Filtrowanie informacji z Internetu do systemów informacyjnych zarządzania

ACTA U N IV ER SITA TIS LOD ZIEN SIS

FOLIA OECONOM ICA 167,2003

W itold A bram ow icz*

FILTROWANIE INFORMACJI Z INTERNETU

DO SYSTEM ÓW INFORM ACYJNYCH ZARZĄ D ZA NIA

N a d m ia r in fo r m a c ji sld a n ia d o b u d o w a n ia n a rz ą d zi in fo r m a -c y jn y -c h ra -c jo n a liz u ją -c y -c h p o z y s k a n ie in fo rm a -cji. F iltry in fo rm a -c ji m o g ą s p e łn ia ć ta k ą rolę. Ich sz c ze g ó ln a ro la m o że b y ć zw ią z a n a

Z za s ila n ie m k o r p o r a c y jn y c h s y s te m ó w in fo rm a c y jn y c h za rzą d za n ia (tra n sa kcyjn ych i a n a lityczn ych ) w inform acje m akroekonom iczne.

T h e r e d u n d a n c y o f in fo rm a tio n in d u c e e m e rg in g o f th e in fo r m a tio n to o ls w h ic h r a tio n a lise g a th e r in g o f in fo rm a tio n . Tlie in fo r m a tio n f i lt e r s a r e s u c h a to o ls. T h e ir p a r tic u la r ro le is c o n n e c -te d w ith su p p ly in g o f th e c o rp o r a -te m a n a g e m e n t in fo rm a tio n sy s te m s (tr a n s a c tio n a l a n d a n a ly tic a l) in to m a c r o e c o n o m ic in fo r -m a tio n .

R acjonalne narzędzia inform acyjne

Donald R um sfeld, sekretarz obrony USA na konferencji prasowej w czerw -cu 2002 roku oceniającej działalność w yw iadow czą w kontekście tragedii

11 w rześnia 2001, W ashington, DC, powiedział: Są rzeczy, o których wiemy,

że wiemy. Są znane niewiadome, to znaczy, że są rzeczy, o których wiemy, ze nic nie wiemy. A le są rów nież nieznane niew iadom e - rzeczy, o których nie wiemy, że o nich nie wiemy. O pisał w ten sposób typowe sytuacje zw iązane z

zarządza-niem inform acjam i w procesach decyzyjnych. Poszukiw ane są zatem narzędzia inform acyjne, które w pow szechnej obecnie sytuacji nadm iaru inform acji (inform ation overload) będą:

1. Przekazyw ać inform acje niezbędne do podejm ow ania decyzji bez względu na m edium , jakie jest nośnikiem informacji.

2. Nie pom ijać inform acji niezbędnych do podejm ow ania decyzji bez względu na to, czy wiem o ich istnieniu czy nie.

3. M inim alizow ać ilość inform acji przekazyw anych odbiorcy.

4. Stw arzać przesłanki do ew aluacji i organizacji pozyskanych inform acji. 5. R acjonalne ekonom icznie.

1 akie narzędzie nazyw ać będę racjonalnym narzędziem inform acyjnym .

K om prom is zasobów inform acyjnych

Inform acji m ożna przyporządkow ać różne atrybuty takie jak pełność, aktu-alność, relew ancja [1]. Ich w artościow anie jest często subiektyw ne. Relew ancja jest zw iązana z potrzebam i inform acyjnym i każdego z użytkow ników inform

a-cji. T a sam a inform acja m oże być relew antna i nierelew antna. A ktualność zależy od miary aktualności przyjętej przez użytkow nika (np. dla m aklera giełdow ego notow ania z przed kilku m inut nie są aktualne, a dla drobnego ciułacza m ogą mieć jeszcze ten walor) [5]. Przysw ajałność inform acji zależy od predyspozycji jej użytkow nika (np. intelektualnych, em ocjonalnych). Podobnie różni użytkow -nicy inform acji przyjm ują różne m iary jej w iarygodności. W ynikać m ogą one dla przykładu z wiedzy, przekonań św iatopoglądow ych, dośw iadczenia, cech charakteru. Dla ułatw ienia przyjm uje się jednak w praktyce pew ne wartości atrybutów jak o obow iązujące dla użytkow ników danego system u inform acyjne-go. Przesłanką do takich ocen m oże być model użytkow ników systemu.

