odlučivanju 2016/2017 dr Vladislav Miškovic SISTEMI ZA PODRŠKU ODLUČIVANJU Tehnički fakultet

Transcription

1 Tema 1: Uvod u sisteme za podršku odlučivanju SISTEMI ZA PODRŠKU ODLUČIVANJU dr Vladislav Miškovic vmiskovic@singidunum.ac.rs Tehnički fakultet 2016/2017

2 1. Osnovni pojmovi 2. Proces donošenja poslovnih odluka 3. Podrška donošenju odluka 4. Sistemi za podršku odlučivanju Tema 1: Uvod u sisteme za podršku odlučivanju 5. Softverski alati za za razvoj informacionih sistema za podršku odlučivanju

3 1. Osnovni pojmovi 1. Donošenje odluka i menadžment 2. Naučne osnove odlučivanja 3. Sistemi za podršku odlučivanju (Decision Support Systems, DSS)

4 1.1 Donošenje odluka i menadžment Donošenje odluka (decision making) je proces izbora između dva ili više alternativnih puteva delovanja radi postizanja cilja ili ciljeva [2] ponekad se izjednačava s terminom rešavanje problema (problem solving) menadžment se može posmatrati kao menadžersko donošenje odluka, jer se u svakoj menadžerskoj funkciji donose odluke Menadžment je proces u kome se, korišćenjem resursa, postižu organizacioni ciljevi resursi su ulazi, ciljevi su izlazi procesa, a njihov odnos (ratio) je stepen uspešnosti ili produktivnost organizacije (productivity)

5 1.2 Naučne osnove odlučivanja To su teorija odlučivanja i nauka o menadžmentu 1.Savremena teorija odlučivanja nastala je u 20. veku, proučavanjem različitih aspekata pojedinačnog i kolektivnog odlučivanja u više naučnih disciplina ekonomija, statistika, psihologija, političke i društvene nauke, filozofija 2.Nauka o menadžmentu ili operaciona istraživanja - primena kvantitativnih tehnika na donošenje odluka [businessdictionary.com] 5

6 Teorija odlučivanja Proučava različite aspekte pojedinačnog i kolektivnog odlučivanja (racionalnost odluke, odlučivanje u uslovima neizvesnosti, donošenje optimalne odluke, grupno odlučivanje) statistička teorija odlučivanja koristi teoriju verovatnoće (pretpostavke i ograničenja) drugi formalni pristupi odlučivanju, npr. fuzzy skupovi i fuzzy logika, teorija Dempstera-Šafera i druge generalizacije statističke teorije odlučivanja teorija igara (game theory) je vrlo blisko područje, koje se bavi matematičkim modeliranje donošnja odluka u uslovima konkurencije donosilaca (igrača) 6

7 Napomena: moderna teorija igara Postala je posebno područje nakon John von Neumannovog rada On the Theory of Games of Strategy (1928) [5] zajedno sa Oskarom Morgensternom napisao je knjigu Theory of Games and Economic Behavior (1944), u kojoj razmatra kooperativne igre više igrača u drugom izdanju se daje aksiomatska teorija korisnosti (expected utility), koja omogućava matematičko tretiranje odlučivanja u uslovima neizvesnosti 7

8 Nauka o menadžmentu (operaciona istraživanja) Nauka o menadžmentu ili operaciona istraživanja - primena kvantitativnih tehnika na donošenje odluka osnovni zadatak: optimizacija organizacionih sistema optimizacija - traženje optimalnog rešenja, maksimuma ili minimuma određene veličine koju nazivamo cilj, koja zavisi od konačnog broja ulaznih promenljivih, međusobno nezavisnih ili povezanih preko jednog ili više ograničenja koristi različite matematičke metode i tehnike, npr. linearno/nelinearno programiranje, teoriju igara, teoriju redova čekanja (queuing theory), teoriju grafova, višekriterijumsku optimizacija, simulacije, itd. 8

