240 6. SISTEME ȘI PRODUSE INFORMATICE PENTRU ASISTAREA DECIZIEI 6.1. Sisteme informatice pentru asistarea deciziei (SIAD) 6.1.1. Definire și… [601441]
240 6. SISTEME ȘI PRODUSE INFORMATICE PENTRU ASISTAREA DECIZIEI
6.1. Sisteme informatice pentru asistarea deciziei (SIAD)
6.1.1. Definire și tipologie
“În tehnica de azi, mijloacele sunt mai tari decât scopurile”
„E ceva care face – clic- și mașina începe s ă funcționeze”
Constantin Noica
Sistemul informatic de asistare a deciziei se define ște ca fiind un sistem
informatic
• destinat asist ării deciden ților în rezolvarea unor probleme
• prin îmbinarea judec ății umane cu procesarea automat ă a informa țiilor și
• al cărui obiectiv principal îl constituie ameliorarea calit ății procesului decizional
(eficacitatea în primul rând și nu eficien ța).
Principalele caracteristici ale unui SIAD sunt urm ătoarele:
• SIAD sunt destinate în principal probleme lor care nu pot fi rezolvate cu ajutorul
altor sisteme informatice sau metode cantitative, prin îmbinarea judec ății umane cu
procesarea automat ă a informa țiilor.
• Ele asistă managerii – atât la nivel individual cât și la nivel de grup – de la diverse
niveluri organiza ționale, în toate fazele procesului decizional, fiind adaptabile
oricărui stil decizional.
• Căutarea solu țiilor necesit ă manipulări de date, c ăutare de informa ții, modelare,
calcule.
• Criteriile de decizie sunt numeroase, conflictuale și depind adesea de utilizatori.
• Experiența, intuiția judecățile și preferin țele decidentului sunt esen țiale.
• Timpul de r ăspuns pentru ob ținerea unei solu ții satisfăcătoare este limitat.
Tipologia SIAD
Sistemele informatice de asistare a deciziei se pot clasifica în func ție de mai multe
criterii ; unul dintre cel mai des utilizate îl constituie gradul în care solu ția oferită de
sistem se bazeaz ă pe analiza datelor sau pe modelare . Primele sisteme de asistare a
deciziei erau în principal bazate pe modele, îns ă progresele recente înregistrate în
domeniile prelucr ării informa țiilor și tehnologiilor bazelor de date au permis dezvoltarea
unor SIAD bazate pe analiza datelor. Putem deci clasifica SIAD în dou ă categorii:
241 1. SIAD bazate pe modele – au fost primele SIAD (sfâr șitul anilor 70 și începutul anilor
80). Sunt de regul ă sisteme autonome, separate de sistemele informatice ale
organizației, care utilizau un anumit tip de model pentru efectuarea unor analize de
tipul „ what if “ precum și alte tipuri de analize. Func ționarea acestora se baza pe un
model cantitativ, combinat cu o interfa ță prietenoas ă, care facilita utilizarea acestuia.
2. SIAD bazate pe date – analizeaz ă un volum mare de date stocate în sistemul
informatic al organiza ției. Ele sus țin procesul decizional oferind posibilitatea extragerii
unor informa ții utile din multitudinea datelor disponibile. De regul ă, acestea sunt
stocate în depozite de date {data warehouse) iar pentru analiza lor se folosesc noi
tehnologii informa ționale: OLAP (procesarea analitic ă a datelor în timp real) și data
mining („forarea datelor“ – c ăutarea de informa ții).
Informații despre sistemele sus men ționate sunt prezentate în tabelul urm ător.
Tabelul nr. 1819
Tipul de SIAD Categoria Tipul de
operație Sarcina Utilizatorul Model de
utilizare Periodi-
citatea
DATE Sisteme de
analiză a
datelor Analiză ad hoc a
fișierelor de dateAnaliză
operațională Specialiști
(analiști) Manipularea
și afișarea
datelor Neregulat
sau
Periodic
DATE sau
MODELE Sisteme de
analiză a
informațiilor Analiză ad hoc
care implic ă
multiple baze de
date și modele
de dimensiuni
reduse Analiză,
planificare Analiști Programarea
de rapoarte
speciale,
dezvoltarea
unor modele
de dimensiuni
reduse Neregulat.
La cerere
19 Prelucrare/adaptare dup ă Zaharie D., Albescu F., Bojan I., Ivancenco V., Vasilescu C., Sisteme Informatice
pentru asistarea deciziei , Editura Dual Tech, 2001.
Turban E., Aronson J., Decision Support System and Intelligent System, Pretince Hall, USA, 2001.
242
Tipul de SIAD Categoria Tipul de
operație Sarcina Utilizatorul Model de
utilizare Periodi-
citatea
MODELE Modele contabile Estimarea
rezultatelor
viitoare pe
baza
definițiilor
contabile Planificare,
bugetare Analiști
și/sau
decidenți Intrări: estimări
ale activit ății
Ieșiri: estimări
financiare ale
rezultatelor Periodic
(săptămâ
-nal,
lunar,
anual)
Modele de
reprezentare Estimarea
consecințelor
diverselor
acțiuni Planificare,
bugetare Analiști Intrare : decizia
posibilă
Ieșire:
rezultatele
așteptate Periodic
sau
neregulat
Modele de
optimizare Calculul
soluției
optime pentru
o problem ă Planificare,
alocarea
resurselor Analiști Intrări:
restricții și
obiective
Ieșiri: soluția
optimă Periodic
sau
neregulat
Modele sugestive Calcule care
generează o
soluție
sugestivă Operațional Personal
operațional Intrări: o
descriere
structurat ă a
situației
Ieșiri: o decizie
posibilă Periodic
(zilnic)
Se pot ad ăuga la aceast ă clasificare și sistemele SIAD bazate pe cuno ștințe, care
înglobeaz ă tehnologii ale inteligen ței artificiale și pot fi numite și SIIAD- Sisteme
Inteligente de Asistarea Deciziei .
O altă clasificare a SIAD (Holsapple și Whinston -1996)20 grupează aceste sisteme
în următoarele 5 categorii:
• SIAD bazate pe analiza textelor – datele, informa țiile și cunoștințele sunt reg ăsite de
cele mai multe ori sub forma unui text ce trebuie analizat de decident. Prin urmare,
reprezentarea și prelucrarea eficient ă a textelor constituie o sarcin ă important ă a
sistemului de asistare a deciziei. Un SIAD bazat pe text asigur ă crearea, revizuirea și
vizualizarea automat ă a diferitelor documente și va utiliza tehnologii ca: hypertext,
agenți inteligen ți, tehnologii Web.
• SIAD bazate pe baze de date – baza de date a organiza ției este componenta esen țială a
structurii sale.
20 Turban, J. Aronson, Op. cit. pag. 231.
243 • SIAD bazate pe procesoare de tabele – procesoarele de tabele reprezint ă limbaje de
modelare care permit utilizatorului s ă descrie modele pentru a efectua diverse analize.
Cel mai utilizat procesor de tabele este EXCEL, care include numeroase tipuri de
modele (statistice, financiare, de optimi zare, de simulare, de previziune, etc.).
• SIAD bazate pe func ții – o funcție este un algoritm sau o procedur ă tradusă într-un
program pentru a rezolva un anumit tip de problem ă (de exemplu, regresia liniar ă
pentru a calcula un trend). în EXCEL, ele sunt numite func ții.
• SIAD bazate pe reguli – regulile se reg ăsesc în componenta sistem de gestiune a
cunoștințelor, ca formalism de reprezentare a acest ora în cadrul sistemelor expert; ele
pot înlocui sau se pot încadra în modelele cantitative.
Există și alte criterii de clasificare ale sistemel or informatice de asistare a deciziei:
tipul și nivelul decizional , periodicitatea cu care sunt utilizate (instituționale sau ad hoc),
numărul de utilizatori (individuale, de grup, organiza ționale), etc.
Se remarc ă în acest context apari ția în ultimii ani a sistemelor de asistare a
deciziei de grup , ca suport în procesul de adoptare a deciziilor de c ătre un grup de
decidenți și nu de unul singur, decizii care ocup ă o pondere important ă în numărul total al
deciziilor ce trebuie luate în cadrul unei organiza ții. Principalul obiectiv al acestor sisteme
îl constituie, ca și în cazul celor destinate unui singur utilizator , creșterea calit ății
procesului decizional , prin poten țarea avantajelor aduse de lucrul în echip ă și reducerea
potențialelor disfunc ționalități (tendin ța spre uniformizare, tendin ța de a transfera
responsabilitatea, de a oferi doar solu ții satisfăcătoare, înclina ția prea mare c ătre risc,
fragmentarea timpului, durata și costurile ridicate).
6.1.2. Locul sistemelor informatice de asistare a deciziei în cadrul
sistemului informa țional al firmei21
Utilizând reprezentarea schematic ă, vom prezenta în continuare locul sistemelor
informatice de asistare a decizi ei în cadrul sistemului informa țional al firmei, plecând de la
modelul OID (Operație-Informație-Decizie) la care se adaug ă sistemul de cuno ștințe al
unei organiza ții (modelul OICD ).
SIAD sunt sisteme informatice al c ăror obiectiv îl constituie asistarea procesului
managerial. În anumite cazuri, sistemul de conducere poate apela la baza de date de
cunoștințe a organiza ției sau la servicii de consultan ță oferite de exper ți cărora le
21Prelucrare/adaptare dup ă Turban, J. Aronson, Op. cit. pag. 231.
Zaharie, D., Albescu , F., Bojan , I., Ivancenco, V., Vasilescu , C., Op. cit. pag. 231.
244 furnizează date, informa ții, cunoștințe personale (problema și contextul acesteia) și de la
care prime ște confirm ări sau infirm ări ale unor supozi ții, diagnostice, aprecieri, sfaturi,
propuneri, solu ții, previziuni. Decizia final ă și responsabilitatea acesteia apar țin desigur
sistemului executiv.
Fig. 52. Modelul OICD al unei organiza ții
ST – Sistemele informatice tranzac ționale se ocupă exclusiv de culegerea datelor,
stocarea și prezentarea lor în detaliu.
SCO – Sistemele informatice utilizate pentru conducerea operativ ă a sistemului
operațional descompun deciziile în ordine și le transmit spre execu ție sistemului
operațional. În aceast ă categorie se încadreaz ă sistemele de planificare operativ ă a
producției, sistemele de ordonan țare, lansare a produc ției, sistemele de reaprovizionare,
sistemele de stabilire a traseelor, etc.
MIS (Management Information Systems) – Sistemele informatice manageriale se
ocupă de prelucrarea datelor preluate din ST pentru ob ținerea informa țiilor de sintez ă
necesare sistemului de decizie.
SII – Sistemele informatice inteligente care susțin această „consiliere“ înglobeaz ă
tehnici de inteligen ță artificială.
Pe măsura dezvolt ării tehnologiilor informatice, a ap ărut posibilitatea integr ării
diverselor tipuri de sisteme informatice (integrare pe vertical ă).