Pozyskanie inform acji zupełnej, przysw ajalnej i wiarygodnej jest nierealne ze względu na zaw sze w ystępującą ograniczoność zasobów . W tym m iejscu m ożna by przytoczyć wykres ilustrujący przyrosty św iatow ej inform acji w ostatnim czasie. Z tych pow szechnie znanych przykładów w ynikają trzy godne podkreślenia fakty. Ilość inform acji w m iarę upływ u czasu rośnie przynajm -niej w ykładniczo. Inform acja staje się coraz bardziej redundancyjna (te sam e inform acje są dostępne z wielu źródeł). Inform acja dezaktualizuje się coraz szybciej. D latego trudno w yobrazić sobie sytuacje, by ktoś miał tyle czasu, pie-niędzy, w ykw alifikow anych pracow ników i odpow iednich środków technicz-nych, by zgrom adzić na jak iś tem at inform acje zupełne, przysw ajalne i w iary-godne. G rom adzenie inform acji jest zatem kom prom isem w ynikającym z:

- praw dopodobieństw a w ykorzystania grom adzonej inform acji,

- kosztów grom adzenia inform acji liczonych zaangażow anym i zasobam i, - spodziew anego zw rotu z inwestycji poniesionych na pozyskanie inform acji

o pożądanych w artościach ich atrybutów.

Efekt ten będziem y nazywali kom prom isem zasobów inform acyjnych. Kom prom is ten jest trudny do osiągnięcia. T rudno w zm ieniających się w arun-kach gospodarczych szacow ać praw dopodobieństw o w ykorzystania grom adzo-nej inform acji. Na koszt grom adzenia inform acji w pływ a w iele czynników .

Jed-nym z nich jest koszt uzyskania inform acji. Należy się spodziew ać, że wobec zw iększania się liczby płatnych źródeł informacji ich koszt będzie rósł.

R acjonalne narzędzie inform acyjne musi rozw iązyw ać kom prom is zasobów inform acyjnych.

B iorąc pod uw agę liczbę atrybutów inform acji i ich subiektyw ność sensow -nym jest w prow adzenie pojęcia jakości inform acji [A bram ow icz 2000 b]. Jest to tym słuszniejsze, że działalność gospodarcza coraz częściej nastaw iona jest na działania pro jakościow e. Pow stała naw et now a nauka zw ana kw alitologią [15]. Jestem przekonany, że należałyby jej cele przenieść do zarządzania inform acją. Celam i kw alitologii w zakresie zarządzania inform acją pow inno być określenie, pom iary i w artościow anie jakości inform acji, organizow anie zarządzania jak o ścią inform acji w organizacji, tw orzenie m etodyki podejm ow ania decyzji ja k o -ściow ych inform acji z uw zględnieniem rachunku efektyw ności i optym alizacją działań, tw orzenie metodyki statystycznego prognozow ania i oceny jakości in-formacji. [11] zauw aża słusznie, że pojęcie jakości wiąże się nierozerw alnie ze spełnianiem oczekiw ań użytkow nika. W skazuje na normę term inologiczną ISO 8402 definiującą jakość (quality) jak o ogół cech i w łaściw ości wyrobu lub usługi decydujący o zdolności wyrobu lub usługi do zaspokojenia stw ier-dzonych lub przew idyw anych potrzeb [17]. W tym sensie jakość inform acji należy rozum ieć, jak o stopień zaspokojenia potrzeb użytkow nika. W kw alitolo-gii jakość stanow i zbiór wartości atrybutów inform acji odniesionych dla kon-kretnego użytkow nika [ a b a2,...,an}. Jakość informacji określona jest zatem zbio-rem jej atrybutów . Każda organizacja pow inna określić sw oją politykę jakości rozum ianą jak o ogół zam ierzeń i kierunków działań organizacji dotyczących jakości, w sposób form alny w yrażony przez najw yższe kierow nictw o tej organi-zacji [11]. Jej elem entem pow inna być polityka jakości inform acji. W m oim przekonaniu niesłusznie twierdzi się, że celem polityki jakości jest zapew nienie produktów i usług o najw yższej jakości. W ystarczy, że polityka jakości zapewni produkty i usługi pożądanej jakości. Polityka jakości kształtuje zarządzanie j a -kością (quality m anagem ent), w tym zarządzanie jak o ścią inform acji. Zarządza-nie jak o ścią zw iązane je st ze wszystkim i funkcjam i system u inform acyjnego.

