei
de cunoştinţe realizându-se în timp, inclusiv prin intervenţia SGBM - responsabil
de autorizarea adăugării de noi fapte în baza de fapte.
3.6 ALTE CATEGORII DE INSTRUMENTE ŞI TEHNOLOGII UTILE ÎN
STUDIUL SAD
Aşa cum reiese dintr-o clasificare a sistemelor de asistare a deciziilor
menţionată anterior (subcapitolul 3.4.2) şi pe care o vom completa, înţelegerea
acestora ca latură aplicativă presupune delimitarea clară a trei niveluri:
◦ sisteme concrete sau propriu-zise - produs final sau aplicaţia concepută
special pentru a veni în ajutorul luării deciziilor de un anumit tip;
◦ generatoare de sisteme de asistare a deciziilor - pachete integrate de
aplicaţii software cu facilităţi de construire uşoară (interfaţă grafică,
exemple predefinite), rapidă şi ieftină a sistemelor din prima categorie;
◦ instrumente de asistare a deciziilor - nivelul elementar al tehnologiei
(limbaje de programare/interogare, grafică, baze de date) folosit pentru
dezvoltarea primelor două.
Tot în acest context se impune şi diferenţierea netă între noţiunile de sistem
de asistare a deciziilor, respectiv aplicaţie de asistare a deciziilor (adesea referită ca
sistem), în primul caz fiind vorba de o perspectivă integratoare a resurselor umane,
financiare, respectiv a mai multor tehnologii şi instrumente care, împreună cu una
sau mai multe aplicaţii specifice, determină realizarea obiectivelor propuse.
298
Fînaru, L.., Sisteme informaţionale şi gestiunea financiară a întreprinderii, Editura
Junimea, 2000, p.249
299
Stoean, C., Introducere în limbajul Prolog,
<http://inf.ucv.ro/~cstoean/courses/logica/l11.pdf>

Plecând de la observaţia anterioară, vom restabili denumirea celor trei

niveluri amintite în: aplicaţii propriu-zise de asistare a deciziilor, generatoare de
aplicaţii, respectiv alte instrumente de asistare.
3.6.1 Programele de calcul tabelar - SAD de nivel elementar
Foaia de calcul tabelar este instrumentul specific de lucru al programelor
de calcul tabelar precum Lotus 1-2-3 sau Excel şi se constituie dintr-un tabel de
dimensiuni mari, structurat pe linii şi coloane, care oferă posibilitatea introducerii
de date, a definirii de modele variate de rezolvare a problemelor, dar şi facilităţi de
calcul, de lucru cu funcţii predefinite, de simulare, vizualizare sau reprezentare
grafică.
Un element cheie300 al calculului tabelar rămâne însă modificarea automată
prin recalcularea matricii de valori, la schimbarea anumitor parametri din foaia de
calcul, ceea ce face din aceasta un instrument precis de modelare în timp real. Mai
mult decât atât, disponibilitatea modulelor rezolvator (solver), posibilitatea definirii
de tabele de simulare, de tabele pivot (fig.3.37), sau de tabele cu date grupate
(fig.3.36), dar şi a obţinerii de aplicaţii folosind macro-uri, le face de un real folos
utilizatorului final, aflat adesea în postura de decident informatizat, care, într-un
timp relativ scurt, poate obţine pe această cale suficiente variante decizionale, încât
să o poată alege pe cea optimă.
Figura 3.36 Facilităţi de grupare a datelor în tabele

(Sursa: Airinei, D., Dospinescu, O., Genete, D., Popescul, D., Strîmbei, C., Sîrbu, F., Creţu, L.,
Greavu-Şerban, V., Homocianu, D., Păvăloaia, D., Modele de aplicaţii practice în Microsoft Excel şi
Microsoft Access, Editura Sedcom Libris, Iaşi, 2007, p.191)
300

Figura 3.37 Facilităţi de lucru cu tabele pivot (dreapta), plecând de la o anumită sursă de date (stânga)
Microsoft Access, Editura Sedcom Libris, Iaşi, 2007, p.195)
Pentru a înţelege impactul programelor de calcul tabelar asupra

utilizatorilor de sisteme de asistare a deciziilor, trebuie să menţionăm că au existat
în literatura de specialitate301 şi opinii care au asociat chiar multă vreme sistemele
de asistare a deciziilor cu foile de calcul tabelar. Raportat la nivelul tehnologiilor
actuale, poate părea absurd ca această asociere să mai fie încă justificată. Cu toate
acestea, la o analiză ceva mai atentă, lucrurile nu sunt deloc exagerate, mai ales
dacă realizăm cât de mult contează experienţa utilizatorilor cu anumite produse-
program, devenite pe de o parte standarde dificil de înlocuit prin necesitatea lor, iar
pe de altă parte, aplicaţii cu destinaţii noi cum ar fi cele din categoria open source,
on-line sau mobile (fig.3.38).
301
***Examining the Present and Looking to the Future of DSS and Intelligent Systems, in
CIIMA, Volume 3 Issue 2,
<http://www.iima.org/CIIMA/CIIMA%20V3%20N2%203%20Downing.pdf>

Figura 3.38 Aplicaţii de calcul tabelar în versiuni open source (stânga), on-line (centru) , respectiv
mobile (dreapta)
(Surse: http://www.infoxportal.ro/softimag/ooffice.png
http://spreadsheets.google.com/ccc?key=p3M8iB5s_Ep-16vyoKpyPWg&hl=en
http://www.mtekk.com.au/Portals/0/ModArticleImages/Recrem/I-Mate_Jasjar_Excel.JPG)
În calitate de instrument de raportare, programele de calcul tabelar au de

oferit atuul multiplelor posibilităţi de format dar şi de conectare cu diferite aplicaţii
sau medii de programare, care generează automat rapoarte tip foaie de calcul
(fig.3.39, respectiv Anexa 3, fig.A3.3). Astfel că foarte multe organizaţii folosesc
produsul Excel ca instrument de raportare. Explicaţia? Cu o asemenea aplicaţie,
informaţiile pot fi formatate de aşa manieră, încât să întrunească cerinţe precise şi
exigente de raportare. În felul acesta, anumite registre de lucru Excel ajung să
înmagazineze investiţii mari de timp de creare a unor şabloane care formatează şi
prezintă informaţia302.
Figura 3.39 Secvenţă de cod VB6 (stânga) pentru generarea automată a unui raport intern tip foaie de
calcul tabelar (dreapta) privind performanţa economică a unui lanţ fictiv de magazine
Cuza” Iaşi, 2007, p.17)
302
Rasmussen, N., H., Goldy, P., S., Solli, P., O., Op.cit., p.98

Facilităţile avansate de formatare (inclusiv condiţională), respectiv de

integrare a indicatorilor de excepţii, disponibile în cele mai noi versiuni de
programe de calcul tabelar, se corelează cu avantajul oferit de posibilitatea de a
interveni prin modificarea sau personalizarea acestor rapoarte în modul de lucru
specific utilizatorului final (fig.3.40 - tablou de bord sub forma unui tabel cu
venituri semestriale - S1, S2, reprezentate grafic prin bare, respectiv cu indicatori
de performanţă privind creşterea procentuală şi brută).
Figura 3.40 Tablou de bord în Microsoft Excel 2007

(Sursa: Airinei, D., Homocianu, D., Comparative Analysis of Business Intelligence Solutions, The
proceedings of the International Conference: ”Competitiveness and European Integration 2007”,
Editura Risoprint, Cluj-Napoca, p.4)
În plus, programele de calcul tabelar respectă modelele decizionale

consacrate în literatura de specialitate. Cu titlu de exemplu, vom argumenta
pornind de la facilităţile de raportare Business Intelligence implementate în Excel
2007 (în modul asistat, formatare condiţionată - fig.3.41, stânga-sus). Acestea pot fi
controlate în modul program de o aplicaţie de asistare a deciziilor, concepută
pentru eliminarea unor magazine dintr-un lanţ comercial, ţinând cont de anumite
criterii economice agregate prin metoda utilităţii decizionale (modelul indicilor
relativi la maxim - Anexa 4, fig.A4.1-A4.5), respectiv de sugestiile obţinute în
acest fel (modelul indicilor relativi prin interpolare între maxim şi minim, care

foloseşte aici la sugerare, determinându-se limitele valorice asociate intervalelor de

apariţie a anumitor simboluri - fig.3.41 şi formulele 3.1, 3.2).
Figura 3.41 Explicaţii sinteză ale rezultatelor raportării de tip Business Intelligence, cu Microsoft
Excel 2007
(Sursa: Airinei, D., Homocianu, D., A BI and GIS Based DSS from Interface to Reports, The
proceedings of the 9-th European Conference: E-Comm-Line, IPA Publishing House, Bucharest,
2008)
Astfel, vom calcula mai întâi amplitudinea (înălţimea) valorilor extreme

pentru scorul total (Total score – fig.3.41, stânga-jos, coloana E). Apoi vom
determina cât, din această valoare, înseamnă 67%, respectiv 33% (limitele de
apariţie a simbolurilor de sugestie - , , , corespunzând valorilor alese de

utilizator, la nivelul aplicaţiei - fig.3.79, stânga, sau din parametrii formatării

condiţionate, în modul asistat - fig.3.41, stânga-sus). Este vorba despre 0,507352,
respectiv 0,2498899. Ulterior, adăugăm la minimul intervalului (-0,4831489) 33%
din amplitudine (33%*0,7572421=0,2498899), obţinând prima limită calculată (-
0,233259) sau a doua după minim - cele două corespund limitelor de apariţie a
simbolului , adică [-0,4831489, -0,233259). Similar, adăugăm 67% din
amplitudine (0,507352) aceluiaşi minim şi obţinem a doua limită calculată
(0,0242033), respectiv al doilea şi al treilea interval - corespunzător simbolului ,
adică [-0,233259, 0,0242033], respectiv lui sau (0,0242033, 0,2740932]. Modul
de calcul: limită valorică = limită ca indice relativ * amplitudine + minim (3.1)
amplitudine = maxim – minim (3.2)
este derivat din metoda utilităţii decizionale (regula de trei simplă) şi anume
modelul de calcul al utilităţii prin interpolare liniară, pentru criterii de maxim
(formula 2.5, din subcapitolul 2.2.3).
Mai nou, la toate acestea se poate adăuga disponibilitatea foilor de calcul
pentru interogări ad-hoc într-un mediu intranet de tip portal (fig.3.42 - raport salvat
în format MHTML, cu opţiunea de interactivitate activată). De fapt, aceasta se
leagă de posibilitatea de a muta datele dintr-o sursă de date OLAP direct în Excel,
fapt de importanţă majoră, în special pentru consumatorii de informaţie care
execută deja analize în aplicaţii ca Excel. Beneficiul real al unei astfel de facilităţi
(add-in) care permite accesul la datele OLAP îl constituie crearea unei legături
între Excel şi datele respective. Ea înseamnă mult mai mult decât simpla extragere
a acestor date din sursa OLAP sau decât banala plasare a unui set static de valori
într-o foaie de calcul, devreme ce o modificare a sursei de date antrenează, la
cererea expresă a utilizatorilor (reîmprospătare - refresh), o modificare a datelor
din foaia Excel303.
Figura 3.42 Grafic pivot Excel (dreapta) publicat pe portal (stânga)

(Sursa: Airinei, D., Homocianu, D., Scorecards & Dashboards - Part of a BI Solution in Education,
The proceedings of the international conference: “InfoBUSINESS'2006”, Editura Universităţii
“Alexandru Ioan Cuza” Iaşi, 2007, p.329)
303

Dincolo de aceste posibilităţi de dată relativ recentă, factorii care au

contribuit la răspândirea programelor de calcul tabelar ca instrumente ideale de
lucru pentru utilizatorii din mediul economic304 au ţinut mai ales de:
9 posibilitatea definirii multor calcule şi analize economice în formă tabelară;
9 forma tabelară atât de familiară economiştilor;
9 posibilitatea focalizării asupra detaliilor din celule;
9 obţinerea facilă de rapoarte în cele mai variate tipuri de formate;
9 integrarea într-un instrument unic a tabelelor, bazelor de date şi graficelor;
9 disponibilitatea unui mod de lucru specific utilizatorilor obişnuiţi (copierea,
mutarea şi adresarea de celule), avansaţi (funcţii, variabile, solver-e, simulări),
respectiv programatorilor (macro-uri).
În aceste condiţii, este lesne de înţeles de ce foarte mulţi utilizatori, care
participă la diferite tipuri de sondaje pe această temă, fac asocieri directe între
programele de calcul tabelar şi sistemele de asistare a deciziilor.
Dincolo de atâtea argumente favorabile programelor de calcul tabelar ca
instrumente pentru utilizatorul decident, trebuie menţionate şi limitările pe care le
aduc, mai ales atunci când se pune problema lucrului cu vederi multidimensionale
asupra datelor. Chiar mai mult, la capitolul administrare şi stocare de date
multidimensionale, foile de calcul eşuează prin nesepararea informaţiilor
structurale de vizualizările asupra informaţiilor (views), fapt cauzat, desigur, şi de
atributul bidimensionalităţii native.
3.6.2 Depozitele de date şi instrumentele OLAP
Plecând de la definiţia atribuită de Inmon unui depozit de date305 - „a
subject-oriented, integrated, nonvolatile, time-variant collection of data in support
of management's decisions”, vom considera că acesta reprezintă „o colecţie de date
orientate pe subiect, integrate, nonvolatile, variabile în timp, în ajutorul deciziilor
conducerii.” Dincolo de claritatea definiţiei, meritul este mai ales acela al
evidenţierii celor mai importante caracteristici ale depozitelor de date, şi anume:
9 orientarea pe subiect - spre deosebire de organizarea specifică bazelor de date
operaţionale, aceasta presupune concentrarea datelor despre un anumit subiect într-
o singură tabelă a depozitului de date; cu titlu de exmplu, menţionăm cazul unui
client care apare la creanţe şi poate să fie întâlnit şi la datorii dacă este concomitent
furnizor;
9 integrarea - presupune referirea unitară la date în prealabil testate, corectate şi
acceptate, indiferent de originea lor diversă - acestea pot proveni din surse tip baze
de date de tipuri diferite sau din fişiere cu înregistrări în formate multiple şi/sau
stocate în medii de operare distincte; vom diferenţia două dimensiuni ale integrării:
• „curăţirea”/filtrarea datelor - eliminarea erorilor din sursa de
intrare;
304
Fînaru, L., Sisteme informaţionale şi gestiunea financiară a întreprinderii, Editura
Junimea, 2000, p.251-252
305
Inmon, W., H., Building the Data Warehouse, John Wiley & Sons, New York, 1996

• transformarea lor - identificarea şi corectarea inconsistenţelor de

format;
9 nonvolatilitatea sau persistenţa datelor - în esenţa sa, nonvolatilitatea
înseamnă, în contrast cu sistemele operaţionale, inexistenţa posibilităţii de
modificare a datelor; altfel spus datele nu sunt volatile în sensul că acestea nu se
schimbă; de fapt, depozitul de date se bazează pe mecanismul de virtualizare a
bazei de date, ce presupune realizarea la un moment dat a unei copii protejate de
modificările ce survin ulterior, până când o variantă actualizată este solicitată în
mod expres; din considerente de consistenţă, mecanismul implică şi un regim de
lucru cu disponibilitate doar pentru citirea datelor (read-only);
9 caracterul istoric - în strînsă legătură cu persistenţa datelor, acesta se referă la
posibilitatea de a administra mai multe fotografii (snapshots) distincte ale mediului
operaţional dar şi la facilitatea de a opera analize şi vizualizări ale datelor din
perspectivă temporală (plecând de la acumulări de valori la atributele specific
temporale), cu scopul identificării eventualelor tipare şi tendinţe;
9 orientarea spre asistarea deciziei manageriale sau specializarea pe anumite
tipuri de utilizatori atât prin interfaţă cât şi prin însăşi arhitectura depozitului de
date.
Proiectarea unui depozit de date, în viziunea lui Kimball306, presupune a
lua în calcul patru etape diferite de cele considerate pentru un sistem operaţional, şi
anume:
¾ selecţia procesului economic de modelat - un astfel de proces este
perceput ca o activitate naturală realizată într-o organizaţie, funcţie de
specificul acesteia şi axându-se pe o colecţie de date sursă ale sistemului,
însă nu pe baza apartenenţei la un departament sau la o funcţie datorită
unor considerente ce ţin de consistenţa datelor;
¾ declararea granularităţii proceselor - sau specificarea cu exactitate a ce
anume reprezintă o înregistrare din tabela/tabelele de fapte, transmiţând
astfel şi nivelul de detaliere atomic asociat măsurilor tabelei de fapte;
¾ alegerea dimensiunilor care se aplică fiecărei înregistrări din tabela de
fapte, sau stabilirea perspectivelor de analiză, fiind de preferat proiectarea
tabelei de fapte cu un set robust de dimensiuni care să reprezinte toate
descrierile posibile în contextul unei anumite măsuri;
¾ identificarea faptelor numerice care populează fiecare înregistrare din
tabela de fapte, acestea fiind determinate practic prin stabilirea a ceea ce
se doreşte a fi măsurat.
În comparaţie cu depozitele de date descrise anterior, magazinele de date -
Data Mar(ke)ts sau “pieţele” de date, sunt subseturi ale celor dintâi, având însă un
ciclu de implementare mai redus ca întindere în timp, o arie de acoperire restrânsă
şi, ca atare, solicitând mai puţine exigenţe pe partea de resurse necesare şi
întreţinere. În plus, o a treia grupare înrudită, cea a magazinelor de date
operaţionale (Operational Data Stores), se caracterizează prin orientarea cu
306
Kimball, R., Ross, M., Op.cit., p.30-31

preponderenţă spre obiective operaţionale, asigurând o detaliere mai ridicată a unor

date mai curând curente şi volatile, dincolo de integrarea şi orientarea pe subiecte -
trăsături comune cu cele ale primelor două categorii.
Figura 3.43 Arhitectura pe straturi a depozitelor de date

(Sursa: Chaudhuri,S.(Microsoft), Dayal, U.(HP Labs), An overview of Data Warehousing and OLAP
Technology, <http://users.encs.concordia.ca/~k_dutta/P.ppt#260,5,Tiered Architecture>)
În 1993, Codd aduce în prim plan conceptul de OLAP (On-Line Analytical

Processing)307. Diferenţa esenţială faţă de depozitele de date308 este aceea că OLAP
se apropie mai mult de instrumentele front-end (client) sau de interacţiune directă
cu utilizatorul, în timp ce pentru primul caz avem de-a face cu instrumente back-
end (server) sau mai apropiate de partea de procesare (fig.3.43).
Cubul OLAP este o structură de date care permite o analiză rapidă a
acestora. Aranjarea datelor în cuburi anulează o limitare specifică bazelor de date
relaţionale, şi anume faptul că acestea nu sunt potrivite pentru analiza în timp real,
respectiv pentru afişarea unor cantităţi mari de date, excelând doar pe partea de
procesare on-line a tranzacţiilor (OLTP). Limitarea anterioară priveşte şi funcţia de
raportare. Astfel, deşi există foarte multe generatoare de rapoarte pentru bazele de
date relaţionale, acestea devin încete în condiţiile în care mare parte din baza de
date trebuie sumarizată sau agregată prin diverse funcţii de agregare.
De fapt, cuburile de date pot fi gândite ca o extensie a matricilor
bidimensionale de date, din foile de calcul tabelar. În exemplul următor (fig.4.44),
conducerea unui lanţ de magazine s-ar putea să fie interesată să analizeze volumul
de unităţi vândute (unit_sales) din cubul de date Vânzări (Sales), din perspectiva
sau dimensiunea geografică a magazinului (Store), cu membrii: ţară
(store_country); stat/regiune (store_state) şi denumire magazin (store_name), a
307
Codd, E., F., Codd, S., B., Salley, C., T., Providing OLAP to User-Analysts: An IT
mandate, <http://www.hyperion.com/solutions/whitepapers/cfm>
308
Baroni de Carvalho, R., Ferreira, M., A., T., Using information technology to support
knowledge conversion processes, <http://informationr.net/ir/7-1/paper118.html>, citat în
Grama, V., Homocianu, D., Business Intelligence in The Knowledge Age, The proceedings
of “The Central and East European Conference in Collaborative SMEs 2006”, Editura
Univ. “Alexandru Ioan Cuza” Iaşi, 2007, p.110

promoţiei (Promotion), cu menbrii: tipul folosit (media_type) şi numele promoţiei

(promotion_name), a clasei produsului (Product_class), cu membrii: categorie
(product_category) şi subcategorie (product_ subcategory), a originii produsului
(Product), cu membrii: numele firmei producătoare (brand_name) şi numele
produsului (product_name) sau chiar din perspectiva temporală pe zile
(Time_by_day), cu membrii: anul (the_year) şi trimestrul (quarter). Prin urmare,
cele cinci perspective de analiză descrise anterior vor fi reunite la nivelul cubului
de date Vânzări.
Figura 3.44 Structura hipercuburilor de date Buget, Vânzări şi Stocuri - fapte (subliniate) şi
dimensiuni (mai jos)
Cuza” Iaşi, 2007, p.13)
Cele mai multe analize multidimensionale, într-un sistem OLAP, presupun

- întocmai ca în exemplul descris anterior - lucrul cu mai mult de trei dimensiuni,
în timp ce forma geometrică de cub, asociată oricăror trei perspective de analiză,
presupune trei dimensiuni fizice egale ca mărime: lungime, lăţime şi înălţime.
Astfel că, şi în ideea înlăturării confuziilor, respectiv a inadvertenţelor de ordin
semantic, s-a convenit asupra termenului de hipercub.

Figura 3.45 Perfecţionarea reprezentării hipercubului de la plan (foaie de calcul tabelar) la spaţiul
tridimensional
În condiţiile necesităţii unui număr mare de perspective de analiză,

producătorii de instrumente OLAP ar putea perfecţiona afişarea unui hipercub
(fig.3.45) folosind facilităţi de tipul desktop-ului extins (generalizarea interfeţei 2V
pentru n dispozitive de afişare) şi o serie de tehnici specifice aplicaţiior de tip
desktop 3D (fig.3.46 - plane, cub şi plane în cub), încercând astfel prezentarea
naturală a patru dimensiuni, uşor de asociat de către utilizator realităţii
tridimensionale combinată cu extinderea afişării convenţionale.
Figura 3.46 Desktop 3D în variantele: cub, respectiv plane - Windows Vista Aero
(Surse: http://www.beryl-project.org/images/cube_full.jpg
http://www.nirmaltv.com/wp-content/uploads/2008/02/aero-effcts.gif)
Însă, cele mai multe instrumente OLAP existente pe piaţă la ora actuală nu
procedează aşa, ci extind sau compun doar orizontul perceptibil bidimensional,
întocmai ca foile de calcul tabelar.
Depozitele de date şi instrumentele OLAP operează cu câteva noţiuni
specifice: schemă a bazei de date, cub de date, fapte, măsuri, dimensiuni şi ierarhii.
Spre deosebire de bazele de date relaţionale, la care schema (fundamentată
pe modelul entitate-asociaţie) înseamnă un set de entităţi şi relaţiile între ele, în

cazul depozitelor de date, schema (bazată, cel puţin la nivel conceptual, pe modelul
multidimensional) este orientată pe subiecte şi presupune considerarea a trei
tipologii: stea, fulg şi constelaţie.
Un hipercub de date mai trebuie definit şi prin măsurile pe care le conţine.
Acestea reprezintă valori analizate în cubul de date, dar pot fi considerate şi o
cuantificare a faptelor sau rezultate ale unor calcule de agregare a datelor. Teoretic,
ele au la bază trei categorii fundamentale de funcţii de agregare: distributive (ex.:
sum(x+y)=sum(x)+sum(y)), algebrice (ex.: avg(z)=sum(z)/count(z)) şi holistice
(ex.: (| t |+ t)/2 ).
În practică, însă, cele mai multe aplicaţii ale hipercuburilor de date
presupun măsuri bazate pe funcţii din prima categorie (agregarea prin cuantificare
sau prin însumare a datelor despre producţie, vânzări, venituri, profit). În situaţii
mai complexe, există posibilitatea de utilizare a măsurilor (fig.3.49, 3.51), respectiv
a unor membri ai dimensiunilor, definiţi pornind de la operaţii diverse aplicate
asupra câmpurilor sursă (fig.3.47 - se pleacă de la codul numeric personal (PIN) şi
se aplică funcţii de extragere (Mid) şi de test imediat (IIf - Imediate If), fig.3.48 -
valorile numere naturale devin 1 sau 2 funcţie de divizibilitatea ( ) cu 2).
Figura 3.47 Dimensiunea temporală definită în MS SQL Server Analysis Services 8.0

Mai mult, sunt situaţii când devine chiar necesară stabilirea unor membri
calculaţi (fig.3.49, 3.51), rezultatul, vizibil la momentul navigării în cubul de date,
fiind acelaşi ca în cazul măsurilor propriu-zise (fig.3.50 - pentru cazul membrul
calculat Media (mean_value_grade) sunt avute în vedere două exemple de
comportament similar măsurilor, diferenţiate în funcţie de proprietatea de
vizibilitate a acestora).
Figura 3.48 Dimensiunea timp_univ, definită transformînd tipul câmpului sursă univ_semester,
asociat membrului Semestrul

Figura 3.49 Arhitectura cubului OLAP Note (Grades) - membrul calculat Media (mean_value_grade)
şi măsurile: Nr_puncte (no_of_points) şi Nr_note (no_of_grades)
(Sursa: Homocianu, D., A Data-Mart Model in The Context of The Knowledge Society, The
proceedings of the international conference: The Impact of the European Integration on The National
Economy, Editura Risoprint, Cluj-Napoca, 2005, p.288)

Figura 3.50 Explorarea cubului OLAP Note (Grades)

(Sursa: Homocianu, D., A Data-Mart Model in The Context of The Knowledge Society, The
proceedings of the international conference: The Impact of the European Integration on The National
Economy, Editura Risoprint, Cluj-Napoca, 2005, p.289)

Figura 3.51 Arhitectura cubului OLAP Promovabilitate

“Alexandru Ioan Cuza” Iaşi, 2007, p.335)
Operaţiile OLAP posibile pe datele multidimensionale ale unui hipercub

sunt:
◦ forarea:
• sintetizarea valorilor membrului de la nivelul ierarhic superior
(drill/roll-up);
• detalierea valorilor membrului de la nivelul ierarhic inferior (drill-
down);
• adăugarea unei noi dimensiuni (drill across);
• detalierea valorilor sumarizate în date sursă (drill through);
◦ tranşarea unei ”felii” (slice);
◦ decuparea cubului/zarului (dice);

◦ rotirea axelor (pivot);

◦ gruparea seriilor (nesting).
3.6.3 Data Mining
În spatele site-urilor web sau în baze şi depozite de date se pot ascunde
informaţii valoroase, însă volumul covârşitor al datelor face dificilă sau chiar
imposibilă extragerea informaţiilor în lipsă de instrumente performante. Tocmai
aici intervine Data Mining (DM) - în traducere mot-á-mot, ”mineritul datelor”.
3.6.3.1 Definiţii
Pornind de la observaţia că traducerea unui neologism printr-o formă
similară în limba destinaţie poartă adesea amprenta superficialului dacă nu a
ambiguităţii şi, în plus, ţinând cont de faptul că termenul de specialitate Data
Mining, încetăţenit în literatura internaţională, poate fi uşor denaturat sau chiar rău
înţeles prin conversia ad-literam în limba română, vom proceda în aşa fel încât
sintagma să fie prezentă în forma originală completă sau prescurtată - DM.
Potrivit unei definiţii din 1992309, Data Mining este considerat drept proces
de extragere a informaţiilor implicite, anterior necunoscute şi potenţial folositoare
din date. Ceva mai târziu310, este văzut ca ştiinţa extragerii informaţiilor utile din
seturi mari de date sau din baze de date, respectiv o componentă nouă311 în
arhitectura unui sistem de asistare a deciziilor unei organizaţii, care completează şi
asigură legătura cu alte facilităţi ale unui astfel de sistem, cum ar fi cele de
interogare, raportare, OLAP, de vizualizare a datelor dar şi de analiză statistică
tradiţională.
Termenul de descoperire a cunoaşterii în bazele de date (Knowledge
Discovery in Databases - KDD) a devenit popular mai ales în comunitatea
cercetătorilor din domeniile inteligenţă artificială (Artificial Intelligence - AI) sau
învăţare automată (Machine Learning -ML). Cercetătorii şi practicienii din
domeniul bazelor de date folosesc, de obicei, termenul Data Mining, care a fost şi
cel mai intens mediatizat. KDD mai este folosit şi pentru a descrie procesul în
ansamblu, incluzând toţi paşii, începând de la pregătirea datelor până la
postprocesarea modelului, în timp ce DM (fig.3.52) este folosit pentru a referi doar
etapa aplicării algoritmilor asupra datelor filtrate312.
309
Frawley, W., Piatetsky-Shapiro, G., Matheus., C., Knowledge Discovery in Databases:
An Overview, AI Magazine, Fall 1992, <http://www.kdnuggets.com/news/94/n6.txt>
310
Hand, D., Mannila, H., Smyth, P., Principles of Data Mining, MIT Press, Cambridge,
2001, <http://www.ici.ro/ici/revista/ria2005_2/art03.html>
311
Seiner, R., S., Digging up $$$ with Data Mining - An executive guide,
<http://www.tdan.com/i010ht01.htm>
312
Piatetsky-Shapiro, G., KDD: 10 years later,
<http://www.kdnuggets.com/gpspubs/sigkdd-explorations-kdd-10-years.html>

Figura 3.52 Procesul de decoperire a cunoaşterii în bazele de date

(Sursa: Pick, J., B., Geographic Information Systems in Business, Idea Group Publishing, Hershey,
2004, p.116)
Sintagma “Database Mining™” a fost preluată chiar ca marcă înregistrată a

