После того как данные получены, очищены, приведены к единому виду и помещены в хранилище, их необходимо анализировать. Для этого используется технология OLAP.
Высокая скорость. Анализ должен производиться одинаково быстро по всем аспектам информации. При этом допустимое время отклика составляет не более 5 секунд.
Анализ. Должна существовать возможность производить основные типы числового и статистического анализа – предопределенного разработчиком приложения или произвольно определяемого пользователем.
Разделение доступа. Доступ к данным должен быть многопользовательским, при этом должен контролироваться доступ к конфиденциальной информации.
Многомерность. Основная, наиболее существенная характеристика OLAP.
Работа с информацией. Приложение должно иметь возможность обращаться к любой нужной информации, независимо от ее объема и места хранения.
Хранение данных OLAP. В первую очередь нужно сказать о том, что, поскольку аналитик всегда оперирует некими суммарными (а не детальными) данными, в базах данных OLAP практически всегда хранятся наряду с детальными данными и так называемые агрегаты, то есть заранее вычисленные суммарные показатели. Примерами агрегатов может служить суммарный объем продаж за год или средний остаток товара на складе. Хранение заранее вычисленных агрегатов – это основной способ повышения скорости выполнения OLAP-запросов.
Однако построение агрегатов может привести к значительному увеличению объема базы данных.
Другой проблемой хранения OLAP-данных является разреженность многомерных данных. Например, если в 2000 году продаж в некотором регионе не было, то на пересечении соответствующих измерений куба не будет никакого значения. Если OLAP-сервер будет хранить в таком случае некое отсутствующее значение, то при значительной разреженности данных количество пустых ячеек (требующих, тем не менее, места для хранения) может во много раз превысить количество заполненных, и в результате общий объем неоправданно возрастет. Решения, предлагаемые для этого компанией Microsoft, приводятся ниже.
Разновидности OLAP. Для хранения OLAP-данных могут использоваться:
Специальные многомерные СУБД (OLAP-серверы). В этом случае говорят о MOLAP (Multidimensional OLAP). При выполнении сложных запросов, анализирующих данные в различных измерениях, многомерные СУБД обеспечивают большую производительность, чем реляционные. При этом скорость выполнения запроса не зависит от того, по какому измерению производится «срез» многомерного куба.
Традиционные реляционные СУБД – ROLAP (Relational OLAP). Применение специальных структур данных – схемы «звезды» (star) и «снежинки» (snowflake), а также хранение вычисленных агрегатов делают возможным многомерный анализ реляционных данных. Реляционные СУБД исторически более привычны, и в них сделаны значительные инвестиции, поэтому пока ROLAP более распространен.
Комбинированный вариант – HOLAP (Hybrid OLAP), совмещающий и тот и другой вид СУБД. Одним из вариантов совмещения двух типов СУБД является хранение агрегатов в многомерной СУБД, а детальных данных (имеющих наибольший объем) – в реляционной.
Компания Microsoft предлагает следующие средства OLAP-анализа:
В комплект Microsoft SQL Server 7.0 входит полнофункциональный OLAP-сервер – SQL Server OLAP Services. Сервер, естественно, предназначен для обслуживания запросов клиентов, а для этого требуется некий протокол взаимодействия и язык запросов. Например, для взаимодействия клиента с серверной реляционной СУБД – SQL Server – используются протоколы ODBC или OLE DB и язык запросов SQL. Для доступа к OLAP-серверу компанией Microsoft был разработан протокол OLE DB for OLAP и язык запросов к многомерным данным – MDX (MultiDimensional eXpression). Аналогично тому, как для упрощения и удобства над OLE DB разработан слой объектов ADO (ActiveX Data Objects), над OLE DB for OLAP построен ADO MD (MultiDimensional ADO).
Средства анализа данных в Microsoft Office 2000. Microsoft Excel 2000 содержит новый механизм сводных таблиц – OLAP PivotTable, который заменил собой одноименный механизм предыдущих версий. Наряду с прежними возможностями анализа реляционных данных, механизм PivotTable теперь включает возможности анализа OLAP-данных, то есть выступает в качестве OLAP-клиента. В качестве сервера может использоваться Microsoft SQL Server 7.0, а также любой продукт, поддерживающий интерфейс OLE DB for OLAP. Механизм сводных таблиц Excel в полном объеме поддерживает возможности, предоставляемые описанным выше сервисом PivotTable Services (PTS). Таким образом, анализируемые OLAP-данные могут находиться как в локальных кубах, так и на OLAP-сервере.
Microsoft Office 2000 содержит также набор ActiveX-компонентов, называемых Office 2000 Web Components, которые позволяют организовать анализ OLAP-данных средствами просмотра Web. К ним относятся следующие четыре компонента:
Spreadsheet – реализует ограниченную функциональность листа Excel.
PivotTable – “близнец” сводных таблиц Excel; может работать с данными OLAP Services.
Chart – позволяет строить диаграммы, основанные как на реляционных, так и на OLAP-данных.
Data Source – служебный компонент для привязки остальных компонентов к источнику данных.
При работе с OLAP-данными Web Components обращаются к PivotTable Services.
5.5. Т ЕХНОЛОГИЯ АНАЛИЗА «DATA MINING»
Появление технологии Data Mining связано с необходимостью извлекать знания из накопленных информационными системами разнородных данных. Возникло понятие, которое по-русски стали называть «добыча», «извлечение» знаний. За рубежом утвердился термин «Data Mining».
