Многие проблемы принятия управленческих решений относятся к плохо структурированным, они связаны с персональным выбором и ответственностью за него. Принятие управленческого решения, особенно стратегического – творческий процесс. Система стандартизированных форм представления данных недостаточно гибка для решения таких задач.
Поэтому в настоящее время МИС представляют собой конгломерат различных программных средств, выполняющих различные функции: скрепинг данных сайтов, их очистку и консолидацию, аналитическую обработку и визуализацию результатов. Теперь можно более гибко управлять всеми этапами этой деятельности.
2. Информационно-поисковые системы являются разновидностью MIS и служат для быстрого поиска информации, содержащейся в основном в текстовых документах. Для этого в них применяются специальные средства. Примерами таких систем являются Google и Yandex. К этому же типу можно отнести и информационно-правовые системы, например, Консультант плюс, содержащие постоянно обновляемую базу законов, указов и нормативных документов.
3. В XXI веке объем производимых и хранимых данных возрастает невиданными темпами. Поэтому появилась новая область знаний – Большие данные (Big Data). Это, согласно [https://ru.wikipedia.org/wiki/Большие_данные] – "совокупность подходов, инструментов и методов обработки структурированных и неструктурированных данных огромных объёмов и значительного многообразия для получения воспринимаемых человеком результатов, эффективных в условиях непрерывного прироста, распределения по многочисленным узлам вычислительной сети". Их характеристики:
– большой физический объем;
– большая скорость прироста и необходимость быстрого получения результата;
– разнообразие типов структурированных и полуструктурированных данных.
Методы и средства работы с Большими данными бурно развиваются в настоящее время[5].
Особенности больших данных породили целую науку Data science (науку о данных). Это наука о методах анализа данных и извлечения из них полезной информации Она объединяет математические методы, программирование, методы работы с большими данными, методы машинного обучения. Data scientist (ученый по данным) должен владеть:
– математикой и статистикой;
– информационными технологиями, включая программирование;
– пониманием бизнес-процессов, для которых он собирает информацию.