Kursen ger en orientering om aktuell forskning och trender inom ämnesområdet beslutstödssystem, framförallt vad avser metoder och ramverk.

Transkript

1 Institutionen för Tillämpad IT vid Göteborgs universitet och Chalmers TIG163, 15hp BESLUTSTÖDSSYSTEM KURS PM, VÅRTERMIN 2015 KURSANSVARIGA Faramarz Agahi, , Rum: CapsLock, plan 2 Patricia INLEDNING Beslutstödssystem, eller Decision Support Systems (DSS) är en specifik klass av datoriserade informationssystem med syfte att stödja organisationers beslutsfattande aktiviteter. Ett DSS utgör ett interaktivt mjukvarubaserat system avsett att hjälpa beslutsfattare att välja ut och sammanställa användbar information från befintliga system, dokument, personliga kunskaper och/eller affärsmodeller i syfte att identifiera och lösa problem och fatta beslut. I kursen undersöks utvecklingen inom business intelligence, knowledge based systems, neural networks samt group support systems. Kursen har en inriktning mot design och utveckling av effektiva beslutstödssystem. Verkliga fall och olika systemverktyg används i undervisningen för att diskutera hur DSS ska tillämpas i ledningen av organisationer. Kursen består av en teoridel och ett projekt. Kursen fördjupar den strategiska betydelsen av beslutstödssystem utifrån etiska och hållbarhetsaspekter. I projektet (gruppuppgift) analyseras hur företag använder eller kan använda beslutstödssystem i affärsprocesser och ledning av företaget. Som en del av projektet görs laborationer med olika verktyg för beslutsstöd. Kursen ger en orientering om aktuell forskning och trender inom ämnesområdet beslutstödssystem, framförallt vad avser metoder och ramverk. Kursen är verken är en kurs i programmering eller metod, som att studera en specifik tillvägagångsätt. Snarare är målet bekantskap med företag och organisationer totala informationssystem (Enterprise Information Systems), dess komplexitet, egenskaper, organisering av beslutsunderlag och möjligheter som modern informationsteknologi kan erbjuda. Den korta tiden räcker inte för att bli expert i olika systemverktyg, utan får en grundläggande förståelse för beslutsstödstjänster. TEORETISK BAKGRUND Många företag och organisationer har idag valt att implementera affärssystem och beslutsstödsystem i sin verksamhet. Implementering av affärssystem och beslutstödssystem har tidigare i högre grad fokuserat på systemets transaktioner, snarare än på dess beslutstödsmöjligheter. Företag på dagens konkurrensutsatta marknad upplever ett ökat behov av beslutstöd och analysverktyg för att kunna fatta de bästa besluten. 1

2 De vanliga mål, vilka företag söker uppnå när de inför affärssystem och beslutsstöd är: Drastiskt reducera storleken och kostnaden av företagets informationssektor. Decentralisera informationsbehandlingen genom att göra information tillgänglig i realtid. Tillhandahålla tekniska verktyg som underlättar redovisning, finansiering och administrativa funktioner likväl som skapandet av ledningsrapporter som stöd för kontrollprocesser och för beslutsunderlag. Uppnå en bättre balans mellan decentralisering och kontroll av funktionerna för att undgå dubbellagring, för att försäkra sig om synergieffekter och för att hantera indikationer på prestationer. Elektroniskt utbyte av information, för att reducera kostnader. Tillämpa nya teknologier för att hålla jämna steg med, eller passera konkurrenterna. Med andra ord vill företaget: Integrera funktioner eller data, standardisera företaget processer, öka företagets flexibilitet och produktivitet. Optimera Supply Chain informations utbyte med andra företag och organisationer, och stödja globaliseringsstrategin. Förändra ansvaret för beslutsfattande genom att berättiga anställda med kunskap de annars inte skulle ha, och stödja konsultationssituationer där flera personer är inblandade med att fatta beslut. KURSMÅL Studenten skall efter genomgång av kursen kunna: Kunskap och förståelse förklara hur beslut fattas i organisationer och hur beslutsfattande kan stödjas med beslutstödssystem beskriva beslutstödssystemens funktionalitet och arkitektur redovisa insikt i samband mellan informationssökning och problemlösning redogöra för beslutsfattandets komplexitet Färdighet och förmåga lösa uppgifter med hjälp av beslutsteknologier (exempelvis textmining, datamining) Värderingsförmåga och förhållningssätt visa förmåga att redogöra för konsekvenser av beslutsfattande med hjälp av beslutsteknologier värdera nytta och problem vid införande av beslutstödssystem utifrån relevant teori analysera och bedöma etiska och hållbarhetsaspekter av teknikval KURSLITTERATUR Kurslitteraturen består av följande bok och diverse artiklar och material. R. Sharda, D. Delen, E. Turban, Business Intelligence and Analytics: Systems for Decision Support, 10 th Ed., Pearson, ISBN: [Hela boken ingår i kursen och examinationen. Tidigare versioner av boken skiljer ganska mycket i jämförelse med den senaste.] 2