SISTEMUL
DECIZIONAL
SISTEMUL INFORMATIONAL
SISTEMUL
OPERAȚIONAL SISTEMUL DE CUNOSTIN ȚE
SIAD ST
decizii
informațiidate
ordine
MIS SCOdate, informatii, cunostinte SII modele, interpretari, solu ții
245 SIAD & SCO (fig. 53) – SIAD se extinde spre implementarea deciziei prin
descompunerea acesteia în ordine. Majoritatea SIAD bazate pe modele se construiesc în
această configura ție. Chiar suportul teoretic al modelelor utilizate poart ă numele
domeniului de aplica ție (cercetări operaționale).
Fig. 53. SIAD baza pe modele ale cercet ării operaționale
SIAD & ST (fig. 54) – SIAD î și extrage informa țiile necesare prin explorarea
datelor de detaliu furnizate de ST ( SIAD bazat pe data mining).
Fig. 54. SIAD bazat pe analiza datelor de detaliu (data miting)
SIAD & MIS (fig. 55) – SIAD utilizeaz ă datele de sintez ă produse de MIS pe lâng ă
date preluate din alte surse externe organiza ției, pentru fundamentarea deciziei la nivel SISTEMUL DECIZIONAL
SISTEMUL
INFORMA ȚIONAL
SISTEMUL OPERA ȚIONAL SIAD
decizii SO
dateSISTEMUL DECIZIONAL
SISTEMUL
INFORMA ȚIONAL
SISTEMUL
OPERAȚIONAL SIAD
decizii
SCO ordine
246 executiv (EIS-Executive Information Systems – sisteme informatice destinate conducerii
executive).
Fig. 55. SIAD bazat pe date destinate conducerii executive (EIS)
În cadrul sistemelor informatice de asistare a deciziilor, sistemele informatice
destinate conducerii executive♦ (EIS – Executive Information Systems) constituie o
clasă aparte ca fiind cele mai bine delimitate sisteme de asistare a deciziei. Ele au
apărut inițial ca sisteme ce implementau conceptul de tablou de bord al întreprinderii
și s-au dezvoltat cu rapiditate datorit ă necesității de informare a conducerii unei
organizații, fiind sisteme extrem de prietenoase care permit un acces rapid la informa ții
de detaliu necesare adopt ării deciziilor la acest nivel. Aceste sisteme sintetizeaz ă datele
cele mai semnificative în vederea utiliz ării lor de c ătre un manager de la nivelul
conducerii, acesta conferind alegerii acestor date (selec ție, eliminare, filtraj și agregare)
un anumit grad de subiectivitate. Principala surs ă de informare o constituie datele
proprii organiza ției respective, îns ă aceste sisteme sunt deschise și anumitor surse
externe (baze de date statistice din domeniul financiar, comercial sau date privind
concurenții). Prin utilizarea datelor provenind atât din surse interne, cât și din surse
externe organiza ției, EIS creeaz ă un mediu informatizat și un cadru propice
comunicării, care poate aborda o gam ă de probleme ce se schimb ă în permanen ță.
Astfel, conducerea organiza ției poate controla performan țele organiza ționale,
studia activitatea concuren ților, poate prevedea tendin țe ale anumitor fenomene, poate
sesiza diverse oportunit ăți de afaceri. Utilizarea unui astf el de sistem poate avea drept
efect ameliorarea considerabil ă a performan țelor conducerii. SISTEMUL DECIZIONAL
SISTEMUL
INFORMATIONAL
SISTEMUL OPERATIONAL SIAD
decizidate
informatii
MIS
247 SIAD & SCO & MIS (fig. 56). În aceast ă configura ție se pot încadra sistemele
de asistare a deciziei prin simulare. Se utilizeaz ă un model al sistemului opera țional pe
care se experimenteaz ă deciziile prin descompunerea lor în ordine. Efectele acestor
decizii se pot examina prin sinteza datelor produse de model ca urmare a execut ării lor
virtuale.
Fig. 56. SIAD cu facilit ăți de simulare
SIAD & SE (fig. 57) – SIAD face apel la tehn ologii inteligente pentru rezolvarea
anumitor probleme al c ăror context este insuficient definit și parametrii sunt mai mult
calitativi. În aceast ă configura ție, sistemul de asistare a deciziei se nume ște SIAD
inteligent (SIIAD).
Fig. 57. SIAD inteligent SISTEMUL DECIZIONAL SIAD
decizii
informații
MIS
SISTEMUL
INFORMA ȚIONAL
MODEL al SIST. OPER
SCOSISTEMUL DECIZIONAL
SISTEMUL
INFORMA ȚIONAL
SISTEMUL OPERA ȚIONAL SIAD
decizii SISTEMUL DE CUNOSTIN ȚE
SIImodele, implementari, solu ții date
informații
cunostințe
248
Cea mai mare parte a sistemelor inteligente asociate cu SIAD sunt sisteme expert.
Acestea sunt sisteme destinate rezolv ării unor probleme nestructurate cu ajutorul
tehnologiilor inteligen ței artificiale, utilizând cuno ștințe ale unui expert uman recunoscut
în domeniul respectiv. Ele joac ă rolul unui consilier inteligent în domeniul pentru care au
fost realizate, fiind capabile s ă justifice solu țiile obținute și să explice totodat ă logica care a
stat la baza ra ționamentelor efectuate. Un sistem expert poate atinge un nivel de
performan ță comparabil cu cel atins de un expert uman în rezolvarea problemelor dificile
dintr-un domeniu. Sistemele expert nu utilizeaz ă modele. Sil care utilizeaz ă modele sunt
încadrate în clasa sistemelor cu baze de cuno ștințe care la rândul lor pot fi asociate cu
SIAD prin tehnologia Knowledge Management.♦
SIAD & MIS & SCO & ST (fig. 58). Toate tipurile de sisteme informatice
integrate pe vertical ă se constituie în sisteme informatice integrate pentru management
(ERP Enterprise Ressource Planning ) sistem complet integrat de urm ărire, eviden ță și
control a activit ății întreprinderii.
Fig. 58. SIAD integrat de management (ERP)
Sistemele ERP se pot integra pe lan țul de distribu ție cu sistemele ERP ale
furnizorilor și clienților realizându-se a șa numitele sisteme SCM (Supply Chain
SISTEMUL
DECIZIONAL
SISTEMUL INFORMA ȚIONAL
SISTEMUL
OPERAȚIONAL SISTEMUL DE CUNOSTIN ȚE
SIAD SO
decizii
informațiidate
ordine
MIS SCOdate,
informatii
cunostințe modele, interpretari, solu ții
SII
249 Management), sisteme care fac de regul ă apel la sisteme inteligente pentru gestiunea
relațiilor cu partenerii (CRM Customer Relationship Management). Toate aceste integr ări
au devenit posibile o dat ă cu apari ția arhitecturii client-server care s-a impus tocmai
datorită necesităților de partajare a datelor și informa țiilor în cadrul întreprinderilor, atât
pentru actualiz ări rapide cât și pentru accesul decizional. Tehnologia comunica țiilor prin
Internet a deschis calea spre integrarea sist emelor informatice în exteriorul organiza țiilor.
Astfel, integrarea sistemelor de tip SCM duce la crearea unor sisteme de tip
MARKETPLACE, spa țiu de desf ășurare a activit ății mai multor organiza ții. Dezvoltarea
noilor tehnologii informa ționale și de comunica ție face ca grani țele care delimiteaz ă locul
diverselor sisteme informatice în cadrul sistemului informa țional global s ă fie tot mai
fragile.
6.1.3. Suport software pentru etapele procesului decizional
S1. Suport software pentru etapa de informare general ă (intelligence)
Un sistem informatic de asistare a deciziei în aceast ă fază de informare general ă, în
care se urm ărește identificarea și formalizarea problemei trebuie, în primul rând, s ă aibă
capacitatea de a prelua și interpreta informa țiile interne și externe.
Alături de sistemele informatice de gestiune, care furnizeaz ă o mare cantitate de
informații deciden ților (rapoarte de sintez ă în funcție de anumite criterii, rapoarte privind
situații de excep ție, etc), multe din tehnologiile informa ționale destinate asist ării deciziei
își pot dovedi utilitatea în aceast ă etapă:
• Sistemele informatice destinate conducerii executive (EIS) , care au
drept obiectiv principal monitorizarea surselor de informa ții interne
și externe, în vederea sesiz ării în timp util a posibilit ății de apari ție a
unor probleme sau oportunit ăți pentru organiza ția respectiv ă.
• Noile tehnologii, cum ar fi „descoperirea de noi informa ții“ ( data
mining ) sau prelucrarea analitic ă a datelor în timp real ( online
analytic processing – OLAP ).
• Sistemele expert pot furniza de asemenea, informa ții privind natura
unei anumite probleme, clasa în care se poate încadra, oportunitatea
diverselor metode de abordare a sa. Unul din domeniile dedicate ale
sistemelor expert o reprezint ă diagnosticul și interpretarea
informațiilor, ori tocmai în acest domeniu se poate încadra și această
primă fază a procesului decizional.
250 S2. Suport software pentru faza de concepere (design)
În identificarea ac țiunilor posibile, în analiza criteriilor de alegere a acestora și în
previzionarea consecin țelor lor se pot utiliza modelele standard furnizate de un SIAD (de
exemplu, modele financiare sau modele de previziune). Dac ă soluțiile alternative pentru
problemele structurate se pot ob ține cu ajutorul unor modele standard, în cazul problemelor
complexe, nestructurate este necesar ă expertiza, care poate fi furnizat ă de către o persoan ă,
un produs soft „brainstorming“ sau un sistem expert. Cele mai multe sisteme de asistare a
deciziei pot realiza analize cantitative, iar integrarea în structura acestora a unui modul de tip sistem expert le poate conferi capacitat ea de a realiza atât analize calitative cât și de a
selecta modelele cantitative adecvate situa ției respective. Dac ă identificarea celor mai bune
opțiuni implic ă un „brainstorming“, se pot utiliza cu succes sistemele de asistare a deciziei
de grup (SADG ).
S3. Suport software pentru faza de alegere (choice)
În această etapă decisivă a procesului decizional, sistemele informatice de asistare a
deciziei pot oferi un real suport, prin modele cu ajutorul c ărora se identific ă rapid solu ția
optimă sau satisf ăcătoare, se realizeaz ă analiza de senzitivitate sau se analizeaz ă diverse
scenarii. De asemenea, un sistem expert poate analiza oportunitatea anumitor ac țiuni și
recomanda o solu ție, în cazul unei decizii de grup, un sistem de asistare a deciziei de grup
se poate dovedi extrem de util.♦
Fig. 59 Suport software pentru fazele procesului decizional INFORMARE
GENERALA
CONCEPERE
ALEGERE
IMPLEMENTARESADG SIG
EIS
Data mining
SE SIAD
251
S4. Suport software pentru faza de implementare
Unii autori consider ă că beneficiile utiliz ării unui SIAD în faza de implementare a
deciziei sunt deseori mai importante decât cele din fazele de adoptare a acesteia.
