Информационная система мониторинга и визуализации: структура и этапы дипломной работы

В современном мире генерируются огромные объемы данных, и способность эффективно их отслеживать (мониторить) и наглядно представлять (визуализировать) превратилась в один из ключевых профессиональных навыков. Автоматизация сбора и анализа данных стала насущной задачей для бизнеса, науки и государственного управления. Именно поэтому дипломная работа на тему создания информационной системы мониторинга — это не просто формальное завершение учебы, а создание реального, востребованного проекта для вашего портфолио.

Представьте себе проблему, с которой столкнулся город-курорт Анапа: в разгар сезона прибрежные воды превращаются в «мутную жижу, дурно пахнущую и отпугивающую отдыхающих» из-за скопления водорослей. Попытки механической очистки неэффективны. Здесь на помощь приходит системный подход, важной частью которого является постоянный мониторинг состояния залива, анализ и визуализация полученных данных. Такой проект решает конкретную, осязаемую проблему и наглядно демонстрирует мощь современных информационных технологий.

Эта статья — ваше пошаговое руководство, которое проведет вас через все этапы создания подобной дипломной работы: от закладки теоретического фундамента до триумфальной защиты готового проекта. Воспринимайте этот путь как увлекательный квест, в конце которого вас ждет не только диплом, но и ценный практический опыт.

Глава 1. Какими теоретическими знаниями нужно вооружиться

Прежде чем приступать к разработке, необходимо овладеть ключевой терминологией и понять фундаментальные принципы. Это позволит вам говорить на одном языке с научным руководителем и экзаменационной комиссией, а также принимать обоснованные архитектурные решения в своем проекте.

Что такое автоматизированная информационная система (АИС)?

Автоматизированная информационная система (АИС) — это комплекс, который объединяет в себе оборудование (компьютеры, серверы, датчики), программное обеспечение, сети передачи данных и, конечно же, пользователей. Все эти компоненты работают вместе для автоматизации бизнес-процессов, обработки данных и организации эффективного взаимодействия.

Основные задачи, которые решают такие системы, включают:

• Автоматизация рутинных бизнес-процессов.
• Организация информационного обмена между различными подразделениями.
• Обработка и глубокий анализ информации для принятия управленческих решений.

В чем суть мониторинга?

Мониторинг — это непрерывный процесс наблюдения и анализа состояния различных систем, сервисов или, как в примере с Анапой, природных объектов. Его главная цель — вовремя собирать данные, выявлять проблемы и принимать оперативные меры. Ключевые цели мониторинга можно сформулировать так:

1. Обнаружение проблем: Быстрое выявление сбоев, аномалий и отклонений от нормы.
2. Оптимизация производительности: Анализ данных для поиска «узких мест» и улучшения работы системы.
3. Прогнозирование и планирование: Использование накопленных данных для предсказания будущих сбоев и планирования ресурсов.

Для этого отслеживаются конкретные метрики — измеримые показатели. В IT-системах это могут быть загрузка процессора (CPU usage) или использование оперативной памяти (Memory usage), а в экологическом проекте — температура воды, концентрация хлорофилла или направление ветра.

Зачем нужна визуализация данных?

Визуализация данных — это графическое представление информации в виде диаграмм, карт, дашбордов и графиков. Человеческий мозг устроен так, что он гораздо быстрее воспринимает визуальные образы, чем сухой текст или таблицы с цифрами. Качественная визуализация помогает мгновенно улавливать взаимосвязи, видеть тренды и замечать аномалии, что было бы крайне сложно сделать, анализируя голые числа.

Цель визуализации должна быть четко определена: хотите ли вы показать тренд, сравнить категории, разобрать структуру объекта или продемонстрировать корреляции.

Среди популярных типов визуализаций можно выделить:

• Линейные графики — идеально подходят для отображения динамики показателей во времени.
• Гистограммы и столбчатые диаграммы — используются для сравнения различных категорий.
• Круговые диаграммы — наглядно показывают долю каждой части в общем целом.
• Тепловые карты — эффективны для отображения интенсивности какого-либо показателя на карте или в матрице.

Глава 1. Как провести анализ существующих решений и аналогов

Прежде чем создавать собственную систему, необходимо изучить уже существующие на рынке инструменты. Это обязательный раздел любой дипломной работы, который показывает вашу эрудицию и умение ориентироваться в предметной области. Цель такого анализа — не просто перечислить конкурентов, а найти пробелы в их функциональности, которые сможет успешно закрыть ваш дипломный проект.

