Bài tập hệ hỗ trợ đa quyết định

Mọi người có ai có đề thi hay bài giải môn DSS các năm trước share cho mình với, gần đến ngày thi rồi mà trong mình chưa có gì hết, huhu

Thanks mọi người nhé!!!

-- Trần Anh Điền

Phòng QL Đào Tạo

Trường CĐ Nghề Đồng Tháp.

Di Động: 0944-973-173.

Nhat Nguyen

unread,

Jan 7, 2012, 10:56:44 AM1/7/12

to bkmast...@googlegroups.com, chi...@googlegroups.com

Hi Dien,

Tui có 2 đề thi năm 2010 và 2009 [xem file đính kèm] nhưng cũng đang giải. Up lên để pakon tham khảo. Ai giải được thì share cho mọi người với nhé.

TRAN ANH DIEN

unread,

Jan 7, 2012, 4:36:48 PM1/7/12

to chi...@googlegroups.com, bkmast...@googlegroups.com

Nhất vui lòng up lại file đề 2010 nhé, các đề đã up toàn là đề thi cũ và giữa kỳ không hà!!!

Vào 22:56 Ngày 07 tháng 1 năm 2012, Nhat Nguyen đã viết:

Nhat Nguyen

unread,

Jan 7, 2012, 8:50:35 PM1/7/12

to chi...@googlegroups.com, bkmast...@googlegroups.com

Sorry, up lộn folder. Bây giờ up lại

Hung Nguyen

unread,

Jan 9, 2012, 2:20:11 AM1/9/12

to chi...@googlegroups.com

Môn DSS khi nào nộp bài tập lớn vậy bà con ?

-- Full Name : Nguyen An Ho Hung YID : lkm_hung Skype : skmhungnguyen Mobile : +84932612975 Signature : SKM IS ALL

TRAN ANH DIEN

unread,

Jan 9, 2012, 2:23:09 AM1/9/12

to chi...@googlegroups.com

mình nghe nói thi nộp luôn

Vào 14:20 Ngày 09 tháng 1 năm 2012, Hung Nguyen đã viết:

Bao Tran

unread,

Jan 9, 2012, 4:35:16 AM1/9/12

to chi...@googlegroups.com, bkmast...@googlegroups.com

Cho mình hỏi: trong đề 2010, phần 2, đề thi cho 3 bảng chiều [dimension table], nhưng mình không thấy bảng nào có khóa của 2 bảng kia thì làm sao có bảng trung tâm trong lược đồ hình sao [star schema]? Mà tại sao lại có đến 3 bảng chiều, lẽ ra trong một star schema chỉ có 1 bảng chiều và nhiều fact tables chứ?

Ví dụ, trong slide 38, chương 1 – Data warehousing của thầy Tuấn Anh, bảng SALES nằm ở trung tâm là bảng chiều, có khoá chính lấy từ khóa của 3 fact tables.

Các bạn giúp trả lời cho mình với, nếu có bài giải luôn thì càng tốt. Cám ơn trước nha.

Trân

Nhat Nguyen

unread,

Jan 9, 2012, 6:53:31 AM1/9/12

to chi...@googlegroups.com, bkmast...@googlegroups.com

Hi Tran,

Bạn đã hiểu nhầm về lược đồ hình sao rồi. Trong lược đồ hình sao, chỉ có 1 bảng fact thôi còn lại là các bảng chiều [slide 37, chương 1]

Theo mình thì, lược đồ hình sao gồm 3 bảng chiều như đề cho, còn bảng fact sẽ gồm có 4 cột:

1. Patient_ID

2. Disease_ID

3. Doctor_ID

4. Fee [lưu chi phí]

pakon, có ai giải lý thuyết câu 13 - 14 chưa, share mình với + giải thích dùm Độ hỗ trợ? Độ tin cậy? Thanks