Principalele direc ții în care un astfel de sistem ofer ă un real suport sunt comunicarea,
explicarea și justificarea deciziei. Totodat ă, un sistem expert ar putea juca rolul unui
consultant în problemele legate de implementarea unei decizii (iner ția la schimbare,
formarea personalului etc.).
6.1.4. Sisteme suport pentru asistarea deciziei
Sistemele informatice de asistare a deciziei, ca orice alt sistem informatic, presupun
existența unui suport software care s ă le asigure un mediu de dezvoltare, între ținere și
funcționare. Prin analogie cu sistemele informatice tranzac ționale care func ționează într-un
mediu asigurat de sistemele de gestiune a datelor, sistemele informatice de asistarea deciziei vor func ționa într-un mediu creat de un
sistem suport de asistare a deciziei
(SSAD) .
Fig. 60. Structura general ă a unui SSAD
Principalele func ții ale unui SSAD sunt: gestiunea datelor, gestiunea modelelor,
gestiunea cuno ștințelor și gestiunea dialogului (între utilizator și sistem pe de o parte și Alte sisteme
informaticeInternet
Intranet
Extrane
t
Modele Gestiunea
ModelelorGestiunea
Datelor
Gestiunea
cunostințelor
Interfața cu utilizatorul
UtilizatorBaza de cunostin țe a
organizației
252 între date, modele și cunoștințe, pe de alt ă parte). Pe baza acestor func ționalități, un sistem
suport pentru realizarea unui SIAD va cuprinde în arhitectura sa urm ătoarele subsisteme:
• Subsistemul de gestiune a datelo r.
• Subsistemul de gestiune a modelelor .
• Subsistemul de gestiune a cuno ștințelor.
• Subsistemul de gestiune a dialogului (interfața cu utilizatorul).
6.2. Tehnologii informatice de stocare și prelucrare a datelor
Transformarea datelor în informa ții și a acestora în cuno ștințe este un proces de
valorificare a datelor prin sintetizarea lor după diverse criterii, urmat ă de analiza datelor
astfel centralizate pentru identificarea anumitor tipare și corelații și în final interpretarea
lor.
Sintetizarea datelor , centralizarea lor dup ă anumite criterii este un proces
arhicunoscut și utilizat în elaborarea situa țiilor de sintez ă, a rapoartelor periodice create
pentru informarea managerilor și se constituie în suportul pe care ace știa își fundamenteaz ă
deciziile.
Soluțiile clasice pe care informatica de gestiune le-a oferit acestui proces de
sintetizare a datelor sunt:
• Programe dedicate care exploateaz ă flexibilitatea limbajelor procedurale în
gruparea dup ă anumite criterii și sintetizarea datelor
• Interogări care grupeaz ă datele dup ă criteriile cerute și aplică funcții pe domeniile
astfel create (clauza Group by din limbajul SQL și funcțiile Sum, Count, Avg, Min,
Max, Last, First , etc)
• Mecanismul de totalizare și subtotalizare din generatoarele de rapoarte care permit
indicarea unor ierarhii de criterii de grupare
În informatic ă modernă, problema centraliz ării datelor se pune în aceea și termeni
dar volumul imens de date ce trebuie explorate face ca tehnicile clasice s ă devină
inaplicabile din cauza timpului necesar pe ntru procesare. Tehnologiile moderne de
centralizare a datelor precum Data Warehousing (depozitarea datelor) și On-line Analytical
Processing (OLAP – procesare analitic ă on-line) încep s ă fie utilizate pe o scar ă din ce în ce
mai mare, pe m ăsură ce suporturile software ce le includ câ știgă teren ca suport de baze de
date pentru sistemele tranzac ționale.
253 Tehnologiile de centralizare fac primul pas spre transformarea datelor în
informații: sinteza . Al doilea pas este analiza datelor .
Analiza datelor încearcă să descopere rela ții între datele sintetizate: tipare, asocieri,
corelații pe plan structural, func țional și cauzal.
Cea mai simpl ă formă de analiz ă a datelor este compararea datelor sintetizate cu
date similare . Compararea se face p ăstrând toate criteriile identice, unul singur având
valori diferite.
Tehnologiile de compara ție includ o mare varietate de tehnici de observare care
semnalizeaz ă tipare, corela ții, asociații prin eviden țierea unor similitudini sau din contr ă,
sesizează abaterile, excep țiile, situa țiile anormale. Principala calitate a unui analist este
abilitatea de a observa aceste similitudini sau diferen țe în masa datelor pe care le
analizează. Informatica clasic ă a venit în sprijinul s ău cu tehnicile de prezentare grafic ă a
datelor care transform ă informația cantitativ ă în informa ție calitativ ă. Pe un grafic se pot
observa vizual cu rapiditate abaterile, excep țiile, iar cu o anumit ă dexteritate se pot observa
și anumite tipare, corela ții, asociații.
Progresiv, au ap ărut și s-au impus tehnici de observare analitic ă a datelor
fundamentate pe teorii matematice ( theory-driven ) care compară datele reale cu datele
teoretice produse de un model ipotetic. Dac ă se potrivesc, modelul se poate lua în
considerare ca fiind o reprezentare corect ă a procesului care a produs setul de date
observate; dac ă nu, se schimb ă modelul ipotetic și se reia procesul de compara ție până la
obținerea unui model suficient de reprezentativ pentru procesul respectiv (dac ă există).
De multe ori îns ă, setul de modele teoretice nu este suficient, procesul observat
neputând fi încadrat în nici-un model cunosc ut. Ca urmare, descoperirea de noi modele
este un deziderat permanent care a condus la expansiunea tehnicilor de observare f ără
utilizarea unui model preconceput, tehnici de observare automat ă, bazate pe date ( data-
driven ). Rezultatul acestor tehnici de observare automat ă se poate conserva într-un model
cu caracter general, utilizabil ca fundament teoretic în primul tip de tehnici de observare. Aceste tehnici de observare analitic ă a datelor se regrupeaz ă într-o tehnologie modern ă,
data mining.
În urma procesului de observare analitic ă se obțin tipare, corela ții și chiar modele
din care se pot deduce tendin țe, se poate specifica cu o anumit ă probabilitate cum vor ar ăta
datele în perioada urm ătoare. Puterea descriptiv ă a modelului reprezentativ permite
interpretarea datelor .
254 Interpretarea datelor este un proces cognitiv care conduce la o apreciere general ă
a situației, la identificarea unor probleme sau sesizarea unor oportunit ăți, la stabilirea
potențialelor cauze ale problemelor sau la sugestii de rezolvare a lor, etc. Interpretarea
datelor este un proces în care se face apel la cuno ștințele cu caracter general, fundamental
și specific asociate domeniului respectiv precum și la experien ța existent ă. Interpretarea
datelor produce cuno ștințe noi care se vor ad ăuga la cele existente.
Instrumentele software clasice construite pentru asistarea deciziei au avut în
vedere în special asigurarea unor tehnici de analiz ă, optimizare și simulare precum și
prezentarea grafic ă a rezultatelor, aspectul calitativ al informa ției fiind astfel mai u șor de
sesizat de c ătre utilizatorii finali. Printre aceste instrumente software le amintim pe cele
cuprinse în procesoare de tabele (Lotus, Excel) orientate pe volume mici de date, cele
cuprinse în instrumentarul sistemelor de ges tiune a bazelor de date (Access, Visual Fox)
capabile s ă exploateze volume mari de date cu structur ă uniform ă. Ca exemple de
asemenea instrumente amintim tabelele pivot, cross-tab queries, grafice. Un impediment
major al acestor instrumente clasice este faptul c ă operează numai asupra unor date cu
structură prestabilit ă, uniform ă, provenind dintr-o singura surs ă. De asemenea, un alt
impediment major este dependen ța de date explicite, stocate special în bazele de date
pentru a servi sistematiz ării ulterioare a acestora. Un tratament intermediar de preg ătire a
datelor pentru sintez ă face ca analiza s ă nu fie nici-o dat ă "pe viu". Pentru dep ășirea
acestor impedimente, sistemele moderne de asistare a deciziei fac uz de tehnici speciale pentru comasarea datelor stocate în structuri neuniforme, pentru utilizarea informa țiilor
implicite, nespecificate în datele existente (societatea, localitatea, anul, etc.), pentru
completarea datelor cu criterii de agregare, etc. De asemenea, suporturile software de
asistare a deciziei asigur ă o serie de facilit ăți utilizatorului final: interogare în limbaj
natural, accesul la modelele conceptuale, sisteme de gestiune a serviciilor OLAP, noi
limbaje de exploatare a bazelor de date multidimensionale, servicii de prezentare a datelor
(tabele pivot, grafice) precum și servicii de integrare cu alte suporturi software (procesoare
de tabele, baze de date).
Printre produsele software care includ suport pentru asistarea deciziei pe baza
sintezei și analizei datelor se num ără: ORACLE, Sybase, Informix, Microsoft SQL Server,
IBM DB2.
255
6.2.1 Tehnologia DATA WAREHOUSE
6.2.1.1 De la arhive la depozite de date
Depozitele de date au ap ărut ca o necesitate în momentul în care companiile au
realizat imensul poten țial informa țional al datelor acumulate de-a lungul timpului în
sistemele lor informatice. Exploatarea inteligent ă a acestora urma s ă le asigure un
important avantaj în fa ța concuren ței prin m ărirea capacit ății de acomodare la tendin țele
pieței, o mai bun ă satisfacere a clien ților, diminuarea costurilor și creșterea profitului.
Integrarea datelor istorice într-o structur ă unică care să se constituie în fundament pentru
procesul de luare a deciziilor a devenit o prioritate a noilor tehnologii informa ționale.
Sistemele de asistare a deciziei bazate pe sinteza și analiza datelor realizeaz ă acest
deziderat prin comasarea, consol idarea, sistematizarea, corelarea și gruparea datelor
existente în vederea ob ținerii de informa ții pertinente care s ă evidențieze factorii care
afectează performan țele întreprinderii și ce anume ar putea fi f ăcut pentru ameliorarea lor.
Rapoartele ce prezint ă aceste informa ții într-o form ă accesibil ă factorilor de decizie sunt
rezultatul unor tehnici speciale de exploatare a masivelor de date capabile s ă descopere
diverse corela ții între date, s ă facă estimări și prognoze, s ă atragă atenția asupra unor
puncte nevralgice, s ă sugereze eventuale solu ții, într-un cuvânt s ă contribuie decisiv la
luarea celor mai bune decizii într-o situa ție dată.
Structurile de date utilizate de sistemele in formatice de asistare a deciziei bazate pe
date sunt numite depozite de date (data warehouse). Aceste structuri pot depozita volume mari de date preluate din arhivele precum și din bazele de date ale aplica țiilor informatice
ce susțin activitatea curent ă a întreprinderilor, volume de ordinul 10
12 (terabytes).
Exploatarea acestor depozite de date este asigurat ă de motoare speciale ce permit
interogarea masivelor mari de date precum și de servicii speciale ce asigur ă analiza on-line
a datelor (On Line Analytical Processing -OLAP). În spatele acestor performan țe stau
suporturi software care realizeaz ă transformarea datelor, corelarea și completarea lor
precum și crearea dic ționarelor de date care vor asigura accesul la structurile primare
(stocarea modelelor conceptuale ale bazelor de date).
Depozitele de date sunt structuri create pentru stocarea unor volume mari de date
organizate pe domenii, ce constituie subi ecte de interes decizional în activitatea
întreprinderii. Datele sunt extrase din b aze de date eterogene create de sistemele
informatice aflate în func țiune în firme pe diverse platforme hardware și software. Datele
256 sunt introduse sub controlul unor aplica ții și al sistemelor de gestiune a bazelor de date
care, prin serviciile lor de integritate, recuperare în caz de eroare și confiden țialitate,
asigură stocarea și manipularea în condi ții de maxim ă securitate a datelor referitoare la
tranzacțiile curente ale întreprinderilor (un num ăr foarte mare de mici opera ții
standardizate). Aceste date referitoare la tranzac țiile primare sunt prelucrate pentru a
extrage informa ții de sintez ă necesare pentru planificare și luarea deciziilor cu
instrumentele oferite de SGBD: total queries și rapoarte. Acurate ța informa țiilor obținute
este dublat ă însă de un inconvenient major: timpul necesar pentru explorarea volumelor
mari de date, stocate conform principiului bazelor de date într-o singur ă locație. Acest
principiu care asigur ă integritatea și coerența bazei de date face ca reuniunea tuturor
datelor necesare unui raport de sintez ă să conducă la explorarea unui mare num ăr de table
interne, la crearea de multiple leg ături temporare și tabele virtuale, de unde cerin țele de
timp și de resurse de spa țiu de lucru sunt considerabile, de multe ori inacceptabile din
punctul de vedere al utilizatorului final. Un alt inconvenient este aglomerarea motorului
bazei de date cu taskuri de centrali zare cu efect de în cetinire a tranzac țiilor curente. Pentru
managerii operativi, ale c ăror decizii sunt pe termen scurt, aceste situa ții bazate de obicei
pe date recente sunt acceptabile dar pentru ma nagementul strategic, necesarul de date se
poate extinde la explorarea arhivelor din anii preceden ți sau la înglobarea unor informa ții
despre pia ță. Stocarea informa țiilor de sintez ă finale în table are inconvenientul c ă aceste
situații sunt valabile doar la momentul execut ării, nu pot fi actualizate cu tranzac țiile
ulterioare decât prin reluarea întregului proces. Totu și, aceasta este ideea prin care se poate
ajunge la un compromis: stocarea datelor necesare pentru planificare și decizii strategice
într-un sistem diferit de sistemul opera țional în a șa fel încât exploatarea ambelor sisteme s ă
fie posibil ă fără inconveniente reciproce. În plus, în depozitul de date pot fi stocate date
arhivate provenind din activitatea din an ii anteriori sau date despre concuren ță, date care
pot oferi baza de compara ție necesar ă în aprecierea tendin țelor, în efectuarea de analize
complexe necesare în pr ocesele de planificare și de luare a deciziilor majore. Depozitele de
date sunt alimentate periodic cu date referitoare la tranzac țiile ulterioare, f ără intervenția
explicită a utilizatorului final. De asemeni, datele se pot stoca selectiv pe anumite activit ăți
sau domenii sau alte criterii în magazii de date (data marts ), separarea lor fizic ă fiind util ă
în creșterea performan țelor exploat ării de către managerii anumitor compartimente din
firmă interesați doar de datele referitoare la domeniul lor de activitate.
257 Depozitele de date sunt construite de regul ă cu tehnologii rela ționale și au apărut ca
extensii ale sistemelor de baze de date rela ționale cu arhitectur ă client server (Microsoft
SQL Server, Oracle).
6.2.1.2. Depozite de date: con ținut și caracteristici
Depozitele de date centralizeaz ă, consolideaz ă, organizeaz ă și stocheaz ă date din
diverse surse eterogene, date care vor fi baza proces ărilor analitice necesare proceselor de
decizie. Depozitul de date se construie ște într-o manier ă incremental ă, complet ări și
dezvoltări ulterioare fiind oricând posibile. Datele stocate în depozite sufer ă un proces de
curățire și transformare care asigur ă calitatea informa ției generate pe baza lor. De
asemenea, în depozitele de date se pot stoca și date noi, calculate pe baza celor existente,
date cerute de regul ă în majoritatea rapoartelor (sume, procente, medii) scurtându-se astfel
timpul cerut pentru ob ținerea lor. O caracteristic ă principal ă a depozitelor de date este
transformarea codurilor în date explicite, in tegrarea datelor din nomenclatoare în datele
despre tranzac ții. Acest aspect de „denormalizare“ a tablelor din bazele de date primare
este permis deoarece integritatea datelor nu este amenin țată întrucât nu provin din exterior
iar pe de alt ă parte, grăbește procesul de reg ăsire.
Un alt aspect este redundan ța datelor care este iar ăși permisă (data calendaristic ă se
poate exprima și în luni și în semestre și în sezoane). Cu alte cuvinte, datele care se pot
calcula din datele primare se stocheaz ă explicit în depozit pentru a fi gata calculate la o
eventuală solicitare.
Diferențele dintre un depozit de date și o bază de date utilizat ă într-o aplica ție
informatic ă de tip OLTP ( on line transaction processing ) sunt eviden țiate mai jos:
• Datele stocate în sisteme OLTP sunt date opera ționale, referitoare la un anumit proces
sau funcție a întreprinderii, date de detaliu cu un anumit grad de volatilitate (pot suferi
actualizări) și prezentând interes în primul rând pentru cei ce le introduc. Datele stocate
în depozite sunt date pentru asistarea deciziei, referitoare la subiecte de interes
decizional, sunt date centralizate sau derivate din datele opera ționale, nu se schimb ă în
timp și sunt orientate c ătre utilizatorii finali – managerii de nivel tactic și strategic.
Putem spune c ă bazele de date utilizate de sistemele opera ționale sunt orientate spre
tranzacții și reflectă situația curentă în timp ce depozitele de date utilizate de sistemele
de asistare a deciziei sunt orientate spre subiectele analizelor și reflectă situații globale,
cu caracter istoric.
258 • Performan țele cerute în cazul sistemelor tranzac ționale se refer ă în special la
integritate, siguran ță, confiden țialitate, trasabilitate și timp de r ăspuns, având în vedere
faptul că un num ăr foarte mare de utilizatori introduc date primare în sistem.
Concuren ța în utilizarea sistemelor de asistare a deciziei este foarte redus ă, numărul de
manageri – utilizatori finali fiind foarte mic. De asemenea, securitatea și siguranța în
exploatare nu sunt expuse unor risc uri majore, procedurile de salvare și recuperare fiind
mult mai relaxate fa ță de cazul sistemelor tranzac ționale.
• Procesarea datelor în sistemele tranzac ționale se aplic ă unui set mic de date – de regul ă
introduse recent și stocate compact în cel mult câteva tabele – fiind în consecin ță foarte
rapidă, în timp ce fundamentarea unei decizii necesit ă procesarea unui volum foarte
mare de date stocate dispersat, fiind în consecin ță foarte lent ă.
• Bazele de date ale sistemelor tranzac ționale sunt proiectate și realizate pe baza unor
cerințe cunoscute în prealabil, adaptarea sistemului la cerin țe ulterioare necesit ă reluări
ale unor faze din ciclul de via ță și de regul ă, sistemul o dat ă dat în exploatare
funcționează fără modificări majore o lung ă perioadă. Sistemele de asistare a deciziei
evoluează în timp într-o manier ă incremental ă, cerințele nu sunt cunoscute în totalitate
în momentul proiect ării și realizării sistemului. În consecin ță, depozitul de date va
trebui să se adapteze mereu cerin țelor. Datele stocate în sisteme tranzac ționale sunt
gestionate ca un întreg pe când datele stocate în sistemele de asistare a deciziei pot fi
gestionate și pe secțiuni întrucât sunt organizate distinct pe subiecte de analiz ă.
• Sistemele tranzac ționale urm ăresc fluxul datelor din activitatea curent ă, sunt orientate
spre procese ca de exemplu vânz ări, achiziții, încasări, plăți, producție, etc. Depozitele
de date sunt organizate și gestionate având în vedere scopul final al analizelor, sunt
orientate spre subiecte ca de exemplu clien ți, furnizori, resurse, produse, etc. Afacerea
propriu-zis ă, procesele întreprinderii care stau la baza model ării și proiectării sistemelor
informatice opera ționale, nu influen țează designul depozitului de date, nu sunt
reflectate în structura sau comportamentul acestuia.
6.2.1.3 Ciclul de via ță al depozitelor de date
Din punctul de vedere al obiectivelor propuse, depozitul de date este destinat s ă
furnizeze informa ții precise și la timp factorilor de decizie din cadrul organiza ției.
Depozitul de date este o colec ție de date orientate pe subiecte, integrate, corelate în timp și
non-volatile care se constituie în suport pentru procesul de decizie.
259 Datele opera ționale sunt integrate în depozit prin utilizarea de conven ții consistente
în privin ța numelor, m ăsurătorilor, atributelor și semanticii. Depozitul de date se
proiecteaz ă ținând cont de cerin țele exprese ale viitorilor utilizatori.
Structura depozitului de date are în vedere identificarea precis ă a datelor stocate și
accesul rapid la ele. Pentru realizarea acestor deziderate, masa de informa ții care se va
stoca în depozit trebuie organizat ă de așa manieră încât să reflecte atât datele importante
cât și contextul lor. Modelarea dimensional ă oferă suportul necesar pentru proiectarea
structurii depozitului de date.
Structura se implementeaz ă sub forma unei baze de date care s ă asigure atât
stocarea unui volum imens de date cât și accesul rapid la ele (baze de date client-server).
Următoarea etap ă este popularea cu date a depozitului, date preluate din sistemele
tranzacționale care trebuie supuse unor procese de transformare pentru a se încadra în
structura prefigurat ă a depozitului. Aceast ă etapă va fi reluat ă periodic pentru a ad ăuga
datele noi.
În final, depozitul este dat în exploatare curent ă pentru explorare, analiz ă și
raportare. Aceste activit ăți sunt asistate de instrumente software de la simple browsere și
generatoare de rapoarte la instrumente sofi sticate de data mining. Exploatarea curent ă va
evidenția noi cerin țe informa ționale pentru asistarea deciziei, cerin țe care vor conduce la
extinderea structurii depozitului, la popularea cu date istorice a extensiei, la integrarea
noilor date în aplica ții de analiz ă.
Procesul de dezvoltare a depozitelor de date este incremental și ciclic pe tot
parcursul vie ții.
6.2.1.4. Utilizarea depozitelor de date
Depozitele de date au fost gândite ca structuri unice, integrate și cumulative,
destinate s ă asiste informa țional procesul de decizie de la diverse nivele ale întreprinderii.