9 1.3 Sistemi za podršku odlučivanju (Decision Support Systems, DSS) Ne postoji opšteprihvaćena definicija; neka značenja: 1. Interaktivni (računarski zasnovan) sistemi ili podsistemi za pomoć donosiocima odluka u korišćenju komunikacionih tehnologija, podataka, dokumenata, znanja i/ili modela identifikaciji, rešavanju problema i izvršavanju zadataka u procesu odlučivanja i donošenju odluka 2. Opšti izraz za računarske aplikacije, koje poboljšavaju ličnu ili grupnu sposobnost donošenja odluka 3. Naziv akademskog područja, koje istražuje i proučava sisteme za podršku odlučivanju u kontekstu njihove upotrebe

10 Opšta struktura sistema za podršku odlučivanju Informacioni sistem

11 Ilustracija 1: Primeri najjednostavnijih DSS (Web) Podrška odlučivanju u oblasti finansija Leadfusion - različite korisne kalkulacije (modeli), npr.

12 Kalkulacija: da li je bolji polovni ili novi automobil?

13 Kalkulacija: odgovor na pitanje da li je bolji polovni ili novi automobil?

14 Ilustracija 2: Sistemi za podršku odlučivanju zasnovani na tabelama Sistemi za podršku odlučivanju se sastoje od modela, podataka i korisničkog interfejsa Model se može realizovati korišćenjem mogućnosti/funkcija elektronskih tabela (spreadsheet) moguće ih je proširiti pomoću nekog programskog jezika, npr. Microsoft Excel i Visual Basic for Applications (VBA)

15 Primer: DSS zanovan na tabelama i modelu MS Excel Solver interfejs podaci modeli

16 2. Proces donošenja poslovnih odluka Menadžment je donošenje odluka Menadžer je donosilac odluka (decision maker) Donošenje odluke je proces, koji se obično razmatra kroz više faza (3-6)

17 Proces donošenja odluka Proces se može opisati kao [2]: 1. Definisanje problema (problemske situacije) 2. Konstrukcija modela koji opisuje realni problem 3.Identifikacija i ocena mogućih rešenja modeliranog problema 4. Poređenje, izbor i preporuka mogućih rešenja problema Proces odlučivanja ne mora biti sekvencijalan Sposobnost donošenja odluka se smatra mešavinom talenta i iskustva, gde se koristi intuicija

18 3. Podrška donošenju odluka 1. Prednosti računarske podrške 2. Vrste problema odlučivanja 3. Računarska podrška strukturiranom odlučivanju 4. Računarska podrška nestrukturiranom odlučivanju 5. Računarska podrška delimično strukturiranom odlučivanju

19 3.1 Prednosti računarske podrške Podrška ne mora biti samo računarska - prednosti računarske podrške su: Brzina - veliki broj računanja, brzo i po niskoj ceni Prevazilaženje ograničenja u obradi i memorisanju podataka, koja mogu smanjiti sposobnost rešavanja problema (npr. loše pamćenje) Tehnička podrška u memorisanju, pretraživanju i prenosu podataka, brže i jeftinije Kvalitet podrške, kroz bolje odluke, obradu više alternativa, analizu rizika i ekpertsku podršku Smanjenje cene koštanja podrške Agilnost podrške - brzo donošenje dobrih odluka

20 3.2 Vrste problema odlučivanja Strukturirani problemi imaju strukturisane sve faze rešavanja poznate su procedure nalaženja najboljeg rešenja ciljevi su jasno definisani mogu se koristiti sistemi za podršku menadžmentu, npr. za izradu budžeta, strategiju investiranja... Nestrukturirani problemi nemaju strukturirane faze za rešavanje problema se koristi intuicija i iskustvo Delimično strukturirani problemi imaju strukturirane neke faze ili njihove delove koriste standardne procedure, ali i ljudsko rasuđivanje

21 3.3 Računarska podrška strukturiranom odlučivanju Koriste se matematički modeli odlučivanja i modifikovani proces odlučivanja: 1. Definisanje problema (problemske situacije) 2. Razvrstavanje problema u neku od poznatih kategorija 3. Konstrukcija modela koji opisuje realni problem 4. Identifikacija i ocena mogućih rešenja modeliranog problema 5. Poređenje, izbor i preporuka mogućih rešenja problema

22 1. Definisanje problema: Primer strukturiranog problema: Transportni problem (koraci 1,2) Organizovati transport proizvoda od više teritorijalno raspršenih proizvođača do distributivnih centara, koji se nalaze u blizini nekoliko velikih gradova, tako da se minimizuje ukupna cena transporta Pri tome su poznate maksimalne mogućnosti proizvodnje svih proizvođača i iskazane potrebe distributivnih centara svakog od velikih gradova 2. Razvrstavanje problema u neku od poznatih kategorija, za koje su poznati metodi rešavanja sistemi linearnih jednačina? 22

