SIAD

Sisteme informatice de asistare a

deciziei
Management superior Decizii nestructurate

Management mediu Decizii semistructurate

Management operaţional Decizii structurate

Angajaţi individuali
 Intrarea-ieşirea
Intrarea-ieşirea de
de pe
pe pieţe
pieţe
Obiectivele
Obiectivele organizaţiei
organizaţiei pe
pe termen
termen
lung
lung
Management superior Bugetul
Bugetul global
global

Alocarea
Alocarea resurselor
resurselor pe
pe
departamente
departamente şişi manageri
manageri
Management mediu Elaboarea
Elaboarea planurilor
planurilor de
de marketing
marketing
Bugetele
Bugetele departamentale
departamentale

Evaluarea
Evaluarea performanţelor
performanţelor
angajaţilor
angajaţilor
Deciziile
Deciziile de
de rutină
rutină privind
privind creditele
creditele
Management operaţional Ofertele
Ofertele speciale
speciale pentru
pentru anumiţi
anumiţi
Angajaţi individuali clienţi
clienţi
Management superior SICE(EIS ,ESS)

Management mediu SSD, SADG, SIC(MIS)

Management operaţional SSD, SADG,SIC

Angajaţi individuali
 Tipologie
• SIAD (SSD, SICE, SADG)
– Bazate pe modele
– Bazate pe date
– Depozite de date şi proiecţie multidimensională (OLAP)
– Data mining
 Adoptarea deciziilor - Business
Intelligence

SSD SICE SADG SIC

Knowledge On-Line Analytical Data mining

Management (KM) Processing (OLAP)

Supply Chain Enterprise Resource Customer

Management (SCM) Planning (ERP) Relationship
Management (CRM)
Care este Informare SIC (MIS) –raportări curente şi
problema ? (intelligence) rapoarte de excepţie
SSD – data warehouse, data
Problema mining
decizională

Ce soluţii SSD – modele analitice şi

Proiectare
există ? depozite de date pt analiză şi
identificarea soluţiilor posibile
Modele şi
alternative
Care este cea SSD – modele analitice şi
mai bună Alegere depozite de date pt identificarea
soluţie ? soluţiei optime
SADG – comunicare online şi
Decizie colaborare

Soluţia este
funcţională ? SIC (MIS) –raportări curente şi
Implementare şi
Poate fi aplicată rapoarte de excepţie
analiza
mai bine ? SSD – modele analitice pt
rezultatelor
ajustarea soluţiei
 Internet,
Alte sisteme
intranet,
informatice
extranet

Gestiunea Gestiunea
Modele
datelor modelelor

Gestiunea
cunoştinţelor

Interfaţa cu
utilizatorul

Baza de
cunoştinţe a Utilizator
organizaţiei
 Baza de Dicţionarul
modele modelelor

Procesor de
Sistem de creare,
gestiune a execuţie şi
bazei de integrare a
modele modelelor

Subsistem de Subsistem de Subsistem de

gestiune a gestiune a gestiune a
datelor dialogului cunoştinţelor
Cerinţe pentru informaţiile prelucrate
în SIAD
• Acurateţe: reprezentarea este reală ?
• Integritate: elementele şi legăturile dintre ele sunt
corect definite ?
• Consistenţă: definirea datelor este consistentă logic ?
• Completitudine: datele disponibile sunt complete ?
• Validitate: datele au valori în limite juste ?
• Operativitate: datele sunt disponibile când este nevoie
de ele ?
• Accesibilitate: datele sunt accesibile, comprehensibile
şi utilizabile ?
 Tendinţe
• Informaţii detaliate despre organizaţie, larg
disponibile
• Extinderea drepturilor şi responsabilităţilor
decizionale
• Reţelele intranet şi portalurile
• Personalizarea şi filtrarea informaţiilor
• Reţelele extranet şi comerţul colaborativ
• Instrumentele informatice pentru lucrul în
echipă
SIAD bazate pe modele
Model = abstractizare a realităţii
 Categorii de modele
Clasa de modele Obiective Metode de rezolvare
Soluţie optimă la o Găsirea celei mai bune Tabele de decizie
problemă cu puţine variante de rezolvare Arbori de decizie
alternative
Soluţie optimă obţinută Găsirea soluţiei optime prin Programare liniară
prin recurgere la algoritmi procese iterative, complexe

Soluţie optimă obţinută Găsirea soluţiei optime într- Modele de tip stoc
prin formule de calcul un singur pas

Simulare Găsirea unei soluţii Simulări, scenarii

acceptabile (optime ?) prin
explorarea alternativelor
posibile
 Categorii de modele
Clasa de modele Obiective
Euristici Găsirea unei soluţii
acceptabile (optime ?) prin
aplicare de reguli
Modele predictive Previzionarea viitorului
Metode de rezolvare
Programare euristică
Sisteme expert
Modele de previziune
 Tabele de decizie
• stările naturii: ansamblul de condiţii în care se
desfăşoară o acţiune
• criteriile decizionale: punctele de vedere din care este
analizată problema
• variantele (alternativele) decizionale: modalităţile de
acţiune selectabile (dar cu existenţă independentă de
voinţa decidentului)
• consecinţele decizionale: efectele compuse ale
variantelor, criteriilor şi stărilor naturii;
numărul de consecinţe ≥ numărul de criterii
 Stări ale naturii
cu
probabilităţile Exemplu
lor de apariţie

Starea naturii
Creştere Stagnare Inflaţie Valoare
Alternativa economică p = 30% p=20% aşteptată
p=50%
Obligaţiuni 12.0 6.0 3.0 8.4
Acţiuni 15.0 3.0 -2.0 8.0
Certificate de 6.5 6.5 6.5 6.5
depozit

Criterii

Variante Consecinţe
decizionale
 Fiecare criteriu
poate primi Decizii multicriteriale
ponderi

Stările naturii
SN 1 ... SN n
Variante
Crit 1 ... Crit m Crit 1 ... Crit n

V1
...
Vp

Utilitate: mărime subiectivă U = (val crt –U min)/

care exprimă preferinţele (U max – U min)
sau aprecierile decidentului
 Exemplu
Starea naturii: stagnare
Randament Siguranţă Valoare
Alternativa aşteptată
0,428571
Obligaţiuni 6.0 Sigure 0
1
Acţiuni 3.0 Nesigure
Certificate de 6.5 F. sigure
depozit

U F. sigure = 1
U = (6-3)/(6.5-3) U Nesigure = 0
= 0,857143 U Sigure = 0,5
Exemplu
=IF(E4="mediu",0.5,IF(E4="slab",0,1))
 Maximin
aij  a 0
j
uij 
a a
1
j
0
j
1
a j
Consecința cea mai favorabilă pentru criteriul j

0
a j
Consecința cea mai nefavorabilă pentru criteriul j

A  max i min j {uij }

 =IF(C$15="max",
(C17-MIN(C$17:C$21))/(MAX(C$17:C$21)-
MIN(C$17:C$21)),
(C17-MAX(C$17:C$21))/(MIN(C$17:C$21)-
MAX(C$17:C$21)))

=MAX(H29:H33)

=MIN(C29:G29)
 Maximax

A  max i max j {uij }

 =MAX(C41:G41)
=MAX(H41:H45)
 Metoda conjunctivă
• elimină alternativele care nu se încadrează în
limite minime prestabilite
=IF(OR(AND(C$4="max";C5>=C$11);AND(C$4="min";C5<=C$11));0;
1)
=IF(SUM(C13:G13)=0;"Acceptabila";"Nu")
 Metoda aditivă simplă
• ia în considerare coeficienții de importanță
(preferință) a criteriilor
• selectează alternativa cu scorul cel mai mare
 n
A  max i ( uij * k j )
j 1
=SUMPRODUCT(C54:G54,$C$53:$G$53)
 Programarea liniară
• Variabile de decizie: elementele măsurabile
pentru care se caută valori
• Restricţii: relaţii de egalitate sau inegalitate
asupra variabilelor de decizie
• Funcţia obiectiv: relaţie liniară între variabilele
de decizie şi scopul urmărit – al cărei valoare
trebuie maximizată sau minimizată
 Forma generală