R acjonalne narzędzie inform acyjne musi rozw iązyw ać kom prom is zasobów inform acyjnych zapew niając użytkow nikom inform acje o pożądanej jakości.

Będziemy interesow ali się inform acją ek o n o m iczn ą która jest przedm iotem badań inform atyki ekonom icznej. Elżbieta N iedzielska definiuje j ą jak o dziedzi-na badań dziedzi-naukow ych, kształcenia akadem ickiego oraz praktyki gospodarczej, w yodrębnioną z inform atyki i pośw ięconą m etodyce i pragm atyce zastosow ania w ekonom ii środków i narzędzi techniki kom puterow ej [20]. Poniew aż ekonomię postrzega się często jak o naukę o tym, jak ludzie dokonują alokacji z a so

-bów, proponuję rozum ieć inform ację ekonom iczną jak o inform ację o sytuacji m akroekonom icznej bądź m ikroekonom icznej, pozw alającą zm niejszyć niepew -ność w podejm ow aniu decyzji o alokacji zasobów [25].

Inform acja ekonom iczna może pochodzić z różnych źródeł [Tjoa 1998]: system ów transakcyjnych, np. system y sprzedaży (point-of-sales), system ów finansow ych; system ów w spom agania decyzji, np. hurtowni danych; system ów zarządzania dokum entam i, np. poczta elektroniczna, listy dyskusyjne, bazy da-nych działu badań i rozw oju; system ów zew nętrzda-nych, np. system ów inform acji banchm erkingow ej, system ów giełdow ych.

R ozgraniczm y aktyw ne i pasyw ne źródła inform acji ekonom icznej. Te pierw sze są źródłem inform acji przekazujących je natychm iast po ich uzy-skaniu lub po zajściu w arunków uzasadniających ich przekazanie [1]. Źródła, które nie są aktyw ne, nazyw am y pasywnym i.

System y w yszukiw aw cze

System y w yszukiw aw cze (inform ation retrieval) są specjalną klasą syste-mów inform acyjnych. Ich definicja nie ulega zasadniczym zm ianom od czasu jej zaproponow ania przez G erarda S alton’a, którego fundam entalna praca je st m imo upływu lat najbardziej cytow aną m onografią pośw ięconą system om w yszuki-w ayszuki-w czym [23]. Z niej yszuki-w łaśnie pochodzi proponoyszuki-w ana definicja: system y yszuki-w y-szukiw aw cze są rodzajem system ów inform acyjnych służącym do pozyskiw a-nia, organizow ania, w yszukiw ania i udostępniania inform acji zgodnie z potrzebam i inform acyjnym i użytkow ników .

O m aw iając funkcje system ów w yszukiw aw czych m ożna posłużyć się me- tam odelem , który w ykorzystuję ju ż ponad dw adzieścia lat w ykładając przedm iot

