Inteligencja systemów BI

Coraz częściej w interfejsach systemów BI spotkać można funkcje umożliwiające komunikację z systemem za pomocą grafiki multimedialnej oraz języka komunikacji opartego na hipertekście. Rozwiązaniem przyszłości jest komunikacja oparta na przetwarzaniu wirtualnej rzeczywistości, aczkolwiek w ofertach kilku głównych dostawców rozwiązań BI takie podejście jest promowane jako alternatywa do konwencjonalnych rozwiązań. Czas pokaże, na ile taka forma komunikacji upowszechni się w zastosowaniach biznesowych.

W zakresie możliwości prezentacji wiedzy standardem staje się wykorzystanie wielowymiarowych baz danych OLAP. Prognozowanie i optymalizacja, dostępna w wielu pakietach narzędziowych złożonych systemów BI zaczyna być (kolejny raz) odkrywana przez praktykę. Barierą w dalszym ciągu jest tu poziom bazy wiedzy użytkownika konieczny do pracy z modelami optymalizacyjnymi.

Właśnie to miejsce wydaje się idealne do inkorporacji metod sztucznej inteligencji (poziom IV). Niech przykładowo wybór najlepszej metody prognozowania czy optymalizacji podpowie system. Oczywiście po uprzednim dogadaniu się z użytkownikiem, na czym polega istota problemu.

Ostatnie z kryteriów oceny, oparte na rodzaju zadań decyzyjnych, mierzy poziom inteligencji systemów BI pod kątem możliwości przetwarzania i/lub drążenia danych.

Inteligencja systemów BI
Obsługa wszystkich typów zapytań wyrażanych językiem SQL (lub podobnym): wyszukiwanie, dodawanie, aktualizacja, usuwanie i sortowanie danych przy użyciu mechanizmów deterministycznych jest standardem w systemach BI. Także Obsługa zapytań typu OLAP: drążenie danych (driliing down, drilling up), przeciąganie i wycinanie danych, odwracanie tabel danych itp., jest praktycznie warunkiem istnienia systemu BI na rynku. Kolejnym krokiem jest wprowadzanie innych niż deterministyczne mechanizmów obsługi zapytań wyrażanych językiem SQL (lub podobnym) - np. mechanizmów rozmytych. Obsługa zadań klasyfikacyjnych, skojarzeniowych, analizy trendów i prognoz oparta na danych ilościowych (sieci neuronowe, algorytmy genetyczne, odkrywanie wiedzy, algorytmy statystyczne) staje się już standardem w pewnych klasach zastosowań (banki, ubezpieczenia). Otwartą kwestią pozostaje natomiast obsługa danych jakościowych oraz zadań o charakterze zarówno algorytmicznym, jak i heurystycznym w procesie rozwiązywania złożonych problemów decyzyjnych. Wydaje się, że dopiero taka funkcjonalność systemów BI będzie w stanie stworzyć z systemu komputerowego inteligentnego asystenta.

Dr Zbigniew Twardowski jest wiceprezesem CONSORG sp. z o.o. odpowiedzialnym za rozwój technologii informatycznych i aplikacji biznesowych.

Dr hab. Stanisław Stanek jest profesorem Uniwersytetu Ekonomicznego w Katowicach; kieruje Katedrą Informatyki na Wydziale Informatyki i Komunikacji.

Sebastian Kostrubała jest głównym technologiem w firmie CONSORG sp. z o.o. oraz asystentem w Katedrze Informatyki Uniwersytetu Ekonomicznego w Katowicach.

Otoczenie a informacja

Problem decyzyjny powstaje zawsze w otoczeniu decydenta. Interakcja decydenta z otoczeniem nigdy nie ma charakteru liniowego, szczególnie w warunkach szybko zmieniającego się, burzliwego, przeciążonego informacjami otoczenia decyzyjnego. To, czego potrzebują decydenci w większości sytuacji decyzyjnych, to nie więcej, lecz mniej informacji (za to lepszego zrozumienia jej znaczenia).


TOP 200