Моделі інформації, наративів, знань, даних, правил для ефективної автоматизації аналітики (деталізовано 02.2024)

На основі існуючих моделей інформації, наративів, даних, знань, правил - з 2007 року у авторських роботах запропоновані удосконалені для ефективної автоматизації аналітики. 

• Модель довідково-аналітичної інформації FiveWs+ (Five Ws for Business Intelligence) - розроблена для часткової сфери на основі відомої у журналістиці моделі  інформації   The Five W's and H (Know: Who? What? When? Where? Why? and How?). 
• Модель аналітичної управлінської інформації АВ+ВПП+РР (Атрибути, Викладання, Висновки, Прогнози, Пропозиції, Рішення, Результати), а також модель АВ+ВПП+РР для Business Intelligence. Розроблена згідно типової структури (етапів) підготовки, прийняття рішень і оцінки їх виконання. Забезпечує розширені види аналітики: descriptive analytics (описова аналітика); diagnostic analytics (діагностична аналітика); predictive analytics (прогнозна аналітика); prescriptive analytics (наказова аналітика); analytics of decision & results (аналітика рішень і результатів). Тобто, модель  АВ+ВПП+РР забезпечує  аналітику згідно розширеної моделі управління C2 (Command & Control - команди і контроль виконання) і більш деталізованої  та нової C5 ISR, ets.
• Модель уніфікованої число-лінгвістичної інформації. Це число-лінгвістичні оцінки (ЧЛО) для Business Intelligence, які містять числову складову і 1..2 лінгвістичні інтерпретатори. До ЧЛО можна звести більше 10-ти видів оцінок у практичних системах. ЧЛО розроблені для коректної і ефективної роботи алгоритмів OLAP, Data Mining (у тому числі machine learning), Text Mining (у т.ч. Sentiment Analysis, Opinion Mining), Web Mining. ЧЛО - це специфічні атрибути у моделі АВ+ВПП+РР для Business Intelligence. Основою типової ЧЛО стала структура типу даних "Дата", яка по суті має числовий інтерпретатор та кілька лінгвістичних інтерпретаторів. Для деяких ЧЛО запропоновані також уніфіковані кольоро-графічні інтерпретатори, як правило на основі трьох кольорів світлофора. 
• Гібридна трьохкомпонентна фреймово-продукційна з семантичними мережами модель знань FPS (Frame, Production system, Semantic network). Цю модель у автоматизованих інформаційно-аналітичних системах  доцільно використовувати для автоматизації елементів SixWs+, та узгоджувати з конкретною структурою  ROLAP Star chema.

Всі вказані моделі пройшли наукову й практичну верифікацію - забезпечують підвищення ефективності автоматизації інформаційної аналітичної роботи з елементами управління на основі елементів "штучного інтелекту" (Artificial Intelligence, AI), систем автоматизації ділової аналітики (Business Intelligence, BI). Вони є необхідними для побудови мережевих ергатичних організмів (NEO – Network Ergatic Organism), мережево-центричних систем різного призначення (Network-centric systems, Network-centric warfare), Інтернету речей (Internet of Things, IoT), систем диспетчерського контролю і управління (Supervisory Control And Data Acquisition, SCADA).