23 Transportni problem i sistemi linearnih jednačina Problem optimalne organizacije transporta robe do potrošača Shipping Routes Poznata su stovarišta S i i potrošači P j, raspoložive i potrebne količine robe, broj i kapacitet transportnih sredstava i troškovi prevoženja Treba planirati niz prevoženja x ij, tako da se minimizuju troškovi F = c 11 x c 23 x 23 S 1 S 2 c 11 c 12 c 21 c 13 c 22 c 23 x 11 =? x 12 =? x 13 =? x 21 =? x 22 =? x 23 =? P 1 P 2 P 3 nepoznate veličine x ij : količine robe za svako prevoženje

24 Transportni problem i sistemi linearnih jednačina Matematički model su sistemi linearnih jednačina, jer je zavisnost između nepoznatih veličina linearna Standardni oblik: traži se maksimum ciljne funkcije F(x 1,...,x n )= c 1 x 1 +c 2 x c n x n, uz uslove/ograničenja a 11 x 1 +a 12 x a 1n x n 0 a 21 x 1 +a 22 x a 2n x n 0... a m1 x 1 +a m2 x a mn x n 0 region dopustivih rešenja Ilustracija: problem sa dve nepoznate (x 1 i x 2 ) Traži se rešenje koje je, ako postoji, u regionu dopustivih rešenja (feasible region) x 2 ograničenja (constraints) x 1

25 Primer: Transportni problem (korak 3) 3. Konstrukcija modela koji opisuje realni problem (Excel tabela) 25

26 Primer: Transportni problem (koraci 4,5) 4. Identifikacija i ocena mogućih rešenja modeliranog problema 5. Poređenje, izbor i preporuka mogućih rešenja problema 26

27 3.4 Računarska podrška nestrukturiranom odlučivanju Mala podrška standardnih kvantitativnih metoda Koristi se ljudska intuicija i rasuđivanje, kao i specijalizovana softverska rešenja: inteligentni sistemi (ekspertni sistemi, sistemi za preporučivanje, inteligentni agenti,...) Računarska podrška su komunikacione i kolaboracione tehnologije (kolaborativni i sistemi grupnog odlučivanja), kao i upravljanje znanjem (knowledge management) Primeri nestruktuiranih problema: dijagnostika u medicini i složenim tehničkim sistemima preporučivanje proizvoda na sajtovima e-trgovine razumevanje prirodnog jezika i prepoznavanje fizionomija

28 Primer: Dijagnostički ekspertni sistemi u medicini (MYCIN) Nestrukturirani problemi: medicinska i tehnička dijagnostika (simptomi i dijagnoze) jednoj dijagnozi odgovara veliki broj različitih simptoma, a isti simptom odgovara različitim dijagnozama činjenice (simptomi) nisu uvek poznati niti pouzdani nije poznat način na koji eksperti daju dijagnoze dijagnoze nisu potpuno pouzdane Rešenje: ekspertni sistemi (MYCIN) opšti metodi zaključivanja na osnovu nepotpunih i nepouzdanih podataka i konkretno znanje o problemu 1) Patent's name: (tirs-fast) ** FRED BRAUN 2) Sex: ** M 3) Age: ** 55 4) Are there any cultures for Fred Braun which may be related to the present illness, and from which organisms have been grown successluly in the microbiology laboratory? ** Y CULTURE ) From what site was the specimen for CULTURE-1 taken? ** BLOOD =BLOOD 6) Please give the date and time when CULTURE-1 was obtained. (mo/da/yr time) ** JUN 20, 1977 The first orgarism Isolated from the blood cultixe of 20-JUN-77 (CULTIJRE-1) will be relerred to as: ORGANISM ) Enter the laboratory-reported identity of ORGANISM-i: ** UNKNOWN 6) The stain (gram or Ziehl-Neelsen acid last) of ORGANISM-i: ** NEG 9) Is ORGANISM-i rod or coccus (etc.): ** ROD... [REC-1] My preferred thrapy reccmmendation is as follows: In order to cover for items < >: Give: GENTAMICIN Dose 119 mg (6.0 ml) q8h IV for lo days [calculated on basis of 1.7 mg/kg] Comments: Modify dose in renal failure. 28

