Bài tập lớn môn Hệ chuyên gia đề tài "IES – DSS – ES"

lOMoARcPSD| 38841209
TRƯỜNG ĐẠI HỌC XÂY DỰNG
Khoa công nghệ thông tin ---- ----
BÀI TẬP LỚN MÔN HỆ CHUYÊN GIA
Đề tài: IES – DSS – ES
Tích hợp hệ thống chuyên gia,
Hệ thống thông tin điều hành,
và Hệ thống hỗ trợ ra quyết định
Efraim Turban and Hugh J. Watson 1. GIỚI THIỆU
Thuật ngữ Hệ thống thông tin điều hành (EIS) được đặt ra tại MIT vào cuối những
năm 1970. Được ca ngợi là một công nghệ mới (xem Rockart và Treacy 1982),
khái niệm đã lan rộng với đà phát triển thành hàng trăm tập đoàn lớn. Một nghiên lOMoARcPSD| 38841209
cứu được thực hiện tại MIT Trung tâm Nghiên cứu Hệ thống Thông tin cho thấy
rằng khoảng một phần ba số lượng lớn các tập đoàn ở Mỹ hiện đã cài đặt hoặc đang
triển khai một số loại EIS. Nghiên cứu (Rockart và
DeLong 1986) cũng chỉ ra rằng khoảng phần trăm SO thuộc khảo sát EIS đã được
sử dụng trực tiếp bởi giám đốc điều hành hàng đầu (ví dụ: CEO, CFO). Đó là, cứ
sáu giám đốc điều hành hàng đầu thì có khoảng một người sử dụng trực tuyến với
EIS. Một số nghiên cứu gần đây cung cấp các mô tả chung về EIS, ví dụ, xem
Brody (1988) và McNurlin ( 1987). Các nghiên cứu trường hợp cụ thể được cung
cấp bởi Houdeshel và Watson ( 1987), Fedorowicz (1986), và trong một số đặc biệt
của Informrim Cenfer (1988).
Gần đây, khái niệm EIS có liên quan đến DSS. Ví dụ, từ năm 1986 Viện
Khoa học Quản lý đã kết hợp trong Hội nghị DSS của mình một EIS đặc biệt phổ
biến với những người tham dự hội nghị (xem El Sawy 1987 và Fedorowicz 1986).
Một khía cạnh của mối quan hệ giữa EIS và DSS là sự tích hợp của
hai. Khi phân tích dữ liệu và các khả năng khác được thêm vào EIS, hệ thống kết
quả đôi khi được gọi là Hệ thống hỗ trợ điều hành (ESS) (xem Rockart và DeLong
1988). Khi Ben Heineman là CEO của Northwest Industries, hệ thống anh ấy đã sử
dụng là một EIS với tùy chọn sử dụng các hệ thống hỗ trợ quyết định dựa trên nền
tảng Express (Rockart và Treacy 1982).
Mục đích của trang này là mô tả cách làm cho ESS trở nên hữu ích
hơn hoặc “thông minh” hơn bằng cách thêm các khả năng của hệ thống chuyên gia
(ES) vào nó. Đặc biệt. tờ giấy bao gồm theo chủ đề: Khái niệm về EIS Khả năng ES lOMoARcPSD| 38841209 Tích hợp ES Tích hợp ES và EIS
Quá trình ra quyết định và sự hỗ trợ của nó Cách tích hợp
Các chủ đề nghiên cứu đề xuất Kết luận 2. KHÁI NIỆM VỀ ESS
Có sự nhầm lẫn đáng kể về các điều khoản EIS và ESS. Thường xuyên họ đang
được sử dụng thay thế cho nhau.
Tuyên bố sau đây được cung cấp bởi Execucom Systems Corporation
(Austin.TX) để chứng minh sự khác biệt giữa hai hệ thống: “Bởi vì EIS chỉ phục vụ
cho các giám đốc điều hành hàng đầu, sẽ không cải thiện được sự phối hợp và kiểm
soát ngoại trừ thông qua tác động gián tiếp của việc tập trung sự chú ý trong toàn
tổ chức vào *M_ của nhà điều hành các yếu tố thành công. “ Thiếu sót nghiêm
trọng nhất của EIS, tuy nhiên, nó chỉ giúp nhà điều hành hiểu được vị trí của tổ
chức hiện nay-nó làm được rất ít trong việc giúp họ hình dung nó có thể ở đâu
trong tương lai. Nó cung cấp thông tin, nhưng không phải trí thông minh. Để biến
thông tin thành trí thông minh, bạn phải hiểu nó có thể ảnh hưởng đến tương lai của bạn như thế nào.”
Hệ thống hỗ trợ điều hành là một ứng dụng dựa trên máy tính hỗ trợ việc lập
kế hoạch, phân tích của giám đốc điều hành, và nhu cầu truyền thông bên cạnh lOMoARcPSD| 38841209
thông tin của họ cần. Điều này đòi hỏi phải kết hợp các khả năng EIS và DSS trong
một hệ thống duy nhất.