• max (min) f(x1,x2,...xn) = c1x1+c2x2+...cnxn

• a11x1+a12x2+...a1nxn ≤ b1 funcţia
a21x1+a22x2+...+a2nxn≥b2 obiectiv

...
am1x1+am2x2+...+amnxn ≤ bm

restricţii
 Exemplu
• Se dau cinci titluri A,B,C,D,Bt (bilete de
trezorerie)
Volatilitatea β Dispersia reziduală

A 0,80 0,04
B 1,00 0,20
C 1,80 0,12
D 2,20 0,40
Bt 0,00 0,00
• Rentab activelor fără risc = 6%
• Rentab pieţei = 15%
• Dispersia (varianţa) rentab pieţei = 3%
• Se utilizează modelul Sharpe
• Se cere să se găsească compoziţia optimă a
portofoliului pentru:
– maximizarea rentabilităţii, fără a creşte riscul
peste o limită dată;
– minimizarea riscului, fără a diminua rentabilitatea
sub o limită dată;
• Variabilele de decizie: xA,xB,xC,xD,xBt -ponderea
procentuală a fiecărui titlu în portofoliul total
• Funcţia obiectiv:
Rentab activelor fără risc +(Rentab pieţei
-Rentab activelor fără risc)*∑(xi*βi) = MAX
• Restricţii:
xA,xB,xC,xD,xBt ≥0
xA+xB+xC+xD+xBt = 100
riscul total ≤ riscul portofoliului în care toate
titlurile au aceeaşi pondere (7,1%)
• Funcţia obiectiv:
Dispersia rentab pieţei * (∑(xi*βi))2 +
∑(xi2*dispersia rezidualăi) = MIN
• Restricţii:
xA,xB,xC,xD,xBt ≥0
xA+xB+xC+xD+xBt = 100
rentab totală≥ rentab portofoliului în care
toate titlurile au aceeaşi pondere (16,4%)
 =E9*B9 =E9^2*C9

=C5+(C6-C5)*F15 =G5*F15^2+G15
Soluţia
optimă
 Simularea
• metodă de rezolvare a problelemor complexe,
cărora nu le poate fi aplicată o metodă de
optimizare
• presupune testarea valorilor diferitelor
variabile de decizie sau necontrolabile ale
modelului şi influenţa acestora asupra
valorilor variabilelor rezultat – analiză de tip
what if
 Etape în realizarea simulării

1. Definirea problemei
2. Realizarea modelului de simulare: specificarea
variabilelor şi a relaţiilor dintre ele
3. Testarea şi validarea modelului
4. Stabilirea modalităţii de efectuare a
experimentelor: perioada de simulare, limitele
(cel mai bun şi cel mai prost scenariu)
5. Realizarea simulării
 Etape în realizarea simulării

6. Evaluarea rezultatelor
7. Implementarea rezultatelor
 Avantaje
• este un model construit din perspectiva decidentului
• modelele sunt construite pentru probleme particulare,
decidentul nu trebuie să generalizeze aspectele unei
anumite situaţii
• surprinde complexitatea reală a problemei, nefiind
necesare simplificări
• este singura metodă din SIAD care poate fi aplicată
problelemor nestructurate
• poate fi folosită pentru o mare diversitate de probleme
manageriale
• este susţinută de produse software uşor de utilizat
 Limite

• nu asigură obţinerea unei soluţii optime a problemei

• soluţiile simulărilor anterioare nu pot fi fructificate,
deoarece modelul folosit corespunde unei singure
probleme
• este atât de familiară şi facilă, încât există riscul
renunţării nejustificate la alte metode analitice
• construirea modelului poate solicita mult timp şi
costuri ridicate
 Simularea Monte Carlo
• Se bazează pe efectuarea de iteraţii multiple,
pentru a determina valoarea aşteptată a
variabilei vizate.
• Paşii urmaţi:
– generarea de valori aleatoare pt
variabila/variabile
– însumarea rezultatelor calculate pentru fiecare
valoare generată aleator
– valoarea asteptata este media valorilor calculate
în pasul precedent
 =PMT(F4/12;$B$2;-$B$1)*$B$2-$B$1

=RAND()*($F$5-$F$4)+$F$4

=PMT(G14/12;$B$2;-$B$1)*$B$2-$B$1
 =AVERAGE(G7:G8)/50

=STDEVP(G7:G8;AVERAGE(G7:G8)) =(3*H2/I2)^2

=3*I8/SQRT(J2)