Анализ аналогов следует строить по четкой структуре:

1. Определите критерии сравнения. Это могут быть: функциональность, поддерживаемые платформы, стоимость, тип лицензии (открытый или закрытый исходный код), простота использования.
2. Выберите 3-4 ключевых аналога для детального разбора. В области визуализации данных это могут быть такие гиганты, как Power BI, Tableau и Grafana.
3. Составьте сводную таблицу сравнения. Это позволит наглядно представить сильные и слабые стороны каждого решения.
4. Сформулируйте вывод. На основе анализа вы должны прийти к заключению, которое обосновывает необходимость создания вашей системы. Например: «Проанализировав системы Power BI, Tableau и Grafana, мы выявили потребность в узкоспециализированном решении для экологического мониторинга, которое было бы проще в настройке и имело бы открытый исходный код для дальнейших доработок».

Сравнение популярных BI-платформ

Сравнительный анализ популярных инструментов для визуализации данных

Критерий	Power BI	Tableau	Grafana
Основное назначение	Бизнес-аналитика и отчетность	Глубокий интерактивный анализ данных	Мониторинг и визуализация временных рядов (IT-метрик)
Интеграция	Глубокая интеграция с продуктами Microsoft (Excel, Azure).	Широкий спектр поддерживаемых источников данных.	Отлично работает с базами данных временных рядов (Prometheus, InfluxDB).
Стоимость	Есть бесплатная версия, доступные тарифы для Pro.	Высокая стоимость, ориентирован на корпоративный сектор.	Открытый исходный код, бесплатная версия.
Сложность освоения	Относительно прост для пользователей Excel.	Требует времени на освоение, но очень гибкий.	Требует технических знаний для настройки источников данных.

Глава 2. Формулируем проблему, цели и задачи вашего проекта

Это сердце вашей дипломной работы. На этом этапе абстрактная идея превращается в четкий план действий. Правильная постановка проблемы, цели и задач определяет всю дальнейшую структуру исследования и является ключевым критерием оценки качества вашей работы.

Давайте разберем этот процесс на примере кейса с очисткой бухты в Анапе.

1. Описание предметной области. Здесь вы описываете сферу, для которой создается ваш проект.
   

   Пример: «Предметной областью является экологический мониторинг прибрежной акватории города-курорта Анапа, которая подвержена интенсивному антропогенному и природному воздействию, в частности, сезонному цветению водорослей («камки»).»

2. Формулировка проблемы. Четко опишите, что «болит» и почему существующие методы не работают. Проблема должна быть конкретной и измеримой.
   

   Пример: «Основной проблемой является отсутствие системы оперативного мониторинга и анализа состояния морского залива. Существующие методы борьбы с последствиями цветения водорослей, такие как механическая уборка, являются реактивными и крайне неэффективными. Отсутствие данных не позволяет прогнозировать скопления водорослей и превентивно на них реагировать, что наносит ущерб туристической привлекательности курорта.»

3. Постановка цели. Цель — это глобальный результат, который вы хотите достичь. Она должна быть одна и сформулирована как можно точнее.
   

   Пример: «Целью дипломного проекта является создание программы, предоставляющей возможность анализировать и визуализировать исходные данные, поступающие в базу с датчиков для мониторинга экологического состояния бухты города-курорта Анапа.»

4. Декомпозиция на задачи. Задачи — это конкретные шаги для достижения цели. Обычно их 4-6, и каждая из них в будущем станет параграфом в вашей работе.
   

   Пример списка задач:

   • Изучить предметную область экологического мониторинга.
   • Создать базу данных для хранения поступающих с датчиков сведений.
   • Определить и реализовать набор функций для анализа данных.
   • Выполнить проектирование объектной структуры системы.
   • Написать и отладить приложение в соответствии с разработанной структурой.
   • Разработать инструкцию пользователя системы.
   • Выполнить экономическое обоснование целесообразности проекта.

Глава 2. Как выбрать стек технологий для реализации системы

Выбор правильных инструментов — один из самых ответственных этапов, от которого зависит скорость, удобство и итоговый результат разработки. Технологический стек — это набор языков программирования, фреймворков и программного обеспечения, который вы будете использовать для создания своего проекта. Выбор должен быть осознанным и обоснованным в тексте диплома.