Широко использовавшиеся раньше методы математической статистики оказались полезными главным образом для проверки заранее сформулированных гипотез (verification-driven data mining) и для «грубого» разведочного анализа, составляющего основу оперативной аналитической обработки данных (online analytical processing – OLAP).
Ключевое достоинство «Data Mining» по сравнению с предшествующими методами – возможность автоматического порождения гипотез о взаимосвязи между различными параметрами или компонентами данных. Работа аналитика при работе с традиционным пакетом обработки данных сводится фактически к проверке или уточнению одной-двух порожденных им самим гипотез. В тех случаях, когда начальных предположений нет, а объем данных значителен, существующие системы теряют работоспособность и превращаются в пожирателей времени аналитика.
Еще одна важная особенность систем Data Mining возможность обработки многомерных запросов и поиска многомерных зависимостей. Уникальна также способность систем data mining автоматически обнаруживать исключительные ситуации – т.е. элементы данных, “выпадающие” из общих закономерностей.
Выделяют пять стандартных типов закономерностей, которые позволяют выявлять методы Data Mining
Поиск шаблонов производится методами, не ограниченными рамками априорных предположений о структуре выборки и виде распределений значений анализируемых показателей. Примеры заданий на такой поиск при использовании Data Mining приведены в таблице 1.
Таблица 1 – Сравнение формулировок задач при использовании методов OLAP и Data Mining
Data Mining является мультидисциплинарной областью, возникшей и развивающейся на базе достижений прикладной статистики, распознавания образов, методов искусственного интеллекта, теории баз данных и др. (см. рис. 2).
Рис.2. Data Mining как мультидисциплинарная система
Системы Data Mining интегрируют в себе сразу несколько подходов, но, как правило, с преобладанием какого-то одного компонента.
Приведем примеры некоторых возможных бизнес-приложений Data Mining.
Предприятия розничной торговли сегодня собирают подробную информацию о каждой отдельной покупке, используя кредитные карточки с маркой магазина и компьютеризованные системы контроля. Типичные задачи, которые можно решать с помощью DataMining в сфере розничной торговли, это анализ покупательской корзины, исследование временных шаблонов, создание прогнозирующих моделей.
Анализ покупательской корзины (анализ сходства) предназначен для выявления товаров, которые покупатели стремятся приобретать вместе. Знание покупательской корзины необходимо для улучшения рекламы, выработки стратегии создания запасов товаров и способов их раскладки в торговых залах.
Исследование временных шаблонов помогает торговым предприятиям принимать решения о создании товарных запасов. Оно дает ответы на вопросы типа: «Если сегодня покупатель приобрел видеокамеру, то через какое время он вероятнее всего купит новые батарейки и пленку?».
Создание прогнозирующих моделей дает возможность торговым предприятиям узнавать характер потребностей различных категорий клиентов с определенным поведением, например, покупающих товары известных дизайнеров или посещающих распродажи. Эти знания нужны для разработки точно направленных, экономичных мероприятий по продвижению товаров.
Достижения технологии Data Mining используются в банковском деле для решения следующих распространенных задач:
Выявление мошенничества с кредитными карточками. Путем анализа прошлых транзакций, которые впоследствии оказались мошенническими, банк выявляет некоторые стереотипы такого мошенничества.
Сегментация клиентов. Разбивая клиентов на различные категории, банки делают свою маркетинговую политику более целенаправленной и результативной, предлагая различные виды услуг разным группам клиентов.
Прогнозирование изменений клиентуры. Data Mining помогает банкам строить прогнозные модели ценности своих клиентов и соответствующим образом обслуживать каждую категорию.
Страховые компании в течение ряда лет накапливают большие объемы данных. Здесь также можно использовать методы Data Mining: для выявления мошенничества и анализа риска.
Выявление мошенничества. Страховые компании могут снизить уровень мошенничества, отыскивая определенные стереотипы в заявлениях о выплате страхового возмещения, характеризующих взаимоотношения между юристами, врачами и заявителями.
Анализ риска. Путем выявления сочетаний факторов, связанных с оплаченными заявлениями, страховщики могут уменьшить свои потери по обязательствам. Известен случай, когда в США крупная страховая компания обнаружила, что суммы, выплаченные по заявлениям людей, состоящих в браке, вдвое превышают суммы по заявлениям одиноких людей. Компания отреагировала на это новое знание пересмотром своей общей политики предоставления скидок семейным клиентам.
В настоящее время для решения задач DM используются нейросетевые технологии, статистические пакеты SAS, SPSS, STATISTICA, STATGRAPHICS и др. Исследование данных (Data Mining – DM) – одно из самых ценных новшеств SQL Server 2000.
В версии SQL Server 7.0 специалисты Microsoft впервые реализовали аналитическую службу OLAP, предоставляющую возможности составления нерегламентированных (гибких) запросов и анализа данных. В процессе работы с нерегламентированными запросами аналитик точно знает, на какие вопросы клиент хотел бы получить ответы, и просто извлекает нужную информацию из куба OLAP. Например, управляющий заведением типа Fast-food мог бы спросить: “Какова тенденция роста доходов и прибыли от продажи гамбургеров за последние четыре квартала?”
При проведении специального анализа данных аналитик имеет представление о том, что интересует его клиента, но перечня точно сформулированных вопросов у него нет. Например, в компании известно, что некоторые принадлежащие ей магазины розничной торговли не приносят дохода, но никто не понимает, чем это вызвано. Аналитик начинает навигацию по кубу данных OLAP, следуя за предположением, которое кажется ему наиболее верным. При этом он то углубляется в детали, то вращает размерности многомерного куба данных.
Исследование данных средствами DM отличается и от работы с нерегламентированными запросами, и от специального анализа данных. При проведении исследования данных службы Analysis Services путешествуют по информационным измерениям самостоятельно, отыскивают данные, которые относятся к делу, и представляют эти данные пользователю.
SQL Server 2000 применяет для предоставления возможностей DM новый интерфейс приложений (API), называемый OLE DB for Data Mining (OLE DB for DM).
В состав SQL Server 2000 вошли два алгоритма DM, так называемые деревья принятия решений и алгоритм кластеризации.
Познакомьтесь с примерами трактовки понятия «новость», приведёнными в книге Я. С. Воскобойникова и В. П. Юрьева «Журналист и информация. Профессиональный опыт западной прессы» (М.г 1993. С. 47–52). Проанализируйте приёмы раскрытия содержания понятий, укажите отступления от требований логики.
Что такое новости? – Каждый день и даже каждую секунду в мире происходит что-то важное или просто интересное – в политике и экономике, науке и технике, культуре или каких-то других, порой самых неожиданных сферах нашей жизни.
Новостная информация для массовой аудитории – это прежде всего сообщения об актуальных проблемах в разных странах и на международной арене, которые «делают историю» – в самом широком толковании этого понятия.
Новостная информация – это сообщения «отовсюду обо всём», в которых рассказывается о самых разных ситуациях из «прозы» повседневной жизни. Это пёстрая мозаика всевозможных местных событий и проблем, так или иначе заслуживающих внимания широкой аудитории.
Новостная информация – это довольно ёмкое понятие.
Новости сегодняшней жизни – это бесплатное приложение к вчерашним газетам.
Новости – что-то такое, о чём прежде не было известно, новые сведения или свежая информация.
Новости – сообщение о чём-то новом или о том, что произошло совсем недавно.
Новость – человек, факт, событие, проблема или ещё что-то такое, к чему стоит привлечь внимание.
Новости – публикации в средствах массовой информации о текущих событиях или проблемах или вообще о чём-то интересном или важном.
Новости – название или часть названия очень многих газет, журналов, бюллетеней информационных агентств или разных ведомств и учреждений.
Хорошая новость – не новость.
Нет новостей – это уже хорошая новость.
Новости – это проза повседневной жизни. Они пахнут пылью улиц и потом работяг. Это – продукт деятельности человека, они должны быть написаны таким языком, который полон жизни и привлекательности, пусть даже не всегда красивым. Это — часто не литература, но хорошо написанное сообщение, отражающее реальную жизнь.
Когда собака укусила человека – это не новость, а факт. Но вот когда человек укусит собаку – это уже новость.
В ежедневном потоке информации новостью нередко бывает такая ситуация: все газеты день за днём сообщали, что вот-вот должно произойти важное событие, но вдруг оказывается, что все ожидания напрасны, так как оно просто не состоится. Американцы в таких случаях любят говорить: главный сюрприз в том, что вообще не будет (или не было) сюрпризов. Вспомните такой хрестоматийный пример: «Слухи о моей кончине явно преувеличены» – то есть новостью может стать не только сама информация, но и её опровержение.
Охарактеризуйте приёмы раскрытия содержания терминов в статье, популяризирующей научные знания.
Все элементы, о которых мы говорили выше, поглощаются растением в сравнительно больших количествах. Они носят название макроэлементов (от слова макро, что значит большой). Кроме них, имеются и другие, которые растения поглощают в незначительных количествах. Эти элементы получили название микроэлементов (микро означает маленький).
В тексте: Местные клевера, распространённые в Московской области, представляют собой не сорт, а популяцию, которая, как известно, тем и отличается от сорта, что представляет собой соединение различных растений.
В сноске: Популяция – это соединение различных растений (или особей животного мира), более или менее однородных по своим биологическим свойствам, хозяйственным признакам и происходящих из одного района.
Установите вид определений, приёмы раскрытия содержания понятий в объяснениях, включённых в журналистский текст. Проверьте правильность определений. Внесите необходимую правку.
Пластиковая карта – популярное во всём мире электронное средство безналичного платежа. Сегодня с картой «Инкомбанк – Visa» в кармане вы можете спуститься утром в супермаркет и купить всё, что вам нужно к завтраку – действительно, «без рубля в кармане», но всё имея с собой.
Чиповая карта представляет собой компьютер: карта с микропроцессором и блоком памяти вместо обычной магнитной ленты. Карта содержит в себе несколько счетов: рублёвый, валютный, телефонный, для оплаты бензина, для покупок в магазинах, для коммунальных платежей.
Всё это привело к тому, что российские торговцы хлопком (трейдеры) более активно подключились к его поставкам в текстильные центры столицы.
Музыкально-поэтическая гостиная – это не собрание узкого круга посвящённых лиц и не великосветский салон. Участником вечеров может стать каждый.
Перед вами «Кадиллак» 1938 года выпуска, на котором ездили Рузвельт и Трумэн. Сзади машины приделаны подножки для охраны, но обратите внимание – автомобиль открытый.
Я категорически против приватизации рынка. Рынок – это кусок земли, отведённый для того, чтобы любой гражданин Москвы, России и мира мог приехать и продать свой товар. Лишать его этой возможности – преступление.
Современные торговые весы – важный элемент при покупке товаров в любом продовольственном магазине. На этих весах можно взвесить товар от 40 г до 5 кг, при этом покупатель видит все параметры покупки: массу, цену за килограмм, стоимость, итоговую сумму. Но и это не предел. Сотрудники фирмы не останавливаются на достигнутом, разрабатывают новые модели.
