Введение
Выпускная квалификационная работа посвящена разработке приложения для поддержки принятия решений на основе методов Data Mining. По данным ICT.Moscow, в 2024 году объём российского рынка больших данных составил 433 млрд рублей, увеличившись за год на 33%, что свидетельствует о стремительном росте объёмов данных и необходимости оперативного анализа информации. В этих условиях возрастает потребность в инструментах, позволяющих извлекать скрытые закономерности и принимать обоснованные решения. Приложения такого класса объединяют аналитические алгоритмы и удобный пользовательский интерфейс, обеспечивая доступ к результатам интеллектуального анализа данных без глубоких знаний в области машинного обучения.
Целью работы является создание программного продукта, который использует методы Data Mining для обработки данных предметной области и предоставляет пользователю рекомендации, способствующие повышению качества решений. Для достижения цели решаются задачи изучения теоретических основ, анализа данных, построения и сравнения моделей, проектирования и реализации приложения, а также его тестирования.
Работа состоит из введения, трёх глав, заключения, списка литературы и приложений. В первой главе рассматриваются теоретические аспекты систем поддержки принятия решений и методов Data Mining. Вторая глава посвящена анализу предметной области и построению аналитических моделей. Третья глава описывает разработку приложения. В заключении подводятся итоги и определяются перспективы развития.
Актуальность темы
Актуальность темы обусловлена необходимостью автоматизации процессов принятия решений в условиях больших объёмов данных. По данным Финансового университета при Правительстве РФ, в 2023 году технологии сбора, обработки и анализа больших данных использовали 47 314 российских организаций — 19% организаций, применявших ИКТ, а технологии искусственного интеллекта — 15 320 организаций, или 6,2%. Современные организации накапливают значительные массивы информации, анализ которых традиционными методами затруднён. Применение методов Data Mining позволяет выявлять неочевидные закономерности и использовать их для прогнозирования и оптимизации. Разработка специализированных приложений, интегрирующих аналитические модели, обеспечивает доступность таких инструментов для конечных пользователей и повышает эффективность управленческих решений.
Степень разработанности темы
Проблематика систем поддержки принятия решений и методов интеллектуального анализа данных широко освещена в научной литературе. Среди зарубежных исследователей фундаментальный вклад внесли Э. Тан, М. Стейнбах, В. Кумар, Дж. Хан, М. Камбер, Я. Пей. В отечественной науке значимые результаты представлены в трудах А.А. Барсегяна, М.С. Куприянова, В.В. Степаненко, И.И. Холода, С.А. Айвазяна, В.С. Мхитаряна.
Объект и предмет исследования
Объект исследования — Объектом исследования являются методы и алгоритмы интеллектуального анализа данных (Data Mining), применяемые для извлечения закономерностей из структурированных наборов данных.
Предмет исследования — Предметом исследования является процесс разработки приложения для поддержки принятия решений, интегрирующего аналитические модели Data Mining и обеспечивающего пользовательский интерфейс для интерпретации результатов.
Цель и задачи работы
Цель работы — Целью выпускной квалификационной работы является разработка приложения для поддержки принятия решений, использующего методы Data Mining для извлечения закономерностей из данных предметной области и предоставления обоснованных рекомендаций пользователю.
Для достижения цели поставлены задачи:
- изучить понятие и задачи систем поддержки принятия решений;
- провести обзор методов Data Mining: классификации, кластеризации, регрессии и ассоциативных правил;
- рассмотреть подходы к интеграции аналитических моделей в приложения и методы оценки их качества;
- охарактеризовать предметную область и сформулировать задачу анализа данных;
- выполнить сбор, предобработку данных и отбор информативных признаков;
- построить и сравнить модели Data Mining, выбрать наиболее подходящую для решения задачи;
- спроектировать архитектуру и функциональные модули приложения;
- реализовать модуль расчёта и пользовательский интерфейс приложения;
- провести тестирование приложения и оценить практические результаты его применения.
Методы исследования
В работе используются методы системного анализа, интеллектуального анализа данных (классификация, кластеризация, регрессия, поиск ассоциативных правил), методы предобработки данных, а также методы проектирования и тестирования программного обеспечения.
Теоретическая и практическая значимость
Теоретическая значимость работы заключается в систематизации подходов к интеграции методов Data Mining в приложения поддержки принятия решений, а также в сравнительном анализе эффективности различных аналитических моделей на реальных данных.
Практическая значимость состоит в создании готового программного продукта, который может быть использован для автоматизации процессов принятия решений в конкретной предметной области, снижая трудоёмкость анализа данных и повышая обоснованность управленческих решений.
Структура работы
Работа состоит из введения, трёх глав, заключения, списка литературы и приложений. Во введении обоснована актуальность, сформулированы цель и задачи, определены объект и предмет исследования. Первая глава посвящена теоретическим основам систем поддержки принятия решений и методов Data Mining. Вторая глава содержит анализ предметной области, подготовку данных и построение аналитических моделей. Третья глава описывает проектирование, реализацию и тестирование приложения. В заключении подведены итоги и намечены направления дальнейшей работы.