Сбор данных: чем и как?

Это начальный этап, на котором «сырые» данные попадают в вашу систему. Здесь можно использовать:

• Python с библиотеками: Это самый универсальный вариант. Библиотеки, такие как Requests и Beautiful Soup, идеально подходят для парсинга сайтов (например, для сбора метеорологических данных) или для обращения к API (программным интерфейсам) различных сервисов.
• Готовые агенты: Для мониторинга IT-инфраструктуры (серверов, сетей) часто используют готовые программы-агенты (например, Zabbix Agent), которые самостоятельно собирают метрики и отправляют их на сервер.

Хранение данных: где?

Данные нужно где-то хранить. Выбор обычно стоит между двумя основными типами баз данных (БД):

• SQL (реляционные) БД: Например, PostgreSQL или MySQL. Они хранят данные в виде связанных таблиц. Это классический и надежный вариант, идеально подходящий для структурированных данных, где важна целостность и консистентность.
• NoSQL (нереляционные) БД: Например, MongoDB или InfluxDB (специализированная БД для временных рядов). Они более гибкие и лучше подходят для хранения больших объемов неструктурированных данных или специфических данных, таких как логи и метрики мониторинга.

Обработка и анализ: как?

Чаще всего для этой задачи снова используется Python и его мощные библиотеки для анализа данных, такие как Pandas и NumPy. Они позволяют эффективно загружать данные из БД, очищать их, проводить статистические расчеты и готовить для последующей визуализации.

Визуализация: на чем рисовать дашборды?

Это «лицо» вашей системы. Здесь выбор особенно широк, и его стоит делать, исходя из задач проекта:

• Специализированные BI-системы (Power BI, Grafana, Tableau): Это мощные инструменты, позволяющие создавать интерактивные дашборды с минимальным программированием. Power BI хорош для бизнес-аналитики, Grafana — идеальна для мониторинга IT-систем в реальном времени, а Tableau славится своими продвинутыми возможностями для глубокого анализа.
• Библиотеки Python (Matplotlib, Seaborn, Plotly): Этот вариант дает максимальную гибкость и контроль над внешним видом графиков. Matplotlib — это основа, Seaborn — более высокоуровневая и красивая надстройка над ней, а Plotly позволяет создавать впечатляющие интерактивные веб-графики.

Глава 3. Проектируем и реализуем модуль сбора и хранения данных

На этом этапе мы переходим от теории к практике и создаем фундамент всей нашей информационной системы. Качество этого фундамента напрямую повлияет на стабильность и функциональность всего проекта. Этот раздел состоит из двух ключевых частей: проектирования базы данных и реализации механизмов сбора информации.

Проектирование базы данных (БД)

Проектирование БД — это процесс создания логической «карты» вашего хранилища данных. Он начинается с определения ключевых сущностей и их атрибутов.

Например, для проекта экологического мониторинга сущностями могут быть «Датчик», «Измерение», «Местоположение». Атрибутами для «Датчика» будут его ID, тип (датчик температуры, pH-метр), дата установки. Для «Измерения» — ID, ID датчика, значение, время измерения.

После определения сущностей и атрибутов проектируются таблицы и связи между ними. Визуально эта структура представляется в виде ER-диаграммы (Entity-Relationship Diagram), которая наглядно показывает, как разные таблицы связаны друг с другом. Это важный графический материал для включения в дипломную работу.

Методы сбора данных

Сбор данных — это процесс наполнения вашей спроектированной базы. Методы могут быть как организационными, так и техническими:

• Организационные методы:
  • Опросы и интервью: Сбор информации путем прямого общения с экспертами или пользователями.
  • Наблюдение: Фиксация событий или параметров в реальном времени.
  • Анализ документов: Извлечение данных из существующих отчетов, журналов и архивных записей.
• Технические методы:
  • Парсинг сайтов: Автоматический сбор информации с веб-страниц (например, данных о погоде).
  • Обращение к API: Получение данных из других информационных систем по заранее определенным правилам. Многие сервисы (картографические, метеорологические) предоставляют публичные API.
  • Сбор метрик с оборудования: Прямое получение данных с серверов, сетевых устройств или специализированных датчиков.

