Общая архитектура информационных и информационно-аналитических систем
Современный уровень развития аппаратных и программных средств сделал возможным повсеместное ведение баз данных (БД) оперативной и накопленной информации на разных уровнях управления и информационного обеспечения. В процессе своей деятельности промышленные предприятия, корпорации, ведомственные структуры, органы государственной власти и управления, социальные структуры, учреждения образования, науки и культуры, отдельные граждане накопили большие объемы данных. Они хранят в себе большие потенциальные возможности по извлечению полезной аналитической информации, на основе которой можно выявлять скрытые тенденции, строить стратегию развития, находить новые решения, осуществлять различного рода проектирование, вести обучение, поддерживать творчество и научный поиск.
Полная структура информационно-аналитической системы (как и некоторые другие материалы настоящих глав приведены в Интернете в творческой работе С.А.Митичкина, выполненной под руководством доц. Н.Н.Лычкиной), построенной на основе хранилища данных, показана на рисунке ниже В конкретных реализациях отдельные компоненты этой схемы часто отсутствуют. Так, в ИС, предназначенных только для информационной поддержки преподавания отдельных дисциплин в учебной деятельности, могут иметь ослабленные те или иные входящие системы (подсистемы) или не иметь их вовсе. Дело в том, что комплексную информационно-аналитическую систему корпорации, предприятия и даже отдельного подразделения можно рассматривать как совокупность функционирующих воедино набора различных частных систем (подсистем). Поэтому для большей последовательности изложения условимся рассматривать почти всякую ИС образовательных и научных технологий как частный случай или составную часть развернутой комплексной универсальной информационно-аналитической системы, изображение архитектуры которой приводится ниже.
Рис. Общая архитектура информационно-аналитической системы (ИАС)
Данная архитектура является достаточно общепринятым пониманием места и роли различных технологий обработки данных, в том числе используемых в образовательных технологиях и научных исследованиях.
Очень часто информационно-аналитические системы, создаваемые в расчете на непосредственное использование лицами, принимающими решения, оказываются чрезвычайно просты в применении, но жестко ограничены в функциональности. Такие статические системы называются в литературе Информационными системами руководителя (ИСР), или Executive Information Systems (EIS). Они содержат в себе предопределенные множества запросов и, будучи достаточными для повседневного обзора, не способны ответить на все вопросы к имеющимся данным, которые могут возникнуть при принятии решений. Результатом работы такой системы, как правило, являются многостраничные отчеты, после тщательного изучения которых, у аналитика появляется новая серия вопросов. Однако каждый новый запрос, непредусмотренный при проектировании такой системы, должен быть сначала формально описан, закодирован программистом и только затем выполнен. Время ожидания в таком случае может составлять часы и дни, что не всегда приемлемо. Таким образом, внешняя простота статических информационно-аналитических систем ( статических СППР), за которую активно борется большинство заказчиков информационно-аналитических систем, оборачивается катастрофической потерей гибкости.
Динамические информационнно-аналитические системы (или динамические СППР, DSS), напротив, ориентированы на обработку нерегламентированных (ad hoc) запросов аналитиков к данным. Работа аналитиков с этими системами заключается в интерактивной последовательности формирования запросов и изучения их результатов.
Но динамические СППР могут действовать не только в области оперативной аналитической обработки (OLAP); поддержка принятия управленческих решений на основе накопленных данных может выполняться в трех базовых сферах.
Сфера детализированных данных. Это область действия большинства систем, нацеленных на поиск информации. В большинстве случаев реляционные СУБД отлично справляются с возникающими здесь задачами. Общепризнанным стандартом языка манипулирования реляционными данными является SQL. Информационно-поисковые системы (ИПС), обеспечивающие интерфейс конечного пользователя в задачах поиска детализированной информации, могут использоваться в качестве надстроек как над отдельными базами данных транзакционных систем, так и над общим хранилищем данных. Эти ИПС имеют и будут долгое время иметь чрезвычайно большое распространение в научных исследованиях и учебном процессе, особенно в учебно-творческой деятельности, связанной с проектированием (дипломным, курсовым и т.д.).
Сфера агрегированных показателей и данных. Комплексный взгляд на собранную в хранилище данных информацию, ее обобщение и агрегация, гиперкубическое представление и многомерный анализ являются задачами систем оперативной аналитической обработки данных (OLAP) Здесь можно или ориентироваться на специальные многомерные СУБД, или оставаться в рамках реляционных технологий. Во втором случае заранее агрегированные данные могут собираться в БД звездообразного вида, либо агрегация информации может производиться на лету в процессе сканирования детализированных таблиц реляционной БД. Комплексность оценок и анализа накопленной и быстро обновляемой информации делает описанный выше подход привлекательным для информационного обслуживания профессионального обучения ВШ по отдельным специальностям, в объеме функционирования отдельной кафедры или в рамках отдельно взятой большой многогранной комплексной научной проблемы.
Сфера закономерностей. Интеллектуальная обработка производится методами интеллектуального анализа данных (ИАД, Data Mining), главными задачами которых являются поиск функциональных и логических закономерностей в накопленной информации, построение моделей и правил, которые объясняют найденные аномалии и/или прогнозируют развитие некоторых процессов. Иными словами, речь идет о развитии информационно-аналитического обслуживания образования и науки на уровне интеллектуальных систем.
Следует отметить, что в последние годы в мире оформился ряд новых концепций хранения и анализа данных:
хранилища данных, или Склады данных (Data Warehouse);
оперативная аналитическая обработка (On-Line Analytical Processing, OLAP);
интеллектуальный анализ данных - ИАД (Data Mining).
Технологии OLAP тесно связаны с технологиями построения Data Warehouse и методами интеллектуальной обработки - Data Mining. Поэтому наилучшим вариантом является комплексный подход к их выбору и внедрению. В этой связи уместно рассмотреть несколько концептуальных подходов, полезных разработчику архитектуры ИС.