HNC Software Inc., pentru produsul Database Mining Workstation - un sistem
individual (stand-alone) care interacţiona cu datele unei companii ca nod al reţelei
acesteia313. Pentru a sublinia legătura Data Mining cu domeniul inteligenţei
artificiale, trebuie precizat că HNC - lider în 1997 pe piaţa soluţiilor DM, şi-a
început viaţa în anii ‘80 cu numele Hecht-Nielsen NeuroComputer, în calitate de
dezvoltator de instrumente de tipul reţelelor neuronale.
În definiţia unor practicieni de la Microsoft314, DM este expusă ca membru
cheie în familia de produse Business Intelligence, împreună cu OLAP, raportarea,
respectiv extragerea, transformarea şi încărcarea datelor (data Extraction
Transforming and Loading - ETL). În această accepţiune, folosind mijloace
automate şi semiautomate, DM se ocupă de găsirea de tipare ascunse în scopul
creşterii valorii lor intrinseci şi a transformării în cunoaştere.
Potrivit definiţiei ceva mai plastice de la Oracle315, DM este o soluţie la
problema “prea multe date şi informaţie insuficientă”, asigurând astfel un mijloc de
a obţine informaţia “îngropată” în date. În plus, faţă de definiţiile precedente, se
menţionează explicit că DM găseşte tipare ascunse în colecţii de date mari şi
complexe, evitând abordările statistice tradiţionale privind analiza.
În unele traduceri româneşti - am considerat, cu titlu de exemplu, volumul
Database Systems - A practical Approach to Design, Implementation and
Management. Second Edition316 se poate sesiza uşor că termenul DM a fost
transpus în sintagma mai puţin inspirată de “extragere de date”. Dacă avem în
313
Newquist, H., P., Data Mining: The AI Metamorphosis,
<http://www.dbpd.com/vault/newquist.htm>
314
Tang, Z., MacLennan, J., Data Mining with SQL Server 2005, Wiley Publishing, Inc.,
Indianapolis, 2005, p.2
315
http://download-uk.oracle.com/docs/pdf/B10698_01.pdf
316
Connolly, T., Begg, C., Strachan, A., Baze de date. Proiectare. Implementare.
Gestionare, Editura Teora, Bucureşti, 2001 - traducere de Simona şi Titi Preda, p.908

vedere faptul că DM îşi are suportul şi în tehnologia bazelor de date relaţionale şi

foarte adesea şi în cea a depozitelor de date şi, în plus, dacă ne raportăm la ciclul
proiectului Data Mining, colectarea, curăţarea, transformarea datelor şi, eventual,
extragerea tiparelor (şi nu a datelor) sunt doar etape într-un proces mult mai
complex, care, în acest context nu poate fi definit doar prin forma simplistă de
extragere de date.
Plecând chiar şi numai de la aceste definiţii şi observaţii, devine clar -
sperăm, că orice abordare Data Mining trebuie să ţină cont de obiective specifice -
filtrare, explorare, predicţie, descriere, explicare, optimizare, respectiv de reguli şi
principii - inteligibilitate, validitate şi efectivitate pentru reprezentări, respectiv
pentru cunoaşterea obţinută.
3.6.3.2 Clasificări ale tehnologiei Data Mining
Datorită naturii sale interdisciplinare, DM a primit uşor contribuţii
din multe domenii cum ar fi: statistică, baze de date, inteligenţă artificială, învăţare
automată, vizualizarea datelor, extragerea informaţiilor, procesare paralelă,
distribuită sau bazată pe clustere317. Pornind de la primele elemente ale clasificării -
cel puţin, am putea să construim o primă clasificare a DM, funcţie de domeniul
prioritar căruia îi aparţin tehnicile utilizate.
În statistică, DM se confruntă cu găsirea unor modele utilizabile pe serii de
date. Aceasta include testarea ipotezelor şi estimarea parametrilor. Testarea
ipotezelor este o parte a statisticii inferenţiale care porneşte cu premisa iniţială -
cunoscută ca şi ipoteza zero - şi apoi datele colectate sunt testate cu această
premisă. Dacă ipoteza este validată într-un anumit grad, pentru aceste date, atunci
ipoteza zero este considerată adevărată sau - în caz contrar, ea este falsă. Estimarea
parametrilor se confruntă cu găsirea parametrilor, precum valorile medii sau
deviaţiile standard, care ar putea descrie distribuţia unui set de date. Găsirea
strategiilor optime pentru o colecţie de date este un alt element cu care se confruntă
latura statistică a DM. În ansamblu, însă, metodele necesită a fi dezvoltate astfel
încât să asigure căutarea eficientă în baze de date masive pentru a găsi înţelesuri
reprezentative ale seturilor de date. De asemenea, tehnici DM diferite vor trebui
utilizate pentru date dinamice spre deosebire de cele statice. Estimarea modelelor
seturilor de date este importantă sub aspect statistic prin prisma existenţei seturilor
de date cu modele de distribuţie variate, conducând la dezvoltarea de algoritmi
specifici diferiţi, a căror aplicabilitate devine, în aceste condiţii, elementul cheie.
Ca parte a inteligenţei artificiale, DM foloseşte cel mai adesea
agenţi inteligenţi capabili să perceapă anumite informaţii din mediu şi, pe baza
acestor percepţii, să desfăşoare anumite acţiuni, care să conducă către un scop
predeterminat. Cel mai adesea, aceşti agenţi sunt de tipul percepţie-acţiune-scop,
dispunând de tehnici de căutare (ex.: căutarea bazată pe cost unitar sau căutarea
informală bazată pe euristici) capabile să reprezinte (map-eze) un set de percepţii
într-una sau mai multe acţiuni. În plus, metodele reprezentării cunoaşterii (ex.:
317
http://cs.nju.edu.cn/people/zhouzh/zhouzh.files/publication/aij03.pdf

regulile de producţie) pot fi folosite pentru a descrie relaţiile dintre obiecte diferite
din mediu.
Învăţarea automată se axează pe reprezentări complexe şi pe metode de
căutare pentru probleme specializate pe date, metodele diferite de învăţare de către
maşină utilizând astfel cunoaşterea specifică pre-existentă asociată datelor
colectate. La învăţarea automată, elementul cheie este generalizarea tehnicilor,
care se confruntă cu cerinţe de robusteţe când vine vorba despre variaţia datelor din
acelaşi domeniu. Validarea empirică este folosită pentru a autentifica rezultatele
obţinute prin tehnici diferite şi are ca aspecte cheie siguranţa din punct de vedere
statistic şi eficienţa procesării. Tehnicile de validare exhaustivă sunt de asemenea
utilizate, dar pentru baze de date de dimensiuni mici. Provocările esenţiale ale
învăţării automate se referă în esenţă la: scalabilitate, cost al informaţiei şi
preprocesare automată a datelor.
Utilizată ca tehnică de sporire a capacităţii de înţelegere vizuală a
structurilor de date, DM permite utilizatorilor explorarea interactivă, efecte
dinamice - mărirea, micşorarea, rotirea - respectiv afişarea pentru anumite atribute
a unor detalieri specifice.
Considerând drept criteriu de clasificare tehnicile în sine, distingem patru
categorii esenţiale: DM bazată pe modelarea predictivă, pe segmentare (clustering),
pe analiza legăturilor, respectiv pe detectarea deviaţiilor.
Din perspectivă istorică, însă, tehnicile DM318 se pot împărţi în:
◦ clasice: statistică, vecinătăţi şi segmentare;
◦ de nouă generaţie: arbori, reţele şi reguli.
O altă clasificare319 împarte tehnicile DM în două mari clase:
◦ dirijate: modele matematice;
◦ nedirijate: asociere, segmentare, reţele neuronale.
Ţinând cont de aplicaţiile practice ale Data Mining, o nouă clasificare
distinge:
◦ Business Intelligence, sistemele de informare şi raportare, managementul
relaţiilor cu clienţii (Customer Relationship Management - CRM);
◦ Securitate (date, informaţii, calculatoare, reţele);
◦ Descoperiri ştiinţifice (Bio-Informatică).
3.6.3.3 Tehnici generale DM
9 Modelarea predictivă - este o tehnică care încearcă o modelare în maniera în
care oamenii învaţă. Concret, un set existent de date este analizat pentru a forma un
model din trăsăturile sale esenţiale. Apoi modelul este dezvoltat folosind abordarea
bifazică de supervizare a învăţării:
• faza de instruire (antrenare) - construirea unui model bazat pe o
mostră consistentă de date (setul de instruire/pregătire);
• faza de testare - testarea modelului pe date noi.
318
http://www.thearling.com/text/dmtechniques/dmtechniques.htm
319
http://www.sas.com/reprints/inn_1005.pdf

Modelarea predictivă este adesea asociată cu tehnicile de clasificare şi

predicţie a valorilor.
¾ Clasificarea implică încadrarea în anumite clase a înregistrărilor din baza
de date. Acest fapt devine posibil folosind arborii de decizie sau reţelele
neuronale.
a) Un arbore de decizie este indus din analiza setului de date de intrare şi este
alcătuit dintr-o serie de noduri şi ramuri condiţionale care conduc în final la
nodurile-frunze ca şi paletă a claselor de clasificare a înregistrărillor.
Deşi datează din anii ’60 şi deşi dezvoltaţi iniţial pentru statisticieni în
probleme de descoperire a corelaţiilor datelor (câmpurilor din baza de date) şi
caracterizaţi prin anumite aspecte statistice particulare de soluţionat, actualmente,
arborii de decizie tind să automatizeze întregul proces de generare a ipotezelor şi
de validare, într-o formă completă şi integrată în comparaţie cu alte tehnici DM.
Din perspectivă economică, arborii de decizie pot fi consideraţi drept sursă
a unei divizări a setului original de date (fiecare segment – un nod-frunză). De
altfel, segmentarea clienţilor, a produselor, a zonelor de vânzări reprezintă o
tehnică foarte cunoscută de către managerii de marketing. Până nu demult scopul ei
era acela al obţinerii unei perspective mai bune asupra unui volum mare de date –
fără un scop anume legat de divizare.
Datorită structurii arborescente şi a capacităţii de a genera reguli, arborii de
decizie sunt preferaţi pentru construirea de modele inteligibile (inclusiv modele
predictive complexe legate de profit, rata profitului şi costuri). Au fost, de
asemenea, utilizaţi cu success pentru probleme de tipul predicţiei retragerii cărţilor
de credit sau pentru estimarea seriilor de timp pentru rata de schimb a diferitelor
valute. Există însă probleme în care predicţia este un multiplu de variabile de
predicţie şi acestea se potrivesc cel mai bine tehnicilor de regresie liniară. A nu se
face confuzie cu mult mai complexele modele şi interacţiuni specifice problemelor
din lumea reală. În cazul lor, arborii de decizie sunt mult mai recomandaţi.
Arborii de decizie sunt foarte potriviţi pentru explorarea datelor brute cu
preprocesare minimă. Unul dintre cei mai importanţi paşi în aplicarea cu succes a
acestei tehnici o constituie dezvoltarea sau “creşterea” arborelui. Ocupându-se de
identificarea acelui algoritm care funcţionează cât se poate de bine pe datele
disponibile, dezvoltarea arborelui ridică de fapt o problemă mult mai dificilă, şi
anume găsirea celei mai bune întrebări de pus în fiecare punct de ramificare a
arborelui. Mai concret, aceasta din urmă se referă la capacitatea unei întrebări de a
organiza datele (de a schimba probabilitatea de apariţie a elementului previzionat
într-un anume set de date).
Practic, dezvoltarea arborelui se opreşte în trei situaţii concrete:
• apariţia de segmente a câte o înregistrare;
• segmente cu înregistrări având caracteristici identice;
• îmbunătăţire insuficientă încât să justifice realizarea separării.
Există algoritmi şi tehnici consacrate pentru dezvoltarea arborilor de
decizie: ID3, C4.5, CART (Classification and Regression Trees), CHAID (Chi-
Square Automatic Interaction Detector).

ID3 - construit în 1970 de J. Ross Quinlan, pe baza sistemelor inferenţiale

şi folosit în învăţarea strategiilor performante ale jocului de şah, ID3 lua în calcul
predictorii şi valorile de clasificare, pe baza câştigului de informaţie pe care
clasificarea sau clasificările o furnizau. Dacă informaţia cerută este mult mai
redusă cantitativ după clasificare, atunci se spune că aceasta a scăzut nivelul de
“dezordine” al segmentului original. Câştigul este determinat ca diferenţă dintre
entropia segmentului original şi entropiile acumulate ale segmentelor rezultate.
C4.5 - îmbunătăţeşte ID3 prin câteva avantaje:
• predictorii cu valori nule dar şi cei cu valori continue pot fi
utilizaţi;
• conceptul de simplificare;
• derivarea de reguli.
Plecând de la ideea că arborii de decizie pot fi definiţi ca mijloace de a
calcula probabilităţile condiţionale, iar datele pe baza cărora se dezvoltă ca
înregistrări de forma: (x,y)=(x1,x2,x3…, xk, y) cu y variabilă dependentă, atunci
putem identifica uşor două mari categorii de analiză a arborilor:
• analiză de clasificare - rezultatul previzionat este clasa de care
datele aparţin;
• analiză de regresie - rezultatul poate fi considerat un număr real.
CART este o tehnică de explorare şi de predicţie a datelor inventată în anii
’80. Aici variabilele de previzionare (predictorii) sunt alese pe măsură ce ele
descresc dezordinea datelor. În construirea unui arbore, CART alege predictorii în
funcţie de capacitatea lor de a separa înregistrări cu diferite probabilităţi. Măsura în
care un punct de împărţire este mai bun decât un altul este dată de indicatorii de
Entropie, respectiv Gini320:
m
I E (i ) = −∑ f (i, j) log 2 f (i, j) (3.3)
j=1
m
I G (i ) = 1 − ∑ f (i, j) = ∑ f (i, j)f (i, k )
2
(3.4)
j=1 j≠ k
unde, y = 1, m , iar f(i,j) este frecvenţa valorii j în nodul i sau proporţia de

înregistrări atribuită nodului i, pentru care y=j).
Un mare avantaj al tehnicii CART este acela al încorporării unui algoritm
de validare bazat pe simplificarea unui arbore complex - din setul generat - prin
validare încrucişată sau validarea setului de teste. Validarea încrucişată face să fie
ales acel arbore care este cel mai performant pentru date noi, la prima vedere.
CART suportă, de asemenea, valorile lipsă, existând două posibilităţi:
• să ignore o înregistrare pentru care lipseşte valoarea predictorului
atunci când aceasta ar putea servi în determinarea împărţirii optime
(la crearea arborelui);
320
http://ieeexplore.ieee.org/iel5/6417/17177/00793098.pdf

• să folosească surogate (valori de împărţire şi predictori care

mimează segmentarea reală în arbore) atunci când lipsesc
predictorii preferaţi.
CHAID este o tehnică similară cu CART, ca şi generator de arbori, dar
diferită prin felul în care alege segmentarea (testul Chi pătrat folosit în tabele de
contingenţă în loc de Entropie şi indicatori Gini). Segmentele derivate din
CHAID321 se exclud reciproc şi sunt exhaustive, ceea ce presupune că ele nu se
suprapun şi fiecare obiect dintr-o mostră este conţinut exact într-un segment. În
felul acesta, aplicarea metodei confirmă clasificarea noilor obiecte cunoscând
categoriile de predictori.
La nivelul depozitelor de date, o entitate pentru care se realizează predicţia
poate fi o măsură, o proprietate sau un nivel al unei anumite dimensiuni. În plus,
cele mai multe aplicaţii care lucrează cu depozite de date permit definirea unui
hipercub virtual corespunzător unui model Data Minig, explorarea sa făcându-se
întocmai ca a unui hipercub obişnuit.
Folosind date reale map-ate (fişierul Access “StudentsDB.mdb” - tabela
“Students”, cu 4889 de înregistrări) din aplicaţia GESCO (utilizată la Universitatea
“Alexandru Ioan Cuza” Iaşi, pentru gestiunea şcolarităţii) şi pe alocuri filtrate (pe
considerente de consistenţă), respectiv facilităţile de generare de modele DM
(bazate pe arbori de decizie şi cluster-e) disponibile în Microsoft SQL Server
(Analysis Services 2000, respectiv în Business Intelligence Development Studio
2005), am reuşit să rezolvăm câteva probleme precise cu caracter educaţional care
ţin în esenţă de cunoaşterea unui anumit tipar comportamental al studenţilor, în
legătură cu înscrierea în anumite condiţii date, astfel:
◦ determinarea specializării potrivite unui candidat încă nedistribuit
cunoscând genul, starea civilă, nota de admitere, tipul frecvenţei, tipul
studiilor (lungă/scurtă durată), localitatea de studiu şi alte câteva
caracteristici (modelul DecTreeBasedSpecEnrollPrevMMOlap);
◦ determinarea tipului frecvenţei unui student cunoscând genul, starea
civilă, nota, tipul studiilor, localitatea de studiu şi specializarea;
◦ determinarea tipului studiilor cunoscând o combinaţie similară;
◦ obţinerea unor profiluri realiste de studenţi (modelul ClustBasedMMr).
După salvarea şi procesarea primului model data mining
(DecTReeBasedSpecEnrollPrevMMOlap), arborele de decizii specific devine
vizibil la explorare sau editare (fig.3.53). Aşa cum se observă interpretând acest
arbore, algoritmul data mining stabileşte că Frequency (Frecvenţa) este cel mai
semnificativ atribut pentru previzionarea specializării la care un student va fi
repartizat. Algoritmul divide atributul Frequency în maximum de două ramuri.
Ulterior alege următoarele cele mai semnificative atribute de predicţie: College
Form pe prima ramură, respectiv locul studiilor (Study Location: Vatra Dornei sau
321
http://www.informatik.uni-freiburg.de/~ml/ecmlpkdd/WS-
Proceedings/w10/lehmann.pdf#search=%22
chaid%2C%20contingency%20table%22

nu). La al treilea nivel al previziunii, algoritmul stabileşte atributele gen (Gender),

respectiv, din nou, locul studiilor. Mai mult, datele statistice despre distribuţia
specializării (Specialization) vor putea fi observate la nivelul fiecărui nod.
Un exemplu de interpretare ar fi următorul: există şanse de 20,45% ca un
student să fie încadrat la Informatică Economică (selecţia), dacă se preferă
studierea la şcoală (Frequency = Y), pe termen lung (College Form = N) şi dacă
este vorba de un băiat (Gender = M). Mai trebuie reţinut că nodul selectat se referă
la 859 de cazuri din 4886 posibile, distribuţia de ansamblu fiind disponibilă în
partea dreaptă a editorului (fig.3.53, jos).
Figura 3.53 Microsoft Decision Trees (arbori de decizie) în SSAS 2K - modelul DM

DecTReeBasedSpecEnrollPrevMMOlap de previzionare a încadrării la o specializare
(Sursa: Airinei, D., Homocianu, D, Data Mining Techniques in Education, The Proceeding of the
International Conference ”AMIS 2006”, Editura ASE, Bucureşti, 2006, p.802)

b) O reţea neuronală (neurală)322 este modelată după structura fizică a

creierului uman, şi are formă de plasă de elemente de procesare interconectate,
numite neuroni. Comparativ însă, în mod evident aceasta este ceva mai simplă ca
arhitectură, dat fiind şi numărul mult mai mic de componente raportat la numărul
enorm de neuroni - peste o sută de miliarde.
Ea implică practic o reţea de noduri adesea divizată în trei straturi:
• intrare;
• procesare;
• ieşire.
Nodurile din stratul de intrare sunt activate în funcţie de caracteristicile
intrărilor de date în reţea şi ele activează în schimb nodurile de procesare. Forţa
activării este dependentă de ceea ce este asociat relaţiei dintre noduri.
Astfel, în mod asemănător creierului uman, procesoarele interconectate
dintr-o reţea neuronală operează în paralel şi interacţionează dinamic reciproc.
Aceasta face ca neuronii să înveţe din ceea ce procesează, în sensul recunoaşterii
tiparelor şi a relaţiilor dintre date. Cu cât sunt mai multe exemplele de date de
intrare, cu atât mai mult, reţelele neuronale vor schimba rezistenţa
interconexiunilor dintre elementele de procesat ca răspuns la tiparele în schimbare
ale datelor primite şi a rezultatelor obţinute.
Comparând reţelele neuronale cu cele două emisfere cerebrale, se
constată323 că acestea sunt mai puţin orientate spre limbaj, logică sau calcule şi, în
consecinţă, mai puţin dezvoltate după reguli sau proceduri logice pentru obţinerea
concluziilor – specificul emisferei cerebrale stângi. Din contră, ele sunt folositoare
pentru procesarea unui volum mare de date, căutând “subconştient”, asemeni
emisferei drepte, un anume tipar. Prin comparaţie, atunci când oamenii fac
cunoştinţă cu persoane noi, nu studiază la modul conştient aspectele specifice care
îi diferenţiază pentru a-i identifica în viitor. Prin simpla privire, mai târziu, când
sunt puşi în situaţia de a vedea o poză, ajung la concluzia că au mai întâlnit
persoana. Similar emisferei drepte, reţeaua neuronală absoarbe volume enorme de
date cu un anumit specific de intrare şi cumva încearcă să extragă un tipar general
care să poată fi păstrat şi folosit pe viitor pentru a identifica noile cazuri observate.
Raportând aplicaţiile arborilor de decizie la nivelul sistemelor inteligente
(inducţia şi raţionamentul bazat pe cazuri) cu reţelele neuronale, constatăm că
acestea din urmă au nevoie mai degrabă de cazuri decât de un set de algoritmi, şi
sunt cu atât mai puternice cu cât se confruntă mai des cu o problemă potrivită.
Dacă în inducţie şi raţionament bazat pe cazuri, există cerinţe în a furniza toate
atributele şi valorile cu care problema poate fi analizată, în cazul reţelelor
neuronale se va decide asupra modelului de reţea care va analiza problema, fără a
322
O’Brien, J., Marakas, G., M., Management Information Systems, Seventh edition,
McGraw – Hill International Edition, New York, 2003, p.335
323
Harmon, P., Hall, C., Intelligent software systems development. An IS Manager’s guide,
John Wiley & Sons, Inc., New York, 2006, p.192

identifica atribute specifice. În plus, reţelele neuronale manevrează relaţii

complexe între tipare, pe care un sistem inductiv nu le poate gestiona deloc.
¾ Pe de altă parte, predicţia valorilor este utilă pentru estimarea unei valori
asociate unei înregistrări şi foloseşte algoritmii statistici de tipul regresiei.
În regresia liniară se încearcă trasarea unei linii drepte printre punctele care
reprezintă date astfel încât să se obţină cea mai bună reprezentare a tuturor
observaţiilor - linia care minimizează distanţa totală la un set de date (fig.3.54).
Regresia liniară poate fi exprimată matematic prin relaţia:
y= a × x + b (3.5)
Problema constă în aceea că funcţionează bine doar pentru date liniare, eşuând
adesea în situaţii în care datele se prezintă ca fiind împrăştiate. Este de fapt o
problemă mai amplă a măsurătorilor statistice înclinate spre construirea de modele
liniare. Regresia liniară se poate aplica cu succes în detectarea fraudării cu cărţi de
credit324.
Figura 3.54 Regresia liniară - reprezentare geometrică plană

(Sursa: http://www.thearling.com/text/dmtechniques/dmtechniques.htm)
Adăugând mai multe variabile predictor (X1, X2, ..., Xn-1) la ecuaţia liniară,
se obţine o linie mai complexă într-un spaţiu cu n dimensiuni (regresia liniară
multiplă). Ea se bazează pe mai multă informaţie, generând o mai bună predicţie:
y=a+b1×X1+ b2×X2 + ... + bn-1×Xn-1 (3.6)
Mai mult, transformarea predictorilor prin ridicare la putere sau extragere
de radical determină o şi mai mare complexitate a modelului care nu se mai rezumă
la o linie. Este vorba despre regresia non-liniară.
Când se încearcă previziunea unei situaţii care admite doar două posibilităţi
(da/nu sau adevărat/fals) se utilizează regresia logistică. Aceasta presupune
încadrarea graficului între cele două valori (fig.3.55).
324
Connolly, T., Begg, C., Strachan, A., Op.cit., p.912

1
Figura 3.55 Exemplu de regresie logistică: y = x −8.75
(3.7)
( 7.5 − x )(10 − x )
1+ e
9 Cât priveşte segmentarea (data clustering), se întâmplă adesea să fie destul de
dificil sau chiar imposibil de definit parametri ai unei clase de date325 de analizat.
Când aceşti parametri nu sunt suficient de bine definiţi, metodele segmentării pot fi
utilizate pentru clasificarea obiectelor similare în grupuri diferite - subseturi sau
cluster-e (fig.3.56), aşa încât datele din fiecare să aibă în comun anumite trăsături -
adesea proximitatea - în concordanţă cu anumite etaloane definite ale distanţelor.
Figura 3.56 Exemplu de segmentare
Algoritmii de tip data clustering pot fi ierarhici sau partiţionali. Primii

găsesc cluster-e succesive folosindu-le pe cele stabilite anterior, în timp ce ultimii
determină toate cluster-ele dintr-o dată. Cei ierarhici pot fi aglomerativi (jos-sus)
sau divizivi (sus-jos). Algoritmii aglomerativi încep cu fiecare element ca şi cluster
separat şi îi cuplează în cluster-e ulterioare mai mari, iar cei divizivi încep cu
întregul set şi procedează la divizarea în clustere succesiv mai mici.
325
Marakas, G., A., Decision Support Systems In the 21st Century. Second Edition, Prentice
Hall, New Jersey, 2003, p.335

Deşi segmentarea nu solicită un set de instruire, foloseşte o metodologie

similară cu cea a clasificării. Astfel, algoritmii data clustering beneficiază de cele
mai multe dintre modelele folosite pentru clasificare.
Cu titlu de exemplu, pentru metoda Microsoft OLAP Data Clustering
(constând în încărcarea datelor în buffer-e şi însumarea cazurilor apropiate ca
distribuţie Gaussiană), vom furniza aceleaşi cazuri (dimensiune şi membri) ca în
primul model DM descris anterior (DecTReeBasedSpecEnrollPrevMMOlap).
Scopul găsirii grupării naturale în datele din spaţiul multidimensional va fi
îndeplinit prin determinarea unor profiluri reale de studenţi (fig.3.57, respectiv
fig.3.58). De exemplu, clusterul selectat (primul şi cel mai consistent - 743 de
cazuri) indică persoane auto-didacte (Frequency = N), de la specializările
(Specialization): Management, Contabilitate, Informatică Economică sau Finanţe,
care studiază în Iaşi şi sunt căsătorite. Aceste persoane au şi o paletă largă de
rezultate de performanţă (EntrGrade sau nota de admitere - între 5.6 şi 9.2), sunt
înclinate să prefere stagiile de studiu pe termen lung (College Form = N) şi sunt în
mod obişnuit bărbaţi (Gender=M) născuţi în semnele astrale (Zodianame):
Capricorn, Săgetător, Rac sau Berbec.
Figura 3.57 Microsoft Clustering (OLAP) în SQL Server 2K - profiluri de studenţi


Figura 3.58 Microsoft Clustering (OLAP) în SQL Server 2005 - diagrama profilurilor de studenţi
9 Analiza legăturilor încearcă să stabilească asociaţii între înregistrările

individuale din setul de date. Ea are uzual trei forme: descoperirea asocierilor,
descoperirea tiparelor secvenţiale (continue) şi descoperirea seriilor de timp. Ca
exemplu, o analiză a datelor colectate despre progresele unui student ar putea

identifica următoarea regulă: dacă un student promovează un anume modul din

primul an, atunci în 33% din cazuri el va obţine o notă mai mare în anul al doilea.
¾ Descoperirea asocierilor - ca formă de analiză a legăturilor, este
cunoscută adesea şi sub denumirea de MBA (Market Basket Analysis)
pentru o afacere. MBA este, practic, una dintre cele mai comune şi utile
forme de DM pentru marketing. Scopul ei esenţial este a determina ce
combinaţii de produse vor cumpăra simultan clienţii. MBA este un
concept ce rezidă în coşul de cumpărături (un coş de piaţă) în care clienţii
adună toate cumpărăturile. Cunoaşterea produselor în grup cumpărate de
oameni poate fi de mare utilitate unui vânzător cu amănuntul/companiilor
prin folosirea acestor informaţii pentru plasarea produselor frecvent
vândute împreună, în aceeaşi zonă, sau pentru stabilirea de către un agent
comercial a produselor noi, de oferit clienţilor predilecţi.
Cele mai multe tipuri de algoritmi de asociere326 găsesc seturile de
elemente frecvente prin observarea repetată a setului de date. Pragul de
frecvenţă - să presupunem x% - va fi definit de utilizator şi aceasta va
însemna că modelul va analiza doar acele produse care apar cel puţin în
x% din coşurile de cumpărături. Un set de elemente frecvent întâlnit ar
putea arăta de forma: {Produs=”Pepsi”, Produs=”Chips”, Produs=”Suc”}.
Fiecare set de elemente are o anumită mărime egală cu numărul de
componente conţinute (în acest caz particular - 3).
Figura 3.59 Asocierea produselor
(Sursa: Tang, Z., MacLennan, J., Data Mining with SQL Server 2005, Wiley
Publishing, Inc., Indianapolis, 2005, p.9)
Majoritatea algoritmilor de asociere sunt specializaţi în găsirea de reguli
de forma: A,B=>C, cu o probabilitate asociată. Această probabilitate mai
este cunoscută în literatura de specialitatea şi ca încredere (confidence).
Astfel că o regulă de tipul: Produs=”Pepsi”, Produs=”Chips” =>
Produs=”Suc”, 80%, poate fi interpretată în felul următor: Dacă un client
cumpără Pepsi şi Chips-uri, există şanse de 80% ca el sau ea să cumpere,
326
Tang, Z., MacLennan, J., Data Mining with SQL Server 2005, Wiley Publishing, Inc.,
Indianapolis, 2005, p.7,8

de asemenea, suc (de fructe). Într-un model general (fig.4.59) se pot

observa tiparele de asociere. Aici, fiecare nod reprezintă un produs iar
fiecare linie reprezintă relaţia. Direcţia liniei indică direcţia predicţiei (de
ex.: cei care cumpără lapte ar putea, de asemenea să cumpere brânză).
Figura 3.60 Serii de timp - valoarea acţiunilor Microsoft (reală/ARIMA)

