ІНТЕЛЕКТУАЛЬНІ ІНФОРМАЦІЙНІ СИСТЕМИ ДЛЯ ПІДТРИМКИ УПРАВЛІНСЬКИХ РІШЕНЬ
DOI:
https://doi.org/10.32782/2412-9208-2026-2-209-221Ключові слова:
інтелектуальні інформаційні системи, системи підтримки прийняття рішень, управлінські рішення, аналіз даних, обробка великих даних, інтелектуальний аналіз даних, дослідження і розроблення; освітній менеджмент.Анотація
У статті розроблено технічний підхід до побудови інтелектуальних інформаційних систем для підтримки управлінських рішень в умовах великого обсягу різнорідних даних, багатокритеріальності та потреби в оперативному виборі альтернатив. Актуальність теми зумовлена переходом організацій до даних як основи управління, поширенням інструментів прогнозування, інтелектуального аналізу даних, обробки великих даних та пояснюваного штучного інтелекту. Метою дослідження є формалізація архітектури інтелектуальної інформаційної системи, побудова гібридної моделі підтримки рішень, що поєднує прогнозну аналітику та багатокритеріальне ранжування, а також перевірка її працездатності на імітаційному експерименті з пріоритизації портфеля проєктів досліджень і розроблення. Використано методи системного аналізу, структурно-функціонального моделювання, нормалізації даних, машинного навчання, багатокритеріального оцінювання, сценарного експерименту та порівняльної оцінки за метриками точності ранжування. Запропонована модель включає контури інтеграції даних, перевірки якості, базу знань, аналітичне ядро, підсистему пояснення та механізм зворотного зв’язку. У межах експерименту сформовано синтетичний набір із 600 альтернатив у 120 сесіях вибору, що дало змогу порівняти правила, статичне ранжування, модель градієнтного бустингу та гібридну систему. Отримано покращення показника Top-1 accuracy до 0,867 для гібридної моделі проти 0,742 для правил та зменшення середнього regret до 0,0022. Наукова новизна полягає в поєднанні прогнозної оцінки корисності з багатокритеріальним інтегральним скорингом та в побудові відтворюваного імітаційного стенда для оцінювання якості систем підтримки прийняття рішень. Практичне значення полягає в можливості використання підходу для відбору проєктів, управління ресурсами, ризиками та пріоритетами в корпоративних, науково-дослідних та освітньо-управлінських середовищах.
Посилання
Anderková V., Babič F., Paraličová Z., Javorská D. Intelligent System Using Data to Support Decision-Making. Applied Sciences. 2025. Vol. 15, No. 14. Art. 7724. DOI: 10.3390/app15147724.
Balaha F., Albinali H., Alrabiah H., Ali M., Bahroun Z. An analytical review of data integration for decision support in smart manufacturing. Decision Analytics Journal. 2025. Vol. 17. Art. 100647. DOI: 10.1016/j.dajour.2025.100647.
Chatterjee S., Chaudhuri R., Gupta S., Sivarajah U., Bag S. Assessing the impact of big data analytics on decision-making processes, forecasting, and performance of a firm. Technological Forecasting and Social Change. 2023. Vol. 196. Art. 122824. DOI: 10.1016/j.techfore.2023.122824.
Handler A., Larsen K. R., Hackathorn R. Large language models present new questions for decision support. International Journal of Information Management. 2024. Vol. 79. Art. 102811. DOI: 10.1016/j.ijinfomgt.2024.102811.
Kostopoulos G., Davrazos G., Kotsiantis S. Explainable Artificial Intelligence-Based Decision Support Systems: A Recent Review. Electronics. 2024. Vol. 13, No. 14. Art. 2842. DOI: 10.3390/electronics13142842.
Li L., Lin J., Ouyang Y., Luo X. Evaluating the impact of big data analytics usage on the decision-making quality of organizations. Technological Forecasting and Social Change. 2022. Vol. 175. Art. 121355. DOI: 10.1016/j.techfore.2021.121355.
Ma Q., Li H. A decision support system for supplier quality evaluation based on MCDM-aggregation and machine learning. Expert Systems with Applications. 2024. Vol. 242. Art. 122746. DOI: 10.1016/j.eswa.2023.122746.
Nguyen S., O’Keefe G., Arisian S., Trentelman K., Alahakoon D. Leveraging explainable AI for enhanced decision making in humanitarian logistics: An Adversarial CoevoluTION (ACTION) framework. International Journal of Disaster Risk Reduction. 2023. Vol. 97. Art. 104004. DOI: 10.1016/j.ijdrr.2023.104004.
Niu Y., Ying L., Yang J., Bao M., Sivaparthipan C. B. Organizational business intelligence and decision making using big data analytics. Information Processing & Management. 2021. Vol. 58, No. 6. Art. 102725. DOI: 10.1016/j.ipm.2021.102725.
Phillips-Wren G., Daly M., Burstein F. Reconciling business intelligence, analytics and decision support systems: More data, deeper insight. Decision Support Systems. 2021. Vol. 146. Art. 113560. DOI: 10.1016/j.dss.2021.113560.
Ram J., Desgourdes C. Using big data analytics (BDA) for improving decision-making performance in projects. Journal of Engineering and Technology Management. 2024. Vol. 74. Art. 101849. DOI: 10.1016/j.jengtecman.2024.101849.
Soori M., Ghaleh Jough F. K., Dastres R., Arezoo B. AI-based decision support systems in Industry 4.0, a review. Journal of Economy and Technology. 2024. DOI: 10.1016/j.ject.2024.08.005.
Wang F., Raisinghani M. S., Mora M., Forrest J. Effective decision support in the big data era: Optimize organizational performance via business intelligence and analytics. International Journal of Decision Support System Technology. 2022. Vol. 14, No. 1. P. 1–16. DOI: 10.4018/IJDSST.286683.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.