Практическая реализация

В этой части диплома необходимо привести конкретные примеры кода, демонстрирующие процесс сбора и сохранения данных. Например, можно показать скрипт на Python, который подключается к API метеорологического сервиса, запрашивает температуру воздуха и скорость ветра для определенных координат, а затем записывает эти данные в соответствующую таблицу вашей базы данных PostgreSQL.

Глава 3. Разрабатываем ядро системы, или как оживить данные

Это кульминация всей вашей практической работы. Здесь мы берем накопленные в базе «сырые» данные и превращаем их в полезную информацию, представленную в наглядном и понятном для пользователя виде. Этот модуль отвечает за анализ и визуальное представление данных.

Модуль анализа

Ядро аналитического модуля — это способность извлекать из базы данных осмысленные срезы информации. На практике это реализуется через написание SQL-запросов. Вы должны продемонстрировать, как с помощью запросов можно получать:

• Данные за определенный период (например, все измерения за последнюю неделю).
• Агрегированные показатели (среднюю температуру за сутки, максимальное значение загрязнения).
• Отфильтрованные данные (например, только те измерения, которые превышают пороговое значение).

После извлечения данных часто проводится их базовая статистическая обработка, например, расчет корреляций между различными показателями (как скорость ветра влияет на распространение водорослей).

Выбор правильной визуализации

Недостаточно просто построить график — нужно выбрать тот тип визуализации, который наилучшим образом отвечает на конкретный вопрос. Вот несколько практических советов:

• Для отслеживания изменений во времени (например, суточные колебания температуры воды) используйте линейный график.
• Для сравнения показателей между разными объектами (например, среднее загрязнение в разных точках бухты) лучше всего подойдет столбчатая диаграмма.
• Чтобы показать структуру чего-либо (например, процентное соотношение разных типов загрязнителей), используйте круговую диаграмму или столбчатую диаграмму с накоплением.
• Для отображения пространственных данных (нанесение на карту точек с показаниями датчиков) необходима географическая карта или тепловая карта.

Не менее важен выбор правильной цветовой схемы. Используйте контрастные, но не кричащие цвета. Для отображения критических отклонений (например, превышения ПДК) эффективно использовать сигнальные цвета, такие как красный или оранжевый.

Создание дашборда

Дашборд (или информационная панель) — это единый экран, на котором собраны несколько ключевых визуализаций, позволяющих получить комплексное представление о состоянии объекта мониторинга. В дипломной работе вы должны пошагово описать процесс создания такого дашборда с использованием выбранного вами инструмента (например, Power BI или Grafana):

1. Подключение к источнику данных: Как настроить соединение с вашей базой данных.
2. Создание виджетов: Процесс построения отдельных графиков и таблиц на основе SQL-запросов.
3. Компоновка дашборда: Размещение виджетов на панели для создания логичной и интуитивно понятной картины.
4. Добавление интерактивности: Настройка фильтров (например, по дате или по типу датчика), которые позволяют пользователю самостоятельно исследовать данные.

Глава 4. Зачем это нужно бизнесу, или экономическое обоснование проекта

Любой, даже учебный, IT-проект должен иметь практическую ценность. Экономическое обоснование — это раздел, в котором вы доказываете, что ваша система не просто технологически интересна, но и целесообразна с финансовой точки зрения. Этот раздел значительно повышает вес вашей работы в глазах аттестационной комиссии, так как демонстрирует ваше понимание реальных бизнес-потребностей.

Основная задача здесь — ответить на вопрос: «Почему вложение времени и ресурсов в разработку и внедрение этой системы окупится?». Для этого используется простая методика, включающая три основных шага:

1. Расчет затрат

На этом этапе необходимо перечислить все ресурсы, которые были или будут потрачены на создание и запуск системы, и оценить их в денежном эквиваленте. Сюда входят:

• Затраты на разработку: Основной ресурс здесь — ваше время. Его можно оценить, умножив количество часов, потраченных на работу, на среднюю часовую ставку Junior-разработчика/аналитика в вашем регионе.
• Стоимость программного обеспечения: Если вы использовали платное ПО (например, лицензии на ОС, СУБД или BI-инструменты), их стоимость нужно учесть.
• Стоимость оборудования: Если для проекта требуются серверы или специализированные датчики, их цена также включается в затраты.