(Sursa: Tang, Z., MacLennan, J., Data Mining with SQL Server 2005, Wiley Publishing, Inc.,
Indianapolis, 2005, p.9)
¾ Prognoza (forecasting sau descoperirea seriilor de timp) are de regulă, ca

element de intrare, un set de serii de timp sau mai bine zis un şir de
numere cu un atribut reprezentând timpul. Cea mai populară tehnică de
prognoză pentru serii temporale este ARIMA sau AutoRegressive
Integrated Moving Average (fig.3.60).
Figura 3.61 Secvenţă ADN tradusă în aminoacizi

(Sursa: http://www.charite.de/bioinf/strap/translateDna.png)
¾ Analiza secvenţelor (descoperirea tiparelor secvenţiale) este folosită de

regulă pentru a găsi tipare în serii discrete de date cum ar fi:
• secvenţă ADN - un lanţ compus din patru stări diferite: A, G, C şi
T (fig.3.61);
• secvenţă de click-uri pe web - o serie de adrese de tip URL
(fig.3.62);
• secvenţă de achiziţii ale unui cumpărător.
Figura 3.62 Rezultatul unei analize a secvenţei de navigare pe web

În exemplul prezentat (fig.3.62), fiecare nod este o categorie URL iar

fiecare linie are o direcţie bine precizată indicând tranziţia căreia îi este
asociat un factor de importanţă sau greutate (weight), reprezentând
probabilitatea de tranziţie între categorii.
9 Detectarea deviaţiilor implică identificarea într-o populaţie de date a
extremelor care deviază de la un anumit tipar (fig.3.63).
Figura 3.63 Exemplu de analiză a informaţiilor despre clienţi

Aceasta poate fi realizată prin tehnici statistice sau de vizualizare. Astfel că

vom putea apela la regresia liniară care facilitează identificarea datelor împrăştiate
dar şi la tehnicile de vizualizare moderne (fig.3.64), în măsura în care acestea
afişează reprezentări grafice care subliniază ceea ce trebuie detectat la nivelul
deviaţiilor.
¾ Aplicaţiile de detectare a deviaţiilor includ foarte adesea: detectarea
fraudelor în utilizarea cărţilor de credit, controlul calităţii şi urmărirea
defectelor.
Figura 3.64 Raport 3D al analizei de risc (stânga, sus), respectiv detectarea deviaţiilor (dreapta jos)
(Surse: Connolly, T., Begg, C., Strachan, A., Baze de date. Proiectare. Implementare. Gestionare,
Editura Teora, 2001, traducere de Simona şi Titi Preda, p.914;
Marakas, G., A., Decision Support Systems In the 21st Century. Second Edition, Prentice Hall, New
Jersey, 2003, p.356)

¾ Conceptul de vizualizare a datelor327 îşi are de fapt originile în statistică

şi, în general, în disciplinele ştiinţifice. Cea mai mare parte a cercetărilor
cuprindeau la început analize bidimensionale ale seriilor de date
multidimensionale sau multi-variabilă.
Figura 3.65 Reprezentare spaţială 3D a fenomenelor naturale

(Sursa: Xerox PARC, <http://www.ramanarao.com/papers/rao-infoviz-nextgen-workspace-
1995.pdf>)
Figura 3.66 Vizualizarea ierarhiilor - arbore 3D conic

(Sursa: Xerox Parc, <http://www.ramanarao.com/papers/rao-infoviz-nextgen-workspace-1995.pdf>)
Cercetările de pionierat în materie de vizualizare a datelor şi realitate

virtuală au fost desfăşurate la Xerox PARC. Programele de vizualizare
tridimensionale create la Xerox PARC au permis utilizatorului să navigheze prin
seturi mari de date, să le vizualizeze dintr-o infinitate de unghiuri (fig.3.65),
respectiv să examineze şi să rearanjeze reprezentările datelor ca obiecte virtuale în
mod interactiv (fig.3.66).
327
Marakas, G., A., Op.cit., p.353

3.6.4 Tehnologia OLAM

În condiţiile dificultăţilor de anticipare a nevoii de cunoaştere a unui
anumit tip de utilizator, s-a pus şi problema apariţiei unei tehnologii care să
combine conceptele şi avantajele depozitelor de date, OLAP şi DM. Astfel, a
rezultat On-Line Analytical Mining (OLAM), care oferă utilizatorilor flexibilitate
în selectarea funcţiilor data mining şi în efectuarea DM dinamic (fig.3.67).
Figura 3.67 O arhitectură OLAM

(Sursa: http://www.fit.vutbr.cz/research/pubs/TR/2006/sem_uifs/s061030slidy1.pdf)
Orice arhitectură OLAM are la bază în mod necesar un depozit de date -

alimentat din mai multe surse de date - pus să interacţioneze cu alte două
componente - modulul DM (motorul OLAM), respectiv server-ul OLAP - aflate în
relaţie cu interfaţa cu utilizatorul. Modulul DM are rolul unei baze de modele,
procesarea datelor din depozitul de date făcându-se în baza unui model de analiză
ales în conformitate cu preferinţele utilizatorului. Acesta din urmă va putea
interoga depozitul de date prin intermediul serverului OLAP, care va accesa şi
modelele corespunzătoare stocate în modulul DM.
Avantajul forte al OLAM constă în posibilitatea folosirii de către un
decident a oportunităţilor OLAP şi, concomitent, a cunoaşterii obţinute prin tehnici
data mining.
În continuare expunem un exemplu simplu (fig.3.68 - se pleacă de la un
model DM bazat pe arbori de decizie, având un cub de date asociat, importat într-o

foaie de calcul ca şi tabelă pivot), care ilustrează importanţa şi aplicabilitatea

acestei convergenţe de tehnologii. Folosind o facilitate specifică lucrului cu
rapoarte de tip tabel şi grafic pivot, am realizat importul într-o foaie de calcul
tabelar, a unui cub DM creat cu pachetul de aplicaţii de analiză, Microsoft Analysis
Services. Chiar dacă acest set de programe răspundea nativ obiectivului dorit -
posibilitatea de a executa operaţiuni OLAP pe un cub generat concomitent cu
definirea unui model data mining - am optat totuşi pentru o variantă care să se
potrivească mai bine managerului decident obişnuit cu raportări în format tabelar.
Figura 3.68 Exemplu de OLAM

După cum s-a putut observa, un anumit model DM poate considera că tipul
studiilor (cu sau fără frecvenţă - Frequency) este cel mai semnificativ atribut
determinant în analiza volumului de studenţi înscrişi. Lista completă de atribute
include şi forma de studiu - cu mai vechile opţiuni colegiu (Da-Yes) sau lungă
durată (Nu-No), locul în care se realizează procesul didactic (Study Location),
respectiv genul studenţilor (Gender).
Deşi implementat în multe produse software, tehnologia OLAM nu dispune
totuşi de o standardizare. Cauzele posibile ţin mai ales de interesele producătorilor
sau ale terţilor industriei de software şi negreşit de complexitatea domeniului, aşa
încât transformarea OLAM într-o tehnologie matură şi recunoscută rămâne
probabil o chestiune de timp. Chiar plecând doar de la aceste considerente,
apreciem că OLAM este un exemplu clasic al superiorităţii întregului în raport cu
suma părţilor.
3.6.5 Limbaje avansate de interogare
În strânsă legătură cu nevoia crescândă de analize şi predicţii plecând de la
un volum tot mai consistent de date, s-au manifestat în timp anumite mutaţii şi la
nivelul tehnologiilor folosite, o bună perioadă de timp doar pentru interogarea
statică a bazelor de date. Exemplele redate în cele ce urmează privesc limbajele de

interogare multidimensională a depozitelor de date, respectiv pe cele de interogare

predictivă a surselor de date (depozite de date sau baze de date operaţionale).
3.6.5.1 MDX
Cu o abreviere construită plecând de la sintagma “expresii/extensii
multidimensionale” (Multidimensional Expressions/Extensions), MDX poate fi
considerat un limbaj de interogare pentru depozite de date sau un fel de SQL pentru
bazele de date relaţionale. Mai mult, MDX este un limbaj de calcul şi chiar de
manipulare a datelor multidimensionale stocate în cuburile OLAP, dacă ţinem cont
de sintaxa puternică a acestuia328.
Avându-şi începuturile la Panorama Software329, companie pe care
Microsoft o achiziţionează în 1997, MDX este introdus pentru prima dată în acelaşi
an, ca parte a specificaţiilor OLE DB (Object Linking and Embeding Data Bases)
pentru OLAP, devenind punctul de plecare pentru mai noul mdXML (2001), folosit
ca limbaj de interogare în standardul XML (Extensible Markup Language) pentru
analize (XML for Analysis). Începând din 2005, limbajul încorporează şi anumite
extensii precum clauzele de subselectare.
MDX operează cu şase tipuri primare de date, în mare parte specifice
depozitelor de date: scalar - număr sau şir de caractere, ierarhie dimensională, nivel
(într-o ierarhie), membru, tuplu (de membri) şi set (de tupluri).
Figura 3.69 Exemplu de interogare MDX

Cuza” Iaşi, 2007, p.14)
Interogarea din exemplul de mai sus (fig.3.69), creată respectând sintaxa

originală a limbajului MDX, extrage dintr-un cub de date (buget) un clasament
vertical (ON ROWS) al magazinelor dintr-un lanţ, crescător (TOPSUM), până la o
limită însumată (200.000.000) a volumului cheltuielilor (Amount), pentru o
perioadă determinată (anul 1998).
Plecând de la acest exemplu, putem deduce importanţa suportului oferit de
limbajul MDX mai ales atunci când numărul de perspective de analiză evidenţiat
prin specificare axelor330 (on columns, rows, pages, sections, chapters) indică o
abordare multidimensională.
328
Nolan, C., Manipulate and Query OLAP Data Using ADOMD and Multidimensional
Expressions, < http://www.
microsoft.com/msj/0899/mdx/mdx.aspx>
329
http://www.dmreview.com/dmdirect/20070907/1090947-1.html
330
Hernandez, G., MDX,
<http://www.georgehernandez.com/h/xComputers/Databases/MD/MDX.asp>

4.6.5.2 DMX
Ţinând cont că fără un limbaj performant de interogare, integrarea
funcţiilor DM (cum ar fi predicţia) cu aplicaţii ale utilizatorului este foarte dificil
de realizat, producătorii au dezvoltat limbaje cu un asemenea specific.
Astfel, cea mai importantă contribuţie a OLE DB pentru specificaţiile DM
a fost definirea limbajului de interogare Data Mining, denumit sugestiv DMX
(Data Mining eXtensions). Specificaţiile definite în legătură cu acest limbaj conduc
la ideea că acesta adoptă în principal concepte relaţionale, sintaxa fiind în mare
parte una fundamentată pe SQL.
Tehnic vorbind, este foarte important de reţinut că din perspectiva DMX,
DM reprezintă un proces în trei paşi:
¾ crearea modelului;
¾ procesarea (antrenarea sau instruirea modelului);
¾ predicţia.
Figura 3.70 Schema unui baze de date sursă pentru un mini Data Mart - suport DM
(Sursa: Tang, Z., MacLennan, J., Data Mining with SQL Server 2005, Wiley Publishing, Inc.,
Indianapolis, 2005, p.45)
Realizarea modelului este similară creării unei tabele într-o bază de date
relaţională. De aceea definiţia modelului DM va include coloane (atribute) de
intrare, coloane de previzionat şi un algoritm asociat (fig.3.70). Astfel că modelul
este un container similar unei tabele relaţionale (fig.3.71), fiind utilizat pentru a
stoca tiparele descoperite de algoritmii Data Mining.
Figura 3.71 Exemplu de creare a unui model DM
Procesarea (fig.3.72) este pasul la care furnizăm date istorice motorului

Data Mining. Practic, algoritmii DM încep prin a analiza datele de intrare şi, în
funcţie de eficienţa lor vor parcurge setul de date într-una sau mai multe iteraţii,

pentru a găsi corelaţii între valorile atributelor. În general, procesarea este mare
consumatoare de timp, însă, în cele mai multe cazuri, modelele data mining sunt
procesate în varianta pe loturi (batches), săptămânal sau lunar. Navigarea în
conţinutul modelului se poate face utilizând programe de vizualizare a arborilor de
decizie sau a cluster-elor.
Figura 3.72 Exemplu de cod pentru procesarea unui model DM
Pasul al treilea îl constituie predicţia (fig.3.73). Pentru a face o predicţie,

avem nevoie de un model procesat şi de un set nou de date. În timpul acestui
proces, motorul DM aplică setului nou de date regulile pe care le-a găsit în timpul
procesării modelului, respectiv asociază rezultatele predicţiei fiecărui caz de
intrare. Astfel, procesul de predicţie devine simplu, mai ales în condiţiile în care,
pentru cei mai mulţi algoritmi, predicţia este foarte rapidă şi poate fi executată în
timp real.
Figura 3.73 Exemplu de interogare de predicţie DM
Există două tipuri de interogări de predicţie: simple şi pe loturi. Cele

simple au un singur caz de intrare construit temporar (nepersistent), în timp ce
interogările pe loturi au mai multe cazuri de intrare care sunt stocate într-o tabelă.
3.6.5.3 Alte limbaje DM
OLE DB pentru Data Mining a apărut în 1999331 din iniţiativa Microsoft,
urmând a fi adoptat de Angoss, Kxen şi Megaputer. Se remarcă prin definirea unui
limbaj puternic DM pentru crearea modelului, antrenarea acestuia şi pentru
predicţie. În plus, dezvoltatorii care utilizează acest standard pot accesa anumiţi
algoritmi DM prin ActiveX Data Objects (ADO) similar cu conectarea la un server
de baze de date.
XML pentru Analize (XML/A) este un alt standard iniţiat de Microsoft în
2001332. Acesta suportă MDX, respectiv DMX.
ISO SQL/Multimedia (SQL MM) este o extensie SQL care conţine şi o
secţiune Data Mining propusă de IBM. Conceptul cheie constă în definirea unui set
de tipuri şi metode de către utilizatori într-o bază de date, toate orientate DM şi
uşor de folosit în interogări ulterioare.
331
http://findarticles.com/p/articles/mi_m0FOX/is_12_4/ai_55143804
332
http://www.microsoft.com/presspass/press/2002/apr02/04-08saspr.mspx

Java DM API (JSR-73 API) este un pachet Java pentru DM. Iniţiativa a
aparţinut companiei Oracle, iar scopul a fost acela de a permite aplicaţiilor Java să
comunice cu motoarele DM, în vederea construirii, testării şi implementării
modelelor DM. JSR 73 conţine definiţiile unui set de clase Java pentru operaţii
DM, cum ar fi clasificarea sau segmentarea. Fiecare clasă, la rândul ei, are un set
de metode pentru scopuri precum predicţia, validarea, etc.
Predictive Model Markup Language (PMML) a fost definit de către
Terabyte Challenge Testbed în 1996333 şi, ulterior, a trecut sub patronajul unei
organizaţii industriale - DMG (Data Mining Group). Scopul declarat a fost acela al
construirii unui format XML standard pentru persistenţa conţinutului modelelor
DM. Acest limbaj standardizează conţinutul modelelor pentru algoritmii obişnuiţi,
simplificând obţinerea acestora şi permiţând schimbarea lor între diferitele pachete
software. De aici se poate trage concluzia că fără PMML modelele DM ar fi
dependente de aplicaţie, de sistem sau de arhitectură.
3.6.6 Rapoarte, medii, limbaje şi formate de raportare
Istoric vorbind, rapoartele operaţionale au fost legate de începuturile
raportării, departamentele IT cheltuind majoritatea resurselor pentru programarea şi
întreţinerea sistemelor operaţionale. La ora actuală, aceste sisteme sunt mai
totdeauna achiziţionate sub formă de pachete de aplicaţii software integrate,
incluzând de obicei capabilităţi de raportare foarte importante pentru executarea de
analize economice.
Principalele limitări ale acestora se referă la:
− folosirea preponderentă a surselor proprii, adesea fără a putea combina
date şi structuri din alte sisteme;
− obţinerea dificilă a unui set larg de măsurători şi indicatori de
performanţă (Key Performance Indicators - KPIs), specifici viziunii
strategice;
− suport insuficient pentru analizele multidimensionale, care, în acest
context, sunt mult prea lente, foarte puţin intuitive şi destul de inflexibile.
Mai mult, chiar, în sfera Business Intelligence se consideră adesea că
rapoartele tradiţionale pur şi simplu dispar atunci când se pune informaţie on-line
(în timp real) la dispoziţia tuturor334. Ideea este însă una dusă la extrem, din
moment ce rapoartele continuă să fie valoroase pentru activitatea economică chiar
şi în condiţiile trendului ascendent al aplicaţiilor analitice în timp real. Ceea ce
trebuie reţinut este că rapoartele tradiţionale sunt o fotografie a informaţiilor la un
moment dat, generând mai multe întrebări decât răspunsuri. Fiecare întrebare nouă
determină nevoia decidentului de a solicita un nou raport, ciclul reluându-se de un
număr limitat de ori. Prin comparaţie, analiza în timp real anulează acest ciclu prin
plasarea decidentului la curent cu informaţia.
333
http://www.ncdm.uic.edu/standards.html
334
Rasmussen, N., H., Goldy, P., S., Solli, P., O., Op.cit., p.98-99

3.6.6.1 MHT
Cunoscut şi sub denumirea de MIME (Multipurpose Internet Mail
Extension335) HTML sau arhivă web, este un standard introdus în 1999, care oferă
avantajul integrării tuturor componentelor externe unui raport HTML - fişiere cu
imagini sau sunet - împreună cu codul acestuia, într-un singur fişier capabil să
păstreze inclusiv elemente de interactivitate. Practic, prima parte este un fişier
HTML obişnuit, după care urmează resursele adiţionale propriu-zise identificate
prin adresele URL (Uniform Resource Locator) originale.
Utilitatea pe care acest format de fişiere o poate prezenta pentru utilizatorii
unui sistem de asistare a deciziilor se referă mai ales la partea de analiză şi
raportare, prin posibilitatea de a stoca elementele dinamice ale rapoartelor
multidimensionale reprezentate în acest format. Exemplul prezentat în cadrul
subcapitolului 3.6.1, dedicat foilor de calcul tabelar în calitate de sisteme de
asistare a deciziilor de nivel elementar (fig.3.47), sugerează posibilitatea de a
genera rapoarte interactive plecând de la acest standard.
3.6.6.2 XML
Parte a acronimului AJAX - Asynchronous Java script and XML, care
desemnează o tehnologie web relativ recentă folosită pentru interfeţe web mai
rapide şi mai performante, XML (Extensible Markup Language) este o specificaţie
de uz general şi în acelaşi timp un limbaj extensibil, permiţând utilizatorilor
definirea propriilor elemente336. Scopul său primar rămâne însă acela de a servi la
partajarea datelor între sisteme informaţionale diferite - în particular, via
Internet337.
Dincolo de recomandările făcute de W3C (World Wide Web Consortium),
XML este un standard deschis, scutit de orice taxe şi care beneficiază de o serie de
avantaje338, şi anume:
9 este independent de platformă;
9 este bazat pe text;
9 suportă standardul Unicode;
9 poate reprezenta structuri de date dintre cele mai diverse – înregistrări, liste,
arbori;
9 are o structură ierarhică potrivită pentru cele mai multe tipuri de documente;
335
http://www.cryer.co.uk/glossary/m/mhtml.htm
336
Bray, T., Paoli, J., Sperberg-McQueen, C., M., Maler, E., Yergeau, F., Extensible
Markup Language (XML) 1.0 (Fourth Edition) - Origin and Goals,
<http://www.w3.org/TR/2006/REC-xml-20060816/>
337
*** Sun Microsystems, Java Look and Feel Design Guidelines, Addison Wesley, 1999,
în Homocianu, D., AJAX or the new standard for faster web interfaces, vol. “Teoria şi
Practica Economică în Societatea Cunoaşterii”, coordonatori: Ion Pohoaţă, Andreea
Iacobuţă, Editura Sedcom Libris, Iaşi, 2007, p.301
338
http://www.w3.org/TR/NOTE-xml-ql/

9 este deja utilizat pe scară largă pentru stocarea şi procesarea documentelor,

atât on-line cât şi off-line.
Pentru utilizatorii sistemelor de asistare a deciziilor, avantajele reale ţin
mai ales de posibilitatea partajării conţinutului modelelor decizionale şi a
rapoartelor, pornind de la specificaţiile acestui standard. În plus, programele de
calcul tabelar, considerate multă vreme un instrument specific decidentului, oferă
în prezent cel puţin facilităţi de import şi conversie XML.
Figura 3.74 Utilizarea datelor XML în programe de calcul tabelar

Microsoft Access, Editura Sedcom Libris, Iaşi, 2007, p.206, 209)
Exemplul prezentat (fig.3.74) indică un caz simplu de partajare a datelor

XML utilizate simultan într-un raport tabelar despre cheltuielile efectuate.
3.6.6.3 XBRL
Extensible Business Reporting Language (XBRL) - Limbajul Extensibil de
Raportare Economică - este un standard deschis care suportă modelarea
informaţiilor şi exprimarea înţelesului semantic cerut adesea în raportarea
economică. În condiţiile în care foloseşte sintaxa XML şi tehnologiile specifice
precum: schema XML, legăturile (x-links) şi căile de acces (x-path), respectiv
spaţiile de nume, XBRL poate fi considerat un subset XML dezvoltat special
pentru a simplifica accesarea şi transferul informaţiilor economice între aplicaţii
diferite.
În timp ce definiţia formală a XBRL poate fi considerată şi aceea de limbaj
electronic standard pentru informaţii economice, rapoarte financiare şi analize339,
structura unui document XBRL presupune faptele economice de raportat şi o
339
http://www.xbrl.org

colecţie de taxonomii care definesc metadatele acestor fapte, cum ar fi înţelesul lor
şi modul în care relaţionează. De aici, o serie întreagă de avantaje340 ale XBRL:
9 accesul rapid la informaţii externe;
9 uşurinţa integrării cu alte documente sau sisteme;
9 salvarea costurilor şi a timpului de dezvoltare;
9 anularea erorilor potenţiale prin eliminarea intrărilor manuale de date.
Aria de aplicabilitate a standardelor XBRL341, care descriu limbajul cu
acelaşi nume, are în vedere adesea:
◦ indicatori economici şi demografici;
◦ raportări economice periodice de tip jurnal sau cartea mare;
◦ raportări economice de performanţe comparative (benchmark), respectiv
„balanţă de scoruri” (balanced scorecard);
◦ raportări de linii de credite;
◦ planuri de asigurare;
◦ performanţele fondurilor mutuale;
◦ declaraţii de presă legate de performanţe;
◦ declaraţii financiare;
◦ taxe;
◦ raportări de risc.
3.6.6.4 KML
Keyhole Markup Language (KML) este o schemă de limbaj bazată pe
XML, care utilizează aceeaşi gramatică structurală ca GML (Geography Markup
Language), pentru exprimarea însemnărilor şi vizualizărilor pe baza hărţilor
geografice bidimensionale şi a browser-elor (programelor de navigare)
tridimensionale (fig.3.75).
Figura 3.75 Tehnici de interogare dinamică utilizate în Google Earth folosind limbajul KML
(Sursa: http://www.geo2web.com/)
340
http://www.de-haas.nl/Digital%20Reporting/XBRL%20Benefits.htm
341
Rasmussen, N., H., Goldy, P., S., Solli, P., O., Financial Business Intelligence - Trends,
Technology, Software Selection and Implementation, John Wiley and Sons, Inc., New
York, 2002, p.9

3.6.7 Instrumentele de tip GIS

Instrumentele şi soluţiile de tipul sistemelor informaţionale geografice - pe
scurt, GIS (Geographical Information Systems) sunt aplicaţii sau pachete de
programe care permit în esenţă crearea, reprezentarea şi vizualizarea hărţilor
geografice, dar şi operaţii mai avansate care pun aceste reprezentări în legătură cu
date din bazele de date specifice - actualizări sau interogări. Plecând de la ideea de
server capabil să gestioneze hărţile şi să furnizeze date în timp real, cele mai noi
soluţii de acest tip oferă posibilitatea realizării operaţiunilor descrise mai sus
folosind fereastra unui simplu browser web.
Sistemele informaţionale geografice342 sunt tot mai frecvent folosite în
cadrul infrastructurii IT a administraţiei publice centrale şi locale iar explicaţia ţine
şi de posibilitatea integrării lor cu alte sisteme, pentru a oferi o imagine exhaustivă
asupra eficienţei proceselor specifice. La acest nivel, funcţiile acoperite de soluţiile
de tip GIS se referă de regulă la:
9 gestiunea informaţiilor cadastrale;
9 urbanism;
9 integrare cu sistemele fiscale - instrumente avansate de gestiune a
proprietăţilor imobiliare şi de realizare a zonărilor fiscale;
9 administrarea reţelei de utilităţi, oferind informaţii complete despre reţelele de
apă, canalizare, termoficare şi gaze.
Figura 3.76 Foi Excel de tip sursă (fragment) pentru georeferenţiere (stânga), respectiv raport
(dreapta)
2008)
342
Airinei, D., Grama, A., Fătu, T., Fotache, D., Georgescu, M., Tehnologii informaţionale
pentru afaceri, Editura Sedcom Libris, Iaşi, 2006, p.390-391

Figura 3.77 Localizarea interactivă a unui magazin prin apelarea de către aplicaţia SAD a modulului
GIS (MapPoint)
Sisteme Integrate Colaborative pentru Afaceri Mici şi Mijlocii, Editura Universităţiii “Alexandru Ioan
Cuza” Iaşi, 2007, p.19)

În asistarea deciziilor, GIS pot fi utilizate atât ca sisteme izolate (stand-

alone) cât şi integrate cu cele de tip web, CRM, OLAP, astfel încât anumiţi
decidenţi să poată determina oportunităţile şi problemele din punct de vedere
spaţial (în special în etapa de informare - Intelligence) 343.
În exemplul propus anterior privind lanţul de magazine, atât toate
componentele acestuia, cât şi cele propuse spre eliminare (fig.3.80 - magazinele
care urmează a fi închise sunt evidenţiate automat în acest raport) sau un magazin
anume (fig.3.77), pot fi localizate (Anexa 3, fig.A3.1, A3.2) folosind facilităţile
unui subsistem geografic al unui sistem de asistare a deciziilor - aici Microsoft
MapPoint 2006 - în combinaţie cu utilizarea în programarea aplicaţiei efective a
unei componente ActiveX (Microsoft MapPoint Control 13.0 - fig.3.78),
disponibilă la nivelul mediului de programare Visual Basic 6.0, după instalarea
aplicaţiei GIS.
Figura 3.78 Activarea controlului ActiveX Microsoft MapPoint Control 13.0 în mediul de lucru VB
6.0
Cuza” Iaşi, 2007, p.18)
În funcţie de preferinţele utilizatorului (fig.3.79, respectiv Anexa 3,

fig.A3.3), aplicaţia efectivă de asistare a deciziilor poate conduce la generarea
automată a unor rapoarte ce combină facilităţile de geo-referenţiere (fig.3.76,
stânga - la nivelul unei aplicaţii de asistare a deciziilor care utilizează ca modul
GIS, Microsoft MapPoint 2006), care caracterizează aplicaţiile de tip GIS, cu
reprezentările grafice specifice programelor de calcul tabelar - histograme (fig.3.81
- media rezultatelor - cheltuieli, profit, rată profit şi total, pe judeţe) şi grafice de
structură (fig.3.82 - media rezultatelor pe judeţe).
343
Turban, E., Aronson, J., E., Liang, T.-P., Sharda, R., Decision Support and Business
Intelligence Systems - Eighth Edition, Pearson Education, Inc., New Jersey, 2007, p.70

Figura 3.79 Generarea automată de rapoarte combinate - funcţionalitate îmbunătăţită (stânga) şi cod
sursă (dreapta)
2008)
Figura 3.80 Raport de localizare generat de aplicaţia SAD utilizând subsistemul GIS (MapPoint)
2008)

Figura 3.81 Prima formă de raport combinat, generat de aplicaţia SAD utilizând subsistemul GIS
(MapPoint)
2008)

Figura 3.82 A doua formă de raport combinat, generat de aplicaţia SAD utilizând subsistemul GIS
(MapPoint)
2008)

Mai mult, dacă utilizatorul decident doreşte să ia în calcul criterii

suplimentare - cum ar fi poziţionarea magazinelor în raport cu anumite zone de
interes (oraşe cu depozite, porturi, aeroporturi), MapPoint oferă nativ posibilitatea
de a calcula distanţe între diferite puncte. Valorile corespunzătoare pot fi
transformate ulterior în valori de utilitate, existând şi posibilitatea de a modifica
relativ simplu raportul în format foaie de calcul tabelar, generat de aplicţia de
asistare a deciziilor, prin adăugarea unui criteriu de decizie suplimentar. Oricum,
funcţionalitatea de calcul a distanţelor şi a valorilor de utilitate asociate poate fi
transferată aplicaţiei SAD, scutind în felul acesta utilizatorul final de efortul
necesar introducerii acestui criteriu suplimentar.
3.6.8 Tehnologia portalurilor
De provenienţă latină şi semnificând adesea o uşă sau o poartă de mărime
şi apariţie impresionante344, portalul este întâlnit foarte adesea şi cu referiri la
tehnologia informaţiei şi comunicării (forma de portal web), respectiv în domeniul
economic şi organizaţional (sintagma de portal al firmei).
Această din urmă formă de portal informaţional al firmei - în varianta
completă, este un cadru general de integrare a informaţiilor, resurselor umane,
respectiv a proceselor dincolo de graniţele organizaţiei, cu scopul de a furniza un
element de acces sigur şi omogen345, adesea sub forma unei interfeţe cu utilizatorul,
bazată pe web, respectiv proiectată pentru a agrega şi personaliza informaţii prin
portlet-uri346 (sub-componente) specifice unei aplicaţii.
Portalurile şi-au început existenţa ca un mod de a organiza o varietate de
surse de informaţii bazate pe web într-o singură interfaţă desktop cu: un instrument
de căutare, un furnizor de ştiri, legături către site-urile web favorite, sau conţinut
organizat pe subiecte.
344
http://www.merriam-webster.com/dictionary/portal
345
Boye, J., Portal Software: Passing Fad or Real Value?,
<http://www.cmswatch.com/Feature/120-Case-Against-Portals>
346
***Sun Microsystems, JSRs:Java Specification Request - JSR 168: Portlet
Specification, <http://www.jcp.org/en/jsr/detail?id=168>

Figura 3.83 Portalul şi spirala creării cunoaşterii

(Surse: http://www.emeraldinsight.com/fig/2610290104003.png
http://www.cjlt.ca/content/vol30.1/cjlt30-1_3-fig1.jpg)
Potrivit lui Howard Strauss347, de obicei, ne întâlnim cu trei tipuri de

portaluri:
◦ portaluri verticale - accesează o varietate de informaţii şi servicii dintr-un
domeniu;
◦ portaluri orizontale sau megaportaluri - au ca ţintă întreaga comunitate
internet şi conţin uzual motoare de căutare, oferind utilizatorilor
posibilitatea de personalizare;
◦ portalurile firmelor (fig.3.84) - verticale sau orizontale, acestea dispun de
reguli de acces şi autentificare stabilite (fig.3.85) potrivit rolurilor
individuale din cadrul organizaţiei, existând totodată posibilitatea de a le
personaliza.
347
Airinei, D., Homocianu, D., Issues about KM in Education - Case Study on FEAA,
UAIC, Iaşi, The proceedings of The seventh International Conference on Informatics in
Economy: ”Informatics in Knowledge Society”, Editura ASE, Bucureşti, 2007, p.579

Figura 3.84 Infrastructura portalului organizaţiei – server-ul dedicat portalului în cadrul reţelei FEAA
(Sursa: Airinei, D., Homocianu, D., Issues about KM in Education - Case Study on FEAA, UAIC,
Iaşi, The proceedings of The seventh International Conference on Informatics in Economy:
Informatics in Knowledge Society, Editura ASE, Bucureşti, 2007, p.579)
Într-o altă accepţiune (O’Brien348) portalul firmei poate fi grupat în alte

două categorii: portal informaţional, respectiv portal al cunoaşterii (fig.3.83).
348
http://mgtclass.mgt.unm.edu/Harris/MGMT450%20Spring08/ObrienChpt9%20DSS.ppt.