• 1. Quyết Định 1/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 BÀI 2. CẤU TRÚC CỦA HỆ HỖ TRỢ RA QUYẾT ĐỊNH NỘI DUNG CÁC CẤU THÀNH CỦA HỆ HỖ TRỢ QUYẾT ĐỊNH THÀNH PHẦN QUẢN LÝ DỮ LIỆU THÀNH PHẦN QUẢN LÝ MÔ HÌNH PHẦN 1. CÁC CẤU THÀNH CỦA HỆ HỖ TRỢ QUYẾT ĐỊNH NỘI DUNG • Tổng quan về hệ hỗ trợ quyết định • Năng lực của hệ hỗ trợ quyết định • Các thành phần của hệ hỗ trợ quyết định • Phân loại hệ hỗ trợ quyết định theo kết xuất hệ thống • Năng lực của hệ hỗ trợ quyết định theo cấu trúc thành phần TỔNG QUAN VỀ HỆ HỖ TRỢ QUYẾT ĐỊNH Các định nghĩa trước đây của HHTQĐ nhấn mạnh vào khả năng hỗ trợ các nhà ra quyết định quản lý trong các tình huống nửa cấu trúc. Như vậy, HHTQĐ có ý nghĩa là một bổ trợ cho các nhà quản lý nhằm mở rộng năng lực nhưng không thay thế khả năng phân xử của họ. Tình huống ở đây là cần đến các phân xử của các nhà quản lý hay các quyết định không hoàn toàn được giải quyết thông qua các giải thuật chặt chẽ. Thông thường các HHTQĐ sẽ là các hệ thông tin máy tính hóa, có giao tiếp đồ họa và làm việc ở chế độ tương tác trên các mạng máy tính. Các khái niệm cơ sở của các định nghĩa HHTQĐ Nguồn Khái niệm cơ sở Gorry & Scott-Morton [1971] Kiểu của bài toán, chức năng hệ thống Little [1970] Chức năng hệ thống, đặc điểm giao tiếp Alter [1980] Mục tiêu hệ thống, khuôn mẫu sử dụng Moore & Chang [1980] Năng lực hệ thống, khuôn mẫu sử dụng Bonezek et al [1989] Thành phần hệ thống Keen [1980] Quá trình phát triển Cơ sở của các định nghĩa về HHTQĐ thay đổi từ nhận thức HHTQĐ làm gì [thí dụ, hỗ trợ ra quyết định trong các bài toán phi cấu trúc] cho đến cách thức đạt được các mục tiêu của HHTQĐ [các thành phần yêu cầu, khuôn mẫu sử dụng, quá trình phát triển ..] Các giải thích: Little [1970]: HHTQĐ là tập các thủ tục dựa vào các mô hình để xử lý dữ liệu và phán xét nhằm trợ giúp các nhà ra quyết định.
• 2. Quyết Định 2/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 Alter [1980]: định nghĩa HHTQĐ bằng cách tương phản với các hệ xử lý dữ liệu điện tử theo 5 thứ nguyên như bảng sau: Thứ nguyên HHTQĐ Hệ xử lý dữ liệu điện tử [EDP] Cách dùng Tích cực Thụ động Người dùng Quản lý Thư ký Mục tiêu Hiệu dụng Hiệu quả Thời gian Hiện tại, tương lai Quá khứ Đặc trưng Linh hoạt Kiên định Moore & Chang [1980] cho rằng tính cấu trúc trong các định nghĩa trước đây không thật sự có ý nghĩa vì rằng bài toán mô tả là có cấu trúc hay phi cấu trúc chỉ tương ứng theo người ra quyết định/tình huống cụ thể. Vì vậy, nên định nghĩa HHTQĐ như là hệ thống hỗ trợ các mô hình quyết định và phân tích dữ liệu tùy biến, được sử dụng ở các khoảng thời gian bất kỳ, không hoạch định trước. Bonezek et al [1980] cho rằng HHTQĐ là một hệ máy tính gồm 3 thành phần tương tác với nhau: hệ thống ngôn ngữ [cơ chế để giao tiếp giữa người dùng và các thành phần khác], hệ kiến thức [kho lưu chứa các kiến thức của lĩnh vực đang xét dưới dạng dữ liệu hay thủ tục] và hệ xử lý vấn đề [liên kết giữa 2 thành phần kia, chứa một hay nhiều năng lực xử lý vấn đề tổng quát cần để ra quyết định] Keen [1980] áp dụng thuật ngữ HHTQĐ cho các tình huống ở đó hệ thống cuối cùng chỉ có thể được xây dựng bằng một quá trình thích nghi về học tập và tiến hóa. Vì vậy, HHTQĐ là sản phẩm của quá trình phát triển ở đó người dùng hệ thống, người xây dựng hệ thống và bản thân hệ thống có khả năng ảnh hưởng lên nhau gây ra một tiến hóa và khuôn mẫu sử dụng.
• 3. Quyết Định 3/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 NĂNG LỰC CỦA HỆ HỖ TRỢ QUYẾT ĐỊNH 1. HHTQĐ cơ bản hỗ trợ các nhà ra quyết định trong các tình huống nửa cấu trúc và phi cấu trúc bằng cách kết hợp phán xử của con người và xử lý thông tin bằng máy tính. Các bài toán như vậy không thể/không thuận tiện giải quyết được chỉ bằng các công cụ máy tính hóa hay các phương pháp định lượng 2. Phù hợp cho các cấp quản lý khác nhau từ cao đến thấp 3. Phù hợp cho cá nhân lẫn nhóm. Các bài toán ít có tính cấu trúc thường liên đới đến nhiều cá nhân ở các đơn vị chức năng hay mức tổ chức khác nhau cũng như ở các tổ chức khác 4. Hỗ trợ cho các quyết định tuần tự, liên thuộc, được đưa ra một lần, vài lần hay lặp lại 5. Hỗ trợ cho các giai đoạn của quá trình ra quyết định: tìm hiểu, thiết kế, lựa chọn và hiện thực 6. Phù hợp cho một số các phong cách và quá trình ra quyết định Hệ hỗ trợ quyết định Bài toán nửa cấu trúc [1] Cho các nhà quản lý các cấp [2] Cho nhóm & cá nhân [3] Quyết định liên thuộc/tuần tự [4] Hỗ trợ tìm kiếm, thiết kế, chọn lựa [5] Hỗ trợ các dạng phong cách và quá trình [6] Có tính thích nghi và linh hoạt [7] Tích hợp và nối kết WEB [14] Truy đạt dữ liệu [13] Mô hình hóa & phân tích [12] Người dùng cuối cùng dễ dàng xây dựng [11] Yếu tố con người là quyết định [10] Hiệu dụng chứ không phải hiệu quả [9] Dễ dùng, có tính tương tác [8]
• 4. Quyết Định 4/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 7. Có thể tiến hóa theo thời gian. Người dùng có thể thêm, bỏ, kết hợp, thay đổi các phần tử cơ bản của hệ thống 8. Dễ dùng và thân thiện với người dùng 9. Nhằm vào nâng cao tính hiệu dụng của quyết định [chính xác, thời gian tính, chất lượng] thay vì là tính hiệu quả [giá phí của việc ra quyết định] 10. Người ra quyết định kiểm soát toàn bộ các bước của quá trình ra quyết định, HHTQĐ chỉ trợ giúp, không thay thế người ra quyết định 11. Người dùng cuối cùng có thể tự kiến tạo và sửa đổi các hệ thống nhỏ và đơn giản 12. Thường dùng mô hình để phân tích các tình huống ra quyết định 13. Cung ứng các truy đạt dữ liệu từ nhiều nguồn, dạng thức và kiểu khác nhau 14. Có thể dùng như một công cụ độc lập hay kết hợp với các HHTQĐ/ứng dụng khác, dùng đơn lẻ hay trên một mạng lưới máy tính [intranet, extranet] bất kỳ với công nghệ WEB CÁC THÀNH PHẦN CỦA HỆ HỖ TRỢ QUYẾT ĐỊNH Quản lý dữ liệu Dữ liệu: trong và ngoài Các hệ thống máy tính khác Phân hệ giao diện người dùng Nhà quản lý [người dùng] Internet, intranet và extranet Cơ sở kiến thức tổ chức Các mô hình ngoàiQuản lý mô hình Các phân hệ dựa trên kiến thức
• 5. Quyết Định 5/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 Phân hệ quản lý dữ liệu gồm một cơ sở dữ liệu [database] chứa các dữ liệu cần thiết của tình huống và được quản lý bởi một hệ quản trị cơ sở dữ liệu [DBMS – data base management system]. Phân hệ này có thể được kết nối với nhà kho dữ liệu của tổ chức [data warehouse] – là kho chứa dữ liệu của tổ chức có liên đới đến vấn đề ra quyết định. Phân hệ quản lý mô hình còn được gọi là hệ quản trị cơ sở mô hình [MBMS – model base management system] là gói phần mềm gồm các thành phần về thống kê, tài chánh, khoa học quản lý hay các phương pháp định lượng nhằm trang bị cho hệ thống năng lực phân tích; cũng có thể có các ngôn ngữ mô hình hóa ở đây. Thành phần này có thể kết nối với các kho chứa mô hình của tổ chức hay ở bên ngoài nào khác. Phân hệ quản lý dựa vào kiến thức có thể hỗ trợ các phân hệ khác hay hoạt động độc lập nhằm đưa ra tính thông minh của quyết định đưa ra. Nó cũng có thể được kết nối với các kho kiến thức khác của tổ chức. Phân hệ giao diện người dùng giúp người sử dụng giao tiếp với và ra lệnh cho hệ thống. Các thành phần vừa kể trên tạo nên HHTQĐ, có thể kết nối với intranet/extranet của tổ chức hay kết nối trực tiếp với Internet. Phân hệ quản lý dữ liệu Tài chánh Sản xuất Tiếp thị Nghiên cứu Các nguồn dữ liệu nộiCác nguồn dữ liệu ngoại Cơ sở kiến thức tổ chức Dữ liệu cá nhân, riêng tư Nhà kho dữ liệu của tổ chức Quản lý giao diện Quản lý mô hình Phân hệ dựa trên kiến thức Trích xuấtTruy vấn Danh mục Hệ quản trị cơ sở dữ liệu • Truy cập • Chất vấn • Cập nhật • Báo biểu Cơ sở dữ liệu hỗ trợ quyết định