Administratorul depozitului de date are ca sarcin ă accesul partajat al diverselor categorii de
manageri prin parole și drepturi de acces. Dat fiind faptul c ă depozitele de date sunt
orientate spre necesit ățile utilizatorului final, anumi ți factori de decizie pot selecta din
depozit doar datele care le sunt utile pentru a le putea procesa mai u șor sau pentru a le
transporta pe calculatoare personale. Astfel de colec ții specializate pe domenii, regiuni, ani
sau alte criterii se numesc magazii de date (data marts), a șa cum arat ă figura urm ătoare.
260
Fig. 61. Depozit și magazii de date
22
Magaziile de date pot fi utilizate și în sens opus, drept structuri intermediare de
colectare a datelor din sursele primare, al c ăror conținut este replicat periodic în depozit.
Conceptul de data mart poate fi complet transparent pentru utilizatorii sistemelor de
asistare a deciziei.
Un alt mod de abordare a depozitelor de date este stocarea exhaustiv ă a datelor din
sistemele tranzac ționale în depozitul de date în vederea aplic ării unei alte tehnologii de
procesare asupra lor, data mining . Această tehnologie relativ nou ă câștigă din ce în ce mai
mult teren prin capacitatea sa de a descoperi aspecte noi ale activit ății desfășurate, aspecte
trecute în mod normal cu vederea: corela ții între evenimente, asocia ții între anumite fapte,
secvențe, tipare de comportament – toate extrem de utile în procesele de luare a deciziei.
Procesarea datelor prin tehnologia data mining se desf ășoară fără intervenția utilizatorului,
în background, rezultatele fiind stocate pentru consultare ulterioar ă la cerere.
6.2.1.5. Mediul de depozitare a datelor
Din punct de vedere structural, un mediu în care se poate construi, men ține și
exploata un depozit de date este alc ătuit din urm ătoarele componente:
• Surse de date tranzac ționale .
• Instrumente de proiectare-dezvoltare .
• Instrumente de extrac ție și transformare a datelor .
• Sistemul de gestiune al bazei de date .
22 Zaharie, D., Albescu, F., Bojan , I., Ivancenco, V., Vasilesc u, C., Op. cit. 231
DEPOZIT
DE
DATE Vânzări
Personal
Cheltuieli
261 • Instrumente de acces și analiză a datelor .
• Instrumente de administrare .
Aceste componente sunt integrate pe platforma Microsoft în mediul de lucru Data
Warehousing Framework care a servit și la construc ția SQL Server 7.0. Scopul acestui
mediu de lucru este asistarea activit ăților de proiectare, implementare și administrare ale
depozitelor de date pe toat ă durata vie ții acestora. Mediul de lucru Data Warehousing
Framework ofer ă:
• arhitectur ă deschisă , ușor de integrat cu produse provenind de pe alte platforme;
• servicii de import-export cu validarea, cur ățirea și transformarea datelor;
• metadate integrate pentru proiectarea depozitului, serviciile de populare cu date,
sistemul de gestiune al serverului și instrumente ale utilizatorului final ;
• managementul infrastructurii (gestiunea suportului, a taskurilor, a evenimentelor,
alertelor și notificărilor);
Pentru proiectarea unui depozit de date sunt necesare o serie de instrumente:
• instrumente pentru descrierea logic ă și fizică a surselor de date precum și a depozitului
sau magaziei de date în care urmeaz ă să fie stocate ;
• instrumente pentru validarea, cur ățirea și transformarea datelor cu care urmeaz ă să se
populeze depozitul ;
• instrumentele destinate utilizatorului final care permit accesul la informa ția stocată în
depozit incluzând:
– medii de dezvoltare de aplica ții ;
– produse specializate în analiza datelor ;
– aplicații personale.
6.2.2. Tehnologia OLAP
6.2.2.1. Caracteristici OLAP
OLAP este o tehnologie de agregare a date lor stocate în depozite într-o abordare
multidimensional ă care asigur ă acces rapid la informa țiile necesare anali știlor, managerilor
și directorilor într-o manier ă consistent ă, interactiv ă și foarte flexibil ă. OLAP și depozitele
de date se completeaz ă reciproc, OLAP transformând volumul imens de date stocate și
gestionate în depozite în informa ții utile procesului de decizie.
Tehnologia OLAP nu este un concept nou dar numele este relativ recent fiind
introdus în 1993 de c ătre E. F. Codd, inventatorul modelului rela țional într-un articol
262 întitulat: „ Punerea la dispozi ția analiștilor a unui instrument de procesare analitic ă on-
line: un mandat pentru tehnologiile informa ționale “. În acel articol, autorul a prezentat 12
reguli care defineau caracteristicile unei aplica ții OLAP pe care ulteri or le-a restrâns la 5
reguli grupate într-un test care se nume ște FASMI (Fast Analysis Shared
Multidimensional Information) .
• Fast – rapiditate (capacitatea de a livra informa țiile în timp util de ordinul
secundelor)
• Analysis – analiză (capacitatea de a efectua analize numerice și statistice prin
aplicații predefinite sau create ad-hoc de c ătre utilizator.
• Shared – partajat ă (utilizată în regim concurent de mai mul ți utilizatori, fapt ce
impune asigurarea securit ății și confiden țialității datelor)
• Multidimensional – Caracteristica esen țială a OLAP
• Information – Acces la orice date și informații relevante pentru analiz ă, oriunde s-
ar găsi și în orice volum
Tehnicile utilizate de OLAP cuprind de la simpla naviga ție și selecție a datelor
până la analize complexe incluzând modele și serii temporale. Aplica țiile construite cu
tehnologia OLAP asigur ă analiza rapid ă a informa ției multidimensionale distribuit ă în
locații multiple și accesibil ă în acela și timp unui num ăr mare de utilizatori. OLAP
utilizează în acest scop baze de date multidimensionale , prin contrast cu bazele de date
relaționale care sunt bidimensionale prin defini ție. O facilitate extrem de puternic ă oferită
de OLAP este posibilitatea de a construi scenarii și în consecin ță, posibilitatea de a
răspunde la întreb ări de tipul „ ce ar fi dac ă?“ în timp ce depozitele de date pot oferi
răspunsuri numai la întreb ări de tipul „ Cine? “, „Ce?“, „Unde? “, „Când? “.
Analiza datelor, de tip numeric sau statistic, poate fi predefinit ă de creatorul
aplicației dar și de utilizatorul final în cadrul unor interog ări ad-hoc. OLAP asigur ă suport
acestei analize prin capacitatea sa de a efectua calcule intensive.
Principalele caracteristici OLAP sunt :
• Perspectiv ă (view) multimensional ă asupra datelor.
• Capacitate de calcul intensive.
• Orientare în timp (time intelligence).
Perspectiva (view) multidimensional ă asupra datelor se referă la capacitatea de
a integra mai multe aspecte ale activit ății firmei privite din diferite perspective: timp,
locație, produs, bani, persoane, etc. Fiecare dimensiune poate avea mai multe nivele:
263 dimensiunea temporal ă se poate divide în ani, luni, trimestre, sezoane, etc., dimensiunea
geografic ă în emisfere, continente, țări, regiuni, ora șe, etc. Produsul, privit ca o
dimensiune, poate avea subdimensiuni de genul: categorie, clas ă, fel, etc. Conceptul
"dimensiune " este utilizat în sensul de aspect, dimensiunile fiind complet independente și
având ca unit ăți de măsură toate valorile întâlnite în dimensiunea respectiv ă. Aceste unit ăți
de măsură sunt posibile criterii de agregare a date lor iar nivelele unei dimensiuni formeaz ă
o ierarhie care de asemeni ofer ă criterii de agregare a datelor. Perspectivele
multidimensionale asupra datelor sunt numite
hipercuburi de date , prin extinderea no țiunii de cub tridimensional la cub n-dimensional
sau hipercub.
Capacitatea de a efectua calcule intensive se referă la abilitatea de a aplica
algoritmi complec și asupra datelor structurate în hipercub, care implic ă posibilitatea de
adresare multidimensional ă directă a locațiilor (cuburile unitare) și optimizarea timpului de
răspuns.
Orientarea în timp (time intelligence) se referă la abilitatea de exploatare a acestei
dimensiuni universale, necesar ă pentru compara ții și judecăți de valoare în orice analiz ă
economic ă. Timpul este preluat din datele calendaristice ale tranzac țiilor economice a șa
cum apar în bazele de date ale sistemelor in formatice ale întreprinderilor. Pe baza acestor
date primare se fac agreg ări pe luni, semestre, sezoane, ani, decenii, etc. Exist ă însă și
dimensiuni mai pu țin obișnuite cum ar fi: „perioada curent ă“, „perioada precedent ă“,
„aceeași perioadă a anului trecut“, etc. care trebui e luate în consider are la proiectarea
dimensiunii temporale a cubului.
264 Suprapuse peste depozitele de date, bazele de date multidimensionale utilizate de
OLAP stocheaz ă straturi de date agregate pe diverse criterii ierarhice precum și date
statistice precalculate pe fi ecare nivel de agregare.
6.2.2.2. Suport software pentru depozite de date și OLAP –
Microsoft SQL Server 7.0
Conceptual, depozitele de date și tehnologia OLAP au ap ărut în anii 1990, dar
suportul software disponibil nu era suficient de flexibil și accesibil utilizat orilor finali al
căror prim obiectiv era luarea unei decizii și nu manevrarea de instrumente sofisticate de
agregare și corelare a datelor. Procesul de acomodare cu noile tehnologii fiind destul de
dificil, tehnologiile amintite au fost înglobate în multiple aplica ții dedicate unor obiective
predefmite, aplica ții dotate cu interfe țe prietenoase personalizate, u șor de manevrat.
Experiența dobândit ă în urma dezvolt ării unor astfel de aplica ții a stat la baza cre ării unor
instrumente flexibile, accesibile și standardizate puse la dispozi ția end-userilor într-un
context unitar, asem ănător mediului de lucru din a IV-a genera ție, organizat în jurul
sistemelor de gestiune a bazelor de date.
De altfel, instrumentele de creare a depozitelor de date și exploatarea lor prin
tehnologia OLAP sunt incluse în sistemul de gestiune a bazelor de date rela ționale SQL
Server versiunea 7.0, cel mai bun sistem de baze de date cu arhitectur ă client-server pe
platformele Windows NT, Windows 2000.
Soluția SQL Server 7.0 pentru depozitarea datelor și analiză multidimensional ă este
mult mai accesibil ă utilizatorului final decât solu țiile precedente dezvoltate de al ți
producători și în acela și timp adaptabil ă la dimensiunea firmelor mici care nu- și pot
permite solu ții costisitoare. Toate firmele au date multidimensionale, complexitatea datelor
nefiind apanajul exclusiv al marilor firme iar analiza on-line a datelor este de asemenea o
necesitate general ă.
Instrumentele SQL Server se împart în urm ătoarele grupe pe baza func țiilor pe care
le îndeplinesc:
• transformarea și exportul datelor;
• stocarea datelor în depozite de date și baze de date multidimensionale;
• analiza datelor;
• prezentarea datelor.