Figura 3.85 Secţiunea “Site-ul Meu” (My Site) a portalului FEAA - autentificare şi conţinut
(Sursa: Airinei, D., Homocianu, D., Issues about KM in Education - Case Study on FEAA, UAIC,
Iaşi, The proceedings of The seventh International Conference on Informatics in Economy:
”Informatics in Knowledge Society”, Editura ASE, Bucureşti, 2007, p.580,581)
Din perspectiva sistemelor de asistare a deciziilor, portalurile interesează

mai ales prin prisma posibilităţilor de integrare şi partajare a rapoartelor statice sau
dinamice obţinute în diferite formate (fig.3.42), dar şi prin facilităţi de gestiune a
indicatorilor privind excepţiile (fig.3.94).
3.6.9 Tehnici de protecţie şi securitate asociate SAD
Protecţia şi securitatea este un subiect important de studiu în teoria
sistemelor informaţionale în general, însă având în vedere tipul utilizatorilor cărora
li se adresează cât şi importanţa datelor, informaţiilor şi a cunoaşterii cu care se
operează în asistarea deciziilor, acest subiect trebuie asociat în mod explicit cu
construirea, administrarea şi utilizarea SAD.
Cel mai adesea, îmbunătăţirea nivelului de protecţie şi securitate în acest
context specific respectă ciclul proiectului unui sistem informaţional obişnuit,
presupunând: evaluarea şi determinarea nivelului de securitate asociat momentului
curent, proiectarea, dezvoltarea/achiziţia şi implementarea setului de instrumente şi
măsuri care să conducă la rezolvarea problemelor identificate, monitorizarea

sistemului post-implementare cu feedback-ul corespunzător şi reiterarea paşilor

anteriori349.
Din categoria fazelor intermediare de la alegerea şi până la implementarea
măsurilor şi tehnicilor de protecţie şi securitate, există câteva direcţii în care ne-am
orientat eforturile de cercetare:
¾ fişierele şi bazele de date sursă;
¾ depozitele de date;
¾ interfaţa de utilizare;
¾ rapoartele obţinute.
În această lucrare, facem trimitere la criptografiere350 ca tehnică de
protecţie şi securitate vizând asigurarea transformării datelor/informaţiilor de
comunicat într-o formă neinteligibilă pentru alţi potenţiali utilizatori, cu excepţia
celor autorizaţi. Tehnica se poate aplica în toate direcţiile enumerate în paragraful
anterior.
Figura 3.86 Model de criptare în lanţ - substituţie prin conversia ASCII (C6) în zecimal şi invers în
text (D6)
(Sursa: Homocianu, D., A ciphering model described step by step, în The Scientific Annals of the
“Alexandru Ioan Cuza” University from Iaşi, Tome LII/LIII, Economic Sciences, 2005/2006, Editura
Universităţii “Alexandru Ioan Cuza”, Iaşi, 2006, p.356)
În cele ce urmează, accentul va fi pus pe exemple de criptografiere a

datelor din sursele primare (baze de date sau depozite de date), respectiv a
informaţiilor din rapoartele generate în format foaie de calcul, plecând de la un
model complex testat şi plublicat anterior. Acesta foloseşte un sistem de criptare
bazat preponderent pe chei simetrice (secrete), ştiut fiind că acest tip este cu mult
mai rapid, mai sigur şi mai eficient - pentru volume considerabile de date - decât
orice sistem bazat pe chei de criptare asimetrice (publice), dincolo de orice posibil
dezavantaj legat de standardizare351. Algoritmii săi utilizează două tehnologii
criptografice simple: permutarea (fig.3.87, respectiv Anexa 1, fig.A1.1-A1.6) şi
substituţia (fig.3.86, respectiv Anexa 1, fig.A1.7-A1.9), plecând de la ideea că o
combinare a acestora352 poate conduce la variante aproape imposibil de spart.
Funcţiile corespunzătoare criptează (Cn) sau realizează operaţia inversă –
decriptarea, însă cu cheia cunoscută (Dn).
Pe lângă algoritmii de permutare exemplificaţi (fig.3.87), mai există alţi
patru, care, asemănător lui C7/D7, preiau subşiruri de câte i caractere din şirul
349
http://books.google.ro/books?id=9NA6QMcte3cC&pg=PA97&lpg=PA97&dq=%22
improving+security+for+decision+support%22&source=web&ots=DLmvlxNrB9&sig=TV
a4lcIQK86_mXLhcaYOjJ1ekhs&hl=ro
350
Oprea, D., Analiza şi proiectarea sistemelor informaţionale economice, Polirom, Iaşi,
1999, p.386
351
Homocianu, D., A ciphering model described step by step, Op.cit., p.353
352
Oprea, D., Protecţia şi securitatea informaţiilor, Editura Polirom, Iaşi, 2003, p.110

parametru, le interschimbă extremele, realizând în plus inversarea restului -

simboluri care însumează mai puţin de i poziţii, unde i ia valorile: 2 (pentru C0/D0),
3 (C4/D4), 5(C7/D7 - fig.3.87, respectiv Anexa 1, fig.A1.6), 7(C8/D8) şi 9 (C9/D9),
funcţiile aferente de permutare, fiind identice ca definiţie cu opusele lor.
În plus, există un algoritm simplu de inserare de şiruri redundante (C5),
care preia fiecare caracter dintr-un astfel de şir, pentru a-l adăuga după fiecare
poziţie din şirul de prelucrat.
∗
Figura 3.87 Model de criptare în cascadă
(Sursa: Homocianu, D., A ciphering model described step by step, în The Scientific Annals of the
“Alexandru Ioan Cuza” University from Iaşi, Tome LII/LIII, Economic Sciences, 2005/2006, Editura
Universităţii “Alexandru Ioan Cuza”, Iaşi, 2006, p.354, 355)
Dificultatea descifrării mesajului codificat va rezulta mai ales din execuţia

în cascadă (Anexa 1, fig.A1.10) a unor proceduri/funcţii criptografice foarte rapide
şi, astfel, din diminuarea consistentă a relevanţei rezultatelor posibile de obţinut
prin tehnici criptologice (de descifrare doar prin cunoaşterea rezultatelor) obişnuite
care folosesc analiza dispersiei, respectiv a frecvenţei apariţiei. Avantajele
suplimentare ale acestui model sunt asigurate şi de lungimea variabilă a cheii finale
de criptare care corespunde ordinii de apelare a procedurilor, respectiv de
posibilitatea definirii de algoritmi performanţi de generare semi-aleatoare353 a
cheilor, sensibili la dimensiunea mesajului original (în clar sau necriptat). În plus,
în conformitate cu testele efectuate354, modelul are o rezistenţă mare la algoritmii
de descifrare care utilizează forţa brută. Mai precis, e nevoie de minimum 22x512
secunde (aproximativ 5,7 x 10300 ani) pentru descifrarea unei chei de criptare
stocată pe 512 poziţii cu valori în sistemul zecimal (10 proceduri); şi aceasta, în
condiţiile unei puteri de procesare viitoare presupuse optimist undeva în jurul
valorii maxime de 2512 (aproximativ 1,34 x 10154) operaţii pe secundă, respectiv
considerând prin absurd verificarea unei chei drept operaţie elementară.
Câteva îmbunătăţiri potenţiale de adus modelului se referă la:
9 eliminarea separatorului “,”(virgulă), folosit în accelerarea decriptării
rezultatului final cu cheia cunoscută;
∗
Modelul are la bază şi proceduri de permutare prin: inversarea unui text (C1/D1),
preluarea/restaurarea caracterelor de pe poziţii impare, respectiv pare (C2/D2), preluarea
succesivă/restaurarea caracterelor de pe poziţii simetrice în şir (C3/D3) şi interschimbarea
extremelor pe grupuri de câte i - (C7/D7 , i=5).
353
http://www.mastersoftware.biz/crypt003.htm
354
Homocianu, D., A ciphering model described step by step, Op.cit., p.358

9 reconversia simbolurilor obţinute ulterior conversiei ASCII (Anexa 1,

fig.A1.7) în zecimal, în caractere dintr-un set asemănător cu cel original, de
criptografiat (adică text şi nu preponderent cifre zecimale), sau chiar mai
cuprinzător (întreg setul ASCII);
9 definirea unui set de reguli de creare de text inteligibil pe baza unor tehnici de
proximitate, din considerente de camuflare a însuşi nivelului de criptografiere
folosit.
Pentru a prezenta un mod valid de protecţie a informaţiilor din anumite
rapoarte generate automat de sistemele de asistare a deciziilor, am recurs la acelaşi
model de criptare, ţinând însă seama de unele diferenţieri datorate procesului
intermediar de conversie a rapoartelor specifice, din formatul nativ, foaie de calcul
tabelar, în şiruri de caractere posibil de memorat în fişiere text. Ulterior procesului
de conversie îi urmează criptografierea blocului de text obţinut şi memorat, după
care este posbilă şi operaţia inversă - decriptarea (cu aceeaşi cheie) şi regenerarea
rapoartelor (fig.3.88 - se pleacă de la formatul text în care s-a relizat intermediar
conversia, înainte de efectuarea procesului de criptografiere).
Figura 3.88 Secvenţă de cod VB6.0, folosită pentru a regenera un raport Excel
Cuza” Iaşi, 2007, p.20)
Un scenariu ipotetic este acela al transmiterii electronice (e-mail/upload)

sau pe suport electronic a unor rapoarte cu performanţe comparative - tehnice şi
economice - preconizate prin utilizarea mai multor variante de modificări în linia
de asamblare a unui produs, destinatarii lor urmând să decidă de comun acord
asupra selecţiei unei singure variante. Prin urmare, poate fi vorba de informaţii
critice stocate propriu-zis (în clar) în fişiere format foaie de calcul tabelar, care
urmează a fi copiate sau ataşate unui mesaj electronic, cu expunere mare la riscul
de a fi interceptate şi accesate de către nondestinatari, în ciuda mecanismelor
primare de protecţie de tipul parolei de utilizator de cont de poştă electronică, site,
sau portal.

Figura 3.89 Modul de interfaţă de criptografiere (aici, automată) propus pentru integrarea cu un SAD
(Sursa: Homocianu, D., A 2d ciphering test interface model, The proceedings of the international
conference: “InfoBUSINESS'2006”, The Publishing House of the “Alexandru Ioan Cuza” University,
Iaşi, 2007, p.482)
În aceste condiţii, se impune de obicei folosirea unei linii de transmisie

securizate şi/sau cifrarea conţinutului rapoartelor, apelând la instrumente
standardizate sau proprii (aplicaţii sau module de criptografiere - fig.3.89, respectiv
Anexa 2, fig.A2.1-A2.5). În acest din urmă caz, există şi avantajul de a elimina
mult dintr-un anumit tip de risc asociat standardizării. Mai precis, este vorba de
probabilitatea mult mai mare a unor atacuri din partea unor subiecţi specializaţi,
care cunosc bine, testează şi exploatează consecvent toate lipsurile sau
dezavantajele aplicaţiilor specifice foarte cunoscute, ale sistemelor de operare şi
chiar ale standardelor folosite la un moment dat.
3.7 TENDINŢE ÎN EVOLUŢIA SISTEMELOR DE ASISTARE A
DECIZIILOR
În ultimii patruzeci de ani, terminologia utilizată pentru diferite tipuri de
sisteme informaţionale s-a schimbat de la forme precum sisteme informaţionale
pentru conducere (MIS), la sisteme de asistare a deciziilor (SAD) sau sisteme
pentru conducerea executivă (EIS, ESS), respectiv de la acestea la BI. Însă, ceea ce
s-a întâmplat a fost mult mai mult decât o schimbare de termeni, parţial pentru că
tehnologia a evoluat semnificativ de la interfeţe grafice cu utilizatorul dezvoltate
intern la pachete de aplicaţii, care asigură utilizatorilor un acces uşor la date în
vederea analizelor.
Problema esenţială legată de subiecte cum ar fi: MIS, DSS (SAD), EIS sau
BI şi altele cu denumiri prescurtate prin acronime care în traducere autohtonă încep
cu “sistem” este faptul că acestea par să aparţină unui domeniu extrem de volatil.
Cu titlu de exemplu, în timp ce abordările tradiţionale tratează sistemele
precursoare ale celor de tip Business Intelligence ca fiind predestinate utilizatorilor

manageri, în abordările mai noi (cum ar fi CRM), BI nu ţine numai de nivelurile

manageriale, instrumentele şi tehnicile sale fiind dezvoltate pentru toate nivelurile
organizaţionale. În plus, cea mai mare parte a literaturii care acoperă zona Business
Intelligence pleacă de la premisa că majoritatea cititorilor ştiu şi înţeleg deja despre
ce este vorba, când, de cele mai multe ori, nu se întâmplă aşa. Aceste surse de
informaţii oferă o definiţie, însă, de obicei, ea este una strictă sau limitată doar la
un instrument sau la o tehnologie, iar aceasta este de asemenea o problemă
potenţială355.
3.7.1 BI sau o reinventare a SAD
În cele ce urmează vom explica cum a pătruns şi de ce a câştigat teren acest
acronim nou atât de vehiculat în literatura de specialitate din ultimii ani. Vom lua
în calcul atât noutăţile specifice dar şi elementele care caracterizează sistemele
tradiţionale de asistare a deciziilor, în încercarea de a determina dacă este într-
adevăr vorba de ceva cu adevărat revoluţionar, sau dacă nu cumva se abuzează de
acest termen prin transformarea într-un mijloc al comercianţilor de a vinde mai
bine aplicaţii software, construite pe aceleaşi principii ca şi până acum.
3.7.1.1 Terminologie şi provenienţă
Pentru a obţine o imagine de ansamblu asupra sintagmei Business
Intelligence (BI), vom apela mai întâi la explicaţii ale termenilor în limba de
provenienţă, prezentându-le traduse (tabelul 3.6).
Tabelul 3.6 Definirea termenilor care alcătuiesc sintagma Business Intelligence
(Sursa: http://www.infoplease.com)
355
Quarles van Ufford, D., Business Intelligence - The Umbrella Term,
<http://www.few.vu.nl/stagebureau/werkstuk/werkstukken/werkstuk-quarles.doc>, citat în
Airinei, D., Homocianu, D., DSS vs. Business Intelligence, The proceedings of the
International Economic Conference: “Integrative Relations Between The European Union
Institutions and The Member States”, “Lucian Blaga” University Publishing House, Sibiu,
2008, p.3

În limba română, intelligence îşi găseşte două corespondente uzuale

“Înţelegere”, respectiv “Inteligenţă”. Pentru acesta din urmă, o explicaţie
recunoscută este capacitatea de a înţelege uşor şi bine, de a sesiza ceea ce este
esenţial, de a rezolva situaţii sau probleme noi pe baza experienţei acumulate
anterior356. Prin asociere cu traducerile uzuale - „afacere”/„de afaceri”, respectiv
„economic”, ale celuilalt cuvânt - business, o explicare a sintagmei Business
Intelligence poate pleca de la banale încercări ad-literam precum: „Înţelegerea
Afacerii” sau „Rapiditate a Înţelegerii Afacerii”, ajungând în cele din urmă, la
forme mai elaborate şi mai bine argumentate - Analiză şi Raportare Inteligente,
Inteligenţă în Afaceri, Inteligenţă Economică.
În literatura franceză de specialitate se vehiculează expresia corespondentă
intelligence économique. Jean-Louis Levet357 aprecia, de pildă, că aceasta ar fi
existat dintotdeauna şi că într-o abordare globală, ar reprezenta capacitatea de
înţelegere a mediului şi de anticipare a schimbării.
Asociaţia Română de Inteligenţă Economică preia, se pare, nu doar
terminologia franceză, cantonând semnificaţia sintagmei Business Intelligence la
ansamblul acţiunilor de cercetare, colectare, tratare şi difuzare a informaţiei utile
agenţilor economici, în scopul de a obţine avantaje concurenţiale, prin exploatarea
ei în manieră defensivă/ofensivă358.
Ultimul sens prezentat anterior pentru cuvântul Intelligence (tabelul 3.6,
dreapta-jos) ne obligă însă la a nu putea trece cu vederea posibilitatea de a traduce
BI ca spionaj economic/industrial, chiar dacă acesta este, cel mai probabil, o cale
ilegală, supraestimată şi forţată, de a obţine un avantaj concurenţial, dealtfel
temporar.
Business Intelligence rămâne totuşi un termen generic359 care acoperă o
listă întreagă de concepte. Ca tehnologie, poate fi abordat în sens restrâns sub
forma depozitelor de date cu trei straturi (fig.3.90): interogări şi rapoarte, OLAP,
respectiv DM.
356
http://dexonline.ro/search.php?cuv=inteligen%C5%A3%C4%83&source=
357
Levet, J.-L., L’Intelligence Économique. Mode de pensée, mode d’action, Economica,
Paris, 2001, p.VII
358
***Asociaţia română de inteligenţă economică, <http://www.aier.as.ro/faq.htm>
359
Quarles van Ufford, D., Business Intelligence - The Umbrella Term,
<http://www.few.vu.nl/stagebureau/werkstuk/werkstukken/werkstuk-quarles.doc>

Figura 3.90 Tehnologiile BI în sens restrîns
În timp ce interogările presupun folosirea unui limbaj pentru a obţine

informaţie imediată, raportarea se referă la crearea sau generarea de rapoarte prin
descrierea componentelor şi a trăsăturilor specifice. La un nivel superior, OLAP
permite utilizatorilor realizarea de analize complexe printr-un acces rapid şi
interactiv la informaţia din depozitele de date, din mai multe puncte de vedere
numite dimensiuni, aşa cum am descris în subcapitolul 3.6.5. Stratul situat la
nivelul cel mai de sus rămâne însă DM, acesta fiind capabil să asigure predicţia
comportamentului viitor prin analiza şi găsirea tiparelor în volume mari de date.
Figura 3.91 BI - Relaţia dintre nivelul de expertiză al utilizatorului şi valoarea cunoaşterii

(Sursa: Den Hamer, P., De organisatie van Business Inteligence, SdU Publishers, Hague, 2005)

Practica indică, iar anumite opinii de specialitate confirmă acele tipuri de

aplicaţii BI (fig.3.91) utilizate de angajaţii cu un nivel de expertiză mai redus sau
mai ridicat şi care privesc o anumită valoare a cunoaşterii pe scara date-informaţii-
cunoştinţe.
3.7.1.2 Abordări conceptuale ale Business Intelligence
Conform explicaţiilor oferite de un site360 specializat în furnizarea de
definiţii, un sistem de asistare a deciziilor este o aplicaţie informatică destinată
analizei datelor economice şi prezentării lor într-o asemenea manieră încât
utilizatorii să poată lua decizii economice mai uşor. Din aceeaşi sursă, aflăm că BI
reprezintă o categorie largă de aplicaţii şi tehnologii de obţinere, stocare, analiză şi
asigurare a accesului la date pentru a ajuta utilizatorii din cadrul unei firme să ia
decizii economice mai bune. Partea comună a acestor două definiţii este sintagma
“a lua decizii economice”. În plus, ambele definiţii implică ideea de decizii
economice fundamentate plecând de la date. Însă, în timp ce prima evidenţiază
latura adoptării mai facile a deciziilor, cea de-a doua pune accent pe aspectul luării
de decizii mai bune. Este ca şi cum am compara “mai uşor” cu “mai bine”,
rezultatul fiind, dincolo de folosirea aceluiaşi grad de comparaţie, departe de
sinonimie.
Cele mai multe interpretări ale sintagmei pleacă însă de la ideea că BI
serveşte la luarea deciziilor şi aceasta explică de ce termenul de asistare/suport
pentru decizii este utilizat atât de des în literatura BI. Plecând de la trei tipuri foarte
cunoscute de sisteme de asistare a deciziilor (orientate modele, date, respectiv
utilizator), unul dintre primele lucruri în legătură cu care unii autori361
problematizează este şi abordarea BI ca termen nou pentru sistemele de asistare a
deciziilor sau, chiar mai precis, înlocuitorul celor orientate date.
În alte accepţiuni362, se consideră că termenul de Business Inteligence a
devenit pentru comercianţii aplicaţiilor software de tipul sistemelor de asistare a
deciziilor sau înrudite un sinonim preferat. În plus, asistarea deciziilor pare să aibă
şi o conotaţie academică, ceea ce ar putea explica, o dată în plus, eventualele
inadvertenţe de terminologie.
Din perspectiva tendinţelor asistării deciziilor, O’Brien363 enunţa câteva
linii de trend mai importante: suport proactiv personalizat, aplicaţii bazate pe web,
suport pentru decizii de la nivelurile manageriale inferioare, aplicaţii BI
În alte opinii364, progresele asociate cu BI pleacă de la iniţiativa de a
construi un sistem de asistare a deciziilor care să lege informaţiile despre vânzări
360
http://www.whatis.com
361
Alter, S., Information Systems: A Management Perspective. 3rd edition, Addison Wesley
Longman, New York, 1999, <http://www.few.vu.nl/stagebureau/werkstuk/werkstukken/
werkstuk-quarles.doc>
362
***LGI Systems Incorporated, <http://www.dwinfocenter.org/decsup.html>
363
http://mgtclass.mgt.unm.edu/Harris/MGMT450%20Spring08/ObrienChpt9%20DSS.ppt
364
Pareek, D., Business Intelligence for telecommunications, Auerbach Publications, New
York, 2006, p.14, 15

cu datele scanate provenind din comerţul cu amănuntul. Din aceeaşi perspectivă,

Business Intelligence descrie un set de concepte şi metode pentru a îmbunătăţi
luarea deciziilor economice prin folosirea sistemelor de asistare bazate pe fapte.
Figura 3.92 Piramida Business Intelligence (IBM)

∗
(Sursa: http://www.ibm.com/developerworks/db2/library/techarticle/dm-0505cullen/index.html )
În concordanţă cu ideile lui Steven Alter365, putem trage concluzia că BI a

înlocuit treptat SAD orientate date, prin apariţia şi dezvoltarea unor abordări noi în
asistarea luării deciziilor, precum OLAP şi Data Mining. Ideea de OLAP a apărut
ca urmare a dificultăţilor de analiză a datelor din bazele de date, actualizate în mod
continuu prin tranzacţiile sistemelor operaţionale. Soluţia a constat în descărcarea
periodică a datelor din bazele de date pe un calculator adesea diferit. Acestea
împreună cu aplicaţii specializate, au devenit ceea ce numim astăzi depozit de date.
Altfel spus, componentele esenţiale ale Business Intelligence - OLAP şi DM,
aplicabile peste nivelul depozitelor de date, fără a afecta astfel procesarea
tranzacţiilor (fig.3.92), au ajuns să înlocuiască modul învechit de a furniza suport
decizional pe baza datelor din sistemele de procesare a tranzacţiilor.
Nu întâmplător, tot în acest context, trebuie menţionat că există şi abordări
în care se pune problema unei ocoliri contradictorii sau a unui aşa-zis bypass
(fig.3.93), prin ignorarea unor componente esenţiale ale BI, din considerente ce ţin
∗
citat de Airinei, D., Homocianu, D., în DSS vs. Business Intelligence, The proceedings of
the International Economic Conference: ”Integrative Relations Between The European
Union Institutions and The Member States”, “Lucian Blaga” University Publishing House,
Sibiu, 2008, p.5
365
Alter, S., Op.cit., <http://www.few.vu.nl/stagebureau/werkstuk/werkstukken/werkstuk-
quarles.doc>

mai ales de dezvoltarea rapidă a unei soluţii, care se dovedeşte nu întotdeauna

optimă sau utilizabilă. Afirmaţia este susţinută de realitatea aplicaţiilor informatice
comercializate astăzi, care ne arată exemple dintre cele mai diverse de tablouri de
bord actualizate în timp real şi disponibile pentru toate nivelurile manageriale. Ele
exploatează cel mai probabil baze de date, şi nu depozite de date, a căror
actualizare este încă considerată o mare consumatoare de timp. Mai mult, se
întâmplă ca exploatarea acestora din urmă să nu aibă loc nici măcar în cazul în care
aplicaţiile servesc managementului strategic. De ce ? Pentru că există şi cazuri în
care aplicaţiile de tip BI sunt livrate ca parte a unor soluţii integrate, proiectate şi
dezvoltate fără a lua în calcul anumite cerinţe şi particularităţi ale organizaţiei care
le va implementa.
Figura 3.93 Mutaţiile din piramida Business Intelligence

(Sursa: Balogh, J., Finance Business Intelligence - From Data to Information to Competetive
Advantage, DM Review Magazine, December 2003,
<http://www.dmreview.com/issues/20031201/7733-1.html>)
Sistemele informaţionale de tip CRM (Customer RelationShip

Management) sunt un exemplu bun că instrumentele şi tehnicile BI se folosesc la
toate nivelurile manageriale dintr-o organizaţie366. Aceasta dovedeşte o îndepărtare
a Business Intelligence de obiectivele tradiţionale ale sistemelor de asistare a
deciziilor destinate nivelurilor superioare ale conducerii (tactic şi strategic) şi
legate îndeosebi de rezolvarea unor probleme decizionale semistructurate şi
nestructurate. În plus, revendicarea obsesivă a instrumentelor BI ca subcomponentă
a sistemelor informaţionale integrate de tip ERP (Enterprise Resource Planning)
face această observaţie cu atât mai valabilă.
Dekker367 este de părere că depozitele de date şi data mining au ca
precursori sistemele de asistare a deciziilor şi sistemele informaţionale pentru
conducerea executivă. Primele se focalizează pe conducerea de nivel superior şi
mijlociu, făcând posibilă observarea şi analiza datelor în multiple feluri, în timp ce
ultimele sunt orientate spre nivelul superior al conducerii. Plecând de la aceste
considerente şi luând în calcul faptul că depozitele de date şi DM formează o parte
366
http://www.few.vu.nl/stagebureau/werkstuk/werkstukken/werkstuk-quarles.doc, p.14
367
Dekker, H., Business Intelligence, June 2002, Emerce,
<http://www.emerce.nl/archives/magazine/juni2002/Dossier/13997.html>

importantă a BI, am putea privi sistemele de asistare a deciziilor ca precursoarele

sistemelor de BI.
Turban şi Aronson368 pun echivalenţă între termenii BI, respectiv
Enterprise System. În plus, ei susţin că BI este utilizat pentru a descrie noul rol al
sistemelor informaţionale pentru conducerea executivă, mai ales acum, când
depozitele de date pot asigura date sub formă de sisteme de interogare uşor de
utilizat şi intens orientate spre grafică, capabile să le analizeze multi-dimensional
(OLAP). Se poate considera că aceşti autori nu au o viziune integrativă, pe
considerentul înlocurii EIS de către BI.
Dintr-o altă perspectivă, Simon şi Shaffer369 consideră ca aplicaţii de tip
BI: instrumentele de raportare şi interogare, OLAP, EIS şi DM. Vom considera
acest punct de vedere ca fiind unul integrativ în sensul includerii EIS ca şi aplicaţie
a BI, deşi, cel mai adesea, un sistem informaţional pentru conducerea executivă are
deja o anumită formă de interogări şi raportare şi chiar operaţii OLAP.
Mai puţin chiar decât confuzii şi interpretări, în literatura de profil din
România, sintagma nu era explicată nici chiar la nivelul anului 2000. O atestă şi o
reeditare a unui dicţionar englez-român de termeni tehnici, apărut în acea
perioadă370, şi care nu oferă, printre cei aproximativ treizeci de mii de termeni
explicaţi, nici cea mai sumară lămurire privind BI.
Dacă plecăm chiar şi numai de la acest fond de idei, devine clar că BI se
vrea a fi mai mult decât o sumă a sistemelor de asistare a deciziilor respectiv a
sistemelor pentru conducerea executivă şi, în plus, altceva decât o modă sau un
termen la modă. Iar din punct de vedere tehnic, cel puţin până la acest moment,
este la fel de clar că fără puterea analitică a depozitelor de date sau fără abilitatea
de previziune a instrumentelor DM, toate rapoartele pretenţioase de tip Business
Intelligence, bogate în indicatori, grafice şi culori, nu vor scoate în evidenţă decât
prezentul unei realităţi redate dintr-o perspectivă integratoare şi unitară (e drept),
însă nimic mai mult. Altfel spus, renunţând la OLAP sau la DM, sistemele de BI ar
eşua lamentabil în încercarea de a servi nivelului strategic şi chiar tactic al
conducerii.
3.7.1.3 Noua generaţie de BI sau BI 2.0 şi BPM
Noua generaţie de Business Intelligence se vrea diferită de conceptul iniţial
prin scopurile371 declarate:
9 să ofere acces pentru mai mulţi oameni, aşa încât angajaţii (ideal de la toate
nivelurile organizaţiei) să fie capabili să folosească instrumentele BI;
368
Turban, E., Aronson, J., E., Decision Support Systems and Intelligent Systems, Prentice
Hall, 2001
369
Simon, A., R., Shaffer, S., L., Data Warehousing and Business Intelligence for e-
Commerce, Morgan Kaufmann, 2001
370
Jodal, E., Dicţionar de tehnică de calcul englez-român, Editura Albastră, Cluj-Napoca,
2000, p.67
371
http://whitepapers.techrepublic.com.com/abstract.aspx?docid=261626&promo=300111