• 6. Quyết Định 6/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 Phân hệ quản lý dữ liệu bao gồm các phần tử sau [phần trong khung hình chữ nhật trên hình vẽ] Cơ sở dữ liệu Hệ quản trị cơ sở dữ liệu Danh mục dữ liệu Phương tiện truy vấn Cơ sở dữ liệu [CSDL]: tập hợp các dữ liệu có liên quan phục vụ cho nhu cầu của tổ chức, dùng bởi nhiều người [vị trí], đơn vị chức năng và ở các ứng dụng khác nhau. CSDL của HHTQĐ có thể lấy từ nhà kho dữ liệu, hoặc được xây dựng theo yêu cầu riêng. Dữ liệu được trích lọc từ các nguồn bên trong và bên ngoài tổ chức. Dữ liệu nội tại thường từ hệ xử lý giao tác [TPS – transaction processing system] của tổ chức, có thể ở các đơn vị chức năng khác nhau. TD: lịch bảo trì máy móc, thông tin về cấp phát ngân sách, dự báo về bán hàng, giá phí của các phụ tùng hết hàng .. Dữ liệu ngoại tại thường gồm các dữ liệu về ngành công nghiệp, nghiên cứu thị trường, kinh tế quốc gia …có nguồn gốc từ các tổ chức chính phủ, các hiệp hội thương mại, công ty nghiên cứu thị trường ..hay từ nỗ lực tự thân của tổ chức. Hệ quản trị cơ sở dữ liệu: thường các HHTQĐ trang bị các hệ quản trị cơ sở dữ liệu tiêu chuẩn [thương mại] có khả năng hỗ trợ các tác vụ quản lý – duyệt xét các bản ghi dữ liệu, tạo lập và duy trì các quan hệ dữ liệu, tạo sinh báo cáo theo nhu cầu .. Tuy nhiên, sức mạnh thực sự của các HHTQĐ chỉ xuất hiện khi tích hợp dữ liệu với các mô hình của nó. Phương tiện truy vấn: trong quá trình xây dựng và sử dụng HHTQĐ Phân hệ quản lý mô hình Quản lý dữ liệu Quản lý giao diện Quản lý dựa trên kiến thức Quản lý cơ sở mô hình • Các lệnh của mô hình: tạo mới • Bảo trì: cập nhật • Giao diện cơ sở dữ liệu • Ngôn ngữ mô hình hóa Các mô hình [cơ sở mô hình] • Chiến lược, chiến thuật, vận hành • Thống kê, tài chánh, tiếp thị .. • Giao diện cơ sở dữ liệu • Các khối xây dựng mô hình Danh mục mô hình Bộ xử lý lệnh, tích hợp và thực thi mô hình
• 7. Quyết Định 7/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 Phân hệ quản lý dựa trên kiến thức • Cung cấp khả năng cần để giải quyết một vài khía cạnh của bài toán và tăng cường năng lực vận hành của các thành phần khác của HHTQĐ • Silverman [1995] đề nghị 3 cách tích hợp các hệ chuyên gia dựa trên kiến thức với mô hình toán: Trợ giúp quyết định dựa trên kiến thức - giúp hỗ trợ các bước của quá trình quyết định không giải quyết được bằng toán Các hệ mô hình hóa quyết định thông minh - giúp người dùng xây dựng, áp dụng và quản lý thư viện các mô hình Các hệ chuyên gia phân tích quyết định - tích hợp các phương pháp lý thuyết nghiêm ngặt về tính bất định vào các cơ sở kiến thức của hệ chuyên gia • Khi có thành phần này, có các tên gọi: HHTQĐ thông minh [intelligent DSS], HHT chuyên gia [ESS - expert support system], HHTQĐ tích cực [active DSS], HHTQĐ dựa trên kiến thức [knowledge-based DSS] Phân hệ giao diện người dùng Phân hệ dựa trên kiến thức Quản lý mô hình và hệ quản trị cơ sở mô hình Quản lý dữ liệu và hệ quản trị cơ sở dữ liệu Quản lý giao diện người dùng Bộ xử lý ngôn ngữ tự nhiên Nhập Các ngôn ngữ hành động Xuất Các ngôn ngữ hiển thị Người dùng Bộ xử lý ngôn ngữ tự nhiên
• 8. Quyết Định 8/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 PHÂN LOẠI HỆ HỖ TRỢ QUYẾT ĐỊNH THEO KẾT XUẤT HỆ THỐNG [Alter, 1980] Hạng mục Phạm trù Kiểu vận hành Kiểu tác vụ Người dùng Mẫu sử dụng Thời gian Hệ lưu trữ hồ sơ Truy xuất các hạng mục dữ liệu Vận hành Nhân viên chức năng, không quản lý Chất vấn đơn giản Bất kỳDữ liệu Hệ phân tích dữ liệu Phân tích bất kỳ các tập tin dữ liệu Phân tích vận hành Nhà phân tích hay nhân viên chức năng, có quản lý Xử lý và hiển thị dữ liệu Bất kỳ hay có chu kỳ Dữ liệu hay mô hình Hệ thông tin phân tích Phân tích bất kỳ liên đới đến nhiều CSDL và các mô hình nhỏ Phân tích, lập kế hoạch Nhà phân tích Thảo chương các báo cáo đặc biệt; phát triển các mô hình nhỏ Bất kỳ, theo yêu cầu Mô hình Các mô hình kế toán Các phép tính tiêu chuẩn ước lượng các kết quả tương lai dựa theo kế toán Lập kế hoạch; hoạch định ngân sách Nhà phân tích hay nhà quản lý Nhập: các ước lượng hoạt động Xuất: các kết quả tiền tệ được ước lượng Theo chu kỳ [tuần, tháng, năm ..] Các mô hình biểu diễn Ước tính kết quả của các hành động nhất định Lập kế hoạch; hoạch định ngân sách Nhà phân tích Nhập: các quyết định có thể Xuất: các kết quả được ước lượng Chu kỳ hay bất kỳ [phân tích bất kỳ] Các mô hình tối ưu Tính giải pháp tồi ưu đối với bài toán tổ hợp Lập kế hoạch; cấp phát tài nguyên Nhà phân tích Nhập: các mục tiêu và ràng buộc Xuất: các kết quả Lập kế hoạch; hoạch định ngân sách Các mô hình kiến nghị Thực hiện các tính toán sinh ra một quyết định được đề nghị Vận hành Nhân viên chức năng, không quản lý Nhập: mô tả cấu trúc về tình huống quyết định Xuất: quyết định được đề nghị Hàng ngày hay có chu kỳ
• 9. Quyết Định 9/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 NĂNG LỰC CỦA HỆ HỖ TRỢ QUYẾT ĐỊNH THEO CẤU TRÚC THÀNH PHẦN [R.Sprague et al, 1982] Năng lực tổng quát Tạo sinh các hệ hỗ trợ quyết định nhanh chóng và dễ dàng Hỗ trợ quá trình thiết kế có tính lặp Năng lực chung của hệ thống Dễ dùng Cách dùng thông thường là sửa đổi và xây dựng hệ hỗ trợ quyết định Truy đạt đến tầm rộng các dạng thức, kiểu và nguồn dữ liệu đối với phổ rộng các bài toán và bối cảnh Truy đạt đến tầm rộng các khả năng phân tích với một số các đề nghị hay hướng dẫn Năng lực các thành phần Giao diện người dùng Dữ liệu Mô hình 1. Tầm rộng các dạng thức và thiết bị xuất 2. Tầm rộng các thiết bị nhập cho người dùng 3. Tầm rộng các phong cách đối thoại và khả năng biến dịch 4. Hỗ trợ truyền thông giữa các người dùng và với nhà xây dựng 5. Hỗ trợ kiến thức của người dùng [tư liệu] 6. Nắm bắt, lưu trữ và phân tích các đối thoại [theo dõi các đối thoại] 7. Hỗ trợ đối thoại thích nghi và linh hoạt 1. Tầm rộng các dạng thức và kiểu dữ liệu 2. Trích xuất, nắm bắt và tích hợp 3. Chức năng truy xuất dữ liệu - thu nạp/chất vấn - báo cáo/hiển thị - người dùng/thao tác dữ liệu hiệu quả 4. Chức năng quản lý cơ sở dữ liệu 5. Tầm rộng các cách nhìn logic về dữ liệu 6. Tư liệu hóa dữ liệu 7. Theo dõi cách dùng dữ liệu 8. Hỗ trợ dữ liệu thích nghi và linh hoạt 1. Thư viện các mô hình để tạo nên cơ sở mô hình - nhiều kiểu - duy trì, phân loại và tích hợp - tiền xử lý thư viện 2. Phương tiện xây dựng mô hình 3. Phương tiện dùng và thao tác mô hình 4. Chức năng quản lý cơ sở mô hình 5. Tư liệu hóa mô hình 6. Theo dõi cách dùng mô hình 7. Hỗ trợ mô hình thích nghi và linh hoạt
• 10. Quyết Định 10/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 PHẦN 2. QUẢN LÝ DỮ LIỆU NỘI DUNG • Bản chất và nguồn gốc dữ liệu • Thu thập và chất lượng dữ liệu • Cơ sở dữ liệu • Giải pháp dữ liệu hiện tại BẢN CHẤT VÀ NGUỒN GỐC DỮ LIỆU • Cần phân biệt giữa dữ liệu, thông tin và kiến thức Dữ liệu: những mô tả về sự vật, hiện tượng, giao tác được ghi nhận, được phân loại và được lưu trữ nhưng chưa được tổ chức lại để tập trung các ý nghĩa nhất định Thông tin: dữ liệu được tổ chức để có ý nghĩa đối với người nhận. Một ứng dụng của hệ hỗ trợ quản lý: xử lý các hạng mục dữ liệu để các kết quả có ý nghĩa cho hành động hay cho quyết định dự kiến Kiến thức: gồm các hạng mục dữ liệu và/hay thông tin được tổ chức và xử lý để nắm bắt/tập trung sự hiểu biết, kinh nghiệm, tri thức học tập và kỹ năng chuyên gia trên một vấn đề nhất định. Kiến thức có thể là ứng dụng của dữ liệu và thông tin để ra quyết định Dữ liệu bao gồm các dạng tài liệu, hình ảnh, bản đồ, âm thanh và hoạt hình; có thể bao gồm các dạng khái niệm, suy nghĩa hay ý kiến; có thể nằm ở các dạng lưu trữ và tổ chức khác nhau trước và sau khi sử dụng; có thể ở dạng thô hay được xử lý 3 nguồn dữ liệu chính: trong, ngoài và cá nhân Trong: của tổ chức; trữ ở một hay nhiều vị trí khác nhau Ngoài: các tổ chức khác cung ứng Cá nhân: dữ liệu và kiến thức của cá nhân được lưu trữ dành cho hoạt động của cả tổ chức THU THẬP VÀ CHẤT LƯỢNG DỮ LIỆU • Thu thập: thủ công hay qua thiết bị Phương pháp thu thập phổ biến: bảng câu hỏi, quan sát, nghiên cứu thời gian, phỏng vấn .., cảm biến, máy quét … • Dù thu thập cách nào, dữ liệu cũng cần được hợp thức và lọc lại bởi vì chất lượng và tính toàn vẹn của dữ liệu có ý nghĩa tới hạn cho các hệ hỗ trợ quản lý/quyết định Tránh hiện tượng “rác đầu vào, rác đầu ra” [garbage in, garbage out: GIGO] • Điều quan trọng là dữ liệu thu thập được: cần có khung cơ sở để dò tìm, ngăn ngừa và hiệu chỉnh sai số trong thu thập dữ liệu cho hệ hỗ trợ quyết định [Arinze & Banerjee, 1992]
