Subiecte Siad Sem.2

UNIVERSITATEA "SPIRU HARET" FACULTATEA DE MANAGEMENT SPECIALITATEA .Contabilitate şi informatică de gestiune

SUBIECTE LA DISCIPLINA SISTEME INFORMATICE PENTRU ASISTAREA DECIZIEI TITULAR: Prof. univ. Alexandrescu Gelu Nr. crt. 1 2 3

4 5

DENUMIREA TEMEI

Asistarea deciziei economice. Definirea, locul şi rolul deciziei economice. Metode de asistare a deciziei economice.

6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

25 26

Sisteme informatice pentru asistarea deciziei bazate pe modele.

Sisteme informatice pentru asistarea deciziei bazate pe analiza şi sinteza datelor. Problematica generală. Depozite de date (Data

CONTINUTUL INTREBARILOR Definirea, rolul şi locul sistemelor informatice pentru asistarea deciziei Decizia: loc, rol, clasificare DecidenŃii: rol, asocierea tipurilor de sisteme informatice cu tipurile de decizii ConsideraŃii asupra asistării deciziilor Clasificarea sistemelor informatice pentru asistarea deciziei Sisteme suport pentru asistarea deciziei Subsistemul de gestiune a datelor Subsistemul de gestiune a modelelor Subsistemul de gestiune a cunoştinŃelor InterfaŃa cu utilizatorul ConsideraŃii referitoare la modele şi metode Algoritmi euristici Tabele de decizie şi arbori de decizie Optimizarea cu algoritmi – programare matematică Simularea Conceperea şi proiectarea modelului bazat pe simulare Simularea cu instrumente din Excel Teoria jocurilor Modelele predictive Programarea euristică Metoda utilităŃii globale maxime Sistemul de gestiune a modelelor Problematica generală Depozite de date (Data Warehouse). Definirea conceptului de depozit de date. Caracteristicile depozitelor de date Rafturile de date Memorii-tampon de date operaŃionale

BIBLIOGRAFI E Zenovic Gherasim, Doina Fusaru, Maria Andronie Andronie Maria, Sisteme informatice pentru asistarea deciziei economice, Editura FundaŃiei România de Mâine, Bucureşti, 2008

PAGINILE 11-14 14-18 18-21

21-26 26-28 28-29 29-31 31 32 33 33-36 36-38 38 39-44 44-46 46-57 57-70 70-76 77-78 78-79 79-81 81 82-84 84-92

92-93 93-94

27 28

Warehouse): definire, necesitate, avantaje şi dezavantaje, comparaŃie cu bazele de date, ciclul de viaŃă, modelare conceptuală, mod de utilizare

35

Depozite de date de tip întreprindere DiferenŃierea depozitului de date de baza de date Ciclul de viaŃă al depozitelor de date Modelarea conceptuală a depozitului de date Modul de utilizare a depozitului de date Mediul de depozitare al datelor Abordarea multidimensională a datelor stocate în depozite. Definirea şi caracterizarea OLAP (On Line Analytical Processing) Modelarea dimensională (cuburi OLAP) Baze de date multidimensionale

36

OperaŃii OLAP asupra hipercubului

29 30 31 32 33

34

37 38

39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57

Formule utilizate în bazele de date OLAP AplicaŃie privind analiza datelor cu Microsoft OLAP. Analiza problemei de rezolvat Definirea schemei bazei de date multidimensionale Exemple de sisteme (aplicaŃii) şi instrumente OLAP de firmă Problematica generală Definirea conceptului Data Mining Categorii de date care pot fi Data mining – „minerite” tehnologii dedicate Baza de date relaŃională extragerii Baza de date tranzacŃională cunoştinŃelor. Depozitul de date – Data Warehouse Problematica generală. Baza de date obiecturală Căutarea cunoştinŃelor Baza de date în tehnologii avansate şi verificarea Sistemul Data Mining ipotezelor. DestinaŃia Structura sistemului Data Mining şi caracteristicile Arhitectura sistemului Data Mining acŃiunilor de Data Clasificarea sistemelor Data Mining Mining. Exploatarea Rezultatele utilizării tehnologiei Data datelor – conŃinut şi Mining etape. RaŃionamentul Metodologii Data Mining bazat pe cazuri PerformanŃele procesului Data Mining Explorarea datelor – conŃinut şi etape RaŃionamentul bazat pe cazuri

Sisteme informatice pentru asistarea deciziei

94 94-95 95 96 96 96-97 97-101

101-104 104-105 105-106 106-107 118

118-132 132-134 135-139 139-143 144 144-146 146-150 150-155 155 155-162 196-201 201-213 213-217 218-220 221 221-223 223-225 226-227 227-229

SIAD MULTIPLE CHOICE 1. Procesul de modelare implică: 2.