29 Primer: Sistemi za preporučivanje (e-trgovina) e-prodavnice (Amazon, NetFlix) Velike e-prodavnice nude veliki broj proizvoda (hiljade, milioni) odluka o kupovini zavisi i od prilagođavanja ponude potrebama kupca personalizovana ponuda znatno povećava prodaju sistemi za preporučivanje kombinuju različite izvore informacija i nude proizvode na osnovu predviđanja interesovanja kupaca 29

30 3.5 Računarska podrška delimično strukturiranom odlučivanju Kombinuju se standardni metodi rešavanja, za strukturirane delove i ljudsko rasuđivanje i specijalizovani metodi, za ostale Sistem za podršku može uticati na povećanje kvaliteta informacija potrebnih za odlučivanje veći broj alternativa opis mogućih posledica pojedinih odluka

31 4. Sistemi za podršku odlučivanju 1. Sistem za podršku odlučivanju 2. Osnovna svojstva sistema za podršku odlučivanju 3. Komponente sistema za podršku odlučivanju 4. Klasifikacija sistema za podršku odlučivanju

32 4.1 Sistem za podršku odlučivanju Sistem zasnovan na modelima ili znanju, čija je namena podrška menadžerima u donošenju odluka u nestrukturiranim i delimično strukturiranim situacijama obično pomoću modeliranja problema i primene kvantitativnih modela za analizu mogućih rešenja ne zamenjuje ljude, već samo poboljšava njihovu sposobnost donošenja odluka Ilustracija: ACAFE - podrška procesima u zdravstvu podaci o pacijentima (e-karton) i procesu lečenja (zakazivanje, lečenje, dijagnostika i nadzor)

33 Ilustracija: podrška procesima u zdravstvu ACAFE (A Computerized Advancement For Emergency) prijava korisnika

34 Ilustracija: podrška procesima u zdravstvu Pristup i uvid u medicinske podatke...

35 Ilustracija: podrška procesima u zdravstvu... i podrška odlučivanju: ocena stepena ozbiljnosti i aktiviranje upozorenja

36 Podrška 4.2 Osnovna svojstva sistema za podršku odlučivanju rešavanju polustruktuiranih i nestruktuiranih problema svim nivoima individualnog i grupnog odlučivanja direktnom ili sekvencijalnom odlučivanju u svim fazama odlučivanja različitim načinima odlučivanja Prilagodljivost, interaktivnost i jednostavnost upotrebe Poboljšava efektivnost (tačnost, pravovremenost, kvalitet), ne efikasnost (cena odluke) Dozvoljava razvoj jednostavnijih sistema i korisnicima, omogućava modeliranje i eksperimentisanje Omogućava pristup podacima (BP, GPS, MM)

37 4.3 Komponente sistema za podršku odlučivanju Osnovne komponente sistema za podršku odlučivanju su: podsistem za upravljanje podacima (DBMS) podsistem za upravljanje modelima (MBMS) podsistem za upravljanje znanjem (KBMS) korisnički interfejs (podsistem)

38 Osnovne funkcije Izdvajanje (ekstrakcija) podataka Upravljanje podacima i relacijama Podsistem za upravljanje podacima (DBMS) Ažuriranje podataka (add, delete, edit, change) Pristup podacima (pretraživanja) Sve vrste upita Katalog podataka

39 Funkcije kreiranje modela ažuriranje modela manipulisanje podacima modela generisanje novih procedura katalog modela (Model Directory) definicije Podsistem za upravljanje modelima (MBMS)

40 Klase modela prema nameni Strategijski podrška odlučivanju najvišeg nivoa podrška odlučivanju najvišeg nivoa Taktički podrška odlučivanju srednjeg nivoa, najviše u alokaciji resursa Operacionalni za podršku dnevnim aktivnostima organizacije Analitički za različite analize podataka