Беспризорность или безнадзорность? Нашему слуху больше привычно слово «беспризорность» (кто не помнит отчаянных малолетних беспризорников из легендарной «Республики ШКИД»?). Но беспризорность – это уже крайняя степень безнадзорности. Если беспризорнику некуда и не к кому идти, то безнадзорный ребёнок – это любой ребёнок, находящийся в трудной жизненной ситуации.
Один из критериев экспертной оценки видеофрагментов – действия. Это всё, что угодно, например: возмущается чем-либо, спрашивает, просит чего-либо, уходит от ответа, запрещает, давит, нажимает, делает вид, что поддерживает, обманывает, соглашается.
Ложная этимология – именно так называется страсть объяснять непонятное через понятное.
Что касается термина, то есть работы на давальческом сырье, когда, как часто говорят, не вникая в суть проблемы, наши заводы превращаются просто в перерабатывающий цех для зарубежной компании, то тут на вещи надо смотреть трезво.
Есть такое понятие «продовольственная безопасность»: на сколько процентов страна может обеспечить себя своими продуктами. По мировым меркам считается, что продовольственная безопасность нарушается, когда импорт составляет более 20%.
Управление профессионального менеджмента является идеальным звеном между клиентом и отделами банка.
Славный ботик (тип лодки) царя Петра снова занял своё место в экспозиции Центрального военно-морского музея (С.-Петербург). Ботик возили в Нью-Йорк на фестиваль, и американцы совершенно бесплатно его реставрировали.
Как говорится, газон – это не роскошь, а средство отдыха. И отдыхать на нём надо так, чтобы потом не было мучительно больно за погубленную и задавленную сорняками растительность.
Самый лучший экспромт – это экспромт, разученный заранее.
Можно ли сказать, что в Таджикистане недоедание принимает характер эпидемии?
Рассмотрите, как термин «чёрные дыры» включён в текст журналистского материала, как раскрывается содержание этого понятия, как даётся его объяснение.
Эйнштейн был прав: во всём виноваты мыши
Из черных дыр
Мало кто не слышал о предсказанных теоретиками «чёрных дырах» – «мёртвых» звёздах, превратившихся в невидимые воронки в пространстве времени, в которые затягивается и навсегда исчезает всё, что попадает в их поле тяготения. Этот образ оказался настолько ярким, что даже вошёл в обойму политических штампов (к примеру, «Чечня – чёрная дыра российской экономики»).
До начала 70-х годов немногочисленные энтузиасты «чёрных дыр» главным образом занимались теорией этих объектов. Затем стали появляться сообщения о наблюдениях чего-то, что имело шанс оказаться «чёрной дырой». И только в последние два-три года положение драматически изменилось: с вводом в действие оптических, радио- и рентгеновских телескопов нового поколения астрономы и астрофизики начали обнаруживать объекты, которые ведут себя так, как вести себя могут только «чёрные дыры» – компактные массивные объекты, поле тяготения которых настолько велико, что из них не могут вырваться никакие физические тела, никакие частицы, никакие сигналы, ни даже просто свет. В такие объекты в конце своего «жизненного пути» должны превращаться звёзды с массой, более, чем в три раза превышающей массу Солнца: после выгорания термоядерного «горючего» такие звёзды оказываются «не в силах сопротивляться» полю тяготения и коллапсируют в сверхплотные «шарики» диаметром порядка 10 км.
Откуда взялось само это странное словосочетание – «чёрная дыра»? Его предложил ученик великого Нильса Бора, американец Джон Уилер, известный не только как крупный теоретик, но и как мастер по части изобретения нешаблонных научных терминов.
В 1967 году, выступая в нью-йоркском Годдаровском институте космических исследований, он впервые назвал сколлапсировавшие звёзды «чёрными дырами» – «black holes».
Появись термин «черная дыра» лет на двадцать раньше, когда в СССР развернулась борьба с космополитизмом, его непременно объявили бы у нас российским изобретением, в 1936 году в первом номере журнала «Пионер» была напечатана детская повесть Аркадия Гайдара «Голубая чашка», героиня которой распевала следующий текст:
Ходят мыши, / ходят с хвостами.
Очень злые. / Лезут всюду,
Лезут на полку. / Трах-тарарах,
А кто виноват? / Ну никто не виноват.
Только мыши / из чёрных дыр.
Какими публицистическими приёмами воспользовался автор в процессе раскрытия содержания понятия?
Слово «попса» вошло в наш обиход сравнительно недавно, когда с рождением рынка мы стали свидетелями (и жертвами) лавинообразного падения на наши головы, глаза, уши безголосых и безвкусных мальчиков и девочек, шепчущих или визжащих в микрофон пустые зарифмованные словеса. С аудиокассет эти представители нового для нас искусства перешли на компакт-диски, на видеокассеты, потом на специальные телеканалы, потом – на общенациональные. Так уж повернулась за последние годы наша жизнь, мы сами, телевидение, что для последнего важнейшим из искусств стала попса.