• 11. Quyết Định 11/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 Vấn đề liên quan đến dữ liệu [Alter, 1980] Vấn đề Nguồn gốc điển hình Giải pháp khả dĩ Dữ liệu không đúng Tạo sinh dữ liệu bất cẩn Dữ liệu thô nhập vào không chính xác Dữ liệu bị thay đổi không hợp lệ Xây dựng cách nhập dữ liệu có tính hệ thống Nhập dữ liệu tự động Kiểm soát chất lượng khi tạo sinh dữ liệu Xây dựng chương trình an toàn thích hợp Dữ liệu không kịp thời Phương pháp tạo sinh dữ liệu không đủ nhanh so với nhu cầu Sửa đổi hệ thống tạo sinh dữ liệu Sử dụng môi trường WEB để lấy dữ liệu cập nhật Dữ liệu được định chỉ số hay đo lường không chính xác Dữ liệu thô được thu thập không phù hợp với mục tiêu phân tích dữ liệu Dùng các mô hình phức tạp Xây dựng hệ thống đo lường hay tổ hợp dữ liệu Dùng nhà kho dữ liệu Dùng các động cơ tìm kiếm thích hợp Xây dựng các mô hình đơn giản hơn hay có tính kết hợp cao hơn Không có dữ liệu cần thiết Dữ liệu cần thiết chưa được lưu trữ bao giờ cả Dữ liệu yêu cầu chưa có bao giờ Tiên đoán những dữ liệu cần cho tương lai Dùng nhà kho dữ liệu Tạo sinh dữ liệu mới Chất lượng dữ liệu • Đây là vấn đề đặc biệt quan trọng • Các phạm trù và thứ nguyên [Strong et al, 1997]: Ngữ cảnh: tính thích đáng, giá trị tăng thêm, tính kịp thời, tính đầy đủ và khối lượng dữ liệu Nội tại: tính chính xác, khách quan, tin cậy được và danh tiếng Dễ truy cập: truy đạt được và mức an toàn truy cập Đại diện: khả năng phân giải, dễ hiểu, thể hiện súc tích và thể hiện nhất quán • Một vấn đề chính là tính toàn vẹn [data integrity]. Ở lĩnh vực nhà kho dữ liệu, có 5 khía cạnh sau [Gray & Watson, 1998]: Đồng điệu [uniformity] Phiên bản [version] Tính đầy đủ [completeness] Tính phù hợp [conformity] Dẫn xuất [genealogy/drill down]
• 12. Quyết Định 12/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 CƠ SỞ DỮ LIỆU • Tính độc lập dữ liệu [data independence]: chương trình ứng dụng bất biến trước các chiến lược tổ chức và lưu trữ dữ liệu - đây là ưu điểm và lý do tổ chức cơ sở dữ liệu [CSDL – data base] • Hệ quản trị cơ sở dữ liệu [data base management system - DBMS]: Giao tiếp giữa người dùng và CSDL Quản lý dữ liệu – cập nhật, thêm, bớt, xóa thông tin trong kho dữ liệu; – truy xuất dữ liệu; – hiển thị/sinh báo cáo Thông thường dữ liệu từ CSDL được trích xuất và đặt vào một mô hình thống kê, toán, hay tài chánh để xử lý hay phân tích thêm nữa • Mô hình của CSDL: Quan hệ: dữ liệu và quan hệ tương ứng đều ở dạng bảng 2 chiều Đây cũng là cách tổ chức của nhiều nhà kho dữ liệu Phân cấp: các hạng mục dữ liệu nằm trong hình cây/sơ đồ phân cấp Dùng chủ yếu trong xử lý giao tác có yêu cầu cao về tính hiệu quả Mạng lưới: cho phép các liên kết phức tạp giữa các hạng mục dữ liệu; tiết kiệm không gian bộ chứa qua việc dùng chung một số hạng mục Hướng đối tượng: dữ liệu được quan niệm hóa dưới dạng các đối tượng [dữ liệu + chức năng] duy trì các quan hệ tự nhiên giữa chúng Các đặc tính của nguyên lý hướng đối tượng – nhấn mạnh vào tính dùng lại [reuse]: Đóng bao [encapsulation] Đa hình [polymorphism] Thừa kế [inheritance] Tính dùng lại [reuse] • Các dạng CSDL đặc thù [không loại trừ]: đa môi trường [multimedia based]: dữ liệu là các đối tượng nhị phân lớn, thường thể hiện các dạng thông tin cho phép tích hợp cả âm thanh nổi, hình ảnh động 3 chiều .. tư liệu [document based]: các hệ thống quản lý tài liệu điện tử [electronic document management - EDM] thường được dùng cho lưu trữ và phân phối thông tin khối lượng lớn, cho tự động hóa dòng công việc của tổ chức … thông minh [intelligent]: có năng lực suy diễn [nhờ vào công nghệ trí tuệ nhân tạo [artificial intelligence - AI] như hệ chuyên gia [expert system - ES], mạng thần kinh nhân tạo [artificial neural network - ANN] • Nguồn dữ liệu ngoài: Internet các kho/ngân hàng dữ liệu thương mại hóa [dịch vụ cung cấp/bán dữ liệu]
• 13. Quyết Định 13/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 GIẢI PHÁP DỮ LIỆU HIỆN TẠI Nhà kho dữ liệu • Vai trò: cung ứng dữ liệu để hỗ trợ ra quyết định [vai trò chủ yếu] và các ứng dụng thông tin khác [nhờ vào đặc điểm cải tiến và mở rộng phạm vi, độ chính xác và tính dễ truy đạt của dữ liệu] • Người dùng: 2 lớp Người dùng trực tiếp: các nhà phân tích thị trường, hoạch định tài chánh .. cần dữ liệu để tiến hành công việc tương ứng Người phát triển ứng dụng: xây dựng ứng dụng cho các người dùng trực tiếp; cần hiểu rõ về tổ chức và truy xuất nhà kho • Kiến trúc: thường là 3 mức [Gray & Watson, 1998] • Các biến thể của nhà kho dữ liệu: Kho dữ liệu vận hành [operational data store - ODS]: áp dụng kỹ thuật nhà kho dữ liệu vào các hệ xử lý giao tác Siêu thị dữ liệu [data mart]: dạng thu nhỏ của nhà kho dữ liệu, hỗ trợ cho một đơn vị kinh doanh/phòng chức năng Siêu thị dữ liệu phụ thuộc: phần bổ sung của nhà kho dữ liệu Siêu thị dữ liệu độc lập: không cần đến nhà kho dữ liệu Nhà kho dữ liệu [quy ước]: hỗ trợ toàn bộ tổ chức • So sánh giữa kho dữ liệu vận hành [ODS] và nhà kho dữ liệu [DW] [Gray & Watson, 1998] Kho dữ liệu vận hành Nhà kho dữ liệu Dữ liệu theo chủ đề Dữ liệu tích hợp Dữ liệu thay đổi Dữ liệu được cập nhật khi thay đổi Chỉ có dữ liệu hiện tại Chu kỳ làm tươi dữ liệu ngắn Chỉ có dữ liệu chi tiết Dùng cho các quyết định ngắn hạn Dữ liệu theo chủ đề Dữ liệu tích hợp Dữ liệu không thay đổi Dữ liệu giữ nguyên Dữ liệu hiện tại và dữ liệu lịch sử Chu kỳ làm tươi dữ liệu dài Dữ liệu chi tiết và dữ liệu tổng kết Dùng cho hoạch định dài hạn Nhà kho dữ liệu Bản thân dữ liệu Thu thập dữ liệu Trích xuất dữ liệu từ các hệ sẵn có, từ nguồn ngoài Củng cố, tổng kết dữ liệu Nạp dữ liệu vào nhà kho Truy xuất dữ liệu Truy đạt và phân tích dữ liệu trong nhà kho Hậu trường Giao diện
• 14. Quyết Định 14/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 • Đặc điểm của nhà kho dữ liệu: Đặc điểm Mô tả Hướng chủ đề Dữ liệu tổ chức theo cách thức người dùng tham chiếu Tích hợp Dữ liệu “sạch”, loại bỏ tính thiếu nhất quán Không thay đổi Dữ liệu “chỉ đọc”, người dùng không thay đổi được Chuỗi thời gian Dữ liệu là chuỗi thời gian, không phải là trạng thái hiện tại Được tổng kết Dữ liệu vận hành/thao tác khi cần thiết được kết hợp lại thành dạng có thể dùng được cho quyết định Kích cỡ lớn hơn Lưu giữ theo chuỗi thời gian tức là giữ lại nhiều dữ liệu Không được chuẩn hóa Có thể dư thừa dữ liệu Siêu dữ liệu Dữ liệu về dữ liệu cho cả 2 loại người dùng nhà kho dữ liệu Nhập lượng Dữ liệu vận hành [các hệ sẵn có] cùng với các nguồn ngoài Xử lý phân tích trực tuyến [online analytic processing - OLAP] • Ý tưởng cơ bản: người dùng có thể thao tác trên các mô hình dữ liệu mức tổ chức theo nhiều chiều để có thể hiểu được các thay đổi diễn ra trong tổ chức • Điều kiện triển khai xử lý phân tích trực tuyến: Yêu cầu về dữ liệu mang tính phân tích, không phải là giao tác Thông tin được phân tích không phải là thông tin vừa nhập vào tổ chức Cần đến một số lớn các tính toán và kết hợp các dữ liệu mức giao tác Kiểu dữ liệu cơ bản là kiểu số Cần đến các cách nhìn liên chức năng về dữ liệu theo nhiều chiều Các phần tử nhận diện các điểm dữ liệu tương đối tĩnh tại theo thời gian • 12 quy tắc của xử lý phân tích trực tuyến [Codd, 1993]: 1. Cách nhìn đa chiều 7. Xử lý động ma trận thưa 2. Trong suốt đối với người dùng 8. Hỗ trợ đa người dùng 3. Dễ truy đạt 9. Các vận hành đa chiều 4. Vấn đề báo cáo nhất quán 10. Xử lý trực giác dữ liệu 5. Kiến trúc khách/chủ 11. Vấn đề báo cáo linh hoạt 6. Các chiều bình đẳng 12. Mức độ kết hợp và số chiều không hạn chế Khai mỏ dữ liệu [data mining] • Là chức năng khám phá kiến thức, được dùng khi các quan hệ giữa các biến dữ liệu không có dạng toán học, các mô hình khó xây dựng