Update Presentation

Indexing

Matching

Organizing Supplying

Presentation

Rys. 1. M etamodel systemów wyszukiwawczych

Żródlo: W. Abramowicz, P. Kalczyński and К. W ęcel, Filtering the Web

to Feed Dala Warehouses, Springer, London 2002, 270 pp. ISBN 1-

85233-579-3. Query Formulation

Filtry inform acyjne

Filtry inform acyjne (inform ation filter) są specjalną klasą system ów w y-szukiw aw czych. Na podstaw ie profili użytkow ników opisujących w formalny sposób ich potrzeby inform acyjne dostarczają inform acji w form ie dokum entów elektronicznych. D okum enty elektroniczne są nośnikiem inform acji. R elew ancja dokum entu dla użytkow nika m oże być przedm iotem subiektyw nej oceny. Po-stulujem y, by każdy dokum ent był zrozum iały przez użytkow nika bez koniecz-ności sięgania do innych dokum entów . Filtry inform acyjne m ogą być traktow a-ne przez użytkow ników jak o aktyw a-ne źródło informacji.

Dobrze skonstruow ane filtry inform acyjne m ogą być racjonalnym narzę-dziem inform acyjnym rozw iązującym kom prom is zasobów inform acyjnych zapew niających użytkow nikom inform acje o pożądanej jakości.

Bardziej form alnie filtr inform acyjny przedstaw iam y jak o czw órkę {D, P, F, R el(P .dj)}, gdzie:

1. D jest strum ieniem reprezentacji dokum entów (np. ich indeksów ) pew nego strum ienia dokum entów .

2. P jest zbiorem reprezentacji potrzeb inform acyjnych użytkow ników nazy-wanych profilam i (profiles).

3. F jest ontologią użytą do m odelow ania reprezentacji dokum entów , profilów i ich relacji.

4. Rel(P, dj) jest funkcją relew ancji (relevance function), która przypisuje liczbę rzeczyw istą parze złożonej z zapytania p t e P i reprezentacji do-kum entu cIj E D .

Spróbujm y sform ułow ać założenia, jakie należy przyjąć budując filtry in-form acyjne i ich zastosow ania.

Antycypow any użytkow nik filtrów inform acyjnych korzysta najczęściej z dwóch rodzajów źródeł informacji. Inform acje w ew nątrz korporacyjne pocho-d zą najczęściej z system ów transakcyjnych lub analitycznych takich jak pocho-dla przykładu hurtow nie danych. Projektując system y inform acyjne korporacji po-św ięca się im dużo uwagi. Dużo m niejsze przy projektow aniu popo-św ięca się ze-w nętrznym źródłom inform acji. W kontekście najbardziej nas interesującej in-formacji ekonom icznej m ożna pow iedzieć, że inform acje w ew nętrzne szczególnie dobrze zaspokajają potrzeby inform acyjne w zakresie m ikroekono-m icznyikroekono-m , a inforikroekono-m acje zew nętrzne pokazują kontekst ikroekono-m akroekonoikroekono-m iczny. M ó-wimy zatem o dualizm ie informacyjnym.

Z ciągłości działania filtrów inform acyjnych [1] wynika, że użytkow nicy otrzym ując coraz to nowe dokum enty odpow iadające ich zainteresow aniom . System dostarcza określonym użytkow nikom dokum entów zgodnych z ich za-interesow aniam i, a odrzuca dokum enty, które ich nie interesują. Taki sposób przekazyw ania dokum entów jest szczególnie korzystny dla użytkow ników o dobrze w ykrystalizow anych potrzebach inform acyjnych zainteresow anych otrzym yw aniem inform acji w długim czasie. Użytkow nikam i filtrów inform acyjnych są najczęściej osoby w ykorzystujące w yfiltrow ane dokum enty dla p o -trzeb zaw odow ych lub dla upraw iania w sposób zaaw ansow any hobby. Praktyka wskazują, że tylko tacy użytkow nicy są w stanie dobrze określić sw oje potrzeby inform acyjne. Przykładem takiej grupy zaw odow ej m ogą być praw nicy [19]. D ośw iadczenia w użytkow aniu filtrów inform acyjnych przez użytkow ników o bardziej zróżnicow anych zainteresow aniach nie są zachęcające [9]. W ogólno-ści każde źródło inform acji i każdy użytkow nik filtrów m ogą posługiw ać się inną ontologią. D latego nie wierzę w filtry inform acyjne niezależne od dziedziny wiedzy, której m ają dotyczyć filtrow ane dokum enty. Kom petencja Katedry In-formatyki Ekonom icznej Akadem ii Ekonom icznej w Poznaniu zw iązana jest z filtrow aniem inform acji ekonom icznej i prawnej. Specjalizacja ta ma szcze-gólne znaczenie, od kiedy na rynku pojawili się dostaw cy inform acji ekono-m icznych i praw nych o szczególnie wysokiej jakości oraz w oluekono-m enie przekra-czającym zdolności percepcyjne użytkow ników .

Filtry inform acji są coraz pow szechniej stosow anym narzędziem pozyski-w ania inform acji z Internetu [2].

Filtrow anie do transakcyjnych system ów inform acyjnych zarządzania

K orzystanie do podejm ow ania decyzji z różnych system ów inform acyjnych nie w pływ a pozytyw nie na jakość podejm ow anych decyzji. U żytkow nicy m uszą zbyt dużo czasu pośw ięcić na pozyskiw anie inform acji z różnych system ów. Trudno zbudow ać narzędzia integrujące pozyskane w ten sposób inform acje.

Jestem zdania, że system y inform acyjne zarządzania m ożna w yposażyć w filtry inform acyjne pozw alające na dodatkow e ich zasilanie w inform acje. M oże to być szczególnie interesujące dla korporacyjnych system ów inform acyj-nych zarządzania, które w ten sposób zasilane są w inform acje m akroekono-miczne. W moich zespołach prow adzim y badania w tym zakresie od kilkunastu lat. Jedną z pierw szych na św iecie im plem entacji filtrów inform acyjnych w sieci kom puterow ej łączącej kom putery osobiste był system A thene zrealizow any w Politechnice K onfederacyjnej w Zurychu w Szwajcarii [10]. Było to na p o -czątku lat osiem dziesiątych jedno z najbardziej innow acyjnych m iejsc do tw o-rzenia oprogram ow ania na świecie. Cały system został napisany w języku Mo- dula 2 dla kom puterów Lilith połączonych w sieć. Prócz im plem entacji zbudow ano model m atem atyczny filtrów inform acyjnych w ykorzystujący teorię grafów, który z czasem pozw olił zbudow ać model filtrow ania dokum entów h i-pertekstow ych w ykorzystujący grafy bipartitne [8].

Pierwsze badania w zakresie zasilania system ów inform acyjnych zarządza-nia dotyczyły system ów transakcyjnych zarządzazarządza-nia. Jako obszar eksperym en-tów w ybraliśm y m oduł kadrow o-płacow y. Korzystaliśm y z system u SA P R/3. Dla tej klasy zastosow ań konieczne jest zbudow anie narzędzi autom atyzujących tw orzenie profili potrzeb inform acyjnych modułu systemu inform acyjnego zarządzania. Profil ten musi być budow any z uw zględnieniem części deklaratyw -nej, czyli analizy grom adzonych danych, oraz części proceduralnej pokazującej na funkcje modułu w ykorzystujące w yfiltrow ane inform acje. Poniew aż transak-cyjne system y zarządzania są mało podatne na zm ianę m odelu danych, koniecz-ne jest zbudow anie aplikacji adaptującej w yfiltrow akoniecz-ne inform acje do modelu danych system u. Dobre przeprow adzenie tego procesu ogranicza konieczność tw orzenia nowej funkcjonalności systemu transakcyjnego. W ramach tego pro-jektu m ożna w yróżnić kilka szczególnych wątków badaw czych. Przetestow ano szereg zastosow ań analizy skupień dla badania struktury pow iązań dokum entów dla oceny relewancji oraz doskonalenia profilów. A nalizow ano metody budowy profili z w ykorzystaniem ontologii i ich doskonalenia. Badano zastosow anie

inteligentnych agentów dla oceny relewancji dokum entów . Dokonano testow ych im plem entacji zastosow ania filtrów inform acyjnych dla zastosow ań w bench- m arkingow ych i m arketingu bezpośrednim . Badano m ożliw ości zastosow ania dla dokum entów ekonom icznych i prawnych. Dokonano także eksperym entów z filtrow aniem dokum entów graficznych. Pełną listę publikacji zainteresow any czytelnik znajdzie w [1].

Z badań tych w yniknęła potrzeba analizy procesów , które w ykorzystują fil-trow ane inform acje, np. [4]. Doszliśm y do w niosku, że korzystniejsze m oże być w szeregu zastosow ań (choćby we w spom nianej autom atyzacji procesów ka-drow o - płacow ych w zintegrow anych system ach inform acyjnych na przykładzie SA P R/3) bezpośrednie zasilanie w filtrow ane inform acje procesów a nie syste-mów inform acyjnych zarządzania, które w ykorzystyw ane są w realizacji proce-sów. D okonaliśm y niezbędnych rozszerzeń m odelu przepływ u pracy. Pozwala on na dw ojakie sterow anie procesam i. Pierw szym sposobem jest inicjow anie instancji procesu po w yfiltrow aniu dokum entu. Takie podejście je st szczególnie korzystne dla procesów , które m ają reagow ać na inform acje otrzym yw ane ze-w nątrz ze-w form ie dokum entóze-w . Drugie podejście zze-w iązane je st z obsługą zain- stancjonow anych procesów. Ich elem entem jest oczekiw anie na w yfiltrow ane dokum enty. Zaw arta w dokum entach inform acja w pływ a na przebieg procesu. M odele procesów m ogą dopuszczać różne sterow ania procesam i w zależności od w yfiltrow anej inform acji. O becne badania prow adzą do opracow ania nowych metod sterow ania procesam i w zależności od ich ontologii i ontologii źródeł dokum entów .

H ltrow an ie do analitycznych system ów inform acyjnych zarządzania

K olejną klasą system ów inform acyjnych zarządzania, które m ogą być zasi-lane filtrowanym i inform acjam i są system y analityczne. H urtow nie danych są bardzo silnym narzędziem analitycznym w spom agającym zarządzających w podejm ow aniu decyzji. M im o że ich w drożenie je st bardzo trudnym i często kończącym się niepow odzeniem procesem , są one osadzane jak o elem ent je s z -cze bardziej złożonych system ów inform acyjnych. K oncepcja business

intelli-gence zakłada integracje wielu narzędzi przetw arzania wiedzy w jedno służące

wspom aganiu decyzji w biznesie [22]. C entralną rolę przypisuje się w niej hur-tow niom danych. N ajprostszą architekturą, którą m ożna trakhur-tow ać jak o business

intelligence są w irtualne hurtow nie danych. W irtualizacja danych w przekonaniu

twórców tej idei przyspiesza udostępnianie danych [21] i ze względu na otw ar-tość architektury pozw ala na prow adzenie eksperym entów nad przydatnością poszczególnych źródeł danych oraz m odelam i m eta danych [18]. Zbliżonym podejściem do rozproszonego zarządzania dobrze strukturalizow anym i danym i

w hurtow niach danych są pom ysły super hurtowni danych (Super Data W areho-use lub Inform ation Data Superstore) [12]. K olejną koncepcją rozszerzającą hurtow nie danych o m ożliw ość zasilania w ykraczającą poza system y transak-cyjne są eksploratransak-cyjne hurtow nie danych (exploration w arehouse) [16]. Web

fa n n in g ' oznacza system atyczne doskonalenie internetow ych źródeł inform acji

zasilających business intelligence [14]. Pojęcie web fa rm in g należy rozum ieć w kontekście drążenia sieci (web m ining)2, które oznacza pozyskanie inform acji dostępnej z Internetu. Fazami web farm ing jest odkryw anie (discovery) inform a-cji w sieci, jej pozyskiw anie (acquisition) i strukturalizacja (structuring), a w końcu rozpow szechnianie (dissem ination). C ały proces określany bywa DASD (od pierw szych liter angielskich nazw faz procesu).