Что мы, собственно, так привязались к этой попсе? Не нравится? Ну увидел в программе концерт Леонида Агутина – не включай. И все дела. Поиграй в свободу выбора. И мы играем, искренне не понимая, что это действительно лишь игра. Мы хотим знать, что там творится на Балканах, но и тут главным событием дня оказывается концерт на югославской земле какого-то попсового ансамбля. Но попса – это не только Агутин, Орбакайте, «Блестящие» или «Дюна». В лингвистике есть такое понятие – синекдоха, – означающее название части вместо целого, меньшего вместо большего. Так вот «попса» в данном случае – типичный пример синекдохи. Попса – это не только плохие эстрадные певцы. Это популярная, поверхностная, облегчённая манера общаться со зрителем, слушателем, читателем и попытки в этой манере донести некий, иногда достаточно глубокий смысл. Это стиль. К примеру, «Спасая рядового Райана» Стивена Спилберга – квинтэссенция попсы в кино, другое дело, что исполненная безусловно высокопрофессионально. Или «Виртуозы Москвы» – талантливая попса от классической музыки, превращённой Владимиром Спиваковым в субъект эстрады. Что уж тогда говорить о телевидении, что, по определению, есть затея зрелищная.
Сформулируйте определение понятий «слух» и «сплетня» на основании журналистской публикации. Сопоставьте эти определения с определениями толковых словарей. Проследите, как в тексте строится объяснение понятий.
Слух – это искреннее искажение информации (человек что-то услышал, как-то по-своему (!) понял и передал дальше, не желая никого вводить в заблуждение). Сплетня же – сознательное и злостное придумывание или перевирание фактов. О красавице сплетничают завистницы: «Да у неё нос кривой и груди силиконовые». О политике могут запустить сплетню: «а он двоежёнец», доказывай потом, что это не так, часть-то людей уже поверила.
Как правило, под любыми слухами есть какая-то основа, что называется, «нет дыма без огня». Сплетни же могут возникать относительно событий, которых и в помине не было. Если «огонёк» всё же есть, он раздувается до размеров пожара. Сплетни – это всегда негатив и очернение, в то время как слухи могут быть и положительными. Как в том анекдоте: «Правда ли, что профессор выиграл «Запорожец»? «Да, только не выиграл, а проиграл, и не «Запорожец», а «Волгу», и не профессор, а его сын». Хотя правильно пел еще Высоцкий: «К хорошим слухам люди не привыкли, говорят, что это выдумки и ложь».
Можно понять интерес к слухам о каких-то изменениях в государстве, поскольку от событий, которых они касаются, все мы зависим. Но почему нас так волнует частная жизнь людей, будь то знаменитости или просто соседи? Зачем это надо? Ведь оттого, что мы узнаем какие-то подробности из личной жизни Пугачёвой или Михалкова, нам не станет ни теплее, ни холоднее, и никаких действий за этим не последует. Однако интерес существует, и психологи объясняют его одной из форм познания себя. Мы не всегда об этом задумываемся, но вопрос «Кто я такой?» сидит практически в каждом из нас. Человек как бы ищет своё место на большой шкале, где есть некрасивые и красавцы, умные и глупые, талантливые и бездарные. Нам интересно знать, что есть на самом низком и самом высоком уровнях этой шкалы, как ведут себя люди, что в их представлениях норма, а что нет, и где на этой шкале я. Мы просто хотим понять себя, сравнивая с другими, через других.
И всё-таки слухи возникают не от хорошей жизни, а от недостатка информации, нестабильности, и сами по себе могут приводить к ещё большей неразберихе. Но если слух приводит к серьёзным последствиям, надо, чтобы распространители его отвечали за это. Человек может быть осуждён, оштрафован, он должен знать, что слух может быть опасен в социальном плане, что в обществе это осуждается. Здесь, правда, палка о двух концах: ведь бабушки у подъезда, которых все считают главными производителями слухов и сплетен, – лишь малая толика тех, кто принимает участие в этом вселенском действе. Взять органы власти. В некоторых случаях, чтобы проверить отношение к чему-то в обществе (например, к денежной реформе), они сами могут давать информацию, которая в форме слухов неофициальным путём будет распространяться. А люди-то ведут себя в соответствии с психологическими законами, и они запросто могут побежать в банки и начать обмен денег. Я не сажал сорняк, но я вскапывал землю и поливал её, а потом удивляюсь, откуда трава, а ведь условия для её появления созданы. Так же и со слухами.
Сформулируйте определения следующих понятий:
Митинг, шествие, демонстрация.
Сопоставьте определение понятий «духовность» и «нравственность» в различных справочных изданиях.
Ответьте на письмо читателя.
Обращаюсь с такими вопросами: «Откуда берутся эгоисты?» и «Что делать человеку, если он эгоист?» Неужели эгоистичным людям так и жить всю жизнь для себя, оберегая себя, заботясь о себе, или, иначе говоря, словами Гоголя, «срывать цветы удовольствия»? Но если человеку от этого стыдно, становится противно, то, может быть, это ещё не эгоизм? Ведь каждый должен думать о себе, а как же? Это вовсе не плохо. Ведь каждому хочется, например, иметь красивый голос, петь хочется и чтобы он, а не кто другой быстрее всех решал задачу. И хочется именно для себя. Конечно, бывает иногда и для другого, но реже. Что же, значит, все люди эгоисты? Нет, конечно. Но тогда как отличить эгоиста от нормального человека?
Введите в текст заметки определение понятия “перформанс”. Отредактируйте текст.
Убедительно ли рассуждение автора? Какую роль играет в нём раскрытие содержания понятия «победа»? В чём автор отступает от требований логики?
Что такое победа?
Как ни странно, определения слова «победа» нет в завершённой в 1980 году «Военной энциклопедии». Но вот в толковом словаре под редакцией профессора Д. Н. Ушакова, изданном в 1935–1940 годах, сказано: «Победа – боевой успех, поражение войск противника в бою, сражении».