=STDEVP(H14:H591)
=min +RAND()*(max – min)

=D5+RAND()*(E5-D5)

=D6+RAND()*(E6-D6)
 Rata
dobânzii;durata;creditul
în lei

=PMT(F5/12;B4*12;-B3*F6)

=B3*F6
=F7*B4*12-(B3*F6)
Determinarea numărului de iteraţii
• Monte Carlo determină valoarea aşteptată şi
estimează nivelul de eroare al estimării, care
este proporţional cu numărul de iteraţii.
3b
e
N
e – eroarea
b - abaterea standard (m p) a variabilei aleatoare
N - numărul de iteraţii
=PMT(Credit!D5/12;Credit!B4*12;-Credit!B3*Credit!D6)*Credit!B4*12-
Credit!B3*Credit!D6

=AVERAGE(M3:M4)

=STDEVP(M3:M5)

=AVERAGE(M3:M4)/50
=(3*M6/M7)^2
=Credit!$D$5+RAND()*(Credit!$E$5-Credit!$D$5)

=PMT(A2/12;Credit!$B$4*12;-Credit!$B$3*Simulare!B2)*Credit!$B$4*12-Credit!
$B$3*Simulare!B2
=AVERAGE(C:C) =MEDIAN(C:C)

=STDEV(C:C)
=I3/SQRT(F5)
 =QUARTILE(C:C;1)

=QUARTILE(C:C;3)

=PERCENTILE(C:C;0,05) =PERCENTILE(C:C;0,95)
 =B20/B18

=KURT(Simulare!C:C)

=(B18-F20)/B18
 =FREQUENCY(C2:C5001;E26:E66)
=($F$4-$F$3)/40+E26

=SUM($F$26:F28)/$F$5
Nr iteratii

=(F27/$F$5)/($E$27-$E$26)
 Programarea euristică
• Euristica: ansamblul strategiilor care permit
explorarea spaţiului de căutare pentru o
soluţie satisfăcătoare aferentă unei probleme
complexe, nestructurate, pentru care nu se
poate defini sau nu este eficient să se utilizeze
un algoritm de optimizare
• euristicile pot fi cantitative (aplicabile în SIAD)
sau calitative (aplicabile în sisteme expert)
 Aplicabilitate

• date insuficiente sau inexacte

• problema este prea complexă pentru a putea
fi rezolvată prin modele de optimizare
• nu există soluţii algoritmice iar simularea
recurge la simplificări inacceptabile
• decizia trebuie adoptată rapid iar
automatizarea acestui proces nu este fezabilă
• rezolvarea recurge la prelucrări simbolice
 Avantaje

• recurge la modele uşor de înţeles, de explicat

şi de implementat (oamenii efectuează
inconştient raţionamente euristice)
• pot produce mai multe soluţii acceptabile
• are efect favorabil asupra creativităţii
managerilor
• pot încorpora inteligenţă în procesul de
căutare a soluţiilor
 Modele predictive
• Regresia
– liniară simplă
Y = mX +b +u
– liniară multiplă
Y = m1X1 +...+mnXn+b
=K1*$B$6+$C$6
 =P1*$B$6+$C$6

=FORECAST(P1;B3:M3;B1:M1)
Trimestrul 1 2 3 4 5 6 7 8 9 10 11 12

Vânzările 22 28 22 26 34 18 30 38 30 40 50 46

Publicitatea 0,8 1 1,6 2 2,2 2,6 3 3 4 4 4 4,6

 m b
Coef corelaţie=0,7343
5,801233 16,1433

Trimestrul 1 2 3 4 5 6 7 8 9 10 11 12

Vânzările 22 28 22 26 34 18 30 38 30 40 50 46

Publicitatea 0,8 1 1,6 2 2,2 2,6 3 3 4 4 4 4,6

Dreapta
calculată 20,78 21,94 25,43 27,75 28,91 31,23 33,55 33,55 39,35 39,35 39,35 42,83
 Previziuni

Trimestrul 13 14 15 16

Vânzările 40,51 41,67 42,25 43,41

Publicitatea 4,2 4,4 4,5 4,7