• 15. Quyết Định 15/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 • 5 kiểu thông tin có thể thu nhận được từ khai mỏ dữ liệu: Phân loại: rút ra các đặc tính định nghĩa của 1 nhóm Ghép nhóm: nhận diện nhóm phần tử có chung 1 đặc điểm Kết hợp: nhận diện các quan hệ giữa các sự kiện xảy ra ở cùng một thời điểm Tuần tự: như kết hợp, ngoại trừ các quan hệ tồn tại trong một khoảng thời gian Dự báo: ước lượng các giá trị tương lai trên các khuôn mẫu với các tập dữ liệu lớn • Các công cụ khai mỏ dữ liệu chủ yếu: Theo công nghệ có các dạng công cụ chính sau: Suy lý dựa vào các trường hợp [case-based reasoning]: với các trường hợp lịch sử, có thể dùng để công nhận các khuôn mẫu Tính toán thần kinh [neural computing]: dùng các dữ liệu lịch sử để công nhận các khuôn mẫu Tác nhân thông minh [intelligent agent]: tiếp cận rất có triển vọng để thu thập thông tin từ các CSDL ngoại tại [như Internet] Khác: cây quyết định [decision tree], quy nạp luật [rule induction] và trực quan hóa dữ liệu [data visualization] • Các thí dụ về tình huống nhận diện cơ hội để tạo ra lợi thế cạnh tranh: Tiếp thị: tiên đoán khách hàng nào sẽ mua sản phẩm; phân khúc tập hợp khách hàng .. Ngân hàng: dự báo các mức tín dụng xấu; loại khách hàng có thể chấp nhận đề nghị cho vay mới .. Bán hàng: dự báo khối lượng bán, xác định các mức tồn kho hợp lý .. Sản xuất: dự báo thời điểm máy móc trục trặc; xác định yếu tố kiểm soát tối ưu năng lực sản xuất .. Giao dịch chứng khoán: tiên đoán thời điểm giá cổn phiếu thay đổi; xác định thời điểm bán chứng khoán .. Khai mỏ văn bản [text mining] • Áp dụng kỹ thuật khai mỏ dữ liệu vào các tập tin văn bản ít có tính cấu trúc – các tài liệu có thể có cấu trúc về khuôn dạng chứ không phải về nội dung • Khai mỏ văn bản [text mining] giúp các tổ chức: Tìm ra các nội dung ẩn của tài liệu, gồm cả các quan hệ có ích khác Xác định quan hệ giữa các đơn vị trong tổ chức đối với cùng tài liệu Ghép nhóm tài liệu theo các chủ đề chung • TD: [i] Dò tìm trong CSDL của các tài liệu theo tổ hợp các từ khóa để rút ra tập các tài liệu cần thiết, [ii] Chia tập các tài liệu có được theo chủ đề - đặc trưng bởi danh sách các từ khóa rút ra từ văn bản không có khuôn dạng của tài liệu. Chủ đề quan tâm được thể hiện qua các danh sách các từ khóa vừa kể
• 16. Quyết Định 16/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 Trực quan hóa dữ liệu và tính đa chiều • Xử lý phân tích trực tuyến ngoài thu thập và phân tích còn trình bày và phân giải dữ liệu cho người dùng • Xu hướng mới: ứng dụng trực quan hóa dữ liệu mức xí nghiệp [OLIVE: online visualization for an enterprise] – lấy biểu đồ làm trung tâm và cung cấp cho tổ chức năng lực thông minh kinh doanh [business intelligence – BI] có tính trực quan • Dữ liệu tổng hợp có thể được tổ chức theo các cách khác nhau để phân tích và trình bày: thể hiện tính đa chiều [multidimensionality]. Như vậy nhà quản lý có thể nhìn dữ liệu theo cách khác với nhà phân tích hệ thống; các trình bày khác nhau về dữ liệu được sinh ra nhanh chóng và dễ dàng • Tính đa chiều rất thông dụng trong các hệ hỗ trợ quyết định và hệ thông tin lãnh đạo, được thể hiện với các mức độ phức tạp khác nhau • 3 yếu tố trong tính đa chiều: chiều [td: sản phẩm, phân khúc thị trường, kênh phân phối ..], thước đo [td: tiền, khối lượng bán, số lượng người ..], thời gian [td: hàng ngày, tuần, tháng ..] • Hạn chế của tính đa chiều [Gartner Group, 1998] CSDL đa chiều tốn nhiều chỗ hơn CSDL quan hệ truyền thống CSDL đa chiều đắt tiền hơn CSDL quan hệ Việc nạp CSDL đa chiều tốn nhiều thời gian và nguồn lực hệ thống máy tính Giao diện và bảo trì CSDL đa chiều phức tạp hơn nhiều so với CSDL quan hệ Hệ thông tin địa lý và hiện thực ảo • Hệ thông tin địa lý [geographic information system - GIS] là một hệ thống nắm bắt, lưu trữ, kiểm tra, tích hợp, xử lý và hiển thị dữ liệu bằng cách dùng các bản đồ số hóa • Đặc trưng hệ thống là mỗi đối tượng số hóa hay mỗi bản ghi đều có một vị trí địa lý tương ứng. Bằng việc tích hợp các bản đồ với các CSDL hướng không gian và các CSDL khác, người dùng có thể sinh ra thông tin về hoạch định, giải quyết vấn đề, ra quyết định, tăng năng suất và chất lượng của quyết định .. • Ngày nay, hầu hết hệ thông tin địa lý đều hỗ trợ WEB/internet/intranet
• 17. Quyết Định 17/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 • Hiện thực ảo [virtual reality – VR]: môi trường đồ hoạ 3 chiều tương tác với người dùng và là các ứng dụng máy tính hóa • Hiện thực ảo đã bắt đầu thâm nhập vào các ứng dụng kinh doanh • Các thí dụ: Lĩnh vực Ứng dụng thí dụ Sản xuất Huấn luyện Kiểm thử thiết kế và phân giải kết quả Phân tích mức an toàn Nguyên mẫu hóa ảo Phân tích kỹ thuật Phân tích động thái của nhân viên trong quá trình sản xuất Mô phỏng ảo dây chuyền lắp ráp, sản xuất và bảo trì Kiến trúc Thiết kế nhà, kết cấu, công trình .. Kinh doanh Biểu diễn và định giá bất động sản Quảng cáo Biểu diễn thương mại điện tử Biểu diễn dữ liệu tài chánh Nghiên cứu và giáo dục Phòng thí nghiệm ảo Cấu hình các hệ tinh tú, sao .. Biểu diễn các biểu thức toán phức tạp Giải trí Bảo tàng ảo Trò chơi 3 chiều ..
• 18. Quyết Định 18/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 PHẦN 3. QUẢN LÝ MÔ HÌNH NỘI DUNG • VẤN ĐỀ MÔ HÌNH Các vấn đề Mô hình tĩnh và động Vấn đề bất định, rủi ro và chắc chắn Sơ đồ ảnh hưởng • MÔ HÌNH HÓA BẰNG BẢNG TÍNH • MÔ HÌNH HÓA BẰNG PHÂN TÍCH QUYẾT ĐỊNH • MÔ HÌNH HÓA BẰNG QUY HOẠCH TOÁN HỌC • MÔ HÌNH HÓA BẰNG HEURISTIC • MÔ PHỎNG • MÔ HÌNH HÓA ĐA CHIỀU – XỬ LÝ PHÂN TÍCH TRỰC TUYẾN • MÔ HÌNH HÓA TƯƠNG TÁC TRỰC QUAN VÀ MÔ PHỎNG TƯƠNG TÁC TRỰC QUAN • CÁC BỘ PHẦN MỀM ĐỊNH LƯỢNG VÀ XỬ LÝ PHÂN TÍCH TRỰC TUYẾN • QUẢN LÝ CƠ SỞ MÔ HÌNH VẤN ĐỀ MÔ HÌNH • Là phần tử chủ chốt trong hầu hết hệ hỗ trợ quyết định và là điều kiện cần trong hệ hỗ trợ quyết định dựa vào mô hình [model-based DSS]. • Có nhiều lớp mô hình kèm theo là các kỹ thuật xử lý thao tác mô hình đặc thù tương ứng • Các vấn đề chính: nhận diện bài toán và phân tích môi trường, nhận diện biến số, dự báo, đa mô hình, các phạm trù mô hình, quản lý mô hình và mô hình hóa dựa vào kiến thức • Mô hình hóa là tác vụ không đơn giản. Người xây dựng mô hình phải cân bằng giữa tính đơn giản của mô hình với các yêu cầu biểu diễn để mô hình có thể nắm bắt đủ thực tại cần thiết cho người ra quyết định • Mô phỏng là kỹ thuật mô hình hóa thông dụng; dùng để tìm hiểu vấn đề tuy không nhất thiết phải tìm ra được các giải pháp biến thể; mở rộng quá trình ra quyết định của tổ chức và cho phép tổ chức xem xét tác động/ảnh hưởng của các chọn lựa tương lai. • Mô phỏng tiết kiệm rất nhiều chi phí và thời gian – rất dễ thay đổi mô hình hoạt động của một hệ thống vật lý bằng mô hình hóa máy tính • Mô hình có thể được phát triển và cài đặt bằng một số các ngôn ngữ lập trinh [thế hệ 3, 4 ..] và hệ thống phần mềm khác nhau Các vấn đề • TD hệ hỗ trợ quyết định của P&G về các nhà cung cấp gồm: Mô hình sinh giá phí [dựa vào giải thuật] dùng ước lượng các chi phí vận tải. Mô hình được xây dựng trực tiếp vào trong hệ thống Mô hình dự báo nhu cầu [dựa vào thống kê]
• 19. Quyết Định 19/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 Mô hình vị trí trung tâm phân phối – dùng các dữ liệu tổng hợp và được giải bằng quy hoạch nguyên/quy hoạch tuyến tính Mô hình vận tải [trường hợp đặc biệt của mô hình quy hoạch tuyến tính] dùng xác định tuyến tốt nhất từ nguồn sản phẩm đến trung tâm phân phối và rồi đến khách hàng. Được giải bằng bộ phần mềm thương mại sẵn có và có kết hợp lỏng với mô hình vị trí trung tâm ở trên. Hệ thống phải giao tiếp với phần mềm thương mại và tích hợp các mô hình Mô hình mô phỏng rủi ro và tài chánh, có xem xét một số yếu tố định tính yêu cầu phân giải của con ngươì Hệ thông tin địa lý [thực tế là mô hình đồ họa về dữ liệu] dùng cho giao diện người dùng • Nhận diện vấn đề và phân tích môi trường: Duyệt và phân tích môi trường –theo dõi, duyệt xét và phân giải thông tin thu thập được; xem xét phạm vi của lĩnh vực, các lực lượng và động học của môi trường Nhận diện văn hóa của tổ chức, cấu trúc tổ chức và quá trình ra quyết định của tổ chức [ai, mức độ tập trung hóa ..] Bài toán phải được hiểu thống nhất ở mọi khía cạnh để sinh ra được mô hình hỗ trợ quyết định • Nhận diện các biến số của mô hình Xác định các biến số của mô hình [quyết định, kết quả, không kiểm soát được ..] cùng với các liên hệ tương ứng Kỹ thuật: dùng các sơ đồ ảnh hưởng [influence diagrams] – biểu diễn đồ họa của các mô hình toán - Kỹ thuật tổng quát hơn: bản đồ nhận thức [cognitive map] giúp hiểu bài toán tốt hơn, nhất là về các biến số và mối liên hệ • Dự báo: Bản chất của xây dựng và xử lý các mô hình [các kết quả của quyết định chỉ xảy ra ở tương lai] Hệ hỗ trợ quyết định: cơ bản là xác định những gì sẽ diễn ra [khác với hệ thông tin quản lý [MIS] truyền thống: báo cáo những gì đang hay đã xảy ra] • Đa mô hình: Có nhiều mô hình trong hệ thống: các mô hình chuẩn và các mô hình tự xây dựng Mỗi mô hình thể hiện một khía cạnh khác nhau của bài toán Một vài mô hình là tiêu chuẩn và được cài đặt sẵn trong các công cụ phát triển và bộ tạo sinh hệ hỗ trợ quyết định Một vài mô hình cũng là tiêu chuẩn nhưng chỉ ở dạng các phần mềm bên ngoài, có thể giao tiếp được với hệ hỗ trợ quyết định Các mô hình phi chuẩn có thể được xây dựng từ đầu Thí dụ đã nói ở P&G: mô hình vị trí, mô hình chiến lược sản phẩm, mô hình dự báo nhu cầu, mô hình tính phí, mô hình mô phỏng rủi ro và tài chánh, mô hình hệ thông tin địa lý [GIS]
