Методы принятия управленческих решений

Глава 7 392 Посредством технологии Big Data становится возможным извлекать разноформатную информацию из разнообразных источников. Таким образом, Big Data представляется как глобальная система, которая по- зволяет загружать, преобразовывать, обслуживать, обрабатывать дан- ные и извлекать значимую информацию. «Data Mining» является од- ним из инструментов применения технологии Big Data и представля- ет собой процесс обнаружения в «сырых» данных ранее неизвестных, практически полезных и доступных интерпретации знаний, необходи- мых для принятия решений в различных сферах человеческой деятель- ности. Суть данной технологии может быть охарактеризована как по- иск в больших объемах данных неочевидных, объективных и полезных на практике закономерностей [46]. К методам и алгоритмам Data Mining можно отнести следующие: деревья решений, методы кластерного анализа, корреляционно- регрессионный анализ, методы визуализации данных и т. д. При этом, важно определить этапы технологии Data Mining [47]: 1. Выявление закономерностей (свободный поиск). Data Mining тех- нология определяет шаблоны посредством выявления логических за- кономерностей и трендов. Аналитику необходимо задать целевую пе- ременную для технологии. 2. Валидация—проверка достоверности найденных закономерностей. 3. Использование выявленных закономерностей для предсказания не- известных значений (прогностическое моделирование). Реализуется на основе данных этапов № 1 и№ 2 при выполнении действий: предсказа- ние неизвестных значений и прогнозирование развития процессов. По ре- зультатам данного этапа получаются следующие продукты информации: отнесение объектов (из этапов № 1 и № 2) к одному из предопределен- ных классов, второй результат —это предсказание неизвестных значений целевой переменной. Создается новое знание об исследуемом объекте. 4. Анализ исключений, т. е. выявление и объяснение аномалий, най- денных в закономерностях. Технологические методы Data Mining могут быть представлены сле- дующими группами (рис. 7.30). Проведем анализ методов Data Mining в целях определения наибо- лее результативного. Результативным признается метод, который по- зволит реализовать анализ больших массивов данных СУР, а также бу- дет применим при создании и реализации алгоритмов выявления ри- сковых ситуаций. Отличительной характеристикой должна быть опера- тивность метода при использовании его в системе управления рисками.