EIS tập trung vào hiện tại, thường trình bày cho giám đốc điều hành thông
tin trong khung thời gian ngân sách của tổ chức. Hơn nữa, nó chỉ là một công nghệ
trưng bày, định hướng trình bày báo cáo tĩnh. đồ thị, và thông tin văn bản dựa trên
nhu cầu. Nó không cung cấp khả năng phân tích để giúp người điều hành giải thích,
chẩn đoán và hiểu thông tin được trình bày cho họ. Ngoài ra, một EIS không làm gì
để giúp giám đốc điều hành dự báo tác động của các quyết định và kế hoạch khác
nhau mà anh/cô có thể thực hiện, hoặc để hiểu tác động của các tình huống khác
nhau có thể áp đặt lên tổ chức từ bên ngoài.
Không phải ai cũng ủng hộ ý tưởng này. Như đã thảo luận bởi Brady (1988),
có nhiều người tin rằng EIS và DSS phải là những sản phẩm hoàn toàn độc lập. Lập
luận chính ủng hộ ý kiến này là các giám đốc điều hành hàng đầu không làm nhiều
phân tích; thay vào đó, họ ủy thác nó. Lập luận phản biện chính là các giám đốc
điều hành cấp hai và các giám đốc điều hành trẻ muốn thực hiện tất cả hoạt động.
Rõ ràng là có một vị trí cho cả hai loại hệ thống. Trong trang này, chúng tôi xử lý
ESS như một EIS/DSS tích hợp; nghĩa là, chúng tôi giả định rằng nó sẽ cung cấp
khả năng phân tích cho các giám đốc điều hành.
Cấu trúc đơn giản hóa của ESS được thể hiện trong Hình 1. Nói chung, đầu
ra của EIS được sử dụng để xác định các cơ hội và/hoặc vấn đề trong khi DSS được
sử dụng để phân tích những việc cần làm với những cơ hội và/hoặc vấn đề này. 3. KHẢ NĂNG ES
Để đánh giá đóng góp tiềm năng của ES cho ESS điều hữu ích là kiểm tra khả
năng. Chúng tôi làm như vậy bằng cách xem xét hai khía cạnh: ES có thể làm gì và
ở lĩnh vực nào đã được tìm thấy là thành công. lOMoARcPSD| 38841209
Tranh 1. Cấu trúc đơn giản hóa của ESS EIS Giao diện DSS Các thành phần khác ví dụ như sự
Những gì ES có thể làm. Các hệ chuyên gia được thiết kế để bắt chước các chuyên
gia của con người. Như vậy họ là đã từng: •
Đưa ra lời khuyên về các vấn đề phức tạp, chuyên biệt. •
Dạy hoặc đào tạo người không chuyên. •
Cung cấp tư vấn kịp thời (hoặc “ý kiến thứ hai”). •
Giải thích cách đạt được kết luận, hoặc tại sao cần thêm thông tin. lOMoARcPSD| 38841209
BẢNG 1 Các loại chung của hệ chuyên gia
Tên loại Vấn đề được giải quyết
Diễn dịch Suy luận mô tả tình huống từ dữ liệu cảm biến
Sự dự đoán Suy luận các hậu quả có thể xảy ra từ
các tình huống nhất định
Chẩn đoán Suy luận trục trặc hệ thống từ các quan sát
Thiết kế Định cấu hình các đối tượng dưới các ràng buộc
Lập kế hoạch Phát triển các kế hoạch để đạt được các mục tiêu
Theo dõi So sánh các quan sát để lập kế hoạch
ho các lỗ hổng, gắn cờ ngoại lệ Gỡ lỗi Quy
định các biện pháp khắc phục sự cố
Sửa chữa Thực hiện một kế hoạch để quản lý
một biện pháp khắc phục theo quy định Hướng dẫn
Chẩn đoán, sửa lỗi. và sửa bài cho các hiệu suất cơ bản lOMoARcPSD| 38841209
Điều khiển Phiên dịch, dự đoán. sửa chữa, giám
sát các hành vi hệ thống
Tích hợp ES với DSS (một chủ đề được nghiên cứu kỹ lưỡng), sau đó chúng ta sẽ
thảo luận về tích hợp ES với EIS (một chủ đề mới nổi). Cuối cùng, việc tích hợp
ES với EIS/DSS kết hợp (cái mà chúng tôi gọi là ESS) được xem xét. 4. TÍCH HỢP ES VÀ DSS
Việc tích hợp ES và DSS đôi khi đã được ủng hộ bởi một số nhà nghiên cứu và
những người trong nghề (ví dụ, xem Bonczek et al. 1981, Kowalik 1986, Lee và
Lee 1988, Luconi et al. 1986 và Scott Morton 1984).
Sự tích hợp như vậy xuất hiện dưới nhiều tên khác nhau (ES/DSS, XDSS, DSS,
DSS/ES, EDSS thông minh) có thể tăng hiệu quả của DSS cũng như cho phép việc
sử dụng DSS để giải quyết các vấn đề khá phức tạp.
Mục đích của việc tích hợp như vậy là để cải thiện việc xây dựng và sử dụng DSS
và nó được thảo luận trong các tài liệu tham khảo ở trên. Một sự tích hợp như vậy
có thể giả định cấu hình khác nhau (xem Teng et al. 1988 và Turban and Watkins 1986).