Arhitectura depozitului de date și serviciilor OLAP incluse în SQL server sunt
prezentate în schema din figura urm ătoare:
265
Fig. 62. Arhitectura depozitului de date și a serviciului OLAP oferite de SQL Server 7.0.23
6.2.3. Tehnologia DATA MINING
După mai multe decenii în cursul c ărora mijloace și tehnici informatice tot mai
evoluate au contribuit la amplificarea capacit ății de memorare și stocare a datelor, ultimii
ani au marcat o reorientare semnificativ ă în utilizarea volumelor de date stocate, de la un
proces de explorare retrospectiv ă spre unul cu caracter prospectiv.
Această schimbare a devenit posibil ă ca urmare a maturiz ării tehnologiilor legate
de data mining .
Denumirea provine de la analogia cu activitatea minier ă; tot așa cum este necesar ă
dislocarea și rafinarea a tone de minereu pentru a ob ține câteva grame de aur, aici sunt
examinate și analizate sute de mii sau milioane de date pentru a extrage din ele informa ții
23Prelucrare/adaptare dup ă Zaharie, D., Albescu, F., Bojan, I., Iv ancenco, V., Vasilescu, C., Op. cit. pag.
231.
Microsoft Management Console
(MMC)
OLAP Add-in Manager
OLAP Manager Add-in personalizate
Aplicatii personalizate
Obiect Model
(Decision support Objects – DSO)
OLAP Server
(date multidimensionale)
Pivot Table Service
Aplicații Client SQL Server
Fișiere de date Baze de Date
Multi-
dimensionaleBaze de
Date
relaționale
Date MOLAPDate HOLAPDate ROLAP Sursa de ROLAP Metadate
266 și semnifica ții noi, dincolo de scopurile pentru care acestea au fost colectate și memorate la
origine.
Data mining are, ca și alte concepte folosite în informatic ă, mai multe defini ții. În
esență, acestea converg spre ideea formulat ă anterior: un proces de extragere de
informații noi din colec țiile de date existente . Termenul de dat ă este utilizat aici cu
semnifica ția de descriere a unui eveniment precis, produs în lumea real ă și verificabil prin
raportare la aceasta. Informa ția (sau cunoa șterea transmis ă) constituie descrierea unei
categorii abstracte, ce acoper ă mai multe evenimente sau exemple concrete.
Principiul de func ționare în data mining este urm ătorul: se prelucreaz ă datele
referitoare la perioadele trecute, examinând o varietate de situa ții care s-au produs și ale
căror rezultate sau consecin țe sunt deci, bine cunoscute, pentru a eviden ția caracteristicile
acestora și a permite elaborarea unui model . Odată construit, modelul poate fi aplicat
situațiilor noi de acela și tip.
Informațiile obținute prin data mining sunt de natură predictiv ă sau descriptiv ă.
Un exemplu tipic de problem ă predictiv ă este direc ționarea ac țiunilor de marketing.
Datele rezultate din coresponden ța promoțională trecută se folosesc pentru a identifica
destinatarii pentru care urm ătoarea campanie promo țională poate aduce un maxim de efect.
6.3. Produse informatice pe ntru asigurarea deciziei
6.3.1. Produsul informatic PMT
Produsul informatic PMT (Production Management Trainer ) este un produs
specializat în rezolvarea unei mari variet ăți de probleme de planificare și utilizeaz ă un set
de proceduri și metode matematice consacrate ce permit studiul unor situa ții concrete care
apar în managementul operativ.
PMT grupeaz ă ansamblul de probleme manageriale pe care le trateaz ă în trei
subclase de probleme și anume:
• Probleme de planificare tactic ă a produc ției – Tactical Production Planning.
• Probleme de planificare operativ ă a producției – Operative Production Planning.
• Probleme diverse – Miscellaneous Problems.
Această clasificare se reg ăsește și în meniul principal al produsului, unde
principalele op țiuni sunt cele de mai sus, completate de alte dou ă opțiuni:
• Options – opțiuni legate de tipul de grafice utilizate (2D sau 3D), dac ă acestea sunt
color sau alb-negru și posibilitatea de a alege între dou ă nivele de complexitate pentru
267 produs – Basic și Advanced , diferența constând în faptul c ă pentru nivelul de baz ă nu
sunt disponibile toate tipurile de probleme.
• Help
Lista complet ă a problemelor manageriale ce pot fi tratate cu PMT este prezentat ă
mai jos:
a. Planificarea tactic ă a produc ției
• Amplasarea depozitelor centrale
– Un singur depozit central (modelul Steiner-Weber)
– Mai multe depozite centrale
• Planificarea capacit ăților (analiza de performan ță)
– Analiza performan ței sistemelor flexibile
9 Metoda de alocare static ă
9 Analiza valorii medii
– Analiza performan ței unui centru de produc ție
– Analiza performan ței liniilor de flux asincron
• Echilibrarea liniilor de fabrica ție
• Amplasarea întreprinderii
b. Planificarea operativ ă a produc ției
• Planificarea agregat ă a producției
– Modelul LP
– Procedura Column Minima
• Ordonanțarea produc ției de baz ă
• Planificarea necesarului de materiale (MRP)
– Analiză ABC
– Planificarea determinist ă a necesarului de materiale
– Proceduri de previzionare
• Dimensionarea loturilor de fabrica ție
– Cantitatea optim ă de aprovizionat
– Cantitatea optim ă de produs
– Algoritmi dinamici de dimensionare a produc ției
– Ordonanțarea în timp versus dimensionarea loturilor
– Dimensionarea și secvențierea loturilor
268
• Ordonanțare
– Ordonanțarea activit ăților
– Secvențiere
9 Secvențiere pe o singur ă mașină
9 Algoritmii lui Jahnson (2 ma șini)
• Managementul stocurilor
• Planificarea transportului (modelul lassic de transport)
c. Probleme diverse
• Controlul calit ății
– Eșantionare
– Controlul proceselor
• Planificarea lucr ărilor de între ținere – mentenan ță
• Proceduri de cercet ări operaționale
– Drumul minim în graf (algoritmul lui Dijkstra)
– Modele de a șteptare (analitic)
– Simularea sistemelor cu fire de a șteptare
6.3.2. Produsul informatic WinQSB
Modulele oferite de produs sunt :
• Acceptance Sampling Analysis – Analiz ă de încadrare în limite
• Aggregate Planning – Planificare agregat ă
• Decision Analysis – Analiz ă decizional ă
• Dynamic Programming – Programare dinamic ă
• Facility Location and Layout – Amplasarea întreprinderii
• Forecasting – Previziune
• Inventory Theory and System – Teoria și sistemul stocurilor
• Job Scheduling – Planificarea opera țiilor
• Linear and Integer Programming – Programare liniar ă și întreagă
• Linear and Integer Goal Programming – Programare liniar ă și întreagă cu func ție
obiectiv
• MarKov Process – Procese Markov
• Material Requirements Planning – Planificarea necesarului de materiale
269 • Network Modeling – Modelarea grafurilor
• Nonlinear Programming – Programare neliniar ă
• PERT/CPM
• Quadratic Programming – Programare p ătratică
• Queuing Analysis – Analiza firelor de a șteptare
• Queuing System Simulation – Simularea sistemelor cu fire de a șteptare
• Quality Control Chart – Grafice de control al calit ății
Meniul principal cuprinde urm ătoarele op țiuni:
• File – crearea unei probleme noi, înc ărcarea unei probleme existente, salvarea sau
imprimarea unei probleme, setarea parametrilor de imprimare
• Edit – manipularea textului (Cut, Copy, Paste); modificarea numelui unei probleme
(Problem Name)
• Format – formatarea modului de afi șare a numerelor (Number) și a textului (Font),
modul de aliniere, definirea dimensiunilor pentru rânduri și coloane
• Solve and Analyze – op țiuni legate de modurile în care o problem ă poate fi rezolvat ă;
acest meniu se modific ă în funcție de tipul de problem ă
• Result – modul de afi șare a rezultatelor
• Utility – produsul ofer ă câteva utilit ăți, cum ar fi:
– Calculator, științific sau standard
– Ceas, analog sau digital
– Grafice – permite desenarea unor grafice de diverse tipuri
• Window – modul de dispunere a diferitelor ferestre deschise la un moment dat
• WinQSB – permite navigarea între modulele produsului, respective selectarea unui
anumit tip de problem ă
Unele din submeniurile meniului principal î și modific ă opțiunile disponibile în
funcție de tipul problemei selectate.
6.3.3. Produsul informatic SYSTAT
SYSTAT este un produs informatic utilizat pentru rezolvarea problemelor din
domeniul statistic. Facilit ățile principale oferite de SYSTAT pot fi grupate în trei categorii:
• introducerea și gestionarea datelor (observa țiilor) statistice
• calcule și prelucrări statistice
• reprezentări grafice ale datelor
270 SYSTAT ofer ă în privin ța execuției comenzilor, dou ă moduri de lucru care pot fi
folosite separat sau împreun ă:
• introducerea comenzilor cu ajutorul meniurilor, modalitate mai abordabil ă pentru
utilizatorii încep ători
• introducerea comenzilor în linia de comand ă (în fereastra principal ă), modalitate
recomandat ă pentru utilizatorii avansa ți. Acest mod permite o mai mare flexibilitate a
comenzilor, precum și agregarea mai multor comenzi în fi șiere de tip script, pentru
automatizarea prelucr ărilor cu caracter repetitiv.
Ferestre SYSTAT
SYSTAT pune la dispozi ția utilizatorului mai multe ferestre de lucru, cu
funcționalități specifice:
• Fereastra principal ă (Main) care permite introducerea comenzilor și afișarea
rezultatelor prelucr ărilor și a diverselor mesaje. Este afi șată la pornirea programului, și
conține inițial data și ora rulării, informa ții despre versiunea programului și un mesaj de
bun-venit. Meniurile afi șate sunt:
– File (gestiunea fi șierelor)
– Edit (comenzi de editare)
– Data (comenzi de manipulare a datelor)
– Window (gestiunea ferestrelor)
– Help (documenta ție deutilizare)
• Foaia de lucru (fereastra „Worksheet“) , care are rol de stabilire a
structurii datelor din setul de lucru, introducerea, modificarea și ștergerea acestora.
• Fereastra de grafice (Graph) , în care sunt afi șate și editate graficele ob ținute pe
baza datelor.
• Fereastra de noti țe (Notepad) – permite deschiderea și editarea fi șierelor text
inclusiv fi șiere de comenzi SYSTAT.
• Fereastra de rota ție (Spin) – permite trasarea de gr afice tridimensionale.
271
6.4. Sistemul Informatic de Management (MIS-SAP)
la S.C. Electrica S.A.