Programarea euristică:

3. Care dintre următoarele subsisteme nu face parte din arhitectura unui sistem suport pentru SIAD (SSAD)? 4. Care dintre etapele de mai jos nu este specifică tehnicilor de Data Mining? 5. FuncŃiile unui SIAD sunt: 6. Un sistem suport pentru SIAD (SSAD) prezintă în arhitectura sa următoarele subsisteme: 7. Gradul de abstractizare al unui model este dat de mai multe criterii, după care se face şi clasificarea lor: 8.Principalele componente structurale ale modelului sunt: 9. În cazul programării euristice, spaŃiul de rezolvare a problemelor implică: 10. Pentru ca un depozit de date să poată fi procesat este necesară existenŃa: 11. Clasificarea deciziilor în funcŃie de nivelul decizional şi gradul de structurare este: 12. Care este varianta corectã pentru clasificarea deciziilor: 13. In asistarea deciziilor, pentru a găsi soluŃia optimă, metodele analitice utilizează: 14. Metodele de căutare exhaustivă au la bază: 15. Pentru procesul decizional structurat şi pentru cel semistructurat se pot folosi modelele cantitative bazate pe metode şi modele ale cercetării operaŃionale. Această abordare presupune automatizarea totală sau parŃială a procesului de adoptare a deciziei şi constă în următorii paşi: 16. Clasificarea SIAD-urilor se face după mai multe criterii, cel mai des utilizat fiind gradul de analiză a datelor pe care se bazează soluŃia: 17. Subsistemul de gestiune a datelor din arhitectura unui sistem suport pentru SIAD are următoarele componente: 18. Subsistemul de gestiune a modelelor din arhitectura unui sistem suport pentru SIAD are următoarele componente: 19. Analiza decizională conŃine: 20. În programarea euristică, când se execută evaluarea rezultatelor: 21. În programarea euristică, euristicile se pot grupa în:

22. Paşii de urmat într-un proces de simulare pot fi: 23. Pentru a alcătui un model de regresie se va Ńine cont de următoarele etape: 24. Pentru previzionarea variabilei Y din regresia liniară simplă Y=f(x) se poate folosi una din următoarele metode: 25. În raŃionamentul bazat pe cazuri, există două funcŃii fundamentale de prelucrare: 26. Metoda raŃionamentului bazat pe cazuri se poate aplica pentru: 27. Tehnicile de Data Mining se pot aplica: 28. Gradul de structurabilitate a deciziei depinde de: 29. Termenul de “asistare a deciziei” trebuie definit la modul general ca fiind:

30. Procesul de adoptare a deciziilor este constituit din următoarele etape: 31. Sistemele de asistare a deciziei orientate pe date: 32. Adoptarea deciziilor constituie un proces care pe lângă suportul tehnic are nevoie de un suport: 33. Sistemele informatice de asistare inteligentă a deciziei sunt sisteme informatice de asistare a deciziei bazate pe: 34. Caracteristicile principale ale SIAD (DSS) sunt: 35. Clasificarea sistemelor informatice de asistare a deciziei (SIAD), oferită de Holsapple şi Whinston, grupează sistemele SIAD în tipurile: 36. Sistemele informatice pentru asistarea deciziei de grup (Groupware) au ca scop: 37. Referitor la subsistemele componente ale unui sistem suport pentrru SIAD, care dintre afirmaŃiile prezentate mai jos nu este corectă? 38. Care dintre regulile prezentate mai jos nu există pentru soluŃia optimă a problemei de decizie multicriterială în condiŃii de incertitudine? 39. Care dintre metodele prezentate mai jos nu aparŃin programării liniare multidimensionale? 40. FacilităŃile oferite de un sistem de gestiune a modelelor (SGM) se pot grupa în categoriile:

