1 Beslissingsondersteuning Marakas H12 t/m H16 Robert de Hoog 8 november 2000

2 Onderwerpen Naalden en hooibergen Zien en laten zien Bouwen Invoeren Waarheen? Creativiteit?

3 Naalden en hooibergen Zoeken van nieuwe onverwachte patronen in gegevens Risico: –toevallige combinaties –theorieloos –kwaliteit van gegevens Varianten: –Data mining of knowledge discovery –OLAP en MOLAP

4 Naalden en hooibergen (vervolg) (M)OLAP: lijkt eigenlijk nog het meest op SPSS met multidimensionele kruistabellen OL komt voort uit verschil met oudere rapport generatoren Flexibiliteit! Relatie met data warehouse en EIS

5 Naalden en hooibergen (vervolg) Hulp mogelijk van Intelligent agents Intelligent agent: een software systeem aan wie je een taak delegeert Belangrijke eigenschappen: –Autonomie –Personaliseerbaar –Discours en samenwerking –Vertrouwen en risico –Graceful degradation –Anthropomorfisme –Mobiliteit

6 Naalden en hooibergen (vervolg) Intelligentie nivo’s van agents

7 Zien en laten zien Veel gegevens, veel output Onoverzichtelijk Gebruik van metaforen om interpretatie te vergemakkelijken Probleem: “liegen” met visualisaties Enkele voorbeelden

8 Bouwen DSS moeten gebouwd worden –Op maat –COTS (Commercial-of-the-shelf) Via een programmeertaal Via een generator Stelling: bouwen DSS wijkt niet erg af van bouwen andere software

9 Bouwen (vervolg) “Waterval” Probleem: afstemming op beslisproces

10 Bouwen (vervolg) Alternatief: prototypen Al heel snel een deel werkende software Vaak beter voor het boven tafel krijgen van eisen Gevaar: grenzen aan de uitbreidbaarheid van prototypen (complexiteit DSS’en)

11 Bouwen (vervolg) Risico factoren Kwaliteits attributen

12 Invoeren Ook hier: DSS is software en deelt met andere software invoeringsproblemen Bijvoorbeeld: –Figuur 14.1 kan zonder enig probleem ook toegepast worden op systeem X –Kwaliteitsattributen in Tabel 14.3 bevatten geen specifieke voor DSS

13 Invoeren (vervolg) Belangrijkste criteria vanuit beslissingsperspectief

14 Invoeren (vervolg)

15 Invoeren: weerstand

16 Waarheen? In hoofdstuk 16: amusante “missers” Hoe te voorkomen? Zou een DSS daarbij hebben kunnen helpen? Wordt door informatie de beslissing beter? Top executives interview: het woord ICT komt niet voor! Nadruk op: intuitie en creativiteit

17 Creativiteit Wet van Pareto: op veel plaatsen toe te passen

18 Creativiteit (vervolg) Hier wordt AHP behandelt Let op: is eigenlijk geen creativiteitstool maar een beslismodel (zoals MAUT etc.) Komt overeen met een soort ‘wegingsprocedure’ voor attributen Overige technieken overslaan!