3 och artiklar Agahi, F., Linking and Organizing Decision Information Object oriented Promote Using Different DSS Technologies, In Phillips Wren, G.E., Carlsson, S., Respício, A., Brezillon, P. (eds.) DSS 2.0 Supporting Decision Making With New Technologies, Paris, IOS Press 261 of Frontiers in Artificial Intelligence and Applications, (2014), Book chapter. Agahi, F. Consultation, University of Gothenburg, Draft chapter 4 6. (2011) Bao, Y., Datta, A. Summarization of Corporate Risk Factor Disclosure through Topic Modeling (2012). Dhar, Y., Geva, T., Oestreicher Singer, G., Sundararajan, A. Prediction in Economic Networks: Using the Implicit Gestalt in Product Graphs (2012). Jin, X., Kotlarsky, J. A Conceptual Framework of Knowledge Integration in Multisourcing Arrangements (2012). Pentland, B., Harminder S., and Elaine Y. "Routinizing change: Does business process management technology have unintended firm level consequences?." (2012). Seddon, P.B., Constantinidis, D., Dod, H. How Does Business Analytics Contribute to Business Value? (2012). Sharma,M., Sarnikar, S. DECIPHER: Database Environmental Change Impact Prediction for Human Driven Tuning Efforts in Real Time (2012). KURSPROJEKT Projektarbetet har till syfte att integrera de verktyg, metoder och teorier som finns i denna kurs i en projektuppgift där de olika delarna bildar en helhet. Målet med projektet är att resultatet skall kunna användas som typfall för att kunna resonera om affärsprocesser och beslutsfattande processer i allmänhet men också användning av några beslutsstödjande specifika system/verktyg/teknologier. Det specifika syftet med projektet är att studenten skall efter genomgång av kursen kunna: träna förmågan att planera, genomföra och rapportera ett arbete av komplex karaktär. träna förmågan att tillämpa kunskaper på ett verkligt fall. träna förmågan att kommunicera i tal och skrift. PROJEKTMODULER Projektet är en gruppuppgift, en grupp om max tre personer. Projektet innefattar 6 moduler och har följande teman: MODUL 1. Beslutsprocess (Ch 1 2) I denna modul, diskuterar vi ramarna för datorbaserad beslutsstöd och beslutsprocess. Frameworks provide a structure for selecting support systems where the greatest support potential lies, since each classification system offers a way of considering the individual and group situation with respect to available applications. A framework is supposed to support users in considering what issues might rise in the adoption of any given application. 3

4 MODUL 2. Data Warehouse (Ch 3 4) Ett datalager är en logiskt sammanhållen datamängd, som är avsedd för analys och som speglar flera tidsperioder genom att data regelbundet hämtas från andra register. Den vanligaste uppbyggnaden av ett datalager är stjärnschemat (Star Schema), där faktatabellen (eller tabellerna) omges av en dimensionstabell per dimension. Modul 2 handlar om bl a att utveckla och analysera stjärnschema i ett verkligt fall. MODUL 3. Data Mining (Ch 5 6) Informationsutvinning, även kallat Data Mining betecknar sökandet efter mönster i stora informationsmängder. Begreppet har vuxit fram sedan växande databasers storlek har begränsat möjligheterna till kompletta statistiska analyser inom områden som biologi och finansiella kalkyler. Genom exempelvis algoritmer som neurala nätverk försöker man finna relationer mellan datapunkterna, för att bättre kunna visualisera eller utnyttja den komplexa informationen. Informationsutvinning kan använda sig av olika tekniker. Laboration med en av användbara metoder och verktyg, att därmed bilda en trädstruktur ingår i modulen. MODUL 4. Text Mining and Analytics (Ch 7 8) Text mining är processen att upptäcka meningsfulla mönster och samband från ostrukturerad information/data, det vill säga texter. I denna modul ges introduktion till sökinfrastruktur hur man kan arbeta med sök samt affärsnytta för kunder, och aggregering av stora datamängder. Vi kommer att avvändas 1 2 olika verktyg för text analys. MODUL 5. Modell baserad beslutsfattande (Ch 9 10) Klassisk beslutsteori kan bedrivas normativt (preskriptivt), är baserad på modeller och inriktat på att identifiera de bästa besluten, vilket underförstår att beslutsfattare som är välinformerad att fattar beslut rationellt. I denna modul kommer vi diskutera möjligheter och begränsningar av normativa synsätten i beslutsfattande med användning av ett par verktyg. MODUL 6. Projekt Typfall (Ch 11 14) Sista delen av projektet, modul 6, har till syfte att integrera de verktyg, metoder och teorier som finns i denna kurs och i modulerna 1 5, i en projektuppgift där de olika delarna bildar en helhet. För att inte drunkna i detaljer och komplexitet utförs modul 6 på en ganska välbekant verksamhet där syftet blir att presentera och diskutera frågor kring en beslutsstödjande/affärssystem prototyp. Målet är att resultatet skall kunna användas som typfall för att kunna resonera om beslutsfattande processer i allmänhet men också användning av beslutsteknologier i organisationer. 4