9 să îmbunătăţească utilizarea, astfel încât fiecare utilizator al sistemului să

poată primi de la acesta tot ceea ce doreşte, fără ajutor suplimentar;
9 acces global, în sensul posibilităţii de a folosi aplicaţia oricând şi oriunde;
9 raportare în timp real sau “aproape în timp real”;
9 integrare şi dezvoltare facile, plecând de la sistemele existente în companie.
Conceptul BI 2.0 urmează îndeaproape ideea Web 2.0 şi anume focalizarea
pe oameni, oferind utilizatorilor capacitatea de a-şi exprima creativitatea,
permiţându-le accesul liber la informaţie şi producerea a ceva semnificativ din
aceasta prin concentrarea pe partajarea informaţiei, comunicare şi colaborare372. Cu
alte cuvinte, scopul său este să ajute în procesul de luare a deciziilor prin a-i da
persoanei potrivite exact informaţiile de care are nevoie.
Abrevierea BPM are o dublă semnificaţie373 care, din nefericire, este
adesea confundată. Pentru unii, simbolizează Business Proceess Management
(Managementul Proceselor Economice), în timp ce pentru alte grupuri are înţelesul
de Business Performance Management (Managementul Performanţelor
Economice). Primul se ocupă de diferitele procese economice din cadrul unei
firme, incluzând metode, tehnici şi instrumente pentru proiectarea, implementarea,
controlul şi analiza proceselor economice, iar cel de-al doilea este un set integrat de
procese analitice şi de management cu suport în tehnologii, care se adresează
activităţilor financiare şi operaţionale. În această accepţiune, BPM, prin
intermediul indicatorilor cheie ai performanţei (KPI), ajută managerii să înţeleagă
propria companie, în timp ce BI le oferă abilitatea de a-şi înţelege mai bine clienţii,
respectiv piaţa în care operează.
3.7.2 Metodologia Balanced Scorecards şi tablourile de bord BI
Balanced Scorecards (“Balanţa de scoruri” sau “Tabloul de management al
performanţelor”) asigură un mijloc de a lega strategiile diferitelor subdomenii
economice dintr-o corporaţie la viziunea de ansamblu. Termenul şi metodologia au
fost introduse, în 1992, de către David Norton, respectiv de profesorul Robert
Kaplan - Harvard Business School, care au descoperit că rapoartele financiare
obişnuite din majoritatea companiilor nu asigurau managementului suficiente
informaţii sau acele informaţii potrivite374, sugerând că acestea nu se focalizau pe
indicatorii cheie ai performanţei375.
Împreună cu alte tehnici, aceşti indicatori sunt utilizaţi totodată şi pentru a
sintetiza mai mult informaţia şi pentru a oferi un ajutor semnificativ factorilor de
decizie în activităţile de zi cu zi376 (fig.3.94 - scorecard-ul dispune de facilităţi
drill-down şi conţine informaţii despre medie şi rata de promovabilitate, ca
indicatori cheie ai performanţei).
372
http://www.logixml.com/biportal/docs/whitepapers.htm
373
http://www2.imm.dtu.dk/pubdb/views/edoc_download.php/5396/pdf/imm5396.pdf
374
Kaplan, R., S., Norton, D., P., Using the Balanced Scorecard to create Corporate
Synergies, Harvard Business School Publishing Corporation, Boston, 2006, p.1
375
376
***iScala Business Intelligence Server, <http://www.scala.ro>

Câteva exemple concrete de indicatori cheie ai performanţei377 se referă la:

¾ producţie:
- unităţile produse;
- timpul mediu de aşteptare;
- costurile de inventar;
- procentul de produse defecte;
- numărul de produse refuzate;
- numărul de furnizori;
¾ resurse umane:
- procentul de angajaţi reţinuţi după perioada x;
- numărul mediu de răspunsuri la locurile de muncă vacante;
- timpul mediu de recrutare;
¾ sănătate şi protecţia muncii:
- numărul total de ore de training în sănătate şi protecţia
muncii pe lună;
- procentajul de acţiuni corective închise într-un anumit
orizont de timp;
- numărul de inspecţii de protecţia muncii pe lună;
- numărul de accidente la 100.000 ore muncite;
¾ mediu:
- apa consumată pentru un volum de producţie;
- cantitatea de energie consumată într-o lună.
Figura 3.94 Tabelă de scoruri - scorecard (dreapta), generată într-un mediu de tip portal (stânga)
“Alexandru Ioan Cuza” Iaşi, 2007, p.325, 327)
Cele mai moderne sisteme de Business Intelligence dispun la ora actuală de

facilităţi de încărcare şi introducere a tuturor datelor necesare pentru crearea unui
377
http://www.rapidbi.com/created/SampleKeyPerformanceIndicatorsKPI.html

scorecard (fig.3.97 - definirea unui indicator cheie al performanţei folosind

indicatorul de prezentare 3 Roadsigns), respectiv de posibilităţi de generare
automată (fig.3.95) a rapoartelor sau de funcţionalităţi analitice şi grafice (fig.3.96,
3.98).
Figura 3.95 Arhitectura Business Scorecard Manager 2005

∗
(Sursa: http://www.microsoft.com/technet/itsolutions/msit/deploy/scorecardbusperftcs.mspx )
Figura 3.96 Indicators.bsw - un set predefinit de 28 de mostre de indicatori de prezentare, din care am
utilizat efectiv: 3 Roadsigns, respectiv 5 Gauges - Green on Right.
(Sursa: Airinei, D, Homocianu, D., Eficienţa sistemului de management al cunoaşterii şi cerinţe de
implementare, în vol. coord. de Bodea, C.-N., Andone, I., Managementul Cunoaşterii în
Universitatea Modernă, Editura ASE, Bucureşti, 2007, p.173-174)
∗
citat de Airinei, D., Homocianu, D., în Scorecards & Dashboards - Part of a BI Solution
in Education, The proceedings of the international conference: “InfoBUSINESS'2006”,
Editura Universităţii “Alexandru Ioan Cuza” Iaşi, 2007, p.333

Pe de altă parte, un tablou de bord (dashboard) Business Intelligence, aşa

cum susţinea Stephen Few378 în articolul Dashboard Confusion, este un afişaj
vizual al celor mai importante informaţii necesare pentru a atinge unul sau mai
multe obiective, consolidate şi dispuse într-un singur ecran, aşa încât informaţia să
fie monitorizată dintr-o privire. În timp ce în industria auto (automotive), un tablou
de bord este o formă compactă de panou de control, situată în apropierea
parbrizului automobilului, conţinând indicatori şi cadrane precum turometru,
vitezometru, kilometraj sau indicator de combustibil, un tablou de bord BI
furnizează toate informaţiile critice de care este nevoie pentru a conduce o afacere.
Practic, acesta este folosit, indiferent dacă se pune problema luării deciziilor
strategice pentru o corporaţie mare, realizarea operaţiilor zilnice ale unei echipe,
sau efectuarea sarcinilor individuale. Aşadar mijlocul îl constituie un afişaj pe un
ecran iar scopul îl reprezintă menţinerea eficientă la curent cu informaţiile necesare
pentru realizarea diferitelor sarcini.
Forma de tablou de bord pentru conducerea executivă (Executive/Manager
Dashboard/Cockpit) este continuarea a ceea ce în anii ’80 era referit ca sistem
informaţional pentru conducerea executivă (EIS). Aceste sisteme, ca şi
succesoarele lor bazate pe web, au avut acelaşi scop al furnizării de informaţii
critice decidenţilor, respectiv îmbunătăţirea performanţelor organizaţiilor conduse
de aceştia.
Tabelul 3.7 Tabloul de bord (dashboard) vs. ”balanţa de scoruri” (scorecard)
(Sursa: Eckerson, W., Deploying Dashboards and Scorecards,

<http://download.101com.com/pub/tdwi/Files/RRS_DB_Q206_F_web.pdf>)
378
http://www.oracle.com/technology/pub/articles/rittman_dash.html

Figura 3.97 Configurarea funcţionalităţii interfeţei indicatorului cheie de performanţă rata promo KPI
Universitatea Modernă, Editura ASE, Bucureşti, 2007, p.174)

Figura 3.98 Reconfigurarea funcţionalităţii interfeţei indicatorului implicit de prezentare 3 Roadsigns

- stabilirea unei pictograme sugestive (încărcarea unui fişier imagine) pentru cazul în care lipsesc date
Universitatea Modernă, Editura ASE, Bucureşti, 2007, p.175)

Deşi unii autori379 utilizează cei doi termeni (tablou de bord sau dashboard,
respectiv “balanţă de scoruri” sau scorecard) alternativ, eventual pentru a desemna
diverse tipuri de aplicaţii analitice utilizate pentru măsurarea performanţei, între
cele două categorii există câteva diferenţe semnificative (tabelul 3.7), determinate
în principal de mecanismul vizual de afişare.
Din perspectiva Microsoft, diferenţele esenţiale dintre cele două sintagme
se concretizează în următoarele:
9 cel de-al doilea este mai ţintit (specific380), mai detaliat şi cu capabilităţi
analitice mai bune decât primul;
9 un tablou de bord conţine381 de regulă “balanţe de scoruri”, grafice, tabele;
9 o “balanţă de scoruri” nu are cele mai recente date, dar oferă comparaţii cu
planuri sau cu rezultate anterioare (este balansată).
3.7.3 Dashboard şi automotive
Uşor de tradus prin românescul „auto” sau „autopropulsat”382, termenul
automotive se referă adesea şi la industria construcţiilor de automobile. O ramură
specializată în cadrul acesteia este astăzi electronica pentru automobile. La început
doar aplicaţie, ea a devenit o disciplină de cercetare ştiinţifică care urmăreşte:
cunoaşterea funcţionării subsistemelor automobilului, înţelegerea rolului
electronicii în soluţionarea problemelor specifice controlului pentru diferite
subsisteme, explicarea funcţionării principalelor sisteme cu asistare electronică şi
evidenţierea avantajelor şi perfomanţelor, înţelegerea unor aspecte economice ale
dezvoltării sistemelor electronice de control în domeniul auto, respectiv sublinierea
tendinţelor de perspectivă.383
Deşi, noţiunea de sistem electronic de control pare să fie diferită - cel puţin
formal, de cea de sistem de asistare electronică, în industria auto se vorbeşte despre
o singură categorie, care include sisteme consacrate prin denumirea şi abrevierea
din limba engleză, cum ar fi:
◦ Blocarea electronică a diferenţialului - EDL (Electronic Differential Lock);
◦ Sistemul de antiblocare la frânare - ABS (Antilock Braking System);
◦ Distribuirea electronică a forţei de frânare - EBD (Electronic Brakeforce
Distribution);
◦ Controlul dinamic al stabilităţii - DSC (Dynamic Stability Control);
◦ Sistemul de control al tracţiunii - TCS (Traction Control System);
◦ Controlul electronic al stabilităţii – ESP/ESC (Electronic Stability
Program/Control);
◦ Managementul stabilităţii-Porsche - PSM (Porsche Stability Management);
379
Popp, A., Performance on the Road to Business Optimization with Dashboards,
<http://www.dmreview.
com/specialreports/2008_75/10001230-1.html?type=printer_friendly>
380
http://www.microsoft.com/uk/business/businessvalue/kpisforcompanies.mspx
381
http://office.microsoft.com/en-us/performancepoint/HA102524951033.aspx
382
http://www.merriam-webster.com/dictionary/automotive
383
http://www.etc.tuiasi.ro/diverse/prezentare_EASI.pdf

◦ Frânarea automată a diferenţialului - ADB (Automatic Differential Brake);

◦ Sistemul de prindere suplimentară - SRS (Supplementary Restraint
System), adesea sub forma unui sistem de perne de aer auto-gonflabile
(airbags).
Nepermise în întreceri sportive auto, aceste sisteme fac parte adesea din
dotările standard ale autoturismelor destinate traficului rutier. La origine,
automatisme menite să sporească securitatea vehiculului şi a pasagerilor, ele se
adresează de obicei conducătorilor auto amatori, aflaţi în situaţii critice, în care nici
chiar experienţa profesioniştilor nu ajută întotdeauna.
Raportate la sistemele de asistare a deciziilor, toate sistemele electronice de
asistare menţionate utilizează sau, cel puţin, sunt construite pornind de la modele
din lumea reală (mecanică, dinamica fluidelor), cu scopul de a asista utilizatorii
(conducătorul auto şi pasagerii).
Figura 3.99 Sistemul de asistare Travolution (Audi)

(Surse: http://www.coolest-gadgets.com/wp-content/uploads/travolution.jpg)
Mai mult decât atât, aplicaţiile de tip Business Intelligence disponibile pe

piaţă la ora actuală împrumută, cel puţin la nivel de prezentare, multe trăsături
specifice industriei automotive (fig.3.99 - sistem care semnalează timpul de
aşteptare la semafoare şi poate determina şi propune un regim optim de viteză
pentru a evita opririle), iar unele concepte BI precum tablou de bord, “balanţă de
scoruri”, respectiv indicator de prezentare a măsurii (gauge), sunt cât se poate de
familiare în sfera unor termeni auto precum: bord, indicator de bord, vitezometru
sau turometru.
Figura 3.100 Calculator personal de maşină sau CPC - Car PC

(Surse: http://image.automotive.com/f/miscellaneous/jeep-wrangler-or-cyborg-hi-tech-pimping
/6208450+w600+cr1+re0+ar1/rigby-in-jeep-wranglerjpg.jpg
http://www.vesper.co.nz/images/CPC-265.jpg)
Dacă la aceste idei mai adăugăm apariţia calculatoarelor personale

ultraportabile (UMPC), semnalând că acestea utilizează componente electronice

similare şi dispozitive de afişare de dimensiuni identice cu cele deja folosite pentru

sistemele multimedia şi de navigaţie auto integrate, nu rămâne decât să
presupunem că nu va trece mult până la înlocuirea afişajelor obişnuite ca şi a
renumitelor computer-e de bord din dotarea autoturismelor, cu sisteme de calcul
(fig.3.100), care le vor integra la nivel de aplicaţii, împreună cu celelalte funcţii
avansate de asistare.
3.8 CONCLUZII
Primul scop propus al acestui capitol a fost acela al evidenţierii trăsăturilor
teoretice ale sistemelor de asistare a deciziilor, prin sintetizarea unor opinii
consacrate din literatura de specialitate disponibilă până la acest moment,
concomitent cu analiza lor pe fondul apariţiei unor noi concepte, aplicaţii,
standarde şi tehnologii, precum: indicatorii cheie ai performanţei (KPI), indicatorii
privind excepţiile, Business Intelligence 2.0, Web 2.0, tehnologiile de tip portal, sau
cele care înglobează data, text & web mining.
Concluziile desprinse în acest context se referă la actualitatea sistemelor de
asistare a deciziilor, în ciuda consacrării lor ca domeniu cu o istorie de mai bine de
jumătate de secol, la legătura lor inerentă cu ideea de cunoaştere, respectiv la
puternicele valenţe aplicative ale acestora. Plecând de la premisa că anumite idei ar
putea fi justificate mai bine prin exemple testate şi îmbunătăţite iterativ, s-au reuşit
şi o serie de nuanţări şi problematizări teoretice, în caz contrar, ele fiind mult mai
dificil de realizat.
Concret, aceste exemple s-au orientat în câteva direcţii distincte: optimizări
în filtrarea datelor atât la nivelul bazei de date sursă cât şi în structura
hipercuburilor de date (definirea unor modele cu membri calculaţi şi măsuri,
folosind clauze de test imediat, funcţii de extragere sau expresii algebrice),
controlul şi optimizarea rapoartelor şi a afişării (configurări în afişarea
componentelor hipercubului, optimizări ale filtrelor şi formatărilor de date din foile
de calcul tabelar, în modul de lucru program, cu utilizarea indicatorilor de excepţii,
publicarea pe portal a foilor de calcul cu tabele pivot având drept surse hipercuburi
de date, automatizarea generării de rapoarte şi realizarea de interogări simple
folosind un sistem informaţional geografic apelat în modul program), realizarea
unui modul de criptografiere a datelor, utilizat efectiv la încifrarea conţinutului
rapoartelor de tip foaie de calcul tabelar, convertite în prealabil în blocuri de text,
respectiv construirea, optimizarea şi publicarea asistată a unor componente BI de
tip tabelă de scoruri. Cu ajutorul lor s-a demonstrat că exploatarea bazelor şi
depozitelor de date, raportările de tip Business Intelligence, programele de calcul
tabelar, instrumentele geografice şi aplicaţiile de protecţie şi securitate se
integrează cu succes la nivelul sistemelor de asistare a deciziilor.

CAPITOLUL 4 - CONCLUZII FINALE
Pornind şi de la concluziile desprinse treptat şi menţionate la finalul
fiecărui capitol de cercetare efectivă, am încercat aici o trecere în revistă a celor
mai importante observaţii cu privire la titlu, context, elemente de conţinut şi
legătură, tendinţe, respectiv contribuţii personale şi direcţii viitoare ale acestora.
4.1 SUMARUL CONCLUZIILOR
Alegerea încă din titlu a sintagmei “sisteme de asistare a deciziilor” a
trebuit motivată, aceasta mai ales în contextul în care literatura autohtonă de
specialitate abundă în traduceri mot-à-mot ale conceptului DSS, ca sisteme suport
pentru decizii.
Prin plasarea studiului modelelor decizionale şi al sistemelor de asistare a
deciziilor în contextul societăţii şi economiei cunoaşterii, prezenta lucrare capătă
inevitabil un caracter inter-disciplinar, situându-se la intersecţia dintre
management, statistică, matematică, psihologie, geografie şi informatică. Mai mult,
strict din perspectiva sistemelor informaţionale, studiul sistemelor de asistare a
deciziilor înseamnă şi elemente comune cu: sistemele de automatizare a muncii de
birou, sistemele de gestiune a bazelor de date, sistemele geografice, limbajele de
programare, respectiv protecţia şi securitatea sistemelor.
Pe lângă unele argumente simple şi la îndemână care vizează cunoaşterea
ca resursă nelimitată, factor de producţie şi chiar bun economic, ca bază a oricăror
realizări şi progrese, sau prin prisma accesului independent de vârstă sau de
fundamentul educaţional, cartea reuşeşte să ofere o legătură rezonabilă şi obiectivă
între cele trei capitole de cercetare propriu-zisă, prin câteva elemente esenţiale:
9 surprinderea caracterului complex al luării deciziilor în organizaţiile actuale,
privite în contextul societăţii şi economiei cunoaşterii;
9 evidenţierea rolului major al unor factori de ordin tehnologic priviţi ca vectori
sau activatori ai acestui context;
9 argumentarea considerării modelelor decizionale ca formă distinctă de
cunoaştere;
9 abordarea elementelor teoretice privind deciziile, modelele decizionale,
deficienţele lor şi posibilităţile teoretice de optimizare;
9 demonstrarea anumitor metode, modele şi tehnici folosind exemple de sisteme
sau componente ale unor sisteme de asistare a deciziilor.
Contribuţiile personale se situează la graniţa dintre aspectele teoretice şi
elementele concrete (fig.4.1). Astfel, dincolo de sintetizarea elementelor teoretice
recunoscute, sau de anumite generalizări şi extrapolări menite să le sistematizeze,
respectiv de convenţiile intuitive alese cu privire la variabilele şi indicii utilizaţi,
care oferă o viziune unitară asupra demersului teoretic în ansamblu, lucrarea se
remarcă prin puternicele valenţe aplicative, urmărindu-se justificarea anumitor
concluzii teoretice, pornind inclusiv de la exemple testate şi îmbunătăţite iterativ.

Figura 4.1 Scorecard cu aprecieri privind ponderea teoretic-aplicativ şi intensitatea contribuţiilor

personale pe capitole
În încercarea de a elimina confuziile în legătură cu tendinţele recente din

evoluţia sistemelor de asistare a deciziilor, au fost descrise pe larg şi anumite
compromisuri care se fac atunci când se pune un semn de egalitate între SAD şi
mai noile instrumente de tip Business Intelligence. Sintetic, acestea se referă la:
• înclinaţia ultimelor de a trece, tehnic vorbind, peste nivelul depozitelor de date,
în încercarea de a furniza acces în timp real utilizatorilor de la toate nivelurile
organizaţiei (o îndepărtare în plus de la scopul iniţial al SAD, care viza nivelul
conducerii tactice), fapt care provoacă lipsuri mari sub aspectul relevanţei
statistice a datelor istorice, limitând astfel, de la bun început, utilitatea unei
tehnologii pretinse a fi specifice ideologiei Business Intelligence, şi anume
Data Mining;
• tendinţa instrumentelor de Business Intelligence de a se orienta spre partea de
web, însă în acelaşi timp de a lipsi utilizatorii de posibilitatea interacţiunii cu o
componentă consacrată în teoria şi practica SAD - modulul de gestiune al
modelelor - şi aceasta în condiţiile în care o soluţie foarte la îndemână ar fi
alegerea unui mediu destul de flexibil în acest sens, de tipul programelor de
calcul tabelar; acestea conţin instrumente analitice, programe-rezolvator
(solver-e) şi chiar anumite modele încorporate, suportând în acelaşi timp
componente externe de tip plug-in şi oferind în plus marele avantaj al
experienţei de câteva decenii de folosire de către utilizatori de toate tipurile;
• tendinţa evidentă a instrumentelor de Business Intelligence de a se inspira din
metodologia Balanced Scorecards (de dată relativ recentă - 1992), cel puţin
sub aspectul integrării, dacă nu şi al indicatorilor de eficacitate (tabele de
scoruri - scorecards) sau al alertelor, fiind vorba de un specific care se
regăseşte mai puţin la sistemele de asistare a deciziilor;
• predispoziţia de a pune în discuţie forma simplă, Business Intelligence, cu
referire mai mult la o ideologie, în contrast cu sistemele de asistare a deciziilor
- mai aproape de ideea de sistem, respectiv de aplicaţie propriu-zisă; în ambele
cazuri, însă, se poate vorbi despre un anumit specific al tehnologiei utilizate şi
aceasta este, se pare, partea care le apropie cel mai mult.

Concluzii finale 193
Tocmai din aceste motive, cea mai importantă aplicaţie descrisă în această
lucrare încearcă să reunească unele aspecte specifice numai sistemelor de asistare a
deciziilor, cu cele care se regăsesc doar la instrumentele şi ideologia Business
Intelligence. Avantajul nu poate fi decât acela al utilizatorului final, considerat unul
instruit în mod continuu, informatizat şi adaptat evoluţiilor de ordin tehnologic.
4.2 CONTRIBUŢII PERSONALE
Cartea “Sistemele de asistare a deciziilor în contextul societăţi cunoaşterii”
aduce o serie de contribuţii, după cum urmează:
9 definirea şi stabilirea unui context al cunoaşterii şi al societăţii cunoaşterii;
9 sistematizarea celor mai importante curente de gândire în luarea deciziilor
manageriale;
9 prezentarea sintetică şi sugestivă a unor modele decizionale consacrate,
apelând la notaţii şi simboluri consecvente, respectiv la anumite extrapolări
(matricea decizională generalizată);
9 definirea obiectivă a sistemelor de asistare a deciziilor pornind de la
sistematizarea unor trăsături teoretice supuse unei analize pe principii
bibliometrice;
9 sinteza şi schematizarea clasificării tipurilor de sisteme de asistarea a
deciziilor;
9 o propunere de structură extinsă a sistemelor de asistare a deciziilor, cu
argumentele specifice;
9 soluţii de implementare a diferitelor componente ale sistemelor de asistare a
deciziilor:
o o componentă de criptografiere a datelor cu o interfaţă grafică
specifică, bazată pe un model propriu, aplicabil şi rapoartelor
obţinute în format foaie de calcul tabelar;
o un modul de raportare în format foaie de calcul tabelar, cu elemente
grafice şi de format specifice aplicaţiilor de tip Business Intelligence;
o un mecanism de sugerare a denumirii fişierelor-rapoarte în funcţie de
preferinţele decidentului, pentru o mai bună gestiune a acestora,
respectiv pentru a asigura premisele implementării unui mod de
lucru bazat pe reconstituirea scenariilor;
o un modul de export a rezultatelor într-un format specific sistemelor
informaţionale geografice;
o un modul de localizare geografică;
o o interfaţă utilă asistării deciziilor de grup, care presupune
reconfigurarea unui dispozitiv de introducere a datelor;
o configurarea interfeţei dual-monitor, cu evidenţierea avantajelor
specifice în exploatarea de către utilizatorul final;
o construirea şi implementarea într-un mediu de tip portal a unui
scorecard calitativ cu facilităţi de interogare ad-hoc;

o construirea şi testarea a două modele Data Mining bazate pe arbori

decizionali, respectiv pe segmentare, cu interpretarea rezultatelor
concrete obţinute;
o dezvoltarea a trei modele de filtre la nivelul hipercubului de date,
folosind funcţii matematice şi de test imediat;
o propuneri de perfecţionare a modului de afişare a datelor într-un cub
de date, pornind de la tehnicile specifice aplicaţiilor tridimensionale;
9 explicarea, interpretarea şi argumentarea unor confuzii privind tendinţele de
evoluţie a sistemelor de asistare a deciziilor în direcţii precum Business
Intelligence, respectiv a unor corelaţii cu industria automotive.
4.3 DIRECŢII DE CONTINUARE A CERCETĂRII
Referindu-ne strict la latura aplicativă testată a sistemelor de asistare a
deciziilor, aşa cum reiese ea din cuprinsul acestei lucrări, dintre perspectivele
concrete de perfecţionare identificate până la acest moment, menţionăm:
9 crearea unui modul de calcul al distanţelor la nivelul componentei geografice;
9 generalizarea pentru n criterii a componentei bazate pe modelul utilităţii
decizionale;
9 realizarea unui modul de interfaţă pentru reconstituirea scenariilor de lucru,
pornind de la denumirea sugestivă a rapoartelor;
9 conceperea şi integrarea unui modul Data Mining controlat de utilizator;
9 crearea la nivelul aplicaţiei de asistare a deciziilor a unei componente de
gestiune a modelelor decizionale;
9 îmbunătăţirea modelului de criptografiere a datelor, prin:
¾ definirea unei proceduri suplimentare de aducere a textului
obţinut la un domeniu mai cuprinzător sau egal cu cel
original, prin conversia ASCII a numerelor între 11 şi 255;
¾ crearea unui generator de chei de criptare care să extindă
domeniul deocamdată limitat al acestora (numere în sistemul
zecimal);
¾ definirea unei tabele de substituţie cu funcţii de conversie
mai rapide decât cele care corespund transformării ASCII;
¾ eliminarea separatorului “,”.
Într-o manieră ceva mai consistentă şi cu rezultate poate mai promiţătoare
pentru contextul societăţii cunoaşterii, cercetarea care a stat la baza realizării
acestei lucrări ar putea continua şi cu o serie de studii asupra fundamentării
deciziilor cu instrumente la graniţa cu inteligenţa artificială, respectiv folosind un
cadru de lucru bazat pe ontologii.

