金融行业it报告new

《金融行业it报告new》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、金融行业IT报告实训目的要求（1）进行社会调查，整理各行业使用管理信息系统的情况。（2）分析管理信息系统在各行业的作用。实训内容与结果现代管理信息系统是计算机应用在管理领域的一门实用技术。它综合运用了管理科学、数学和计算机应用的原理和方法,在符合软件工程规范的原则下,形成了自身完整的理论和方法学体系。以人为主导,利用计算机硬件、软件、网络通信设备以及其他办公设备,进行信息的收集、传输、加工、储存、更新和维护，以企业战略竞优、提高效益和效率为目的，支持企业的高层决策、中层控制、基层运作的集成化的人机系统。管理信息系统学科是一门理

2、论性和实践性都很强的学科。目前,管理信息系统正在朝着智能、集成和网络等方向的趋势发展。智能方向的突出代表就是决策支持系统与专家系统的结合,即智能决策支持系统(IDSS);集成方向的突出代表就是计算机集成制造系统(CIMS)与ERP;网络方向的典型代表就是电子商务。下面分别说明这三大趋势。管理信息系统的智能发展趋势决策支持系统决策支持系统(DSS),通俗地说,就是帮助决策者利用数据、模型、方法、知识推理等去解决非结构化决策问题的人机交互系统。它主要由人机接口、数据库、模型库、方法库、知识库及其管理系统组成。这里的支持:即此系统意

3、在辅助决策者进行的决策,而不是代替决策。处理半结构化决策问题,这就意味着决策过程不能完全用一种算法、程序、模型概括说明,不能完全依靠计算机系统,它需人机的相互作用。决策支持系统的发展DSS的发展现正向智能化、群体和行为导向等方面发展。IDSS,20世纪80年代知识工程(KE)、人工智能(AI)和专家系统(ES)的兴起,为处理不确定性领域的问题提供了技术保证,使DSS朝着智能化方向前进了一步。GDSS(GroupDSS),群体决策比个体决策更合理,更科学。但是由于群体成员之间存在价值观念等方面的差异,也带来了一些新的问题。从技术

4、上讲,个体DSS是GDSS的基础,但要增加一个接口操作环境,支持群体成员更好的相互作用。BDSS,所谓行为导向(BehaviorOriented)DSS就是从行为科学角度来研究对决策者过程的支持,其主要研究对象是人,而不是以计算机为基础的信息处理系统,主要是利用对决策行为的引导来支持决策,而不仅仅用信息支持决策。这将为人类最终解决决策问题开辟一条道路,但其研究范围和技术手段已超出今天的信息系统的范围。数据仓库(Datawarehouse)对决策支持系统的发展数据仓库是20世纪90年代以来决策支持系统的一个重要发展。近年来得到了

5、理论界和信息产业界的高度重视。数据仓库的定义和特征:数据仓库(Datawarehouse)是指一个对历史数据进行处理的集成化的数据收集和信息处理机构,在一般情况下,数据仓库的数据输入部分是来自一个操作性的环境,该部分的作用是将这个环境中的数据送到另一个在物理上相分离的数据存储机构中去。而数据仓库则不断地对信息系统中的数据进行整理,从而辅助决策者有效地发现问题。数据仓库具有4个主要特征如下:面向主题;集成化;时变性;非活性。数据仓库的结构:数据仓库将其中的数据分为以下几个层次:当前详细数据;历史详细数据;轻度概略数据;高度概略数

6、据;超数据。数据的流程:在数据仓库中,数据的流程一般是可以预计的。数据是从操作性环境进入到数据仓库中的。当数据进入到数据仓库中时,必然经由一个预定的转换过程。当数据进入数据仓库时,数据首先进入当前详细层。然后,数据将暂时保留在该层,直到该数据被删除,或被概略化,或被取走这三种事件之一发生。数据仓库的使用:根据数据在数据仓库中的层次,它们被使用情况是不同的。一般地讲,越是在概略化的高层,其数据被使用的频率越高,而历史性的详细数据却很少被使用。通过数据仓库中的数据挖掘工具,我们能够发现有用的知识。专家系统(ExpertSystem

7、s)专家系统是一个利用知识和推理过程来解决那些需要特殊的,重要的人类专家才能解决的复杂问题的计算机智能程序,专家系统的知识由事实和启发性知识组成。专家系统一般由以下部件组成:知识获取设备;知识库(规则库和数据库);知识库管理系统(KBMS);推理机构;用户接口。近年来,人们开始将DSS与ES结合起来,形成IDSS,但IDSS绝不是ES和DSS的简单结合,而是需要大大提高。目前,人工智能技术的最新动态表现在如下几个方面。神经网络(NeuralNetwork)专家系统一个最大的缺点是:要求专家来建立知识,普通人是无能为力的,因此限

8、制了专家系统的使用。下面我们将要介绍的神经网络就能克服这个弱点,它具有自组织、自学习等特点,可以被大众所接受和使用。神经网络方法的基本原理:神经网络是一种按照人脑的组织和活动原理而构造的一种数据驱动型非线性模型。它是由神经元结构模型、网络连接模型、网络学习算法等几个要素组成。