Теория реляционных БД. Часть 1

Информационные системы: определение и применение

Области применения информационных систем можно разделить на две крупные. Первая — выполнение вычислений разной степени сложности. Вторая — создание автоматизированных информационных систем, таких как ERP (Enterprise Resource Planning — планирование ресурсов предприятия) и CRM (Customer Relationship Management — управление взаимоотношениями с клиентами).

Информационная система (ИС) — это совокупность структурированных данных и комплекса программно-аппаратных средств для их хранения и манипулирования. Для работы необходимы и программный код, реализующий бизнес-логику, и «железо», на котором эта логика выполняется.

Классы информационных систем

Выделяют три крупных класса.
1. Информационно-поисковые системы ориентированы на поиск в больших объёмах данных. Главное — наличие поискового критерия. Данные возвращаются в том виде, в котором хранятся, без сложной модификации. Задача системы — обеспечить хранение, индексацию и инструмент ввода запросов. Современные системы поддерживают запросы на естественном языке без перевода на SQL (Structured Query Language).
2. Системы обработки данных фокусируются на преобразовании информации из одной формы в другую. Пользователя интересует результат обработки, а не исходные данные. Вывод промежуточных результатов необязателен. Пример: стемминг текста — приведение слов к нормальной форме и удаление стоп-слов (союзов, предлогов). Полученный набор нормализованных слов подаётся на вход алгоритму анализа; сам по себе он ценности не представляет.
3. Информационно-аналитические системы нацелены на многомерный анализ. Пользователь получает результат в виде сводных таблиц, графиков или ключевых показателей эффективности — KPI (Key Performance Indicators). Вывод информации обязателен. Современные BI-решения (Business Intelligence) нередко объединяют полный цикл — загрузку, хранение, обработку и анализ — в рамках одной платформы. Следующая ступень — системы поддержки принятия решений с имитационным моделированием.

Виды информационных систем

По видам ИС делятся на три типа.
• Фактографические системы регистрируют конкретные значения параметров объектов реального мира. Информация строго структурирована, ответы однозначны. Пример — системы сбора климатических показателей (температура, давление, влажность).
• Документальные системы работают с совокупностью неструктурированных документов: текстов, графики, видео. «Документ» понимается абстрактно. Результатом запроса является перечень документов, в той или иной мере удовлетворяющих условиям. Интерпретация содержания для получения окончательного ответа остаётся за человеком. Выделение структуры (заглавия, разделов) — задача дополнительной обработки, не реализуемая на уровне хранения.
• Аналитические системы оперируют структурированными данными, включая результаты обработки исходных документов. Формируется набор метрик, позволяющих оценить объекты в соответствии с бизнес-задачей (например, степень юридического соответствия документа). Пользователь получает не документ целиком, а конкретный релевантный фрагмент или показатель. Для анализа текстов применяются методы вроде TF-IDF (Term Frequency-Inverse Document Frequency) и рекуррентные нейронные сети.

Базовые понятия: объект, данные, KPI

• Объект — нечто существующее и различимое. Уровень детализации (грануляция) диктуется предметной областью и бизнес-задачей. Например, упаковка воды может рассматриваться как один объект или как совокупство объектов-бутылок.
• Данные — исходные показатели, характеризующие объект и принимающие конкретные значения для каждого его экземпляра. Это цифровая форма зафиксированных характеристик.
• Ключевые показатели (KPI) — производные величины, вычисляемые на основе первичных данных.

Структурирование информации

Структурирование — введение соглашений о способе представления информации. Один и тот же набор сведений может быть представлен в разной структурированной форме. Например, данные о человеке можно записать в одно поле «ФИО» или разделить на «Фамилия», «Имя», «Отчество». Выбор влияет на возможности дальнейшего анализа.

Структурирование тесно связано с принципом атомарности, являющимся требованием первой нормальной формы. Оно предполагает, что каждое поле содержит только неделимую информацию. Однако если элемент данных (например, ФИО) используется исключительно как справочный реквизит и впоследствии деперсонализируется, допустимо хранить его слитно, жертвуя атомарностью ради удобства. Когда же требуется анализ по отдельным компонентам (поиск по фамилии), разделение обязательно.

Файловая организация данных

Традиционный подход к хранению — использование файлов. Файл — это именованная область внешней памяти, в которую можно записывать и из которой можно считывать данные.
Стандартные операции любой файловой системы:
• создание файла (иногда с указанием типа и размера);
• открытие ранее созданного файла;
• чтение записей: текущей, следующей, предыдущей, первой, последней;
• запись на место текущей записи или добавление новой строки.

Типы файлов

1. Файл последовательного доступа. Записи могут иметь произвольную длину. Поля внутри строки разделяются разделителем — символом пунктуации (запятая, точка с запятой, двоеточие). Ключевое требование: символ-разделитель не должен встречаться внутри самих данных, иначе машина не сможет правильно определить границы полей. Записи добавляются, как правило, в конец. Недостаток — невозможность упорядочить строки; для поиска нужной записи приходится последовательно просматривать весь файл.
2. Файл произвольного доступа. Записи имеют фиксированную длину, задаваемую при создании. Строки нумеруются, что существенно ускоряет поиск и допускает сортировку. Плата за быстродействие — невозможность добавить поле переменной длины; все записи обязаны укладываться в установленный лимит.

Краткие итоги

Понимание информационных систем начинается с осознания их двойственной природы: это и инструмент вычислений, и среда автоматизации бизнес-процессов. Такое разделение определяет архитектурные решения. Классификация на поисковые, обрабатывающие и аналитические системы задаёт спектр работы с данными — от простого извлечения до многомерного анализа, где результат становится основой для принятия решений. Практическая ценность типологии в том, что она помогает проектировщику выбрать адекватный инструментарий: когда достаточно индексации и поиска, а когда требуется глубокая аналитическая платформа.

Видовая классификация — фактография, документы, аналитика — добавляет измерение структурированности информации. Фактографические системы дают однозначность и строгую формализацию, документальные — гибкость неструктурированного поиска с последующей интерпретацией человеком, аналитические — метрики и готовые выводы. Эти различия прямо влияют на ожидания пользователя и формат ответа системы, а значит, должны быть учтены на этапе постановки задачи.

Переход к понятиям объекта, данных и KPI формирует базовый словарь моделирования: любая предметная область сводится к различению сущностей, их атрибутов и расчётных показателей. Именно здесь возникает ключевая дилемма структурирования — компромисс между атомарностью и удобством использования. Первая нормальная форма не является догмой; она зависит от аналитических задач. Если атрибут не будет分解яться, его можно хранить слитно, снижая избыточность. Этот принцип напрямую связывается с обсуждением файловых систем.

Файлы последовательного доступа с разделителями допускают произвольную длину полей, но жертвуют скоростью поиска и сортировкой; файлы произвольного доступа требуют фиксированной длины, однако обеспечивают быстрый доступ. Перед нами классический компромисс между гибкостью и производительностью, с которым сталкиваются при проектировании даже простых хранилищ.

В совокупности материал выстраивает логическую цепочку: от бизнес-потребности и типа системы через определение сущностей и их атрибутов к конкретному способу физического хранения. Такой взгляд позволяет принимать обоснованные решения на ранних этапах моделирования данных — будь то выбор между документной и фактографической системой или определение подходящей файловой структуры для прототипа.