Việc tích hợp với DSS có thể tham gia bằng cách tích hợp ES với mô hình cơ sở,
giao diện hoặc với toàn bộ hệ thống. Bảng 2 cung cấp một danh sách các tài liệu tham khảo đại diện.
Các khả năng nâng cao mà ES có thể cung cấp cho DSS và cho ESS là nhiều. Ví dụ, nó có thể: lOMoARcPSD| 38841209
Cung cấp khả năng suy luận cho DBMS, Cho
phép truy cập dễ dàng hơn vào cơ sở dữ liệu,
Mở rộng quy trình truy vấn.
Giúp xác định vấn đề,
Cung cấp giải thích về đầu ra của các mô hình,
Kích hoạt một giao diện đơn giản hơn.
BẢNG 2 Tài liệu tham khảo về tích hợp ES/DSS Thành phần Tác giả Cơ
sở dữ liệu Al-Zobaidie and Grimson và sự
quản lý của nó (1987). Brodiie and Mylpoulos (1986) Hsu and Skevington (1987), Jarke and Vasiliou (1984), Kerscgberg (1986),
King (1985) and Yasdi (1985).
Cơ sở mô hình và Blanning (1988), Fedorowicz và
quản lý của nó Williams (1986) Elam và Konsynsky (1987). lOMoARcPSD| 38841209
Giao diện hộp thoại Harris (1987) Ishikawa (1987)
Sawaragi et al. (1986). DSS như một hệ thống Sawaragi et al. (1986) Turban
(ví dụ: thêm (1988), King (1989a,b).
giải thích, mở rộng ranh giới ra
quyết định, và cải thiện quyết định quá trình
Tích hợp Expert S_vsrems. Hệ thống thông tin Execxbe và DSS 5. TÍCH HỢP ES VÀ EIS
Có rất ít thảo luận trong tài liệu về việc tích hợp ES và EIS hoặc về cách làm cho
EIS thông minh hơn. Nó chỉ đơn giản là một chủ đề rất mới. Tuy nhiên, có một số
nghiên cứu liên quan đến chức năng EIS (ví dụ: sử dụng ES trong xác định vấn đề).
Những điều này sẽ được mô tả trong phần tiếp theo của chúng tôi. King (1989a) đã
báo cáo nỗ lực tạo tiền đề cho sự tích hợp như vậy . : sử dụng Nói chung, đóng góp
chính của ES cho EIS có thể là trong việc diễn giải lượng thông tin khổng lồ được
giám sát bởi EIS. ví dụ, xem xét các bất thường hoặc kiểm tra các xu hướng tiềm
ẩn. Một lĩnh vực khác là cung cấp các giải thích cho các câu hỏi mà người dùng có
thể đưa ra. Mối quan tâm đặc biệt là khả năng tiếp cận các cơ sở dữ liệu thương mại.
Các cơ sở dữ liệu trực tuyến thương mại được phát triển độc lập với nhau, với các
ngôn ngữ lệnh, cấu trúc tệp và giao thức truy cập khác nhau. Nếu người ta thêm
vào điều này sự phức tạp của tìm kiếm, sự gia tăng của các cơ sở dữ liệu trực tuyến
(vài nghìn) và việc thiếu tiêu chuẩn hóa, thì không khó để hiểu tại sao cần có kiến
thức sâu rộng để sử dụng các cơ sở dữ liệu này một cách hiệu quả. Các hệ thống lOMoARcPSD| 38841209
chuyên gia đang được sử dụng (thường là với bộ xử lý ngôn ngữ tự nhiên) làm giao
diện cho các cơ sở dữ liệu đó. Cơ sở tri thức của ES bao gồm tri thức về chiến lược
tìm kiếm. Ví dụ, một hệ thống như vậy có thể tư vấn cho người dùng thông thường
về cách thực hiện một tìm kiếm đơn giản hoặc nó có thể hướng dẫn người dùng có
kinh nghiệm hơn trong việc truy cập các cơ sở dữ liệu được tổ chức khó khăn. Nhìn
chung, nó có thể làm cho một hệ thống trực tuyến trở nên trong suốt đối với người
dùng. Để biết chi tiết, xem Kehoe (1985) và Hawkins (1988).
6. QUÁ TRÌNH RA QUYẾT ĐỊNH VÀ SỰ HỖ TRỢ CỦA QUÁ TRÌNH RA QUYẾT ĐỊNH
Việc tích hợp ES với EIS và DSS có thể được khám phá tốt nhất bằng cách xem
%.ipport quản lý được cung cấp bởi một hệ thống như vậy. Để hiểu được sự hỗ trợ
như vậy, chúng tôi sẽ sử dụng quy trình ra quyết định dựa trên Simon. Các bước
trong quy trình này như trong Hình 2 là:
Bước a. Vấn đề tìm kiếm cơ hội. Bước này liên quan đến việc thu thập thông tin từ
nhiều nguồn khác nhau để xác định các vấn đề và cơ hội. Bước này là bước được
EIS hỗ trợ chủ yếu. Hệ thống giám sát môi trường, chuẩn bị báo cáo, tập trung vào
các chỉ số chính, cho phép điều tra “đi sâu vào”, v.v. Bước này có thể yêu cầu
thông tin bổ sung, lời khuyên của chuyên gia, xác minh, v.v.
Bước b. Phân tích. Một khi vấn đề (cơ hội) đã được xác định, một câu hỏi được đặt
ra: phải làm gì với nó? Ở bước này, một phân tích được yêu cầu. Phân tích có thể là
định tính hoặc định lượng (hoặc kết hợp). Phân tích định lượng có thể được hỗ trợ bởi DSS.
Bước c. Sự lựa chọn. Trong bước này, một quyết định được đưa ra liên quan đến
vấn đề (hoặc cơ hội) dựa trên kết quả phân tích. Bước này có thể được hỗ trợ bởi
DSS (nếu đó là một người ra quyết định duy nhất) hoặc bởi GDSS nếu đó là một nhóm. lOMoARcPSD| 38841209
Bước đ. Thực hiện. Trong trường hợp quyết định đưa ra một sự thay đổi, nó cần
phải được thực hiện. 7. TÍCH HỢP ES
Hình 3 cho thấy khả năng tích hợp ES trong quy trình được hỗ trợ bởi EWDSS;
những gì chúng ta gọi là “ESS thông minh” hoặc ES/EIS/DSS tích hợp. Hình này
trình bày một tiềm năng sử dụng của bảy hệ chuyên gia khác nhau. Các lĩnh vực
ứng dụng của chúng được đánh dấu từ ES 1 đến ES 7. lOMoARcPSD| 38841209
ES 1. Hệ thống này có thể giúp thiết kế luồng thông tin cho ban điều hành (ví dụ:
giám sát cái gì, khi nào). và trong việc giải thích (xem Bảng 1) của thông tin thu
thập được. Vì một số thông tin không rõ ràng nên sự kết hợp giữa ES và điện toán
thần kinh có thể rất hữu ích. Toàn bộ lĩnh vực quét, giám sát, dự báo (ví dụ: xu
hướng) và đánh giá (hoặc giải thích) có thể được hỗ trợ rất nhiều bởi tự động hóa
nói chung (ví dụ: E-mail, v.v.) và đặc biệt là bởi ES. Xem Fahey và Narayana
(1986) để biết quy trình phân tích môi trường và Fedorowicz (1989) để thảo luận
về hỗ trợ máy tính nói chung. Cuối cùng, việc sử dụng ES với các cơ sở dữ liệu bên
ngoài đã được thảo luận trong phần 5.
ES 2. Dựa trên thông tin thu thập được, xác định vấn đề (cơ hội) là thực hiện. Các
hệ chuyên gia có thể đóng một vai trò quan trọng trong bước này vừa là hỗ trợ cho
EIS (xem King 1989a) và giúp định nghĩa chính xác vấn đề (xem Courtney et al. lOMoARcPSD| 38841209 1987).
ES 3. Phân tích định tính dựa trên việc sử dụng kiến thức chuyên môn. Ở đây,
người ta có thể thay thế các chuyên gia với ES (tiết kiệm đáng kể thời gian và tiền
bạc). Ví dụ, một ES có thể cung cấp tư vấn về các vấn đề pháp lý hoặc thuế có liên
quan đến vấn đề. Một cách sử dụng khác có thể có của ES tại thời điểm này thời
gian dành cho việc hỗ trợ các phương pháp dự báo định tính.
ES 4. Sự hỗ trợ của ES cho phân tích định lượng đã được thảo luận chi tiết trong
phần f4. Đặc biệt quan trọng là khả năng giải thích của kết quả phân tích. Cácphân
tích có thể được thực hiện bởi các nhà phân tích nhân viên.
ES 5. Lựa chọn cuối cùng có thể do một cá nhân hoặc một nhóm đưa ra. Cả hai có
thể cần giải thích thông tin được tạo ra trong quá trình phân tích và thực hiện các
dự đoán bổ sung. Đây là hai loại chung điển hình của ES. Tuy nhiên, những người
ra quyết định có thể sử dụng ES để giúp phát triển thiết kế và lập kế hoạch cuối
cùng (bao gồm cả kế hoạch thực hiện) của hành động được đề xuất. Vai trò của ES
trong GDSS có thể cực kỳ quan trọng; hiện tại chúng tôi có rất ít thông tin về chủ đề này.
ES 6. ES rất hữu ích trong việc tăng cơ hội thực hiện thành công (xem Turban và
Watkins 1988). Những lợi ích chính là giải thích và năng lực đào tạo.
ES 7. Giao diện người dùng tuyệt vời là chìa khóa để triển khai thành công bất kỳ
hoạt động quản lý nào hệ thống hỗ trợ. ES có thể cải thiện giao diện, đặc biệt khi
kết hợp với bộ xử lý ngôn ngữ tự nhiên (xem Harris 1987). Khả năng tích hợp của
ES và giao diện là được đề cập trong phần 4.
ES khác. Các ES khác có thể được sử dụng để giúp xây dựng EIS/ESS hoặc để tư
vấn về cách để sử dụng nó trong các tình huống khác nhau.
8. CÁCH TÍCH HỢP (KHỚP NỐI ES, EIS VÀ DSS) lOMoARcPSD| 38841209
Việc tích hợp ES với EIS và DSS có thể được thực hiện theo nhiều cách. Nó phụ
thuộc vào mục đích của hệ thống, trên phần cứng, mạng và các công cụ phát triển.
Vấn đề là có một số cách khác nhau để cấu trúc từng thành phần. Ví dụ, Sprague và
Carlson (1982) đề xuất bốn kiến trúc khác nhau cho một DSS. Sau đó, có một số
cách để kết nối ES với các bộ phận khác. Ví dụ, Al-Zobai-die và Gromson (1987)
xác định ba kiến trúc khác nhau để ghép ES và dữ liệu căn cứ. King (1989b) phân
biệt giữa liên kết truyền thông với liên kết hợp nhất cách tiếp cận để tích hợp ES và
DSS. Nói chung, tích hợp vật lý có thể được thực hiện theo một trong hai cách:
thông qua một cách tiếp cận truy cập hoặc các thành phần có thể được nhúng vào
nhau. Sử dụng cách tiếp cận truy cập, các công cụ phát triển ES hoặc các chương
trình ứng dụng ES có thể truy cập EIS, DSS hoặc các chương trình khác theo một
trong ba cách: thông qua một bộ xử lý, sử dụng đa bộ xử lý, hoặc thông qua mạng.
Trong cách tiếp cận nhúng, phần mềm ES được nhúng trong EIS hoặc DSS (hoặc
các chương trình khác). Cách tiếp cận này có thể được coi là “thế hệ thứ hai” của
việc tích hợp ES và các hệ thống thông thường. Nó nhúng các khả năng ES giá trị
gia tăng trong các chương trình. Người dùng nhìn thấy một ứng dụng duy nhất mà
họ có thể làm việc cùng. Không có sự phân biệt giữa ES và các bộ phận thông
thường. Một ví dụ về công cụ phát triển tích hợp là Executive Edge (từ Execucorn
Systems Corporation). Sản phẩm này tập trung vào một trình tạo DSS (IFPS/PLUS)
được bổ sung thêm các khả năng của EIS và cơ sở giải thích về ES. công cụ có thể
được sử dụng để xây dựng một hệ thống hỗ trợ quản lý khá toàn diện. Trong việc
xây dựng các hệ thống tích hợp, cấu trúc vật lý có thể trở thành một yếu tố quan
trọng. Trong khi các hệ thống nhúng có vẻ được ưa chuộng, chúng còn hơn thế
nữa. khó khăn hoặc tốn kém hơn để xây dựng. Có nhiều thành phần tiêu chuẩn hơn
có thể hỗ trợ các phương pháp tiếp cận. dẫn đến tiết kiệm thời gian và/hoặc tiền bạc.
Việc lựa chọn một chế độ tích hợp thích hợp nằm ngoài phạm vi của bài báo này. lOMoARcPSD| 38841209
Tuy nhiên nó chắc chắn nên được xem xét trong giai đoạn thiết kế của một dự án tích hợp.
9. ĐỀ XUẤT CÁC CHỦ ĐỀ NGHIÊN CỨU
Sự tích hợp của ES, EIS và DSS và mối quan hệ giữa các công nghệ là mới bắt đầu
được điều tra. Đối với các nghiên cứu gần đây, xem King (1989a). El Sawy (1989),
và Người bạn (1989). Sau đây là một số vấn đề được đề xuất làm đề tài nghiên cứu:
Sở thích điều hành của EIS so với ESS.
Có nên thiết kế ES/EIS/lXS cho một nhóm không?
Yêu cầu hệ thống thông tin-làm rõ thêm,
Cách EIS giao tiếp với DSS và với một hệ thống chuyên gia, cả về chức năng và vật lý.
Phương pháp phân tích và phát triển hệ thống thích hợp nhất cho một ESS thông minh là gì?
ESS thông minh đang thực sự được sử dụng như thế nào? Chúng ta có thể phát
triển các hướng dẫn sẽ cho phép giám đốc điều hành để tận dụng tối đa các hệ thống này?
Một phương pháp để phân tích lợi ích chi phí trước khi cài đặt một ESS thông minh
và một phương pháp đánh giá vận hành ESS thông minh.
Ai sẽ xây dựng ESS thông minh và chịu trách nhiệm về nó?
Ở đâu và làm thế nào để có được kiến thức cần thiết cho các hệ thống như vậy. 10. PHẦN KẾT LUẬN
ESS thông minh hoặc ES/EIS/DSS tích hợp là một chủ đề mới nổi đáng được quan
tâm nhiều chú ý. Nói ngắn gọn mục đích của một hệ thống như vậy là làm cho lOMoARcPSD| 38841209
người điều hành hiệu quả (cho phép họ tiết kiệm thời gian) và hiệu quả hơn (đưa ra
quyết định tốt hơn). Tích hợp ES, EIS và DSS chỉ có ý nghĩa nếu việc tích hợp EIS
và DSS tạo ra nghĩa (vấn đề vẫn còn gây tranh cãi). Mục tiêu trên có thể đạt được
bằng cách sử dụng máy tính để tự động hóa nhiều tác vụ hiện đang được thực hiện
thủ công. như vậy tự động hóa là mong muốn, nếu và chỉ khi nó có thể được thực
hiện một cách kinh tế và nếu cung cấp hỗ trợ có chất lượng cao.
Bài viết này là một nỗ lực tiên phong để thu hút sự chú ý đến một hệ thống tích hợp
như vậy và với một số lợi ích, hạn chế và chi phí của nó. Chúng tôi hy vọng rằng
nó sẽ thu hút sự chú ý của cả các nhà nghiên cứu và các học viên cố gắng tăng
cường sự hỗ trợ trên máy vi tính của hoạt động quản lý. Câu hỏi:
Các lĩnh vực ứng dụng của ES?
Elasticsearch (ES) là một công cụ tìm kiếm và phân tích dữ liệu mã nguồn mở được
sử dụng rộng rãi trong nhiều lĩnh vực khác nhau. ES được phân loại từ ES1 đến
ES7 để phân biệt các phiên bản khác nhau của công cụ. Các phiên bản này được
phát triển với các tính năng và cải tiến mới được thêm vào để cải thiện hiệu suất và
tính năng của ES. Các lĩnh vực ứng dụng của ES từ ES1 đến ES7 được mô tả như sau:
ES1: ES1 chủ yếu được sử dụng để xây dựng các ứng dụng tìm kiếm đơn giản và
cho các trang web cỡ nhỏ hoặc trang web với số lượng truy cập trung bình.
ES2: ES2 được cải tiến về hiệu suất và khả năng mở rộng, với khả năng hỗ trợ lên
đến hàng triệu tài liệu và khả năng mở rộng đáng kể so với ES1.
ES5: ES5 chú trọng đến khả năng phân tích dữ liệu, bao gồm cải tiến về cú pháp
truy vấn và việc tối ưu hóa khả năng tìm kiếm văn bản và các giá trị số học. lOMoARcPSD| 38841209
ES6: ES6 cải thiện nhiều về khả năng phân tích dữ liệu, bao gồm khả năng xử lý
các kiểu dữ liệu phức tạp hơn, đặc biệt là phổ biến với ngành phân tích dữ liệu và
các dịch vụ tìm kiếm lớn.
ES7: ES7 chủ yếu tập trung vào việc tối ưu hóa hiệu suất, bao gồm cải thiện về tốc
độ xử lý và tính năng mới để cải thiện khả năng tìm kiếm và phân tích dữ liệu.
Các cách tiếp cận để tích hợp ES vật lý với EIS và DSS là gì?
Có hai cách tiếp cận để tích hợp ES với EIS và DSS:
Cách tiếp cận truy cập: Các công cụ phát triển ES hoặc các chương trình ứng dụng
ES có thể truy cập EIS, DSS hoặc các chương trình khác theo một trong ba cách:
thông qua một bộ xử lý, sử dụng đa bộ xử lý, hoặc thông qua mạng.
Cách tiếp cận nhúng: Phần mềm ES được nhúng trong EIS hoặc DSS (hoặc các
chương trình khác). Cách tiếp cận này có thể được coi là “thế hệ thứ hai” của việc
tích hợp ES và các hệ thống thông thường. Nó nhúng các khả năng ES giá trị gia
tăng trong các chương trình và không có sự phân biệt giữa ES và các bộ phận thông
thường. Một ví dụ về công cụ phát triển tích hợp là Executive Edge từ Execucorn
Systems Corporation, tập trung vào một trình tạo DSS (IFPS/PLUS) được bổ sung
thêm các khả năng của EIS và cơ sở giải thích về ES. Dịch:
Bài báo đề cập đến chủ đề 'Hệ thống thông minh ESS hoặc ES / EIS / DSS tích hợp'
là một chủ đề mới nổi đang xứng đáng được chú ý. Mục đích của một hệ thống như
vậy là làm cho người quản lý hiệu quả hơn (giúp cho họ tiết kiệm thời gian) và
(đưa ra các quyết định tốt hơn). Tích hợp ES, EIS và DSS chỉ hợp lý nếu tích hợp
EIS và DSS có ý nghĩa (vấn đề vẫn còn đang tranh cãi). Mục tiêu trên có thể đạt
được bằng cách sử dụng máy tính để tự động hóa nhiều công việc hiện đang được lOMoARcPSD| 38841209
thực hiện thủ công. Sự tự động hóa này là mong muốn, nếu và chỉ nếu nó có thể
được thực hiện một cách kinh tế và nếu hỗ trợ được cung cấp là chất lượng cao.
Bài báo này là một nỗ lực tiên phong để chú ý đến một hệ thống tích hợp như vậy
và một số lợi ích, giới hạn và chi phí của nó. Hy vọng nó sẽ thu hút sự chú ý của cả
nhà nghiên cứu và nhà thực hành nhằm nâng cao sự hỗ trợ bằng máy tính cho các hoạt động quản lý. Tham khảo:
Al-Zobaidie, A. và J. B. Crimson, "Hệ thống chuyên gia và hệ thống cơ sở dữ liệu:
Làm thế nào để họ phục vụ lẫn nhau?", Hệ thống thông tin, (Tháng 2 năm 1987).
Blanning, R. W., "Ứng dụng của quản lý mô hình trí tuệ nhân tạo", Proc. 21st
HICSS, Hawaii, tháng 1 năm 1988.
Bonczek, R. H., C. Holsapple và A. Whinston, Foundations of Decision Support
Systems, Academic Press, New York, 1981. (Định nghĩa các khái niệm và tiêu
chuẩn của các hệ thống hỗ trợ ra quyết định, cung cấp kiến thức về lý thuyết quyết
định, lập kế hoạch, tài chính và các ứng dụng của chúng.)
Brodie, M. L. và J. Mylpoulos, On Knowledge Base Management Systems:
Integrating Artificial Intelligence and Database Techniques. Springer-Verlag, New
York, 1986. (Tập trung vào việc phát triển các hệ thống quản lý cơ sở dữ liệu có
kiến thức và sử dụng các kỹ thuật trí tuệ nhân tạo để tối ưu hóa quá trình quản lý cơ
sở dữ liệu và truy xuất thông tin.)
Brody, H., “Computers Invade the Executive Suite,” High Technology, (Tháng 2
năm 1988). Burkan, W., “Wringing Every Last Dollar from Your EIS/DSS,” DSS
89 Trans., Tháng 6 năm 1989. Courtney, J. F., Jr., và đồng nghiệp, “A
KnowledgeBased DSS for Managerial Problem Diagnosis,” Decision Sci., (Mùa hè năm 1987). lOMoARcPSD| 38841209
Harris, L. R., "Mối liên kết ngôn ngữ tự nhiên; Một ghi chú về trí tuệ nhân tạo,"
Trung tâm Thông tin, (tháng 4 năm 1987)
Hawkins, D. T., "Ứng dụng của trí tuệ nhân tạo và hệ thống chuyên gia cho Tìm
kiếm trực tuyến," Trực tuyến, (tháng 1 năm 1988).
Hayes-Roth, F. và đồng nghiệp, Xây dựng hệ thống chuyên gia, Addison-Wesley, New York, 1983.
(Houdeshel, G. và H. J. Watson, "Hệ thống thông tin quản lý và hỗ trợ ra quyết
định (MIDS) tại Lockheed-Georgia," MIS Quart., (tháng 3 năm 1987).
Hsu và Skevington đề xuất một khung conceptual cho việc tích hợp dữ liệu và kiến
thức trong các doanh nghiệp sản xuất trong bài báo "Integration of Data and
Knowledge in Manufacturing Enterprises: A Conceptual Framework" (J.
Manufacturing Systems, tháng 4 năm 1987). Ishikawa đề xuất hệ thống KID, một
giao diện ngôn ngữ tự nhiên dựa trên kiến thức để truy cập vào hệ thống cơ sở dữ
liệu trong bài báo "KID, Knowledge-based Natural Language Interface for
Accessing Database Systems" (IEEE Expert, mùa hè năm 1987). Jarke và Vassiliou
mô tả việc kết hợp các hệ thống chuyên gia với hệ thống quản lý cơ sở dữ liệu
trong cuốn sách "Artificial Intelligence Application for Business", được biên tập
bởi W. Reitman và xuất bản bởi APLEX Publishing Corporation vào năm 1984.
Kehoe đề cập đến các giao diện và hệ thống chuyên gia cho truy xuất trực tuyến
trong bài báo "Interfaces and Expert Systems for Online Retrieval" (Online Rev.,
tháng 12 năm 1985). Kerschberg là biên tập viên của cuốn sách "Expert Database
Systems" được xuất bản vào năm 1986 bởi Benjamin/Cummings ở Menlo Park, California.
Câu hỏi 1: Hệ thống thông minh ESS hoặc ES / EIS / DSS tích hợp có mục đích gì
và làm thế nào để đạt được mục tiêu đó? lOMoARcPSD| 38841209
Trả lời: Mục đích của hệ thống thông minh ESS hoặc ES / EIS / DSS tích hợp là
giúp cho người quản lý hiệu quả hơn và đưa ra các quyết định tốt hơn. Để đạt được
mục tiêu này, hệ thống tích hợp phải sử dụng máy tính để tự động hóa nhiều công
việc hiện đang được thực hiện thủ công, cung cấp hỗ trợ chất lượng cao và có thể
thực hiện một cách kinh tế.
Câu hỏi 2: Bài báo đề cập đến những gì về giới hạn và chi phí của hệ thống thông
minh ESS hoặc ES / EIS / DSS tích hợp?
Trả lời: Bài báo nhắc đến rằng vẫn còn tranh cãi về ý nghĩa của việc tích hợp EIS
và DSS trong hệ thống thông minh ESS hoặc ES / EIS / DSS tích hợp. Ngoài ra,
việc tự động hóa nhiều công việc có thể đòi hỏi đầu tư lớn và chi phí cao. Tuy
nhiên, nếu được thực hiện một cách kinh tế và hỗ trợ chất lượng cao, hệ thống tích
hợp sẽ đem lại lợi ích cho người quản lý và các hoạt động quản lý.
C1: Hệ thống hỗ trợ ra quyết định(DSS) là gì? Nêu các loại hệ thống hỗ trợ ra quyết định
Hệ thống hỗ trợ quyết định (DSS) là một hệ thống thông tin dựa trên máy tính
để tổ chức, thu thập và phân tích dữ liệu kinh doanh. Phân tích này sau đó lOMoARcPSD| 38841209
được sử dụng bởi những người ra quyết định để giúp họ quản lý và lập kế
hoạch tốt hơn cho tổ chức hoặc doanh nghiệp của mình.