Если исходить из этого определения, то боевой успех в сражении за Одессу был на стороне Приморской армии. Какую задачу ставили перед собой наступающие войска врага? Уничтожить армию, защищавшую Одессу, и овладеть городом. И, как видим, важнейшая часть её, определяющая успех сражения, – уничтожение или пленение противостоящего противника, не была выполнена! Приморская армия в полном составе, со знамёнами, оружием и техникой ушла, не принуждённая к тому противником. Овладение городом произошло не в результате боёв, не благодаря умелым действиям наступающих, а потому, что они обнаружили перед собой пустой город! Но если город пустой и не с кем в нём воевать, некого побеждать – какая же это победа?
Иная картина складывается при оценке действий советских войск. Армия сохранена, город оставлен по приказу старшего командования. Приказ этот блестяще выполнен – армия ушла без потерь. Как всё это назвать? Подходит ли к этим действиям определение словаря: «Победа – боевой успех, поражение войск противника»? На мой взгляд, именно это произошло в те дни под Одессой.
Подготовьте статью специалиста-биолога для публикации в газете, обратив внимание на расшифровку терминов. Проведите правку-обработку текста.
Жук страшнее ящура
Природные катаклизмы не проходят бесследно. В июне 1998-го по Москве и области пронёсся печально памятный ураган. Минуло три года, и теперь мы можем сполна ощутить последствия тех изменений, которые он внёс в природные системы Подмосковья. Речь идёт о развивающейся в настоящее время вспышке массового размножения жука-короеда под названием типограф (Ips typographus L). Специалисты говорят, что именно благодаря урагану этот вредитель получил в своё распоряжение великолепную кормовую базу в виде погибших деревьев. Теперь ситуация стала настолько критической, что, если не принять экстренных мер, «зелёные лёгкие» столичного региона будут изрядно подпорчены. Короед для Подмосковья такая же беда, как ящур для Европы. Даже страшнее.
После урагана 98-го года леса оказались ослаблены и короед моментально на это отреагировал. В 1999 году типограф заселял те ели, которые больше всего пострадали от ветра и не могли оказать вредителю должного сопротивления. В то лето, если вы помните, стояла засушливая погода – она способствовала размножению жука. В результате его численность увеличилась в несколько раз, и на следующий, 2000 год короед обрушился всей армадой уже на здоровые деревья. Наступающим летом стихийное бедствие продолжится, а заселение деревьев жуком начнётся в первой половине мая. Подсчитать размер популяции злобного насекомого практически нереально. Специалисты оперируют таким понятием, как общая площадь его очагов (имеется в виду площадь заселённых им лесов). В настоящий момент она составляет около 6 тыс. га. Также известно, что в одном, даже небольшом очаге зимует до 500 тыс. жуков. А на одном заселённом дереве их помещается до 20 тыс.
Феромонная ловушка – это приспособление из прозрачного пластика. Жуки летят на привлекающий запах химического вещества, ударяются о перегородку и падают в стакан, который надо периодически опорожнять. Такие ловушки работники лесхозов вывешивают на деревьях – в среднем по пять штук на 1 га. И убедительно просят дачников и прочих «лесных визитеров»: не трогайте их! Понятно, что народ наш падок до халявы и норовит стащить то, что плохо лежит (в данном случае висит), дабы пристроить в подсобном хозяйстве. Но от феромонной ловушки алчному селянину пользы не будет: ни для чего, кроме как для уничтожения типографа, она не годится.
Кстати, для населения уже отпечатаны листовки – вскоре они появятся на заборах и стенах домов. Тем, кто принципиально не читает то, что пишут на заборах, мы вкратце перескажем содержание листовки. Помимо просьбы не уничтожать ловушки она содержит призыв бдительно следить за тем, чтобы этого не делали другие.
Отредактируйте текст. Уточните содержание понятия «черлидинг».
Черлидинг – это стиль жизни
Это незнакомое иностранное слово замечательно прижилось на российской почве. Вот уже три года существует программа групп поддержки спортивных команд, абсолютным чемпионом которой является команда «Ассоль». О ней наш рассказ.
Вначале несколько слов о самом виде спорта – черлидинге. В переводе с английского это значит что-то вроде «руководство подбадриванием», а проще говоря, группа поддержки. В США, родине черлидинга, этот спорт существует и процветает уже много десятков лет, а вот в России само слово «черлидинг» до недавнего времени было известно только в узких спортивных кругах. На самом деле это «всего лишь» синтез атлетики, акробатики, аэробики и спортивных танцев.
В команде в среднем 15–20 девушек, а выделяются они характерными помпонами в руках. Где их можно встретить? На самом деле, черлидеры не такой уж редкий вид. Они работают с командами американского футбола, баскетбола, волейбола, мини-футбола и даже пейнт-бола.
Также с 1999 года в России ежегодно проходят соревнования групп поддержки. Неизменный участник соревнований – команда «Ассоль». В чём же секрет успеха команды? Почему именно они – лидеры российского черлидинга? Что ж, попробуем разобраться, а помогут нам в этом тренер команды Оксана Васильевна Гулько и помощник капитана Оксана Громова.
Команда «Ассоль» была сформирована в 1999 году из двух команд-участниц первых соревнований по черлидингу, которые заняли I и II места, а затем вошли в сборную. Теперь эта команда – лицо клуба «Ассоль».
Девочки из команды «Ассоль» отличаются хорошей физической подготовкой. Это подтверждает тот факт, что в своих номерах спортсменки не только садятся на шпагат или встают на «мостик». Они строят целые пирамиды, а для этого требуются и сильные руки, и гибкий позвоночник. Ну а самой яркой иллюстрацией уровня натренированности девочек является история, рассказанная их тренером, Оксаной Гулько.