Rys. 2. Fazy web farming

Źródło: R. Hackathom , http://www.webfarm ing.com

O dkryw anie polega na identyfikacji pożądanych inform acji w Internecie. Pozyskanie polega na jej przeniesieniu ze źródła do system u organizującego web

farm ing. Strukturalizacja jest w moim przekonaniu pojęciem zbyt m ało pojem

-nym. Jak w skazują nasze dośw iadczenia, nie m oże to oznaczać tylko um iesz-czenia pozyskanej inform acji w system ie inform acyjnym . Rozpow szechnienie oznacza udostępnienie pozyskanej inform acji użytkow nikom . Rysunek 2.

wska-1 Dotychczas nie wykreowano polskiego odpowiednika web farm ing.

2 . . .

Jest to własna propozycja autora wynikająca z ugruntowania się pojęcia drążenia danych (data mining).

żuje na dw a przepływ y inform acji. Przepływ od odkryw ania do rozpow szech-niania ilustruje pozyskanie informacji z Internetu. Przepływ inform acji od roz-pow szechniania do odkryw ania ma popraw ić jakość inform acji pozyskiw anej w czasie pierw szego przepływu.

W [13] pokazano jedynie w izję web farming. Kiedy Hackathorn opubliko-wał sw oją wizję, byliśm y ju ż w trakcie im plem entacji koncepcji eD W [3].

Bardziej złożoną koncepcją jest pom ysł C orporate Inform ation Factory (CIF) [16]. Zakłada on zasilanie hurtowni danych z wielu źródeł. K om unikują się one z C IF za pom ocą API. Rysunek 3. przedstaw ia także zew nętrzne zasila-nie CIF, którym m ogą być źródła internetow e.

Library &

Tool ta x Inform ation Services W ofkb«nch

E*t#i n *i

E

Meta Data M anagem ent

M«rug*m*n( Dm_Management« Acquisition _ManagementSei vie» _{M anagem ent}Chang« O perations &

Administration _____________

Rys. 3. Architektura Corporate Information Factory

Źródło: С. Imhoff, Intelligent Solutions: Exploration Warehouse, the Final Frontier, DM Review.com, http://www.dmreview.com/

Z ak oń czen ie

Przyszłość inform atyki ekonom icznej to poszukiw anie racjonalnych narzę-dzi inform acyjnych. Ich budow anie jest nierozerw alnie zw iązane z kom prom i-sem zasobów inform acyjnych. Filtry informacji jak o specjalna klasa system ów w yszukiw aw czych m oże być narzędziem zasilania system ów inform acyjnych zarządzania tw orzącym z nich rozw iązania będące poszukiw aniem racjonalnych narzędzi inform acyjnych. Ich szczególną rolą może być zasilanie korporacyj-nych system ów inform acyjkorporacyj-nych w inform acje m akroekonom iczne. Filtry infor-macji m ogą być narzędziem pozyskiw ania inform acji o pożądanej jakości w zależności od określenia wartości m iar precyzji i dokładności filtrow ania [1].

Ź ródła

1. W. Abramowicz, Filtrowanie informacji z Internetu, W ydawnictwo Akademii Ekonomicznej w Poznaniu, 2003 (in press).

2. W. Abramowicz (ed.), Knowledge-Based Information Retrieval and Filtering fro m the Web, Kluwer Academic Publishers, Boston 2003, 320 pp. (in press)

3. W. Abramowicz, P. Kalczyński and K. W ęcel, Filtering the Web to Feed Data Warehouses, Springer. London 2002, 270 pp. ISBN 1-85233-579-3.

4. W. Abramowicz. J. Szymański, Workflow Technology Supporting Information Filtering

From the Internet, Mehdi Khosrow-Pour (ed.), Issues and Trends o f Information Technology

M anagement in Contemporary Organizations, Information Resources M anagem ent Associa-tion InternaAssocia-tional Conference, Seattle, USA, 2002, InformaAssocia-tion Science Publishing.