6.4.1. Prezentare general ă
În perioada 2001-2004 s-a implementat în cadrul S.C. Electrica S.A. (etape
prezentate în fig. 63 ), la nivel na țional, Sistemul Informatic Integrat Na țional – SI2N
bazat pe tehnologia SAP, IBM, MICROSOFT și ORACLE , fapt ce a marcat o
schimbare major ă în domeniul informaticii de management (fig. 64 ) astfel:
– s-a trecut de la o abordare local ă a dezvolt ării domeniului informatic, costisitoare și
neeficient ă, la o abordare centralizat ă, strategic ă, aplicabil ă la nivel na țional pentru
toate componentele domeniului informatic, respectiv software, hardware și structuri
organizatorice de specialitate;
– s-a trecut de la un num ăr mare de aplica ții locale (sute de astfel de aplica ții)
neeficiente, la utilizarea unui singur sistem informatic integrat și performant de
management, SAP-AG (Germania);
– s-a trecut de la o multitudine de sisteme de mesagerie electronic ă la un un sistem unic
la nivel na țional de mesagerie electronic ă și managementul documentelor bazat pe
platforma IBM-LOTUS;
– s-a trecut de la un mod de lucru individual fiec ărei entități organizatorice la un mod de
lucru unic la nivel na țional pe baza unui model unic, standardizându-se astfel toate
procedurile operative la nivel na țional;
– s-a trecut de la o arhitectura descentralizata pentru cele 42 de entit ăți Electrica din țară,
existente în anul 2000, la o arhitectur ă centralizat ă, modernă, bazată pe 9 Centre de
Prelucrare Centralizată a Datelor – CPCD;
– s-a trecut de la utilizarea serviciilor de tip Internet în mod descentralizat, local, la
utilizarea acestor servicii în mod centralizat, securizat la nivel de regiune;
– infrastructura de tehnica de calcul central ă de tip Server s-a extins cantitativ și calitativ
cu aproximativ 100% prin achizi ția a 16 servere RISC de mare performan ță și a peste
120 de servere INTEL;
– infrastructura de tehnic ă de calcul individual ă de tip PC s-a extins cantitativ și calitativ
cu aproximativ 100% prin achizi ția suplimentar ă a unui num ăr de aproximativ 4000 de
calculatoare de tip PC.
272 Pilot SAP
SDFEE
GALAȚI
1999 – 2000Pilot SAP
FDFEE+SISE
Transilvania
Nord
2001 – 2002FDFEE
1
SDFEE
1.1
SDFEE
1.7
FDFEE
8
SDFEE
8.1
SDFEE
8.7SISE
1
AISE
1.1
AISE
1.7
SISE
8
AISE
8.1
AISE
8.7SC ELECTRICA SA
Aparat Central
2002 – 2004
42 SDFEERestructurare / Reorganizare : 8 FDFEE cu 42 SDFEE și 8 SISE cu 42 AISERegiunea 1
Regiunea 8Etape de Implementare și Utilizare SAP în SC ELECTRICA SA corelat cu
restructurarea / reorganizarea companiei
Fig. 63
273
Fig. 64 Sistemul Informatic Integrat de Management [MIS-SAP ]
Menținerea
Valorii Create
[EURO ]Adăugare
de Valoare
Nouă
[EURO]
2004 [6luni] 2005[12 luni]
1.711.520 3.423.040Mentenanta
Sistem SAP
2004
2005Implementare Business
WareHouse [BW] si
Knowleadge
Management [KW]1.000.000
2005Implementare Modul
Resurse Umane [HR]923.663
2002
2004Implementare Nucleu MIS
[Financiar si Logistica]20.165.968
274 6.4.2. Sistemul Informatic Integrat – SI2N – al S.C. Electrica S.A.
În anul 2001, S.C. Electrica S.A. a început implementarea Sistemului Informatic
Integrat Na țional – SI2N în baza strategiei S.C. Electrica S.A. în domeniul informaticii de
management MIS – Management Information Sistem . Implementarea SI2N în cadrul S.C.
Electrica S.A. se face în corela ție cu obiectivele specifice S.C. Electrica S.A. în domeniul
distribuției, furniz ării energiei electrice și a serviciilor energetice astfel încât SI2N să fie
un instrument puternic de management în condi țiile economiei de pia ță, liberaliz ării și
privatizării Sistemului Energetic.
In anul 2002 s-a trecut efectiv la realizarea strategiei prin implementarea etapizat ă a
SI2N bazat pe tehnologiile SAP – Sistem Aplications and Products in Data Processing și
IBM. Prima etapa de implementarea a SI2N , a cuprins 5 din cele 8 entit ăți regionale
(FDFEE și SISE) și s-a realizat pân ă la sfârșitul anului 2003.
Pentru implementarea SI2N, S.C. Electrica S.A. a achizitionat peste 3500 de
licente SAP [mySAP] ce îi confer ă astfel dreptul legal de a utiliza toat ă gama de
tehnologii SAP, chiar dac ă implementarea acestor tehnologii, corelat cu subsistemele
informatice aferente, se va realiza în mod etapizat.
Având în vedere specificul activit ății S.C. Electrica S.A., în procesul de
implementare a SI2N , un accent deosebit s-a pus pe asigurarea:
• disponibilit ății ridicate a sistemelor informatice, utilizând echipamente și produse
program fiabile de la marii producatori de tehnic ă de calcul la nivel mondial;
• securitatățtii accesului la date prin stabilirea unor politici coerente de acces la date și
utilizarea unor programe specializate de tip proxy sau firewall;
• protecției datelor prin stabilirea unor politici de salvare periodic ă și implementarea
unor programe de tip antivirus adecvate.
Prin implementarea SI2N , S.C. Electrica S.A. urm ărește realizarea urm ătoarelor obiective:
• Subsistem Informatic de Management – MIS
– Controlul și optimizarea costurilor activit ăților specifice.
– Optimizarea activit ății de mentenan ță a instalațiilor energetice specifice.
– Creșterea profesionalismului angaja ților S.C. Electrica S.A. prin gestiunea
resurselor umane.
– Implementarea standardului de calitate ISO9001.
– Creșterea calit ății serviciilor c ătre clienții S.C. Electrica S.A. prin gestiunea
clienților.
275 • Subsistem Informatic de tip Intranet
– Realizarea unei comunic ări operative între unit ățile organizatorice proprii și cu alte
companii de profil.
– Promovarea imaginii societ ății către clienți, parteneri și posibili investitori
asigurându-se o transparen ță totală.
– Gestiunea documentelor în corela ție cu specifica țiile standardelor de calitate
ISO9001.
• Subsistem Informatic de tip GIS
– Gestionarea patrimonial ă a instala țiilor energetice în corela ție cu legisla ția în
vigoare și în colaborare cu alte organiza ții cu care S.C. Electrica S.A. utilizeaz ă
spațiul geografic al României.
– Evidența geografic ă a instalațiilor în corela ție cu sistemele informatice de comand ă-
control de tip DMS/SCADA pentru a reduce timpul de interven ții în cazul apari ției
unor defecte în cadrul acestora.
• Subsistem Informatic de Proiectare Asistat ă de Calculator a Re țelelor Electrice
– Proiectarea optim ă a instalațiilor energetice, astfel încât s ă se asigure la consumator
o calitate superioar ă a energiei electrice cu un cost minim de distribu ție.
• Subsistem Informatic Integrat de Securitate Na țional – SI2SN
– Asigurarea securit ății accesului la date și a protec ției datelor S.C. Electrica S.A.
prin:
protecția sistemelor de calcul de tip Server și PC împotriva programelor de tip
virus;
protecția informa țiilor S.C. Electrica S.A. împotriva acceselor neautorizate din
Internet;
utilizarea unor conexiuni sigure folosind ca suport de comunica ție Internet-ul;
filtrarea și monitorizarea accesului la Internet;
protecția sistemelor de calcul de tip Server împotriva accesurilor neautorizate la
fișierele sisteme din interior – Intranet și din exterior –Internet.
• Subsistem Informatic Integrat de Monitorizare Na țional -SI2MN-
– Realizarea monitoriz ării SI2N respectiv a func țiilor de stocare – STORAGE,
funcțiilor de salvare date -BACKUP, echipamentelor de calcul – Server/PC,
echipamentelor de re țea de date – LAN/WAN, perifericelor.
276 Coresponden ța dintre subsistemele informatice strategice și tehnologiile utilizate
pentru realizarea lor este prezentat ă în Tabelul nr. 19.
Componentele Sistemului Informatic Integrat SAP utilizate în Electrica S.A . sunt
prezentate în fig. 65.
Tabelul nr. 19
Nr.
crt. Descriere Tehnologie [Producator]
1 Sistem Informatic de Management – MIS SAP [mysap]
1.1 Subsistem Informatic pentru Asistarea Decizilor SAP-BI Business Intelligence
SAP-SEM Strategic Enterprise
Management
1.2 Subsistem Informatic pentru Achizi ții
Centralizate de Materiale SAP-SRM Supplier Relationship
Management
1.3 Subsistem Informatic pent ru Gestiune Financiar
Contabilă SAP-FINANCIALS
1.4 Subsistem Informatic pentru Gestionarea
Reparațiilor
1.5 Subsistem Informatic pentru Gestionarea
Investițiilor și Proiectelor SAP-PLM Product Lifecycle
Management
1.6 Subsistem Informatic pentru Gestionarea Calit ății
1.7 Subsistem Informatic pentru Gestionarea
Resurselor Umane SAP-HR Human Resource
1.8 Subsistem Informatic pentru Gestionarea
Relațiilor cu Clien ții SAP-CRM Customer Relationship
Management
SAP-IS/U Industries Specific
Utilities
2 Sistem Informatic de tip Intranet IBM-LOTUS ; SAP [mysap] ;
MICROSOFT
2.1 Subsistem Informatic Mesagerie Electronic ă [E-
mail ] IBM-LOTUS- iNotes
2.2 Subsistem Informatic pentru Promovarea
Imaginii Societ ății [ Portal/www ] SAP -EP Enterprise Portal /
MICROSOFT -IIS
2.3 Subsistem Informatic pentru Managementul
Documentelor [ WDM ] IBM-LOTUS – Workflow Document
Management [integrat cu SAP]
3 Sistem Informatic de Eviden ță Geografic ă
[GIS] ESRI [integrat cu SAP]
4 Sistem Informatic de Proiectare Asistat ă de
Calculator a Re țelelor Electrice –
5 Sistemul Informatic Integrat de Securitate
Național [SI2SN ] SYMANTEC
6 Sistemul Informatic Integrat de Monitorizare
Național [SI2MN ] IBM-TIVOLI
277
FISD
AM
MMGIS,
CAD,
SCADAMMPM/
SM
SD
COMarketing
& Vanzari
Customer
Care & Service
[Servicii Clienti]
Module specifice
Industrie Utilitati
Componente principale
în exploatare la
SC ELECTRICA SAContracte
Clienti
(FI-CA)Facturare
Servicii
InstalareIntroducere
ConsumIntroducere
consum
din sisteme
externeSisteme Externe
Vanzari
Central
Business
Partner
Sisteme 3rd-party
[Terți]Contabilitate
Financiara
GestiuneGestiune
AparateAparateCCUUSSTTOOMMEERRIntretinere si
Reparatii
& Servicii clienti
Contabilitate MF &
Gestiune MaterialeCCAARREE&&
SS
EERR
VVIICCEEComponentele Sistemului Informatic Integrat SAP, utilizate în cadrul SC ELECTRICA SA,
și posibiltatea de interconectare cu alte Sisteme Informatice [SCADA, GIS etc.]