• 20. Quyết Định 20/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 • Các phạm trù mô hình Phạm trù Quá trình và mục tiêu Kỹ thuật đại diện Tối ưu hóa bài toán với ít phương án Tìm ra giải pháp tốt nhất từ một số ít phương án Bảng quyết định, cây quyết định Tối ưu hóa qua giải thuật Tìm ra giải pháp tốt nhất từ một số lớn hay vô hạn các phương án bằng quá trình cải thiện từng bước Mô hình quy hoạch tuyến tính, quy hoạch toán học, mô hình mạng lưới Tối ưu hóa qua biểu thức giải tích Tìm ra giải pháp tốt nhất trong một bước bằng một công thức Một số mô hình tồn kho Mô phỏng Tìm giải pháp đủ tốt hay tốt nhất trong số các phương án [đã kiểm tra] bằng thực nghiệm Một vài loại mô phỏng Heuristics Tìm giải pháp đủ tốt bằng cách dùng các quy tắc Quy hoạch heuristics, hệ chuyên gia Các mô hình khác Giải tình huống “what-if” bằng cách dùng công thức Mô hình tài chánh, hàng đợi Các mô hình tiên đoán Tiên đoán tương lai cho một kịch bản Các mô hình dự báo, phân tích Markov • Quản lý mô hình: nhờ vào hệ quản lý cơ sở mô hình [MBMS] • Mô hình hóa dựa vào kiến thức: Các hệ hỗ trợ quyết định thường dùng các mô hình định lượng - khác với các hệ chuyên gia thường thiên về các mô hình định tính và mô hình dựa trên kiến thức Các vấn đề về kiến thức là cần thiết để xây dựng các mô hình khả dụng • Chú ý: Xu hướng: các mô hình trong suốt đối với người dùng Mô hình hóa không chỉ là phân tích dữ liệu bằng các đường xu hướng và các phương pháp thống kê Mô hình tĩnh và động • Mô hình tĩnh: thể hiện bức tranh tại thời điểm của tình huống. Các khía cạnh của bài toán được xét một thời kỳ nhất định, trong một khung thời gian nhất định [có thể “cuốn” về tương lai]. Các tình huống được giả sử là sẽ lập lại với tập các điều kiện đồng nhất Giả định có được tính ổn định của dữ liệu Mô phỏng quá trình dạng tĩnh - làm việc trên các trạng thái ổn định để tìm ra các thông số tối ưu – thường được dùng như công cụ chủ yếu để thiết kế quá trình TD: quyết định sản xuất/mua 1 sản phẩm; báo cáo thu nhập hàng quý/năm • Mô hình động: biểu diễn các kịch bản thay đổi theo thời gian Phụ thuộc thời gian; các trạng thái thay đổi theo thời gian Thường dùng để tạo sinh và biểu diễn các xu hướng và khuôn mẫu theo thời gian
• 21. Quyết Định 21/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 Mô phỏng động: thể hiện các diễn tiến khi các điều kiện theo thời gian khác với các trạng thái ổn định – thường được dùng để thiết kế việc kiểm soát các hệ thống TD: dự báo lời-lỗ trong 5 năm với các nhập lượng như giá phí, số lượng .. thay đổi theo từng năm Vấn đề bất định, rủi ro và chắc chắn • Mô hình chắc chắn: tương đối dễ phát triển, giải quyết và có thể sinh ra các giải pháp tối ưu Các bài toán có một số lớn/vô hạn các giải pháp khả thi đặc biệt quan trọng Các mô hình tài chánh được xây dựng trong điều kiện chắc chắn • Mô hình bất định: bằng cách thu thập thêm thông tin, cố gắng đưa bài toán trở về dạng chắc chắn hay dạng rủi ro • Mô hình rủi ro: các quyết định kinh doanh được đưa ra dưới các rủi ro giả định. Đôi khi biết được xác suất của các sự kiện xảy ra trong tương lai Các trường hợp khác [bất định]: ước lượng các rủi ro và giả sử các tình huống rủi ro xảy ra Sơ đồ ảnh hưởng • Biểu diễn đồ họa hay sơ đồ/bản đồ của mô hình • Dùng hỗ trợ việc tìm hiểu, thiết kế và phát triển mô hình; nhất là biểu diễn bản chất các quan hệ và tập trung vào các khía cạnh chủ yếu của mô hình • Phương tiện truyền thông trực quan cho người xây dựng mô hình/nhóm phát triển • Thể hiển ảnh hưởng/tác động của 1 biến lên 1 biến khác • Có thể xây dựng đến mức độ tùy ý về chi tiết và độ phức tạp; cho phép ánh xạ tất cả các biến số và biểu diễn mọi quan hệ và chiều hướng ảnh hưởng • Vài dạng thức biểu diễn – [xem bên dưới: Bodily,1985] • Có các sản phẩm phần mềm dùng tạo sinh và thao tác trên các sơ đồ ảnh hưởng – thường gồm quy hoạch tuyến tính, cây quyết định, mô phỏng Monte Carlo .. . Vì vậy các bảng tính trực quan và mô hình hoạch định tài chánh ngày càng ít được sử dụng hơn
• 22. Quyết Định 22/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 • Quy ước MÔ HÌNH HÓA BẰNG BẢNG TÍNH • Bảng tính: phần mềm mạnh, linh hoạt và dễ dùng, cho phép tạo sinh các ứng dụng trong kinh doanh, kỹ thuật, toán và khoa học .. với tập các hàm mạnh về tài chánh, thống kê, toán .. • Kèm theo là các thành phần cộng thêm [add-ins] giúp xây dựng và giải các lớp mô hình đặc thù • Là công cụ mô hình hóa thông dụng nhất của người dùng cuối cùng • Có các chức năng về phân tích “what-if”, dò tìm mục tiêu, quản lý dữ liệu và lập trình [dạng macro] • Có khả năng đọc, ghi các cấu trúc tập tin thông dụng để giao tiếp được với các CSDL và công cụ khác • Có thể xây dựng mô hình tĩnh và động • Dùng trên máy tính cá nhân và máy tính lớn Biến quyết định Biến không kiểm soát được / biến trung gian Biến kết quả: trung gian / cuối cùng Chắc chắn Bất định Số lượng Lợi tức Số lượng Lợi tức Biến rủi ro [có dấu ~ trên tên biến] ~ Cầu Doanh số Thiên hướng [thường giữa các biến kết quả] Các mũi tên có thể là 1 chiếu hay 2 chiều tùy thuộc vào chiều hướng ảnh hưởng của cặp biến số
• 23. Quyết Định 23/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 • Cơ sở để xây dựng các bảng tính đa chiều và các công cụ xử lý phân tích trực tuyến [OLAP] MÔ HÌNH HÓA BẰNG PHÂN TÍCH QUYẾT ĐỊNH • Tiếp cận mô hình hóa các tình huống quyết định có một số hữu hạn/không quá nhiều các phương án – mỗi phương án được trình ra, dưới dạng bảng hay đồ thị - các kết quả tương ứng [dự báo được kèm xác suất] theo mục tiêu bài toán – từ đó chọn phương án tốt nhất • Đơn mục tiêu: bảng quyết định hay cây quyết định • Đa mục tiêu: AHP [analytic hierarchy process], khác .. MÔ HÌNH HÓA BẰNG QUY HOẠCH TOÁN • Quy hoạch toán học [mathematical programming] là họ các công cụ giải quyết các bài toán quản lý theo đó người ra quyết định phải cấp phát các tài nguyên khan hiếm cho các hoạt động cạnh tranh nhau [các phương án] nhằm tối ưu hóa mục tiêu có khả năng đo lường được • Các mô hình quy hoạch tuyến tính [linear programming] thông dụng nhất trong quy hoạch toán; có nhiều ứng dụng trong thực tế; được dùng nhiều trong các hệ hỗ trợ quyết định • Bài toán quy hoạch tuyến tính: Các biến quyết định [cần tìm giá trị] Hàm mục tiêu [hàm toán học dạng tuyến tính xác định quan hệ giữa biến quyết định và mục tiêu; đo lường mức độ đạt đạt mục tiêu và cần được tối ưu hóa] Các hệ số của hàm mục tiêu [cho biết mức đóng góp vào mục tiêu của 1 đơn vị biến quyết định] Ràng buộc [biểu thức tuyến tính cho biết giới hạn tài nguyên và/hay các quan hệ giữa các biến số] Dung lượng [mô tả cận trên và dưới của các biến và ràng buộc] Hệ số [công nghệ] vào-ra [cho biết mức độ sử dụng tài nguyên của biến quyết định] • Đặc điểm của bài toán quy hoạch tuyến tính: Tài nguyên kinh tế của bài toán là có hạn và sẵn sàng Có nhiều cách [>2 cách] sử dụng tài nguyên được gọi là giải pháp hay chương trình Mỗi hoạt động dùng tài nguyên đều sinh ra kết quả dưới dạng mục tiêu đã phát biểu trước Việc cấp phát nằm trong các ràng buộc cho trước • Giả định của bài toán quy hoạch tuyến tính Các kết quả của các cấp phát có thể đem so sánh với nhau, có thể đo lường bằng một đơn vị chung