2. Расчет выгод

Это самый творческий этап, где нужно описать, как ваша система поможет сэкономить деньги или получить дополнительную выгоду. Выгоды могут быть прямыми и косвенными:

• Прямая экономия:
  • Сокращение времени на ручные операции: Если раньше сотрудники тратили X часов в неделю на сбор и обработку данных вручную, то система автоматизирует этот процесс, высвобождая их время для других задач. Эту экономию легко посчитать в деньгах.
  • Предотвращение сбоев и аварий: Система мониторинга позволяет заранее выявлять проблемы, избегая дорогостоящего ремонта или простоя оборудования.
• Косвенные выгоды:
  • Повышение качества управленческих решений: Данные мониторинга позволяют руководству принимать более обоснованные и своевременные решения, что ведет к оптимизации процессов.
  • Улучшение репутации (как в кейсе с Анапой): Чистое побережье привлекает больше туристов, что напрямую влияет на доходы региона.
  • Обеспечение стабильности и безопасности: Для IT-инфраструктуры это ключевой показатель, который снижает риски для бизнеса.

3. Расчет окупаемости (ROI)

В завершение вы сравниваете общую сумму выгод с общей суммой затрат. Даже если точный расчет окупаемости (Return on Investment) сложен, достаточно сделать качественный вывод. Например: «Несмотря на начальные затраты на разработку, оцениваемые в X рублей, внедрение системы позволит ежегодно экономить Y рублей за счет автоматизации отчетности и предотвращения Z инцидентов. Таким образом, проект является экономически целесообразным и окупится в течение N месяцев».

Как правильно оформить работу и сформулировать выводы

Завершающий этап написания дипломной работы — это приведение ее в соответствие с формальными требованиями и грамотное подведение итогов. Качественное оформление и сильное заключение могут существенно повлиять на итоговую оценку.

Структура и оформление по ГОСТу

Даже самая гениальная работа не будет допущена к защите, если она оформлена неправильно. Хотя у каждого вуза могут быть свои методические указания, в основе всегда лежат государственные стандарты (ГОСТ). Вот ключевые моменты, на которые стоит обратить внимание:

• Стандартная структура: Убедитесь, что ваша работа содержит все необходимые элементы в правильном порядке.
  1. Титульный лист
  2. Содержание (оглавление)
  3. Введение
  4. Основные главы (обычно 3-4)
  5. Заключение
  6. Список использованной литературы
  7. Приложения (при наличии)
• Форматирование текста: Как правило, используется шрифт Times New Roman, 14 кегль, полуторный межстрочный интервал и абзацный отступ 1,25 см. Поля страницы также стандартизированы: левое — 30 мм, правое — 10 мм, верхнее и нижнее — по 20 мм.
• Нумерация страниц: Нумерация сквозная, арабскими цифрами, начиная с введения (обычно это страница 3). На титульном листе номер не ставится.
• Оформление ссылок и списка литературы: Это один из самых важных аспектов. Все источники, на которые вы ссылаетесь в тексте, должны быть правильно оформлены в библиографическом списке в соответствии с ГОСТ.

Написание заключения

Заключение — это не просто формальность, а концентрированное изложение результатов вашей работы. Оно должно быть четким, лаконичным и логически завершать все исследование. Предлагаем использовать следующую структуру:

1. Напомните о цели и задачах. Начните с фразы: «Целью данной дипломной работы являлось создание…». Затем кратко перечислите задачи, которые были поставлены во введении.
2. Перечислите, что было сделано. Последовательно пройдитесь по каждой задаче и опишите, как она была решена. Например: «Для достижения поставленной цели были решены следующие задачи: была изучена теория…, спроектирована база данных…, разработан программный модуль…».
3. Подведите главный итог. Завершите заключение уверенным выводом о том, что все задачи выполнены, и, следовательно, главная цель работы достигнута. Можно также кратко упомянуть о практической значимости проекта и возможных путях его дальнейшего развития.

Важно: В заключении не должно быть никакой новой информации. Это только обобщение того, что уже было подробно изложено в основных главах работы.

Финальный рубеж — защита дипломного проекта

Защита — это не экзамен, а презентация вашего продукта. Ваша цель — за 7-10 минут убедить комиссию в том, что вы провели серьезную работу, решили поставленные задачи и создали ценный проект. Ключ к успеху — тщательная подготовка.