41. Managerii utilizează sistemele informatice pentru: 42. În cazul deciziilor în condiŃii de risc:

43. În cazul deciziilor în condiŃii de certitudine: 44. În cazul deciziilor în condiŃii de incertitudine:

45. În etapa de alegere pentru adoptarea deciziei, metodele de căutare euristice se bazează pe: 46. Sistemele informatice de asistare a deciziei orientate pe date sunt rezultatul creării unor tehnologii speciale cum sunt: 47. DiferenŃa dintre sistemele informatice pentru management (MIS) şi sistemele informatice pentru asistarea deciziei, SIAD (DSS) constă în aceea că: 48. Sistemele informatice de sprijin al executivului, ESS (EIS), sunt sisteme informatice: 49. Modelarea este considerată esenŃială pentru sistemele informatice de asistare a deciziei şi implică: 50. Modelul unei probleme de programare liniară poate fi sintetizat astfel: 51. În SIAD-urile bazate pe analiza şi sinteza datelor, analiza datelor presupune: 52. În SIAD-urile bazate pe analiza şi sinteza datelor, rezultatul procesului de observare analitică este:

53. Programarea euristică prezintă o serie de avantaje:

54. Programarea euristică prezintă o serie de dezavantaje: 55. Sistemele de asistare a deciziei care au la bază sinteza şi analiza datelor realizează: 56. Principalele inconveniente ale depozitelor de date sunt: 57. Fără ca utilizatorul să poată interveni, în depozitul de date se pot stoca: 58. DiferenŃele dintre depozitul de date şi baza de date sunt următoarele: 59. Depozitul de date (Data Warehouse) este o colecŃie de date care sprijină decizia, în care datele sunt: 60. Una din subetapele design-ului sau modului de concepere al procesului de asistare a deciziei este modelarea ce implică: 61. Mediul în care se construieşte şi se exploatează un depozit de date conŃine următoarele elemente: 62. Dintre cele 11 principii formulate de Ted Codd (1992) care stau la baza tehnologiei OLAP, fac parte: 63. Dintre cele 11 principii formulate de Ted Codd (1992) care stau la baza tehnologiei OLAP, fac parte: 64. Dintre cele 11 principii formulate de Ted Codd (1992) care stau la baza tehnologiei OLAP, fac parte: 65. Testul cu 5 reguli denumit FASMI (Fast Analysis Shared Multidimensional Information) pentru definirea caracteristicilor unei aplicaŃii OLAP se referă la: 66. Testul cu 5 reguli denumit FASMI (Fast Analysis Shared Multidimensional Information) pentru definirea caracteristicilor unei aplicaŃii OLAP se referă la: 67. Tehnologia OLAP se caracterizează prin: 68. În tehnologia OLAP, perspectiva multidimensională al datelor este dată de posibilitatea:

69. În tehnologia OLAP, conceptul de dimensiune este folosit: 70. În tehnologia OLAP, unităŃile de măsură pot constitui: 71. În tehnologia OLAP, fiecare dimensiune este definită în genere prin mai multe: 72. În tehnologia OLAP, nivelele unei dimensiuni formează: 73. În tehnologia OLAP, modelarea multidimensională este caracterizată de câteva concepte de bază: 74. Cubul OLAP este: 75. În cubul OLAP, prin operaŃia drill-down se obŃin: 76. În cubul OLAP, prin operaŃia drill-up se obŃin: 77. În cubul OLAP, prin secŃionare (slicing) se creează posibilitatea: 78. În cubul OLAP, defalcarea (dicing) este operaŃia de: 79. 79. Pentru realizarea unei aplicaŃii OLAP sunt necesare următoarele etape: 80. .

Depozitele de date:

81. În Microsoft SQL Server, crearea cuburilor OLAP se efectuează prin parcurgerea următorilor paşi: 82. Ciclul în utilizarea Data Mining cuprinde etapele: 83. DestinaŃia acŃiunilor oferite de Data Mining este: 84. Data Mining presupune parcurgerea următoarelor etape: 85. Factorii care au dus la necesitatea Data Mining sunt: 86. InformaŃiile care se pot obŃine prin Data Mining sunt: 87. Prin tehnologia Data Mining se prelucrează date care se referă la: