Статья:

Назначение и применение аналитической платформы Дедуктор

Конференция: XII Студенческая международная научно-практическая конференция «Общественные и экономические науки. Студенческий научный форум»

Секция: Экономика

Выходные данные
Ульянова А.Н. Назначение и применение аналитической платформы Дедуктор // Общественные и экономические науки. Студенческий научный форум: электр. сб. ст. по мат. XII междунар. студ. науч.-практ. конф. № 1(12). URL: https://nauchforum.ru/archive/SNF_social/1(12).pdf (дата обращения: 26.04.2024)
Лауреаты определены. Конференция завершена
Эта статья набрала 0 голосов
Мне нравится
Дипломы
лауреатов
Сертификаты
участников
Дипломы
лауреатов
Сертификаты
участников
на печатьскачать .pdfподелиться

Назначение и применение аналитической платформы Дедуктор

Ульянова Александра Николаевна
студент, Ульяновский государственный технический университет, РФ, г. Ульяновск

 

Дедуктор – это система для создания эффективной теории  по принятию бизнес – решений за короткий промежуток времени.

С помощью него, возможно формирование общей  аналитической функции над абсолютно всеми существующими в компании системами сбора и хранения данных, таких как трейдерские концепции, счетоводные концепции, единичные основы и других.

Главная фишка в том, что, если нужно, Дедуктор автоматически объединит данные из разных источников [2].

Так как Дедуктор включает в  себя полный набор компонентов, требуемых с целью решения установленной проблемы, то он оптимизирован для постановления вопросов.

В этот набор входит: получение информации из множества источников данных, полный спектр элементов очищения и редактирования сведений, мощные самообучающиеся методы возведения вариантов и выявления взаимосвязей, большое количество элементов изображения и выноса итогов в разные форматы. Все это помогает обеспечивать формирование результативных подлинных заключений в минимальные сроки. Что входит в состав Дедуктора, рассмотрим в таблице 1.

Таблица 1.

Состав Дедуктора 5

 

На рисунке 1 отображается процесс извлечения знаний из данных.

 

Рисунок 1. Процесс извлечения знаний из данных

 

Сначала вводятся данные из того или иного  источника, так как хранилище данных Дедуктор Warehouse – это одно из источников/приемников данных. Как правило,  в систему загружаются не все данные, а какая-то выборка, требуемая для последующего рассмотрения. Далее можно получить детальную статистику по ней, ознакомиться, как выглядят данные на диаграммах и гистограммах. Последующим шагом является принятие решения о необходимости предобработки данных.

К примеру, в случае если же в выборке имеются пустые значения (пропуски данных), то для их ликвидации используют фильтрацию [3].

Данные, которые считаются до предобработки, подвергаются изменению. Например, когда  нечисловые сведения преобразуются в числовые. Они же считаются  необходимым обстоятельством для некоторых алгоритмов. Непрерывные данные могут быть разбиты на промежутки, то есть выполняется их квантование [3].

Способы углубленного рассмотрения применяются к трансформированным данным. То есть происходит выявление скрытых зависимостей и закономерностей в данных, на основании которых строятся различные модели. Образец, который включает в себя формализованные знания, считается моделью [2].

Следующая стадия, которая называется интерпретация, предназначена для получения знания на языке предметной области из формализованных знаний.

В конечном итоге происходит копирование познаний – это  когда осуществляется предоставление людям, которые принимают решения, способности фактического использования созданных вариантов.

Прежде, чем сделать это, необходимо решить некоторые задачи, которые рассмотрены ниже в таблице 2.

Таблица 2.

Задачи для реализации концепции тиражирования знаний

 

Задачи

1

Обеспечив стандартный способ получения любой информации, необходимой для анализа, аккумулировать данные, необходимые для анализа,

2

Формализовать знания специалистов, а также трансформировать их знания в модели, которые пригодны для автоматизированной обработки.

3

Подобрать способы визуализации и отобразить результаты обработки наиболее удобным способом.

4

Предоставить возможность работать сотрудникам с формализованными знаниями экспертов как с «черным ящиком», т.е. без необходимости вникать в то, каким образом реализована обработка внутри.

 

Рассмотрим далее, как это происходит подробнее.

Создается хранилище данных – Дедуктор Warehouse, который консолидирует всю необходимую для анализа информацию. Механизмы автоматического обновления сведений настраиваются в хранилище. Это необходимо для оперативного получения актуальной непротиворечивой и целостной информации для последующего анализа [2].  Эксперт настраивает сценарии обработки, это значит, определяет путь, который необходимо пройти для получения нужного результата. Не всегда это возможно с одного шага, скорее будет цепочка, состоящая из разного рода обработок.

Например, порядок действий может быть таким: приобрести сгруппированные необходимым способом сведения => выполнить очистку их от выбросов => сгладить => построить модель => «прогнать» новые данные. Подготовка последовательности наиболее сложная часть работы. Для этого требуются познания в предметной области и представление способов рассмотрения. В принципе это  способен выполнить единственный человек в организации [3].

Далее на Рисунке 1 рассмотрим, как это происходит при работе в интерактивном режиме.

 

Рисунок 2. Работа в интерактивном режиме

 

На Рисунке 2 показан процесс при автоматическом режиме.

 

Рисунок 3. Работа в автоматическом режиме

 

В конечном итоге пользователю получит результаты обработки в наиболее удобном для анализа и принятия решения виде.

 

Список литературы:
1. Аналитическая платформа «Дедуктор» - применение в информационных системах экономики / Никулин А.Н., Чернышев И.В. // Ульяновск: УлГТУ, 2012. – 37 с. 
2. Аналитическая платформа для эффективных бизнес-решений URL: http://deductor.com.ua/ (дата обращения: 10.12.2018)
3. Deductor Руководство аналитика URL: http://docplayer.ru/26266716-Deductor-rukovodstvo-analitika.html (дата обращения: 10.12.2018)