Команда «Ассоль» высоко профессиональна. Она работает в разных стилях: фанк, латино, русский народный и так далее; при этом в год создаётся по 4–5 разных шоу-программ. А программа, Да будет вам известно, это не просто прыжки с помпонами. Это и акробатические, и танцевальные номера, и «кричалки». Их девочки сочиняют сами, под чутким руководством тренера.
Но были у команды «Ассоль» и трудности. Несколько лет назад, когда они только начинали, не было практически ничего. Приходилось «изобретать велосипед». Теперь, когда приходит множество специализированных журналов, видеокассет, представить себе это чрезвычайно сложно. Но эти попытки не прошли даром. Закалённая в сложностях, команда не только приобрела профессионализм, но и сплотилась.
И, наконец, самое важное. Ни великолепная физическая форма, ни совершенная техника, ни поездки за рубеж, ни даже огромные спонсорские деньги не могут сделать команду такой, какая она есть сейчас. Ведь в спорте главное – сплочённость и преданность общему делу; без этого даже подготовленная технически команда не сможет стать лучшей. Конечно, «души прекрасные порывы» не могут родиться в неуютном коллективе. А команда «Ассоль», напротив, – настоящая семья, дружная, сплочённая. К тренеру команды девчонки уже давно относятся как к подруге или старшей сестре. И здесь снова хочется рассказать об одном эпизоде, который наиболее полно характеризует команду. В прошлом году Оксана Васильевна получила серьёзную травму и провела 4 месяца в больнице. За это время, по её словам, всё могло развалиться. Но девочки не прекратили тренировки.
Обработка экономической информации на основе систем динамического анализа данных
1. Раскройте специфику организации процессов сбора и регистрации, обработки, хранения, поиска, передачи, предоставления информации,
2. В чем особенность организации процесса принятия решений? Какие виды информационных систем позволяют осуществить автоматизированную поддержку данного процесса?
OLAP – система динамического анализа данных.
OLTP – система онлайновой обработки транзакций.
Гиперкубическая модель представления данных – модель, отражающая несколько измерений используемых показателей функционирования системы.
Современные фирмы, в том числе работающие на Интернет-рынке, применяют достаточно широкий спектр средств автоматизированной обработки данных, например, информационные системы оперативного учета. Эти данные эффективно используются в текущей работе подразделений – бухгалтерии, отдела реализации, планирования и т.п. С течением времени данные накапливаются и образуют большие информационные массивы, аккумулирующие сведения о деятельности фирмы. С целью решения стратегических проблем, стоящих перед фирмой, требуется принимать множество решений, опираясь при этом на громадные объемы данных, которые необходимо обрабатывать в более сжатые сроки, чем когда-либо ранее.
Накопленные данные могут стать базой для принятия стратегических решений. Однако, для стратегического планирования и прогнозирования деятельности фирмы требуется специальная обработка этих информационных массивов – аналитическая. В этом случае могут быть получены ответы на вопрос о прибыльности отдельных групп товаров, целевой аудитории, успешности работы торговых представительств и т.д.
Для успешного ведения бизнеса требуется гибкий, всесторонний и простой в использовании инструментарий, работающий в режиме оперативной поддержки; инструментарий, доступный специалистам финансового отдела, отдела продаж и маркетинга, которые смогут использовать его самостоятельно, без помощи профессионалов в области информационных технологий.
В последнее время решение проблем аналитической обработки внутрифирменной и внешней экономической информации основано на использовании систем онлайновой аналитической обработки (OLAP).
В соответствии с правилами Э. Ф. Кодда современные средства динамического анализа данных OLAP должны удовлетворять следующим требованиям:
· многомерное представление данных, позволяющее отобразить различные точки зрения на имеющуюся информацию;
· прозрачность, скрывающая от пользователя детали сетевой реализации системы многомерного анализа данных.;
· доступность, т.е. O LAP-продукт должен отображать свою собственную логическую схему на однородные физические хранилища данных;
· высокая производительность средств генерации отчетов, обеспечивающая возможность просмотра многомерных данных в реальном масштабе времени;
· поддержка архитектуры “клиент/сервер”, упрощающая инсталляцию серверной компоненты OLAP-продукта для конечного пользователя;
· общность многомерного представления данных, основанных на единой логической структуре;
· динамическая обработка разреженных массивов (наличие специальных эффективных средств обработки пустых или нулевых элементов массивов данных);
· поддержка многопользовательского режима работы, обеспечивающего возможность параллельного доступа к данным, а также их защиты и целостности при одновременной работе нескольких пользователей;
· неограниченные возможности операций над данными, представленными в различных измерениях (вычисления и другие операции над данными, представленными в различных измерениях, не должны требовать от пользователя дополнительных действий);
· интуитивно-понятные средства обработки данных, обеспечивающие доступ к любым элементам данных, переход на различные уровни представления информации и осуществляющие контроль целостности данных;
· гибкость средств генерации отчетов (возможность выводить информацию в наиболее удобном для пользователя представлении);
· неограниченное количество измерений и уровней группирования данных.
· Высокая скорость. Анализ должен производиться одинаково быстро по всем аспектам информации.
· Анализ. Должна существовать возможность производить основные типы числового и статистического анализа – предопределенного разработчиком приложения или произвольно определяемого пользователем.
· Разделение доступа. Доступ к данным должен быть многопользовательским, при этом должен контролироваться доступ к конфиденциальной информации.
· Работа с информацией. Приложение должно иметь возможность обращаться к любой нужной информации, независимо от ее объема и места хранения.