Структура презентации

Хорошая презентация — это ваш главный помощник. Она должна быть наглядной, структурированной и содержать минимум текста. Рекомендуется придерживаться следующего плана (примерно 10-12 слайдов):

1. Титульный слайд: Название вуза, тема работы, ваше ФИО, ФИО научного руководителя.
2. Актуальность: 1-2 тезиса, почему ваша тема важна (1 слайд).
3. Цель и задачи: Четкая формулировка цели и перечисление задач, поставленных в работе (1 слайд).
4. Анализ аналогов: Краткий вывод по анализу существующих решений (можно показать сводную таблицу) (1-2 слайда).
5. Архитектура системы: Общая схема вашей системы, показывающая взаимодействие основных модулей (сбор, хранение, анализ, визуализация) (1 слайд).
6. Демонстрация работы: Самая важная часть. Покажите скриншоты или короткое видео работы вашей системы: интерфейс, дашборды, ключевые функции (2-3 слайда).
7. Экономический эффект: Ключевые выводы из экономического обоснования: основные выгоды от внедрения (1 слайд).
8. Выводы: Краткое резюме о том, что цель работы достигнута, и перечисление полученных результатов (1 слайд).
9. Спасибо за внимание: Финальный слайд с вашими контактами.

Написание речи и репетиция

Не стоит надеяться на импровизацию. Напишите полный текст своего выступления, который будет синхронизирован со слайдами. Прочитайте его несколько раз, в идеале — с таймером, чтобы уложиться в регламент (обычно 7-10 минут). Репетиция перед зеркалом, друзьями или родственниками поможет вам чувствовать себя увереннее и говорить без запинок.

Ответы на вопросы комиссии

После вашего доклада комиссия задаст вопросы. Это нормальная часть защиты. Чтобы подготовиться:

• Продумайте возможные вопросы. Чаще всего спрашивают о выборе технологий, о практическом применении, о сложностях в разработке, о том, что можно улучшить.
• Сформулируйте краткие и четкие ответы. Заранее подготовьте ответы на наиболее вероятные вопросы.
• Будьте честны. Если вы не знаете ответа на какой-то узкоспециализированный вопрос, не нужно ничего выдумывать. Лучше честно сказать: «Спасибо за интересный вопрос. Этот аспект не входил в рамки моего исследования, но я обязательно изучу эту тему».

Уверенное выступление и грамотные ответы на вопросы оставят у комиссии самое благоприятное впечатление и станут достойным завершением вашей большой работы над дипломным проектом.