5. W. Abramowicz, P. J. Kalczyński and K. W ęcel, Time-Dimensioning U nstructured Contents

in the Data Warehouse Library, in: Intelligent Systems, 2001, vol. 1.

6 . W. Abramowicz, Information Fillers Supplying Management Information Systems, Southern Conference on Computing, Hattiesburg, M ississippi, USA. 2000 (keynote).

7. W. Abramowicz, M. O rłow ska (red.). Proceedings, III M iędzynarodowa Konferencja B IS’99 w Poznaniu, Springer Verlag, Londyn 1999.

8 . W. Abramowicz, H ypertexte utul ihre IR-basierte Verbreitung, Humboldt-Universität Berlin. Berlin 1990, 292 +VII.

9. W. Abramowicz, Information Dissemination to Users with H eterogeneous Interests. M odel o f

split profiles, Jan Grabowski (ed.), Computers in Science and Higher Education, M

athemati-cal Research, Vol. 57, Akademie-Verlag, Berlin 1990, 62-71.

10. W. Abramowicz, Computer A dded Dissemination o f Information on Software in Networks, Proceedings o f Compas ‘85 - The European Software Congress, D ecember 10-13, Berlin West 1985,491-505.

11. B. Begier, Inżynieria oprogramowania - problematyka jakości. W ydawnictwo Politechniki Poznańskiej, Poznań 1999.

12. J. Bischoff, R. Yevich, The Superstore: Building More than a Data Warehouse. Database Programming and Design Online Magazine, September, www.dbDd.com/vault/septoc.htm (wyszukane 22 listopada 1996).

13. R. Hackathorn, hltn://www. webfarming.com (wyszukane 11 kwietnia 2001).

14. R. Hackathorn, Web Fanning f o r the Data Warehouse. Morgan Kaufman Publishers, San Francisco, USA 1999.

15. A. Hamrol, W. Mantura. Zarządzanie jakością. Teoria i praktyka, PWN, W arszawa-Poznań 1998.

16. C. Imhoff, Intelligent Solutions: Exploration Warehouse, the Final Frontier, DMReview.com, liitp://www.clmreview.com/ (wyszukane 18 września 2000).

17. PN-EN 28402:1991 Jakość - Term inologia (Quality - Vocabulary), ISO Standard 8402:1986.

18. S. Jordan, K. Smith, The Virtual Data Warehouse. Corporate Information M anagement

Strategies and Architectures, Locheed Martin, w ww .oml.gov/cim /vdwlxt.him (wyszukane 22

sierpnia 1998).

19. W. Merkt, S. Vieweg, A. Karapetjan, KELP: A Hypertext oriented U ser-lnterface fo r an

Intelligent Inegal Fulltext Information Retrieval System, A M. Tjoa, R. W agner (ed.). D

ataba-se and Expert Systems Applications, DEXA’90, Springer-Verlag, 399-404.

20. E. Niedzielska. Informatyka ekonomiczna. W ydawnictwo Akademii Ekonomicznej im. O ska-ra Langego we W rocławiu, W rocław 1998.

21. E. M. Peters, The Virtual Data Warehouse, J. Bischoff, T. Alexander (eds). Data Warehouse: Practical Advice from the Experts. Prentice Hall, USA 1997, pp 286-295.

22. R. Powell, A 10 Year Journey, DM Review, February 2001, http://www .dm review .coin/ (wyszukane 11 kwietnia 2001).

23. G. Salton, M. J. M cGill, Introduction to Modern Information Retrieval, M cGraw-Hill, 1983, pp. 448.

24. A Min Tjoa, J. Schiefer, Generating Sample Data fo r Mining and Warehousing, w W. Abra-mowicz, M. Orłowska (red.), Proceedings, III M iędzynarodowa Konferencja B IS'99 w Po-znaniu, Springer Verlag, Londyn 1999.

25. К. Węcel, Tworzenie profili hurtowni danych do filtrow ania inform acji ekonomicznej, praca doktorska. Akademia Ekonomiczna w Poznaniu, Poznań 2002.