5 REDOVISNING AV MODULER Varje grupp skall under redovisningstiderna vara bered att göra en presentation av sitt resultat med hjälp av t.ex. dokumentet, Powerpoint och ev. körning av systemen. EXAMINATION Kursen examineras genom en skriftlig tentamen (7,5 högskolepoäng) och en gruppuppgift (7,5 högskolepoäng). Betygsskalan är U, G, VG för tentamen och U, G för gruppuppgiften. Kursen ges betyget U, G eller VG. Kursbetyget G fås om båda examinationsmomenten getts lägst betyget G. Kursbetyget VG fås om tentamen getts betyget VG och gruppuppgiften getts betyget G. TENTAMEN 4 timmars salstenta, ca 8 frågor och inga hjälpmedel. TYPTENTA FRÅGOR: Förklara utifrån ett flertal aspekter innebörden av begreppen Managemet Information System [MIS], Business Intelligence [BI]och Decision Support System [DSS], samt hur dessa förhåller sig till affärssystem [AS] och Datalager/Data Warehouse. [4p av 40] ICA skriver följande på sin hemsida att: Ett ICA Kundkort ger Dig en mängd fördelar och förmåner. Du får t.ex. ICA Bonus på alla Dina inköp, bättre kontroll över matpengarna, nya förmånliga erbjudanden i butiken varje vecka, värdefulla rabattkuponger direkt i brevlådan, en massa goda recept med medlemstidningen Buffé och mycket, mycket mer! Anta att ICA har ett datalager. Den vanligaste uppbyggnaden av ett datalager är stjärnschemat. Rita en stjärnschemat baserad på ICA Kundkort. Ett schema som kan användas för direktreklam och inköp av varor. Beskriva utförligt och exemplifiera med relevant data grunddata till schemat, ETL processen, SQL exempel för Rollup funktion. [8p] 5

6 KURS SCHEMA (PRELIMINÄR) Aktuellt schema finns i GUL (Kalender) ( Förändringar i schemat kan förekomma. Kontrollera i GUL att du har de senaste uppgifterna. Tid Aktivitet Innehåll 4 Må 19/ Introduktion Gruppindelning, utkast på hela kursen, målbilder, litteratur Ch1 On 21/ Beslutsfattande och analys Ch1, Article: Pentland Modul 1: Beslutsprocess Fr 23/ Beslutstödssystem Ch2, Article: Agahi 5 Må 26/ Modul 1: Redovisning On 28/ Datalager 1 Ch3, Article: Sharma m fl. Modul 2: Data Warehouse Fr 30/ Datalager 2 6 Ti 3/ Business rapportering och Ch4, Article: Seddon m fl. visualisera analyser On 4/ Gästf Fr 6/ Modul 2: Redovisning 7 Må 9/ Data Mining Ch5, Ch6, Article: Dhar m fl. Modul 3: Data Mining On 11/ Gästf Fr 13/ Modul 3: Redovisning 8 Må 16/ Text and Web mining Ch7, Ch8, Article: Boa m fl. Modul 4: Text Mining On 18/ Gästf Fr 20/ Modul 4: Redovisning 9 Må 23/ Modell baserad beslutsfattande Ch9, Ch10, Artikel: Agahi Modul 5: AHP On 25/ Modell baserad beslutsfattande 2 Fr 27/ Modul 5: Redovisning 10 Må 2/ Kunskapsbaserade DSS Ch11, Ch12 On 4/ Big Data Ch13, Ch14, Article: Agahi. Jin m fl. Modul 6: Projekt Typfall Fr 6/ Systemutveckling och anskaffning management perspektiv 11 Må 9/ Projektgenomgång 1 15 min per grupp On 11/ Projektgenomgång 1 12 Må 16/ Projektgenomgång 2 15 min per grupp Fr 20/ Modul 6: Redovisning 13 Ti 24/3 8:30 12:30 TENTAMEN 19 Ti 5/5 8:30 12:30 OMTENTAMEN Handledningstillfällen tillkommer. 6