BIBLIOGRAFIE
CĂRŢI:
1. ***, Dictionarul explicativ al limbii române, Ediţia a II-a, Editura Univers
Enciclopedic, Bucureşti, 1998
2. Airinei, D., Dospinescu, O., Genete, D., Popescul, D., Strîmbei, C., Sîrbu, F.,
Creţu, L., Greavu-Şerban, V., Homocianu, D., Păvăloaia, D., Modele de
aplicaţii practice în Microsoft Excel şi Microsoft Access, Editura Sedcom
Libris, Iaşi, 2007
3. Airinei, D., Grama, A., Fătu, T., Fotache, D., Georgescu, M., Tehnologii
informaţionale pentru afaceri, Editura Sedcom Libris, Iaşi, 2006
4. Albright, S., C., VBA for Modelers: Developing Decision Support Systems
with Microsoft Excel. Second Edition, Thomson Brooks/Cole, Belmont, 2007
5. Alter, S., Information Systems: A management perspective. 3rd edition,
Addison Wesley Longman, New York, 1999
6. Anandarajan, M., Anandarajan, A., Srinivasan, C., A., Business Intelligence
Techniques - A perspective from Accounting and Finance, Springer-Verlag,
Berlin, 2004
7. Andone, I., Tabără, N. (coord), Contabilitate, tehnologie şi competitivitate,
Editura Academiei Române, Bucureşti, 2006
8. Arnott, D., Pervan, G., A Critical Analysis of Decision Support Systems
Research, Journal of Information Technology, 20, 2, 2005
9. Avram Niţchi, R., Avornicului, C., Bologa, C., Niţchi, Ş., I., Rusu, L., Silaghi,
Gh., C., Tomai, N., Esenţial în informatica economică, Editura Risoprint, Cluj-
Napoca, 2006
10. Bergeron, B., Essentials of Knowledge Management, John Wiley & Sons Inc.,
New Jersey, 2003
11. Bidgoli, H., Handbook of Information Security - Threats, Vulnerabilities,
Prevention, Detection and Management, Volume 3, John Wiley and Sons, New
Jersey, 2006
12. Boldur-Latescu, G., Logica decizională şi conducerea sistemelor, Editura
Academiei Române, Bucureşti,1992
13. Buzărnescu, Ş., Sociologia conducerii, Editura de Vest, Timişoara, 2003
14. Catană, D., Management general, Editura Tipomur, Tg. Mures, 1994
15. Chandler, A., D., Hagstrom, P., Solvell, O., The dynamic firm. The role of
technology, strategy, oraganization and regions, Oxford University Press, New
York, 1998
16. Charles, W., Hill, L., International Business (Competing In The Global
Marketplace), Irwin McGraw-Hill, 2000
17. Choo, C., W., Bontis, N., The strategic management of intellectual capital and
organizational knowledge, Oxford University Press, New York, 2002
18. Claude-Larchet, J., Terapeutica bolilor spirituale, Editura Sofia, Bucureşti,
2001
19. Connolly, T., Begg, C., Strachan, A., Baze de date. Proiectare. Implementare.
Gestionare, Editura Teora, Bucureşti, 2001 - traducere de Simona şi Titi Preda

20. Den Hamer, P., De organisatie van Business Inteligence, SdU Publishers,
Hague, 2005
21. Dennis, A., Wixom., B.,H., System Analysis and Design. An applied approach,
John Wiley & Sons, New York, 2000
22. Dobre, I., Bădescu, A., V., Păună, L., Teoria deciziei, Editura ASE, Bucureşti,
2007
23. Drucker, P., F., Managing in turbulent times, Harper Business, 2002
24. Drucker, P., F., Societatea postcapitalistă, Editura Image, 1999
25. Eom, S., B., The Development of Decision Support Systems Research: A
Bibliometrical Approach, The Edwin Meller Press, New York, 2007
26. Figueira, J., Greco, S., Ehrgott, M., Multiple Criteria Decision Making. State of
the Art Surveys, Springer, New York, 2005
27. Filip, M., Grama, A., Medii de programare. Abordări teoretice, Editura Fides,
Iaşi, 1998
28. Fînaru, L.., Sisteme informaţionale şi gestiunea financiară a întreprinderii,
Editura Junimea, 2000
29. Fotache, D., Hurbean, L., Sisteme integrate pentru gestiunea afacerilor - ERP,
Editura Economica, Bucureşti, 2004
30. Fotache, M., SQL. Dialecte DB2, Oracle şi Visual FoxPro, Editura Polirom,
Iaşi, 2001
31. Friedman, T., The world is flat: A brief history of the 21st century, Farrar,
Straus and Giroux, New York, 2005
32. Galliers, R., Leidner, D., E., Baker, B., S., H., Strategic Information
Management - Challenges and Strategies in Managing Information Systems
second edition, Butterworth Heinemann, Oxford, 2001
33. Garcia-Molina, H., Ullman, J., D., Widom, J., Database Systems. The
Complete Book, Prentice Hall, New Jersey, 2002
34. Haag, S., Cummings, M., McCubbrey, D., J., Pinsonneault, A., Donovan, R.,
Management Information Systems for The Information Age, McGraw-Hill
Ryerson Limited, 2000
35. Haag, S., Cummings, M., Phillips., A., Management Information Systems for
the Information Age, Sixth Edition, McGraw-Hill Irwin, New York, 2007
36. Haettenschwiler, P., Neues anwenderfreundliches Konzept der
Entscheidungsunterstützung. Gutes Entscheiden in Wirtschaft, Politik und
Gesellschaft, Zurich, 1999, vdf Hochschulverlag AG
37. Harmon, P., Hall, C., Intelligent software systems development. An IS
Manager’s guide, John Wiley & Sons, Inc., New York, 2006
38. Held, D., McGrew, A., Goldblatt, D., Perraton, J., Global
Transformations, Stanford University Press, Stanford, 1999
39. Holsapple, C., W., Whinston, A., B., Decision Support Systems: A Knowledge
- Based Approach, West Publishing Company, Minneapolis, St. Paul, 1996
40. Inmon, W., H., Building the Data Warehouse, John Wiley & Sons, New
York, 1996

Bibliografie 197
41. Jodal, E., Dicţionar de tehnică de calcul englez-român, Editura Albastră, Cluj-
Napoca, 2000
42. Kaplan, R., S., Norton, D., P., Using the Balanced Scorecard to create
Corporate Synergies, Harvard Business School Publishing Corporation,
Boston, 2006
43. Kelly, S., Data Warehousing in Action, John Wiley & Sons, New York, 1997
44. Kimball, R., Ross, M., The Data Warehouse Toolkit, Second Edition. The
Complete Guide to Dimensional Modeling, Wiley Computer Publishing, New
York, 2002
45. Koutsoukis, N-S., Mitra, G., Decision Modelling and Information Systems.
The Information Value Chain, Kluwer Academic Publishers, Boston, 2003
46. Levet, J.-L., L’Intelligence Économique. Mode de pensée, mode d’action,
Economica, Paris, 2001
47. Lucey, T., Management Information Systems 6th edition, DP Publications
Limited, London, 1991
48. Lungu, I., Bodea, C., Bădescu, G., Ioniţă, C., Baze de date. Organizare,
Proiectare şi Implementare, Editura All Educational, Bucureşti, 1995
49. Marakas, G., A., Decision Support Systems In the 21st Century. Second
Edition, Prentice Hall, New Jersey, 2003
50. Marchand, D., Davenport, T., Dickson, T., Mastering Information
Management, Financial Times, Prentice Hall, London, 2000
51. McLeod Jr., R., Jordan, E., Systems Development: A Project Management
Approach, John Wiley and Sons, New York, 2002
52. Meşniţă, G., Sistemele informaţionale contabile în contextul globalizării,
Editura Junimea, Iaşi, 2002
53. Minzberg, H., Le management. Voyage au Centre des Organisations, Editions
d'Organisation, Paris, 1999
54. Mora, M., Forgionne, G., Gupta, J., Decision Making Support Systems:
Achievements, Trends and Challenges for the New Decade, Idea Group Inc.
2003
55. Murphy, E., C., Murphy, M., A., Leading at the Edge of Chaos: The 10 Critical
Elements for Success in Volatile Times, Prentice Hall, New York, 2003
56. Nica, P., Iftimescu, A., Management. Concepte şi aplicaţii, Editura Sedcom
Libris, Iaşi, 2004
57. Nica, P., Prodan, A., Iftimescu, A., Management, Editura Universităţii “Al. I
Cuza”, Iaşi, 2001
58. Nica, P., şi colaboratorii, Managementul firmei, Editura Combinatul Poligrafic,
Chişinău, 1994
59. Nicolescu, O. (coordonator), Sistemul decizional al organizaţiei, Editura
Economică, Bucureşti, 1998
60. Niţchi, Ş., I., Avram Niţchi, R., Ghişoiu, N., Lacurezeanu, R., Mocean, L.,
Oprean, D., Sitar-Tăut, D., A., Stanca, L., M., Tomai, N., Vancea, M., Jecan,
S., Elemente de baze de date şi programare aplicate în economie, Editura
Risoprint, Cluj-Napoca, 2006

61. O’Brien, J., Marakas, G., M., Management Information Systems, Seventh
edition, McGraw – Hill International Edition, New York, 2003
62. Oprea, D., Airinei, D., Fotache, M., Sisteme Informaţionale pentru Afaceri,
Editura Polirom, Iaşi, 2002
63. Oprea, D., Analiza şi proiectarea sistemelor informaţionale economice,
Polirom, Iaşi, 1999
64. Oprea, D., Protecţia şi securitatea informaţiilor, Editura Polirom, Iaşi, 2003
65. Pareek, D., Business Intelligence for telecommunications, Auerbach
Publications, New York, 2006
66. Pick, J., B., Geographic Information Systems in Business, Idea Group
Publishing, Hershey, 2004
67. Postelnicu, G., Postelnicu, C., Globalizarea economiei, Editura Economică,
Bucureşti, 2000
68. Potter, K., H., Buswell, R., E., Jaini, P., S., Noble, R., Encyclopedia of Indian
Philosophies, Volume IX, Buddhist Philosophy From 350 To 600 A.D.,
Motilal Banarsidass, Delhi, 2003
69. Rasmussen, N., H., Goldy, P., S., Solli, P., O., Financial Business Intelligence -
Trends, Technology, Software Selection and Implementation, John Wiley and
Sons, Inc., New York, 2002
70. Revel, J., F, Obsesia antiamericană, Editura Humanitas, Bucureşti, 2004
71. Rusu, C., Cojocaru, G., Chinciu, D., Organizarea şi conducerea întreprinderilor
din industria uşoară, Editura Didactică şi Pedagogică, 1980
72. Schein, E., Organizational Culture and Leadership, 2nd Edition, Jossey-Bass,
San Francisco, 1992
73. Schneider, S., L., Shanteau, J., Emerging perspectives on judgement and
decision research, Cambridge University Press, New York, 2003
74. Shimizu, T., Monteiro de Carvalho, M., Laurindo, F., J., B., Strategic
Alignment Process and Decision Support Systems - Theory and Case Studies,
Idea Group Publishing, Hershey, 2006
75. Simon, A., R., Shaffer, S., L., Data Warehousing and Business Intelligence for
e-Commerce, Morgan Kaufmann, 2001
76. Simon, J., C., Introduction to Information Systems, John Wiley and Sons, New
York, 2001
77. Sol, H., G., Takkenberg, C., A., T., De Vries Robbé, P., Expert System and
Artificial Intelligence in Decision Support Systems, Reidel Publishing
Company, Dordrecht, 1987, p.61
78. Sprague, R., H., Carlson, E., D., Building Effective Decision Support Systems,
Englewood Cliffs, Prentice-Hall, New Jersey,1982
79. Sprague, R., H., Watson, H., J., Decision Support Systems: putting theory into
practice. 3rd edition, Englewood Clifs, Prentice Hall, New Jersey, 1993
80. Stewart, T., A., Intellectual Capital: The New Wealth of Organizations,
Doubleday Business, New York, 1999
81. Tang, Z., MacLennan, J., Data Mining with SQL Server 2005, Wiley
Publishing, Inc., Indianapolis, 2005

Bibliografie 199
82. Tuomi, I., Networks of innovation, change and meaning in the Age of Internet,
Oxford University Press, New York, 2002
83. Turban, E., Aronson, J., E., Decision Support Systems and Intelligent Systems,
Prentice Hall, 2001
84. Turban, E., Aronson, J., E., Liang, T.-P., Sharda, R., Decision Support and
Business Intelligence Systems - Eighth Edition, Pearson Education, Inc., New
Jersey, 2007
85. Wilfong, J., Seger, T., Taking Your Business Global, Career Press, Franklin
Lanes, New Jersey, 1997
86. Zeleny, M., Human Systems Management - Integrating Knowledge,
Management and Systems, World Scientific, London, 2005
ARTICOLE ŞI ALTE MATERIALE:
• *** Forum Guide to Decision Support Systems - A Resource for Educators,
<http://nces.ed.gov/pubs2006/2006807.pdf
• *** Sun Microsystems, Java Look and Feel Design Guidelines, Addison
Wesley, 1999
• *** Sun Microsystems, JSRs:Java Specification Request - JSR 168: Portlet
Specification, <http://www.jcp.org/en/jsr/detail?id=168>
• ***, Microsoft, Knowledge Workers Without Limits, <http://www.microsoft.
com/presspass/press/1999/may99/CEOSummpr.mspx>
• ***, OECD, Knowledge Management in the Learning Society, Education and
Skills, Paris, 2000
• ***, OECD/GD (96)102, The Knowledge-Based Economy, Paris, 1996
• ***, Perspectives of Information Systems - Content of The CEMS Course,
<http://zeus.bke.hu/oktatas/cems/perspectives/DecisionMaking.pdf>
• ***Asociaţia română de inteligenţă economică, <http://www.aier.as.ro/faq.htm>
• ***Examining the Present and Looking to the Future of DSS and Intelligent
Systems, in CIIMA, Volume 3 Issue 2, <http://www.iima.org/CIIMA/CIIMA
%20V3%20N2%203%20Downing.pdf>
• ***Humans as Information Processors, <http://www.ehcweb.ehc.edu/faculty/
ljcumbo/human.html>
• ***iScala Business Intelligence Server, <http://www.scala.ro>
• ***LGI Systems Incorporated, <http://www.dwinfocenter.org/decsup.html>
• Ackoff, R., L., From Data to Wisdom, Journal of Applied Systems Analysis,
vol. 16, 1989
• Airinei, D, Homocianu, D., Eficienţa sistemului de management al cunoaşterii
şi cerinţe de implementare, în vol. coord. de Bodea, C.-N., Andone, I.,
Managementul Cunoaşterii în Universitatea Modernă, Editura ASE, Bucureşti,
2007
• Airinei, D., Homocianu, D, Data Mining Techniques in Education, The
Proceeding of the International Conference ”AMIS 2006”, Editura ASE,
Bucureşti, 2006

• Airinei, D., Homocianu, D., 2V or The Real-Time Business Interface, The

proceedings of “The Central and East European Conference in Collaborative
SMEs 2006”, Editura Univ. “Alexandru Ioan Cuza” Iaşi, 2007
• Airinei, D., Homocianu, D., A BI and GIS Based DSS from Interface to
Reports, The proceedings of the 9-th European Conference: E-Comm-Line,
IPA Publishing House, Bucharest, 2008
• Airinei, D., Homocianu, D., A DSS model with Business Intelligence
Reporting Facilities, Sisteme Integrate Colaborative pentru Afaceri Mici şi
Mijlocii, Editura Universităţii “Alexandru Ioan Cuza”, 2007
• Airinei, D., Homocianu, D., Comparative Analysis of Business Intelligence
Solutions, The proceedings of the International Conference: ”Competitiveness
and European Integration 2007”, Editura Risoprint, Cluj-Napoca, 2007
• Airinei, D., Homocianu, D., DSS vs. Business Intelligence, The proceedings of
the International Economic Conference: ”Integrative Relations Between The
European Union Institutions and The Member States”, “Lucian Blaga”
University Publishing House, Sibiu, 2008
• Airinei, D., Homocianu, D., Issues about KM in Education - Case Study on
FEAA, UAIC, Iaşi, The proceedings of The seventh International Conference
on Informatics in Economy: ”Informatics in Knowledge Society”, Editura
ASE, Bucureşti, 2007
• Airinei, D., Homocianu, D., Scorecards & Dashboards - Part of a BI Solution
in Education, The proceedings of the international conference:
“InfoBUSINESS'2006”, Editura Universităţii “Alexandru Ioan Cuza” Iaşi, 2007
• Argyris, C., Theories of action, double-loop learning and organizational
learning, <http://www.infed.org/thinkers/argyris.htm>
• Azar, B., Researchers counting on animals for clues to math,
<http://www.apa.org/monitor/apr99/math.html>
• Babu, A., R., Singh, Z., P., Sachedeva, R., K., Establishing a management
information system, <http://www.fao.org/docrep/W5830E/w5830e0k.htm>
• Bailey Lee, C., Snavely, A., Precise and realistic Utility Functions for User-
Centric Performance Analysis of Schedulers, <http://www.sdsc.edu/~allans/
preciseutility.pdf>
• Balogh, J., Finance Business Intelligence - From Data to Information to
Competetive Advantage, DM Review Magazine, December 2003,
<http://www.dmreview.com/issues/20031201/7733-1.html>
• Barnat, R., Strategic management, <http://www.introduction-to-management.
24xls.com/en129>
• Baroni de Carvalho, R., Ferreira, M., A., T., Using information technology to
support knowledge conversion processes, <http://informationr.net/ir/7-1/paper
118.html>
• Bellinger, G., Knowledge Management-Emerging Perspectives, <http://www.
welchco.com/02/14/01/60/00/03/0701.HTM>

Bibliografie 201
• Boye, J., Portal Software: Passing Fad or Real Value?, <http://www.cms

watch.com/Feature/120-Case-Against-Portals>
• Bray, T., Paoli, J., Sperberg-McQueen, C., M., Maler, E., Yergeau, F.,
Extensible Markup Language (XML) 1.0 (Fourth Edition) - Origin and Goals,
<http://www.w3.org/TR/2006/REC-xml-20060816/>
• Chandler, D., Technological or Media Determinism, <http://www.aber.ac.uk/
media/Documents/tecdet/tdet02.html>
• Chase-Dunn, C., Globalization: A World-System Perspective, în Journal of
World-System Research, V, 2, Spring, 1999
• Chaudhuri,S.(Microsoft), Dayal, U.(HP Labs), An overview of Data
Warehousing and OLAP Technology, <http://users.encs.concordia.ca/~k_dutta
/P.ppt#260,5,Tiered Architecture>
• Codd, E., F., Codd, S., B., Salley, C., T., Providing OLAP to User-Analysts:
An IT mandate, <http://www.hyperion.com/solutions/whitepapers/cfm>
• Cristea, D., Artificial Intelligence on Web, <http://thor.info.uaic.ro/~dcristea/
cursuri/IAOnWeb/IA5-Tipuri%20de%20cautari.htm>
• Crowther-Heyck, H., Herbert Simon and the GSIA: Building an
Interdisciplinary Community, în Journal of History and Behavioral Sciences,
42, 4 (Winter 2006)
• Curaj, A., Jianu., I., Capitalul Intelectual Organizaţional, <http://www.know
ledgedynamics.ro/?p=12>
• Davis, J., N., How is charisma routinized? A new look at an old question,
<http://etd.lib.ttu.edu/theses/available/etd-08102005-
150621/unrestricted/Davis_John_Norman_Diss.pdf>
• Deaconu, A., Învăţarea organizaţională şi drumul spre performanţă, <http://
www.spiruharet.ro/ecel/w29.pdf>
• Dekker, H., Business Intelligence, June 2002, Emerce, <http://www.
emerce.nl/archives/magazine/juni2002/Dossier/13997.html>
• Demaiter, E., Knowledge Workers in the New Economy: Skill, Flexibility and
Credentials, <http://www.allacademic.com/meta/p_mla_apa_research_citation
/1/7/8/3/9/p178393_index.html>
• Dewey, R., Piaget, <http://www.psywww.com/intropsych/ch10_development
/piaget.html>
• Dewey, R., The General Problem Solver, <http://www.psywww.com/intro
psych/ch07_cognition/general_problem_solver.html>
• Dragomirescu, H., Organizaţii bazate pe cunoaştere, <http://www.acad.ro/pro_
pri/doc/st_g06.doc>
• Drăgănescu, M., Societatea informaţională şi a cunoaşterii. Vectorii societăţii
cunoaşterii, <http://www.edemocratie.ro/pub_vectorii_soccun.html>
• Drucker, P., F., Knowledge Work and Knowledge Society. The Social
Transformations of this Century, <http://www.ksg.harvard.edu/ifactory/ksg
press/www/ksg_news/transcripts/drucklec.htm>

• Drucker, P., F., Landmarks of Tomorrow, Harper and Row, 1957,

<http://europa.eu.int/comm/employment_Social/knowledge_society/hcsc_back
_en.pdf>
• Dungaciu, S., Avatarurile teoriei globalizării în Balcani. Utilizări posibile
şi/sau eficiente ale instrumentelor de analiză, <http://www.geopolitica
.ro/avatarurile_teoriei_globalizării_sd.htm>
• Durkheim, E., The Rules of Sociological Method, New York, The Free Press
of Glenco, 1895, <http://www.cf.ac.uk/socsi/undergraduate/introsoc/durkheim.
html>
• Eckerson, W., Deploying Dashboards and Scorecards, <http://download.
101com.com/pub/tdwi/Files/RRS_DB_Q206_F_web.pdf>
• Emad, F., Tseng, C.-W., Algorithm Strategies, <http://www.cs.umd.edu/class
/spring2005/cmsc132/lecs/lec34.ppt>
• Filip, F., G., Roberts, P., D., Zhang, J., Combined numeric/ knowledge-based
control of large scale industrial systems; part.I: A survey of reported results,
Studies in Informatics and Control - SIC 1(2), 1992
• Filip, Gh., F., Decizie asistată de calculator: Decizii, decidenti, metode şi
instrumente de bază, <http://www.revistaie.ase.ro/content/33/Recenzie%
20SSD04.pdf>
• Fishburn, P., C., Retrospective on the Utility Theory of von Neumann and
Morgenstern, <http://ideas.repec.org/a/kap/jrisku/v2y1989i2p127-57.html>
• Forgionne, G., An architecture for the Integration of Decision Making Support
Functionalities,<http://www.igi-ub.com/downloads/excerpts/1591400457Ex.pdf>
• Fotache, M., Probleme generale ale managementului cunoştinţelor, <http://
www.feaa.uaic.ro/cercetare/simpozioane/24_26_oct_2002/ziua2/sectiunea_ii/p
robleme%20generale%20ale%20managementului%20cunostintelor.pdf>
• Fraser, N., Social Justice in the Knowledge Society: Redistribution,
Recognition, and Participation, <http://wissensgesellschaft.org/themen/orientie
rung/socialjustice.pdf>
• Frawley, W., Piatetsky-Shapiro, G., Matheus., C., Knowledge Discovery in
Databases: An Overview, AI Magazine, Fall 1992, <http://www.kdnuggets.
com/news/94/n6.txt>
• Gemmy, A., Management History, <http://ollie.dcccd.edu/MGMT1374/book_
contents/1overview/management_history/mgmt_history.htm>
• Grama, V., Homocianu, D., Business Intelligence in The Knowledge Age, The
proceedings of “The Central and East European Conference in Collaborative
SMEs 2006”, Editura Univ. “Alexandru Ioan Cuza” Iaşi, 2007
• Gray, J., et. al., Data Cube: A Relational Aggregation Operator Generalizing
Group-By, Cross-Tab and Sub-Totals, Data Mining and Knowledge Discovery,
vol. 1, no. 1, 1997
• Grayson, C., et al., Mining your hidden resources, Across the Board, 35(4): 23-
28, April, 1998, <http://www.uts.edu.au/fac/hss/Departments/DIS/km/
Resources/KMIntro/index.htm>

Bibliografie 203
• Hand, D., Mannila, H., Smyth, P., Principles of Data Mining, MIT Press,
Cambridge, 2001, <http://www.ici.ro/ici/revista/ria2005_2/art03.html>
• Hattenschwiler, P., Gachet, A., Decision Support Systems, <http://diuf.unifr.ch
/ds/courses/dss2002/pdf/DSS.pdf>
• Hernandez, G., MDX, <http://www.georgehernandez.com/h/xComputers/Data
bases/MD/MDX.asp>
• Herschel, R., T., KM & Business Intelligence: The importance of integration,
<http://www-sop.inria.fr/acacia/WORKSHOPS/IJCAI2005-OM/articlesPDF
/13-OM2005.pdf>
• Hobart, J., Principles of good GUI Design, <http://www.iie.org.mx/Monitor
/v01n03/ar_ihc2.htm>
• Hofstede, G., People whose ideas influence organisational work, <http://www.
onepine.info/mcult.htm>
• Holsapple, C., W., Whinston, A., B., Knowledge-Based Organization, <http://
www.indiana.edu/~tisj/readers/abstracts/5/5-2%20Holsapple.html>
• Homocianu, D., ”Bazat pe cunoaştere” - mai mult decât metaforă în realităţile
prezente şi viitoare, Analele Ştiinţifice ale Universităţii “Alexandru Ioan Cuza”
Iaşi, Tomul L/LI, Ştiinţe Economice, 2004/2005, Editura Universităţii
“Alexandru Ioan Cuza”, Iaşi, 2005
• Homocianu, D., A 2d ciphering test interface model, The proceedings of the
international conference: “InfoBUSINESS'2006”, The Publishing House of the
“Alexandru Ioan Cuza” University, Iaşi, 2007
• Homocianu, D., A ciphering model described step by step, în The Scientific
Annals of the “Alexandru Ioan Cuza” University from Iaşi, Tome LII/LIII,
Economic Sciences, 2005/2006, Editura Universităţii “Alexandru Ioan Cuza”,
Iaşi, 2006
• Homocianu, D., A Data Mining and User Interface based DSS Approach, The
proceedings of the international conference: “Knowledge Management,
Projects, Systems and Technologies”, Editura Inforec, Bucureşti, 2006
• Homocianu, D., AJAX or the new standard for faster web interfaces, vol.
“Teoria şi Practica Economică în Societatea Cunoaşterii”, coordonatori: Ion
Pohoaţă, Andreea Iacobuţă, Editura Sedcom Libris, Iaşi, 2007
• Homocianu, D., Business Intelligence between Reality and Fancy Words, The
proceedings of the 8-th European Conference: E-Comm-Line, IPA Publishing
House, Bucharest, 2007
• Homocianu, D., New rules for GUI design, The proceedings of The seventh
International Conference on Informatics in Economy: “Information &
Knowledge Age”, Inforec Printing House, Bucharest, 2005
• Iancu, A., Opera lui Nicholas Georgescu Röegen şi discuţii în jurul ei,
<http://www.ipe.ro/noutati_Iancu.pdf>
• Işan, V., Noua Economie: alegaţii şi evidenţe, Revista Informatică Economică,
nr.2 (22)/2002
• Kelly, K., New Rules for the new economy, <www.kk.org/newrules>

• Kirkwood, C., W., Decision Trees, <http://www.public.asu.edu/~kirkwood/

DAStuff/decisiontrees/DecisionTreePrimer-1.pdf>
• Kuhn, K., D., Robust maintenance policies for Merkovian systems under
model uncertainty, <http://repositories.cdlib.org/cgi/viewcontent.cgi?article
=3598&context=postprints>
• Kuhn, P., J., McAusland, C., The International Migration of Knowledge
Workers: When is Brain Drain Beneficial, <http://www.nber.org/papers/w
12761>
• Laszlo, E., Paths to Planetary Civilization, <http://www.kosmosjournal.org
/kjo/backissue/s2006/laszlo-1.shtml>
• Lin, G., Yu, T., P.-Y., A Greedy, Non-recursive Algorithm for Minimum-Time
Rendering of Triangle Meshes, <http://www.math.drexel.edu/~tyu/Papers/
MTR_JEA.pdf>
• MacKendrick, K., Startwell, C., Body Modification and the Madness of
Decision, <http://www.crispinsartwell.com/madness.htm>
• Madhavan, R., Grover, R., From Embedded Knowledge to Embodied
Knowledge: New product development as knowledge management, Journal of
Marketing. 62(4): 1-12, 1998 Oct., <http://www.uts.edu.au/fac/hss/Depart
ments/DIS/km/introduct.htm#Char>
• Malhotra, Y., Knowledge Management for E-Business Performance:
Advancing Information Strategy to ‘Internet Time’, Information Strategy: The
Executive’s Journal, vol.16, 2000
• Malhotra, Y., Knowledge management, knowledge organizations & knowledge
workers: a view from the front lines, <http://www.brint.com/interview/
maeil.htm>
• Malhotra, Y., Why knowledge management systems fail? Enablers and
constraints of knowledge management in human enterprises,
<http://www.brint.org/kms.pdf>,<http://www.brint.org/WhyKMSFail.htm>
• Mallach, E., Title: Understanding Decision Support Systems and Expert
Systems, <http://dssresources.com/books/contents/mallach94.html>
• Marshall, L., Facilitating knowledge management and knowledge sharing:
New opportunities for information professionals, 1997 Sep/Oct.,
<http://www.uts.edu.au/fac/hss/Departments/DIS/km/introduct.htm#Char>
• Matei, S., O poveste românească despre globalizare, <http://interval.tripod.com
/09-99/GlobalizareRomaneasca_matei.htm>
• Michaels, J., W., How New is the New Economy?, Forbes, nr. 11, 1999
• Microsoft Corporation, The Windows Interface: An Application Design Guide,
Redmond, Microsoft Press, 1992, <http://colos1.fri.uni-lj.si/~sis/computing/
gui/gui_guidelines/gui_intro.htm>
• Neacşu, I., Învăţarea academică independentă. Ghid metodologic, <http://
www.unibuc.ro/uploads_ro/36833/Invatarea_academica_independenta.pdf>
• Newquist, H., P., Data Mining: The AI Metamorphosis, <http://www.
dbpd.com/vault/newquist.htm>

Bibliografie 205
• Nickols, F., KM Overview. Technologies & Tools, <http://home.att.net/~dis

con/KM/KM_Overview_Technologies.htm>
• Nolan, C., Manipulate and Query OLAP Data Using ADOMD and Multi
dimensional Expressions, <http://www.microsoft.com/msj/0899/mdx/mdx.aspx>
• Nonaka, I., A Dynamic Theory of Organizational Knowledge Creation,
Organization Science, vol.5, no.1, February 1994
• Nonaka, I., Toyama, R., Konno, N., SECI BA and Leadership: a unified model
of dynamic knowledge creation, Long Range Planning, no.33/2000
• Orzan, G., Societatea Cunoaşterii şi Net-Economia, Revista de marketing On-
line, Nr.1, <http://www.editurauranus.ro/marketing-ynline/11/pdf/4.pdf>
• Paul, V., Conflictele secolului XXI. Războiul informaţional, în Colocviu
Strategic, Nr.7, august 2005, <http://cssas.unap.ro/ro/pdf_publicatii/cs07-
05.pdf>
• Piatetsky-Shapiro, G., KDD: 10 years later, <http://www.kdnuggets.com/
gpspubs/sigkdd-explorations-kdd-10-years.html>
• Popp, A., Performance on the Road to Business Optimization with Dashboards,
<http://www.dmreview.com/specialreports/2008_75/10001230-1.html?type=
printer_friendly>
• Power, D., J., What is decision automation, <http://dssresources.com/faq
/index.php?action=artikel&id=6>
• Power, D., Supporting Decision-Makers: An Expanded Framework, The
Proceedings of the “Informing Science” Conference, Krakow, June 2001
• Prusak, L., Where did knowledge management come from?, <http://www.
research.ibm.com/journal/sj/404/prusak.html>
• Quarles van Ufford, D., Business Intelligence - The Umbrella Term, <http://
www.few.vu.nl/stagebureau/werkstuk/werkstukken/werkstuk-quarles.doc>
• Radin, D., Rae, C., Hyman, R., Is There a Sixth Sense, <http://psycho
logytoday.com/articles/pto-20000701-000034.html>
• Raţiu-Suciu, C., Modelarea şi simularea proceselor economice, <http://www.
ase.ro/biblioteca/pagina2.asp?id=cap6>
• Rippen, M., Decision Support Systems, <http://www.tessella.com/Literature/
Supplements/PDF/DecisionSupportSystems.pdf>
• Robat, C., Moore, G., E., <http://www.thocp.net/biographies/moore_gordon.
htm>
• Rooney, D., Knowledge, economy, technology and society - The politics of
disourse, Telematics and Informatics, no. 22, 2005
• Rosenstein, B., Peter Drucker: The Ultimate Knowledge Worker, <http://www.
ibiblio.org/slanews/conferences/sla2006/presentations/drucker.pdf>
• Ross, W., D., Nichomachean Etics, <http://classics.mit.edu/Aristotle/nico
machaen.html>
• Roşca, I., Gh., Despre pilonii societãţii cunoaşterii în România, <http://www.
ectap.ro/articole/105.pdf>