• 24. Quyết Định 24/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 Các cấp phát độc lập với nhau về mặt kết quả Kết quả cuối cùng là tổng của các kết quả từ các hoạt động riêng rẽ khác nhau Dữ liệu có tính chắc chắn Tài nguyên được dùng một cách kinh tế nhất Thường có một số lớn các giải pháp với kết quả khác nhau Trong số các giải pháp có thể, có 1 giải pháp tốt nhất – mức độ đạt được mục tiêu cao nhất – gọi là giải pháp tối ưu được tìm ra bằng một giải thuật đặc biệt MÔ HÌNH HÓA BẰNG HEURISTIC • Việc tìm giải pháp tối ưu của một số bài toán quyết định phức tạp có thể tốn nhiều thời gian, chi phí hay không thể tìm ra được. Còn nếu dùng tiếp cận mô phỏng cũng có thể kéo dài, phức tạp, không thích hợp hay thậm chí không chính xác • Là một tiếp cận giúp tìm ra các giải pháp khả thi/thỏa mãn/đủ tốt cho các bài toán phức tạp. Có thể có giải pháp đủ tốt [90-99.9% giá trị của lời giải tối ưu] nhanh chóng và đỡ tốn kém hơn bằng cách dùng heuristics • Quá trình heuristic là dãy các bước xây dựng các quy luật giải quyết vấn đề thông qua việc tìm kiếm các con đường hứa hẹn nhất dẫn đến lời giải; tìm kiếm cách thức thu thập và phân giải thông tin theo quá trình giải và phát triền các phương pháp dẫn đến một giải thuật tính toán hay một lời giải tổng quát đã có • Áp dụng chủ yếu cho bài toán cấu trúc yếu; cũng dùng để tìm ra giải pháp chấp nhận được cho bài toán cấu trúc chặt • Không đủ tổng quát như các giải thuật; thường chỉ dùng cho tình huống đặc thù đang xét • Có thể dẫn đến một giải pháp dở - các thủ tục từng bước giải quyết vấn đề không đảm bảo tìm ra giải pháp tối ưu • Heuristic có thể là định lượng vì vậy có thể đóng vai trò quan trọng trong cơ sở mô hình của hệ hỗ trợ quyết định • Heuristic có thể là định tính vì vậy có thể đóng vai trò quan trọng trong cung ứng kiến thức cho hệ chuyên gia • Quá trình heuristic liên quan đến tìm kiếm, học tập, ước lượng, phân xử và lặp lại các hoạt động này dọc theo tiến trình • Kiến thức thu được dù thành công hay thất bại trong quá trình đều được phản hồi và sửa đổi chính quá trình, nhờ đó có thể định nghĩa lại mục tiêu hay bài toán Tìm kiếm Tabu [Glover & Laguna, 1997, Sun et al., 1998] đặt cơ sở trên các chiến lược tìm kiếm thông minh nhằm rút ngắn việc dò tìm: “ghi nhớ” các giải pháp tốt và xấu đã tìm được và hướng dần đến các giải pháp tốt
• 25. Quyết Định 25/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 Giải thuật di truyền: bắt đầu bằng tập các giải pháp được sinh ngẫu nhiên, tái kết hợp các cặp giải pháp một cách ngẫu nhiên • Tình huống nên dùng heuristics Dữ liệu đầu vào không chính xác hay có giới hạn Thực tế quá phức tạp đến nỗi không dùng được các mô hình tối ưu Chưa có được giải thuật chính xác và đủ tin cậy Bài toán phức tạp nên sẽ không kinh tế nếu dùng tối ưu hay mô phỏng hoặc tốn quá nhiều thời gian tính toán Có thể cải thiện tính hiệu quả của quá trình tối ưu [tức có thể sinh ra các giải pháp ban đầu tương đối tốt] Liên quan đến xử lý ký hiệu chứ không phải xử lý ký số [như hệ chuyên gia] Cần có quyết định nhanh và các xử lý dựa vào máy tính đều không khả thi [một số heuristic không cần đến máy tính] • Thuận lợi: Dễ hiểu, dễ giải thích và dễ cài đặt Nâng cao tính sáng tạo và năng lực heuristic cho các vấn đề khác Tiết kiệm thời gian xác lập vấn đề Tiết kiệm yêu cầu về bộ chứa và xử lý máy tính Tiết kiệm thời gian tính toán và do vậy tiết kiệm thời gian thực trong ra quyết định. Một số vấn đề phức tạp đến nỗi chỉ có thể giải được bằng heuristics Thường sinh ra nhiều giải pháp chấp nhận được Thường có thể phát biểu lý thuyết hay đo lường thực nghiệm về chất lượng của giải pháp [tức giá trị mục tiêu của giải pháp gần với giá trị tồi ưu đến mức nào, dù giá trị tối ưu chưa biết được] Có thể kết hợp tính thông minh vào để hướng dẫn phép tìm kiếm [tìm kiếm tabu]. Năng lực thông minh đó có thể là đặc thù theo bài toán hoặc dựa trên ý kiến chuyên gia được cấy trong hệ chuyên gia hoặc cơ chế tìm kiếm Có thể dùng heuristic hiệu quả vào các mô hình có thể giải bằng quy hoạch toán học. Đôi khi heuristic là phương pháp được ưa thích hơn, khi khác giải pháp heuristics được dùng như giải pháp ban đầu cho các phương pháp quy hoạch toán học • Hạn chế Không đảm bảo có được giải pháp tối ưu Các quy luật có rất nhiều ngoại lệ Các lựa chọn quyết định tuần tự có thể không tiên đoán được các kết cục tương lai của mỗi chọn lựa Sự liên thuộc giữa các phần trong hệ thống đôi khi có thể gây ra các ảnh hưởng lớn lao lên toàn hệ thống • Phân loại các giải thuật heuristic Heuristic xây dựng: xây dựng giải pháp khả thi bằng cách cộng thêm từng thành phần một. TD: bài toán người bán hàng – luôn ghé thành phố chưa viếng thăm kế tiếp gần nhất
• 26. Quyết Định 26/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 Heuristic cải tiến: bắt đầu bằng một giải pháp khả thi và cố gắng cải tiến liên tục trên đó. TD trên, thử hoán đổi 2 thành phố Quy hoạch toán: áp dụng vào các mô hình chứa ít ràng buộc nhằm có được thông tin về thỏa hiệp tốt nhất với mô hình nguyên gốc. Thường được dùng trong tối ưu hóa nguyên [integer optimization] Chia giai đoạn: giải quyết một vấn đề theo từng giai đoạn. TD ở P&G trên đây, bài toán phân phối được giải quyết trước, sau đó dùng giải quyết bài toán chiến lược sản phẩm Phân rã: chia bài toán thành các phần nhỏ hơn, có thể giải quyết được sau đó kết hợp các giải pháp đó lại. TD: chia lãnh thổ bán hàng thành 4 vùng khác nhau, giải quyết cho từng vùng sau đó kết nối các giải pháp MÔ PHỎNG • Giả định các đặc điểm của thực tại • Là kỹ thuật tiến triển các thực nghiệm [như phân tích “what-if”] - bằng máy tính - trên một mô hình của hệ thông tin quản lý • Không thực sự là một mô hình vì không biểu diễn thực tại mà là cố gắng bắt chước thực tại • Một trong những phương pháp thông dụng nhất trong HHTQĐ • HHTQĐ làm việc với các bài toán phi cấu trúc và cấu trúc yếu, tình huống thực tế phức tạp – không dễ biểu diễn bằng mô hình tối ưu hay các dạng mô hình khác nhưng lại thường có thể xử lý được bằng mô phỏng • Đặc điểm: Ít đưa ra các đơn giản hóa về thực tại hơn các mô hình khác Do triển khai các thực nghiệm nên nó có thể kiểm thử các giá trị cụ thể của các biến quyết định/biến không kiểm soát được của mô hình và xem xét ảnh hưởng lên các biến kết quả Phương pháp có tính mô tả [như vậy khác với phương pháp danh định] Không tự động tìm kiếm giải pháp tối ưu – nó mô tả/tiên đoán các đặc tính của hệ thống đã cho dưới các điều kiện khác nhau từ đó có thể chọn ra phương án tốt nhất Quá trình mô phỏng thường lặp lại một thực nghiệm nhiều lần để có được ước lượng về hiệu ứng tổng quát của một số hành động nhất định Mô phỏng máy tính thích hợp cho hầu hết các tình huống mặc dù cũng có một số mô phỏng thủ công thành công Thường chỉ được dùng khi bài toán quá phức tạp không thể xem xét bằng các kỹ thuật tối ưu dạng số. Tính phức tạp theo nghĩa bài toán không thể công thức hóa cho tối ưu [do không thõa các giả định], hoặc công thức quá lớn, quá nhiều tương tác giữa các biến hoặc về bản chất bài toán là bất định hay rủi ro
• 27. Quyết Định 27/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 Phương pháp mô phỏng: thiết lập mô hình của hệ thống thực và tiến hành các thực nghiệm lặp lại trên mô hình • Thuận lợi: Lý thuyết tương đối trực tiếp hiệu ứng dài hạn của nhiều chính sách -> nén thời gian lớn Do tính chất mô tả [khác với danh định] Có thể thấy được nhanh chóng, có thể đặt ra các câu hỏi “what-if”, có thể dùng tiếp cận thử-và-sai vào giải quyết vấn đề một cách nhanh chóng, rẻ, chính xác, ít rủi ro hơn Thử nghiệm được biến quyết định, phần nào của môi trường thực sự quan trọng với các phương án khác nhau Yêu cầu kiến thức riêng biệt về bài toán vì thế buộc người xây dựng mô hình phải làm việc thường xuyên với nhà quản lý – đối tượng mong muốn của HHTQĐ để từ đó bản chất bài toán và các quyết định được hiểu tốt hơn Mô hình được xây dựng từ viễn cảnh/cách nhìn của nhà quản lý Mô hình chỉ cho một bài toán riêng biệt, thường không thể dùng giải các bài toán khác. Như vậy mỗi thành phần của mô hình ứng với một phần của hệ thống thực, do đó sẽ không yêu cầu nhà quản lý phải tổng quát hóa các hiểu biết của mình Phổ bài toán giải được rất rộng: tồn kho, nhân sự, hoạch định chiến lược .. Có thể chứa các phức tạp thực sự của bài toán, không cần các đơn giản hóa [TD: dùng các phân phối xác suất thực thay vì phân phối lý thuyết xấp xỉ] Có thể tự động sinh ra nhiều đo lường hiệu năng quan trọng Thường là phương pháp duy nhất của HHTQĐ có thể xử lý các bài toán tương đối phi cấu trúc Có một số các gói phần mềm mô phỏng [Monte Carlo] tương đối dễ dùng • Điểm yếu: Tuy thường tìm được các phương án đủ tốt nhưng không đảm bảo lời giải tối ưu Quá trình xây dựng mô hình thường dài và tốn kém Giải pháp và suy diễn từ nghiên cứu mô phỏng thường không thể chuyển sang bài toán khác vì mô hình kết hợp các yếu tố đặc thù Định nghĩa vấn đề Đánh giá kết quả Bài toán thực Xây dựng mô hình Kiểm thử và hợp thức mô hình Thiết kế thực nghiệm Tiến hành thực nghiệm Cài đặt kết quả