Fig. 65
278 Arhitectura SI2N este o arhitectur ă centralizat ă care are la baz ă 9 (nouă) Centre de
Prelucrare Centralizat ă a Datelor –CPCD amplasate la nivelul Aparatului Central și la
nivelul fiec ărei regiuni specifice S.C. Electrica S.A. respectiv FDFEE – Filiala de
Distribuție și Furnizare a Energiei Electrice și SISE – Sucursala de Între ținere și Servicii
Energetice.
Tehnologiile utilizate în implementarea SI2N sunt tehnologii de avangard ă de la
marii produc ători în domeniul informatic cum ar fi SAP, IBM, MICROSOFT,
SYMANTEC, CISCO etc.
Activitatea specific ă domeniului informaticii de management, la fel ca toate
celelalte activit ăți specifice S.C. Electrica S.A. se desf ășoară în conformitate cu
procedurile Sistemului de Management al Calit ății. Implementarea Sistemului de
Management al Calit ății este un factor determinat în modul în care S.C. Electrica. S.A
coordoneaz ă, implementeaz ă și administreaz ă Sistemul Informatic Integrat Na țional.
Informațiile ce fac obiectul SI2N constituie pentru S.C. Electrica S.A. un bun
patrimonial important. În ziua de azi statele și organiza țiile economice și cele cu caracter
strategic se confrunt ă cu amenin țări diverse care afecteaz ă securitatea acestora. S.C.
Electrica S.A. se confrunt ă, din ce în ce mai des, cu ac țiuni ilegale orientate în scopul
accesării unor informa ții electronice confiden țiale sau alter ării, respectiv distrugerii,
informațiilor electronice prin diverse metode/incidente cum ar fi programe de tip virus,
acțiuni teroriste, calamit ăți naturale etc. În anul 2003 strategia S.C. Electrica S.A. a fost
completat ă cu 2 (dou ă) subsisteme informatice specifice, respectiv Sistemul Informatic
Integrat de Securitate Na țional – SI2SN și Sistemul Informatic Integrat de Monitorizare
Național – SI2MN . Scopul implement ării acestor sisteme informatice specifice este
specificat în tabelul de mai jos.
Tabelul nr. 20
Poz. Sistem Scop
1 Sistem Informatic Integrat
de Securitate Na țional
SI2SN Sistemul Informatic Integrat de Securitate
asigură securitatea informa ției electronice
prin tehnologii hardware și software de tip
FireWall, Proxy,Gateway,
VirtualPrivatNetwork, AntiVirus, Intruder
Alert etc.
279
Poz. Sistem Scop
2 Sistem Informatic Integrat de
Monitorizare Na țional
SI2MN Sistemul Informatic Integrat de Monitorizare
Național asigur ă monitorizarea
performan țelor Sistemului Informatic Integrat
Național – SI2N și siguranța informa ție prin
tehnologii hardware și software de stocare –
Storage Array Network și salvare – Backup.
Din punct de vedere procedural, S.C. Electrica S.A. a elaborat Regulamentul Intern
de Securitate și Siguranță a Informațiilor – RIS2I . Regulamentul Intern de Securitate și
Siguranță a Informa țiilor este un document complex al Sistemului de Management al
Calității fiind parte integrant ă din procedura opera țională cadru de calitate –POCQ în
domeniul MIS și stabilește modul în care se implementeaz ă SI2SN, SI2MN cât și măsuri
administrative și responsabilit ăți specifice pentru asigurarea securit ății și siguran ței
informațiilor electronice.
La elaborarea RIS2I s-au avut în vedere respectarea urm ătoarelor principii:
• Confidențialitatea (Confidentiality) – informa țiile electronice vor fi protejate
împotriva acceselor neautorizate.
• Integritatea (Integrity) – informa țiile electronice vor fi protejate impotriva
modificărilor neautorizate sau a modific ărilor accidentale.
• Disponibilitatea (Avalability) – informa țiile electronice vor fi disponibile în timpul
impus de procesul de management al companiei.
Regulamentul Intern de Securitate și Siguran ță a Informa țiilor este un document
care se modific ă în mod dinamic în corela ție cu noile tehnologii informatice ce se
implementeaz ă în cadrul S.C. Electrica S.A. și cu noile amenin țări ce apar la adresa
informațiilor electronice ale S.C. Electrica S.A. indiferent de natura acestor amenin țări.
Se consider ă ca fiind esen țiale pentru asigurarea condi țiilor de securitate și siguranță a
informațiilor electronice urm ătoarele masuri:
– Respectarea legii dreptului de autor și drepturile conexe nr. 8/1996 privind
utilizarea programelor informatice (software).
– Monitorizarea și filtrarea accesului/traficului din și spre Internet.
– Elaborarea unor sisteme de securitate care s ă aibă în vedere protec ția informa țiilor
electronice împotriva atacurilor din exterior – Internet, dar și din interior – Intranet.
280 O mare parte din atacurile care au avut loc asupra sistemelor informatice au
provenit din interiorul companiilor respective și s-au datorat unor ac țiuni voite a
angajaților companiei.
– Aplicarea în permanen ță a ultimilor corec ții de securitate (Service Pack, Patch-uri
etc.) privind echipamentele și sistemele de operare utilizate și actualizarea
permanent ă a semnăturilor de viru și folosite de programele de tip AntiVirus.
– Actualizarea procedurilor specifice ce influen țează securitatea și siguran ța
informațiilor electronice.
– Realizarea unor sisteme (administrative) ce influen țează în mod indirect securitatea
și siguranța informa țiilor cum ar fi Sisteme de Stins Incendiu, Sisteme de Aer
Condiționat, Sisteme de Electroalimentare, Sisteme de Acces, etc. Nerealizarea
corespunz ătoare a acestor sisteme poate duce la distrugerea, alterarea și
indisponibilitatea informa țiilor.
– Realizarea în cadrul departamentelor specifice de informatic ă și de comunica ții a
unor compartimente distincte care s ă coordoneze ac țiunile ce vizeaz ă securitatea și
siguranța informa țiilor electronice.
6.4.3. Proiectul „Centrul de rela ții cu clien ții“ Call Center
Compania Electrica S.A. trebuie s ă aibă în vedere îmbunătățirea comunic ării one-to-
one cu clienții de a răspunde cerin țelor acestora prin telefon, fax, po ștă sau e-mail, printr-
un centru dedicat de rela ții. Crearea unui Call Center oferă o modalitate modern ă de
comunicare cu toate categoriile de clien ți. Până nu demult, aceast ă abordare ar fi fost
imposibilă. Dar impactul media asupra derul ării afacerilor a determinat mul ți membrii ai
comunității de afaceri s ă fie flexibili. Scopul companiei va fi de a construi și conduce
relațiile cu clien ții.
Electrica S.A. întrevede numeroase avantaje din aceste noi abord ări și anume:
− Sistemul de comunicare cu clien ții Call Center este mult mai flexibil și va permite
o mai bun ă integrare între diferitele c ăi de comunicare.
− Call Center va oferi un control mai bun asupra calit ății comunic ării directe cu
clienții. Sunt multe informa ții de la clien ți pe care companiile le ignor ă.
Soluția propus ă în lucrare va duce la reabilitarea pozi ției și rolului clientului , această
abordare putând fi extins ă oriunde .
281 Proiectul Electrica: Call Center
282
Proiectul Call Center este organizat la nivel na țional pe 8 (opt) filiale. A fost
realizat ca proiect pilot la Electrica S.A. Bucure ști în perioada 2003-2004, urmând a fi
generalizat în toat ă țara în intervalul 2005-2006. Valoarea proiectului pentru anul 2005 este
estimată la 1.800.000 euro.
Beneficiile aduse de acest proiect sunt:
• Pentru Electrica – servicii mai bune oferite clien ților.
• Pentru clien ții Electrica – primesc servicii de mai bun ă calitate :
– creșterea gradului de confort;
– operativitate în rezolvarea problemelor.
• Facilități similare Call Center al firmelor de utilit ăți publice la nivel european .
• Îmbunătățirea imaginii Electrica .
Implementarea unui Call Center de mare performan ță la nivel de filial ă, înglobeaz ă
atât o parte de procesare interactiv ă automată a solicitărilor clien ților, cât și o parte din
activitatea de operare uman ă asistată, în care eficien ța operatorilor este maximizat ă prin
asocierea automat ă a informa țiilor cu aplica ția de gestionare a clien ților filialei, asociere ce
se realizeaz ă în momentul prelu ării apelului telefonic de c ătre operator.
Astfel, prin acest sistem se asigur ă cele mai moderne tehnologi și anume :
− Integrarea computer-telefonie (CTI – Computer Telephony Integration) va asigura
accesul rapid la baza de date și la asocierea rapid ă a informa țiilor despre un anumit
client și operatorul care va deservi clientul.
− Interogare automat ă interactiv ă de tip IVR (Interactive Voice Response) care s ă
ofere un serviciu eficient disponibil permanent. Astfel vor putea fi preluate eficient
cerințele clientului, vor putea fi oferite informa ții și soluții la cerin țe în regim
automat precum și identificarea clientului și a cerințelor acestuia și transmiterea
acestor informa ții către operator.
− Platformă deschisă și pentru integrarea aplica țiilor e-mail . Integrarea comunic ării
de tip e-mail cu clien ții să poată fi făcută cu ușurință.
− Sistem performant de management al activit ății care să ofere informa țiile necesare
deciziilor de strategie și politică ale Electrica S.A.
283 Avantajele abord ării sistemului Call Center construit pe un sistem telefonic adecvat
care să fie integrat transparent cu sistemul telef onic existent la Electrica (care va deservi în
continuare comunica țiile administrative și de dispecerat) sunt:
− păstrarea independen ța traficului de Call Center de cel administrativ și de
dispecerat;
− posibilitatea comunic ării transparente între cele dou ă sisteme – necesar ă în situații
operative;
− posibilitatea alc ătuirii unei scheme de back-up între cele dou ă sisteme.
Copyright Notice
© Licențiada.org respectă drepturile de proprietate intelectuală și așteaptă ca toți utilizatorii să facă același lucru. Dacă consideri că un conținut de pe site încalcă drepturile tale de autor, te rugăm să trimiți o notificare DMCA.
Acest articol: 240 6. SISTEME ȘI PRODUSE INFORMATICE PENTRU ASISTAREA DECIZIEI 6.1. Sisteme informatice pentru asistarea deciziei (SIAD) 6.1.1. Definire și… [601441] (ID: 601441)
Dacă considerați că acest conținut vă încalcă drepturile de autor, vă rugăm să depuneți o cerere pe pagina noastră Copyright Takedown.