• Schein, E., H., Organizational Culture, American Psychologist, February 1990,

vol.45, no.2
• Seiner, R., S., Digging up $$$ with Data Mining - An executive guide,
<http://www.tdan.com/i010ht01.htm>
• Sklair, L., Competing Conceptions of Globalization, Journal of World-Systems
Research, vol. V, nr. 2, 1999
• Sniedovich, M., Maximin/Worst-Case Analysis Capaign, <http://maximin.
moshe-online.com/>
• Stiglitz, G., Public Policy for a Knowledge Economy, Remarks at the
Department of Trade and Industry and Center for Economic Policy Research,
London,1999,<http://www.worldbank.org/html/extdr/extme/jssp012799a.htm>
• Stoean, C., Introducere în limbajul Prolog, <http://inf.ucv.ro/~cstoean/courses/
logica/l11.pdf>
• Strassman, P., A., The Value of Knowledge Capital, American Programmer:
Vol.11, 1998, <http://research.airuniv.edu/papers/ay2001/afit/afit-glm-ens-01m
-03.pdf>
• Sveiby, K., E., Measuring Intangibles and Intellectual Capital - An emerging
FirstStandard,<http://www.sveiby.com/portals/0/articles/emergingstandard.html>
• Sveiby, K.E., Tacit Knowledge, <http://www.sveiby.com/Portals/0/articles/
Polanyi.html>
• Taylor, A., G., WIMP Interfaces, <http://www-static.cc.gatech.edu/classes/
cs6751_97_winter/Topics/dialog-wimp/>
• The American Economic Review XXXV, no.4, 1945, p.519, <http://web.
missouri.edu/~podgurskym/Econ_4970/readings/The%20Use%20of%20Know
ledge%20in%20Society.pdf>
• Tuomi, I., Data is more than Knowledge: Implications of the Reversed
Knowledge Hierarchy for Knowledge Management and Organizational
Memory, Journal of Management information Systems, Winter 1999-2000,
vol.16, no.3
• Turban, E., Aronson, J., E., DSS and Intelligent Systems, <http://serel.cis.
famu.edu/~riggs/DSS/ch03.ppt#260,5,DSS Definitions>
• Van Wagner, K., Hierarchy of Needs, The Five Levels of Maslow’s Hierarchy
of Needs, <http://psychology.about.com/od/theoriesofpersonality/a/hierarchy
needs.htm>
• Viehiand, D., Decision Support for Executives: Executive Information
Systems, <http://www.aair.org.au/jir/1990Papers/Viehland.pdf>
• Von Glasersfeld, E., Homage to Jean Piaget, <http://www.oikos.org/Piaget
hom.htm>
• Zaman, M., Business Intelligence: Its Ins and Outs, <http://www.technology
evaluation.com/Research/ResearchHighlights/BusinessIntelligence/2005/01/res
earch_notes/TU_BI_MZ_01_10_05_1.asp?id=1.2005.1.10.2651?id=1.2005.1.1
0.2651>

Bibliografie 207
ADRESE INTERNET:
http://archive.computerhistory.org/resources/text/Tymshare/TYMSHARE.DecisionSupport
Systems.1977.102646149.pdf
http://atelier.liternet.ro/articol/244/Oltea-Serban-Parau/Mica-istorie-a-inregistrarii-
discografice.html
http://au.encarta.msn.com/encyclopedia_1461500353/Globalization.html
http://books.google.ro/books?id=9NA6QMcte3cC&pg=PA97&lpg=PA97&dq=%22improv
ing+security+for+decision+support%22&source=web&ots=DLmvlxNrB9&sig=TVa4l
cIQK86_mXLhcaYOjJ1ekhs&hl=ro
http://cepa.newschool.edu/het/essays/uncert/vnmaxioms.htm
http://changingminds.org/explanations/theories/bounded_rationality.htm
http://chem.ch.huji.ac.il/history/wheatstone.html
http://chiron.valdosta.edu/whuitt/col/cogsys/piaget.html
http://courses.washington.edu/inde495/lecc.htm
http://cs.nju.edu.cn/people/zhouzh/zhouzh.files/publication/aij03.pdf
http://dexonline.ro
http://diuf.unifr.ch/ds/courses/dss2002/pdf/DSS.pdf
http://download-uk.oracle.com/docs/pdf/B10698_01.pdf
http://dspace.mit.edu/bitstream/1721.1/2625/1/SWP-3908-36119654.pdf
http://dssresources.com/faq/index.php?action=artikel&id=101
http://dssresources.com/papers/supportingdm/PowerEBKSupp.pdf
http://economics.about.com/od/economicsglossary/g/von.htm
http://en.wikipedia.org/wiki/Decision_support_system
http://encarta.msn.com/encyclopedia_762505611/henry_fayol.html
http://etcweb.princeton.edu/CampusWWW/Companion/henry_joseph.html
http://everything2.com/index.pl?node=Jacquard%20loom
http://facultystaff.richmond.edu/~pli/teaching/psy333/ai_genprob.html
http://findarticles.com/p/articles/mi_m0FOX/is_12_4/ai_55143804
http://findarticles.com/p/articles/mi_qa3681/is_200410/ai_n11849603
http://history.sandiego.edu/gen/recording/tape.html
http://http-server.carleton.ca/~gkardos/88403/Decision/Matrix/MATRIX3.htg/Dm1.gif
http://ieeexplore.ieee.org/iel5/6417/17177/00793098.pdf
http://image.automotive.com/f/miscellaneous/jeep-wrangler-or-cyborg-hi-tech-pimping
/6208450+w600+cr1+re0+ar1/rigby-in-jeep-wranglerjpg.jpg
http://ink.news.com.au/mercury/print_museum/print_history.htm
http://inventors.about.com/library/weekly/aa110198.htm
http://inventors.about.com/od/rstartinventions/a/Ram.htm
http://koti.mbnet.fi/amindra/wknowl1.htm
http://mgtclass.mgt.unm.edu/Harris/MGMT450%20Spring08/ObrienChpt9%20DSS.ppt
http://my.dreamwiz.com/su0210/publications/2002%20a2%20paper.pdf
http://nationalhumanitiescenter.org/pds/gilded/progress/text3/taylor.pdf
http://nobelprize.org/nobel_prizes/economics/laureates/1978/simon-autobio.html
http://office.microsoft.com/en-us/performancepoint/HA102524951033.aspx
http://ollie.dcccd.edu/MGMT1374/book_contents/1overview/management_history/mgmt_
history.htm
http://original.britannica.com/eb/article-9049130/Ada-King-countess-of-Lovelace
http://pib.nic.in/archieve/lreleng/lyr2003/rjan2003/04012003/Image16.jpg

http://portal.feaa.uaic.ro/C5/C4/Sisteme%20Expert%20in%20Contabilitat/Document%20Li
brary/CAPIV_VII.pdf
http://proceedings.informingscience.org/IS2001Proceedings/pdf/GachetEBKAFrame.pdf
http://psychology.about.com/od/piagetstheory/a/keyconcepts.htm
http://publish.uwo.ca/~jmalczew/gida_1/Mennecke/Mennecke.htm
http://relationary.files.wordpress.com/2007/07/knowledge_and_ic.jpg
http://sciencelinks.jp/j-east/article/199922/000019992299A0655321.php
http://searchcio.techtarget.com/sDefinition/0,,sid19_gci826478,00.html
http://searchcio.techtarget.com-sDefinition-0,,sid182_gci213999,00.html
http://serel.cis.famu.edu/~riggs/DSS/ch03.ppt#281,6, Slide 6
http://spreadsheets.google.com/ccc?key=p3M8iB5s_Ep-16vyoKpyPWg&hl=en
http://tinctoris.com/archives/2005/11/03/brain-food
http://tip.psychology.org/simon.html
http://trillian.randomstuff.org.uk/~stephen/history/timeline-CPU.html
http://web.mit.edu/aeroastro/www/labs/halab/papers/CummingsAIAAbias.pdf
http://whatis.techtarget.com/definition/0,,sid9_gci212246,00.html
http://whitepapers.techrepublic.com.com/abstract.aspx?docid=261626&promo=300111
http://www.12manage.com/methods_fayol_14_principles_of_management.html
http://www.ace.tuiasi.ro/~fleon/Lab_IA/LaboratorIA05.pdf
http://www.agir.ro/articol.php?id_articol=328
http://www.agir.ro/univers-ingineresc/inventiile_si_istoria_lor_(urmare_din_nr._trecut)
_353.html
http://www.alzheimer.ca/english/research/current-animalstudies.htm
http://www.anisp.ro/?c=enciclopedie-istoric
http://www.answers.com/topic/decision-support-system?cat=technology
http://www.answers.com/topic/utility-4
http://www.anu.edu.au/people/Roger.Clarke/SOS/AISHist0601.html
http://www.armyacademy.ro/revista4/rev4_art16.html
http://www.aspera.ro/dl/eseuasperacraciunescu.pdf
http://www.atic.org.ro/ktml2/files/uploads/Com_MDapr.2003.pdf
http://www.beryl-project.org/images/cube_full.jpg
63
61
http://www.biblioteca.ase.ro/downres.php?tc=6844
http://www.brainyquote.com/quotes/quotes/a/alberteins163057.html
http://www.britannica.com/EBchecked/topic/1300573/Joan-Woodward#tab=active~check
ed%2Citems~checked&title=Joan%20Woodward%20--%20Britannica%20Online%20
Encyclopedia
http://www.businessdictionary.com/definition/globalization.html
http://www.cedmagic.com/history/transistor-1947.html
http://www.charite.de/bioinf/strap/translateDna.png
http://www.cjlt.ca/content/vol30.1/cjlt30-1_3-fig1.jpg
http://www.cnam.fr/lipsor/dso/articles/fiche/mintzberg.html
http://www.cnet.ro/2008/02/24/demonstratie-cu-optimus-maximus/
http://www.coolest-gadgets.com/wp-content/uploads/travolution.jpg
http://www.complexity.ro/html/educatie.html
http://www.computer50.org/mark1/contemporary.html

Bibliografie 209
http://www.connected-earth.com/Galleries/Telecommunicationsage/Thetelegraph/Internatio
naltelegraphconnections/index.htm
http://www.cryer.co.uk/glossary/m/mhtml.htm
http://www.cs.brandeis.edu/~psyc/ai/decision/utility.htm
http://www.cs.state.ny.us/successionplanning/workgroups/knowledgemanagement/strategie
s.html
http://www.cs.virginia.edu/brochure/museum/altair.html
http://www.csi.uottawa.ca/ordal/papers/fishburn/node5.html
http://www.davidb.go.ro/img_lucrari_bd/model_mnemotehnic_sextil.pdf
http://www.de-haas.nl/Digital%20Reporting/XBRL%20Benefits.htm
http://www.dmreview.com/dmdirect/20070907/1090947-1.html
http://www.dynamicdiagrams.com/case_studies/mit_memex.html
http://www.ehcweb.ehc.edu/faculty/ljcumbo/human.html
http://www.emeraldinsight.com/fig/2610290104003.png
http://www.eoearth.org/article/Gray,_Stephen
http://www.e-scoala.ro/fizica/edison.html
http://www.etc.tuiasi.ro/diverse/prezentare_EASI.pdf
http://www.eumed.net/ecorom/IV.%20Functionarea%20pietelor/1%20factorii_de_producti
e.htm
http://www.experiencefestival.com/a/History_of_radio_-_Origins_and_developments/id
/1473741
http://www.few.vu.nl/stagebureau/werkstuk/werkstukken/werkstuk-quarles.doc
http://www.fit.vutbr.cz/research/pubs/TR/2006/sem_uifs/s061030slidy1.pdf
http://www.freepatentsonline.com/6970693-0-large.jpg
http://www.fsc.yorku.ca/york/istheory/wiki/index.php/General_systems_theory
http://www.geo2web.com/
http://www.historian.net/hxwrite.htm
http://www.ibm.com/developerworks/db2/library/techarticle/dm-0505cullen/index.html
http://www.ideafinder.com/history/inventors/hollerith.htm
http://www.idemployee.id.tue.nl/g.w.m.rauterberg/presentations/ICTeconomy/ICTeconomy
.ppt
http://www.ifsm.umbc.edu/~preece/Papers/User-centered_design_encyclopedia_chapter.
pdf#search=%22Norman%2C%20D.A.%2C%20Draper%2C%20S.W.%2C%20User
%20Centred%20System%20Design%22
http://www.infed.org/biblio/globalization.htm
http://www.infed.org/thinkers/argyris.htm
http://www.infoplease.com
http://www.informatik.uni-freiburg.de/~ml/ecmlpkdd/WS-Proceedings/w10/lehmann.pdf
#search=%22chaid%2C%20contingency%20table%22
http://www.infoxportal.ro/softimag/ooffice.png
http://www.inoventis.ro/glosar_mc.php
http://www.italian-american.com/volta.htm
http://www.knogg.net/2006_003.htm
http://www.kosmosjournal.org/kjo/images/s2006/fig1.jpg
http://www.logixml.com/biportal/docs/whitepapers.htm
http://www.mastersoftware.biz/crypt003.htm
http://www.mercer.com/referencecontent.htm?idContent=1314145
http://www.mercurious.com/wordpress/wp-content/uploads/2007/07/memex_2.jpg
http://www.merriam-webster.com/dictionary/automotive

http://www.merriam-webster.com/dictionary/portal
http://www.merriam-webster.com/dictionary/taxonomy
http://www.microsoft.com/presspass/press/2002/apr02/04-08saspr.mspx
http://www.microsoft.com/technet/itsolutions/msit/deploy/scorecardbusperftcs.mspx
http://www.microsoft.com/uk/business/businessvalue/kpisforcompanies.mspx
http://www.mtekk.com.au/Portals/0/ModArticleImages/Recrem/I-Mate_Jasjar_Excel.JPG
http://www.m-w.com/dictionary/inform
http://www.ncdm.uic.edu/standards.html
http://www.nirmaltv.com/wp-content/uploads/2008/02/aero-effcts.gif
http://www.nobel-winners.com/Physics/guglielmo_marconi.html
http://www.onepine.info/pschein.htm
http://www.oracle.com/technology/pub/articles/rittman_dash.html
http://www.pcguide.com/ref/mbsys/buses/types/pci.htm
http://www.pcmag.com/encyclopedia_term/0%2C2542%2Ct%3DDSS&i%3D42054%2C0
0.asp
http://www.philosophypathways.com/newsletter/issue120.html
http://www.phy.hr/~dpaar/fizicari/xfaraday.html
http://www.popular-pics.com/pictures.aspx?photoid=422
http://www.privateline.com/TelephoneHistoryA/teleHistoryA.htm
http://www.promixis.com/downloads.php?mode=trials
http://www.psych.utoronto.ca/users/peterson/psy430s2001/Miller%20GA%20Magical%20
Seven%20Psych%20Review%201955.pdf
http://www.racai.ro/INFOSOC- Project/Draganescu_st_a01_new.pdf
http://www.ramanarao.com/papers/rao-infoviz-nextgen-workspace-1995.pdf
http://www.rapidbi.com/created/SampleKeyPerformanceIndicatorsKPI.html
http://www.referenceforbusiness.com/management/Log-Mar/Management-Functions.html
http://www.revistaie.ase.ro/content/17/filip1.pdf
http://www.revistamagazin.ro/content/view/5373/4/
http://www.rgb.com/en/Products/ViewProduct.asp?product=DualViewXL
http://www.sas.com/reprints/inn_1005.pdf
http://www.scientific-computing.com/features/feature.php?feature_id=150
http://www.sdc.admin.ch/media/M/Traverse/presentation%20parcell.pdf
http://www.stanford.edu/~promer/Int_re_macro.html
http://www.stevenalter.com/files/A_work_system_v.pdf
http://www.systems-thinking.org/dikw/dikw.htm
http://www.tdan.com/i024fe02.htm
http://www.tessella.com/Literature/Supplements/PDF/DecisionSupportSystems.pdf
http://www.thearling.com/text/dmtechniques/dmtechniques.htm
http://www.the-intuitive-self.org/website/art/memoir/simon_figure.gif
http://www.trustedreviews.com/images/article/inline/4488-1643remapping2.jpg
http://www.uts.edu.au/fac/hss/Departments/DIS/km/introduct.htm#Char
http://www.vesper.co.nz/images/CPC-265.jpg
http://www.w3.org/TR/NOTE-xml-ql/
http://www.well.com/~smalin/miller.html
http://www.whatis.com
http://www.xbrl.org
http://www-03.ibm.com/ibm/history/exhibits/pc/pc_1.html
http://www2.imm.dtu.dk/pubdb/views/edoc_download.php/5396/pdf/imm5396.pdf
https://www.science.uva.nl/~robbert/zappa/interviews/Bob_Marshall/Part06.html

ANEXE
ANEXA 1: Codul sursă (vb6.0) pentru unii algoritmi ai modelului de
384
criptografiere
Figura A1.1 Algoritmul de inversare a unui text
Figura A1.2 Algoritmul de preluare a caracterelor de pe poziţii impare, respectiv pare
Figura A1.3 Algoritmul de restaurare a caracterelor de pe poziţii impare, respectiv pare
384
Homocianu, D., A ciphering model described step by step, în The Scientific Annals of
the “Alexandru Ioan Cuza” University of Iaşi, Tome LII/LIII, Economic Sciences,
2005/2006, Editura Universităţii “Alexandru Ioan Cuza” Iaşi, 2006, p.353-358

Figura A1.4 Algoritmul de preluare succesivă a caracterelor de pe poziţii simetrice în şir
Figura A1.5 Algoritmul de restaurare succesivă a caracterelor de pe poziţii simetrice în şir
Figura A1.6 Algoritmul de interschimbare a extremelor pe subşiruri de câte 5 caractere

Anexe 213
Figura A1.7 Fragment din Codul ASCII

(Sursa: http://www.lookuptables.com/)
Public Function C6(s As String) As String
‘Declararea vectorului de pozitii
Dim p(60000) As Long
Dim FinalAsciiString As String
Dim i As Long
FinalAsciiString = ""
For i = 1 To Len(s)
FinalAsciiString = FinalAsciiString + CStr(Asc(Mid(s, i, 1)))
p(i) = Len(FinalAsciiString)
Next i
'Prima data folosim virgula pentru a marca inceputul celui de-al doilea subsir.
'Acesta contine pozitiile de final ale fecarui caracter din primul subsir dupa conversia
ASCII in zecimal.
'O aparitie k a virgulei indica si stocarea ulterioara a acestor pozitii ca numere cu k cifre.
FinalAsciiString = FinalAsciiString + "," + CStr(p(1))
howLong = Len(CStr(p(1)))
For i = 2 To Len(s)
If Len(CStr(p(i))) > howLong Then
FinalAsciiString = FinalAsciiString + ","
howLong = Len(CStr(p(i)))
End If
FinalAsciiString = FinalAsciiString + CStr(p(i))
Next i
C6 = FinalAsciiString
End Function
Figura A1.8 Algoritmul de substituţie - conversie ASCII în zecimal

Public Function D6(FinalAsciiString As String) As String

Dim p(60000) As Long, posOfCharToDeciph As Long
Dim rank As Long, noOfCommas As Long
Dim AsciiSubstring1 As String, textString As String
posOfCharToDeciph = 1
Do While Mid(FinalAsciiString, posOfCharToDeciph, 1) <> ","
posOfCharToDeciph = posOfCharToDeciph + 1
Loop
AsciiSubstring1 = Left(FinalAsciiString, posOfCharToDeciph - 1)
rank = 1
noOfCommas = 1
Do While posOfCharToDeciph <= Len(FinalAsciiString)
If Mid(FinalAsciiString, posOfCharToDeciph, 1) = "," Then
noOfCommas = noOfCommas + 1
End If
p(rank) = Int(Mid(FinalAsciiString, posOfCharToDeciph, noOfCommas))
posOfCharToDeciph = posOfCharToDeciph + noOfCommas
rank = rank + 1
Loop
textString = Chr(Int(Left(AsciiSubstring1, p(1))))
For i = 1 To rank - 2
textString = textString + Chr(Int(Mid(AsciiSubstring1, p(i) + 1, p(i + 1) - p(i))))
Next i
D6 = textString
End Function
Figura A1.9 Algoritmul de substituţie - reconversie ASCII în text (restaurare)
Figura A1.10 Algoritmul recursiv de criptografiere automată (în cascadă), folosind cheia finală∗ de
criptare
∗
Aceasta este compusă din indici-cifră n, corespunzători procedurilor Cn, în ordinea lor de
execuţie.

Anexe 215
ANEXA 2: Funcţionalitatea interfeţei de test a modelului de criptografiere a

385
datelor
Figura A2.1 Criptografierea pas cu pas - anularea cheii finale de criptare (butonul de ştergere - delete)
Figura A2.2 Continuitate în criptografierea pas cu pas (butonul de mutare - cut&paste)
Figura A2.3 Criptografierea pas cu pas∗
385
Homocianu, D., A 2d ciphering test interface model, The proceedings of the
international conference: “InfoBUSINESS'2006”, The Publishing House of the “Alexandru
Ioan Cuza” University, Iaşi, 2007, p.477-486

Figura A2.4 Criptografierea automată - posibilitatea de a activa un generator de chei finale de criptare
Figura A2.5 Casetă de text folosită atât în criptografierea pas cu pas cât şi în cea automată, pentru
introducerea textului balast, prin intercalare (C5)
ANEXA 3: Fragmente de cod sursă (vb6.0) - modulul SAD de localizare şi

generare a rapoartelor ms excel şi mappoint
Private Sub Command1_Click()
Dim objApp As New MapPoint.Application
objApp.Visible = True
objApp.UserControl = True
Dim szconn As String
Dim oDS As MapPoint.DataSet
Dim objPin As MapPoint.Pushpin
szconn = "d:\IM(in work)\L.xls!Sheet1!R4C1:R29C7"
Set oDS = objApp.ActiveMap.DataSets.ImportData(szconn, , geoCountryRomania, ,
geoImportExcelSheet)
oDS.Symbol = 287
Set objPin = objApp.ActiveMap.FindPushpin(DataCombo1.BoundText)
objPin.Select
objPin.BalloonState = geoDisplayBalloon
objPin.Symbol = 112
oDS.ZoomTo
End Sub
Figura A3.1 Formularul cu informaţii despre magazine - procedura asociată butonului de localizare
Private Sub DataCombo1_Change()
With ado.Recordset
.MoveFirst
.Find ("store_name='" & DataCombo1.BoundText & "'")
End With
Text1.DataField = "store_city"
Text2.DataField = "store_county"
Text3.DataField = "sales"
Text4.DataField = "cost"
Text5.DataField = "profit"
Text7.DataField = "first_opened_date"
Text8.DataField = "last_remodel_date"
End Sub
∗
Rezultatul substituţiei (C6) caracterelor textului “KOANI” se obţine după aplicarea
succesivă a procedurilor C1, C2, C3, C4 (în această ordine s-a obţinut cheia finală “12346”)
textului în clar “NOKIA”.

Anexe 217
Private Sub DataCombo1_GotFocus()

If Not (ado.Recordset.EOF) And Not (ado.Recordset.BOF) Then
DataCombo1.Text = ado.Recordset!store_name
End If
End Sub
Private Sub Form_Initialize()

captura = frmInf.Caption
End Sub
Figura A3.2 Alte proceduri din cadrul formularului cu informaţii despre magazine
Private Sub Check1_Click()
If Check1.Value = False Then
frmSuggest.Visible = False
Else
frmSuggest.Visible = True
End If
If Check3.Value = False And Check2.Value = False And Check1.Value = False Then
cmdExport.Visible = False
Else
cmdExport.Visible = True
End If
End Sub
Private Sub Check2_Click()

Else
End If
End Sub
Private Sub Check3_click()

If Check3.Value = False Then
frmStyle.Visible = False
Else
frmStyle.Visible = True
End If
Else
End If
End Sub
Private Sub cmdExport_Click()

lblPercent.Visible = True
ProgressBar1.Visible = True
Dim sir As String
Dim appExcel As Excel.Application
Dim registru As Excel.Workbook
Dim foaie As Excel.Worksheet
Dim mark(100) As String
Dim store As String

If txt.Text <= 0 Then

nrfirme = 1
txt.Text = 1
Else
If txt.Text > l Then
nrfirme = l
Else
nrfirme = txt.Text
End If
End If
Set appExcel = New Excel.Application
Set registru = appExcel.Workbooks.Add
Set foaie = registru.Sheets(1)
foaie.Range("A1:E1").Font.Bold = True
foaie.Range("A1:E1").Font.Underline = True
foaie.Range("A1:E1").Font.Size = 12
foaie.Range("A1:E1").HorizontalAlignment = xlHAlignCenter
foaie.Range("A4:E4").HorizontalAlignment = xlHAlignCenter
foaie.Range("A4:E4").Font.Size = 11
foaie.Range("A4:E4").Font.Bold = True
foaie.Range("A4:E4").Font.Italic = True
foaie.Range("A4").Value = "Store_name"
foaie.Range("B4").Value = "Expenses score"
foaie.Range("C4").Value = "Profit score"
foaie.Range("D4").Value = "Profit Rate score"
foaie.Range("E4").Value = "Total score"
foaie.Range("B3:D3").Font.Bold = True
foaie.Range("B3").Value = CStr(cp_ch) + " %"
foaie.Range("C3").Value = CStr(cp_pr) + " %"
foaie.Range("D3").Value = CStr(cp_rpr) + " %"
foaie.Range("B3:D3").Font.Color = vbBlue
For i = 0 To l - 1
foaie.Range("A" + CStr(i + 5)).Value = CStr(matrice_ch(i, 1))
store = CStr(matrice_ch(i, 1))
For j = 0 To l - 1
If store = matrice_ch(j, 1) Then
foaie.Range("B" + CStr(i + 5)).Value = -matrice_ch(j, 2) * cp_ch / 100
End If
If store = matrice_pr(j, 1) Then
foaie.Range("C" + CStr(i + 5)).Value = matrice_pr(j, 2) * cp_pr / 100
End If
If store = matrice_rpr(j, 1) Then
foaie.Range("D" + CStr(i + 5)).Value = matrice_rpr(j, 2) * cp_rpr / 100
End If
ProgressBar1.Value = ProgressBar1.Value + 1 / 50
lblPercent.Caption = CStr(Int(ProgressBar1.Value * 100 / ProgressBar1.Max)) & "%"
lblPercent.Refresh
Next
foaie.Range("E" + CStr(i + 5)).Value = foaie.Range("B" + CStr(i + 5)).Value + foaie.Range("C" +
CStr(i + 5)).Value + foaie.Range("D" + CStr(i + 5)).Value
Next
'MapPoint
'-----------------------
For i = 2 To rst.Fields.Count

Anexe 219
foaie.Cells(4, 4 + i).Value = rst.Fields(i - 1).Name

Next
For i = 0 To l - 1
For j = 0 To l - 1
If foaie.Range("A" + CStr(i + 5)).Value = matrice_geo(0, j) Then
foaie.Range("F" + CStr(i + 5)).Value = matrice_geo(1, j)
foaie.Range("G" + CStr(i + 5)).Value = matrice_geo(2, j)
lblPercent.Refresh
End If
Next
Next
'-----------------------
foaie.Range("A5:E" + CStr(l + 4)).NumberFormat = vbNumber
foaie.Range("A3:G" + CStr(l + 4)).Columns.AutoFit
foaie.Range("A5:G" + CStr(l + 4)).Sort Key1:=foaie.Range("A5:G" + CStr(l + 4)).Columns("E")
'MapPoint
'----------------------
For i = 0 To nrfirme - 1
mark(i) = foaie.Range("A" + CStr(i + 5)).Value
Next
'----------------------
appExcel.AlertBeforeOverwriting = False
appExcel.DisplayAlerts = False
registru.SaveAs "d:\IM(in work)\L.xls", FileFormat:=56, CreateBackup:=False
For i = 2 To rst.Fields.Count
foaie.Cells(4, 4 + i).Value = ""
Next
For i = 0 To l - 1
For j = 0 To l - 1
foaie.Range("F" + CStr(i + 5)).Value = ""
foaie.Range("G" + CStr(i + 5)).Value = ""
lblPercent.Refresh
Next
Next
foaie.Name = "firms to shut down"
foaie.Range("A1:E1").Merge
If nrfirme >= 2 Then
foaie.Range("A1").Value = "First " + CStr(nrfirme) + " firms to shut down:"
Else
foaie.Range("A1").Value = "First firm to shut down:"
End If
foaie.Range("A5:E" + CStr(nrfirme + 4)).Font.Bold = True
foaie.Range("A5:E" + CStr(nrfirme + 4)).Borders.Color = vbRed
foaie.Range("A5:E" + CStr(nrfirme + 4)).Borders.Weight = 3
Dim cfColorScale As Excel.ColorScale
Dim cfIconSet As Excel.IconSetCondition
Dim cfDataBar As Excel.Databar
Set cfIconSet = foaie.Range("B3:D3").FormatConditions.AddIconSetCondition()
cfIconSet.IconSet = registru.IconSets(XlIconSet.xl3Arrows)
ProgressBar1.Value = ProgressBar1.Value + 10


lblPercent.Refresh
Set cfColorScale = foaie.Range("C5:C" + CStr(l + 4)).FormatConditions.AddColorScale(3)
cfColorScale.ColorScaleCriteria(1).FormatColor.Color = RGB(255, 255, 0)
lblPercent.Refresh
Set cfColorScale = foaie.Range("D5:D" + CStr(l + 4)).FormatConditions.AddColorScale(3)
lblPercent.Refresh
Set cfColorScale = foaie.Range("B5:B" + CStr(l + 4)).FormatConditions.AddColorScale(3)
lblPercent.Refresh
Set cfDataBar = foaie.Range("C5:C" + CStr(l + 4)).FormatConditions.AddDatabar
lblPercent.Caption = Int(ProgressBar1.Value * 100 / ProgressBar1.Max)
lblPercent.Refresh
Set cfDataBar = foaie.Range("E5:E" + CStr(l + 4)).FormatConditions.AddDatabar
lblPercent.Refresh
Set cfIconSet = foaie.Range("E5", "E" + CStr(l + 4)).FormatConditions.AddIconSetCondition()
With cfIconSet.IconCriteria(2)
.Type = XlConditionValueTypes.xlConditionValuePercent
.Value = Text2
.Operator = XlFormatConditionOperator.xlGreaterEqual
End With
With cfIconSet.IconCriteria(3)
.Type = XlConditionValueTypes.xlConditionValuePercent
.Value = Text1
.Operator = XlFormatConditionOperator.xlGreaterEqual
End With
lblPercent.Refresh
cfIconSet.IconSet = registru.IconSets(XlIconSet.xl3Symbols)
Set cfIconSet = foaie.Range("D5", "D" + CStr(l + 4)).FormatConditions.AddIconSetCondition()
cfIconSet.IconSet = registru.IconSets(XlIconSet.xl5CRV)
lblPercent.Refresh
lblPercent.Visible = False
ProgressBar1.Visible = False
CommonDialog1.FileName = CStr(cp_pr) & "pr" & CStr(cp_rpr) & "rp" & CStr(cp_ch) & "ch" &