41 Podsistem za upravljanje znanjem (KBMS) Za rešavanje nestrukturiranih problema logičko rasuđivanje nije dovoljno, neophodno je znanje Ekspertni sistemi i inteligentni agenti podrška donošenju odluka korišćenjem specifičnog, specijalističkog znanja Složeno rešavanje problema Podrška drugim komponentama sistema Najčešće su deo tekstualno orijentisanih DSS

42 Osnova je grafički korisnički interfejs (GUI) Koristi se i komunikacija u prirodnom jeziku (natural language processor, NLP) Podsistem korisničkog interfejsa Veza s drugim komponentama, npr. za upravljanje modelima i podacima Primeri komunikacija glasom (speech recognition) panel displeji taktilni interfejsi komunikacija gestovima komunikacija mentalnim aktivnostima

43 Komunikacija u prirodnom jeziku Podržana u mnogim alatima inteligentni asistenti (Siri, Google Now,..) chatterbot-i Ideja za SQL Jezik Engleski (i jedan broj svetskih jezika) Srpski Govor prepoznavanje sinteza 43

44 Komunikacija glasom Prepoznavanje govora (speech recognition) prepoznavanje izgovorenih reči više jezika, engleski, uključen u MS Office inteligentni mobilni asistenti Sinteza govora (speech synthesis) mnogo jednostavniji problem sinteza izgovora reči na više jezika MS Windows/Office, Google Translate,... 44

45 5. Softverski alati za razvoj sistema za podršku odlučivanju Alati za razvoj informacionih sistema i integraciju aplikacija: razvojna okruženja i sistemi za upravljanje bazama podataka (DBMS) Alati za razvoj sistema za podršku odlučivanju (Business Intelligence) Namenski alati za istraživanje podataka (Data Mining) i razvoj sistema zasnovanih na znanju (Expert Systems)

46 Primeri Alati za razvoj sistema za podršku odlučivanju (Business Intelligence, BI) i istraživanje podataka (Data Mining) isporučiju se kao komponente standardnih sistema za upravljanje bazama podataka poznatih proizvođača, npr. Oracle BI IBM DB2 BI Microsoft SQL Server BI Postoje alati otvorenog koda, besplatni alati i besplatne verzije komercijalnih alata Za njihovu upotrebu je potrebno znanje o samim metodima i načinu njihove upotrebe

47 Primer 1: Alat za razvoj sistema za podršku odlučivanju otvorenog koda Pentaho se zasniva na Java platformi i sistemu otvorenog koda za istraživanje/otkrivanje znanja (data mining) WEKA integracija podataka iz više izvora izveštavanje i vizualizacija upravljačka tabla (dashboard) istraživanje podataka/ otkrivanje znanja 47

48 Primer 2: Alat za razvoj sistema za podršku odlučivanju zasnovan na tabelama Palisade DecisionTools Suite je integrisani skup programa za analizu rizika i podršku donošenju odluka u uslovima neizvesnosti Koristi se u okviru sistema Microsoft Excel i ima za Monte Karlo simulacije PrecisionTree za stabla odlučivanja TopRank za what if analizu osetljivosti StatTools za statističke analize i predviđanja NeuralTools za predikciju pomoću modela neuronskih mreža (ANN) Evolver i RISKOptimizer za optimizacije 48

49 Primer 3: Komercijalni alati za razvoj SQL Server 2008/2012/ 2014/2016 Business Intelligence i SharePoint 2010/2013/2015 SQL Server 2008 Business Intelligence Development Studio (BIDS) SQL Server 2012/2014/2016 Data Tool (DT) SharePoint 2013/2015 sistema za podršku odlučivanju 49

50 Literatura 1. Miškovic V., Sistemi za podršku odlučivanju, Univerzitet Singidunum, Beograd, 2016 (1-26) 2. Turban E., Aronson J.E., Liang T., Sharda R., Decision Support and Business Intelligence Systems, 9th Ed, Pearson Education,Inc, Seref M., Ahuja R.,Winston W., Developing Spreadsheet-based Decision Support Systems, Dynamic Ideas, Ragsdale C.T., Spreadsheet Modeling & Decision Analysis, Sixth Edition, South-Western Cengage Learning, Hillier F.S., Lieberman G.J., Introduction to Operations Research, 10th Ed, McGraw-Hill,

51 SISTEMI ZA PODRŠKU ODLUČIVANJU Tema 1: Uvod u sisteme za podršku odlučivanju KRAJ