Одной из основных особенностей OLAP-приложений является использование многомерной модели данных, в которой информация представляется в виде показателей, каждый из которых определен на некоем множестве измерений. Измерения образуют некое виртуальное пространство, которое принято называть многомерным кубом или гиперкубом.
Осями многомерной системы координат служат основные атрибуты анализируемого бизнес-процесса (например, для процесса продаж это может быть категория товара, регион, тип покупателя). Практически всегда в качестве одного из измерений используется ось времени. Внутри куба располагаются данные, количественно характеризующие процесс (объемы продаж в штуках или в денежном выражении, остатки на складе, издержки и т.п.). Пользователь, анализирующий информацию, может рассматривать куб по разным направлениям, получать сводные или детальные данные и осуществлять те операции, которые необходимы для проведения анализа.
Некоторые системы размещают аналитическую базу данных (АБД) в виде единого гиперкуба («гиперкубическая» модель), отражающего все измерения для используемых показателей, другие – для каждого показателя предлагают собственный гиперкуб, содержащий лишь те измерения, на которых определяются значения данного показателя («поликубическая» модель). Поскольку аналитик всегда оперирует некими суммарными данными, в АБД OLAP практически всегда наряду с детальными данными хранятся и так называемые агрегаты, то есть заранее вычисленные суммарные показатели (суммарный объем продаж за год, средний остаток товара на складе и т.д.), что повышает скорость выполнения OLAP-запросов. Например, если куб хранит данные об объемах продаж, то целесообразно выделить два измерения – временной период и регион. В каждом измерении присутствует ряд значений.
В качестве агрегатов принимаются суммарные показатели. Количество агрегатов зависит от количества измерений и количества уровней суммирования.
· Специальные многомерные СУБД (OLAP-серверы). При выполнении сложных запросов, анализирующих данные в различных измерениях, многомерные СУБД обеспечивают большую производительность, чем реляционные. При этом скорость выполнения запроса не зависит от того, по какому измерению производится “срез” многомерного куба.
· Традиционные реляционные СУБД. Применение специальных структур данных, а также хранение вычисленных агрегатов делает возможным многомерный анализ реляционных данных. Реляционные СУБД исторически более привычны, поэтому пока более распространены.
· Комбинированный вариант – совмещение двух типов СУБД (хранение агрегатов в многомерной СУБД, а детальных данных, имеющих наибольший объем – в реляционной).
Технология OLAP обеспечивает быстрый доступ к информации и ее представление в достаточно сложном виде. Программные средства OLAP для конечного пользователя могут представлять собой электронные таблицы, пакеты статистического анализа, графические интерфейсы или системы поддержки принятия решений, включающие в себя целый набор аналитических инструментов. Можно использовать простые в создании шаблоны, ориентированные на отдельные отрасли, для подключения разнообразных внешних источников. На основе возможностей коммуникаций можно обеспечить согласованность данных с исходными системами и их автоматическое обновление.
Совершенный механизм OLAP – вариант, когда механизм реального времени сочетается с уникальной возможностью управления распределенными данными. Высокая производительность и масштабируемость систем проводится за счет минимизации объема постоянного хранилища. Кроме того, в OLAP-системах осуществляется динамическое моделирование на основе электронных таблиц и требований заказчиков, быстрые пакетные предварительные расчеты, поддержка приложений масштаба фирмы, а также удаленных и одновременно работающих пользователей. Актуальные данные доставляются через корпоративную интрасеть и просматриваются в приложении Web-доставки.
В число ключевых задач, выполняемых пользователями OLAP-приложений, входят:
· анализ прибыльности
· анализ продаж
· анализ положения на рынке
· анализ ассортимента товаров
· анализ риска
· анализ конкурентности фирмы
· составление отчета о производительности
· анализ бюджета и прогнозов
Вся работа с гиперкубом сводится к различным его поворотам, группировкам, при этом можно менять как количество измерений, так и способы группировки. Для получения ответа на запрос на экран выводится не весь куб, а только его часть. Для этого необходимо иметь возможность выбирать только те измерения, которые интересуют пользователя в данный момент времени, выбрать/отсечь ненужные значения.
Обычно информационное взаимодействие систем OLAP и OLTP (он-лайновой обработки транзакций) строится в расчете на наличие единой транзакционной базы данных по всем подразделениям фирмы. Наличие OLAP-приложения, интегрированного с транзакционной системой, дает возможность эффективно решать задачи отчетности и анализа. Механизмы репликации метаданных, отлаженная технология обмена отчетными и аналитическими данными между OLAP-приложениями позволяют унифицировать и поддерживать в актуальном состоянии номенклатуру и структуру отчетных и аналитических показателей по всей сети, повысить оперативность и автоматизировать процесс сбора и обработки отчетной и аналитической информации.
Возможность загрузки в аналитическую базу и хранения в удобной для доступа форме любой номенклатуры данных обеспечивает простоту их использования в отчетах, формируемых с помощью встроенного генератора или процедур аналитических приложений, как в целях собственно анализа, так и для получения всей обязательной отчетности.
Формируемые статистические выборки данных могут использоваться для математического анализа и прогноза средствами специализированных программных пакетов. При этом транзакционные базы данных подразделений фирмы целиком реплицируются в центральное хранилище данных, и аналитическая информация рассчитывается на основе копий (реплик).
Таким образом, используя OLAP-решение для управления фирмой, есть возможность работать с обобщенными данными вместо цифр; рассматривать тенденции вместо статистики; обращаться к сценариям развития фирмы, зависящие от различных внутренних и внешних факторов (в том числе и от принимаемых решений).