Anexe 221
CStr(nrfirme)
CommonDialog1.DefaultExt = "xlsx"
CommonDialog1.Filter = "Fisiere XLSX(2007) (*.xlsx)|*.XLSX|"
CommonDialog1.ShowSave
If CommonDialog1.FileName <> "" Then
registru.SaveAs CommonDialog1.FileName, FileFormat:=51, CreateBackup:=True
End If
registru.Close
appExcel.Quit
If Check2.Value = 1 Then
frmExp.OLE1.OLETypeAllowed = acOLECreateEmbed
frmExp.OLE1.SourceDoc = CommonDialog1.FileName
frmExp.OLE1.Action = acOLECreateEmbed
frmExp.Caption = Mid(CommonDialog1.FileName, 4, Len(CommonDialog1.FileName) - 8)
frmExp.SetFocus
frmExp.Refresh
captura = frmExp.Caption
End If
frmPrincipal.OLE2.OLETypeAllowed = acOLELinked
frmPrincipal.OLE2.SourceDoc = CommonDialog1.FileName
frmPrincipal.OLE2.Action = acOLEActivate
frmPrincipal.OLE2.DoVerb (2)
End If
'M a p P o i n t
'-----------------------
Dim objApp As New MapPoint.Application
objApp.Visible = True
objApp.UserControl = True
Dim szconn As String
Dim oDS As MapPoint.DataSet
Dim objDataMap As MapPoint.DataMap
Dim objPin As MapPoint.Pushpin
Dim objFields(1 To 3) As Variant
Dim objFieldsFull(1 To 4) As Variant
If Option1.Value = True Then
oDS.Symbol = 292
For i = 0 To nrfirme - 1
If mark(i) <> "HQ" Then
Set objPin = objApp.ActiveMap.FindPushpin(mark(i))
objPin.Select
objPin.Symbol = 69
objPin.Highlight = True
End If
Next
oDS.ZoomTo
End If

Set objFieldsFull(1) = oDS.Fields("Expenses score")
Set objFieldsFull(2) = oDS.Fields("Profit score")
Set objFieldsFull(3) = oDS.Fields("Profit Rate score")
Set objFieldsFull(4) = oDS.Fields("Total score")
Set objDataMap = oDS.DisplayDataMap(geoDataMapTypeCategoricalColumn, objFieldsFull,
geoShowByRegion1,_
geoCombineByAverage, geoRangeTypeDefault, geoRangeOrderDefault)
oDS.ZoomTo
End If
Set objDataMap = oDS.DisplayDataMap(geoDataMapTypeShadedArea, oDS.Fields("Total
score"),_
geoShowByRegion1, geoCombineByAverage, geoRangeTypeDiscreteEqualRanges,
geoRangeOrderDefault, 15)
oDS.ZoomTo
End If
Set objDataMap = oDS.DisplayDataMap(geoDataMapTypeSizedCircle, oDS.Fields("Total
score"),_
geoShowByRegion1, geoCombineByCount, geoRangeTypeDefault, geoRangeOrderDefault)
oDS.ZoomTo
End If
Set objFields(1) = oDS.Fields("Expenses score")
Set objFields(2) = oDS.Fields("Profit score")
Set objFields(3) = oDS.Fields("Profit Rate score")
Set objDataMap = oDS.DisplayDataMap(geoDataMapTypeSizedPie, objFields,
geoShowByRegion1,_
geoCombineByAverage, geoRangeTypeDefault, geoRangeOrderDefault)
oDS.ZoomTo
End If
End If
'-----------------------
Unload Me
End Sub
Figura A3.3 Proceduri din cadrul formularului final privind decizia de închidere a unor magazine

Anexe 223
ANEXA 4: Agregarea criteriilor de decizie în aplicaţia SAD pentru eliminarea

386
magazinelor ineficiente
Figura A4.1 Modelul folosit pentru calcul scorului total ca sumă de valori de utilitate
Private Sub Form_Activate()
Dim conn As New ADODB.Connection
Dim cst As New ADOMD.Cellset
Dim axs As ADOMD.Axis
Dim pos As ADOMD.Position
Dim iCol As Integer, cCol As Integer
Dim iRow As Integer, cRow As Integer
Dim nFixedCols As Integer, nFixedRows As Integer
captura = frmCh.Caption
ok_ch = True
k_ch = k_ch + 1
If ok_pr And ok_ch And ok_rpr Then
frmPrincipal.mnuDecizie.Enabled = True
End If
txtcp_ch.Text = cp_ch
txtcp_pr.Text = cp_pr
txtcp_rpr.Text = cp_rpr
VScroll1.Value = cp_pr
VScroll2.Value = cp_rpr
lstStil.Selected(0) = True
conn.ConnectionString = "Datasource=LocalHost; Provider=msolap; Initial
Catalog=InchidereMagazin;"
conn.Open
Set cst.ActiveConnection = conn
cst.Source = "WITH MEMBER Measures.[Cheltuieli] AS '[Measures].[Amount]' SELECT
{([Measures].[Cheltuieli] ) } ON COLUMNS, TOPPERCENT ([store].[Store Name].members,100,
[Amount]) ON ROWS From buget WHERE ([Account].[Expense], [Time].[1998])"
cst.Open
MSFlex.Clear
nFixedCols = 1
386
Airinei, D., Homocianu, D., A DSS model with Business Intelligence Reporting
Facilities, Sisteme Integrate Colaborative pentru Afaceri Mici şi Mijlocii, Editura
Universităţii “Alexandru Ioan Cuza” Iaşi, 2007, p.11-21

nFixedRows = 1
cCol = cst.Axes(0).Positions.Count
MSFlex.Cols = cCol + nFixedCols
cRow = cst.Axes(1).Positions.Count
MSFlex.Rows = cRow + nFixedRows
MSFlex.FixedCols = nFixedCols
MSFlex.FixedRows = nFixedRows
MSFlex.MergeCol(0) = True
iCol = 1
For Each pos In cst.Axes(0).Positions
MSFlex.TextMatrix(0, iCol) = pos.Members(0).Caption
iCol = iCol + 1
Next
iRow = 1
MSFlex.TextMatrix(iRow, 0) = pos.Members(0).Caption
iRow = iRow + 1
Next
For iRow = 0 To cRow - 1
If IsNull(cst(0, iRow)) Then
MSFlex.TextMatrix(iRow + nFixedRows, 1) = 0
Else
MSFlex.TextMatrix(iRow + nFixedRows, 1) = Format(cst(0, iRow).Value, "0.00")
End If
Next
l=0
Max = 0
For i = 0 To cst.Axes(1).Positions.Count - 1
l=l+1
matrice_ch(i, 1) = cst.Axes(1).Positions(i).Members(0).Caption
matrice_ch(i, 2) = cst(i)
If matrice_ch(i, 2) > Max Then
Max = matrice_ch(i, 2)
End If
Next
ch1.ChartData = matrice_ch
For i = 0 To l - 1
matrice_ch(i, 2) = matrice_ch(i, 2) / Max
Next
End Sub
Figura A4.2 Procedura de activare a formularului∗ destinat criteriului Cheltuieli
∗
Aici se calculează valorile de utilitate (matrice_ch) asociate criteriului, ca indici relativi la
maxim.

Anexe 225
captura = frmProf.Caption
ok_pr = True
k_pr = k_pr + 1
End If
VScroll1.Value = cp_rpr
VScroll2.Value = cp_ch
conn.Open
cst.Source = "WITH MEMBER Measures.[Profit] AS '[Measures].[Store Sales] - [Measures].[Store
Cost]' SELECT {([Measures].[Profit] ) } ON COLUMNS, BOTTOMPERCENT([Store].[Store
Name].MEMBERS, 100, [Profit]) ON ROWS From vanzari"
cst.Open
MSFlex.Clear
nFixedCols = 1
nFixedRows = 1
iCol = 1
iCol = iCol + 1
Next
iRow = 1
iRow = iRow + 1
Next
Else
MSFlex.TextMatrix(iRow + nFixedRows, 1) = Format(cst(0, iRow).Value, "0.00")
End If
Next
l=0
l=l+1
matrice_pr(i, 1) = cst.Axes(1).Positions(i).Members(0).Caption
matrice_pr(i, 2) = cst(i)
Next

matrice_pr(0, 2) = 0
Max = 0
For i = 0 To l - 1
If matrice_pr(i, 2) > Max Then
Max = matrice_pr(i, 2)
End If
Next
ch1.ChartData = matrice_pr
For i = 0 To l - 1
matrice_pr(i, 2) = matrice_pr(i, 2) / Max
Next
End Sub
Figura A4.3 Procedura de activare a formularului∗ destinat criteriului Profit
captura = frmRata.Caption
ok_rpr = True
k_rpr = k_rpr + 1
End If
VScroll1.Value = cp_ch
VScroll2.Value = cp_pr
conn.Open
cst.Source = "WITH MEMBER Measures.[Rata Prof.] AS '((Measures.[Store Sales] -
Measures.[Store Cost]) / Measures.[Store Sales])'SELECT {([Measures].[Rata Prof.])} ON
COLUMNS, bottompercent([Store].[Store Name].members,100,[Rata Prof.]) ON ROWS from
vanzari"
cst.Open
MSFlex.Clear
nFixedCols = 1
nFixedRows = 1
∗
Aici se calculează valorile de utilitate (matrice_pr) asociate criteriului, ca indici relativi la
maxim.

Anexe 227
iCol = 1
iCol = iCol + 1
Next
iRow = 1
iRow = iRow + 1
Next
Else
MSFlex.TextMatrix(iRow + nFixedRows, 1) = Format(cst(0, iRow).Value, "0.00%")
End If
Next
l=0
l=l+1
matrice_rpr(i, 1) = cst.Axes(1).Positions(i).Members(0).Caption
matrice_rpr(i, 2) = cst(i) * 100
Next
Max = 0
For i = 0 To l - 1
If matrice_rpr(i, 2) > Max Then
Max = matrice_rpr(i, 2)
End If
Next
ch1.ChartData = matrice_rpr
For i = 0 To l - 1
matrice_rpr(i, 2) = matrice_rpr(i, 2) / Max
Next
End Sub
Figura A4.4 Procedura de activare a formularului∗ destinat criteriului Rata Profitului
Private Sub cmdExport_Click()
…
For i = 0 To l - 1
foaie.Range("A" + CStr(i + 5)).Value = CStr(matrice_ch(i, 1))
store = CStr(matrice_ch(i, 1))
For j = 0 To l - 1
If store = matrice_ch(j, 1) Then
foaie.Range("B" + CStr(i + 5)).Value = -matrice_ch(j, 2) * cp_ch / 100
End If
If store = matrice_pr(j, 1) Then
foaie.Range("C" + CStr(i + 5)).Value = matrice_pr(j, 2) * cp_pr / 100
End If
∗
Aici se calculează valorile de utilitate (matrice_rpr) asociate criteriului, ca indici relativi la
maxim.

If store = matrice_rpr(j, 1) Then

foaie.Range("D" + CStr(i + 5)).Value = matrice_rpr(j, 2) * cp_rpr / 100
End If
lblPercent.Refresh
Next
foaie.Range("E" + CStr(i + 5)).Value = foaie.Range("B" + CStr(i + 5)).Value + foaie.Range("C" +
CStr(i + 5)).Value + foaie.Range("D" + CStr(i + 5)).Value
Next
…
End Sub
Figura A4.5 Fragment de procedură din formularul final∗∗ privind decizia de închidere a unor
magazine
ANEXA 5: O viziune schematică asupra sistemelor de asistare a deciziilor
Figura A5 Arhitectura SAD în contextul Societăţii Cunoaşterii
∗∗
La acest nivel se realizează agregarea valorilor de utilitate asociate celor trei criterii de
decizie.

ABREVIERI
ACRONIME:
2V (Dual View) - interfaţă duală sau desktop (suprafaţă de afişare)

extins;
3D (Three Dimensional) - tridimensional;
ABS (Antilock Braking System) - sistemul de antiblocare la frânare;
ADB (Automatic Differential Brake) - frânarea automată a
diferenţialului;
ADO (ActiveX Data Objects) - obiecte de tip date ActiveX;
AI (Artificial Intelligence) - inteligenţă artificială (IA);
AJAX (Asynchronous JAvaScript and XML) - script Java şi XML
asincrone;
API (Application Programming Interface) - interfaţă de programare a
aplicaţiior;
ARIMA (AutoRegressive Integrated Moving Average) - model
autoregresiv şi de medie alunecătoare;
ARPA (Advanced Research Projects Agency) - agenţia de proiecte de
cercetare avansată;
BC - vezi KB;
BAM (Business Activity Monitoring) - monitorizarea activităţii
economice;
BI (Business Intelligence) - inteligenţă economică;
BPM (Business Performance/Process Management) - managementul
performanţelor /proceselor economice;
CART (Classification and Regression Trees) - arbori de clasificare şi
regresie;
CD (Compact Disc) - disc compact;
CHAID (Chi-Square Automatic Interaction Detector) - procedeul
coeficientului chi pătrat, pentru detectarea automată a interacţiunilor;
Ci/Di - procedura de criptare/decriptare cu numărul de ordine i;
CPC (Car PC) - calculator personal de maşină;
CPM (Corporate Performance Management) - managementul
performanţelor corporaţiei;
CRM (Customer Relationship Management) - managementul relaţiilor
cu clienţii;
CRT (Cathodic Ray Tube) - tehnologia monitoarelor cu tub catodic;
DBMS (DataBase Management Systems) - sisteme de gestiune a bazelor
de date (SGBD);
DM (Data Mining) - “mineritul” datelor;

DMSS (Decision Making Support System) - sistem de asistare a tuturor

fazelor procesului de luare a deciziilor;
DMX (Data Mining eXtensions) - extensie a limbajului SQL pentru
DM;
DSC (Dynamic Stability Control) - controlul dinamic al stabilităţii;
DSS (Decision Support Systems) - sisteme de asistare a deciziilor
(SAD);
DVD (Digital Versatile/Video Disc) - disc digital video/versatil;
DVI (Digital Video Interface) - interfaţă video digitală;
EBD (Electronic Brakeforce Distribution) - distribuirea electronică a
forţei de frânare;
EDL (Electronic Differential Lock) - blocarea electronică a
diferenţialului;
EDP (Electronic Data Processing) - sisteme de procesare electronică a
datelor;
EIS (Executive Information Systems) - sisteme informaţionale pentru
conducerea executivă;
ELECTRE (ELimination Et Choix Traduisant la REalite) - metodă de
luare a deciziilor în condiiţii de certitudine, prin eliminare şi alegere;
ERP (Enterprise Resource Planning) - sisteme informaţionale integrate;
ES (Expert Systems) - sisteme expert;
ESP/ESC (Electronic Stability Program/Control) - programul/controlul
electronic al stabilităţii;
ESS (Executive Support Systems) - sisteme de asistare a conducerii
executive;
ETL (Extraction Transformation and Loading) - instrumente
specializate de extragere, transformare şi încărcare a datelor;
FEAA - Facultatea de Economie şi Administrarea Afacerilor,
Universitatea “Alexandru Ioan Cuza” Iaşi;
GDSS (Group Decision Support System) - sisteme de asistare a
deciziilor de grup;
GIS (Geographical Information Systems) - sisteme informaţionale
geografice;
GML (Geography Markup Language) - limbaj de etichetare geografic;
GPS (General Problem Solver) - rezolvatorul general de probleme;
GPS (Global Positioning System) - sistem de poziţionare global;
GSDSS - sisteme spaţiale de asistare a deciziilor de grup;
GUI (Graphical User Interface) - interfaţa grafică cu utilizatorul;
HTML (Hypertext Markup Language) - limbaj de etichetare a
hipertextului;

Abrevieri 231
IA - vezi AI;
ICT (Information and Communication Technology) - tehnologia
informaţiei şi comunicării (TIC);
ID3 (Iterative Dichotomizer 3) - algoritm ciclic de divizare, creat de
Quinlan şi folosit de regulă în Data Mining;
IDC (Intelligence, Design and Choice) - proces standard de luare a
deciziilor în trei etape: informare, proiectare şi alegere;
IIF (Immediate If) - funcţie logică de test imediat;
KB (Knowledge Base) - bază de cunoştinţe (BC);
KDD (Knowledge Discovery in Databases) - descoperirea cunoaşterii în
bazele de date (o altă accepţiune a DM);
KE (Knowledge Engine) - motorul de cunoaştere;
KML (Keyhole Markup Language) - limbaj de etichetare a elementelor
cheie folosit pentru exprimarea adnotărilor geografice şi vizualizărilor
cu hărţi şi programe de navigare bi- şi tridimensionale bazate pe web;
KPIs (Key Performance Indicators) - indicatori cheie ai performanţei;
MBA (Market Basket Analysis) - analiza „coşului de cunpărături” sau
tehnică de descoperire a relaţiilor dintre perechi de produse cumpărate
împreună;
MBMS (Model Base Management System) - sistem de gestiune a bazei
de modele (SGBM);
MDX (Multidimensional Expressions/Extensions) - limbaj cu
expresii/extensii multidimensionale;
MGC - motor de gestiune a cunoaşterii (în particular, motor de
inferenţe);
MHT (MIME HTML) sau MHTML;
MIME (Multipurpose Internet Mail Extension) - extensii internet şi mail
cu destinaţii multiple;
MIS (Management Information Systems) - sisteme informaţionale pentru
conducere;
ML (Machine Learning) - învăţare automată;
MRS (Management Reporting Systems) - sisteme de raportare pentru
conducere;
MS (Microsoft);
MSS (Management Support Systems) - sisteme de asistare a conducerii;
NCES (National Center for Education in Statistics) - Centrului Naţional
American pentru Educaţie Statistică;
OAS (Office Automation Systems) - sisteme de automatizare a muncii de
birou;

OCR (Optical Character Recognition) - recunoaşterea optică a

caracterelor;
OLAM (On-Line Analytical Mining) - “minerit” analitic în timp real;
OLAP (On-Line Analytical Processing) - sisteme de procesare analitică
în timp real;
OLE DB (Object Linking and Embeding Data Bases) - standard de
legare şi preluare a datelor utilizată şi în tehnologia bazelor de date;
OLED (Organic Light Emitting Diode) - tehnologa diodelor organice cu
emisie luminoasă;
OLTP (On-Line Transaction Processing) - sistem informatic de
procesare a tranzacţiilor în timp real;
OSK (On Screen Keyboard) - aplicaţia sistemului de operare Windows,
“tastatura de pe ecran”;
PC (Personal Computer) - calculator personal;
PDA (Personal Digital Assistant) - asistent/ajutor digital personal;
PIN (Personal Identification Number) - număr individual de identificare
(ex.: codul numeric personal);
PMML (Predictive Model Markup Language) - limbaj de etichetare
pentru modelarea predictivă;
PSM (Porsche Stability Management) - standardul de management al
stabilităţii brevetat de compania constructoare de automobile, Porsche;
QWERTY - standard de tastatură cu butoane în ordinea efectivă: Q, W,
E, R, T, Y;
RDIcd - denumire generică stabilită de noi pentru un model de
reconfigurare a unui dispozitiv de intrare (ex.: telecomandă) pentru
introducerea comenzilor de la distanţă;
SAD - vezi DSS;
SDSS (Spatial Decision Support Systems) - sisteme spaţiale de asistare a
deciziilor;
SEMA (Societe de l'Economie et de Mathematiques Apliques) -
Societatea de Economie şi de Matematici Aplicate;
SGBD - vezi DBMS;
SGBM - vezi MBMS;
SQL (Structured/Standard Query Language) - limbaj
structurat/standard de interogare;
SRS (Supplementary Restraint System) - sistem de prindere
suplimentară;
TCS (Traction Control System) - sistemul de control al tracţiunii;
TIC - vezi ICT;

Abrevieri 233
TPS (Transaction Processing Systems) - sisteme de procesare a

tranzacţiilor;
U (User) - utilizatorul;
UI (User Interface) - interfaţa cu utilizatorul;
UMPC (Ultra Mobile Personal Computer) - calculator personal
ultraportabil;
URL (Uniform Resource Locator) - localizator uniform de resurse;
USB (Universal Serial Bus) - interfaţa serială universală;
VB6.0 (Visual BASIC - Beginner All Purpose Symbolic Instruction
Code) - Limbaj de programare din pachetul Microsoft Visual Studio 6.0;
W3C (WWW Consortium) - Consorţiul WWW;
WIMP (Windows Icons Mouse and Pointing/Pull Down Menus) -
Interfaţă care foloseşte ferestre, pictograme, mouse-ul şi
indicarea/meniurile derulabile în jos;
WS (Wisdom System) - sistem de ”gestiune” a înţelepciunii;
WWW (World Wide Web) - componentă fundamentală a Internet-ului;
XBRL (Extensible Business Reporting Language) - limbaj extensibil de
raportare economică;
XML (Extensible Markup Language) - limbaj extensibil de etichetare;
XML/A (XML for Analysis) - XML pentru Analize.
SIMBOLURI:
α - coeficientul de optimism;
A, B - diferenţele dintre indicatorul de concordanţă şi cel de discordanţă a
două variante: i şi v, respectiv v şi i;
c - numărul total de criterii de decizie;
Ck - criteriul de decizie k;
d - numărul total de decidenţi care efectuează ierarhizarea criteriilor de
decizie;
dvi(Ck) - elementele matricii MD(Ck), rezultând din comparaţia variantelor
Vv şi Vi;
Dq - decidentul q;
H - entropia ca rată de generare a informaţiei;
i - indice pentru numărul de ordine al unei variante;
I E(i) - indicatorul entropiei;
I G(i) - indicatorul Gini;
I k - coeficientul de importanţă pentru criteriul Ck - cazul deciziilor
individuale;
I’k, I’c - coeficienţii de importanţă pentru criteriile Ck , respectiv Cc - cazul
deciziilor de grup;

IC - indicatori de concordanţă;
ID - indicatori de discordanţă;
j - indice pentru numărul de ordine al unei stări a naturii;
k - indice pentru numărul de ordine al unui criteriu de decizie;
M - matricea rezultatelor comparării criteriilor de luare a deciziilor de grup;
MD(Ck) - matricea de dominanţă a criteriul de decizie k;
MDC - matricea de dominanţă cumulată;
mkc - elementele matricii M, rezultând din comparaţia criteriiilor Ck şi Cc, în
funcţie de valoarea indicilor I’k şi I’c.
pj - probabilitatea de manifestare a stării Sj;
Pkq - punctajul sau utilitatea acordată de decidentul q criteriului Ck, în cazul
deciziilor de grup;
q - indice pentru numărul de ordine al unui decident care efectuează
ierarhizarea criteriilor de decizie;
Rik - rezultat normat în mărime numerică pentru varianta i şi criteriul k;
R sau Rikj - rezultat anticipat în mărime numerică pentru varianta i, criteriul
k, şi starea j a naturii;
s - numărul total de stări ale naturii;
S1, S2,.., Ss - stări ale naturii;
t - doar un indiciu al cumulării - total/subtotal;
Uit - utilitatea variantei i, cumulată pentru toate stările naturii şi toate
criteriile;
Uitj - utilitatea variantei i şi a stării j, cumulată pentru toate criteriile;
U(Vi) - utilitatea variantei i, cumulată pentru toate criteriile (în condiţii de
certitudine);
v - numărul total de variante;
V1, V2,..., Vv - variante de acţiune;
vdi - elementele vectorului VDT;
VDT - vectorul de dominanţă totală;
Vi - varianta decizională i;
X1, X2, .., Xn - variabile predictor în ecuaţia regresiei liniare.

SSRN Id2384380

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

SSRN Id2384380

Încărcat de

Drepturi de autor:

Formate disponibile

DANIEL HOMOCIANU

Redactor: Emil JUVERDEANU

© Editura Universităţii „Alexandru Ioan Cuza”, 2009

http:// www.editura.uaic.ro e-mail: editura@uaic.ro

SISTEMELE DE ASISTARE A DECIZIILOR

Electronic copy available at: https://ssrn.com/abstract=2384380

Electronic copy available at: https://ssrn.com/abstract=2384380

Electronic copy available at: https://ssrn.com/abstract=2384380

Electronic copy available at: https://ssrn.com/abstract=2384380

Electronic copy available at: https://ssrn.com/abstract=2384380

Lucrarea a avut ca punct de plecare şi o serie de ipoteze de lucru, cum ar fi:

Electronic copy available at: https://ssrn.com/abstract=2384380

Electronic copy available at: https://ssrn.com/abstract=2384380

crearea şi susţinerea cunoaşterii2. Tocmai la acest nivel, tehnologia, în calitatea sa

Electronic copy available at: https://ssrn.com/abstract=2384380

1.2 O FILOZOFIE A CUNOAŞTERII

Electronic copy available at: https://ssrn.com/abstract=2384380

considerată ca determinând rata de generare a informaţiei după o formulă

 Galiers priveşte informaţia ca pe date sau ansambluri de date ce prezintă

Electronic copy available at: https://ssrn.com/abstract=2384380

Informaţiile sunt rezultatul interpretării şi contextualizării datelor de către

Electronic copy available at: https://ssrn.com/abstract=2384380

anterior neînţeles; ea depăşeşte înţelegerea şi ridică probleme la care nu există

Figura 1.1 Relaţiile dintre palierele lanţului valoric mental

Frank Blackler20 consideră cunoaşterea legată mai mult de ceea ce face un

Electronic copy available at: https://ssrn.com/abstract=2384380

• procesul de acumulare a unor judecăţi de valoare şi a unor

Electronic copy available at: https://ssrn.com/abstract=2384380

◦ know-where şi know-when - foarte importante în economia actuală

Electronic copy available at: https://ssrn.com/abstract=2384380

Cunoaşterea poate fi privită inclusiv ca o reflectare în conştiinţă a realităţii

Electronic copy available at: https://ssrn.com/abstract=2384380

1.3.1 Câteva accepţiuni ale organizaţiei bazate pe cunoaştere

Figura 1.2 Piramida cunoaşterii - accepţiune a lanţului valoric

Dincolo de aceste paradigme, definiţii şi termeni, în orice organizaţie

Electronic copy available at: https://ssrn.com/abstract=2384380

cultură, identitate, rutine, proceduri, politici, sisteme, documente şi angajaţi.

Electronic copy available at: https://ssrn.com/abstract=2384380

care aduc o contribuţie semnificativă la capitalul intelectual al unei organizaţii. De

Electronic copy available at: https://ssrn.com/abstract=2384380

intelectuale şi morale relativ permanente şi stabile. De aici, tragem concluzia că

Figura 1.3 Cultura organizaţională în viziunea lui Schein

Electronic copy available at: https://ssrn.com/abstract=2384380

Cultura organizaţională trebuie privită la un moment dat altfel decât ca o

Electronic copy available at: https://ssrn.com/abstract=2384380

Figura 1.4 Învăţarea în buclă simplă şi învăţarea în buclă dublă

Încă din 1994, Nonaka şi Takeuchi au publicat modelul spiralei învăţării

Figura 1.5 Spirala creării cunoaşterii organizaţionale

Prin urmare, suntem de acord că învăţarea organizaţională50 este procesul

Electronic copy available at: https://ssrn.com/abstract=2384380

Electronic copy available at: https://ssrn.com/abstract=2384380

procesele sociale, pentru a utiliza cunoaşterea tacită a membrilor şi a o face

Electronic copy available at: https://ssrn.com/abstract=2384380

mare cantitate de informaţii. Însă, creşterea valorii cunoaşterii tacite, nedigitizate s-

Electronic copy available at: https://ssrn.com/abstract=2384380

¾ obiectivul primordial al sistemului este de a eficientiza la maxim

Figura 1.6 Managementul cunoaşterii - procesarea informaţiilor structurate şi de rutină

9 Managementul cunoaşterii pentru stabilirea sensului informaţiilor

Modelul anterior conţine două caracteristici esenţiale:

Electronic copy available at: https://ssrn.com/abstract=2384380

¾ ieşirile necesită o reevaluare continuă, în funcţie de noile condiţii de

Tabelul 1.2 Tipuri consacrate de management, prezentate comparativ

În esenţă, managerii tactici sintetizează cunoaşterea tacită de la nivelul

Galiers priveşte informaţia ca pe date sau ansambluri de date ce prezintă