• 28. Quyết Định 28/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 Đôi khi do mô hình quá dễ giải thích cho nhà quản lý nên các phương pháp phân tích thường xem nhẹ Phần mềm mô phỏng đôi khi yêu cầu các kỹ năng đặc biệt do độ phức tạp của phương pháp giải hình thức • Các loại mô phỏng Mô phỏng xác suất: một hay nhiều biến độc lập mang tính xác suất với 2 loại phân phối – thường dùng kỹ thuật Monte Carlo Phân phối rời rạc: tình huống có một số giới hạn các biến cố [biến] với hữu hạn các giá trị cho mỗi biến cố [biến] Phân phối liên tục: tình huống có số lượng không giới hạn các biến cố tuân theo các hàm mật độ xác suất như phân phối chuẩn Mô phỏng độc lập/phụ thuộc theo thời gian: Độc lập: không cần thiết phải biết chính xác thời điểm xảy ra biến cố [nhu cầu tiêu thụ lượng sản phẩm trong ngày, không biết chính xác thời điểm tiêu thụ] Phụ thuộc: cần biết chính xác thời điểm xảy ra sự kiện [bài toán hàng đợi] Mô phỏng tương tác trực quan: Mô phỏng hướng đối tượng: dùng tiếp cận hướng đối tượng để xây dựng mô hình mô phỏng. Chú ý ngôn ngữ mô hình hóa nhất thể UML [unified modeling language] kể cả khi mô phỏng các hệ thời gian thực MÔ HÌNH HÓA ĐA CHIỀU – XỬ LÝ PHÂN TÍCH TRỰC TUYẾN • Người ra quyết định thường phải xem xét nhiều chiều của dữ liệu [TD: các chiều của dữ liệu bán hàng là sản phẩm, vùng, thời gian, người bán ..]; dữ liệu cần được phân tích trực tiếp bằng các công cụ chuẩn hay phân tích tự động bằng các phương pháp khai mỏ dữ liệu [data mining] • Hầu hết các hệ thống phân tích đa chiều được nhúng trong các hệ xử lý phân tích trực tuyến [HXLPTTT – online analytic processing - OLAP] • Mục tiêu của XLPTTT: nắm bắt cấu trúc của dữ liệu thực để hỗ trợ ra quyết định • Trong HHTQĐ có sự gắn nối tự nhiên giữa mô hình hóa dữ liệu, mô hình hóa ký hiệu và các khía cạnh của phân tích “what-if” • Các báo cáo của HXLPTTT đều có tính tương tác, dễ khai thác sử dụng, đặc biệt phù hợp cho các báo cáo về chỉ số hiệu năng chủ yếu [key performance indicators - KPI], báo cáo về đo lường hiệu năng kinh doanh .. • Thế hệ hiện tại của HXLPTTT và hệ khai mỏ dữ liệu [data mining] tích hợp các đặc tính của hệ thông tin lãnh đạo [executive information system –EIS- nhiều cách nhìn dữ liệu, chi tiết hóa theo nhu cầu..] và các hệ đồ họa khác – thường có giao diện người dùng dạng kiểu WEB • Các hệ thống như trên còn được gọi là các công cụ trí tuệ kinh doanh [business intelligence - BI] vì có các đặc trưng về mô hình hóa và tối ưu hóa nhưng lại trong suốt đối với ngươì dùng
• 29. Quyết Định 29/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 • Hiện các công cụ được đưa ra bởi các nhà cung cấp về CSDL, về hoạch định tài nguyên tổ chức [ERP], về nhà kho dữ liệu [data warehouse], về HXLPTTT .. MÔ HÌNH HÓA VÀ MÔ PHỎNG TƯƠNG TÁC TRỰC QUAN • Ích lợi: Người ra quyết định tham gia vào quá trình phát triển mô hình và thực nghiệm mô phỏng vì vậy sẽ tin tưởng khi sử dụng mô hình • Mô hình hóa tương tác trực quan [visual interactive modeling - VIM] dùng các biểu diễn đồ họa máy tính để trình bày các ảnh hưởng của các quyết định quản lý khác nhau, ở một thời điểm [tĩnh] hay tiến triển theo thời gian [động với kỹ thuật hoạt hình] • Mô phỏng tương tác trực quan [visual interactive simulation - VIS] cho phép người dùng theo dõi tiến trình xây dựng và sử dụng khai thác mô hình mô phỏng dưới dạng hoạt hình • Mô hình hóa tương tác trực quan có thể kết hợp với tiếp cận trí tuệ nhân tạo để đưa ra các khả năng mới thay đổi từ xây dựng hệ thống dạng đồ họa đến tìm hiểu về động học của hệ thống • Cần đến các hệ thống máy tính xử lý song song tốc độ cao để xây dựng các mô phỏng - phức tạp, quy mô lớn, dạng hoạt hình - mang tính khả thi ở thời gian thực CÁC BỘ PHẦN MỀM ĐỊNH LƯỢNG VÀ XỬ LÝ PHÂN TÍCH TRỰC TUYẾN • Một số công cụ HHTQĐ có chứa sẵn các trình con để xây dựng các mô hình định lượng về thống kê, phân tích tài chánh, kế toán … • Nhiều công cụ HTQĐ có thể tương tác với các bộ phần mềm định lượng chuẩn [các mô hình lập sẵn], nhờ đó có thể tăng năng suất nhờ vào các mô hình có sẵn • Phần mềm thống kê: Được coi như một công cụ ra quyết định hơn là một công cụ phân tích trong quá trình ra quyết định Có thể được nhúng trong các công cụ khai mỏ dữ liệu và công cụ xử lý phân tích trực tuyến, do đó người dùng khó nhận biết được các phương pháp thống kê phức tạp được dùng Các bảng tính cũng chứa nhiều hàm thống kê phức tạp và có các giao tiếp ngoài có thể lập trình được Một số hàm thống kê được xây dựng sẵn trong các công cụ HHTQĐ [trung bình, trung vị, phương sai, độ lệch chuẩn, tương quan hồi quy [tuyến tính, đa thức, từng bước], chi-square, t-test, phân tích độ lệch ..] • Phần mềm mô hình hóa phân tích/khoa học quản lý [MS/OR] Có rất nhiều trên thị trường về phân tích thống kê, quy hoạch tuyến tính, mô phỏng, phân tích quyết định, quy hoạch phi tuyến, dự báo .. Một vài bộ tạo sinh HHTQĐ có các năng lực tối ưu và mô phỏng
• 30. Quyết Định 30/30 Bài 2. Cấu trúc của hệ hỗ trợ quyết định Feb-2004 • Phần mềm quản lý lợi nhuận [revenue/yield management]: Phổ biến trong lĩnh vực dịch vụ Mô hình động về phân loại khách hàng, ước lượng nhu cầu, định giá cả cho từng loại khách hàng HỆ QUẢN TRỊ CƠ SỞ MÔ HÌNH [MBMS] • Có năng lực như hệ quản trị CSDL [DBMS]. Tuy nhiên thị trường có thể có nhiều hệ quản trị CSDL nhưng chưa có các sản phẩm về hệ quản trị CSMH. • Các khía cạnh cấu trúc và giải thuật của mô hình cũng như xử lý dữ liệu liên quan cần trong suốt đối với người dùng • Khả năng tích hợp mô hình [mô hình với mô hình, dữ liệu với mô hình và ngược lại] • Chưa có các HQTCSMH chuẩn hóa vì: Có nhiều lớp mô hình nhưng đều khác cấu trúc [TD: quy hoạch tuyến tính khác với phân tích hồi quy ..] Mỗi lớp mô hình có vài tiếp cận giải quyết vấn đề khác nhau – phụ thuộc vào cấu trúc bài toán, kích cỡ, khuôn dạng và dữ liệu; tiếp cận coi là chuẩn có thể có hiệu quả thấp hơn tiếp cận đặc thù Một số năng lực của HQTCSMH liên quan đến khả năng suy lý và kiến thức chuyên gia có thể tạo sinh ở các hệ thống khác – các hệ trí tuệ nhân tạo … • Hiện tại bảng tính và vài công cụ & ngôn ngữ HHTQĐ có đưa ra một số năng lực của HQCSMH • Có một số ngôn ngữ mô hình hóa đặc biệt được dùng như công cụ truy xuất đến các phần mềm thực sự thực hiện tác vụ tối ưu hóa hay mô phỏng. Chúng hỗ trợ cho việc phát triển và quản lý các mô hình. Vài ngôn ngữ mô hình hóa dạng quy hoạch toán học thông dụng như Lingo, AMPL, GAMS .. • Người dùng phải có được khả năng sau: Truy đạt, thao tác, lưu chứa và hiệu chỉnh mô hình hiện có Xây dựng mô hình mới từ các mô hình hiện có với nổ lực chi phí phù hợp • HQTCSMH quan hệ: tương tự như CSDL quan hệ, mô hình được xem như một quan hệ ảo có 3 hoạt động cần thiết để có được tính đầy đủ quan hệ trong quản lý mô hình: thực thi [execution], tối ưu và phân tích độ nhạy [sensitivity analysis] • HQTCSMH hướng đối tượng: duy trì sự độc lập logic giữa cơ sở mô hình và các thành phần khác của HHTQĐ, hỗ trợ sự tích hợp thông minh và ổn định giữa các thành phần các khái niệm hướng đối tượng quen thuộc trong các giao diện người dùng đồ họa [GUI] đều có thể áp dụng vào việc quản lý mô hình

Các hệ hỗ trợ ra quyết định là gì?

DSS là gì? DSS là một chương trình phần mềm máy tính được sử dụng để hỗ trợ các quyết định, các phán đoán và các hướng hành động trong một tổ chức. DSS sàng lọc và phân tích lượng dữ liệu khổng lồ, tổng hợp thông tin toàn diện có thể được sử dụng để giải quyết vấn đề và dựa vào đó đưa ra quyết định.

Quyết định không có cấu trúc là gì?

Quyết định không có cấu trúc [NonStructured Decision]: Các quyết định mà người ra quyết định biết là có nhiều câu trả lời gần đúng và không có cách nào để tìm ra câu trả lời chính xác nhất.

Decision variables là gì?

Một mô hình thường bao gồm ba thành phần cơ bản: • Decision Variables: Đây là các lực chọn xác định bởi người ra quyết định. Chẳng hạn trong bài tóan quyết định đầu tư thì đây là số tiền đầu tư, nơi đầu tư, thời gian đầu tư…