Các loại thông tin điển hình được DSS thu thập bao gồm số liệu bán hàng,
doanh thu dự kiến và dữ liệu hàng tồn kho đã được sắp xếp thành cơ sở dữ
liệu quan hệ. Thông tin mà nó phân tích có thể đến từ nhiều nguồn, như tài
liệu, dữ liệu thô, quản lý, mô hình kinh doanh và kiến thức cá nhân từ nhân viên.
Các ứng dụng DSS có thể được sử dụng trong các lĩnh vực khác nhau, bao
gồm xác minh khoản vay tín dụng, chẩn đoán y tế, các loại hình quản lý kinh
doanh khác nhau và đánh giá hồ sơ dự thầu cho các dự án kỹ thuật, nông nghiệp và đường sắt.
Các loại hệ thống hỗ trợ ra quyết định DSS dựa trên tài liệu DSS theo hướng dữ liệu DSS dựa trên kiến thức DSS dựa trên mô hình DSS dựa trên giao tiếp -
C2: Ứng dụng cụ thể và tổng quan về sử dụng hệ thống hỗ trợ ra quyết định (DSS)? Ví dụ cụ thể:
Sử dụng cụ thể cho DSS trong kinh doanh
Có nhiều cách khác nhau mà người quản lý có thể sử dụng phần mềm DSS
để làm lợi thế của họ. Thông thường, các nhà hoạch định kinh doanh sẽ xây
dựng DSS tùy chỉnh để đánh giá các hoạt động cụ thể. Chúng bao gồm quản
lý hàng tồn kho, trong đó các ứng dụng DSS có thể cung cấp hướng dẫn về
việc thiết lập chuyển động của chuỗi cung ứng và bán hàng, trong đó phần
mềm DSS giúp các nhà quản lý dự đoán những thay đổi có thể ảnh hưởng
đến kết quả như thế nào.
Để quản lý hàng lưu kho lOMoARcPSD| 38841209
DSS rất hữu ích trong việc đánh giá hàng tồn kho để giúp dòng tiền và lợi
nhuận của doanh nghiệp bằng cách dự đoán nhu cầu đối với các sản phẩm
cụ thể và phân loại tài sản.
Để hỗ trợ tối ưu hóa bán hàng và dự báo bán hàng
Công nghệ hỗ trợ quyết định cũng có thể phân tích dữ liệu bán hàng, đưa ra
dự đoán và theo dõi các mô hình doanh thu hiện có. Các nhà lập kế hoạch có
thể sử dụng công nghệ này để giải quyết các con số bán hàng bằng cách sử
dụng nhiều nguồn hỗ trợ quyết định khác nhau.
Để tối ưu hóa các hệ thống dành riêng cho ngành
Các ứng dụng khác cho các hệ thống hỗ trợ quyết định bao gồm dự đoán
tương lai của một doanh nghiệp hoặc để có được cái nhìn toàn cảnh về hiệu
suất của công ty. Những thông tin chi tiết này giúp chủ sở hữu và người quản
lý điều hướng các tình huống khó khăn tốt hơn, đặc biệt là khi họ có thông tin
đáng tin cậy để dự đoán chi tiêu và doanh thu. Tổng quan:
Tất cả chúng ta đều sử dụng DSS trong cuộc sống cá nhân và kinh doanh của
mình mỗi ngày. Ví dụ: mỗi khi bạn sử dụng Google, bạn đang sử dụng một
DSS rất phức tạp để sắp xếp một lượng lớn thông tin ở định dạng có thể tìm
kiếm, có thể truy xuất được. Nó có thể xác định vị trí các hình ảnh, video và
tệp văn bản cụ thể mà bạn cần để giúp doanh nghiệp của bạn đạt được nhiều thành tựu hơn.
Đây là một số cách sử dụng DSS khác, bao gồm:
• Nông nghiệp: Nông dân sử dụng các công cụ DSS để lập kế hoạch cây
trồng nhằm giúp họ xác định thời điểm tốt nhất để trồng, bón phân và thu hoạch.
• Thuốc: Công nghệ DSS lâm sàng có nhiều công dụng: duy trì thông tin
nghiên cứu về các phác đồ hóa trị, chăm sóc phòng ngừa và theo dõi,
và theo dõi các đơn đặt hàng thuốc. DSS cũng được sử dụng với phần mềm chẩn đoán y tế.
• Dự báo thời tiết: Một số tiểu bang sử dụng DSS để cung cấp thông tin
về các mối nguy hiểm tiềm ẩn trong tương lai như lũ lụt. Để làm điều
này, chúng tính đến điều kiện thời tiết thời gian thực, thông tin ranh giới
vùng ngập lụt và dữ liệu lũ lụt lịch sử của quận. lOMoARcPSD| 38841209
• Bất động sản: Các công ty bất động sản sử dụng DSS để quản lý dữ
liệu về giá nhà và diện tích tương đương.
• Giáo dục: Các trường đại học và cao đẳng sử dụng DSS để biết họ
hiện đang theo học bao nhiêu sinh viên. Điều này giúp họ dự đoán có
bao nhiêu sinh viên sẽ đăng ký các khóa học cụ thể hoặc liệu số lượng
sinh viên có đủ để đáp ứng chi phí của trường đại học hay không.