ВВЕДЕНИЕ
1. Анализ состояния вопроса 6
1.1 Интеллектуальный анализ данных 6
1.2 Классификация систем ИАД 10
1.2.1 Статистические пакеты 10
1.2.2 Нейронные сети 11
1.2.3 Системы CBR 13
1.2.4 Деревья решений (decision trees) 13
1.2.5 Эволюционное программирование 15
1.2.6 Генетические алгоритмы 16
1.2.7 Алгоритмы ограниченного перебора 17
1.2.8 Системы для визуализации многомерных данных 19
1.3 Недостатки существующих систем ИАД 21
2. Среды и средства, используемые в разработке 22
2.1 .NET Framework 22
2.2 Microsoft Visual Studio 23
2.3 Язык программирования C# 24
2.4 Технология ORM 25
2.5 Entity Framework (EF) 26
2.6 SQLite 28
2.7 Технология WPF 28
3. разработка приложения 31
3.1 Описание исходных данных 31
3.2 Создание базы данных 32
3.3 Создание проекта 35
3.4 Включение базы данных в проект 38
3.5 Заполнение базы данных 41
3.6 работа с данными 45
ЗАКЛЮЧЕНИЕ 52
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ 53
ПРИЛОЖЕНИЯ 56
В последнее время рост информатизации и компьютеризации различных коммерческих, производственных, государственных и других структур значительно усилился. В основу их деятельности легло быстрое принятие взвешенных решений. Однако попытки улучшить процессы принятия решений нередко встречаются с огромным объемом данных предоставленных в сложной структуре и содержащихся в разнообразных информационных системах.
Базы данных выступают лишь в роли памяти, пользователь может извлечь из хранилища небольшую часть хранимой информации в ответ на точно заданный запрос. И когда перед нами огромный поток данных, приходится, как можно более эффективно применять эту информацию, чтобы найти спрятанное в ней знание, которое впоследствии может помочь улучшить управление некоторыми процессами, и привести деятельность организации к более качественному виду.
Методы поиска знаний (data mining) помогают нам снизить остроту проблемы. Многие организации увеличивают доход и повышают эффективность своей деятельности, за счёт использования современных методов анализа и поиска знаний в исходных данных. Нередко это так же позволяет уменьшить затраты и увеличить количество клиентов. Данные методы уже давно активно используются в маркетинге, анализе рынка, прогнозе котировок и во многих других бизнес-приложениях.
Быстродействие любого современного компьютера, даже мобильного, во много раз превосходит вычислительный потенциал мозга человека. Но ни одна программа до сих пор не в состоянии учесть всего многообразия различных факторов, так как это делает ассоциативное мышление человека. Поэтому как постановщик задачи Человек пока, что превосходит возможности компьютера.
Однако если попытаться направить вычислительную мощность современной техники в нужное русло, заданное человеком-аналитиком, огромное преимущество компьютеров в быстродействии обязано привести к качественному прорыву в поисках новых знаний.
Основной целью выпускной квалификационной работы является разработка программных методов поиска скрытых зависимостей в реляционной базе данных, за основу которой взяты сведения о заказах коммерческой фирмы, являющейся представителем ресторанного бизнеса.
Разрабатываемые методы позволят выявить новые детали продаж, и лучше понять спрос.
Задачи, решаемые в работе:
• изучение и анализ состояния вопроса;
• разработка программного обеспечения реализующего поиск скрытых закономерностей в базе данных;
• тестирование и отладка программного обеспечения.
Объектом исследования являются данные о клиентских заказах предприятия общественного питания.
Предметом исследования являются методы поиска скрытых закономерностей, а так же современные средства разработки десктопных приложений.
Актуальность данной разработки обусловлена её эффективностью, простотой применения и экономичностью при внедрении на малых предприятиях.
В ходе выполнения выпускной квалификационной работы решена прикладная задача реализации программного обеспечения поиска скрытых закономерностей в реляционной базе данных.
Выводы и результаты работы сводятся к следующему.
Собраны и систематизированы данные о существующих системах интеллектуального анализа данных.
Разработано приложение осуществляющее поиск скрытых закономерностей в реляционной базе данных.
Приложение применено и протестировано.
Использование разработанного программного обеспечения позволит:
- проводить анализ продаж;
- выявлять закономерности между атрибутами заказов;
- выявлять закономерности в заказах клиента;
За счет низкой стоимости и удобства применения подобная программа способна окупить себя в течение года ее функционирования и обеспечить дальнейший рост.
На основании вышесказанного можно сделать вывод о том, что разработка данного программного обеспечения является целесообразной, и будет приносить реальную пользу при его использовании в предприятии.