Список использованной литературы

1. ГОСТ 12.1.003-83. ССБТ. Шум. Общие требования безопасности. – М., 1983.
2. ГОСТ 12.1.004-91. Пожарная безопасность. Общие требования. – М., 1991.
3. НПБ 105-03. Определение категорий помещений, зданий и наружных установок по взрывопожарной и пожарной опасности
4. СанПиН 2.2.4.548-96 ГК СЭН. Гигиенические требования к микроклимату производственных помещений. – М., 1996.
5. СанПиН 2.2.2./2.4.1340-03.Гигиенические требования к персональным электронно-вычислительным машинам и организации работы.–Минздрав, 2003
6. СНиП 21-01-97. Пожарная безопасность зданий и сооружений. – М., 1997.
7. СниП 23-03-2003. Защита от шума. – М.: Минздрав, 2003.
8. ГОСТ 19.202—78(1987). ЕСПД. Спецификация.
9. ГОСТ 19.502—78(1987). ЕСПД. Описание применения.
10. РД 50—34.698—90(1992). Руководство пользователя.
11. ГОСТ 19.402—78(1987). ЕСПД. Описание программы.
12. ГОСТ 2.114—95(2000). ЕСКД. Технические условия.
13. ГОСТ 2.001—93(1995). ЕСКД. Общие положения.
14. ГОСТ 2.004—88. ЕСКД. Общие требования к выполнению конструкторских и технологических документов на печатающих и графических устройствах вывода ЭВМ.
15. ГОСТ 2.109—73(2001). ЕСКД. Основные требования к чертежам.
16. ГОСТ 2.104—68(2001). ЕСКД. Основные надписи.
17. ГОСТ 2.105—95. ЕСКД. Общие требования к текстовым документам.
18. ГОСТ 19.001—77. ЕСПД. Общие положения.
19. ГОСТ 19.101—77. ЕСПД. Виды программ и программных документов.
20. ГОСТ 19.404—79. ЕСПД. Пояснительная записка. Требования к содержанию и оформлению.
21. Паклин, Н.Б., Орешков, В.И. Бизнес—аналитика: от данных к знаниям.\ Паклин, Н.Б., Орешков, В.И. — СПб: Изд. Питер, 2009. — 624 с.
22. Дюк, В., Самойленко А. DataMining: учебный курс.\ Дюк, В., Самойленко А. — СПб: Изд. Питер, 2001. — 368 с.
23. Зиновьев, А. Ю. Визуализация многомерных данных.\Зиновьев, А. Ю. — Красноярск: Изд. Красноярского государственного технического университета, 2000. — 180 с.
24. Чубукова, И. А. DataMining: учебное пособие.\ Чубукова, И. А. — М.: Интернет—университет информационных технологий: БИНОМ: Лаборатория знаний, 2006. — 382 с.
25. Дружественных, М. «Вехи истории тематической картографии, статистические графики и визуализации данных».\ Дружественных, М., 2008.
26. Фридман, В. «Визуализация данных и Инфографика».\ Фридман, В. — 14 января 2008.
27. Питер, Р., Келлер, М. визуальные подсказки: Практические визуализации данных.\ Питер, Р., Келлер, —М., 1993.
28. Кришнамурти, Б., Методы визуализации данных.\ Кришнамурти, Б.,1999.
29. Кливленд, У., Визуализация данных. Хобарт Press.\ Кливленд, У.,1993.
30. Горбань, А.Н., Вунш, Д., Зиновьев, А.Н. Основные многообразия для визуализации данных и понижения размерности.\ Горбань, А.Н.,Вунш, Д., Зиновьев, А.Н., 2008.
31. Виллисон, Б. «Визуализация быстрого прототипирования»\Парсонс институт информационных карт.\ Виллисон, Б., 2008.
32. Шапиро, Д. «Olive Publications Planning for Monitoring and Evaluation».\ Шапиро, Д., 2002.
33. Васвани, В., MySQL: использование и администрирование.\ Васвани, В., —М.: «Питер», 2011., —368 с.
34. Стив Суэринг, Тим Конверс, Джойс Парк., PHP и MySQL. Библия программиста, 2-е издание.\ Стив Суэринг, Тим Конверс, Джойс Парк, —М.: «Диалектика», 2010, —912 с.
35. Роберт Шелдон, Джоффрей Мойе, MySQL 5: базовый курс.\ Роберт Шелдон, Джоффрей Мойе, —М.: «Диалектика», 2007, —880 с.
36. Кузнецов М., Симдянов И., MySQL на примерах.\ Кузнецов М., Симдянов И., —Спб.: «БХВ-Петербург», 2008, —952 с.
37. Поль Дюбуа, MySQL, 3-е издание.\ Поль Дюбуа, —М.: «Вильямс», 2006, —1168 с.
38. Кузнецов М., Симдянов И., MySQL 5. В подлиннике.\ Кузнецов М., Симдянов И., —Спб.: «БХВ-Петербург», 2006, —1024 с.
39. Кузнецов М., Симдянов И., Самоучитель MySQL 5.\ Кузнецов М., Симдянов И., —Спб.: «БХВ-Петербург», 2006, —560 с.
40. Аллен Дж. Тейлор., SQL для чайников, 7-е издание.\ Аллен Дж. Тейлор, —М.: «Диалектика», 2010, —416 с.
41. Джеймс Р. Грофф, Пол Н. Вайнберг, Эндрю Дж. Оппель., SQL: полный справочник, 3-е издание.\ Джеймс Р. Грофф, Пол Н. Вайнберг, Эндрю Дж. Оппель., —М.: «Вильямс», 2010, —960 с.
42. Кригель А., Трухнов Б., SQL. Библия пользователя. Язык запросов SQL.\ Кригель А., Трухнов Б., —М.: «Диалектика», 2009, —752 с.
43. К. Дж. Дейт., Введение в системы баз данных.\ К. Дж. Дейт., —М.: Вильямс, 2005, —1328 с.
44. Кевин Клайн, SQL. Справочник.\ Кевин Клайн, —М.: Кудиц-Образ, 2006, —832 с.